投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法与流程

本发明是一种投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法，通过布置在目标监控场景的传感器网络采集以数据、信息和知识等形式存在的原始资源，根据实际的计算和存储资源动态调整计算代价和存储代价来优化资源组织和存储，以解决监控资源在有限带宽资源下的计算和存储问题，提升资源处理和传输效率。属于物联网技术和软件工程学技术交叉领域。
背景技术：
：随着物联网技术的发展，使用传感器网络采集不同类型的资源量急剧增长。传统的资源压缩算法在压缩资源时是不保真的，资源在压缩过程中出现数据、信息和知识丢失。在资源传输时，物联网传输网络的带宽资源有限导致采集到的资源无法实时传输。现有技术中较好的压缩算法造成了较大的计算损耗，益于传输的资源压缩算法有较小的计算损耗但造成在有限带宽资源下的资源存储困难，最终无法实时传输这些资源。知识图谱于2012年5月17日被google正式提出，其初衷是为了提高搜索引擎的能力，增强用户的搜索质量以及搜索体验。知识图谱已经成为用标记的有向图形式表示知识的强大工具，并给出文本信息的语义。知识图谱是通过将每个项目、实体或用户作为结点表示，并且通过边缘将彼此相互作用的那些结点链接起来构造的图形。结点之间的边可以表示任意关系。现有的视频监控系统对监控资源的传输和存储使用传统的方法，高清的监控视频需要高带宽资源，而目前有限的带宽资源使海量的监控资源无法实时传输同时存在信号损耗。本发明提出一种投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法，通过布置在目标监测场景的传感器网络采集原始资源，并通过优化资源的组织和存储，实现物联网下资源在处理和传输时的较低信号损耗和较小计算资源损耗。提升物联网系统的资源处理和传输效率。技术实现要素：技术问题：本发明的目的是提出一种通过优化资源组织和存储来降低资源在传输和存储时的计算损耗和信号损耗方法。对不同类型、不同规模资源进行合理组织和存储，根据实际的计算和存储资源动态调整对原始资源处理的存储代价和计算代价，由用户投入决定最终的存储调整方案。我们定义数据为datadik、信息为informationdik和知识为knowledgedik。技术方案：本发明是一种投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法，从应对原始资源的计算和存储两个方面考虑，从对目标监控场景下布置传感器组采集到的不同类型原始资源(org)的处理、优化和管理等角度进行研究，基于对现有知识图谱(knowledgegraph)概念的拓展提出了一种三层可自动抽象调整的解决架构。这个架构包括：数据图谱(datagraphdik)、信息图谱(informationgraphdik)和知识图谱(knowledgegraphdik)（我们定义数据图谱为datagraphdik，信息图谱为informationgraphdik，知识图谱为knowledgegraphdik）等三个层面。根据实际的存储和计算资源动态调整存储代价和计算代价，基于不同层次的图谱架构存储原始资源。体系结构图1给出了投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法的体系结构，解决原始资源在有限带宽资源下实时传输的计算和存储问题。这里假定网络带宽资源为x，并根据用户投入决定存储方案。图2给出了投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法的具体方法流程。图3给出了投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法的硬件实现结构。表1所示为对datadik、intormationdik和knowledgedik等形态的资源以及对应图谱层次的介绍。表2所示为org中单位资源类型转换的原子代价，表3所示为pro中单位资源类型转换的原子代价。表4所示为pro中压缩或解压org单位资源的原子代价。下面我们给出datagraphdik、informationgraphdik和knowledgegraphdik的具体说明。我们定义datagraphdik为datagraphdik:=collection{array,list,stack,queue,tree,graph}.datagraphdik是各种数据结构包括数组(array)、链表(list)、栈(stack)、队列(queue)、树(tree)和图(graph)等的集合(collection)。datagraphdik只能对图谱上表示的datadik进行静态分析，无法分析和预测datadik的动态变化。我们定义informationgraphdik为informationgraphdik:=combination{relateddatadik}。informationgraphdik是相互关联的datadik(relateddatadik)的组合(combination)，informationdik是通过datadik和datadik组合之后的上下文传达的，经过概念映射和相关关系组合之后的适合分析和解释的信息。在informationgraphdik上进行数据清洗，消除冗余数据。我们定义knowledgegraphdik为knowledgegraphdik:=collection{statisticrules}。knowledgegraphdik实质是语义网络和由informationdik总结出的统计规则(statisticrules)的集合(collection)。knowledgegraphdik蕴含丰富的语义关系，在knowledgegraphdik上能通过信息推理和实体链接提高knowledgegraphdik的边密度和结点密度，knowledgegraphdik的无结构特性使得其自身可以无缝链接。信息推理需要有相关关系规则的支持，这些规则可以由人手动构建，但往往耗时费力，得到复杂关系中的所有推理规则更加困难。使用路径排序算法将每个不同的关系路径作为一维特征，通过在knowledgegraphdik中构建大量的关系路径来构建关系分类的特征向量和关系分类器来提取关系。本发明将传感器网络采集到的原始资源集合定义为org:={orgd,orgi,orgk}，org的类型集合为torg={torgd,torgi,torgk},每种资源的规模为aorg={aorgd,aorgi,aorgk}，资源空间为pro={prod,proi,prok},pro的类型集合为tpro={tprod,tproi,tprok},每种资源的规模为apro={aprod,aproi,aprok}，假定org中所有类型资源已在当前资源存储空间(pro)以任意一种存储方案存储完毕。表1.资源类型的渐进形式表2.org中单位资源类型转换的原子代价datadikinformationdikknowledgedikdatadiktcostd-dtcostd-itcostd-kdatadiktcosti-dtcosti-itcosti-kdatadiktcostk-dtcostk-itcostk-k表3.pro中单位资源类型转换的原子代价datadikinformationdikknowledgedikdatadikpcostd-dpcostd-ipcostd-kinformationdikpcosti-dpcosti-ipcosti-kknowledgedikpcostk-dpcostk-ipcostk-k表4.pro中压缩或解压org单位资源的原子代价类型变量集合为z＝{datadik,informationdik,knowledgedik}，对不同类型变量进行赋值，datadik:＝1,informationdik:＝2,knowledgedik:＝3。有益效果：本发明提出了一种资源优化组织和存储方法，并根据该方法设计出了一种投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法，该方法具有如下优点：1）对资源类型的划分将资源划分为datadik、informationdik和knowledgedik，便于挖掘资源之间的联系，从datadik经过抽象得到informationdik、knowledgedik，从knowledgedik进行推理得到datadik、informationdik；2）允许跨层存储资源仅仅通过资源类型无法判断出资源应存储在哪一类型图谱上，本发明提出资源存储代价和搜索代价的计算，根据存储代价和计算代价确定资源的存储位置；3）存储代价和计算代价协同调整基于datagraphdik，informationgraphdik和knowledgegraphdik的代价计算的分类型资源存储方法，提出在不同图谱上存储代价和计算代价的衡量，通过参数化存储过程和搜索过程，当带宽资源重要时，确定最小的存储代价，当计算资源重要时，确定计算代价最小，实现对不同类型资源的合理组织和存储，花费最合理的存储代价和搜索代价；4）降低信号损耗和计算资源损耗通过对已有资源的细分和合理存储，解决资源在压缩和传输时的计算和存储问题。解决资源处理时的计算问题，则根据实际计算资源调整计算代价最小的资源组织方案，解决资源传输问题，则根据实际存储资源调整存储代价最小的资源存储方案。避免了传统压缩算法的不保真压缩导致的信号损耗并提高有限带宽资源下资源的实时传输效率。附图说明图1是投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法体系结构；图2是投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法具体方法流程；图3是投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法硬件实现结构。具体实施方式投入决定的基于数据图谱、信息图谱和知识图谱的物联网监控系统设计方法，其特征在于根据实际的计算资源和存储资源动态调整计算代价和存储代价，以合理组织和存储原始资源，在对原始资源进行处理和传输时降低信号损耗和计算损耗。具体实施方式为：步骤1）对应于图2中的操作001，利用布置的传感器网络采集以数据、信息和知识等形式存在的原始资源（org）；步骤2）对应于图2中的操作002，列出9种org的资源组合情{orgd,orgi,orgk}，并依次取其中一种资源组合情形。资源组合情形如下：orgd={datadik|informationdik|knowledgedik}orgi={datadik|informationdik|knowledgedik}orgk={datadik|informationdik|knowledgedik}；步骤3）对应于图2中操作003，对每种情形，根据公式1计算torg中资源当前情形向每种情形转移的代价（costmt1）：(1)步骤4）对应于图2中的操作004，列出9种pro的资源组合情{prod,proi,prok}，并依次取其中一种资源组合情形。资源组合情形如下：prod={datadik|informationdik|knowledgedik}proi={datadik|informationdik|knowledgedik}prok={datadik|informationdik|knowledgedik}步骤5）对应于图2中操作005，对tpro中每种情形，根据公式3计算tpro中每种资源形态向pro中资源当前情形转移的代价（costmt2）：(2)步骤6）对应于图2中操作006,根据公式3计算存储代价（st_costi），根据公式4计算在压缩或者解压原始资源时所要花费的计算代价（costcc）：（3）(4)其中α和β分别表示图谱规模和资源类型转换代价占cost计算的权重，均可通过数据训练得出，λ=0时表示在pro中压缩org时pro中资源类型与org中资源类型一致，可直接在pro中压缩资源；λ=1时表示在pro中压缩org时pro中资源类型与org中资源类型不一致，需要将org中资源转换成与pro中资源一致的类型，pro中压缩或解压单位资源org的原子代价如表4所示，apro’表示进行类型转换的资源的规模；步骤7）对应于图2中操作007，获取用户预期投入。用户投入分为存储资源投入（）和计算资源投入（），用户投入计算方法如公式5和公式6所示：(5)(6)其中γ表示单位代价所需用户投入，可通过数据训练得出；步骤8）对应于图2中操作008，依据资源目前的状态，判断是解决资源处理时的计算问题还是资源传输时的存储问题，若带宽重要，处理以存储代价最小，若计算资源重要，处理以计算代价最小，从而进行下一步操作；步骤9）获取用户的两种投入后，本发明设定一个存储代价（st_cost0）和计算代价（inve_cc0），当对资源进行有限带宽资源下传输时，对应于图2中操作009(1)，将不同情形下st_costi的值与st_cost0进行比较，并将对应情形所需用户投入(inve_sti)和inve_st0作比较，判断是否满足条件“st_costi<st_cost0&inve_sti<inve_st0”。010（1）当st_cost小于st_cost0时，令st_cost0等于当前st_cost，若st_cost大于total_cost0时，执行下一步操作；当对资源进行压缩或者解压时，对应于图2中操作009(2)，将不同情形下costcci的值与costcc0进行比较，并将对应情形所需用户投入(inve_cci)和inve_cc0作比较，判断是否满足条件“costcci<costcc0&inve_cci<inve_cc0”。010（2）当costcc小于costcc0时，令costcc0等于当前costcc，若costcc大于costcc0时，执行下一步操作；步骤10）对应于图2中操作011，判断torg或tpro中的组合是否穷举完毕，若还有资源组合，则返回操作002，若资源的组合情形已列举完毕，则进行下一步操作，对应于图2中的操作012（1）和012(2)，若是处理存储问题，则根据按照st_cost0对应方案调整org和pro，若是解决计算问题，则按照costcc0对应方案调整org和pro。当前第1页12