CN108509614A - 一种基于图数据库的任务履历管理及分析方法 - Google Patents
一种基于图数据库的任务履历管理及分析方法 Download PDFInfo
- Publication number
- CN108509614A CN108509614A CN201810296681.9A CN201810296681A CN108509614A CN 108509614 A CN108509614 A CN 108509614A CN 201810296681 A CN201810296681 A CN 201810296681A CN 108509614 A CN108509614 A CN 108509614A
- Authority
- CN
- China
- Prior art keywords
- chart database
- relationship
- personage
- node
- analysis method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000010200 validation analysis Methods 0.000 abstract description 3
- 230000000737 periodic effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于图数据库的任务履历管理及分析方法，所述方法包括基础图构建、履历结构化、发现人物间复杂关系三个部分，其中本发明利用了图数据库便于存储关系的特性，避免了使用关系型数据库频繁的联动匹配操作，大大提高了关系查找效率，同时各个节点与现实中的实体一一对应，使得每个实体节点都便于访问和管理，实体节点的层级结构也可以方便地保存在图中，而且在特定的使用场景中，每个人物的信息确认及维护工作都可以交给其本人去完成，这将全面提升整个图数据的信息完整性、信息可靠性。
Description
技术领域
本发明涉及计算机领域，具体涉及一种基于图数据库的任务履历管理及分析方法。
背景技术
在数据信息化时代，档案部门往往需要保存大量的人物履历信息，包括人物属性、教育经历、工作经历等，以此作为人物数据化的依据。
图数据库是基于图论实现的一种新型NoSQL数据库，它的数据存储结构和数据的查询方式都是以图论为基础的。图论中图的基本元素为节点和边，在图数据库中对应的就是节点和关系。
现存已用的个人信息系统和个人信息系统建立方法包括：格式化模块将个人信息转换为数据验证模块、数据分析统计模块和数据库模块能够识别的格式；其中数据验证模块在多个外部信息源中选取一个或多个基准信息源，并将其他外部信息源中的个人信息与所述基准信息源中的个人信息比较，形成个人信息组；所述数据分析统计模块对所述个人信息进行分析统计，得出每个个人信息组的特征；所述数据库模块保存所述个人信息组及其特征，客户通过访问数据库模块获取个人信息组和/或个人信息组的特征。
以上方法使用关系型数据库存储人物信息，在关系型数据库中，无法保存数据之间的层次结构，必须通过增加属性进行标记，低效率的联动匹配操作使得其不利于通过数据发现人与人之间、人与其他实体之间的复杂关系。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷(不足)，提供一种能定义多个属性和多个标签，并能实现保存数据之间的层次结构，高效地发现人与人之间、人与其他实体之间复杂关系的方法。
为解决上述技术问题，本发明的技术方案如下：
一种基于图数据库的任务履历管理及分析方法，所述方法包括以下步骤：
S1.先构建基础图数据库；
S2.再结构化履历信息并导入图数据库；
S3.发现人物间复杂关系。
进一步，所述基础图构建包括以下步骤：
A1.建立实体编码映射规则，用格式化的编码定义图中不同类型的节点或关系；
A2.定义图中所有节点和关系的类型及其属性组，所述属性组至少一组；
A3.利用行政区划，在图数据库中构建地区结构图，包括地区节点及地区间的包含关系；
A4.采集指定范围内的地区节点结构，在图数据库中构建指定范围内的结构图；
其中，所述建立实体编码映射规则以实体类型进行编码，所述编码以20位十进制编码进行编码。
其中，所述节点包括地区、人物、学校、学院、部门、职位。
在基础图构建中还包括定期维护指定范围内的节点及其属性组，及时添加新增实体节点，及时更新节点属性组，使得图数据库中的节点与现实中的实体保持统一性以及包括定期维护指定范围内节点与节点之间的关系及其属性组，使得图数据库中节点之间的关系与现实中的实体间结构保持统一性。
再进一步，所述履历结构化包括以下步骤：
B1.采集原始履历表；
B2.对原始履历表进行预处理，使其便于信息抽取和结构化处理；
B3.利用信息抽取技术，从原始履历表中抽取出人物属性组和履历描述段；
B4.结构化处理履历描述段，利用信息抽取技术，按特定格式将其拆解为多条经历信息，每条经历代表该人物与基础图中节点的关系；
B5.针对不同属性值缺失情况，制定缺失值处理方案。
其中，所述对原始履历表进行预处理包括对不同格式的履历文件使用相应的处理手段，将其读取并统一转化为.csv格式的文件，使用字符匹配，去除每个履历表数据中不必要的文字、符号以及部分不需要的信息，将时间更改为统一的格式。
其中，所述制定缺失值处理方案包括人工填补缺失值或使用相关信息进行推导。
再进一步，所述发现人物间复杂关系包括同乡关系、校友关系、同事关系、人物间级联关系。
本发明基于图数据库的任务履历管理及分析方法还可以根据需要定期管理及维护图数据库。
与现有技术相比，本发明技术方案的有益效果是：
(1)与现有技术相比，本发明利用了图数据库便于存储关系的特性，避免了使用关系型数据库频繁的联动匹配操作，大大提高了关系查找效率，同时也形成了一类高效简便的履历管理及分析方法。
(2)由于本发明中的节点与现实中的实体一一对应，使得每个实体节点都便于访问和管理，实体节点的层级结构也可以方便地保存在图中。
(3)在特定的使用场景中，每个人物的信息确认及维护工作都可以交给其本人去完成，这将全面提升整个图数据的信息完整性、信息可靠性，人物对其信息进行及时的维护操作，不仅保证了该图数据库数据与现实实体信息的同步，还为正确发现现实复杂关系提供了有利条件。
附图说明
图1为履历管理及分析方法框架图。
图2为实体关系结构示例图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。实施例1
本发明提供了一种基于图数据库的任务履历管理及分析方法，如图1所示，所述方法包括三个主要部分，分别是：基础图构建、履历结构化、发现人物间复杂关系，其方法包括以下步骤
S1.先构建基础图数据库；
S2.再结构化履历信息并导入图数据库；
S3.发现人物间复杂关系。
而且可以根据需要定期管理及维护图数据库。
其中基础图构建包括如下步骤：
A1.建立实体编码规则
假设需要的实体类型包括地区、人物、学校、学院、部门、职位、经历，从公共数据库获取中国行政区划编码作为参考，可参考以下方式对这七类实体进行编码：
地区：20位十进制编码(001+6位行政区划编码+8位0+000)
人物：20位十进制编码(002+6位行政区划编码+8位自增+000)
学校：20位十进制编码(003+6位行政区划编码+8位自增+000)
学院：20位十进制编码(所属学校的编码前17位+3位自增)
部门：20位十进制编码(004+6位行政区划编码+8位自增+000)
职位：20位十进制编码(所属部门的编码前17位+3位自增)
经历：20位十进制编码(所属人物的编码前17位+3位自增)
本编码方式仅作为一个参考实例，实现时可根据需要增删实体类型，编码规则也可以自行调整。
A2.定义节点、关系及其属性组
在图数据库中，节点包含标签(Label)，节点和关系属性组(Property)，属性组可以存储多个属性键值对
(Property_key:Property_value)，可参考以下方式定义节点、关系及其属性组：
节点包括地区、人物、学校、学院、部门、职位，
地区：标签Location，属性组{地区编码(id),名称(name),面积(area),人口数(population)等}，其中地区编码(id)添加唯一性约束，确保地区节点的唯一性。
人物：标签Person，属性组{人物编码(id),名称(name),性别(gender),民族(nation),出生日(birthday),身份证号(idcard),出生地(birthplace),现居住地(abode),职业(occupation),政治面貌(politics),婚姻状况(marital),头像数据(portrait)等}，其中人物编码(id)添加唯一性约束，确保人物节点的唯一性。
学校：标签School，属性组{学校编码(id),名称(name),学校类型(type)}，其中学校编码(id)添加唯一性约束，确保学校节点的唯一性。
学院：标签Academy，属性组{学院编码(id),名称(name),学院类型(type)}，其中学院编码(id)添加唯一性约束，确保学院节点的唯一性。
部门：标签Department，属性组{部门编码(id),名称(name),部门类型(type)}，其中部门编码(id)添加唯一性约束，确保部门节点的唯一性。
职位：标签Position，属性组{职位编码(id),名称(name),职位类型(type)}，其中职位编码(id)添加唯一性约束，确保职位节点的唯一性。
关系
地区-[包含(include_location)]->地区
地区-[包含(include_department)]->部门
地区-[包含(include_school)]->学校
学校-[兼并(merge_school)]->学校：属性组{兼并时间(time)}
学校-[包含(include_academy)]->学院：属性组{创立时间(time)}
部门-[管理(manage_department)]->部门
部门-[包含(include_position)]->职位
职位-[管理(manage_location)]->职位
人物-[出生于(come_from)]->地区：属性组{时间(time)}
人物-[居住于(inhabit)]->地区：属性组{开始时间(start_time),结束时间(end_time)}
人物-[就读于(study_at)]->学校/学院：属性组{经历编码(id),开始时间(start_time),结束时间(end_time)}
人物-[工作于(work_at)]->职位：属性组{经历编码(id),开始时间(start_time),结束时间(end_time)}
人物-[同乡于(countrymen_with)]->人物：属性组{关系代价值(relation_cost)}
人物-[同校于(schoolfellow_with)]->人物：属性组{关系代价值(relation_cost)}
人物-[同事于(workmate_with)]->人物：属性组{关系代价值(relation_cost)}
A3.构建地区结构图
根据全国行政区划，按层级将地区节点及地区之间的关系导入到图数据库中，同时设置它们的属性组。定期维护地区节点、(地区-地区)关系及其属性组，保持数据与实体之间的统一性。
A4.构建部门-职位结构图
一方面，从公开数据获取指定范围的工作单位结构，按层级将部门节点、职位节点、(部门-地区)关系、(部门-部门)关系、(部门-职位)关系、(职位-职位)关系导入到图数据库中，同时设置它们的属性组。另一方面，利用信息抽取技术(IE)，在履历中抽取出的新的部门/职位实体，作为新的部门/职位节点创建在图中，并人工维护这个部门/职位的各种关系。定期维护部门节点、职位节点、(部门-地区)关系、(部门-部门)关系、(部门-职位)关系、(职位-职位)关系及其属性组，保持数据与实体之间的统一性。
A5.构建学校-学院结构图
一方面，从公开数据中获取指定范围的学校组织结构，按层级将学校节点、学院节点及(学校-学校)关系、(学校-学院)关系导入到图数据库中，同时设置它们的属性组。另一方面，利用信息抽取技术(IE)，在履历中抽取出的新的学校/学院实体，作为新的学校/学院节点创建在图中，并人工维护这个学校/学院的各种关系。定期维护学校节点、学院节点、(学校-学校)关系、(学校-学院)关系及其属性组，保持数据与实体之间的统一性。
基础图构建完成后进行履历结构化，包括以下步骤：
B1.采集原始履历表
收集档案部门的履历表数据，可根据场景需要选择特定条件范围内的履历表。
B2.履历表预处理
针对不同格式的履历文件(.doc/.docx/.xls/.xlsx/.csv等)，使用相应的处理方法，将其读取并统一转化为.csv格式的文件，便于批量操作。使用字符匹配，去除每个履历表数据中不必要的文字、符号以及部分不需要的信息。将时间更改为统一的格式。
B3.制定缺失值处理方案
由于各种原因，履历表中经常会出现信息不完整的情况，导致部分属性值缺失。针对不同的属性值缺失情况，可采用不同的方法进行处理，但并不能完全保证填补缺失值的可行性和可靠性。对于人物属性组中的部分缺失值，可以采用相关人物的履历信息进行推断，或者人工填补缺失值。对于一条经历中的时间缺失情况，可以使用前后两次经历的时间点进行推断填补。
B4.将履历表拆分为人物属性组、履历描述段
利用信息抽取技术，从已经预处理后的履历表抽取出姓名、性别、民族、出生日、身份证号、出生地、现居住地、职业、政治面貌、婚姻状况、头像等信息，这些信息若存在则使用统一格式保存在图数据库的人物节点中，不存在则暂时设为空值。然后将描述个人经历的段落提取出来，作为履历描述段另外处理。
B5.从履历描述段结构化抽取出多条经历
这一步主要是对上一步抽取出的履历描述段进行处理。使用信息抽取技术(IE)及命名实体识别(NER)，识别出履历中每条工作经历的部门、职位、开始时间、结束时间，以及每条教育经历的学校、学院、开始时间、结束时间。这些信息若存在则使用统一格式保存在图数据库的人物与对应实体节点之间的关系中，不存在则暂时设为空值。
B6.将人物数据及关系导入图数据库
按照之前定义的节点和关系属性组格式，将抽取出的人物数据以属性键值对的形式保存在人物节点中；将每条独立的经历以关系的形式建立在人物节点与该经历对应的实体节点之间，将描述该段经历的数据(编码、时间、类型等)以属性键值对的形式保存在关系中。
当人物履历图构建完成后，就可以在该图上方便地进行各种管理操作。以人物节点为中心，可以实现对该人物的履历信息及人物关系进行增、删、改、查等操作；以地区节点为中心，可实现对该节点所连接的出生关系、居住关系进行操作；以学校、学院节点为中心，可以实现对该节点所连接的学习经历进行操作；以部门、职位节点为中心，可以实现对该节点所连接的工作经历进行操作。
在特定的使用场景中，每个人物的信息确认及维护工作都可以交给其本人去完成，这将全面提升整个图数据的信息完整性、信息可靠性。人物对其信息进行及时的维护操作，不仅保证了该图数据库数据与现实实体信息的同步，还为正确发现现实复杂关系提供了有利条件。
最后发现人物间复杂关系，人物间复杂关系包括同乡关系、校友关系、同事关系、人物间级联关系，其中同乡关系如下：
遍历所有地区节点，将连接在同一地区节点上的所有人物视为同乡，在他们之间两两添加同乡关系，同时根据出生地信息的详细程度，给同乡关系设置不同的权值保存在这条关系的属性组中。
可参考以下方式设置权值(权值越大关系越大)：
出生地信息同为“中国”的人物之间设置同乡关系权重为1，以此为基准，地区粒度每缩小一个级别，出生于该地区的人物之间同乡关系权重就加1，最大为10。例如：出生地信息同为“广东省”的人物之间同乡关系权重为2，出生地信息同为“广州市”的人物之间同乡关系权重为3，以此类推。
校友关系关系如下：
遍历所有学校节点，获取该学校节点及学院节点连接的所有学习经历，匹配它们的时间段，给对应的两个人物节点添加校友关系，然后根据年级、学院、校友时长等条件，设置不同的权值保存在这条关系的属性组中，可参考以下方式设置权值(权值越大关系越大)：
相同学院且相同年级：4*(1+ln n)
相同学院但不同年级：3*(1+ln n)
不同学院但相同年级：2*(1+ln n)
不同学院且不同年级：1*(1+ln n)
(其中n≥1，代表同校年数)
同事关系如下：
遍历所有部门节点，获取连接该部门节点下所有职位节点的工作经历，匹配它们的时间段，给对应的两个人物节点添加同事关系，然后根据职位级别、同事时长等条件，设置不同的权值保存在这条关系的属性组中，可参考以下方式设置权值(权值越大关系越大)：
相同部门且相同职位：4*(1+ln n)
相同部门且职位之间存在管理关系：3*(1+ln n)
部门之间存在管理关系：2*(1+ln n)
具有同一上级部门，但部门间不存在管理关系：1*(1+ln n)
(其中n≥1，代表同事年数)
人物间级联关系如下
在计算玩图中所有的同乡关系、校友关系、同事关系后，可使用最短路径算法，查找任意两个人物节点之间指定路径长度的人物关系链，为社交推荐、刑侦等场景提供参考。
将以上创建的同乡关系、校友关系、同事关系的权值取倒数作为路径代价值，利用带权路径算法可以查找任意人物节点间关系最大(代价值最小)的级联路径，路径上每条关系连接的两个人物节点都有着相对较大的关系，可为发现相关人物提供参考。
实施以上方案构建人物履历图数据库，其实体关系结构图示例如图2所示。图形与节点、关系对应如下：
方形：地区节点
圆形：人物节点
椭圆形：学校节点
梯形：学院节点
三角形：部门节点
菱形：职位节点
带箭头线段：节点间的关系。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于图数据库的任务履历管理及分析方法，其特征在于，所述方法包括以下步骤：
S1.先构建基础图数据库；
S2.再结构化履历信息并导入图数据库；
S3.发现人物间复杂关系。
2.根据权利要求1所述基于图数据库的任务履历管理及分析方法，其特征在于，所述基础图构建包括以下步骤：
A1.建立实体编码映射规则，用格式化的编码定义图中不同类型的节点或关系；
A2.定义图中所有节点和关系的类型及其属性组，所述属性组至少一组；
A3.利用行政区划，在图数据库中构建地区结构图，包括地区节点及地区间的包含关系；
A4.采集指定范围内的地区节点结构，在图数据库中构建指定范围内的结构图。
3.根据权利要求2所述基于图数据库的任务履历管理及分析方法，其特征在于，所述建立实体编码映射规则根据不同实体类型进行编码，所述编码以20位十进制编码格式进行编码。
4.根据权利要求2所述基于图数据库的任务履历管理及分析方法，其特征在于，所述节点包括地区、人物、学校、学院、部门、职位。
5.根据权利要求2所述基于图数据库的任务履历管理及分析方法，其特征在于，对所述定义图中所有的节点和关系的类型及其属性组及时进行更新调整，使得图数据库中的节点与现实中的实体保持统一性。
6.根据权利要求1所述基于图数据库的任务履历管理及分析方法，其特征在于，所述履历结构化包括以下步骤：
B1.采集原始履历表；
B2.对原始履历表进行预处理，使其便于信息抽取和结构化处理；
B3.利用信息抽取技术，从原始履历表中抽取出人物属性组和履历描述段；
B4.结构化处理履历描述段，利用信息抽取技术，按特定格式将其拆解为多条经历信息，每条经历代表该人物与基础图中节点的关系；
B5.针对不同属性值缺失情况，制定缺失值处理方案。
7.根据权利要求6所述基于图数据库的任务履历管理及分析方法，其特征在于，所述对原始履历表进行预处理包括对不同格式的履历文件使用相应的处理手段，将其读取并统一转化为.csv格式的文件，使用字符匹配，去除每个履历表数据中不必要的文字、符号以及部分不需要的信息，将时间更改为统一的格式。
8.根据权利要求6所述基于图数据库的任务履历管理及分析方法，其特征在于，所述制定缺失值处理方案包括人工填补缺失值或使用相关信息进行推导。
9.根据权利要求1所述基于图数据库的任务履历管理及分析方法，其特征在于，所述发现人物间复杂关系包括同乡关系、校友关系、同事关系、人物间级联关系。
10.根据权利要求1至9任一项所述基于图数据库的任务履历管理及分析方法，其特征在于，还包括
S4.管理及维护图数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810296681.9A CN108509614A (zh) | 2018-04-03 | 2018-04-03 | 一种基于图数据库的任务履历管理及分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810296681.9A CN108509614A (zh) | 2018-04-03 | 2018-04-03 | 一种基于图数据库的任务履历管理及分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108509614A true CN108509614A (zh) | 2018-09-07 |
Family
ID=63380335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810296681.9A Pending CN108509614A (zh) | 2018-04-03 | 2018-04-03 | 一种基于图数据库的任务履历管理及分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108509614A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109582808A (zh) * | 2018-11-22 | 2019-04-05 | 北京锐安科技有限公司 | 一种用户信息查询方法、装置、终端设备和存储介质 |
| CN110019565A (zh) * | 2018-09-12 | 2019-07-16 | 深圳市极限网络科技有限公司 | 基于图库的数据处理方法 |
| CN110457536A (zh) * | 2019-08-16 | 2019-11-15 | 北京金山数字娱乐科技有限公司 | 一种知识图谱构建方法及装置 |
| CN110502670A (zh) * | 2019-08-29 | 2019-11-26 | 南京智慧光信息科技研究院有限公司 | 基于人工智能的网络社交关系知识图谱生成方法和系统 |
| CN110569365A (zh) * | 2019-08-29 | 2019-12-13 | 南京智慧光信息科技研究院有限公司 | 基于人工智能的移民关系知识图谱生成方法和机器人系统 |
| CN110597927A (zh) * | 2019-10-14 | 2019-12-20 | 上海依图网络科技有限公司 | 基于异构数据库的存储查询方法和装置 |
| CN110633374A (zh) * | 2019-08-29 | 2019-12-31 | 南京智慧光信息科技研究院有限公司 | 基于人工智能的社会关系知识图谱生成方法和机器人系统 |
| CN110909986A (zh) * | 2019-11-04 | 2020-03-24 | 苏宁金融科技(南京)有限公司 | 基于知识图谱的疑似实际控制人的风险识别方法及系统 |
| CN111444287A (zh) * | 2020-03-17 | 2020-07-24 | 北京齐尔布莱特科技有限公司 | 图数据库构建方法、关联信息查询方法、装置及计算设备 |
| CN112084340A (zh) * | 2020-08-24 | 2020-12-15 | 杭州电子科技大学 | 基于neo4j图数据库的组织架构变更版本的管理方法 |
| CN112463835A (zh) * | 2020-12-11 | 2021-03-09 | 广东电网有限责任公司 | 一种使用关联关系分析的专家关系查找方法及装置 |
| CN112507354A (zh) * | 2020-12-04 | 2021-03-16 | 北京神州泰岳软件股份有限公司 | 一种基于图数据库的权限管理的方法及系统 |
| CN112559804A (zh) * | 2020-11-27 | 2021-03-26 | 国家电网有限公司大数据中心 | 基于图数据库的电网cim/e模型数据处理方法和装置 |
| CN113704559A (zh) * | 2020-05-21 | 2021-11-26 | 北京金山数字娱乐科技有限公司 | 一种数据处理方法及装置 |
| CN114328977A (zh) * | 2022-03-09 | 2022-04-12 | 北京有生博大软件股份有限公司 | 一种基于图数据库的人员迁调图谱构建方法 |
| CN109582806B (zh) * | 2018-12-06 | 2022-07-15 | 上海合合信息科技股份有限公司 | 一种基于图计算的个人信息处理方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102024157A (zh) * | 2009-09-09 | 2011-04-20 | 索尼公司 | 信息处理装置、信息处理方法和信息处理程序 |
| CN103678279A (zh) * | 2013-12-31 | 2014-03-26 | 中南大学 | 基于异质网络时态语义路径相似度的人物唯一性识别方法 |
| CN105247564A (zh) * | 2013-05-31 | 2016-01-13 | 英特尔公司 | 在线社交人物管理 |
| CN107679160A (zh) * | 2017-09-28 | 2018-02-09 | 深圳市华傲数据技术有限公司 | 基于图数据库的数据处理方法及装置 |
-
2018
- 2018-04-03 CN CN201810296681.9A patent/CN108509614A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102024157A (zh) * | 2009-09-09 | 2011-04-20 | 索尼公司 | 信息处理装置、信息处理方法和信息处理程序 |
| CN105247564A (zh) * | 2013-05-31 | 2016-01-13 | 英特尔公司 | 在线社交人物管理 |
| CN103678279A (zh) * | 2013-12-31 | 2014-03-26 | 中南大学 | 基于异质网络时态语义路径相似度的人物唯一性识别方法 |
| CN107679160A (zh) * | 2017-09-28 | 2018-02-09 | 深圳市华傲数据技术有限公司 | 基于图数据库的数据处理方法及装置 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110019565A (zh) * | 2018-09-12 | 2019-07-16 | 深圳市极限网络科技有限公司 | 基于图库的数据处理方法 |
| CN109582808A (zh) * | 2018-11-22 | 2019-04-05 | 北京锐安科技有限公司 | 一种用户信息查询方法、装置、终端设备和存储介质 |
| CN109582806B (zh) * | 2018-12-06 | 2022-07-15 | 上海合合信息科技股份有限公司 | 一种基于图计算的个人信息处理方法及系统 |
| CN110457536A (zh) * | 2019-08-16 | 2019-11-15 | 北京金山数字娱乐科技有限公司 | 一种知识图谱构建方法及装置 |
| CN110502670A (zh) * | 2019-08-29 | 2019-11-26 | 南京智慧光信息科技研究院有限公司 | 基于人工智能的网络社交关系知识图谱生成方法和系统 |
| CN110569365A (zh) * | 2019-08-29 | 2019-12-13 | 南京智慧光信息科技研究院有限公司 | 基于人工智能的移民关系知识图谱生成方法和机器人系统 |
| CN110633374A (zh) * | 2019-08-29 | 2019-12-31 | 南京智慧光信息科技研究院有限公司 | 基于人工智能的社会关系知识图谱生成方法和机器人系统 |
| CN110597927A (zh) * | 2019-10-14 | 2019-12-20 | 上海依图网络科技有限公司 | 基于异构数据库的存储查询方法和装置 |
| CN110909986A (zh) * | 2019-11-04 | 2020-03-24 | 苏宁金融科技(南京)有限公司 | 基于知识图谱的疑似实际控制人的风险识别方法及系统 |
| CN111444287A (zh) * | 2020-03-17 | 2020-07-24 | 北京齐尔布莱特科技有限公司 | 图数据库构建方法、关联信息查询方法、装置及计算设备 |
| CN111444287B (zh) * | 2020-03-17 | 2024-03-15 | 北京齐尔布莱特科技有限公司 | 图数据库构建方法、关联信息查询方法、装置及计算设备 |
| CN113704559A (zh) * | 2020-05-21 | 2021-11-26 | 北京金山数字娱乐科技有限公司 | 一种数据处理方法及装置 |
| CN112084340A (zh) * | 2020-08-24 | 2020-12-15 | 杭州电子科技大学 | 基于neo4j图数据库的组织架构变更版本的管理方法 |
| CN112559804A (zh) * | 2020-11-27 | 2021-03-26 | 国家电网有限公司大数据中心 | 基于图数据库的电网cim/e模型数据处理方法和装置 |
| CN112507354A (zh) * | 2020-12-04 | 2021-03-16 | 北京神州泰岳软件股份有限公司 | 一种基于图数据库的权限管理的方法及系统 |
| CN112463835A (zh) * | 2020-12-11 | 2021-03-09 | 广东电网有限责任公司 | 一种使用关联关系分析的专家关系查找方法及装置 |
| CN114328977A (zh) * | 2022-03-09 | 2022-04-12 | 北京有生博大软件股份有限公司 | 一种基于图数据库的人员迁调图谱构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108509614A (zh) | 一种基于图数据库的任务履历管理及分析方法 | |
| Karnitis et al. | Migration of relational database to document-oriented database: structure denormalization and data transformation | |
| CN110704411B (zh) | 适用于艺术领域的知识图谱搭建方法及装置、电子设备 | |
| CN111295680B (zh) | 用于基础设施建模的智能模型层级 | |
| CN100530185C (zh) | 基于网络行为的个性化推荐方法和系统 | |
| CN112084373B (zh) | 一种基于图嵌入的多源异构网络用户对齐方法 | |
| CN102122291A (zh) | 一种基于树形日志模式分析的博客好友推荐方法 | |
| CN106407208A (zh) | 一种城市管理本体知识库的构建方法及系统 | |
| CN113051347B (zh) | 异构数据库之间数据同步方法、系统、设备及存储介质 | |
| CN104199938B (zh) | 基于rss的农用土地信息发送方法和系统 | |
| CN110825968A (zh) | 信息推送方法、装置、存储介质和计算机设备 | |
| CN113222775B (zh) | 融合多模态信息及权重张量的用户身份关联方法 | |
| CN111709714A (zh) | 基于人工智能的流失人员预测方法和装置 | |
| CN112256880A (zh) | 文本识别方法和装置、存储介质及电子设备 | |
| CN113535977A (zh) | 一种知识图谱融合方法和装置及设备 | |
| RU2019100812A (ru) | Способ извлечения информации и корпоративная система поиска информации | |
| CN111797247A (zh) | 基于人工智能的案件推送方法、装置、电子设备及介质 | |
| CN106780062B (zh) | 基于社交网络和大数据分析的用户群组更新方法及系统 | |
| CN110413807A (zh) | 一种基于内容语义元数据的图像查询方法与系统 | |
| Neun et al. | Web service approaches for providing enriched data structures to generalisation operators | |
| CN112598039A (zh) | 获取nlp分类领域阳性样本方法及相关设备 | |
| CN114510491B (zh) | 一种动态随访量表设计方法和系统 | |
| Baranchuk et al. | Dedrift: Robust similarity search under content drift | |
| CN113779110A (zh) | 家庭关系网络提取方法、装置、计算机设备及存储介质 | |
| CN111899885A (zh) | 一种分布式人员事件索引实现方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |
|
| RJ01 | Rejection of invention patent application after publication |