基于條碼識別的標簽信息智能檢索方法

景月娟,張曉麗

(西安航空學院 計算機學院,陜西 西安 710077)

0 引 言

條形碼技術是在計算機應用和實踐中產生并發展起來的一種廣泛應用于商業、郵政、圖書管理、倉儲、工業生產過程控制、交通等領域的自動識別技術,具有輸入速度快、準確度高、成本低、可靠性強等優點,在當今的自動識別技術中占有重要地位。如今條碼辨識技術已相當成熟,其讀取的錯誤率約為百萬分之一,首讀率大于98%,是一種可靠性高、輸入快速、準確性高、成本低的資料自動收集技術。傳統的信息單機檢索模式已經無法適應現如今的網絡數據系統[1-2]，智能檢索方法在檢索的性能與檢索的能力上雖然得到很大的提升,但依舊無法滿足人們對所檢索的信息的準確性的需求。在大數據發展的當今世界,應提升數字化信息智能檢索技術,充分發揮大數據系統在智能檢索方法中的優勢,提高信息智能檢索的能力和效率[3-4]。

文獻[5]提出基于云計算環境下的信息檢索及智能融合的方法，通過邏輯結構及加密過程的設計,搭建云計算的電子環境，通過ASP與ADO相結合完成信息檢索,改進TF-IDF算法完成信息的智能融合,實現基于云計算環境下的信息檢索及智能融合的研究；文獻[6]提出一種帶約束的語義相似模型和隱性反饋修正機制,探索特定條件下智能信息搜索的實現途徑。通過地理環境應用領域的原型實驗數據分析,發現基于知識圖譜與語義計算的信息搜索準確率可達85%,具有較強的實用性,可為垂直搜索應用領域的技術優化提供參考思路；文獻[7]引入文本時間信息的抽取和標注并融合時間信息的檢索模型的基礎上,以時態語義的技術為整體脈絡,從3個方面綜述研究信息需求中隱含的時間意圖分析,加入時間因素的檢索模型構建,實現檢索結果的生成；文獻[8]以時態語義檢索的本源問題和其在學術文獻上的相關應用為切入點,提出時態語義檢索未來的發展趨勢:識別多源異構信息下的時間表達,構建能識別查詢的時間預測模型,搭建能精準檢索時間意圖的檢索平臺和開發基于深度學習的隱含時間意圖自動分類模型；還有部分文獻重點介紹了時間溫度顯示器和RFID技術的研究現狀及其應用,并分析在實際應用中所受到的制約因素及可能的解決辦法[9-10]。但上述方法均存在檢索準確率不高,涵蓋范圍較小等問題。

為解決上述文獻存在的問題,本文提出一種基于條碼識別的標簽信息智能檢索方法,并通過實驗驗證了所提方法的性能,為進一步研究數據檢索提供參考依據。

1 標簽信息檢索架構設計

利用新型計算機程序,在數量龐大的數據中整合出最具使用價值的信息資源,利用網絡系統以及計算機程序,經由一定的處理方式,對標簽信息進行檢索處理[11]。

搜索引擎也大多是通過對信息關鍵字及信息主題等較為基礎方式進行信息檢索,此種信息檢索形式較為簡單,并且僅對關鍵詞進行搜索，導致檢索得到的信息數據量較為龐大繁雜,進而導致檢索的結果精確度相對較低[12-14]。

在互聯網大數據模式下,信息檢索形式發生了變化,標簽信息呈現出多樣化的趨勢,不同結構與形式的信息數據只能通過傳統的關系型數據庫進行存儲,無法達到對標簽信息的實際存儲需求,因此必須建立云存儲系統才可以更好地存儲不同種類且數量龐大的標簽信息,這就要求數據的檢索不能僅靠單一的系統服務器進行處理,而需要利用搜索引擎,與多個存儲服務器共同作用完成檢索[15]。標簽信息檢索架構如圖1所示。

圖 1 標簽信息檢索架構示意圖

2 多源標簽信息融合

通常使用的信息檢索方法主要為串行檢索模式[16-17],此種檢索方式可以很好地處理文字數據、普通圖片等簡單數據信息,進而完成信息檢索,但對于音頻改造、視頻分析等數據信息的處理較為困難。雖然現有信息檢索平臺較多,但由于各種檢索方式與方法的不同,這些平臺對于數據信息的檢索范圍具有一定的局限性,容易出現使用者在對數據檢索后得到不同檢索結果的情況,對檢索的信息難以辨認,無法有效使用。

本文通過構建大數據系統,在海量大數據背景下,對多源標簽信息進行融合處理,突破信息源之間存在的界限,使其能夠在同一運算方法中使用。即按時序序列,利用計算機技術對獲得的多源標簽信息進行傳輸、過濾等處理,并以統一多源標簽信息形式與結構為準則,進行標簽信息地融合處理。同時,注重標簽數據的個性化處理與智能化處理,特別是大數據環境下,改變傳統的信息融合模式,將用戶作為信息融合的核心,解決其個性化需求,提供智能化的信息融合服務。

3 條碼識別的標簽信息排序

自動檢索技術存在檢索得到的關鍵信息與檢索信息結果相關程度符合較低的問題，在標簽信息檢索過程中,對待處理標簽信息進行記錄,按照用戶的喜好程度有效排列待檢索信息,以此來提高信息檢索方式的智能化水平。

條碼識別利用各種數字圖像處理技術,對標簽圖像中的條碼進行特征提取、分析,高效識別圖像中的條碼內容,根據識別內容檢索需要的標簽信息。條碼是由一組按照一定的編碼規則排列的條、空符號,用來表示一定的字符、數字以及符號組成的信息。條碼技術是由條碼符號設計、制作以及掃描閱讀組成的自動識別方法,具有準確度高的特點。本文采用條碼識別的方式進行標簽信息排序,進而有效檢索得到物品信息。

對待檢索數據信息進行排序,首先對信息進行相關性分析,按照相關程度大小自動排列。 在大數據系統中,對排序模型進行進一步地分類處理,這是實現快速、準確并可靠采集有效標簽信息的重要手段。 由于排序數據呈現出多樣化的形式,由此可以在進行信息排序的同時,將所排序的信息結果可視化地表示出來,進而更加客觀和全面反映排序信息。

排序模型 (見圖2) 在主要的排序中, 以一個獨立的四元組的形式存在, 主系統根據排序信息形式的差異, 自主選擇排序模型, 并根據排序算法進行排序計算, 信息排序主要對相關度進行高低排序, 要利用排序模型選擇一個定值來計算信息的相關程度[18]。

圖 2 排序模型示意圖Fig.2 Schematic diagram of sorting model

設定待檢索的關鍵信息為A,待檢索的主要信息為G,J≥0為A與G的定值,此值作為主要數值提供待檢索信息的相關程度。具有關鍵字的J通常情況下應該是互相單獨存在的,待檢索的信息文檔會被系統自動設置為2個關鍵句。所以,2個相關程度較高的關鍵句在同一信息文檔中出現的時候,定值會由此顯示出兩者之間的相關度。利用排序算法計算得到的信息結果更為準確,更加能被用戶查詢使用。排序算法進行自動排序計算后,將顯示結果根據相關程度進行排序,一定程度上提高了信息檢索結果的準確性,同時也有利于用戶對于標簽信息的辨認和使用。

4 實驗研究

在利用條碼識別獲取得到標簽信息排序結果后,對標簽信息進行智能檢索分析,構建智能檢索模式圖,智能檢索模式可以大致分為用戶交流層、數據應用與數據處理層、數據處理使用層3個方面。

僅僅在數據查詢平臺上對數據信息進行檢索查詢是不夠的,還需要使用者在檢索過程中聯系多種檢索詞量,對待檢索信息進行綜合檢索,匯集整合所要檢索的標簽數據信息,對信息的發展動態做出較為準確掌握[19-20]。由于數據信息關鍵字是數據信息檢索的關鍵,因此要選擇準確的信息關鍵字。信息關鍵字查詢的準確,既可以提高檢索的速度,也可以提升信息檢索的準確度,更有利于用戶檢索到所需要的信息。

為了檢測本文標簽信息智能檢索方法的有效性,需要進行實驗分析,設置實驗環境和參數,與傳統檢索方法進行比較,設計對比實驗。

在大數據互聯網形態檢索背景下,在數據檢索平臺進行檢索查詢,檢索數據來源于Mysql數據庫信息源,檢索算法為排序算法,檢索間隔為等分,信息字節為24bit。將本文標簽信息智能檢索方法與傳統標簽信息檢索方法進行比較,在相同時間內,分別記錄本文方法與文獻[5]和文獻[6]方法得出信息檢索準確率,以及檢索結果涵蓋面范圍對比結果。不同方法的信息檢索準確率對比結果如圖3所示。

圖 3 檢索結果準確率對比

從圖3可知,隨著檢索時間的增加,3種方法的標簽信息檢索準確率均不斷上升,且在檢索時間為30 s時,3種方法的檢索準確率均較高,本文方法的準確率約為95%,文獻[5]方法的檢索準確率約為90%,文獻[6]方法約為80%,可見本文方法具有一定的優勢。因為本文方法在檢索之前,對標簽信息進行了排序處理,根據排序結果完成了標簽信息的智能化檢索,排序處理這一步驟使得本文方法的檢索結果更為準確。

對本文方法與文獻[5]方法的檢索結果涵蓋面范圍進行對比。依據檢索信息量,通過計算期望以及標準差,期望加上或者減去0.43倍的標準差表示的檢索結果屬于中區間,在中區間的概率為三分之一,中區間兩邊的為高區間以及低區間。檢索結果對比圖如圖4所示。

圖 4 檢索結果涵蓋面范圍對比Fig.4 Comparison of coverage range of search results

從圖4可知,檢索信息處于高區間證明檢索范圍較廣泛,檢索效果較好。檢索時間為10 s時,傳統方法檢索的信息結果涵蓋面范圍在低區間,本文方法檢索的信息結果涵蓋面范圍在中區間。檢索時間為20 s時,傳統方法檢索的信息結果涵蓋面范圍有所提升,但仍在在低區間,本文方法檢索的信息結果涵蓋面范圍在中區間。檢索時間為30 s時,傳統方法檢索的信息結果涵蓋面范圍在中區間,本文方法檢索的信息結果涵蓋面范圍有所提升,在高區間。

5 結 語

本文在傳統檢索方法研究的基礎上,研究了一種基于條碼識別的標簽信息智能檢索方法,對多源標簽信息進行融合處理,突破信息源之間存在的界限,使其能夠在同一運算方法中使用?；跅l碼識別對標簽信息進行排序,進而實現標簽信息的智能檢索。實驗結果表明,本文所提方法具有較高地檢索準確率,且能夠大范圍檢索得到標簽信息。

在后續的研究中需要進一步分析排序后的數據特征,以及其對檢索效果的影響,為大數據分析提供可參考依據。