[发明专利]一种面向物联网的基于语义聚类的物资信息检索方法

权利要求书

1.一种面向物联网的基于语义聚类的物资信息检索方法，其特征在于该检索方法包括语义分析、关键词提取、优先数分配、PML归一化、层次聚类模块，具体步骤为：

步骤1）用户在Web应用平台上输入所要检索物资的相关信息；

步骤2）语义分析的任务就是自动地、批量地对Web页面进行分析，并自动

提取领域的语义信息，采用先对Web内容进行预处理，去除网页内的噪音的方法，以提高语义分析提取信息的速度和精度，具体的语义分析过程如下：

步骤21：对Web页面输入的文本进行噪音清洗处理，就是去除与网页主题无关的内容；

步骤22：对经过噪音清洗的Web页面进行预处理，把相关的内容文本进行短句、词性划分；

步骤23：从经过预处理后的文本中识别出重点词，即文本中基本的信息元素，这些重点词识别依据是现存的人工参与制定的规则；

步骤24：在整个文本中找出个体事实之间的引用和关联关系，通过分析同一事实在文本中不同部分的不同描述，合并相同的实体，整合出更大粒度的信息点，即下一步需要的关键词：                                               ；

步骤3）为了减少不必要的重复聚类，进一步提高检索效率，根据现有的词频统计资料，经过相互比较，为词频最低的关键词分配优先数为1，然后依次确定各个层级的关键词的优先数，假设关键词个数为n，具体过程如下:

步骤31：根据已有资料统计各关键词的词频；

步骤32：采用冒泡排序的第一趟算法，两两比较相邻关键词的词频，从而

得到词频的最小值，对该关键词赋予优先数1；

步骤33：重复步骤32，为剩下的关键词分别分配优先数2，3，…,n；

步骤4）根据得到的优先数，按照优先数由大到小的顺序依次将各关键词归一化为PML格式的文件，作为与电子产品代码信息服务EPCIS管理下的数据库进行数据通信的基础；

步骤5）在数据库中采用凝聚层次聚类的方式对数据进行聚类，相似度区间划分为51%--100%、0—50%；最终结果以文件夹和子文件夹的形式展现在用户检索的页面上，文件夹以可变长度的句子命名，具体算法如下：

步骤51：按照上述归一化的顺序，第一个生成的PML描述的关键词作为第一层聚类的特征值，将各原子簇的属性和关键词进行比较，根据相似度分别将它们合并到同一相似度区间的簇中；

步骤52：将得到结果中的每个簇作为整体放入对应的文件夹中，文件夹以聚类采用的关键词及相似度区间共同命名，即“关键词+相似度区间”，所有文件以并列的形式存在；

步骤53：将第二个生成的PML描述的关键词作为第二层聚类的特征值，将步骤52所得的文件名为“关键词+51%--100%”文件夹中的各数据作为原子簇，重复步骤51中聚类过程；

步骤54：将步骤53所得的结果放入按照步骤52的命名原则得到的相应新文件夹中；

步骤55：按照顺序依次对上一步生成的文件进行聚类，每次都是对文件名为“关键词+51%--100%”的文件夹进行新的聚类，直到最后一个关键词聚类完为止。