瞿霞 华建祥

摘要：针对常规有效信息过滤算法对数据间关联规则识别能力较弱等问题，提出物联网环境下大数据流中有效信息过滤算法。该算法根据数据权重向量维度，通过余弦夹角构建目标相似的大数据推荐模型;设置表层关联与隐含关联预测规则，利用预测函数确定数据间的关联程度;按照数据间的衔接性质，将数据集合划分成若干子集，模糊聚类物联网中的有效信息;根据用户主观倾向设置偏好函数，以协同过滤方式，得到有效信息过滤算法。实验结果表明，与常规有效信息过滤算法相比，该算法对数据关联规则识别能力提升14.97%，满足当前物联网大数据流中对有效数据的过滤要求。

关键词：物联网;大数据流;有效信息过滤算法

DOI：10.11907/rjdk.201413 开放科学（资源服务）标识码（OSID）：

中图分类号：TP312文献标识码：A 文章编号：1672-7800（2020）006-0214-04

0 引言

物联网利用局部网络或互联网等通信技术，将传感器、控制器、机器、人员和物品之间建立有效连接，形成一个人与物、物与物之间相关联的智能化网络信息通讯平台，产生了数量庞大的网络数据信息。现阶段称之为大数据，其本身具有体量庞大、运行处理快速、类型多样、价值密度低及真实性高等特点。因此，针对大数据中的海量信息，按照顺序将这些数据设置为只读数据序列，形成规律性的大数据流。

围绕相关问题，很多学者进行了研究。文献首先分析聚类算法具体过程，判断结果是否有效，并表达数据集，根据数据集构建多维高斯核密度估计方法，使其能够分析数据集本身特性，然后结合聚类有效性分析方法，进行聚类结果探讨，最后验证其方法合理性与有效性;文献提出基于Storm的P-HT并行化算法，该算法以满足Storm流处理平台为基础，首先设置滑动窗口机制，然后替代子树机制，进行并行化处理，体现出较好的灵活性和通用性，利用物联网进行数据处理与分类时具有更大吞吐量和更快处理速度。但以上算法对数据之间关联规则划分能力不足，数据隐含关联挖掘能力较弱，因此过滤后的信息并不理想。为此，对文献算法予以优化，提出物联网环境下大数据流中有效信息过滤算法。本文算法从文献算法中存在的问题人手，着重研究大数据流内数据之间的关联规则，过滤方式更加详细，满足当前物联网对有效信息的过滤要求。

1 物联网大数据流有效信息过滤算法

1.1 目标相似的大数据推荐模型构建

考虑到物联网中大数据流类型的多样性，构建一个推荐模型，该模型主要对类型不同、目标相似的数据信息实施推荐。模型构建需要考虑不同数据之间的目标相似程度，该程度可用余弦夹角衡量。假设大数据流中的数据类型有a₁，a₂，…，a_n，每一数据的权重指数分别为q_a1，q_a2，…，q_an，权重向量维度用T表示，则数据之间的目标相似度如式（1）所示。

式中，i表示大数据流数据量，f_i（a_n）表示i个数据量下的类型函数，g_i（q_an）表示i个数据量下的权重函数。此时，数据之间的目标相似度曲线如图l所示。

图1中的曲线是3个类型完全不同的目标相似数据，根据曲线走向及曲线弧度可知，虽然数据类型完全不同，但这些数据之间具有共同目标，因此其走势相似，只是作用价值不同，产生了价值差异。根据式（1）得出相似度结果，设置大数据推荐模型，该模型计算表达式如式（2）所示。

1.2 数据关联程度预测

根据上述得到的推荐数据F_m，预测F₁，F₂，…，F_m之间的关联性，预测规则如图2所示。

通过上述预测规则可知，根据多个预测条件，设置不同的预测方式，抓住其中表层关联及隐含关联，得到分化详细的关联程度值。建立一个集合R，令该集合R={F₁，F₂，…，F_m};設置k₁，k₂，…，k_m是与推荐数据F₁，F₂，…F_m相对应的预测条件，则预测系数计算表达式如式（3）所示。

式中，K_n表示设置的n个预测系数，ω_m表示预测约束条件，g_m（F_m）表示对推荐数据F_m的m次预测，g_m-1（F_m-1）表示对于预测数据F_m的m-1次预测，k_s表示每次预测时，在预测强度s影响下的调整指标。根据计算所得预测系数，对推荐数据的关联程度进行预测，当该结果为正数时，说明得出的关联性指标可靠，该关联预测表达式如式（4）所示。

式中，pred（F_m）表示对推荐数据的预测函数，IDEN（u，v）表示关联规则鉴别函数，ζ表示调和指数，ζ表示调和平均值，u表示表层关联指标，v表示递进的隐含关联指标。根据上述预测表达式，得到不同类型数据之间的关联规则，根据关联规则取值不同，可以确定物联网中大数据之间的联系强度。

1.3 有效信息模糊聚类

将具有关联规则的数据，按照一定顺序排列，利用模糊聚类分析方法获取数据特征，匹配并划分客观有效的数据。该数据划分形式以图3所示的划分集合为例，按照数据特征，将不同类型的关联数据分配到不同集合中。

由图3可知，原始数据集只有一个，不利于数据之间的特征分析，因此利用模糊聚类，将原有集合转换成图3（b）所示的分类子集，通过数据分类，提取出数据特征量。将集合及模糊聚类，得到n个数据子集，用r_n表示。将子集中的数据按照衔接性质分类，该分类规则如式（5）所示。