一種基于知識(shí)圖譜技術(shù)的多源異構(gòu)數(shù)據(jù)融合、共享方法

潘建宏，王磊，樊家樹，張俊茹，董愛迪

（1.國網(wǎng)吉林省電力有限公司，吉林 長春 130010；2.國網(wǎng)遼源供電公司，吉林 遼源 136200；3.國網(wǎng)吉林省電力有限公司信息通信公司，吉林 長春 130010；4.國網(wǎng)白城供電公司，吉林 白城 137000）

數(shù)據(jù)結(jié)構(gòu)逐漸變得多樣化，其數(shù)量和規(guī)模迅速增加，逐漸構(gòu)成了多源異構(gòu)數(shù)據(jù)，對多源異構(gòu)數(shù)據(jù)進(jìn)行融合、共享，即合理安排多源異構(gòu)數(shù)據(jù)的融合、共享順序，能夠保證相應(yīng)系統(tǒng)的可靠、穩(wěn)定運(yùn)行，對此，相關(guān)學(xué)者們進(jìn)行了研究。文獻(xiàn)[1]提出一種群智感知網(wǎng)絡(luò)中基于隱私保護(hù)的數(shù)據(jù)融合方法，用于抵抗來自云服務(wù)器和惡意用戶的差分攻擊，但是沒有確定共享順序。文獻(xiàn)[2]基于張量表示，提出一種新的域適配遷移學(xué)習(xí)中的特征表示方法，以縮小域間分布差異和保留樣本間流行一致性，但在該方法中，多源異構(gòu)數(shù)據(jù)融合、共享后，能耗較高，處理時(shí)間較長。

為了解決上述問題，文中提出了一種基于知識(shí)圖譜技術(shù)的多源異構(gòu)數(shù)據(jù)融合、共享方法。

1 多源異構(gòu)數(shù)據(jù)融合

在Internet 上的各種Web 頁面中，由于多源異構(gòu)數(shù)據(jù)源、數(shù)據(jù)調(diào)度系統(tǒng)、數(shù)據(jù)采集與管理中心的復(fù)雜性、多樣性等因素，在數(shù)據(jù)融合過程中，積累了大量的數(shù)據(jù)源參數(shù)。這些數(shù)據(jù)源參數(shù)的存儲(chǔ)方式、模型參數(shù)和編碼規(guī)則不同，部分?jǐn)?shù)據(jù)來自復(fù)雜的異構(gòu)數(shù)據(jù)庫。數(shù)據(jù)源參數(shù)的多源性和異構(gòu)性推動(dòng)了多源異構(gòu)數(shù)據(jù)的融合過程[3-6]。

文中通過縱向數(shù)據(jù)融合和橫向數(shù)據(jù)融合來實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的融合，這兩種融合方法可以有效縮短融合時(shí)間。異構(gòu)數(shù)據(jù)融合過程如圖1 所示。

圖1 多源異構(gòu)數(shù)據(jù)融合過程

縱向數(shù)據(jù)融合主要用來降低互聯(lián)網(wǎng)中多源異構(gòu)數(shù)據(jù)源、數(shù)據(jù)調(diào)度中心的數(shù)據(jù)差異性，多源異構(gòu)數(shù)據(jù)源和數(shù)據(jù)調(diào)度中心可通過縱向數(shù)據(jù)融合實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的縱向統(tǒng)一。在進(jìn)行縱向數(shù)據(jù)融合時(shí)，采集多源異構(gòu)數(shù)據(jù)參數(shù)，采集的途徑為Web Service接口，通過該接口可采集各個(gè)來源的多源異構(gòu)數(shù)據(jù)參數(shù)[7-8]。

以多源異構(gòu)數(shù)據(jù)調(diào)度中心為例，通過采用知識(shí)圖譜技術(shù)獲得互聯(lián)網(wǎng)中不同網(wǎng)頁的多源異構(gòu)調(diào)度文件，并將其進(jìn)行歸類和存儲(chǔ)，此時(shí)，采集多源異構(gòu)數(shù)據(jù)參數(shù)的過程就是對多源異構(gòu)數(shù)據(jù)中多源數(shù)據(jù)的融合過程[9-10]。

多源異構(gòu)數(shù)據(jù)參數(shù)采集完畢后，對不同種類的多源異構(gòu)數(shù)據(jù)參數(shù)進(jìn)行匹配，并分析多源異構(gòu)數(shù)據(jù)參數(shù)間存在差異的原因。在匹配過程中，需要參照多源異構(gòu)數(shù)據(jù)源中的參數(shù)狀態(tài)進(jìn)行匹配，以此實(shí)現(xiàn)不同多源異構(gòu)數(shù)據(jù)源與數(shù)據(jù)參數(shù)的融合。與此同時(shí)，在匹配過程中，設(shè)定縱向數(shù)據(jù)融合差異度對來源不同的異構(gòu)數(shù)據(jù)差異性進(jìn)行分析。設(shè)定Dv,i為第i個(gè)多源異構(gòu)數(shù)據(jù)參數(shù)的融合度：

其中，Xt,i、Xb,i分別為第i個(gè)多源異構(gòu)數(shù)據(jù)參數(shù)的最小值和最大值；為多源異構(gòu)數(shù)據(jù)參數(shù)的均值。

在互聯(lián)網(wǎng)中，異構(gòu)數(shù)據(jù)的復(fù)雜性較高，在不同的異構(gòu)數(shù)據(jù)調(diào)度中心，異構(gòu)數(shù)據(jù)參數(shù)具有不同的融合形式，在進(jìn)行縱向數(shù)據(jù)融合時(shí)，需要根據(jù)融合規(guī)則設(shè)定參數(shù)閾值，以降低異構(gòu)數(shù)據(jù)融合形式對數(shù)據(jù)融合結(jié)果的影響[11-12]。

橫向數(shù)據(jù)融合可以突破縱向數(shù)據(jù)融合的局限性，實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)源與數(shù)據(jù)調(diào)度中心的多源數(shù)據(jù)參數(shù)融合，即可以實(shí)現(xiàn)同一來源的異構(gòu)數(shù)據(jù)的融合，這與縱向數(shù)據(jù)融合有本質(zhì)的區(qū)別。橫向數(shù)據(jù)融合的多源異構(gòu)數(shù)據(jù)參數(shù)采集步驟與縱向數(shù)據(jù)參數(shù)采集步驟略有不同，在采集多源異構(gòu)數(shù)據(jù)參數(shù)時(shí)，采集的接口為SNMP 接口，這是因?yàn)闄M向數(shù)據(jù)融合方式具有較高的差異性，Web Service 接口無法滿足橫向數(shù)據(jù)的采集需求，不能消除多源異構(gòu)數(shù)據(jù)源與數(shù)據(jù)調(diào)度中心的差異性。采集多源異構(gòu)數(shù)據(jù)參數(shù)后，對橫向數(shù)據(jù)參數(shù)進(jìn)行匹配，并分析橫向數(shù)據(jù)參數(shù)間存在的差異[13-14]。

2 基于知識(shí)圖譜技術(shù)的多源異構(gòu)數(shù)據(jù)共享

基于知識(shí)圖譜技術(shù)的多源異構(gòu)數(shù)據(jù)共享即將多源異構(gòu)數(shù)據(jù)分配至對應(yīng)的處理器中，與處理器中的數(shù)據(jù)共享優(yōu)先權(quán)值，多源異構(gòu)數(shù)據(jù)共享原理可用下式描述：

引入知識(shí)圖譜技術(shù)，對多源異構(gòu)數(shù)據(jù)進(jìn)行共享，知識(shí)圖譜拓?fù)浣Y(jié)構(gòu)如圖2 所示。

圖2 知識(shí)圖譜拓?fù)浣Y(jié)構(gòu)

事實(shí)上，數(shù)據(jù)庫中多源異構(gòu)數(shù)據(jù)的不同節(jié)點(diǎn)位置對應(yīng)不同的知識(shí)圖譜內(nèi)容，不同的多源異構(gòu)數(shù)據(jù)在Web 頁面中的分布不同。收集到一定數(shù)量的網(wǎng)頁知識(shí)圖譜后，建立異構(gòu)數(shù)據(jù)源差異中心，賦予其不同的多源數(shù)據(jù)結(jié)構(gòu)和多源異構(gòu)規(guī)則，采用相應(yīng)的數(shù)據(jù)處理手段處理差異最大的異構(gòu)數(shù)據(jù)節(jié)點(diǎn)，并顯示網(wǎng)頁中的數(shù)據(jù)結(jié)構(gòu)信息。

將異構(gòu)數(shù)據(jù)的中間節(jié)點(diǎn)加載到網(wǎng)絡(luò)異構(gòu)數(shù)據(jù)庫中，通過搜索多源異構(gòu)數(shù)據(jù)源的特征和屬性集關(guān)系，得到異構(gòu)數(shù)據(jù)的語義，利用數(shù)據(jù)源的特征數(shù)據(jù)和結(jié)構(gòu)信息建立多源異構(gòu)數(shù)據(jù)共享模型，模型的表達(dá)式為：

當(dāng)多源異構(gòu)數(shù)據(jù)節(jié)點(diǎn)的平均值為1 時(shí)，說明此數(shù)據(jù)節(jié)點(diǎn)上受到數(shù)據(jù)融合的干擾較為強(qiáng)烈，如果不能判斷干擾的來源，則需進(jìn)行異構(gòu)數(shù)據(jù)差異處理，對多源異構(gòu)數(shù)據(jù)進(jìn)行數(shù)據(jù)核查。

基于建立的多源異構(gòu)數(shù)據(jù)共享模型，實(shí)現(xiàn)對多源異構(gòu)數(shù)據(jù)的共享，在共享過程中，數(shù)據(jù)共享的優(yōu)先權(quán)值可作為共享的依據(jù)。當(dāng)共享順序固定時(shí)，設(shè)定共享的優(yōu)先權(quán)值為有名值和平均值的總和；確定異構(gòu)數(shù)據(jù)的開銷權(quán)值，開銷權(quán)值越大，證明多源異構(gòu)數(shù)據(jù)的異構(gòu)差異性越強(qiáng)，共享的效率越高，開銷權(quán)值越小，則多源異構(gòu)數(shù)據(jù)的異構(gòu)差異性越低。在確定共享順序的條件下，可采用提升多源異構(gòu)數(shù)據(jù)源優(yōu)先級的方式提升多源異構(gòu)數(shù)據(jù)的共享效率，實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的共享。

3 實(shí)驗(yàn)研究

為了驗(yàn)證提出的基于知識(shí)圖譜技術(shù)的多源異構(gòu)數(shù)據(jù)融合、共享方法的實(shí)際工作效果，將其與文獻(xiàn)[1]方法進(jìn)行對比實(shí)驗(yàn)。在進(jìn)行對比實(shí)驗(yàn)前，需要搭建實(shí)驗(yàn)平臺(tái)，實(shí)驗(yàn)平臺(tái)的構(gòu)成包括兩臺(tái)PC 機(jī)，一臺(tái)PC機(jī)包括多源異構(gòu)數(shù)據(jù)源，一臺(tái)PC 機(jī)為數(shù)據(jù)調(diào)度中心，兩臺(tái)PC 機(jī)的工作主頻分別為1.8 GHz、3.5 GHz，可存儲(chǔ)4 GB 的多源異構(gòu)數(shù)據(jù)，多源異構(gòu)數(shù)據(jù)節(jié)點(diǎn)的數(shù)量設(shè)定為50 個(gè)。

首先，測試不同方法在進(jìn)行數(shù)據(jù)融合以及共享過程中的處理時(shí)間。實(shí)驗(yàn)中，給出了某一多源異構(gòu)數(shù)據(jù)融合與共享實(shí)例如下：設(shè)多源異構(gòu)數(shù)據(jù)融合、共享過程中有三種多源異構(gòu)數(shù)據(jù)節(jié)點(diǎn)參與，其中數(shù)據(jù)節(jié)點(diǎn)1 的融合、共享周期為4，數(shù)據(jù)節(jié)點(diǎn)2 的融合軌跡符合泊松分布，其融合率為0.4，相當(dāng)于每三個(gè)融合、共享時(shí)間戳將達(dá)到一個(gè)多源異構(gòu)數(shù)據(jù)源節(jié)點(diǎn)，全部多源異構(gòu)數(shù)據(jù)節(jié)點(diǎn)發(fā)生融合和共享的時(shí)間均設(shè)定為2 ms，等待時(shí)間均設(shè)為1 ms。

其次，通過對數(shù)據(jù)融合、共享實(shí)例的分析可知，由于異構(gòu)數(shù)據(jù)優(yōu)先權(quán)值較高，數(shù)據(jù)節(jié)點(diǎn)1 首先進(jìn)行融合、共享處理，其融合時(shí)間為3 ms，到達(dá)時(shí)間為4 ms，在時(shí)間點(diǎn)8 左右到達(dá)，共享時(shí)間為4 ms，所在的時(shí)間點(diǎn)位置為8；數(shù)據(jù)節(jié)點(diǎn)2 的異構(gòu)數(shù)據(jù)優(yōu)先權(quán)值在數(shù)據(jù)融合、共享過程中沒有發(fā)生變化，因此按照融合、共享順序進(jìn)行處理，其融合時(shí)間為5 ms，所在的時(shí)間點(diǎn)位置為10，在時(shí)間點(diǎn)6 時(shí)到達(dá)，由于時(shí)間點(diǎn)位置靠后，因此融合時(shí)間為4 ms，共享時(shí)間為6 ms；數(shù)據(jù)節(jié)點(diǎn)3 的異構(gòu)數(shù)據(jù)優(yōu)先權(quán)值最小，最后一個(gè)被處理，其融合時(shí)間為3 ms，共享時(shí)間為4 ms，到達(dá)時(shí)間為2 ms。數(shù)據(jù)節(jié)點(diǎn)4 為共享節(jié)點(diǎn)，共享時(shí)間為4 ms，無等待時(shí)間。綜上，三種數(shù)據(jù)節(jié)點(diǎn)的融合時(shí)間為11 ms，共享時(shí)間為14 ms。

最后，采用文中方法和基于無線傳感器網(wǎng)絡(luò)擴(kuò)展的多源異構(gòu)數(shù)據(jù)融合、共享方法進(jìn)行數(shù)據(jù)融合和共享，統(tǒng)計(jì)兩種方法的綜合融合時(shí)間和共享時(shí)間，實(shí)驗(yàn)結(jié)果如圖3 所示。

圖3 共享時(shí)間實(shí)驗(yàn)結(jié)果

觀察圖3 可知，共有四個(gè)共享節(jié)點(diǎn)，文中方法的數(shù)據(jù)融合時(shí)間和共享時(shí)間在整體上少于文獻(xiàn)[1]方法消耗的時(shí)間，方法的魯棒性更好。

為了保證實(shí)驗(yàn)不存在偶然性，對兩種方法的平均處理時(shí)間進(jìn)行對比，處理時(shí)間為數(shù)據(jù)融合時(shí)間與共享時(shí)間的總和，平均處理時(shí)間的計(jì)算公式如下：

式中，μ=,Tservice表示數(shù)據(jù)融合時(shí)間和共享時(shí)間的平均值，ρ=表示異構(gòu)數(shù)據(jù)處理率。隨著多源異構(gòu)數(shù)據(jù)量的不斷增加，兩種方法的處理時(shí)間均有所上升，但文中方法的平均處理時(shí)間最短，文獻(xiàn)[1]方法的平均處理時(shí)間較長，則證明文中方法的數(shù)據(jù)融合、共享效率較高。

在多源異構(gòu)數(shù)據(jù)融合、共享過程中，會(huì)產(chǎn)生一定的能耗，能耗低則證明方法對數(shù)據(jù)融合與共享較為有效，兩種方法在進(jìn)行數(shù)據(jù)融合、共享前后產(chǎn)生的能耗對比結(jié)果如圖4 所示。

圖4 能量消耗實(shí)驗(yàn)結(jié)果

由圖4 能耗結(jié)果可知，與文獻(xiàn)[1]方法相比，采用文中方法進(jìn)行數(shù)據(jù)融合、共享的處理時(shí)間更短，能耗更低。

4 結(jié)束語

為了解決多源異構(gòu)數(shù)據(jù)融合、共享方法出現(xiàn)的處理時(shí)間長、能耗高等問題，文中提出了一種基于知識(shí)圖譜技術(shù)的多源異構(gòu)數(shù)據(jù)融合、共享方法，該方法給出了多源異構(gòu)數(shù)據(jù)的融合、共享方式，通過采用知識(shí)圖譜技術(shù)獲得互聯(lián)網(wǎng)中不同網(wǎng)頁的多源異構(gòu)調(diào)度文件，搜索多源異構(gòu)數(shù)據(jù)源的特征和屬性集關(guān)系，通過數(shù)據(jù)融合、共享方式建立了數(shù)據(jù)共享模型，降低了數(shù)據(jù)融合過程中的能量消耗，處理時(shí)間短。