專利名稱：基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)據(jù)庫(kù)關(guān)鍵詞搜索技術(shù)領(lǐng)域，尤其涉及一種基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法。
背景技術(shù)：
關(guān)鍵詞鄰近搜索是一項(xiàng)用于數(shù)據(jù)庫(kù)內(nèi)結(jié)構(gòu)化及半結(jié)構(gòu)化數(shù)據(jù)的關(guān)鍵詞搜索的主流技術(shù)。不同于傳統(tǒng)的應(yīng)用于非結(jié)構(gòu)數(shù)據(jù)的關(guān)鍵詞搜索技術(shù)，如Google等搜索引擎的方法，這項(xiàng)技術(shù)并不是只查找包含了所有給定關(guān)鍵詞的單個(gè)文檔或?qū)ο?，而是在?shù)據(jù)庫(kù)中去查找包含了所有關(guān)鍵詞的結(jié)構(gòu)體，這些結(jié)構(gòu)體由一些相互間存在結(jié)構(gòu)聯(lián)系的對(duì)象所組成， 作為一個(gè)整體可滿足用戶的信息需求。它既不需要用戶掌握結(jié)構(gòu)化的查詢語(yǔ)言和復(fù)雜的數(shù)據(jù)庫(kù)模式，又能充分發(fā)掘數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)本身所具有的結(jié)構(gòu)化信息的潛在價(jià)值，并在傳統(tǒng)關(guān)鍵詞搜索技術(shù)失效時(shí)仍然能夠?yàn)橛脩舭l(fā)現(xiàn)有用的信息。因此，它具有十分重要的科研與產(chǎn)業(yè)價(jià)值。關(guān)鍵詞鄰近搜索方法大致可按所檢索的數(shù)據(jù)庫(kù)類型分為三類關(guān)系數(shù)據(jù)庫(kù)的，XML 數(shù)據(jù)庫(kù)的，和圖數(shù)據(jù)庫(kù)的。其中，關(guān)系數(shù)據(jù)庫(kù)的關(guān)鍵詞鄰近搜索方法幫助用戶查找包含給定關(guān)鍵詞的關(guān)系元組通過(guò)主外鍵關(guān)系所組成的連接網(wǎng)絡(luò)(Connected Network，CN)，它可利用關(guān)系數(shù)據(jù)庫(kù)的模式減小搜索空間，還可利用RDBMS的SQL執(zhí)行引擎來(lái)做查詢優(yōu)化；XML數(shù)據(jù)庫(kù)的關(guān)鍵詞鄰近搜索方法幫助用戶查找以包含給定關(guān)鍵詞的XML標(biāo)簽的最低公共祖先 (Lowest Common Ancestor, LCA)為根的樹，它可利用XML標(biāo)簽的Dewey編碼來(lái)提高搜索速度；而圖數(shù)據(jù)庫(kù)的關(guān)鍵詞鄰近搜索方法則是用于對(duì)真正的圖結(jié)構(gòu)數(shù)據(jù)進(jìn)行檢索，它主要依靠一些圖搜索算法來(lái)實(shí)現(xiàn)，相對(duì)于前兩類方法技術(shù)還不成熟(參見(jiàn)文獻(xiàn)1-4)。面向圖數(shù)據(jù)的關(guān)鍵詞鄰近搜索本質(zhì)上類似于圖論中的經(jīng)典NP完全問(wèn)題——組 Steiner樹(Group Steiner Tree, GST)問(wèn)題，但是復(fù)雜度更高，一般采用啟發(fā)式算法予以解決?，F(xiàn)有的算法的公共思想是先將所有包含了給定關(guān)鍵詞的匹配節(jié)點(diǎn)加入到一個(gè)被稱為“前線”的集合當(dāng)中，然后迭代地從前線中挑選節(jié)點(diǎn)進(jìn)行訪問(wèn)，每訪問(wèn)一個(gè)節(jié)點(diǎn)，就把它的所有未訪問(wèn)的鄰居節(jié)點(diǎn)都加入到前線中來(lái)。如果當(dāng)前訪問(wèn)的節(jié)點(diǎn)是沿從某個(gè)關(guān)鍵詞的匹配節(jié)點(diǎn)出發(fā)的路徑而到達(dá)，則它與該關(guān)鍵詞相連，如果當(dāng)前訪問(wèn)的節(jié)點(diǎn)與查詢中所有的關(guān)鍵詞相連，則找到一棵以它為根節(jié)點(diǎn)、以各個(gè)關(guān)鍵詞的匹配節(jié)點(diǎn)為葉子節(jié)點(diǎn)的連接樹，作為搜索的結(jié)果保存起來(lái)。如果這棵連接樹被其它找到的連接樹完全覆蓋，則這棵連接樹會(huì)被放棄，也就是說(shuō)，只有最小連接樹才會(huì)被保留。當(dāng)最好的k個(gè)最小連接樹被找到后，搜索停止， 輸出top-k答案。為了提高面向圖數(shù)據(jù)的關(guān)鍵詞鄰近搜索的速度，最近有人提出了一種基于圖索引的方法首先定義了一種無(wú)權(quán)重圖的r-半徑子圖，即以圖中某一個(gè)節(jié)點(diǎn)為中心，包含所有從中心出發(fā)r跳內(nèi)可達(dá)的節(jié)點(diǎn)，及這些節(jié)點(diǎn)之間所有的邊；找出圖中所有的最大r-半徑子圖，即不會(huì)被其它子圖完全覆蓋的子圖，建立關(guān)鍵詞與子圖間的倒排索引；搜索時(shí)找到所有包含了查詢中全部關(guān)鍵詞的匹配子圖，為每一個(gè)匹配子圖生成一個(gè)由其中所有包含了關(guān)鍵詞的節(jié)點(diǎn)以及它們之間的所有路徑組成的子圖(稱為Steiner圖)作為查詢結(jié)果。這種方法還是存在很多問(wèn)題。首先，一個(gè)Reiner圖并不是一個(gè)合理的查詢答案，因?yàn)樗诉^(guò)多的信息，與最小連接樹相比讓用戶無(wú)法準(zhǔn)確從中識(shí)別有用的信息，另外各個(gè)Meiner圖之間重復(fù)信息太多，大部分答案都沒(méi)有意義。其次，還有一些技術(shù)性難題沒(méi)有解決，主要包括r-半徑子圖在沒(méi)有大小上界限定的情況下可能會(huì)非常的大，根據(jù)我們對(duì)實(shí)際數(shù)據(jù)的調(diào)查，當(dāng)子圖過(guò)大時(shí)會(huì)使得整個(gè)方法都失效，查詢速度反而更慢；關(guān)鍵詞到子圖的這種簡(jiǎn)單的圖索引結(jié)構(gòu)比較低效，因?yàn)椴樵兲幚碇羞€需要知道包含了關(guān)鍵詞的節(jié)點(diǎn)，以及節(jié)點(diǎn)與子圖間的映射關(guān)系等信息，多次索引查詢?cè)斐闪舜疟PI/O的次數(shù)增加，直接導(dǎo)致了性能下降(參見(jiàn)文獻(xiàn)5)。文獻(xiàn) 1 -S. Li and etc. Retrieving and organizing web pages by “information unit" . In Wffff Conference Proceedings, pages 230-244,2001 ；文獻(xiàn) 2 :G. Bhalotia and etc. Keyword searching and browsing in databases using banks. In ICDE Conference Proceedings, pages 431-440,2002 ；文獻(xiàn)3 :V. Kacholia and etc. Bidirectional expansion for keyword search on graph databases. In SIGMOD Conference Proceedings, pages 505-516,2005 ；文獻(xiàn)4:H.He and etc. Blinks :Ranked keyword searches on graphs. In SIGMOD Conference Proceedings, pages 305-316,2007文獻(xiàn) 5 :G. Li, B. C. Ooi, J. Feng, J. Wang, and L. Zhou. Ease :an effective 3-in-l keyword search method for unstructured, semi-structured and structured data. In SIGMOD Conference Proceedings, pages 903-914，2008.

發(fā)明內(nèi)容
針對(duì)上述存在的技術(shù)問(wèn)題，本發(fā)明的目的是提供一種基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法，以極大地提高面向圖數(shù)據(jù)庫(kù)的關(guān)鍵詞鄰近搜索效率。為達(dá)到上述目的，本發(fā)明采用如下的技術(shù)方案一種基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法，包括線下的索引構(gòu)建步驟和線上的搜索步驟所述的線下的索引構(gòu)建步驟包括以下子步驟①為無(wú)向有權(quán)重圖G = (V, E，w)定義了一種d-距離子圖；②給定子圖中節(jié)點(diǎn)個(gè)數(shù)上界B，采用一種不完整的Dijkstra算法來(lái)生成以圖中某一節(jié)點(diǎn)為中心的d-距離子圖；③對(duì)已生成的子圖進(jìn)行過(guò)濾，保證所有最終得到的子圖都不被其它子圖完全覆蓋；④將得到的最大d-距離子圖都保存在子圖庫(kù)中，并構(gòu)建從節(jié)點(diǎn)到子圖的索引；⑤設(shè)計(jì)一種d-距離圖索引結(jié)構(gòu)，每個(gè)關(guān)鍵詞的索引條目包括了所有包含該關(guān)鍵詞的d-距離子圖的id，以及每個(gè)子圖中包含了該關(guān)鍵詞的節(jié)點(diǎn)id的集合；⑥將d-距離圖索引按解釋型方式存儲(chǔ)；所述線上的搜索步驟包括以下子步驟①將圖中所有的邊都以十字鏈表的結(jié)構(gòu)常駐在內(nèi)存中；
②給定關(guān)鍵詞查詢，在圖索引中檢索，找出所有匹配子圖及其匹配節(jié)點(diǎn)集合；③組合所有匹配子圖，得到組合子圖；④使用搜索算法在組合子圖中進(jìn)行搜索并輸出top-k答案。所述d-距離子圖給定一個(gè)期望距離d，對(duì)于圖中任一節(jié)點(diǎn)ν e V，以ν為中心的 d-距離子圖為Gvd=(rvd,￡vd)，其中，圖中節(jié)點(diǎn)μ e C當(dāng)且僅當(dāng)u與ν的距離不大于d，圖中邊當(dāng)且僅當(dāng)Kd且u,Vvd ο所述最大d-距離子圖為當(dāng)且僅當(dāng)它不會(huì)被任何其它d-距離子圖所覆蓋，它的節(jié)點(diǎn)集合不是任何其它d-距離子圖的節(jié)點(diǎn)集合的真子集。對(duì)每個(gè)新生成的d-距離子圖都要進(jìn)行最大化處理，包括以下步驟先將已生成的最大d-距離子圖放入集合M，然后逐個(gè)取出與新生成的d-距離子圖作比較，直到M為空或發(fā)現(xiàn)新生成的子圖不是最大的或與某個(gè)已有子圖相同；如果新子圖是最大的且不與任何已有子圖相同，那么將它加入到最大d-距離子圖集合中；在此過(guò)程中，如果發(fā)現(xiàn)已有的子圖被新子圖覆蓋，則將這個(gè)子圖從最大d-距離子圖集合中移除。最終的最大d-距離子圖的生成步驟為對(duì)圖數(shù)據(jù)庫(kù)的節(jié)點(diǎn)集合V中的每一個(gè)節(jié)點(diǎn)，先調(diào)用生成函數(shù)來(lái)生成以此節(jié)點(diǎn)為中心的d-距離子圖，然后調(diào)用最大化函數(shù)來(lái)實(shí)現(xiàn)所有已生成的子圖都是最大的，在遍歷V中所有節(jié)點(diǎn)后算法停止，返回最大d-距離子圖集合。在d-距離圖索引的邏輯結(jié)構(gòu)中，一個(gè)關(guān)鍵詞k的入口項(xiàng)結(jié)構(gòu)為集合{(K·)}，其中，Si是包含了關(guān)鍵詞k的最大d-距離子圖，K/·是子圖中包含了關(guān)鍵詞k的節(jié)點(diǎn)集合。所述線上的搜索步驟中的搜索算法為圖的關(guān)鍵詞鄰近搜索算法，包括通過(guò)查d-距離圖索引，獲得包含各個(gè)關(guān)鍵詞的子圖集合與每個(gè)子圖中包含某個(gè)關(guān)鍵詞的節(jié)點(diǎn)集合；通過(guò)計(jì)算各個(gè)關(guān)鍵詞的子圖集合的交集，得到關(guān)鍵詞查詢的匹配子圖集合，這些匹配子圖中可能包含了關(guān)鍵詞查詢的最優(yōu)答案集合；調(diào)用子圖組合函數(shù)來(lái)得到真正需要進(jìn)行搜索的組合子圖，組合子圖是圖G的一個(gè)子圖，其節(jié)點(diǎn)數(shù)與邊數(shù)一般情況下遠(yuǎn)小于圖G，而且在組合子圖中搜索可以避免在多個(gè)匹配子圖中分別搜索時(shí)所可能存在的因子圖重疊而導(dǎo)致的性能下降問(wèn)題；調(diào)用搜索函數(shù)在組合子圖中尋找top-k答案，最后返回查詢結(jié)果。本發(fā)明具有以下優(yōu)點(diǎn)和積極效果1)本發(fā)明通過(guò)將搜索目標(biāo)從一個(gè)完整的圖縮小為一組大小有限的子圖，可極大地提高搜索的效率；2)本發(fā)明通過(guò)建立圖索引，可以迅速地為一個(gè)關(guān)鍵詞查詢定位那些包含了這個(gè)查詢的所有關(guān)鍵詞的匹配子圖，即包含了其部分最佳答案的那些子圖；通過(guò)子圖虛擬組合方法，可以快速地將所有匹配子圖組合成一個(gè)圖，從而消除了匹配子圖的重疊對(duì)搜索性能的不利影響；3)本發(fā)明通過(guò)使用一個(gè)支持現(xiàn)有最佳搜索策略的算法，可以高效地從組合子圖中找到top-k答案。


圖1是本發(fā)明中子圖生成函數(shù)流程圖。
圖2是本發(fā)明中子圖最大化函數(shù)流程圖。
圖3是本發(fā)明中最大d-距離子圖生成算法流程圖。
圖4是本發(fā)明中d-距離子圖。
圖5是本發(fā)明中V-S輔助索引圖。
圖6是本發(fā)明中三合一圖索引的邏輯形式圖。
圖7是本發(fā)明中三合一圖索引的物理形式圖。
圖8是本發(fā)明中關(guān)鍵詞鄰近搜索主函數(shù)的程序框圖。
圖9是本發(fā)明中子圖組合函數(shù)流程圖。
圖10是本發(fā)明中搜索函數(shù)流程圖。
圖11是本發(fā)明中節(jié)點(diǎn)訪問(wèn)函數(shù)流程圖。
圖12是本發(fā)明中嘗試終止函數(shù)流程圖。
具體實(shí)施例方式1、理論基礎(chǔ)在圖上的關(guān)鍵詞鄰近搜索的過(guò)程為給定一個(gè)用戶的關(guān)鍵詞查詢{k1; k2, . . . kj， 令所有包含了查詢中關(guān)鍵詞kjl < i < 1)的節(jié)點(diǎn)的集合為Mi,稱之為關(guān)鍵詞Iii的匹配節(jié)點(diǎn)集；使用某種啟發(fā)式算法，從各個(gè)關(guān)鍵詞的匹配節(jié)點(diǎn)集出發(fā)，迭代地探索圖中的節(jié)點(diǎn)，如果某個(gè)被訪問(wèn)的節(jié)點(diǎn)與所有關(guān)鍵詞的匹配節(jié)點(diǎn)都有已知路徑相連，那么就生成以這個(gè)節(jié)點(diǎn)為根節(jié)點(diǎn)的一棵最小連接樹，如果它沒(méi)有被其它已生成的答案樹所覆蓋，那么將它做為一棵答案樹保存起來(lái)；當(dāng)已發(fā)現(xiàn)了 k個(gè)答案樹，并且滿足了收斂條件，即不會(huì)再發(fā)現(xiàn)比目前最好的k個(gè)答案樹更好的答案樹，則終止搜索?，F(xiàn)有的相關(guān)方法一般采取兩種方式對(duì)此過(guò)程進(jìn)行優(yōu)化通過(guò)改進(jìn)啟發(fā)式的搜索算法來(lái)提高效率，比如強(qiáng)制輪流從各個(gè)關(guān)鍵詞的匹配節(jié)點(diǎn)集去探索未知節(jié)點(diǎn)，從而避免搜索過(guò)程停滯在某些度特別大的“hub”節(jié)點(diǎn)上；或者使用索引技術(shù)，對(duì)搜索過(guò)程中某些步驟進(jìn)行預(yù)計(jì)算，然后物化在索引中，從而在搜索時(shí)可以通過(guò)查詢索引來(lái)減少計(jì)算量，提高了搜索效率。而我們提出的基于圖索引的方法則是首次使用了縮小搜索空間的方式，通過(guò)預(yù)測(cè) top-k查詢結(jié)果在圖中所處的區(qū)域(子圖)，將搜索過(guò)程限定在這些區(qū)域內(nèi)，從而極大地提高了搜索效率。首先，定義關(guān)鍵詞查詢{k1; k2,. . . kx}的答案一最小連接樹T的評(píng)分函數(shù)score 為
權(quán)利要求
1.一種基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法，包括線下的索引構(gòu)建步驟和線上的搜索步驟，其特征在于所述的線下的索引構(gòu)建步驟包括以下子步驟①為無(wú)向有權(quán)重圖G= (V, E，w)定義了一種d-距離子圖；②給定子圖中節(jié)點(diǎn)個(gè)數(shù)上界B，采用一種不完整的Dijkstra算法來(lái)生成以圖中某一節(jié)點(diǎn)為中心的d-距離子圖；③對(duì)已生成的子圖進(jìn)行過(guò)濾，保證所有最終得到的子圖都不被其它子圖完全覆蓋；④將得到的最大d-距離子圖都保存在子圖庫(kù)中，并構(gòu)建從節(jié)點(diǎn)到子圖的索引；⑤設(shè)計(jì)一種d-距離圖索引結(jié)構(gòu)，每個(gè)關(guān)鍵詞的索引條目包括了所有包含該關(guān)鍵詞的 d-距離子圖的id，以及每個(gè)子圖中包含了該關(guān)鍵詞的節(jié)點(diǎn)id的集合；⑥將d-距離圖索引按解釋型方式存儲(chǔ)； 所述線上的搜索步驟包括以下子步驟①將圖中所有的邊都以十字鏈表的結(jié)構(gòu)常駐在內(nèi)存中；②給定關(guān)鍵詞查詢，在圖索引中檢索，找出所有匹配子圖及其匹配節(jié)點(diǎn)集合；③組合所有匹配子圖，得到組合子圖；④使用搜索算法在組合子圖中進(jìn)行搜索并輸出top-k答案。
2.根據(jù)權(quán)利要求1所述的基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法，其特征在于 所述d-距離子圖給定一個(gè)期望距離d，對(duì)于圖中任一節(jié)點(diǎn)ν e V，以ν為中心的d-距離子圖為g=(廠ΛΟ，其中，圖中節(jié)點(diǎn)當(dāng)且僅當(dāng)1!與￥的距離不大于d，圖中邊當(dāng)且僅當(dāng) ^eKd且 u,Vvd。
3.根據(jù)權(quán)利要求1所述的基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法，其特征在于 所述最大d-距離子圖為當(dāng)且僅當(dāng)它不會(huì)被任何其它d-距離子圖所覆蓋，它的節(jié)點(diǎn)集合不是任何其它d-距離子圖的節(jié)點(diǎn)集合的真子集。
4.根據(jù)權(quán)利要求1或3所述的基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法，其特征在于，對(duì)每個(gè)新生成的d-距離子圖都要進(jìn)行最大化處理，包括以下步驟先將已生成的最大d-距離子圖放入集合M，然后逐個(gè)取出與新生成的d-距離子圖作比較，直到M為空或發(fā)現(xiàn)新生成的子圖不是最大的或與某個(gè)已有子圖相同；如果新子圖是最大的且不與任何已有子圖相同，那么將它加入到最大d-距離子圖集合中；在此過(guò)程中，如果發(fā)現(xiàn)已有的子圖被新子圖覆蓋，則將這個(gè)子圖從最大d-距離子圖集合中移除。
5.根據(jù)權(quán)利要求4所述的基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法，其特征在于， 最終的最大d-距離子圖的生成步驟為對(duì)圖數(shù)據(jù)庫(kù)的節(jié)點(diǎn)集合V中的每一個(gè)節(jié)點(diǎn)，先調(diào)用生成函數(shù)來(lái)生成以此節(jié)點(diǎn)為中心的 d-距離子圖，然后調(diào)用最大化函數(shù)來(lái)實(shí)現(xiàn)所有已生成的子圖都是最大的，在遍歷V中所有節(jié)點(diǎn)后算法停止，返回最大d-距離子圖集合。
6.根據(jù)權(quán)利要求1所述的基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法，其特征在于 在d-距離圖索引的邏輯結(jié)構(gòu)中，一個(gè)關(guān)鍵詞k的入口項(xiàng)結(jié)構(gòu)為集合{以,0)}，其中，Si是包含了關(guān)鍵詞k的最大d-距離子圖，K/·是子圖中包含了關(guān)鍵詞k的節(jié)點(diǎn)集合。
7.根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法，其特征在于，所述線上的搜索步驟中的搜索算法為圖的關(guān)鍵詞鄰近搜索算法，包括通過(guò)查d-距離圖索引，獲得包含各個(gè)關(guān)鍵詞的子圖集合與每個(gè)子圖中包含某個(gè)關(guān)鍵詞的節(jié)點(diǎn)集合；通過(guò)計(jì)算各個(gè)關(guān)鍵詞的子圖集合的交集，得到關(guān)鍵詞查詢的匹配子圖集合，這些匹配子圖中可能包含了關(guān)鍵詞查詢的最優(yōu)答案集合；調(diào)用子圖組合函數(shù)來(lái)得到真正需要進(jìn)行搜索的組合子圖，組合子圖是圖G的一個(gè)子圖，其節(jié)點(diǎn)數(shù)與邊數(shù)一般情況下遠(yuǎn)小于圖G，而且在組合子圖中搜索可以避免在多個(gè)匹配子圖中分別搜索時(shí)所可能存在的因子圖重疊而導(dǎo)致的性能下降問(wèn)題； 調(diào)用搜索函數(shù)在組合子圖中尋找top-k答案，最后返回查詢結(jié)果。
全文摘要
本發(fā)明涉及數(shù)據(jù)庫(kù)關(guān)鍵詞搜索技術(shù)領(lǐng)域，尤其涉及一種基于圖索引的圖數(shù)據(jù)庫(kù)關(guān)鍵詞鄰近搜索方法。本發(fā)明包括線下的索引構(gòu)建步驟和線上的搜索步驟，線下的索引構(gòu)建步驟包括為有權(quán)重圖G＝(V，E，w)定義了一種d-距離子圖，采用一種不完整的Dijkstra算法來(lái)生成以圖中某一節(jié)點(diǎn)為中心的d-距離子圖，得到的最大d-距離子圖都保存在子圖庫(kù)中，并構(gòu)建從節(jié)點(diǎn)到子圖的索引，設(shè)計(jì)一種d-距離圖索引結(jié)構(gòu)，將d-距離圖索引按解釋型方式存儲(chǔ)，線上的搜索步驟使用搜索算法在組合子圖中進(jìn)行搜索并輸出top-k答案。本發(fā)明通過(guò)將搜索目標(biāo)從一個(gè)完整的圖縮小為一組大小有限的子圖，可極大地提高搜索的效率。
文檔編號(hào)G06F17/30GK102163218SQ201110074569
公開(kāi)日2011年8月24日 申請(qǐng)日期2011年3月28日 優(yōu)先權(quán)日2011年3月28日
發(fā)明者劉夢(mèng)赤, 桑雷, 汪帥, 鐘鳴 申請(qǐng)人:武漢大學(xué)