[发明专利]基于Merkle-tree的工业生产数据实体识别方法

说明书

基于Merkle‑tree的工业生产数据实体识别方法，步骤为：1)针对工业生产数据的浮动性，利用矩阵及向量的性质，对数据进行相应的标准化处理，确保同一实体的数值型属性值相同；2)计算各属性列的信息熵，获取属性敏感度强弱信息，去除敏感度低的属性，将其余属性根据敏感度降序排序；3)提出一种链式结构，称作“St‑Chain”,基于St‑Chain进行渐进式哈希编码，将哈希值相同的实体划分到同一块中；4)对于步骤3)中得到的结构，继续计算各元组中后续属性的哈希值，根据哈希值异同，重复划分成块，最终得到实体识别结果。本发明通过上述方法，提供了一种算法运行效率适中、识别精度较高的实体识别方法。

技术领域

本发明创造涉及一种实体识别方法，尤其是一种基于Merkle-tree的工业生产数据实体识别方法。

背景技术

随着信息技术和物联网技术的发展，现代工业随着时间累积了大量的数据，但是由于在生产过程中某些变量不易控制，且各变量间相互影响，相互联系，导致这些数据存在浮动性。工业大数据蕴含着大价值，而如何提高工业大数据的可用性，已经成为了一个研究热点。

实体识别作为一种重要的提高数据可用性的方法，能够将一个数据集划分为若干个实体集，从而将解决数据集中的实体同一性问题。现有的方法在对具有同一性问题的数据进行操作前，先进行分块处理，然后对各个块中的数据进行相似度计算，最后根据相似度和具体的匹配策略进行匹配决定。而对于工业生产数据来说，其数据存在浮动性，若采用传统的实体识别技术，识别结果的误判率会大幅度增高。因此，我们的工作就是直接对具有同一性问题的数据进行实体识别，避免误差叠加，降低误判率，且在提高识别精度的同时，采用一些手段保证识别效率。

发明内容

为了解决现有技术存在的问题，本发明提供一种基于Merkle-tree的工业生产数据实体识别算法。本方法利用Merkle-tree的思想，提出了一种Pro M-tree结构。基于ProM-tree进行哈希编码，在提高实体识别精度的同时也保证了识别效率；提出了一种链式结构，称作“St-Chain”，用于支持渐进式哈希编码时的分块操作；针对工业生产数据的浮动性，利用矩阵和向量的性质，提出了一种数据标准化处理方法，保证同一实体的数值型属性值一致，为后续的哈希编码操作做准备。

为了实现上述目的，本发明创造采用的技术方案为：基于Merkle-tree的工业生产数据实体识别方法，其特征在于：其步骤为：

步骤1)、针对工业生产数据的浮动性，利用矩阵及向量的性质，对数据进行相应的标准化处理，确保同一实体的数值型属性值相同；

步骤2)、计算各属性列的信息熵，获取属性敏感度强弱信息，去除敏感度低的属性，将其余属性根据敏感度降序排序；

步骤3)、提出一种链式结构，称作“St-Chain”,基于St-Chain对排序后属性的进行渐进式哈希编码，将哈希值相同的实体划分到同一块中；

步骤4)、对于步骤3)中得到的结构，继续计算各元组中后续属性的哈希值，根据哈希值异同，重复划分成块，最终得到实体识别结果。

所述的步骤1)中具体方法为：

1)通过实体的标准名称对原始数据集进行采样，得到的样本集称为标准实体样本集S；计算a(i)′·b＝{a(i)′·b(k1),a(i)′·b(k2)……a(i)′·b(k3)}，

其中：a(i)′·b(key)＝{a(i)′·b(1),a(i)′·b(2)……a(i)′·b(k)}，a(i)′代表a(i)的转置；

元组向量集合a＝{a(i)|a(i)∈A，i＝1,2,3……n}；

标准实体矩阵集合b＝{b(key)|key:标准实体名称}，其中,矩阵b(key)＝{b(j)|b(j)∈S，j＝1,2,3……k}；