一种面向中文资料的关键词检索方法与流程

1.本发明属于信息检索技术领域，特别涉及一种面向中文资料的关键词检索方法。


背景技术：

2.随着互联网数据量越来越大，用户从大数据中检索相关数据的时间越来越长。公开号为cn103631960a的中国专利申请，公开了一种中文词条检索方法，其通过http/get/post接口输入中文词条，分词系统介入，对用户检索的关键词进行分词。但是，其具有以下不足：
3.第一，其并未对原始材料进行预处理，导致检索量过大，且检索方向趋于盲目。
4.第二，其分词之后，并未对于关键词之间的相似程度进行分析，难以应用于实际的检索过程。
5.第三，该方案在处理大量资料时，运算效率不如hadoop架构。
6.hadoop架构，以mapreduce以及hdfs分散式档案系统为两大核心，利用分散式的平行运算，处理大量资料的运算。公开号为cn104408034a的中国专利申请，公开了一种面向文本大数据的中文分词方法，其采用mapreduce计算模型进行中文分词，有效的提高了分词的准确度。但是，该方案，仅作了分词处理，并未对mapreduce计算模型如何进行词频计算给出具体的方案。


技术实现要素：

7.鉴于上述现有技术的不足之处，本发明的目的在于提供一种面向中文资料的关键词检索方法。
8.为了达到上述目的，本发明采取了以下的技术方案。
9.一种面向中文资料的关键词检索方法，包括以下步骤：
10.步骤s1，中文资料的预处理：对中文资料进行预先处理，将其处理成适用于mapreduce计算模型的格式；
11.步骤s2，词频的计算：
12.步骤s201，将中文资料储存至hdfs，hdfs将中文资料分割成固定大小的资料区块。
13.步骤s202，inputformat组件，把资料区块上的资料通过recordreader组件，对每一笔资料的内容进行处理，产生输入到mapper组件运算的键值对(key1，value1)形式，key1值为资料的偏移量，value1值为资料的内容；
14.步骤s203，mapper组件，将输入的键值对(key1，value1)，取出value1值当中的文件编号和字词部分，组合起来当做输出的key2值，key2值对应的value2值为1，输出键值对(key2，value2)；每个键值对(key2，value2)，经过shuffle组件与sort组件，若键值对存在相同的key2，则将其对应的value2值进行合并并依照其值的大小排序形成value2’，然后输出键值对(key2，value2’)；
15.步骤s204，reducer组件，就每个输入的键值对(key2，value2’)的进行计算：将
key2值所对应的value2’全部相加后得到value3，key2＝value3；然后输出成键值对(key3，value3)；此时value3表示词频；
16.步骤s205，outputformat组件，通过recordwriter组件将每个键值对key3和value3的结果输出成文字档并存放至hdfs当中；
17.步骤s3，词频权重的计算：计算词频权重，选取词频权重高于预设阈值的字词，作为文件最具代表性的字词；
18.步骤s4，中文信息检索：将使用者输入的关键字与代表文件的关键字或完整的文件内容进行比对，检索出与使用者输入的关键字相关的文件。
19.进一步，步骤s1，包括以下步骤：
20.步骤s101，符号代换：将中文资料中含有中文断词系统无法辨识的标点符号，取代成正常判别的符号；
21.步骤s102，断字断词处理：中文资料通过中文断词系统进行断字断词处理，得到有意义且标注其词性的字词；
22.步骤s103，词性合并：对于断字断词处理后的字词，将相同或者相近的字词进行合并处理；
23.步骤s104，删除停用字：删除经过断字断词处理后具无意义的字词，包括感叹词、语助词和标点符号词性的字词；
24.步骤s105，同义字过滤：利用同义字数据库进行比对后将多余的同义字过滤。
25.进一步，步骤s3中，词频权重公式：
26.其中，w
ij
为字词i在文件j中的权重；tf
ij
为字词i在文件j的词频；df
ij
为字词i出现在所有文件的文件数目，n为所有文件的数目。
27.进一步，步骤s3，包括以下步骤：
28.步骤s301，从hdfs中取出文字档；
29.步骤s302，inputformat组件，把资料区块上的资料通过recordreader组件，对每一笔资料的内容进行处理，产生输入到mapper组件运算的键值对(key1，value1)形式，key1值为资料的偏移量，value1值为资料的内容；
30.步骤s303，mapper组件，将输入的键值对(key1，value1)，取出value1值当中的字词部分作为输出的key2值，key2值对应的value2值为文件编号、词频和1；每个键值对(key2，value2)，经过shuffle组件与sort组件，若键值对存在相同的key2，则将其对应的value2值进行合并并依照其值的大小排序形成value2’，然后输出键值对(key2，value2’)；
31.步骤s304，reducer组件，就每个输入的键值对(key2，value2’)读取其文件总数，然后对每个value2’，将1的部分加总后得到文件数目df
ij
，然后计算词频权重w
ij
；
32.将字词作为key3，将文件编号、词频tf
ij
、文件数目df
ij
和词频权重w
ij
作为value3。
33.进一步，步骤s4，包括以下步骤：
34.步骤s401，关键字检索，将使用者输入的关键字和代表文件的关键字，进行相似度计算，检索出与使用者输入关键字相关的文件；
35.使用者输入的关键字和代表文件的关键字相似度计算公式：
[0036][0037][0038]
其中，sim(a,b)为a、b两个关键字的相似度，a
la
为使用者输入的关键字a的数量，b
la
为代表文件的关键字b的数量，(a∪b)
la
为同时为使用者输入d关键字a与代表文件的关键字b的数量，a
la-b
la
为使用者输入的关键字a的数量减掉同时属于代表文件的关键字b的数量，b
la-a
la
为代表文件的关键字b的数量减掉同时属于使用者输入的关键字a的数量，α值则会随着a
la
及b
la
的数值多少而有所不同。
[0039]
进一步，步骤s4，还包括：
[0040]
步骤s402，全文检索，将使用者输入的关键字和完整的文件内容，进行相似度计算，检索出与使者用输入关键字相关的文件；
[0041]
使用者输入的关键字和文件内容的相似度计算公式：
[0042][0043]
其中，sim(q,d)为使用者输入的关键字与文件内容的相似度，n为使用者输入的关键字的数量，m为文件内容中含有使用者输入的关键字的数量，ai为文件内容中含有第i个使用者的关键字的数量，为文件内容中含有的关键字的数量总和，max为取最大值。
[0044]
本方案，具有以下优点：
[0045]
第一，对中文资料进行了预处理，方便后续的关键字的提取以及比对，确定了比对方向，删除了多余信息，提升运行效率。
[0046]
第二，确定了使用者输入的关键字和代表文件的关键字相似度，以及使用者输入的关键字和文件内容的相似度。由于不同的检索方式可能会检索出不同结果，因此，本方案，使得检索覆盖范围更广，降低了漏检率。
[0047]
第三，本方案，使用了mapreduce计算模型，有利于用户自身搭建检索平台，而不是依赖于网络公开的检索工具，从而增加资料的保密性。同时，依赖于hadoop对于大量资料处理的能力，提升检索的效率。
附图说明
[0048]
图1是中文资料的预处理的流程图；
[0049]
图2是mapreduce计算模型的流程图。
具体实施方式
[0050]
下面结合附图，对本发明作进一步详细说明。
[0051]
mapreduce计算模型：mapreduce是google提出的一种实现分布式并行计算任务的通用软件框架，它简化了由普通计算机组成的超大集群上的并行软件编程模式，可用于大
规模数据集的并行计算。
[0052]
hadoop分布式文件系统：hadoop是一个由apache基金会所开发的分布式系统基础架构。hadoop的框架最核心的设计就是：hdfs(hadoop distributedfile system)和mapreduce。hdfs为海量的数据提供了存储，而mapreduce为海量的数据提供了计算。
[0053]
本发明的主要步骤是对海量文本数据的进行中文分词，使用ubuntu作业系统和apache hadoop进行中文资料检索进行开发，将词频的计算任务分配到不同的任务处理结点，并对相应的结果进行相关处理之后写入hdfs。
[0054]
一种面向中文资料的关键词检索方法，包括以下步骤：
[0055]
步骤s1，中文资料的预处理：
[0056]
中文句子是由一串无间格的字所组成。然而，对句子语法分析和理解的基本单位是词，因此处理中文句子的第一步便是辨识出词。
[0057]
对中文资料进行预先处理，将其处理成适用于后续的计算模型(mapreduce)的格式。中文资料的预处理，包含符号代换、断字断词处理、词性合并、删除停用字与同义字过滤五个步骤。图1是中文资料的预处理的流程图；如图1所示。
[0058]
步骤s101，符号代换：将中文资料中含有中文断词系统(例如采用开源的断词、词性标注、实体辨识系统ckip)无法辨识的标点符号，取代成其他可正常判别的符号(例如符号
“‑”
)，避免影响断字断词的质量。例如：符号“—”，在中文断词系统ckip中无法识别，将其代换成符号
“‑”
。
[0059]
步骤s102，断字断词处理：中文资料通过中文断词系统进行断字断词处理，得到有意义且标注其词性的字词，而利用字词的词性便可继续后续词性合并及删除停用字等处理。
[0060]
步骤s103，词性合并：对于断字断词处理后的字词，将相同或者相近的字词进行合并处理，减少断词后产生语意不符的问题。经由断字断词处理后，原先一些专有名词会被断词成多个字词，失去了原本的含义。例如，合并前字词：a+b；合并后字词：a。实例:信托+股票
→
信托。根据词性合并规则资料库，对相同或者相近的字词作出判断。
[0061]
步骤s104，删除停用字：删除经过断字断词处理后具无意义的字词，包括感叹词、语助词和标点符号词性的字词(例如之乎者也)。
[0062]
步骤s105，同义字过滤：利用同义字数据库进行比对后将多余的同义字过滤。由于同义字为不同的字词但是可能存在相同的意义，若不将同义字进行过滤，在后续关键字提取时，可能同时提取出意思相近的关键字，例如：显示器和荧幕。
[0063]
步骤s2，词频的计算。
[0064]
中文资料前处理的主目的是将中文资料进行预先处理，将其处理成后续使用于mapreduce计算模型的格式。
[0065]
mapreduce计算模型，用于处理及生成大量资料集的相关实现。使用者可以指定一个map函数处理一个键值对(key/value pair)，产生数个中间键值对，再由reduce函数合并具有同样中间键的所有中间值。
[0066]
图2是mapreduce计算模型的流程图，如图2所示，mapreduce计算模型，包括以下阶段：
[0067]
步骤s201，将中文资料储存至hdfs，hdfs将中文资料分割成固定大小的资料区块
(split)。
[0068]
步骤s202，inputformat组件(逻辑分片)，把资料区块上的资料通过recordreader组件(记录读取器)，对每一笔资料的内容进行处理，产生输入到mapper组件运算的键值对(key1，value1)形式，key1值为资料的偏移量，value1值为资料的内容。
[0069]
例如，文档中，某行的内容为“1107”“20-41”“电脑”“na”，进行处理后，以键值对(0，“1107”“20-41”“电脑”“na”)形式输入至mapper组件。
[0070]
步骤s203，mapper组件，将输入的键值对(key1，value1)，取出value1值当中的文件编号和字词部分，组合起来当做输出的key2值，key2值对应的value2值为1，输出键值对(key2，value2)；每个键值对(key2，value2)，经过shuffle组件与sort组件，若键值对存在相同的key2，则将其对应的value2值进行合并并依照其值的大小排序形成value2’，然后输出键值对(key2，value2’)。
[0071]
例如，mapper组件，将输入的键值对(0，“1107”“20-41”“电脑”“na”)，取出value1值当中的文件编号和字词部分，组合起来当做输出的key2值，其对应的value2值为1，输出(key2，value2)，即(“20-41”“电脑”，1)。
[0072]
mapper组件输出有量两笔(“20-41”“电脑”，1)，则经过shuffle组件与sort组件，将相同的key2值进行合并，输出为(“20-41”“电脑”，[1，1])。
[0073]
步骤s204，reducer组件，对每个输入的键值对(key2，value2’)进行计算：将key2值所对应的value2’全部相加后得到value3，key2＝value3；然后输出成键值对(key3，value3)；此时value3表示词频。
[0074]
例如，(“20-41”“电脑”，[1，1])输入到reducer组件计算后，输出(“20-41”“电脑”，2)。
[0075]
步骤s205，outputformat组件，通过recordwriter组件将每个键值对key3和value3的结果输出成文字档并存放至hdfs当中。
[0076]
步骤s3，词频权重的计算。
[0077]
计算词频权重，评估字词在中文资料中的重要程度；选取词频权重高于预设阈值的字词，作为文件最具代表性的字词。
[0078]
步骤s301，从hdfs中取出文字档。
[0079]
步骤s302，inputformat组件(逻辑分片)，把资料区块上的资料通过recordreader组件(记录读取器)，对每一笔资料的内容进行处理，产生输入到mapper组件运算的键值对(key1，value1)形式，key1值为资料的偏移量，value1值为资料的内容。
[0080]
例如，文字档中某行的内容为“20-41”“电脑”，2，处理后的键值对为(0，[“20-41”“电脑”，2])。
[0081]
步骤s303，mapper组件，将输入的键值对(key1，value1)，取出value1值当中的字词部分作为输出的key2值，key2值对应的value2值为文件编号、词频和1；
[0082]
例如：将(0，[“20-41”“电脑”，2])的键值对(key1，value1)输入至mapper运算后，输出(“电脑”，[“20-41”21])作为键值对(key2，value2)，并将文件总数附加在输出内容中。
[0083]
每个键值对(key2，value2)，经过shuffle组件与sort组件，若键值对存在相同的key2，则将其对应的value2值进行合并并依照其值的大小排序形成value2’，然后输出键值对(key2，value2’)。
[0084]
例如：mapper组件输出有量两笔(“电脑”，[“20-41”21])，经过shuffle组件与sort组件，将相同的key2值进行合并，输出为(“电脑”，[“20-41”21，“20-41”21])。
[0085]
步骤s304，reducer组件，就每个输入的键值对(key2，value2’)读取其文件编号，然后对每个value2’，将1的部分加总后得到文件数目df
ij
，然后计算词频权重公式：
[0086]
其中，w
ij
为字词i在文件j中的权重；tf
ij
为字词i在文件j的词频；df
ij
为字词i出现在所有文件的文件数目，n为所有文件的数目。词频，是一个字词在某篇文件中出现的次数；反转词频，是此字词在所有文件中出现次数的倒数。当某一个字词的词频越高，表示此字词对文件的代表性越高。但是某些字词，如你、我及他等，这类字词的词频高，也经常出现在其他文件中，但这类字词不具任何代表性。故需要计算某字词在所有文件中出现的次数，若此字词在某篇文件中出现的次数较多，而在所有文件中出现次数较少，则其具有代表性。
[0087]
将字词作为key3，将文件编号、词频tf
ij
、文件数目df
ij
和词频权重w
ij
作为value3。
[0088]
例如，(“电脑,[“20-41”21,“20-41”21])这笔纪录输入至reduce运算后，便得到结果(“计算机”,“20-14”224.15888)的输出结果(key3，value3)。
[0089]
步骤s4，中文信息检索。将使用者输入的关键字与代表文件的关键字或完整的文件内容进行比对，检索出与使用者输入的关键字相关的文件。
[0090]
步骤s401，关键字检索，将使用者输入的关键字和代表文件的关键字，进行相似度计算，检索出与使用者输入关键字相关的文件。
[0091]
使用者输入的关键字和代表文件的关键字相似度计算公式：
[0092][0093][0094]
其中，sim(a,b)为a、b两个关键字的相似度，a
la
为使用者输入的关键字a的数量，b
la
为代表文件的关键字b的数量，(a∪b)
la
为同时为使用者输入的关键字a与代表文件的关键字b的数量，a
la-b
la
为使用者输入的关键字a的数量减掉同时属于代表文件的关键字b的数量，b
la-a
la
为代表文件的关键字b的数量减掉同时属于使用者输入的关键字a的数量，中间值α值则会随着a
la
及b
la
的数值多少而有所不同。
[0095]
步骤s402，全文检索，将使用者输入的关键字和完整的文件内容，进行相似度计算，检索出与使者用输入关键字相关的文件。使用者输入检索的关键字同构全文检索，将其与完整的文件内容进行比对，便可检索与使用者输入关键字相关的文件。
[0096]
使用者输入的关键字和文件内容的相似度计算公式：
[0097][0098]
其中，sim(q，d)为使用者输入的关键字与文件内容的相似度，n为使用者输入的关
键字的数量，m为文件内容中含有使用者输入的关键字的数量，ai为文件内容中含有第i个使用者的关键字的数量，为文件内容中含有的关键字的数量总和，max为取最大值。
[0099]
对于步骤s1，中文资料经过中文资料前处理后，每笔资料内容由顺序编号、文件编号和文件内容的格式，处理成顺序编号、文件编号、字词、词性与同义字过滤前原始字词的格式，而将其结果转换成utf-8文字档之后，便可使用于词频权重计算与关键字提取。
[0100]
对于步骤s2和步骤s3，词频权重计算时，首先须将中文资料前处理结果储存至hdfs中，在终端机输入执行指令后开始执行，完成之后的输出结果会保存于hdfs当中，可将其下载成文字档，便可查看词频权重计算结果，其中每一笔资料内容为字词、文件编号、词频、文件数目与词频权重。
[0101]
对于步骤s401，执行关键字检索时，首先须将词频权重计算结果储存至hdfs中，在终端机输入执行指令，并在最后输入每篇文件要提取的关键字数量后开始执行，例如，每篇文件提取5个关键字，完成之后的输出结果会保存于hdfs当中，可将其下载成文字档，便可查看关键字提取结果，其中每一笔资料内容为文件编号、该篇文件的关键字编号、关键字与词频权重。
[0102]
对于步骤s402，全文检索执行时，采用hadoop中的mapreduce计算模型，首先须将中文资料储存至hdfs中，在终端机中输入执行指令，并在最后输入要检索的关键字，例如，关键字为社交网站、在线游戏与自我揭露等3个。全文检索完成之后，会保存于hdfs当中，可将其下载储存成文字档，便可查看全文检索结果。其中，每一笔资料由左至右为文件编号、使用者输入的关键字和文件内容的相似度。将使用者输入的关键字与代表文件的关键字或完整的文件内容进行比对，并依其相关程度排序，检索出与使用者输入的关键字相关的文件。
[0103]
输入相同的检索字词进行检索，不同的检索方式可能会检索出不同结果。原因为全文检索是以检索字词与完整的文件内容进行比对，只要检索字词与文件内容中有相符时，便会将检索出该文件。关键字检索则是以检索字词与代表文件的关键字，即关键字提取结果进行比对，若检索字词与关键字提取结果不符，便不会检索出该文件。
[0104]
以471篇中文论文作为实验资料，而实验评估分成仅使用实验资料关键字进行检索、含有实验资料关键字没有的关键字进行检索及相关研究比较三个部分。实验结果显示，中文信息检索的检索表现，关键字检索平均精确率为99.29％。
[0105]
可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。

技术特征：
1.一种面向中文资料的关键词检索方法，其特征在于，包括以下步骤：步骤s1，中文资料的预处理：对中文资料进行预先处理，将其处理成适用于mapreduce计算模型的格式；步骤s2，词频的计算：步骤s201，将中文资料储存至hdfs，hdfs将中文资料分割成固定大小的资料区块；步骤s202，inputformat组件，把资料区块上的资料通过recordreader组件，对每一笔资料的内容进行处理，产生输入到mapper组件运算的键值对(key1，value1)形式，key1值为资料的偏移量，value1值为资料的内容；步骤s203，mapper组件，将输入的键值对(key1，value1)，取出value1值当中的文件编号和字词部分，组合起来当做输出的key2值，key2值对应的value2值为1，输出键值对(key2，value2)；每个键值对(key2，value2)，经过shuffle组件与sort组件，若键值对存在相同的key2，则将其对应的value2值进行合并并依照其值的大小排序形成value2’，然后输出键值对(key2，value2’)；步骤s204，reducer组件，对每个输入的键值对(key2，value2’)进行计算：将key2值所对应的value2’全部相加后得到value3，key2＝value3；然后输出成键值对(key3，value3)；此时value3表示词频；步骤s205，outputformat组件，通过recordwriter组件将每个键值对key3和value3的结果输出成文字档并存放至hdfs当中；步骤s3，词频权重的计算：计算词频权重，选取词频权重高于预设阈值的字词，作为文件最具代表性的字词；步骤s4，中文信息检索：将使用者输入的关键字与代表文件的关键字或完整的文件内容进行比对，检索出与使用者输入的关键字相关的文件。2.根据权利要求1所述的一种面向中文资料的关键词检索方法，其特征在于，步骤s1，包括以下步骤：步骤s101，符号代换：将中文资料中含有中文断词系统无法辨识的标点符号，取代成正常判别的符号；步骤s102，断字断词处理：中文资料通过中文断词系统进行断字断词处理，得到有意义且标注其词性的字词；步骤s103，词性合并：对于断字断词处理后的字词，将相同或者相近的字词进行合并处理；步骤s104，删除停用字：删除经过断字断词处理后具无意义的字词，包括感叹词、语助词和标点符号词性的字词；步骤s105，同义字过滤：利用同义字数据库进行比对后将多余的同义字过滤。3.根据权利要求2所述的一种面向中文资料的关键词检索方法，其特征在于，步骤s3中，词频权重公式：其中，w
ij
为字词i在文件j中的权重；tf
ij
为字词i在文件j的词频；df
ij
为字词i出现在所有文件的文件数目，n为所有文件的数目。4.根据权利要求3所述的一种面向中文资料的关键词检索方法，其特征在于，步骤s3，包括以下步骤：
步骤s301，从hdfs中取出文字档；步骤s302，inputformat组件，把资料区块上的资料通过recordreader组件，对每一笔资料的内容进行处理，产生输入到mapper组件运算的键值对(key1，value1)形式，key1值为资料的偏移量，value1值为资料的内容；步骤s303，mapper组件，将输入的键值对(key1，value1)，取出value1值当中的字词部分作为输出的key2值，key2值对应的value2值为文件编号、词频和1；每个键值对(key2，value2)，经过shuffle组件与sort组件，若键值对存在相同的key2，则将其对应的value2值进行合并并依照其值的大小排序形成value2’，然后输出键值对(key2，value2’)；步骤s304，reducer组件，就每个输入的键值对(key2，value2’)读取其文件编号，然后对每个value2’，将1的部分加总后得到文件数目df
ij
，然后计算词频权重w
ij
；将字词作为key3，将文件编号、词频tf
ij
、文件数目df
ij
和词频权重w
ij
作为value3。5.根据权利要求4所述的一种面向中文资料的关键词检索方法，其特征在于，步骤s4，包括以下步骤：步骤s401，关键字检索，将使用者输入的关键字和代表文件的关键字，进行相似度计算，检索出与使用者输入关键字相关的文件；使用者输入的关键字和代表文件的关键字相似度计算公式：使用者输入的关键字和代表文件的关键字相似度计算公式：其中，sim(a,b)为a、b两个关键字的相似度，a
la
为使用者输入的关键字a的数量，b
la
为代表文件的关键字b的数量，(a∪b)
la
为同时为使用者输入的关键字a与代表文件的关键字b的数量，a
la-b
la
为使用者输入的关键字a的数量减掉同时属于代表文件的关键字b的数量，b
la-a
la
为代表文件的关键字b的数量减掉同时属于使用者输入的关键字a的数量，α为中间值。6.根据权利要求5所述的一种面向中文资料的关键词检索方法，其特征在于，步骤s4，还包括：步骤s402，全文检索，将使用者输入的关键字和完整的文件内容，进行相似度计算，检索出与使者用输入关键字相关的文件；使用者输入的关键字和文件内容的相似度计算公式：其中，sim(q，d)为使用者输入的关键字与文件内容的相似度，n为使用者输入的关键字的数量，m为文件内容中含有使用者输入的关键字的数量，a
i
为文件内容中含有第i个使用者的关键字的数量，为文件内容中含有的关键字的数量总和，max为取最大值。

技术总结
一种面向中文资料的关键词检索方法，属于信息检索技术领域，包括以下步骤：步骤S1，中文资料的预处理。步骤S2，词频的计算。步骤S3，词频权重的计算。步骤S4，中文信息检索。本方案，对中文资料进行了预处理，方便后续的关键字的提取以及比对，确定了比对方向，删除了多余信息，提升运行效率，并采用MapReduce计算模型，将使用者输入的关键字与代表文件的关键字或完整的文件内容进行比对，并依其相关程度排序，检索出与使用者输入的关键字相关的文件。检索出与使用者输入的关键字相关的文件。检索出与使用者输入的关键字相关的文件。


技术研发人员：李文龙 吴代君 朱海洋 张国力
受保护的技术使用者：浙江数洋科技有限公司
技术研发日：2023.03.03
技术公布日：2023/7/19