[发明专利]一种有结构对等网络的可扩展资源查找方法

权利要求书

1.一种有结构对等网络的可扩展资源查找方法，信息节点通过分布式哈希表互连，分别负责管理本区域的资源信息，每个信息节点维护一个本地知识库，本地知识库保存索引记录；该可扩展资源查找方法包括：

(1)本地资源查询步骤；信息节点接收到本区域用户节点提交的或者有结构对等网络中其它信息节点所转发的资源查询请求，进行本地资源查询；

(2)查询转发步骤；根据资源查询请求，查找本信息节点知识库中是否存在所需的完整索引记录，存在则通过查询转发策略获取待转发节点列表，否则进入训练过程，由递归分区查找算法获取待转发节点列表；根据待转发节点列表，将资源查询请求同时转发给对应的各后续信息节点；

(3)索引更新步骤；等待对应的各后续信息节点的反馈消息，接收到反馈消息，根据学习算法更新本信息节点的知识库索引记录；

(4)反馈步骤；形成本信息节点的综合反馈消息，并沿原接收路径返回给本区域用户节点或者有结构对等网络中其它信息节点。

2.如权利要求1所述的可扩展资源查找方法，其特征在于，所述查询转发步骤中：

(1)所述索引记录格式为(N(q_j，a_i)，R(q_j，a_i），visit(q_j，a_i))，其中：

A.q_j是某一特定资源查询请求；

B.a_i是资源查询范围，对于本信息节点n，定义指针表第i个表项n.finger[i]为f_iⁿ，即fin=successor(ein),]]>其中ein=(n+2i)mod2m,]]>则f_iⁿ的实际查询范围为[f_iⁿ，e_iⁿ)；

C.N(q_j，a_i)表示本查询范围a_i所含信息节点数，根据查询树的特征，该值亦是在该查询范围进行递归分区查找所需消息量；

D.R(q_j，a_i)表示某资源查询q_j在本查询范围a_i所获取的资源个数；

E.visit(q_j，a_i)表示该资源查询q_j向本查询范围a_i的转发次数；

由于查询服从Zipf分布，索引空间开销不会很大，最大为O(log N)量级，为进一步控制知识库的空间开销，当本地知识库空间已满时采用最近最少使用策略Least-Recently-Used替换索引记录；

(2)所述查询转发策略如下：

A.设信息节点β有m个查询范围：a₁^β，a₂^β，...，a_m^β，m＞0；该信息节点β接收到资源查询请求q_j，向查询范围a_i转发的权重为weight(q_j，a_i)，

weight(qj,ai)=R(qj,ai)N(qj,ai)]]>

节点β选择查询范围a_i进行转发的概率即为：

Prj(ai)=weight(qj,ai)Σi=1mweight(qj,ai)]]>

当且仅当Pr_j(a_i)大于预定阈值ε时，转发查询请求q_j至该查询范围a_i^β，实际转发至a_i^β的下边界信息节点f_i^β，ε＝0～1；这些转发节点形成待转发节点列表(f₁^β，f₂^β，...，f_m′^β)，其中m′是待转发节点个数；

B.当资源查询请求对资源个数有指定时，即试图以最小查询开销获取特定数目的资源，则转发查询的资源指定个数satisfaction(q_j，a_i)根据权重weight(q_j，a_i)进行按比例分配：

satisfactionβ(qj,ai)=weight(qj,ai)Σi=1m′weight(qj,ai)×satisfactionβ(qj)]]>

C.当资源查询请求所指定的资源个数satisfaction_β(q_j)已经非常有限时：satisfactionβ(qj)≤max1≤i≤m′R(qj,ai),]]>采取贪心算法分配转发查询的资源指定个数：

satisfaction_β(q_j，a_k)＝satisfaction_β(q_j)

其中∀i≠k,R(qj,ai)≤R(qj,ak)]]>恒成立；

(3)所述训练过程即各信息节点的知识库索引记录初始建立过程，设信息节点β转发资源查询请求q_j至节点β_k，查询范围为akβ=[fkβ,ekβ);]]>节点β_k上索引记录含m₀个查询范围：其中aiβk=[fiβk,eiβk);]]>所述训练过程采用下述策略中的一种或两种：

A.训练加速策略：

使得ekβ∈[emsβk,ems+1βk)]]>成立，即信息节点β_k上的前min(m_s，m₀)个查询范围存在完整的知识库索引记录；

在训练过程中，查询范围的资源状况从信息节点β_k的知识库索引记录中直接获取，并以此形成反馈消息；

当m_s＞m₀时，表明β_k上的知识库信息不够充分，信息节点β_k仍需转发查询范围以获取这部分区域的资源状况；

B.区域裁减策略：

根据递归分区查找算法的查询特点，若ekβ≥fms+1βk,]]>最后一个资源查询范围需要加以修正，限定为ams+1βk=[fms+1βk,ekβ);]]>

为充分利用该查询范围内信息节点的反馈信息，细化索引区域，采用区域裁减策略，为控制索引开销，令区域划分精度为μ，μ值为2¹²⁰～2¹²⁷；当下式成立时进行索引区域裁减：

ekβ-fms+1βk≥μems+1βk-ekβ≥μ]]>

原查询范围切分为和两个区域，根据查询范围内信息节点的反馈信息和建立新的索引记录。

3.如权利要求1或2所述的可扩展资源查找方法，其特征在于，所述索引更新步骤中：

(1)所述后续信息节点的反馈消息包括：资源个数查询结果R^f(q_j，a_i)和资源查询所需消息量N^f(q_j，a_i)；

(2)所述学习算法计算资源个数估计值R_n(q_j，a_i)、消息量估计值N_n(q_j，a_i)，逼近实际资源分布状况；

设信息节点β_k接收到节点β转发的资源查询请求q_j，查询范围为akβ=[fkβ,ekβ),]]>而节点β_k根据查询转发策略实际转发m′个查询范围：学习算法包括下述过程：

A.计算本次查询反馈信息

该信息节点β从查询范围a_k^β得到的关于q_j的资源个数查询结果为：

Rβf(qj,akβ)=LocalSAβ(qj)+γ×Σi=1m′Rβif(qj,aiβi)]]>

其中，LocalSA_β(q_j)为本信息节点β的本地资源查询结果，后一项为查询范围内信息节点的反馈，系数γ用来衡量间接反馈在重要性上的差异，0＜γ＜1，间接反馈指后续信息节点所接收的反馈消息；

当信息节点β经过H跳转发的一条查询路径为(β，β¹，...，β^H)时，其资源个数查询结果为：

Rβf(qj,ai)=Σk=0Hγk×LocalSAβk(qj)]]>

该信息节点β在查询范围a_k^β进行资源查询所需的消息量N_β^f(q_j，a_k^β)为：

Nβf(qj,akβ)=1+Σi=1m′Nβif(qj,aiβi);]]>

B.计算R_n(q_j，a_i)、N_n(q_j，a_i)，

Rn(qj,ai)=αn×Rn-1(qj,ai)+(1+αn)×Rnf(qj,ai)Nn(qj,ai)=αn×Nn-1(qj,ai)+(1-αn)×Nnf(qj,ai)αn=visitn-1(qj,ai)visitn(qj,ai),visit0(qj,ai)=0,]]>

式中，R_n-1(q_j，a_i)、N_n-1(q_j，a_i)为过去的估计值，visit_n(q_j，a_i)为向该查询范围a_i转发资源查询q_j的次数：visit_n(q_j，a_i)＝visit_n-1(q_j，a_i)+1，其初始值visit₀(c_i，q_j)＝0；

当q_j被第一次转发至该查询范围a_i时，α₁＝0，则R1(qj,ai)=R1f(qj,ai),]]>此时R_n(q_j，a_i)只取决于该区域资源查询的反馈信息。