基于文本挖掘的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)

張偉

（南京同仁醫(yī)院 信息部，江蘇南京 211102）

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，互聯(lián)網(wǎng)應(yīng)用逐漸得到普及，根據(jù)網(wǎng)絡(luò)用戶瀏覽記錄預(yù)測(cè)用戶興趣強(qiáng)度，從而推送帶有特定目標(biāo)的網(wǎng)絡(luò)信息，目標(biāo)定位在預(yù)測(cè)用戶興趣強(qiáng)度過(guò)程中起到了關(guān)鍵的作用，它需要確定網(wǎng)絡(luò)信息目標(biāo)的種類，從而識(shí)別網(wǎng)絡(luò)信息目標(biāo)的準(zhǔn)確位置[1-2]。

目前，互聯(lián)網(wǎng)更新網(wǎng)絡(luò)信息的速度較快，豐富的網(wǎng)絡(luò)信息給人們?nèi)粘Ｉ顜?lái)了很多便利，但是網(wǎng)絡(luò)用戶搜索的信息內(nèi)容產(chǎn)生了不協(xié)調(diào)信息，該信息的出現(xiàn)給網(wǎng)絡(luò)信息目標(biāo)的正常預(yù)測(cè)造成了嚴(yán)重的影響，因此，需要及時(shí)、準(zhǔn)確地預(yù)測(cè)出網(wǎng)絡(luò)信息目標(biāo)路徑[3-5]。

傳統(tǒng)的預(yù)測(cè)系統(tǒng)在預(yù)測(cè)網(wǎng)絡(luò)信息搜索目標(biāo)時(shí)，預(yù)測(cè)信息目標(biāo)不準(zhǔn)確，預(yù)測(cè)效果較差，繪制的搜索目標(biāo)路徑與真實(shí)目標(biāo)路徑相差較大，目標(biāo)定位無(wú)法準(zhǔn)確識(shí)別出網(wǎng)絡(luò)信息搜索目標(biāo)的位置。

基于以上傳統(tǒng)預(yù)測(cè)系統(tǒng)出現(xiàn)的問(wèn)題，文中設(shè)計(jì)了一種基于文本挖掘的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)，該系統(tǒng)采用了文本挖掘技術(shù)，能夠從海量的網(wǎng)絡(luò)信息中挖掘出潛在的、有利用價(jià)值的目標(biāo)數(shù)據(jù)，與此同時(shí)，該預(yù)測(cè)系統(tǒng)詳細(xì)設(shè)計(jì)了硬件和軟件，最后通過(guò)實(shí)驗(yàn)驗(yàn)證了所設(shè)計(jì)的基于文本挖掘的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)的有效性。

1 系統(tǒng)硬件設(shè)計(jì)

隨著計(jì)算機(jī)網(wǎng)絡(luò)的不斷發(fā)展，網(wǎng)絡(luò)信息的種類越來(lái)越多，所以文中在結(jié)合多個(gè)傳統(tǒng)預(yù)測(cè)系統(tǒng)硬件的基礎(chǔ)上，設(shè)計(jì)了一個(gè)全新的硬件系統(tǒng)，系統(tǒng)硬件架構(gòu)如圖1 所示。

圖1 系統(tǒng)硬件架構(gòu)

由圖1 可知，系統(tǒng)硬件架構(gòu)的主要核心器件包括采集器、處理器、存儲(chǔ)器和傳輸器。

1.1 采集器設(shè)計(jì)

文中預(yù)測(cè)系統(tǒng)的采集器芯片內(nèi)部含有2 路輸出信號(hào)、1.8 V 的外圍電壓基準(zhǔn)和一個(gè)8 位的串行接口。芯片在采集網(wǎng)絡(luò)數(shù)據(jù)時(shí)，功耗只有40 mW，當(dāng)采集器處于節(jié)電模式時(shí)，芯片運(yùn)行的功耗為20 μW，采集芯片內(nèi)部還設(shè)置了多通道的選擇器，可選擇網(wǎng)絡(luò)信息的不同目標(biāo)路徑，采集器外圍設(shè)置了數(shù)據(jù)傳輸器，該傳輸器可以快速傳輸網(wǎng)絡(luò)信息數(shù)據(jù)，傳輸速率最高可達(dá)到512 Mbps。由于采集器芯片功耗較低，所以采集器選擇普通蓄電池為其供電，電壓控制在1.8～3.3 V，電流為1.2～1.8 mA。當(dāng)電壓為1.8 V 時(shí)，由采集芯片對(duì)網(wǎng)絡(luò)目標(biāo)數(shù)據(jù)進(jìn)行等間隔采樣，并將采樣結(jié)果通過(guò)高速并行接口傳輸?shù)讲杉鞯膬?nèi)部緩存器中，由內(nèi)部緩存器完成數(shù)據(jù)緩存，并將數(shù)據(jù)打包，通過(guò)USB 接口將打包完的數(shù)據(jù)傳輸?shù)街骺赜?jì)算機(jī)上進(jìn)行數(shù)據(jù)處理[6-7]。該款采集器上還設(shè)置了4 路RS-232 接口，作用是將網(wǎng)絡(luò)信息數(shù)據(jù)和搜索目標(biāo)數(shù)據(jù)中轉(zhuǎn)到主控機(jī)上。采集器內(nèi)部結(jié)構(gòu)如圖2 所示。

圖2 采集器內(nèi)部結(jié)構(gòu)

1.2 處理器設(shè)計(jì)

文中設(shè)計(jì)的處理器芯片選用TI 公司最新推出的TD172B23 芯片，該芯片處理網(wǎng)絡(luò)數(shù)據(jù)的能力較強(qiáng)，芯片內(nèi)部含有4 種處理器內(nèi)核，分別為1A-2000、3A-4000、5A-5000 和7A-3000，這些處理器內(nèi)核全都是以GS446 架構(gòu)設(shè)計(jì)而成的，在設(shè)計(jì)GS446 架構(gòu)時(shí)參考了其他品牌的處理器架構(gòu)，與其他處理器架構(gòu)相比設(shè)置了更多的參數(shù)[8-10]。處理器內(nèi)部時(shí)鐘芯片如圖3 所示。

圖3 處理器內(nèi)部時(shí)鐘芯片

處理器外圍電路電壓最高能達(dá)到4.8 V，最低為1.8 V，主要為處理器整個(gè)器件供電，外圍電流最高為2.8 A，最低為1.2 A，在處理器處于節(jié)電模式時(shí)，電壓和電流分別為2.2 V、1.4 A。該處理器定點(diǎn)和浮點(diǎn)的分值與其他處理器相比優(yōu)勢(shì)更大，在處理器正常工作狀態(tài)下，需要系統(tǒng)內(nèi)存和網(wǎng)絡(luò)寬帶對(duì)其進(jìn)行輔助，在調(diào)試系統(tǒng)內(nèi)存和網(wǎng)絡(luò)寬帶時(shí)，根據(jù)處理器的工作狀態(tài)確定調(diào)試次數(shù)[11-12]。

1.3 存儲(chǔ)器設(shè)計(jì)

文中預(yù)測(cè)系統(tǒng)的存儲(chǔ)器芯片選擇的是TU 公司生產(chǎn)的TDYEBI663 芯片，該芯片可以高效、快速地處理信息數(shù)據(jù)，功耗較低。存儲(chǔ)器的存儲(chǔ)原理是將緩存設(shè)置在主控機(jī)和存儲(chǔ)單元之間，主控機(jī)訪問(wèn)速度與CPU 相比更慢，滿足不了快速訪問(wèn)的要求，所以在存儲(chǔ)器正常工作的情況下，不會(huì)訪問(wèn)主控機(jī)[13-14]。將采集器采集到的網(wǎng)絡(luò)信息復(fù)制并粘貼在主存儲(chǔ)器上，以便在下一次訪問(wèn)時(shí)可以直接訪問(wèn)主存儲(chǔ)器，省略了訪問(wèn)CPU 的環(huán)節(jié)，這樣的設(shè)計(jì)可以在一定程度上提升系統(tǒng)運(yùn)行和存儲(chǔ)速度。通過(guò)主存儲(chǔ)器的存儲(chǔ)容量判斷CPU 的訪問(wèn)能力，存儲(chǔ)器的結(jié)構(gòu)如圖4 所示。

圖4 存儲(chǔ)器結(jié)構(gòu)

由圖4 可知，文中設(shè)計(jì)的存儲(chǔ)器主要以數(shù)字為單位，對(duì)采集到的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行存儲(chǔ)，這樣可以增加主存儲(chǔ)器的存儲(chǔ)空間，在交換網(wǎng)絡(luò)不協(xié)調(diào)信息時(shí)，可以采用字塊形式對(duì)不協(xié)調(diào)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行存儲(chǔ)[15]。

1.4 傳輸器設(shè)計(jì)

預(yù)測(cè)系統(tǒng)的傳輸器芯片選擇TD 公司生產(chǎn)的MT1860B 芯片，在傳輸網(wǎng)絡(luò)信息數(shù)據(jù)時(shí)，傳輸介質(zhì)使用4 類以上7 類以下的CAJ 總線，對(duì)網(wǎng)絡(luò)圖像信息、音頻信息、視頻信息、彩色圖像和彩色視頻信息進(jìn)行實(shí)時(shí)傳輸，并且可分別與傳輸器的CPU、主傳輸器結(jié)合使用，三者結(jié)合使用的結(jié)果是產(chǎn)生不同的傳輸距離。與傳輸器的CPU 結(jié)合使用，傳輸距離可以達(dá)到1 400 m，與主傳輸器結(jié)合使用，傳輸距離可以達(dá)到1 600 m，根據(jù)網(wǎng)絡(luò)信息的數(shù)量和不協(xié)調(diào)信息的種類調(diào)節(jié)發(fā)生器和接收器，將視頻信號(hào)的傳輸距離調(diào)整到1 200～1 500 m，以滿足實(shí)際傳輸?shù)男枰?，使傳輸器的抗干擾能力達(dá)到最佳[16]。為了保證傳輸器的正常工作，傳輸器外圍電路的電壓最高為9.2 V，最低為3.3 V，電流最高為4.2 A，最低為1.2 A。傳輸器電路如圖5 所示。

圖5 傳輸器電路

2 系統(tǒng)軟件設(shè)計(jì)

文本挖掘是指使用數(shù)據(jù)挖掘技術(shù)，從海量的文本數(shù)據(jù)中提取有利用價(jià)值的信息數(shù)據(jù)，這些信息數(shù)據(jù)與原始數(shù)據(jù)可能存在著內(nèi)在聯(lián)系和相似的發(fā)展趨勢(shì)，并具有某種特定規(guī)律，從信息數(shù)據(jù)中可以抽取全新、可利用、有效的數(shù)據(jù)模式，利用這些全新的數(shù)據(jù)模式更高效地組織文本信息。文中設(shè)計(jì)的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)采用了文本挖掘技術(shù)，利用文本挖掘中的文本摘要、結(jié)構(gòu)分析和數(shù)據(jù)演變將網(wǎng)絡(luò)用戶搜索的信息內(nèi)容進(jìn)行系統(tǒng)分類，抽取網(wǎng)絡(luò)信息中的不協(xié)調(diào)信息，對(duì)目標(biāo)定位進(jìn)行檢索，幫助預(yù)測(cè)系統(tǒng)分析文本信息中的關(guān)鍵信息。

根據(jù)設(shè)計(jì)的基于文本挖掘的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)硬件結(jié)構(gòu)，文中對(duì)軟件進(jìn)行了設(shè)計(jì)，軟件流程如圖6 所示。

圖6 系統(tǒng)軟件流程

文中研究的基于文本挖掘的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)軟件流程主要通過(guò)以下3 方面來(lái)進(jìn)行，具體步驟如下：

1）提取關(guān)鍵的網(wǎng)絡(luò)信息。網(wǎng)絡(luò)用戶搜索的網(wǎng)絡(luò)信息數(shù)量巨大，信息種類繁多且復(fù)雜，在傳輸時(shí)很容易混在一起，如果在某一時(shí)間段內(nèi)同時(shí)進(jìn)行預(yù)測(cè)，會(huì)極大地降低預(yù)測(cè)結(jié)果的效率，無(wú)法準(zhǔn)確預(yù)測(cè)網(wǎng)絡(luò)用戶的真正需求。所以在預(yù)測(cè)網(wǎng)絡(luò)信息搜索目標(biāo)時(shí)，首先要提取關(guān)鍵的網(wǎng)絡(luò)信息，采用聚類技術(shù)抽取目標(biāo)掩碼，識(shí)別候選框，對(duì)用戶搜索的數(shù)據(jù)進(jìn)行篩選和提取，更新抽取完的目標(biāo)掩碼，將更新結(jié)果放在文本信息中，降低提取的難度。由于網(wǎng)絡(luò)的傳輸層具有較高的復(fù)雜性，為滿足其需求，需要不斷更新目標(biāo)掩碼，加強(qiáng)對(duì)網(wǎng)絡(luò)的刷新，在對(duì)關(guān)鍵網(wǎng)絡(luò)信息進(jìn)行提取和分析時(shí)，需要實(shí)時(shí)記錄提取和分析的時(shí)間，以完成設(shè)定的提取目標(biāo)。

2）篩選目標(biāo)信息。把網(wǎng)絡(luò)信息搜索目標(biāo)進(jìn)行迭代分類，從而獲得首次分類完的階段性目標(biāo)信息，如果目標(biāo)信息中出現(xiàn)了不協(xié)調(diào)信息，則將不協(xié)調(diào)信息存放在候選框的右下角和左下角，如果目標(biāo)信息中沒(méi)有產(chǎn)生不協(xié)調(diào)信息，則利用迭代分類把首次信息篩選結(jié)果存放在候選框的左上角和右上角，在進(jìn)行二次篩選時(shí)，把中心目標(biāo)信息移動(dòng)至候選框的邊緣，以便隨時(shí)對(duì)其進(jìn)行最后一次的信息篩選。在最后篩選目標(biāo)信息時(shí)，控制分類和篩選的時(shí)間，爭(zhēng)取以最短的時(shí)間得到最終的目標(biāo)信息，同時(shí)必須保證結(jié)果的準(zhǔn)確性以及篩選的及時(shí)性。

3）得到用戶搜索的網(wǎng)絡(luò)信息。采用由粗到精的方式找到特定的網(wǎng)絡(luò)信息，用戶搜索的信息內(nèi)容可分成多個(gè)方面，不同方面定位的角度不同，根據(jù)中心內(nèi)容分析目標(biāo)信息的邊緣信息，中心目標(biāo)信息在候選框的邊緣進(jìn)行移動(dòng)時(shí)，會(huì)與邊緣信息發(fā)生重疊，通過(guò)重疊信息可以精準(zhǔn)預(yù)測(cè)目標(biāo)信息的位置。傳統(tǒng)軟件在預(yù)測(cè)網(wǎng)絡(luò)信息搜索目標(biāo)時(shí)，只能采用基于密度的檢測(cè)方法，文中通過(guò)迭代分類使不同方面的網(wǎng)絡(luò)信息呈現(xiàn)松散狀態(tài)，以提高網(wǎng)絡(luò)信息搜索目標(biāo)的準(zhǔn)確性。

3 實(shí)驗(yàn)研究

為了驗(yàn)證基于文本挖掘的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)的有效性，文中采用了文本挖掘的方式，與傳統(tǒng)預(yù)測(cè)系統(tǒng)進(jìn)行實(shí)驗(yàn)對(duì)比，驗(yàn)證其有效性。

根據(jù)傳統(tǒng)預(yù)測(cè)系統(tǒng)和文中預(yù)測(cè)系統(tǒng)的實(shí)際預(yù)測(cè)效果，記錄兩種系統(tǒng)預(yù)測(cè)結(jié)果的準(zhǔn)確率，圖7 為傳統(tǒng)預(yù)測(cè)系統(tǒng)和文中設(shè)計(jì)的預(yù)測(cè)系統(tǒng)在對(duì)網(wǎng)絡(luò)信息搜索目標(biāo)進(jìn)行預(yù)測(cè)時(shí)，得到的目標(biāo)信息與真實(shí)目標(biāo)信息的準(zhǔn)確率對(duì)比結(jié)果。

圖7 準(zhǔn)確率實(shí)驗(yàn)結(jié)果

由圖7 可知，兩個(gè)預(yù)測(cè)系統(tǒng)同時(shí)對(duì)網(wǎng)絡(luò)信息搜索目標(biāo)進(jìn)行分類預(yù)測(cè)，但得到的預(yù)測(cè)結(jié)果大不相同，傳統(tǒng)預(yù)測(cè)系統(tǒng)對(duì)目標(biāo)信息預(yù)測(cè)的準(zhǔn)確率為70%，而文中設(shè)計(jì)的預(yù)測(cè)系統(tǒng)對(duì)目標(biāo)信息預(yù)測(cè)的準(zhǔn)確率為88%，比傳統(tǒng)系統(tǒng)高了18%，說(shuō)明文中設(shè)計(jì)的預(yù)測(cè)系統(tǒng)對(duì)目標(biāo)信息的預(yù)測(cè)準(zhǔn)確率更高。

預(yù)測(cè)時(shí)間實(shí)驗(yàn)結(jié)果如表1 所示。

表1 預(yù)測(cè)時(shí)間實(shí)驗(yàn)結(jié)果

根據(jù)表1 可知，文中提出的文本挖掘網(wǎng)絡(luò)信息預(yù)測(cè)系統(tǒng)預(yù)測(cè)耗時(shí)遠(yuǎn)遠(yuǎn)小于傳統(tǒng)系統(tǒng)，預(yù)測(cè)能力更好。

傳統(tǒng)的預(yù)測(cè)系統(tǒng)預(yù)測(cè)不協(xié)調(diào)信息數(shù)據(jù)的能力較低，能力值僅為0.1，與標(biāo)準(zhǔn)能力值1.5 相差很多，而文中設(shè)計(jì)的預(yù)測(cè)系統(tǒng)預(yù)測(cè)不協(xié)調(diào)信息數(shù)據(jù)的能力強(qiáng)，能力值達(dá)到1.8，比標(biāo)準(zhǔn)能力值高0.3，雖然傳統(tǒng)的預(yù)測(cè)系統(tǒng)和文中設(shè)計(jì)的預(yù)測(cè)系統(tǒng)都能預(yù)測(cè)網(wǎng)絡(luò)信息搜索目標(biāo)，但是傳統(tǒng)預(yù)測(cè)系統(tǒng)預(yù)測(cè)效果差，預(yù)測(cè)結(jié)果的準(zhǔn)確率遠(yuǎn)遠(yuǎn)低于文中設(shè)計(jì)的預(yù)測(cè)系統(tǒng)，且預(yù)測(cè)性能較差，所以文中設(shè)計(jì)的基于文本挖掘的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)優(yōu)于傳統(tǒng)預(yù)測(cè)系統(tǒng)，預(yù)測(cè)效果更佳，有效性和可行性更高。

4 結(jié)束語(yǔ)

文中設(shè)計(jì)了基于文本挖掘的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)，該預(yù)測(cè)系統(tǒng)采用了文本挖掘技術(shù)，利用其較好的網(wǎng)絡(luò)數(shù)據(jù)提取能力，從海量的網(wǎng)絡(luò)信息數(shù)據(jù)中提取出目標(biāo)數(shù)據(jù)，節(jié)省了提取時(shí)間。在預(yù)測(cè)系統(tǒng)硬件方面，文中設(shè)計(jì)了采集器、處理器、存儲(chǔ)器、傳輸器，為預(yù)測(cè)系統(tǒng)提供了有力的硬件支撐，在預(yù)測(cè)系統(tǒng)軟件方面，闡述了文本挖掘的工作原理以及軟件流程，最后通過(guò)實(shí)驗(yàn)驗(yàn)證了文中設(shè)計(jì)的基于文本挖掘的網(wǎng)絡(luò)信息搜索目標(biāo)預(yù)測(cè)系統(tǒng)的有效性，預(yù)測(cè)效果更優(yōu)于傳統(tǒng)系統(tǒng)，具有較高的有效性和可行性。