[发明专利]一种针对XML文件的数据自适应融合方法

权利要求书

1.一种针对XML文件的数据自适应融合方法，其特征在于，包括如下步骤：

步骤1、针对XML格式的待处理数据，在数据融合的历史记录中找到与待处理数据相似度大于设定阈值的一系列同类型文档，组成相似文档集合；

步骤2、根据数据融合方法本身适用的数据类型和待处理数据本身的数据类型，为待处理数据选择一系列可处理该数据的融合方法；

步骤3、针对步骤2确定的每一种融合方法，读取该融合方法资料，确定该融合方法理论上适用于处理的文档数据；

步骤4、计算待处理数据与步骤3确定的文档数据之间的相似度；

步骤5、针对步骤1组成的相似文档集合，计算步骤3的每一种融合方法被相似文档集合中所有文档所使用的方法推荐度；将该方法推荐度与步骤4计算的相似度相乘，得到一种融合方法对应的优先度；

步骤6、采用步骤3至步骤5的方法，遍历步骤2选择的每一种融合方法，得到各融合方法对应的优先度；

步骤7、将步骤6获得的所有优先度进行降序排列；取其中排序靠前的设定数量的融合方法；

步骤8、针对步骤7选取的每一个融合方法，在历史记录中调取各融合方法处理过的与待处理数据同类型历史文档；同时确定每一个融合方法理论上适用的文档；将所有融合方法对应的同类型历史文档与理论上适用的文档组成文档合集；

步骤9、确定待处理数据的业务需求和步骤8的文档集合中各文档的业务需求；

步骤10、从文档合集中选择与待处理数据的业务需求最相似的一部分文档，再确定这些文档使用次数最多的一种融合方法，即为待处理数据最终选择的融合方法。

2.如权利要求1所述的一种针对XML文件的数据自适应融合方法，其特征在于，所述步骤10中，当这些文档使用次数最多的融合方法不止一种的情况下，在本步骤中选择最相似的一部分文档时，增加选择的文档的数量。

3.如权利要求1所述的一种针对XML文件的数据自适应融合方法，其特征在于，所述步骤1和4中，计算相似度时，采用相同的方式提取待处理数据和同类型文档的特征，根据两者之间的特征匹配度确定相似度。

4.如权利要求3所述的一种针对XML文件的数据自适应融合方法，其特征在于，所述相似度的计算公式为：

其中，α₁表示当前文档A与同类型文档B_i之间的可比较特征中数值型特征所占的比例，α₂表示A与B_i之间的可比较特征中文字型特征所占的比例；n表示当前文档A与同类型文档B_i之间的可比较特征中数值型特征的个数，a_i、b_i和b_j分别表示A与B_i对应于某一数值型特征的取值归一化后的结果；m表示当前文档A与同类型文档B_i之间的可比较特征中文字型特征的个数，c_k和d_k分别表示A与B_i对应于某一文字型特征的取值；count(c_k＝d_k)为计数函数，即从k的值为1到m的过程中，当c_k＝d_k时，count(c_k＝d_k)＝1。

5.如权利要求4所述的一种针对XML文件的数据自适应融合方法，其特征在于，所述设定阈值为0.5。

6.如权利要求3所述的一种针对XML文件的数据自适应融合方法，其特征在于，提取待处理数据特征的方法为，先建立特征模板库，具体为：

(1)确定模板适用对象，说明该模板适用的数据类型；

(2)确定特征提取结构，说明该模板的结构形式；

(3)确定特征关键词，说明关键词的类别与在模板中的位置；

(4)确定关键词词库，说明与模板中关键词的对应关系。