CN107402927A - 一种基于图模型的企业关联关系拓扑建立方法及查询方法 - Google Patents

Abstract

本发明公开了一种基于图模型的企业关联关系拓扑建立方法，包括如下步骤：模型建立步骤：构建图数据模型，所述图数据模型的图数据结构包括节点、关系和属性，所述关系用于描述节点与节点之间的关联关系，所述节点与所述关系分别具有各自的属性；数据记录步骤：获取关联关系数据，输入所述图数据模型中；结构组建步骤：所述图数据模型根据所述关系将节点与节点之间建立关联，生成以图数据模型表示的关联关系拓扑。本发明还公开了一种基于图数据模型的图形化查询方法。

Description

一种基于图模型的企业关联关系拓扑建立方法及查询方法

技术领域

本发明属于计算机技术领域，尤其涉及一种基于图模型的企业关联关系拓扑建立方法及查询方法。

背景技术

图数据模型用图来存储数据，是最接近高性能的一种用于存储数据的数据结构方式之一。一个图由无数的节点和关系组成，最简单的图是单节点的，一个记录，记录了一些属性。一个节点可以包含若干属性，将数据用关系连接起来分布到不同节点上才是有意义的。关系将节点组织成任意的结构，允许一张图被组织成一个列表，一张地图，或者一个由关系高度关联的结构组成复杂的实体。但现有图数据模型通常仅仅建立和表达两个节点之间的关系，其无法满足三个或三个以上节点之间的关系表达的结构和难度。

图数据模型查询搜索通常使用Dijkstra最短路径算法。最短路径算法是一种求单源、无负权的最短路，其具有时效性较好等特点。最短路径算法所用的时间复杂度为O(V*V+E)，如果图数据模型源点可达，则O(V*lgV+E*lgV)＝>O(E*lgV)。如果图数据模型是稀疏图，此时E＝V*V/lgV，所以算法的时间复杂度可为O(V^2)。如果图数据模型是斐波那契堆作优先队列，则算法时间复杂度为O(V*lgV+E)。该算法只能发现两个节点间的某一条最短路径，然而在企业关系拓扑图中往往还需要两个企业间的所有最短路径，因此现有算法返回的最短路径有可能会造成信息缺失。

为了克服现有技术中的上述缺陷，本发明对Dijkstra算法进行了修改，并提出了一种基于Dijkstra的子图查询算法。本发明使用基于Dijkstra的子图算法进行数据查询，基于Dijkstra的子图算法从一些起始节点开始查询与其关联的节点，为节点和关系建立索引，可以使查询更加高效。

发明内容

本发明提出了一种基于图模型的企业关联关系拓扑建立方法，包括如下步骤：

模型建立步骤：构建图数据模型，图数据模型的图数据结构包括节点、关系和属性，关系用于描述节点与节点之间的关联关系，节点与关系分别具有各自的属性；

数据记录步骤：获取关联关系数据，输入图数据模型中；

结构组建步骤：图数据模型根据关系将节点与节点之间建立关联，生成以图数据模型表示的关联关系拓扑。

本发明提出的所述企业关联关系拓扑建立方法中，所述节点包括：自然人与机构。

本发明提出的所述企业关联关系拓扑建立方法中，所述关系包括：法定代表人、直系亲属、任职与投资。

本发明提出的所述企业关联关系拓扑建立方法中，所述属性包括：机构名称、成立日期、注册资本、登记状态、担任职务、亲属关系、投资金额、股东类型、姓名。

本发明还提出了一种图数据模型的图形化查询方法，包括如下步骤：

步骤一：访问表示企业关联关系的拓扑结构数据库，输入至少两个待查询的节点获取两两节点之间关联关系的全部组合；

步骤二：针对每一对组合，获取从一节点到另一节点之间全部的最短路径数据；

步骤三：将所有组合的最短路径数据做并集运算得到包含所有边界节点的最小子图，最小子图为图形化查询结果。

本发明所述的图数据模型的图形化查询方法中，步骤二中使用FixedDijkstra方法获取最短路径数据，其具体包括如下步骤：

步骤a：初始化最短路径数据，定义有权重的有向图(G)、包含于有向图(G)中的来源顶点集合(S)、有向图(G)中所有顶点集合(V)、有向图(G)中所有边的集合(E)；

步骤b：将有向图(G)中的所有顶点集合(V)分成两组：已求出最短路径的来源顶点集合(S)，和未确定最短路径的顶点集合(Q)，初始化时来源顶点集合(S)只包含原点(s)，未确定最短路径的顶点集合(Q)包含除原点(s)外的所有顶点；

步骤c：设一顶点(n)到原点(s)当前已知的最短路径(d[n])，初始化时d[s]＝0，d[m]为无穷大，其中m为所有顶点集合(V)中除原点(s)外的所有顶点；

步骤d：从未确定最短路径的顶点集合(Q)中选出距离原点(s)最近的顶点(k)，将最近的顶点(k)加入到来源顶点集合(S)中，最近的顶点(k)与原点(s)的距离为最短路径(d[k])；

步骤e：以最近的顶点(k)为新的中间点，修改未确定最短路径的顶点集合(Q)中各顶点的距离；若从原点s到顶点u的原距离，比从原点s经过最近的顶点(k)再到顶点(u)的距离长，则修改距离d[u]＝d[k]+w(k,u)，其中w(k,u)为最近的顶点(k)到顶点(u)的距离；

步骤f：重复步骤d和步骤e，直到所有的顶点都包含在来源顶点集合(S)中，获得全部的最短路径数据。

本发明的有益效果在于：本发明通过建立图数据模型，根据企业关联关系的数据建立企业、自然人之间的财务、隶属、雇佣等关系，并以图形化显示两个或三个以上企业与企业、企业与自然人、自然人与自然人之间的关系，公开了一种新的企业关联关系拓扑图建立及查询系统。

本发明通过使用基于Dijkstra的子图算法进行数据查询，基于Dijkstra的子图算法从一些起始节点开始查询与其关联的节点，为节点和关系建立索引，可以使查询更加高效。

附图说明

图1为本发明基于图模型的企业关联关系拓扑建立方法的流程图。

图2为本发明实施例的图数据模型逻辑视图。

图3为基于图模型的企业关联关系拓扑查询方法的流程图。

图4为本发明实施例的图数据模型遍历搜索算法视图。

图5为本发明实施例的图数据模型索引视图。

图6为本发明实施例的图数据模型业务模型设计。

图7为本发明实施例的图数据模型最短路径搜索算法示例。

图8为本发明实施例的图数据模型最短路径搜索算法示例说明。

图9为本发明实施例的实现根据单个企业查询所有与其有直接关系的自然人或机构的查询结果图。

图10为本发明实施例的实现根据两个企业，查询指定步长内二者之间所有关联关系的查询结果图。

图11为本发明实施例的实现根据一批企业，查询指定步长内这批企业相互之间的关联关系的查询结果图。

具体实施方式

结合以下具体实施例和附图，对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本发明没有特别限制内容。

图1显示的是本发明基于图模型的企业关联关系拓扑建立方法，具体包括如下步骤：模型建立步骤：构建图数据模型，所述图数据模型的图数据结构包括节点、关系和属性，所述关系用于描述节点与节点之间的关联关系，所述节点与所述关系分别具有各自的属性；数据记录步骤：获取关联关系数据，输入所述图数据模型中；结构组建步骤：所述图数据模型根据所述关系将节点与节点之间建立关联，生成以图数据模型表示的关联关系拓扑。

图2显示的是本发明实施例中图数据模型逻辑视图。在本实施例中，图数据结构模块包括：节点、关系和属性。其中节点被设置为包括：自然人与机构；关系被设置为包括：法定代表人、直系亲属、任职、投资与分支机构；属性包括亲属关系(直系亲属)、担任职务(任职)、投资金额(投资)。节点和关系分别具有相应的属性，而节点与节点之间则通过关系进行组织。

图6显示的是本发明实施例的图数据模型业务模型设计示例。本实施例中的节点包含名称和属性；关系包括名称属性，其具有方向。本实施例中包含4个节点包含：自然人甲、公司A、公司B、公司C，关系包括投资关系、任职关系。自然人甲与公司A为投资关系，与公司B为任职关系；公司A分别与公司B及公司C为投资关系，公司B与公司C为投资关系。通过利用上述节点与关系能够通常地描述企业与企业、自然人与企业之间的关联关系，并通过查询以生成相应的图形化查询结果。

实施例1

参阅图2，在添加一组企业的关联关系时，首先向拓扑结构中录入该企业的关联关系数据。该企业的关联关系数据包括：机构名称、其法定代表人、投资方、债务或债权方、分支机构、任职人员等。数据录入过程中，将拓扑图空间内机构与自然人的唯一身份标识记录在图数据模型的节点中，将法人关系、投资关系、任职关系、分支机构从属关系记录在关系中，将机构名称、注册资本、成立时间、登记状态、自然人姓名、投资金额、股东类型、担任职务等记录在属性中。接着，对频繁使用的查询属性(机构名称、自然人姓名等)建立索引，查询节点参数输入后，直接通过索引定位到节点位置，提高查询效率。

图3显示的是本发明基于图模型的企业关联关系拓扑图形化查询方法，其包括：

步骤一：访问表示企业关联关系的拓扑结构数据库，输入至少两个待查询的节点获取两两节点之间关联关系的全部组合；

步骤二：针对每一对组合，获取从一节点到另一节点之间全部的最短路径数据；

步骤三：将所有组合的最短路径数据做并集运算得到包含所有边界节点的最小子图，最小子图为图形化查询结果，以JSON格式返回关系图模型。

关于最短路径数据的定义参阅图7和图8，图7中显示了图数据模型最短路径搜索算法示例，节点A-F分别通过关系组成图数据模型，若以某一节点为查询节点，则根据关系到其相连的第一个节点为1度关系节点；以此类推，从该查询节点到1度关系节点之后再到的第二个节点为2度关系节点。最短路径则是指从查询节点到指定节点所需关系度最低的路径。

本发明对Dijkstra算法进行了定制化改造，使其可以对节点间所有最短路径进行查询。相比于原算法侧重于起点和终点的最短距离，及原算法只保留了一条顶点到终点的最短路径的方法。本发明改进后的Dijkstra算法所涉及到的应用场景除了最短距离外，更关注两个节点间的具体关系，找出两个节点间所有的最短路径。使用FixedDijkstra方法获取最短路径数据具体包括如下步骤：

步骤a：初始化最短路径数据，定义有权重的有向图G、包含于有向图G中的来源顶点集合S、有向图G中所有顶点集合V、有向图G中所有边的集合E；

步骤b：将有向图G中的所有顶点集合V分成两组：已求出最短路径的来源顶点集合S，和未确定最短路径的顶点集合Q，初始化时来源顶点集合S只包含原点s，未确定最短路径的顶点集合Q包含除原点s外的所有顶点；

步骤c：设一顶点n到原点s当前已知的最短路径d[n]，初始化时d[s]＝0，d[m]为无穷大，其中m为所有顶点集合V中除原点s外的所有顶点；

步骤d：从未确定最短路径的顶点集合Q中选出距离原点s最近的顶点k，将最近的顶点k加入到来源顶点集合S中，最近的顶点k与原点s的距离为最短路径d[k]；

步骤e：以最近的顶点k为新的中间点，修改未确定最短路径的顶点集合Q中各顶点的距离；若从原点s到顶点u的原距离，比从原点s经过最近的顶点k再到顶点u的距离长，则修改距离d[u]＝d[k]+w(k,u)，其中w(k,u)为最近的顶点k到顶点u的距离；

步骤f：重复步骤d和步骤e，直到所有的顶点都包含在来源顶点集合S中，获得全部的最短路径数据。

改进后的Dijkstra算法的伪代码如以下所示。在以下算法中，u:＝Extract_Min(Q)在顶点集合Q中搜索有最小的d[u]值的顶点u。这个顶点被从集合Q中删除并返回给用户。

改进后的Dijkstra算法的输入包含了一个有权重的有向图G，以及有向图G中的一个来源顶点集合S。以所有顶点集合V表示G中所有顶点的集合。每一个图中的边，都是两个顶点所形成的有序元素对。(u,v)表示从顶点u到顶点v有路径相连。以E表示G中所有边的集合，而边的权重则由权重函数w:E→[0,∞]定义。因此，w(u,v)就是从顶点u到顶点v的非负权重(weight)。边的权重可以想像成两个顶点之间的距离。任两点间路径的权重，就是该路径上所有边的权重总和。已知有V中有原点s及顶点t(原点s亦是一个顶点)，该算法可以找到s到t的最低权重路径(例如，最短路径)。这个算法也可以在一个图中，找到从一个顶点s到任何其他顶点的最短路径。

改进后的Dijkstra算法是通过为每个顶点v保留目前为止所找到的从原点s到顶点v的最短路径来工作的。初始时，原点s的路径长度值被赋为0(d[s]＝0)，若存在能直接到达的边(s,m)，则把d[m]设为w(s,m),同时把所有其他(s不能直接到达的)顶点的路径长度设为无穷大，即表示不知道任何通向这些顶点的路径(对于V中所有顶点v除s和上述m外d[v]＝∞)。当算法结束时，d[v]中存储的便是从s到v的最短路径，或者如果路径不存在的话是无穷大。Dijkstra算法的基础操作是边的拓展：如果存在一条从u到v的边，那么从s到v的最短路径可以通过将边(u,v)添加到尾部来拓展一条从s到v的路径。这条路径的长度是d[u]+w(u,v)。如果这个值比目前已知的d[v]的值要小，可以用新值来替代当前d[v]中的值。拓展边的操作一直运行到所有的d[v]都代表从s到v最短路径的花费。这个算法经过组织因而当d[u]达到它最终的值的时候每条边(u,v)都只被拓展一次。

改进后的Dijkstra算法维护两个顶点集合S和Q。来源顶点集合S保留了已知的所有d[v]的值已经是最短路径的值顶点，而集合Q则保留其他所有顶点。来源顶点集合S初始状态为空，而后每一步都有一个顶点从Q移动到S。这个被选择的顶点是Q中拥有最小的d[u]值的顶点。当一个顶点u从Q中转移到了S中，算法对每条外接边(u,v)进行拓展。

图5显示的是图数据模型索引视图。索引是根据机构名称与自然人姓名基于B+树生成的。根据该索引，可以直接定位节点位置，提高查询响应效率。

实施例2

本发明优选是根据单个企业查询所有与其有直接关系的自然人或机构，企业数据录入拓扑结构中后，可以查询该企业有直接关系的自然人或机构。输入企业名称与关联节点类型，根据企业名称定位节点位置，采用广度优先算法，根据关联节点类型对输出节点进行筛选，返回筛选后与该节点存在一度的所有节点及关系。查询结果图如图9所示。

实施例3

本发明优选是根据两个企业，查询指定步长内二者之间所有关联关系。输入两个企业名称，根据企业名称定位起止节点，采用Dijkstra算法查找起止节点间的所有最短路径，路径包括节点和节点间关系，如果指定步长内起止节点没有任何关系，返回起止节点。查询结果图如图10所示。

实施例4

本发明优选实施例是根据一批企业，查询指定步长内这批企业相互之间的关联关系。输入一批企业名称，根据企业名称定位边界节点，采用基于Dijkstra的子图算法查找包含边界节点的最小子图，子图包括节点和节点间关系，如果指定步长内节点与其他节点没有任何关系，返回节点本身。查询结果图如图11所示。

本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。

Claims (6)

1.一种基于图模型的企业关联关系拓扑建立方法，其特征在于，包括如下步骤：

模型建立步骤：构建图数据模型，所述图数据模型的图数据结构包括节点、关系和属性，所述关系用于描述节点与节点之间的关联关系，所述节点与所述关系分别具有各自的属性；

数据记录步骤：获取关联关系数据，输入所述图数据模型中；

结构组建步骤：所述图数据模型根据所述关系将节点与节点之间建立关联，生成以图数据模型表示的关联关系拓扑。

2.如权利要求1所述的企业关联关系拓扑建立方法，其特征在于，所述节点包括：自然人与机构。

3.如权利要求1所述的企业关联关系拓扑建立方法，其特征在于，所述关系包括：法定代表人、直系亲属、任职与投资。

4.如权利要求1所述的企业关联关系拓扑建立方法，其特征在于，所述属性包括：机构名称、成立日期、注册资本、登记状态、担任职务、亲属关系、投资金额、股东类型、姓名。

5.一种基于如权利要求1-4之任一项所述的图数据模型的图形化查询方法，其特征在于，包括如下步骤：

步骤一：访问表示企业关联关系的拓扑结构数据库，输入至少两个待查询的节点获取两两节点之间关联关系的全部组合；

步骤二：针对每一对所述组合，获取从一节点到另一节点之间全部的最短路径数据；

步骤三：将所有组合的最短路径数据做并集运算得到包含所有边界节点的最小子图，所述最小子图为图形化查询结果。

6.如权利要求5所述的图形化查询方法，其特征在于，所述步骤二中使用FixedDijkstra方法获取最短路径数据，其具体包括如下步骤：

步骤a：初始化最短路径数据，定义有权重的有向图(G)、包含于所述有向图(G)中的来源顶点集合(S)、所述有向图(G)中所有顶点集合(V)、所述有向图(G)中所有边的集合(E)；

步骤b：将所述有向图(G)中的所有顶点集合(V)分成两组：已求出最短路径的来源顶点集合(S)，和未确定最短路径的顶点集合(Q)，初始化时所述来源顶点集合(S)只包含原点(s)，所述未确定最短路径的顶点集合(Q)包含除原点(s)外的所有顶点；

步骤c：设一顶点(n)到原点(s)当前已知的最短路径(d[n])，初始化时d[s]＝0，d[m]为无穷大，其中m为所述所有顶点集合(V)中除所述原点(s)外的所有顶点；

步骤d：从所述未确定最短路径的顶点集合(Q)中选出距离所述原点(s)最近的顶点(k)，将所述最近的顶点(k)加入到所述来源顶点集合(S)中，所述最近的顶点(k)与所述原点(s)的距离为最短路径(d[k])；

步骤e：以所述最近的顶点(k)为新的中间点，修改所述未确定最短路径的顶点集合(Q)中各顶点的距离；若从所述原点s到顶点u的原距离，比从所述原点s经过所述最近的顶点(k)再到顶点(u)的距离长，则修改距离d[u]＝d[k]+w(k,u)，其中w(k,u)为所述最近的顶点(k)到顶点(u)的距离；

步骤f：重复步骤d和步骤e，直到所有的顶点都包含在所述来源顶点集合(S)中，获得全部的最短路径数据。