本發(fā)明涉及信息技術和人工智能領域，更具體地說，本發(fā)明涉及基于人工智能的物聯(lián)網實體搜索方法及系統(tǒng)。

背景技術：

物聯(lián)網是在互聯(lián)網基礎上的延伸和擴展的網絡，是新一代信息技術的重要組成部分。物聯(lián)網的核心和基礎仍然是互聯(lián)網，但是通過傳感器網絡將用戶端延伸和擴展到了任何物品與物品之間，進行信息交換和通信。這使得物聯(lián)網通過智能感知、識別技術與通用計算等通信感知技術，廣泛應用于網絡的融合中。當大量生活中的實體，如家電、公共設施等在接入物聯(lián)網后，將會產生海量的實體信息。傳統(tǒng)的搜索技術，即基于關鍵詞的搜索技術很難做到對實體的精確高效搜索，因此，基于物聯(lián)網的實體搜索技術應運而生。

實體搜索的技術組成主要包括實體屬性的提取和消歧、實體信息分類、實體關系挖掘。這些技術的基礎就是需要前期花大量的時間和精力來建立的實體信息數(shù)據(jù)庫。即便是建立后，隨著系統(tǒng)的復雜化，實體信息數(shù)據(jù)庫也需要不斷更新。隨著物聯(lián)網規(guī)模的擴大，搜索引擎系統(tǒng)的負荷也會越來越大。傳統(tǒng)搜索引擎中所使用的倒排表、網頁快照等技術依賴對已知網頁的不斷抓取與分析，很難對網絡上的變化做出實時響應，然而物聯(lián)網中的信息幾乎是一直變化的，因此更需要高并發(fā)的實時查詢技術。以上兩點是目前物聯(lián)網實體搜索技術面臨的主要難題。

技術實現(xiàn)要素：

有鑒于此，本發(fā)明提供了一種物聯(lián)網實體搜索方法及系統(tǒng)，使用知識圖譜與自學習等人工智能技術解決了實體信息數(shù)據(jù)庫建立與維護難題，并且通過一種新的傳感網系統(tǒng)解決了高并發(fā)實時查詢難題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術方案。

一種物聯(lián)網實體搜索方法，包括：

處理用戶的查詢語句并與知識圖譜中的概念進行映射的方法；

通過知識圖譜對查詢語句進行語義分析并生成系統(tǒng)內查詢語句的方法；

構造、拓展、更新知識圖譜的方法；

對傳感網系統(tǒng)進行分布式查詢的方法與協(xié)議。

通過知識圖譜對查詢語句進行語義分析并生成系統(tǒng)內查詢語句的過程包括：

分詞：即將語言劃分為獨立的詞匯；

成分分析：確定詞匯在語句中的成分，如主語、謂語或者賓語；

成分補全：將語句中省略的成分填充完整；

代詞替換：將語句中的代詞替換成對應的實體；

語序重排：將倒裝句、問句、從句等句式進行排序和拆分；

消歧：通過概率分析等手段，將有歧義的詞匯轉換為無歧義詞匯或者限定其表達的含義；

迭代：重復以上步驟，直到解析結果達到預期精度；

以上過程的順序并不固定，且并非每步都必須執(zhí)行，根據(jù)用戶輸入的語句有選擇地進行，其中使用到的一些邏輯規(guī)則存儲于知識圖譜中。

通過知識圖譜對查詢語句進行語義分析并生成系統(tǒng)內查詢語句的過程包括：

實體映射，將語句中的詞語映射為實體；

非實體映射，將語句中的詞語映射為非實體；

關系映射，分析實體與非實體之間的關系；

語境分析，根據(jù)語句中詞語的組合、順序等特征判斷語句所描述內容的環(huán)境；

語義分析，解析語句想要表達的意思，即希望系統(tǒng)完成什么操作；

以上過程的順序并不固定，且并非每步都必須執(zhí)行，根據(jù)中間語言有選擇地進行。

構造、拓展、更新知識圖譜的方法包括：

通過向導對人工智能系統(tǒng)進行樣本訓練；

直接向知識圖譜添加內容；

通過對互聯(lián)網、物聯(lián)網等媒體上的信息進行聚類分析；

通過對知識圖譜中已有的內容進行邏輯推導獲得新的內容或者挖掘出潛在的內容。

知識圖譜包括：

實體的定義：實體包含名稱等屬性，對屬性的約束，可以對實體進行的動作，實體可以發(fā)出的動作等；

關系：包括關系描述，關系建立的條件和斷開的條件，判斷實體間是否存在關系的方法等，這種關系可以是多個實體間和非實體間的；

非實體的定義：非實體指一些不具有實體特性的概念，非實體可以包含描述信息，適用范圍，應用方法等。

分布式查詢的過程包括：

傳感網網關將系統(tǒng)內查詢語句轉發(fā)給傳感網系統(tǒng)的頂層實體節(jié)點；

頂層實體節(jié)點生成子查詢語句并發(fā)放給下一層實體節(jié)點；

各層實體節(jié)點檢查自身是否符合查詢條件；

非底層實體節(jié)點將子節(jié)點返回的結果進行歸并和排序；

各層實體節(jié)點將結果返回給上一層實體節(jié)點。

分布式查詢協(xié)議包括：

頭文件：查詢任務的狀態(tài)代碼（正常，錯誤），報文類型（請求、響應、控制），發(fā)起人，協(xié)議版本號，正文的格式（如JSON或XML）、編碼（如GBK或UTF8），是否加密、壓縮等；

正文：請求報文包括查詢語句，對查詢的非功能性需求；響應報文正文包括查詢結果集，包括結果數(shù)量，查詢時間，完成時間，符合條件的實體列表等信息；控制報文正文包括對查詢連接的控制命令（如建立、斷開、掛起或流量控制）和連接狀態(tài)信息；

查詢協(xié)議不規(guī)定查詢的具體實現(xiàn)方式。

一種物聯(lián)網實體搜索系統(tǒng)，該系統(tǒng)分為三層，包括：

搜索應用層：響應用戶的搜索請求，調用知識圖譜解析查詢語句并可視化呈現(xiàn)查詢結果；

邏輯處理層：用于存儲維護知識圖譜和對知識圖譜進行更新；

實體搜索層：用于執(zhí)行具體查詢任務，并對結果進行歸并、篩選、排序和分頁操作。

搜索應用層包括：

生成沒有歧義的中間語言的實體映射模塊；

將上述中間語言解析為系統(tǒng)內查詢語句的語義分析模塊；

將查詢任務分配給服務器集群并將查詢結果顯示的結果顯示模塊。

邏輯處理層包括：

用于存儲維護知識圖譜的知識圖譜系統(tǒng)和用于對知識圖譜進行構造、拓展、更新的人工智能系統(tǒng)。

實體搜索層包括：

對結果進行處理的服務器集群和執(zhí)行查詢任務的傳感網系統(tǒng)。

服務器集群的功能包括：

服務器集群負責將用戶輸入的查詢語句轉化為系統(tǒng)內查詢任務并發(fā)送給傳感網系統(tǒng)，然后對傳感網系統(tǒng)返回的查詢結果進行歸并、篩選、排序和分頁，最后返回給應用層的結果顯示模塊。

傳感網系統(tǒng)的結構包括：

傳感網系統(tǒng)由兩大類節(jié)點組成，實體節(jié)點和傳感器節(jié)點，實體節(jié)點用于表示一個實體，所有對此實體的操作都是基于該節(jié)點，傳感器節(jié)點用于獲取實體的屬性信息并保存下來。傳感網系統(tǒng)采用樹形拓撲結構，純傳感器節(jié)點必須是葉子節(jié)點，實體節(jié)點可以讀取其下的傳感器節(jié)點的屬性信息，并且可以把查詢語句下發(fā)給子實體。傳感網絡并不明確規(guī)定各節(jié)點的功能實現(xiàn)方式，只要提供能夠執(zhí)行查詢語句并返回結果的接口即可。查詢任務實質上被節(jié)點分攤。

經由上述技術方案可知，本系統(tǒng)采用基于知識圖譜的人工智能系統(tǒng)實現(xiàn)查詢語句的語義化分析，并通過傳感網節(jié)點實現(xiàn)了分布式查詢，實現(xiàn)了語義化的高拓展性、高并發(fā)物聯(lián)網實體搜索。

附圖說明

在說明書的結尾部分中具體指出并明確要求保護了被視為本發(fā)明的主體。當結合附圖閱讀時，通過參考以下詳細描述，可以最佳地理解本發(fā)明的組織和操作方法以及本發(fā)明的目的、特性和優(yōu)點，這些附圖是：

圖 1 是根據(jù)本發(fā)明的實施例公開的一種實體搜索系統(tǒng)架構示意圖；

圖 2 是根據(jù)本發(fā)明的實施例公開的處理用戶的查詢語句并生成沒有歧義的中間語言的方法的流程圖；

圖 3 是根據(jù)本發(fā)明的實施例公開的通過知識圖譜將上述中間語言解析為系統(tǒng)內查詢語句的方法的流程圖；

圖 4是具體應用本發(fā)明的實施例公開的一種物聯(lián)網實體搜索系統(tǒng)搜索界面示意圖；

圖 5是根據(jù)本發(fā)明的實施例公開的一種知識圖譜的結構圖；

圖 6是根據(jù)本發(fā)明的實施例公開的構造、拓展、更新知識圖譜的方法的示意圖；

圖 7是根據(jù)本發(fā)明的實施例公開的一種服務器和傳感網系統(tǒng)的結構圖；

圖 8是根據(jù)本發(fā)明的實施例公開的一種節(jié)點通訊協(xié)議示意圖；

圖 9 是根據(jù)本發(fā)明的實施例公開的一種分布式傳感網系統(tǒng)實體搜索方法的流程圖。

為使例示簡單和清晰，附圖中示出的元素不一定按比例繪制。例如，為了清晰起見，某些元素的大小可能相對于其它元素而有所增大。此外，如果適當，標號可以在附圖之間重復以指示對應或類似的特性。

具體實施方式

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部實施例。然而，本領域的技術人員可以在沒有這些特定的細節(jié)的情況下理解并實現(xiàn)本發(fā)明，因此本領域普通技術人員基于本發(fā)明或其實施例所做出的非創(chuàng)造性勞動所獲得的所有實施例都屬于本發(fā)明保護范圍。

由技術背景可知，現(xiàn)有的實體搜索系統(tǒng)大多需要前期花大量的時間和精力來建立的實體信息數(shù)據(jù)庫，即便是建立數(shù)據(jù)庫之后，仍需要對已有信息進行不斷地更新、拓展；因此，其應用范圍也都局限于互聯(lián)網。而物聯(lián)網的信息量是傳統(tǒng)互聯(lián)網所無法比擬的，其信息更新速度也更快，對查詢結果的時效性要求更高，因此建立并維護實體信息數(shù)據(jù)庫需要極高的成本，倒排表和全文索引等技術也很難提高查詢效率。

針對以上問題，本發(fā)明公開的一種基于人工智能的物聯(lián)網實體搜索方法及系統(tǒng)，使用知識圖譜與自學習等人工智能技術解決了實體信息數(shù)據(jù)庫建立與維護難題，并且通過一種新的傳感網系統(tǒng)解決了高并發(fā)實時查詢難題。具體過程通過以下實施例詳細說明：

實施例一

附圖1為本發(fā)明實施例所公開的一種物聯(lián)網實體搜索系統(tǒng)架構示意圖，主要包括：

1、搜索應用層：包括生成沒有歧義的中間語言的模塊、將上述中間語言解析為系統(tǒng)內查詢語句的模塊和將查詢任務分配給服務器集群并將查詢結果顯示的模塊。

搜索應用層實現(xiàn)了響應用戶的搜索請求，調用知識圖譜解析查詢語句，和可視化呈現(xiàn)查詢結果三個主要功能。其設計目標是提供用戶與物聯(lián)網的交互服務，將用戶輸入的自然語言轉換為計算機中可執(zhí)行的指令，然后將指令執(zhí)行的結果以直觀的形式輸出，保證人機交互的良好體驗。下面做進一步說明：

1.1生成沒有歧義的中間語言的模塊：該模塊的主要作用是消除用戶輸入的自然語言的多義性，生成計算機可理解的字符串然后進行語句成分分析。這些操作是計算機實現(xiàn)語義理解的基礎，是生成查詢語句的必要前提。

附圖2是上述模塊生成沒有歧義的中間語言的方法的流程圖，主要過程包括以下步驟：

分詞：即將語言劃分為獨立的詞匯。首先使用基于字符串匹配的分詞方法，通過從知識圖譜中匹配已有的詞匯來進行初步分解，然后使用基于概率統(tǒng)計的方式進行分，詞修正，根據(jù)人工智能系統(tǒng)學習所得的某些字同時出現(xiàn)的概率來判斷是否為詞組。例如，用戶輸入“中國中醫(yī)科學院”，利用正向和反向最大匹配算法可得結果“中國/中醫(yī)科/學院”和“中國/中醫(yī)/科學院”，再利用人工智能系統(tǒng)比較“中醫(yī)科”+“學院”和“中醫(yī)”+“科學院”兩種組合出現(xiàn)的頻率，得出最有可能的結果；

成分分析：確定詞匯在語句中的成分，如主語、謂語或者賓語。知識圖譜會保存每個詞匯在語句中可能的成分，首先列出語句的所有可能的成分組合，然后根據(jù)人工智能系統(tǒng)的學習結果估算出概率最高的組合作為成分分析結果。例如，“咬死了/獵人/的狗”中既有可能是謂語(咬死了) + 定語(獵人) + 賓語(的狗)，也可能是定語(咬死了獵人)+賓語(的狗)。人工智能系統(tǒng)根據(jù)以往兩種組合的概率得出最有可能的結果；

成分補全：將語句中省略的成分填充完整。首先通過比較完整語句成分組合與成分分析結果判定省略的成分，然后根據(jù)上下文猜測省略的內容并補全。例如，用戶輸入“5班的班長”，系統(tǒng)首先查詢知識圖譜中對“班”的定義，“班”的含義有很多，但是因為同時出現(xiàn)了“班長這個詞，所以確定這里表示學校班級。同時說明，語句中缺少班級所在學校的名稱。本系統(tǒng)默認查詢用戶為查詢語句的主語，即動作的主體，因此系統(tǒng)認為用戶所在學校為語句中所指學校，通過IP地址、GPS定位或其他手段獲取用戶地理位置，并搜索最近的學校，并將該學校5班作為查詢對象進行實體搜索；

代詞替換：將語句中的代詞替換成對應的實體。根據(jù)上下文，將代詞替換為所指實體。例如，用戶輸入“你幾歲了”，代詞“你”默認指代實體搜索系統(tǒng)本身，替換后的結果為“實體搜索系統(tǒng)幾歲了”；

語序重排：將倒裝句、問句、從句等句式進行排序和拆分。例如，主從復合句“去年考了第一名的學生今年只考了第三名”會被拆分成“學生去年考了第一名，并且今年考了第三名”；

消歧：通過概率分析等手段，將有歧義的詞匯轉換為無歧義詞匯或者限定其表達的含義。例如，“張三是否在辦公室看材料”，看”讀kān 時，表示“看守”，讀kàn 時，表示“閱覽”。此時，系統(tǒng)會分析主語所表示實體的具體身份，獲取其相關信息，如果發(fā)現(xiàn)張三的職業(yè)是秘書，那么表示后者的概率更大，如果張三是保安，那么前者的概率更大。

1.2將上述中間語言解析為系統(tǒng)內查詢語句的模塊：將自然語言轉換為中間語言只是形式上的轉換，而本模塊的作用則是使得計算機真正“理解”語言的含義，根據(jù)字符串構建出邏輯對象，然后根據(jù)邏輯對象生成查詢命令。

附圖3是上述模塊將中間語言解析為系統(tǒng)內查詢語句的方法的流程圖，主要過程包括以下步驟：

實體映射：將語句中的詞語映射為實體。例如，“蘋果\不如\果醬\好吃”，“蘋果”和“果醬”就是兩個實體，在計算機程序中對應某個類的實例。該模塊通過將語句中的詞組與存儲在知識圖譜中實體的名稱進行匹配來識別實體；

非實體映射：將語句中的詞語映射為非實體。例如，“蘋果\不如\果醬\好吃”，“好吃”就是一個非實體，用來修飾“果醬”這個實體。大部分非實體用來限定、修飾實體，以及表達、強調實體的固有屬性或者情感；

關系映射：分析實體與非實體之間的關系。例如，“蘋果\不如\果醬\好吃”中“不如”即表示一種關系，通過查詢知識圖譜，可以獲知“不如”是用于表示兩者間比較關系并且前者弱于后者，被比較的屬性一般緊跟在被比較實體的后面；

語境分析：根據(jù)語句中詞語的組合、順序等特征判斷語句所描述內容的環(huán)境。例如“今天天氣怎么樣”，系統(tǒng)會為該語句創(chuàng)建一個環(huán)境對象，該對象包含時間、空間等描述環(huán)境的信息，其時間為今天，空間為用戶所在地理位置。在比較復雜的語句中，會出現(xiàn)環(huán)境對象嵌套的情況，例如主句所處環(huán)境是從句環(huán)境的子對象。語境分析所生成的環(huán)境對象是生成查詢語句不可或缺的條件；

語義分析：解析語句想要表達的含義，即希望系統(tǒng)完成什么操作。一共分為四類類操作：實體匹配、抽象實體匹配、邏輯運算操作、主體交流。實體匹配即查詢物聯(lián)網中符合用戶描述的實體，例如“附近的餐廳”。抽象實體匹配即查詢知識圖譜中某類符合用戶描述的實體，例如“世界上最大的哺乳動物”。邏輯運算操作指在以上操作的基礎上進行邏輯運算并返回運算結果的搜索，例如“先有雞還是先有蛋”。主體交流指本系統(tǒng)以“我”的角色與用戶進行對話，其中包含記憶和情感狀態(tài)等內容的模擬。

中間語言在經過以上步驟的處理后，會轉換成系統(tǒng)內查詢語句，該語句使用的是類似于SQL語法結構的解釋型語言，是實體搜索層可以識別和處理的字符串。

1.3將查詢任務分配給服務器集群并將查詢結果顯示的模塊,處理查詢任務主要過程包括以下步驟：

WEB應用服務器接收用戶查詢請求，發(fā)送給最近的服務器集群網關；

服務器集群網關獲取用戶的基本信息，如身份信息、地理位置、IP地址等，然后將以上信息封裝，根據(jù)人工智能集群的負載情況發(fā)送給合適的人工智能節(jié)點；

人工智能集群在完成語義解析后，將生成的查詢任務通過人工智能集群網關返回給合適的傳感網網關；

服務器分析查詢任務以及傳感網系統(tǒng)的負載情況，確定如何拆分查詢任務以及將子查詢任務分發(fā)給哪些傳感網；

傳感網獲取子查詢任務并在執(zhí)行完成后返回查詢結果至傳感網網關；

傳感網網關對上述結果進行歸并、篩選、排序和分頁，并將處理后的結果提交給WEB應用服務器；

WEB應用服務器對查詢結果進行渲染并反饋給用戶。

附圖4是本實施例中的物聯(lián)網實體搜索系統(tǒng)搜索界面示意圖。

2、邏輯處理層：負責對搜索應用層提供語義分析等自然語言處理服務。包括存儲實體和非實體信息的知識圖譜系統(tǒng)和用于對知識圖譜進行構造、拓展、更新的人工智能系統(tǒng)。

2.1知識圖譜系統(tǒng)：該系統(tǒng)用于存儲人工智能系統(tǒng)經過學習后生成的對實體、非實體及其關系的數(shù)據(jù)，對查詢語句進行語義分析并生成系統(tǒng)內查詢語句和作為人工智能系統(tǒng)的運行邏輯；在系統(tǒng)初始階段即具有理解、表達自然語言的能力，以及將人工智能系統(tǒng)所獲取信息轉換為知識圖譜中實體、非實體和關系的深度學習能力。

附圖5是上述系統(tǒng)使用的一種知識圖譜的結構圖，主要內容包括以下結構：

實體(Entity)：是指客觀存在并可相互區(qū)別的事物、物聯(lián)網或其他虛擬空間中的對象或概念都可以映射為知識圖譜中的實體。實體之間可以是組合、包含和重疊關系。知識圖譜中實體由屬性和行為組成，屬性描述實體的固有性質和實時狀態(tài)，行為則描述實體可以進行的動作。例如，“人”可以包含屬性：“年齡”、“性別”和“體重”；可以包含行為：“吃飯”，“睡覺”和“行走”；

非實體：是指所有可以映射到知識圖譜中的除實體以外的抽象概念。非實體是對實體屬性及方法的抽象，這些屬性和方法最終被抽象為二進制流和基本邏輯運算并以非實體的形式存儲在知識圖譜中。例如，使用非實體“老年人”作為對實體“人”的抽象，是指“年齡”屬性大于閾值的一類“人”；

關系：是指實體、非實體、關系三者中自身或多元之間的相互約束。關系約束使得知識圖譜形成網絡結構，實體和非實體作為節(jié)點，以關系相連接。例如，通過修飾關系連接非實體“高”和“人”，從而表示身高較高的人。

2.2人工智能系統(tǒng)：該系統(tǒng)以知識圖譜中的數(shù)據(jù)為運行邏輯；同時驅動知識圖譜進行構造、拓展、更新。

附圖6是上述系統(tǒng)構造、拓展、更新知識圖譜的方法的示意圖，主要內容包括：

通過WEB服務器中的向導提交訓練樣本，人工智能系統(tǒng)使用知識圖譜中的邏輯進行深度學習。例如，用自然語言定義一個實體，同時提交該實體的3D模型進行樣本訓練；

向服務器集群發(fā)送操作指令，規(guī)避知識圖譜中的邏輯約束，從計算機系統(tǒng)層次修改知識圖譜中的數(shù)據(jù)；

網絡爬蟲抓取互聯(lián)網、物聯(lián)網等媒體上的信息進行聚類分析，如果知識圖譜中存在同類的信息則進行更新，否則進行知識圖譜的拓展；

通過對知識圖譜中已有的內容進行邏輯推導獲得新的內容或者挖掘出潛在的內容。例如，兩種實體在知識圖譜中非常相似，同類實體間往往存在某種關系，那么知識圖譜會嘗試創(chuàng)建連接兩種實體的關系。

3、實體搜索層：用于承載搜索應用層和邏輯處理層，執(zhí)行具體查詢任務，并對結果進行歸并、篩選、排序和分頁操作。包括服務器集群和傳感網系統(tǒng)。

附圖7是實體搜索層使用的一種服務器和傳感網系統(tǒng)的結構圖，主要包括以下結構：

3.1服務器集群：作為承載搜索應用層和邏輯處理層的硬件平臺。主要包括以下結構：

WEB應用服務器：用于承載搜索應用層，與用戶進行圖形化交互；

服務器集群網關：作為WEB應用服務器接入人工智能集群的入口，也負責數(shù)據(jù)封裝和實現(xiàn)服務器集群的負載均衡；

人工智能集群：用于承載邏輯處理層，其中每臺計算機稱為一個節(jié)點。節(jié)點類型包括：普通節(jié)點、關鍵節(jié)點和人工智能節(jié)點。知識圖譜分布于關鍵節(jié)點和普通節(jié)點上，相鄰節(jié)點所的知識圖譜具有相關性，而控制這些的參數(shù)會隨查詢與解析結果而自行優(yōu)化。關鍵節(jié)點將擁有相似知識圖譜的普通節(jié)點連接起來，并與需要協(xié)同工作的其它關鍵節(jié)點相連，關鍵節(jié)點可以轉發(fā)任務給下層節(jié)點。每個人工智能節(jié)點都擁有人工智能系統(tǒng)的完整功能，但只存儲知識圖譜中一部分相互連通的節(jié)點的拓撲關系圖，并對這些節(jié)點上的知識圖譜進行構造、拓展、更新。除此之外，人工智能節(jié)點還負責響應服務器集群網關發(fā)送的查詢請求，并生成對應的解析任務委派給相連的關鍵節(jié)點，在解析任務完成后將生成的系統(tǒng)內查詢語句轉發(fā)到傳感網網關。默認地，當一個節(jié)點無法完成任務時人工智能節(jié)點會將任務轉發(fā)給其它人工智能節(jié)點，如果轉發(fā)次數(shù)達到一定值后仍沒有解決，則觸發(fā)知識圖譜的構造、拓展、更新，如果節(jié)點完成了委派的任務，則基于用進廢退原則對知識圖譜進行更新；

傳感網網關：用于將系統(tǒng)內查詢語句發(fā)送到頂層實體節(jié)點，并對頂層實體節(jié)點返回的查詢結果進行歸并、篩選、排序和分頁，并將最終結果提交給WEB應用服務器。此外還會對傳感網的狀態(tài)進行快照。

3.2傳感網系統(tǒng)：執(zhí)行具體查詢任務，并對結果進行歸并、排序操作。

附圖8是實體搜索層傳感網使用的一種節(jié)點通訊協(xié)議示意圖，主要內容包括：

頭文件：查詢任務的狀態(tài)代碼（正常，錯誤），報文類型（請求、響應、控制），發(fā)起人，協(xié)議版本號，正文的格式（如JSON或XML）、編碼（如GBK或UTF8），是否加密、壓縮等；

正文：請求報文包括查詢語句，對查詢的非功能性需求；響應報文正文包括查詢結果集，包括結果數(shù)量、查詢時間、完成時間、符合條件的實體列表等信息；控制報文正文包括對查詢連接的控制命令（如建立、斷開、掛起或流量控制）和連接狀態(tài)信息。

附圖9為本發(fā)明實施例所公開的一種分布式傳感網系統(tǒng)實體搜索方法的流程圖，主要內容包括以下步驟：

傳感網網關將系統(tǒng)內查詢語句轉發(fā)給傳感網系統(tǒng)的頂層實體節(jié)點；

頂層實體節(jié)點生成子查詢語句并發(fā)放給下一層實體節(jié)點；

各層實體節(jié)點檢查自身是否符合查詢條件；

非底層實體節(jié)點將子節(jié)點返回的結果進行歸并和排序；

各層實體節(jié)點將結果返回給上一層實體節(jié)點。

需要說明的是，在本文中，諸如“第”和“第二”之類的關系術語僅僅用來將一個實體或操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，屬于“包括”、“包含”或者任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者還是包括為這種方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所屬要素的過程、方法、物品或者設備中還存在另外的相同要素。

本領域普通技術人員可以理解實現(xiàn)上述方法實時方式中的全部或部分步驟是可以通過程序指令相關硬件來完成，所述的程序可以存儲于計算機可讀取存儲介質中，這里所稱得的存儲介質，如：ROM、RAM、磁碟、光盤等。

以上所述僅為本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領域的一半技術人員，根據(jù)本發(fā)明的思想，在具體實施方式及應用范圍上均會有改變之處。綜上所述，本說明書內容不應該理解為對本發(fā)明的限制。凡在本發(fā)明的精神和原則之內所做的任何修改、等同替換、改進等，均包含在本發(fā)明的保護范圍內。