[发明专利]基于Merkle-tree的工业生产数据实体识别方法

权利要求书

1.基于Merkle-tree的工业生产数据实体识别方法，其特征在于：其步骤为：

步骤1)、针对工业生产数据的浮动性，利用矩阵及向量的性质，对数据进行相应的标准化处理，确保同一实体的数值型属性值相同；

1.1)通过实体的标准名称对原始数据集进行采样，得到的样本集称为标准实体样本集S；计算a(i)′·b＝{a(i)′·b(k1),a(i)′·b(k2)……a(i)′·b(kn)}，

a(i)′·b(key)＝{a(i)′·b(1),a(i)′·b(2)……a(i)′·b(n)}，a(i)′代表a(i)的转置；

元组向量集合a＝{a(i)|a(i)∈A，i＝1,2,3……n}；

标准实体矩阵集合b＝{b(key)|key:标准实体名称}，其中,矩阵b(key)＝{b(j)|b(j)∈S，j＝1,2,3……n}；

1.2)根据向量余弦公式计算出每个向量a(i)′·b(key)中各个向量的余弦值，形成一个余弦值向量c(key)＝{cosθ₁,cosθ₂,cosθ₃,...,cosθ_k}；

1.3)将每个向量c(key)中的元素求和，然后计算其平均值avg；

1.4)计算max(avg)，找出最大avg对应的标准实体，计算其各个属性平均值；

1.5)将对应的各属性平均值作为其标准值，完成数据标准化处理；

步骤2)、计算各属性列的信息熵，获取属性敏感度强弱信息，去除敏感度低的属性，将其余属性根据敏感度降序排序；

利用信息熵判定属性的敏感度，属性的信息熵越大，说明其属性值越多样化，区别实体的能力也就越强，即属性敏感度越高；信息熵公式如下：

其中，p_i是属性中某一属性值出现的概率；去除信息熵低的属性，根据信息熵大小，将属性降序排序，先计算敏感度大的属性哈希值；

步骤3)、提出一种链式结构，称作“St-Chain”；基于St-Chain对排序后的属性进行渐进式哈希编码，将哈希值相同的实体划分到同一块中；

3.1)根据排序后的属性顺序，计算各元组中某个属性的哈希值；

3.2)根据哈希值异同，将数据化分成块，形成链式结构“St-Chain”；

步骤4)、对于步骤3)中得到的结构，继续计算各元组中后续属性的哈希值，根据哈希值异同，重复划分成块，最终得到实体识别结果；

4.1)根据步骤3)得到的St-Chain结构，若结构中num大于1；则继续计算该块中后续属性哈希值，根据哈希值异同继续分块；若num＝1，说明该块中的实体不存在同一性问题，不需要计算后续属性哈希值；

4.2)重复1)的操作，直至实体识别完成，得到最终识别结果。