[发明专利]非结构化数据四面体数据模型的系统、实现、应用和查询语言

说明书

技术领域

本公开总体上涉及数字内容领域，具体地涉及非结构化数据的表示。

背景技术

随着信息技术的快速发展，非结构化数据的数量急剧增加。现在，非结构化数据占据了世界上所有数据的大部分。非结构化数据(也称为非结构化信息)是指不具有统一结构的数据。非结构化数据的示例包括文本、图形、图像、音频和视频数据。与利用显式语义数据模型描述的结构化数据不同，非结构化数据缺少计算机化解释所必需的上述显式语义结构。参见2008年5月、OASIS，“非结构化信息管理架构(UIMA)1.0版”，工作草案05，通过参考将其全部内容并入。因此，非结构化数据经常需要人工或自动化注释，以便由计算机应用/设备正确解释和/或处理。

已经开发出了各种内容管理系统和数据库管理系统以用于管理非结构化数据。然而，由于由这些系统使用的数据模型通过描述性文本或者低层特征来描述非结构化数据，所以这些系统只能提供有限的数据检索方法，并且不具有支持通常为管理和操纵大量非结构化数据所必需的智能数据服务的能力(例如，基于多个检索方法、数据分析、数据挖掘的检索)。

因此，需要一种数据模型，其可以提供不同种类非结构化数据的特征和文本描述的整体表示，并且还需要一种利用该数据模型来在非结构化数据上提供高效智能数据操作的系统和应用。

发明内容

本公开的实施方式包括用于非结构化数据四面体数据模型的系统、实现、应用和查询语言。

本公开的一个方面是用于非结构化数据的四面体数据模型。四面体数据模型的实例(也称为四面体)包括顶点、四个刻面以及刻面之间的连线。顶点表示底层非结构化数据的唯一性标识。四个刻面表示底层非结构化数据的四个方面：基本属性、语义特征、低层特征和原始数据。连接刻面的连线表示不同刻面的连接元素之间的关系。

本公开的另一方面是非结构化数据的数据管理系统(Unstructured data Base Management System)(UDBMS)中四面体数据模型的实现。UDBMS生成顶点，并且将基本属性和语义特征存储在可扩展标记语言(XML)文件中。低层特征和原始数据使用在运行时可扩展的三维(“3D”)宽表进行组织和存储。不同刻面上元素之间的关联存储在邻接矩阵中。

本公开的第三方面是用于使用四面体数据模型来表示非结构化数据的四面体注释模块(以及相应的过程和计算机程序产品)。四面体注释模块可以集成至非结构化数据处理装置中，诸如，数码相机、数字音频记录器、数字视频记录器、音频/视频(A/V)数据生成设备，和文档/视频/音频/图像/图形编辑应用。四面体注释模块针对由该装置生成的非结构化数据创建四面体，并且使用与该非结构化数据有关的信息来填入该四面体。

本公开的第四方面是一种非结构化数据查询语言(UDQL)，其被开发以用于提供针对UDBMS中的由四面体数据模型所表示的非结构化数据的全面查询操作。针对由UDQL支持的非结构化数据的示例查询操作包括：基本数据检索(例如，针对四面体单个刻面的查询)、关联检索(例如，使用四面体的两个或三个刻面的查询，在多个四面体中的查询)以及智能检索(例如，实现面向主题的多维数据分析、根据指定条件的数据聚类和分类)。UDQL还通过支持基于这三种不同种类的查询操作的嵌套结构而支持更复杂的查询。

在本说明书中描述的特征和优势不是全包含的，并且具体地，对于阅读了附图、说明书和权利要求书的本领域普通技术人员而言，很多附加特征和优势将是明显的。而且，应当注意，在本说明书中使用的语言主要是针对易读性和指令性的目的而选取的，而不是为了勾勒或限制所公开主题而选择的。

附图说明

图1是根据本公开一个实施方式的非结构化数据四面体数据模型的可视表示的示意图。

图2是示出了根据本公开一个实施方式的、图1中所示四面体数据模型的实现的高层框图。

图3是示出了根据本公开一个实施方式的四面体数据模型注释系统内的模块的高层框图。

图4是示出了根据本公开一个实施方式的、用于实现图3中所示四面体数据模型的计算机示例的高层框图。

图5A-图5E是示出了根据本公开一个实施方式的、集成有图3中所示四面体数据模型的示例系统的高层框图。

图6是示出了根据本公开一个实施方式的、用于使用四面体数据模型来描述非结构化数据以及使用四面体数据模型来进行搜索的过程的流程图。

具体实施方式