[发明专利]一种关联数据查询结果排序方法

摘要

本发明涉及一种关联数据查询结果排序方法，属于计算机领域。具体操作步骤为①给出概念重要性、关系重要性和公理重要性的计算模型；②得到给定本体中概念重要性、关系重要性和公理重要性的度量结果；③得到资源的重要性的度量结果；④根据用户查询需求，通过查询语句在给定关联数据源中得到查询结果；⑤得到查询结果的重要性进行度量；⑥将查询结果按照重要性大小进行排序。与现有技术相比，本发明的有益效果是使关联数据查询结果排序效果更符合人类认知，能够优先输出更为重要的查询结果，而且计算速度快。

主权项

一种关联数据查询结果排序方法，其特征在于：其具体操作步骤为：步骤一、给出概念重要性、关系重要性和公理重要性的计算模型；本体构建的过程可以看作是知识工程师运用概念和关系的综合过程；知识工程师们利用概念和关系作为素材，以公理为工具描述领域知识；因此，本体可以看作创建者自身对知识理解的一个影像；本体构建者首先将客观世界中的对象抽象为概念，然后定义概念之间的相互关系和概念的属性，最后应用各种各样的公理对概念及其相互关系作更加详细的描述，形成一个领域知识模型；基于上述思想，将本体中概念重要性、关系重要性和公理重要性刻画为以下四个特征：(1)一个概念或者关系被越多的公理所描述，这个概念或者关系越重要；(2)一个公理中包含越多的概念和关系，这个公理越重要；(3)一个概念或者关系被越重要的公理描述，这个概念或者关系越重要；(4)一个公理描述的概念和关系越重要，这个公理越重要；这四个特征主要包含三个意义：第一，公理、概念和关系的重要性作为本体构建者认为领域知识重要程度的度量；第二，公理作为一个知识片段，是构成本体的基本单元；最后，概念和关系与公理重要性之间是一种相互加强的关系；上述四个特征可以转化为本体中概念重要性、关系重要性和公理重要性的计算模型；用符号A表示本体中所有公理构成的集合，A＝{A1,A2,...,Am}，用符号C表示本体中所有概念构成的集合，C＝{C1,C2,...,Cn}，用符号R表示本体中所有关系构成的集合，R＝{R1,R2,...,Rt}，则：对于本体中任一概念Cp的重要性的计算模型如公式(1)所示，p∈[1,n]，且p为正整数；IC(Cp)＝WC(A1)IA(A1)+WC(A2)IA(A2)+...+WC(Am)IA(Am) (1)其中，IC(Cp)表示概念Cp的重要性；IA(Ai)表示公理Ai的重要性，i∈[1,m]，且i为正整数；WC(Ai)表示公理Ai对于概念Cp的权重，可通过公式(2)计算得到；本体中所有概念重要性之和为1；对于本体中任一关系Rj的重要性的计算模型如公式(3)所示，j∈[1,t]，且j为正整数；IR(Rj)＝WR(A1)IA(A1)+WR(A2)IA(A2)+...+WR(Am)IA(Am) (3)其中,IR(Rj)表示关系Rj的重要性；WR(Ai)表示公理Ai对于关系Rj的权重，可通过公式(4)计算得到；本体中所有关系重要性之和为1；对于本体中任一公理Ai的重要性的计算模型如公式(5)所示，i∈[1,m]，且i为正整数；IA(Ai)=∂Σp=1nWC(Cp)IC(Cp)+(1-∂)Σj=1tWR(Rj)IR(Rj)---(5)]]>其中，是权重因子，由人为预先设定，用来调节概念和关系重要性在公理重要性中的比重；WC(Cp)表示概念Cp对于公理Ai的权重，可通过公式(6)计算得到；IC(Cp)表示概念Cp的重要性；WR(Rj)表示关系Rj对于公理Ai的权重，可通过公式(7)计算得到；IR(Rj)表示关系Rj的重要性；步骤二、得到给定本体中概念重要性、关系重要性和公理重要性的度量结果；利用步骤一得到的概念重要性、关系重要性和公理重要性的计算模型，得到本体中概念重要性、关系重要性和公理重要性的度量结果；具体操作为：步骤2.1：给定一个本体，经过k次迭代以后,k≥1，第k+1次概念Cp的重要性记为第k+1次关系Rj的重要性记为第k+1次公理Ai的重要性记为步骤2.2：给定概念Cp的重要性和关系Rj的重要性的初始值，使k＝1，满足步骤2.3：通过公式(8)计算公理Ai在第k次迭代的重要性IAk(Ai)=∂Σp=1nWAk(Cp)ICk(Cp)+(1-∂)Σj=1tWAk(Rj)IRk(Rj)---(8)]]>步骤2.4：通过公式(9)和(10)计算第k+1次迭代的概念重要性和关系重要性；ICk+1(Cp)=1SCkΣi=1mWCk(Ai)IAk(Ai)---(9)]]>IRk+1(Rj)=1SRkΣi=1mWRk(Ai)IAk(Ai)---(10)]]>其中，和是归一化因子，步骤2.5：通过公式(11)计算公理Ai在第k+1次迭代的重要性IAk+1(Ai)=∂Σp=1nWAk+1(Cp)ICk+1(Cp)+(1-∂)Σj=1tWAk+1(Rj)IRk+1(Rj)---(11)]]>步骤2.6：通过公式(12)计算在第k+1次和第k次迭代中所有公理重要性的方差σ；σ=Σi=1m(IAk+1(Ai)-IAk(Ai))2---(12)]]>如果σ＜ε成立，ε是人为设定的正实数，0＜ε≤0.8，则终止操作；否则，重复执行步骤2.4至步骤2.6的操作；经过步骤二的操作，得到给定本体中概念重要性、关系重要性和公理重要性的度量结果；步骤三、得到资源的重要性的度量结果；在步骤二操作的基础上，对给定关联数据源进行处理，得到关联数据源中RDF资源的重要性的度量结果；所述RDF资源是本体的描述对象；具体操作为：关联数据源是RDF三元组的集合；RDF三元组为{主体，属性，客体}；一个RDF三元组的集合可表示为一个RDF图G，G＝(V,E)；其中，V是节点的集合，也即资源的集合；E是边的集合；主体和客体是节点；属性是从主体指向客体的有向边，表示主体和客体之间的关系；通过公式(13)计算RDF图G中资源vq的重要性IV(vq)；IV(vq)=1-β|V|+βΣv∈VzIR(e(vq,v))Σe∈EIR(e)---(13)]]>其中，|V|是RDF图G中包含节点的总数；β是调节因子，其值由人为确定，β∈[0,1]；Vz是RDF图G中节点vq指向的节点集合；是从节点vq指向节点v的边，v∈Vz；步骤四、根据用户查询需求，通过查询语句在给定关联数据源中得到查询结果；此步骤可与步骤一同步操作；步骤五、得到查询结果的重要性进行度量；在步骤三和步骤四的基础上，通过公式(14)对步骤四得到的每一条查询结果进行重要性度量；IS(s)=Σx∈XIx(xb)---(14)]]>其中，s是一条查询结果；IS(s)是查询结果的重要性；X是查询结果s中包含的变量集合；xb是查询结果s中变量x的绑定值，x∈X；Ix(xb)是资源xb的重要性，可通过公式(15)计算得到；步骤六、将查询结果按照重要性大小进行排序；在步骤五的基础上，将步骤四得到的查询结果按照查询结果的重要性从大到小的顺序进行排序；经过上述步骤的操作，即可得到关联数据查询结果的最终排序。