[发明专利]一种数据粒度可分级的中药材质量追溯建模方法

权利要求书

1.数据粒度可分级的中药材质量追溯建模方法，其特征在于：包括如下步骤：

步骤(1)：设计描述中药材供应链上追溯单元转化过程的12种模式基元；

步骤(2)：基于关系代数理论设计中药材供应链上追溯单元数据存储结构和数据采集算法；

步骤(3)：基于句法模式识别理论，构建中药材产品追溯数据形式化描述文法；

步骤(4)：构建基于递归的句子生成算法,形成基于改进下推自动机的粒度分级规约方法，从而建立中药材质量追溯数据的可变粒度模型。

2.根据权利要求1所述的数据粒度可分级的中药材质量追溯建模方法，其特征在于：步骤(1)中所述的设计描述中药材供应链上追溯单元转化过程的12种模式基元，具体方法如下：对GS1全球可追溯标准的谓词集合进行局部改进，建立一组由接收、派出、生成、销毁、构造、结构、依附、剥离、修饰、修剪、移动和探测共12个谓词组成的模式基元，以便更好地对中药材质量追溯信息进行描述。

3.根据权利要求2所述的数据粒度可分级的中药材质量追溯建模方法，其特征在于：步骤(2)中所述的基于关系代数理论设计中药材供应链上追溯单元数据存储结构和数据采集算法，具体方法如下：

(1)基于模式基元的中药材质量追溯数据存储结构

在GS1全球可追溯标准中，记录人员、地点、时间、物体、事件五个要素，即模式基元的公有数据属性，定义为

R_common＝R(Eid,EName,Tid,Handler,Time,Location)

其中Eid是模式基元的唯一实例标识，EName是模式基元的实例名称，Tid是追溯单元标识，Handler是操作人员标识，Time是操作发生时间，Location是操作发生地点；

以模式基元的私有数据属性表征一类中药材产品供应链上追溯单元转化的逻辑关系，中药材质量追溯系统可追溯数据的存储结构是公有数据属性与私有数据属性的自然连接；

(2)基于模式基元的追溯数据采集算法

共有12类模式基元，可追溯数据通用釆集算法流程如下：

Step1：按约定规则分配某模式的实例标识Eid，按约定规则分配一个该模式的输出追溯单元标识Tid；

Step2：使用该模式实例标识Eid与该模式实例的公有数据属性信息组成6元组{Eid,EName,Tid,Handler,Time,Location}，赋值给公有数据属性关系R_common；

Step3：私有数据属性中的模式实例标识Eid与输出追溯单元标识Tid组成二元组{Eid,Tid}，赋值给该模式的私有属性关系R_private；

Step4：公有数据属性关系R_common和私有属性关系R_private通过Eid建立自然连接关系。

4.根据权利要求2所述的数据粒度可分级的中药材质量追溯建模方法，其特征在于：步骤(3)中所述的基于句法模式识别理论，构建中药材产品追溯数据形式化描述文法，具体方法如下：

首先完成模式基元与文法终结符的映射，然后在终结符映射的基础上，以向前追溯的过程为例，基于各类模式基元中追溯单元的转化关系，建立追踪过程的形式化描述文法，具体如定义1；

定义1：中药材产品可追溯系统中，追踪过程的形式化描述文法为G＝(N,T,P,S)，其中N＝{S,M}，T＝{a,b,c,d,e,f,g,h,i,j,k,l}，以及P：

(1)S→aM

(2)S→cM

(3)M→b

(4)M→d

(5)M→j

(6)M→gM

(7)M→hM

(8)M→eM

(9)M→kM

(10)M→lM

(11)M→iMM

(12)M→gMM

由此建立了基于2型文法的中药材可追溯系统的追溯流程形式化描述方法。

5.根据权利要求2所述的数据粒度可分级的中药材质量追溯建模方法，其特征在于：步骤(4)中所述的构建基于递归的句子生成算法,形成基于改进下推自动机的粒度分级规约方法，从而建立中药材质量追溯数据的可变粒度模型，具体方法如下：

(1)基于递归的句子生成算法

对步骤(4)建立的质量追溯流程的形式化描述文法中的句子中每一个终结符的读取，也就获得了粒度精细的中药材产品追溯数据；句子生成的具体算法流程如下：

Step1：根据Tid和Eid获得模式基元类型，映射到文法终结符；

Step2：在句子尾部追加该终结符；

Step3：对于构造模式，由于Tid发生了变化，因此对Tid递归调用本算法；对于解构模式，由于Tid发生了变化，且解构为多个追溯单元，因此对新Tid表示列表中的每一个Tid递归调用本算法；对于依附模式，由于Tid与其他追溯单元Tid建立了依附关系，因此对Tid递归调用本算法；对于派出、销毁、剥离模式，由于Tid作为被标识的独立的追溯单元己经到达终点，算法结束，返回到调用点；

Step4：Tid列表如未处理到尾端，则指针指向下一个Tid，返回Step1，否则算法结束，返回到调用点；

(2)基于改进下推自动机的可追溯数据粒度分级方法

定义2：为了识别追踪过程的形式化描述文法生成句子，定义以初始状态为双控堆栈的改进下推自动机：A＝(Q,Σ₁,Γ,Γ',δ,q₀,Z₀,Z₀',F)，其中Q＝{q₀,q₁}，Σ＝{a,c,b,d,j,g,h,e,k,l,i,f}，Γ＝{S,M}，Z₀＝S,δ为：

(1)δ(q₀,a,S)＝{(q₁,M,a)}

(2)δ(q₀,c,S)＝{(q₁,M,c)}

(3)δ(q₁,b,M)＝{(q₁,λ,b)}

(4)δ(q₁,d,M)＝{(q₁,λ,d)}

(5)δ(q₁,j,M)＝{(q₁,λ,j)}

(6)δ(q1,g,M)＝{(q₁,M,λ)}

(7)δ(q₁,e,M)＝{(q₁,M,λ)}

(8)δ(q₁,h,M)＝{(q₁,M,λ)}

(9)δ(q₁,k,M)＝{(q₁,M,λ)}

(10)δ(q₁,l,M)＝{(q₁,M,λ)}

(11)δ(q₁,i,M)＝{(q₁,MM,i)}

(12)δ(q₁,f,M)＝{(q₁,MM,f)}

则该下推自动机从起始状态q₀和栈底符号Z₀启动，依次读入由前述句子生成算法生成的句子，在对终结符的识别过程中，对精细粒度数据进行形式化融合，句子处理结束时由结构信息存储堆栈获得粗粒度数据，从而完成粗糙粒度的中药材质量追溯流程建模，实现可追溯数据粒度的分级建模。