包榮鑫 黎子熠 張思萌 劉嘉瑩

【摘要】 認(rèn)知網(wǎng)絡(luò)作為網(wǎng)絡(luò)的發(fā)展方向而受到廣泛研究。本文針對(duì)認(rèn)知網(wǎng)絡(luò)的關(guān)鍵技術(shù)之一的上下文感知技術(shù)著手，構(gòu)建了一個(gè)上下文系統(tǒng)模型，模型中采用了標(biāo)記模型對(duì)上下文進(jìn)行建模。在基于認(rèn)知網(wǎng)絡(luò)的網(wǎng)絡(luò)優(yōu)化研究的三個(gè)方向中，文章從生存周期優(yōu)化著手，提出了基于上下文的能量均衡的簇頭選舉算法，該算法能夠有效的均衡網(wǎng)絡(luò)的節(jié)點(diǎn)能量，延長網(wǎng)絡(luò)的生存周期。

【關(guān)鍵詞】 認(rèn)知網(wǎng)絡(luò) 上下文語義

一、在介紹該算法前，我們首先定義LCA和SLCA

LCA：對(duì)于XML樹中的任意兩個(gè)節(jié)點(diǎn)n1和n2，它們的LCA（Lowest common ancestor）是距離它們最近的公共上層節(jié)點(diǎn)。

SLCA：對(duì)于XML樹中的任意兩個(gè)節(jié)點(diǎn)n1和n2，它們的SLCA（smallest lowest common ancestor）是它們的LCA，并且這個(gè)LCA所構(gòu)成的子樹是所有兩個(gè)節(jié)點(diǎn)的LCA構(gòu)成子樹中高度最小的一個(gè)。

二、上下文語義

本算法中的關(guān)鍵詞的語義實(shí)際上是節(jié)點(diǎn)的上下文相關(guān)語義，該語義包括屬性，父節(jié)點(diǎn)，為了方便結(jié)果的處理，算法將節(jié)點(diǎn)的Deway碼也加入節(jié)點(diǎn)的語義中。所以節(jié)點(diǎn)的語義其實(shí)就是一個(gè)集合，我們把節(jié)點(diǎn)nodei的上下文語義極為Semantic（nodei），其定義如下：

其中Property（son）是指子節(jié)點(diǎn)（即節(jié)點(diǎn)屬性），father表示父節(jié)點(diǎn)，grandfather表示祖父節(jié)點(diǎn)，Deway（nodei）指nodei的Deway編碼。

三、語義匹配

在信息檢索中有相關(guān)度的計(jì)算，語義匹配其實(shí)也可以算做是一種相關(guān)性計(jì)算，語義的匹配度就是指兩個(gè)關(guān)鍵詞中的節(jié)點(diǎn)語義的相互之間相似度的一個(gè)度量。對(duì)于節(jié)點(diǎn)node1和node2的語義匹配度的公式如下：

四、獲取LCA

我們得到兩個(gè)關(guān)鍵詞的語義匹配矩陣后，我們需要對(duì)矩陣進(jìn)行處理，如果可以的話，使用分層算法得到兩個(gè)關(guān)鍵字的LCA，并處理其中合并的兩個(gè)節(jié)點(diǎn)，而代替的是LCA的根節(jié)點(diǎn)的語義集。合并過程中，優(yōu)先對(duì)Deway碼相距最近的兩個(gè)節(jié)點(diǎn)進(jìn)行。

對(duì)于匹配度為0的節(jié)點(diǎn)對(duì)的處理是：如果已經(jīng)沒有更多的關(guān)鍵詞了，那么將所有匹配度為0的所有節(jié)點(diǎn)采用分層算法求出其LCA；如果還有其他關(guān)鍵詞，則不求LCA，而是保留節(jié)點(diǎn)并入結(jié)果集合中。

在合并過程中，合并后，我們將得到一個(gè)新的集合，合并后兩關(guān)鍵字的語義集。該集合中只包含合并的各個(gè)LCA的根子節(jié)點(diǎn)的語義集。

輸出的結(jié)果首先是看匹配度的高低然后看LCA子樹的高度，匹配度最高而且高度最低的LCA作為結(jié)果輸出.對(duì)所有的關(guān)鍵字語義進(jìn)行匹配，將所有的比較完之后，找到最后的結(jié)果。具體算法如下：

五、結(jié)論

本論文的算法主要是為了得到使檢索結(jié)果中的數(shù)據(jù)盡可能的滿足用戶檢索需求的結(jié)果，本論文算法在LISA II算法基礎(chǔ)上加入關(guān)鍵字語義在算法執(zhí)行過程中進(jìn)行過濾，很顯然在計(jì)算效率上會(huì)有犧牲，當(dāng)然在關(guān)鍵字個(gè)數(shù)不多時(shí)，多增加的消耗時(shí)間是可以接受的。