CN109325038A - 知识图谱扩展模型、结构化知识存储方法与设备 - Google Patents
知识图谱扩展模型、结构化知识存储方法与设备 Download PDFInfo
- Publication number
- CN109325038A CN109325038A CN201811030742.3A CN201811030742A CN109325038A CN 109325038 A CN109325038 A CN 109325038A CN 201811030742 A CN201811030742 A CN 201811030742A CN 109325038 A CN109325038 A CN 109325038A
- Authority
- CN
- China
- Prior art keywords
- entity
- relationship
- attribute
- unique identifier
- record
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能领域,具体涉及一种知识图谱扩展模型、结构化知识存储方法与设备,旨在解决现有技术中无法存储量化数据的问题。本发明的知识图谱扩展模型包括:包括实体和关系,实体与实体之间的连接为有向连接,有向连接边包含关系;每个关系包括可选的一个或多个属性;每个实体、每个关系和每个属性均具有唯一标识符。每个关系包括可选的一个或多个属性;每个实体、每个关系和每个属性均具有唯一标识符;每个属性包括:数据类型和取值以及可选的量纲。本发明的存储方法基于上述知识图谱扩展模型,将结构化知识存储为关系型数据库的数据表结构,将量化数据存入属性中,便于实现逻辑推理和量化推理,而且提高了查询效率。
Description
技术领域
本发明涉及人工智能领域,具体涉及一种知识图谱扩展模型、结构化知识存储方法与设备。
背景技术
随着计算机技术和人工智能技术的发展,如何让计算机自动地存储并理解知识,进而对知识进行自动化的逻辑推理,是近年来的一个热点研究领域。
本体论(Ontology)是一种对知识的建模方法,它将每一个概念定义为一个实体,通过一系列标准语法来定义实体与实体之间的联系。知识图谱(Knowledge Graph)理论将知识以有向图的形式建模,将每个实体作为图的一个结点,而实体之间的关系为连接实体结点的边。
图1是现有知识图谱的实体关系模型示意图。如图1所示,在传统知识图谱的建模方法中,实体和实体的关系可以表示为数学三元组:E=(E1,R,E2),其中,E1、E2表示实体,R表示关系。在上述系结构体系中,关系R作为一元属性,无法表达定量值、量纲等更多的信息。可以进行基于语义的逻辑推理和基于有向图遍历的推理,如表1所示:
表1
从表1可以看出现有的对知识图谱建模的方法,对于知识概念实体之间的关系,只能体现出实体间定性的逻辑关系,无法体现出实体间定量的关系,对于逻辑推理也只能进行定性的推理,无法进行定量的推理和更为精确的定量计算。例如,现有的知识图谱建模方法对知识“胡萝卜含有维生素C”可以进行建模表示,但对于含有定量参数的知识,如“每100克胡萝卜含有13毫克维生素C”无法进行有效的建模表示,也无法对“哪些食物每100克维生素C含量在10毫克以上且热量在100千卡以内”等命题进行自动推理。
发明内容
为了解决现有技术中的上述问题,本发明提出了一种知识图谱扩展模型、结构化知识存储方法与设备,将复杂的推理转化为数据库查询,提高了搜索效率。
本发明的第一方面,提出一种知识图谱扩展模型,包括实体与关系;
两个所述实体之间的连接为有向连接,有向连接边包含所述关系;
至少一个所述有向连接边还包含用于描述所述关系的一个或多个属性;
其中,每个所述实体、每个所述关系和每个所述属性均具有唯一标识符。
优选地,所述属性包括:数据类型和取值。
优选地,若所述属性的数据类型为数值型,则该属性还包括对应的量纲。
本发明的第二方面,还提出一种结构化知识存储方法,包括以下步骤:
获取结构化知识的实体、关系和所述关系对应的属性;
基于所述结构化知识并且根据所述实体和所述关系构建实体-关系-实体三元关联表;
基于所述结构化知识判断所述实体-关系-实体三元关联表中每个关系是否存在对应的属性;若是,则将所述属性关联至相应的关系。
优选地,所述方法还包括:
根据所述关系和所述属性构建关系-属性关联表。
优选地,在“基于所述结构化知识并且根据所述实体和所述关系构建实体-关系-实体三元关联表”的步骤之前,所述方法还包括:
根据所述实体、所述关系和所述属性分别构建实体字典表、关系字典表和属性字典表;
其中,
所述实体字典表包括至少一个实体记录,每个实体记录包括用于标识该实体的唯一标识符;
所述关系字典表包括至少一个关系记录,每个关系记录包括用于标识该关系的唯一标识符;
所述属性字典表包括至少一个属性记录,每个属性记录包括用于标识该属性的唯一标识符。
优选地,“根据所述关系和所述属性构建关系-属性关联表”的步骤包括:
基于所述结构化知识并且根据所述关系字典表和所述属性字典表构建所述关系-属性关联表;
所述关系-属性关联表包括至少一个第一关联记录,每个所述第一关联记录包括:用于标识该关联记录的唯一标识符,以及一个指定关系的唯一标识符和至少一个与该指定关系相关联的属性的唯一标识符。
优选地,“基于所述结构化知识并且根据所述实体和所述关系构建实体-关系-实体三元关联表”的步骤包括:
基于所述结构化知识并且根据所述实体字典表和所述关系字典表构建所述实体-关系-实体三元关联表;
其中,所述实体-关系-实体三元关联表包括至少一个第二关联记录,每个所述第二关联记录包括:用于标识该关联记录的唯一标识符,以及一个起始实体的唯一标识符、一个结束实体的唯一标识符、所述起始实体与所述结束实体之间对应关系的唯一标识符。
优选地,“将所述属性关联至相应的关系”的步骤包括:
根据所述实体-关系-实体三元关联表与所述属性构建实体-关系-属性关联表;
其中,所述实体-关系-属性关联表包括至少一个第三关联记录,每个所述第三关联记录包括:用于标识该关联记录的唯一标识符、一个指定第二关联记录的唯一标识符、至少一个与该指定第二关联记录相关联的属性的唯一标识符,以及每个属性对应的取值。
优选地,所述方法还包括:
获取查询指令,并根据查询指令的不同,基于存储的所述结构化知识进行不同命题的推理查询。
优选地,所述方法还包括:
利用关系型数据库存储所述实体字典表、所述关系字典表、所述属性字典表、所述关系-属性关联表、所述实体-关系-实体三元关联表和所述实体-关系-属性关联表;
相应地,利用SQL结构化查询语言执行查询指令。
本发明的第三方面,还提出一种存储设备,其中存储有程序,所述程序适于由处理器加载以执行上面所述的结构化知识存储方法。
本发明的第四方面,还提出一种控制设备,包括处理器和存储器,所述处理器适于执行程序,所述存储器适于存储该程序,所述程序适于由处理器加载以执行上面所述的结构化知识存储方法。
与最接近的现有技术相比,本发明至少具有如下有益效果:
本发明提出的知识图谱扩展模型,将实体和关系模型中一元的关系扩展为可以包含多元的属性,属性可以是多种数据类型,可以表达量化的数值信息;本发明提出的结构化知识存储方法,将扩展的实体和关系模型转化为关系型数据库的数据表结构,关系型数据库是目前广泛使用的成熟产品,便于对知识的存储和查询;将知识推理问题(包括量化知识推理和非量化的定性知识推理)转化为关系型数据库的SQL查询语言,大大简化了工程实现的难度。
附图说明
图1是现有技术的知识图谱实体关系模型示意图;
图2是本发明的知识图谱实体关系扩展模型示意图;
图3是本发明的知识图谱中结构化知识表示方法示意图;
图4是本发明的一种结构化知识存储方法实施例的主要步骤示意图;
图5是本发明的另一种结构化知识存储方法实施例的主要步骤示意图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“第一”、“第二”仅仅是为了便于描述,而不是指示或暗示所述关联记录或模块的相对重要性,因此不能理解为对本发明的限制。
图2是本发明的知识图谱中实体关系扩展模型示意图。如图2所示,本发明的扩展模型具有以下特征:
(1)实体与实体之间的连接为有向连接;(2)有向连接边包含关系,还可能包括用于描述关系的一个或多个属性,也可能不包括属性;(3)每个实体有全局的唯一标识符;(4)每个关系有全局的唯一标识符;(5)每个属性有全局的唯一标识符,每个属性包括:数据类型和取值;其中,数据类型包括数值型、布尔型、字符型、枚举型等数据类型中的一种。如果为数值型,则该属性还包括对应的物理量纲。
图3是本发明的知识图谱中结构化知识表示方法示意图。如图3所示,本例的结构化知识为“每100克胡萝卜含有13毫克维生素C”。其中,实体E1为胡萝卜,实体E2为维生素C,这两个实体之间的连接边为“包含”关系,这个关系包含一个属性“含量”。该属性的类型为数值,取值为13,量纲为mg/100g。
又例如,贾政与贾宝玉是父子关系,这个关系“父子”就不包含属性了。再如,人民币与美元存在兑换关系,这个“兑换”关系包括两个属性:时间和汇率。其中“汇率”属性为数值类型,量纲为CNY/USD。
图4是本发明的一种结构化知识存储方法实施例的主要步骤示意图。如图4所示,本实施例包括步骤A10-A30:
步骤A10,获取结构化知识的实体、关系和关系对应的属性;
步骤A20,基于结构化知识并且根据实体和关系构建实体-关系-实体三元关联表;
步骤A30,基于结构化知识判断实体-关系-实体三元关联表中每个关系是否存在对应的属性;若是,则将属性关联至相应的关系。
可选地,本实施例的结构化知识存储方法还可以包括:
步骤A40,根据关系和属性构建关系-属性关联表。
图5是本发明的另一种结构化知识存储方法实施例的主要步骤示意图。如图5所示,本实施例包括步骤B10-B50:
步骤B10,获取结构化知识的实体、关系和关系对应的属性;
步骤B20,根据实体、关系和属性分别构建实体字典表、关系字典表和属性字典表。具体包括步骤B21-B23:
步骤B21,根据实体集合构建实体字典表(简称EDTable)。
实体字典表中包括至少一个实体记录,每个实体记录包括用于标识该实体的唯一标识符。换言之,每一个实体在实体字典表中表示为唯一的一条记录,分配唯一的标识符(本实施例中为ID值,即EID);实体字典表包含的主要字段如表2所示:
表2
表2中,每个实体记录还包括:该实体记录的名称和唯一的资源标识符。
步骤B22,根据关系集合构建关系字典表(简称RDTable)。
关系字典表中包括至少一个关系记录,每个关系记录包括用于标识该关系的唯一标识符。换言之,每一个关系在关系字典表中表示为唯一的一条记录,分配唯一的标识符(本实施例中为ID值,即RID)。关系字典表包含的主要字段如表3所示:
表3
表3中,每个关系记录还包括:该关系的名称和唯一的资源标识符。
步骤B23,根据属性集合构建属性字典表(简称ADTable)。
属性字典表中包括至少一个属性记录,每个属性记录包括用于标识该属性的唯一标识符。换言之,每一个属性在属性字典表中表示为唯一的一条记录,分配唯一的标识符(本实施例中为ID值,即AID)。属性字典表包含的主要字段如表4所示:
表4
表4中,每个属性记录还包括:该属性的名称、唯一的资源标识符、数据类型,如果该属性的数据类型为数值型,则该属性还包括对应的属性单位,即量纲。
步骤B30,基于结构化知识并且根据实体字典表和关系字典表构建实体-关系-实体三元关联表。
其中,实体-关系-实体三元关联表(简称ERTable)中包括至少一个第二关联记录,每个第二关联记录包括:用于标识该关联记录的唯一标识符(本实施例中为ID值,即ERID),以及一个起始实体的唯一标识符(即ERID1)、一个结束实体的唯一标识符(即ERID2)、起始实体与结束实体之间对应关系的唯一标识符(即RID)。这里为了简便起见,将一个实体-关系-实体关联记录称为一个“第二关联记录”。三元关联表包含的主要字段如表5所示:
表5
步骤B40,基于结构化知识判断实体-关系-实体三元关联表中每个关系是否存在对应的属性;若是,则根据实体-关系-实体三元关联表与对应的属性构建实体-关系-属性关联表。
其中,实体-关系-属性关联表(简称ERATable)中包括至少一个第三关联记录,每个第三关联记录包括:用于标识该关联记录的唯一标识符(本实施例中为ID值,即ERAID)、一个指定第二关联记录的唯一标识符(即ERID)、至少一个与该指定第二关联记录相关联的属性的唯一标识符(即AID),以及每个属性对应的取值。这里为了简便起见,将一个实体-关系-属性关联记录称为一个“第三关联记录”。
实体-关系-属性关联表包含的主要字段如表6所示:
表6
表6中只给出了一个第二关联记录与一个属性记录相关联的例子,实际上,一个第二关联记录可能与一个或多个属性相关联。
步骤B50,基于结构化知识并且根据关系字典表和属性字典表构建关系-属性关联表。
其中,构建的关系-属性关联表(简称RD_ADTable)中包括至少一个第一关联记录,每个第一关联记录包括:用于标识该关联记录的唯一标识符(本实施例中为ID值,即RAID),以及一个指定关系的唯一标识符(即RID)和至少一个与该指定关系相关联的属性的唯一标识符(即AID)。这里为了简便起见,将一个关系-属性关联记录称为一个“第一关联记录”。关系-属性关联表包含的主要字段如表7所示:
表7
以上步骤B20-B50将图2所描述的包含属性的实体间的关系转化为六张表(表2-表7)。上述表和字段只是描述了基本的数据结构,实际应用时表的结构会有所不同,只要不偏离本发明的技术构思都应在本发明保护的范围内。
可选地,本实施例中的结构化知识存储方法还可以包括:
步骤B60,获取查询指令,并根据查询指令的不同,基于存储的结构化知识进行不同命题的推理查询。该步骤分为如下几种情况:
(1)查询指令包括两个目标实体各自对应的唯一标识符。基于实体-关系-实体三元关联表并且根据两个目标实体各自对应的唯一标识符,获取两个目标实体之间的待查询关系。例如,查询水果与食物是什么关系?可以根据两个目标实体“水果”和“食物”各自对应的唯一标识符,通过查询实体-关系-实体三元关联表,可以得到它们的关系是“属于”,即水果属于食物。
(2)查询指令包括目标实体的唯一标识符和目标关系的唯一标识符,基于所述实体-关系-实体三元关联表并且根据所述目标实体的唯一标识符和目标关系的唯一标识符,获取与该目标实体和该目标关系对应的待查询实体。例如,查询胡萝卜中包含什么成分?可以根据目标实体“胡萝卜”的唯一标识符和目标关系“包含”的唯一标识符,通过查询所述实体-关系-实体三元关联表,得到胡萝卜包含纤维素、胡萝卜素、维生素A、维生素C等。
(3)查询指令包括目标实体的唯一标识符、目标关系的唯一标识符和目标属性的唯一标识符,以及该目标属性的数据类型、取值和可选的量纲,基于所述实体-关系-属性关联表并且根据所述目标实体的唯一标识符、目标关系的唯一标识符和目标属性的唯一标识符,以及该目标属性的数据类型、取值和可选的量纲,获取与该目标实体、目标关系、目标属性对应的待查询实体。例如,查询每100克胡萝卜中什么成分的含量大于10毫克?可以根据目标实体“胡萝卜”的唯一标识符、目标关系“包含”的唯一标识符和目标属性“含量”的唯一标识符,以及目标属性的数据类型“数值型”、取值“10”和量纲“mg/100g”,通过查询实体-关系-属性关联表和实体-关系-实体关联表,得出每100克胡萝卜中维生素C的含量为13毫克,满足大于10毫克的要求。本例中,维生素C为待查询实体,如果反过来查询维生素C含量大于10毫克的食物有哪些?那么目标实体就是维生素C,得到的待查询实体就是胡萝卜。
(4)查询指令包括目标关系的唯一标识符,基于关系-属性关联表并且根据所述目标关系的唯一标识符,获取该目标关系对应的待查询属性。例如,查询关系“包含”具有哪些属性?可以根据目标关系“包含”,通过查询关系-属性关联表,得到关系“包含”具有属性“含量”。
上面只是列举了四种常用的查询场景,在实际应用中,可能包括更多种。
可选地,本实施例中的结构化知识存储方法在步骤B0之前还可以包括存入数据库的步骤:
步骤B55,利用关系型数据库存储实体字典表、关系字典表、属性字典表、关系-属性关联表、实体-关系-实体三元关联表和实体-关系-属性关联表。
相应地,在步骤B60中我们可以利用SQL结构化查询语言执行数据查询指令。在这里,将实体、关系、属性的建模,可以转化为关系型数据库的存储结构。在关系型数据库的存储结构中,实体、关系、属性都表示为字典-引用形式。
例1:查询与实体E1有关系R1的实体集合。例如,胡萝卜(E1)包含(R1)哪些营养成分?用结构化查询语言(SQL)进行查询的方法可以表示为:
SELECT ed.*FROM EDTable ed
INNER JOIN ERTable er
ON ed.EID=er.EID2
WHERE er.EID1=EID(E1)AND er.RID=RID(R1)
例2:查询实体E的集合,使集合内的元素都同时满足:
(1)与实体E2的关系R1的A1数值属性大于C1;
(2)与实体E3的关系R1的A1数值属性小于C2。
如,查找食物集合(E),使集合内的每种食物同时满足:
(1)包含(R1)维生素(E2)含量(A1)大于10;
(2)包含(R1)热量(E3)含量(A1)小于100。
用SQL进行查询的方法可以表示为:
SELECT ed.*FROM EDTable ed WHERE ed.EID IN(
SELECT DISTINCT er.EID FROM ERTable er INNER JOIN ERATable era ON er.ERID=era.ERID
WHERE er.EID2=EID(E2)AND era.AID=AID(A1)AND era.VALUE>C1
INTERSECT
SELECT DISTINCT er.EID FROM ERTable er INNER JOIN ERATable era ON er.ERID=era.ERID
WHERE er.EID2=EID(E3)AND era.AID=AID(A1)AND era.VALUE<C2
)
上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述,但是本领域技术人员可以理解,为了实现本实施例的效果,不同的步骤之间不必按照这样的次序执行,其可以同时(并行)执行或以颠倒的次序执行,这些简单的变化都在本发明的保护范围之内。
基于上述结构化知识存储方法,本发明还提出一种存储设备的实施例,其中存储有程序,所述程序适于由处理器加载以执行上面所述的结构化知识存储方法。
进一步地,本发明还提出一种控制设备的实施例,包括处理器和存储器,所述处理器适于执行程序,所述存储器适于存储该程序,所述程序适于由处理器加载以执行上面所述的结构化知识存储方法。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的方法步骤、模块、子模块,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (13)
1.一种知识图谱扩展模型,其特征在于,包括实体和关系;
两个所述实体之间的连接为有向连接,有向连接边包含所述关系;
至少一个所述有向连接边还包含用于描述所述关系的一个或多个属性;
其中,
每个所述实体、每个所述关系和每个所述属性均具有唯一标识符。
2.根据权利要求1所述的知识图谱扩展模型,其特征在于,所述属性包括:数据类型和取值。
3.根据权利要求2所述的知识图谱扩展模型,其特征在于,若所述属性的数据类型为数值型,则该属性还包括对应的量纲。
4.一种结构化知识存储方法,其特征在于,包括以下步骤:
获取结构化知识的实体、关系和所述关系对应的属性;
基于所述结构化知识并且根据所述实体和所述关系构建实体-关系-实体三元关联表;
基于所述结构化知识判断所述实体-关系-实体三元关联表中每个关系是否存在对应的属性;若是,则将所述属性关联至相应的关系。
5.根据权利要求4所述的结构化知识存储方法,其特征在于,所述方法还包括:
根据所述关系和所述属性构建关系-属性关联表。
6.根据权利要求5所述的结构化知识存储方法,其特征在于,在“基于所述结构化知识并且根据所述实体和所述关系构建实体-关系-实体三元关联表”的步骤之前,所述方法还包括:
根据所述实体、所述关系和所述属性分别构建实体字典表、关系字典表和属性字典表;
其中,
所述实体字典表包括至少一个实体记录,每个实体记录包括用于标识该实体的唯一标识符;
所述关系字典表包括至少一个关系记录,每个关系记录包括用于标识该关系的唯一标识符;
所述属性字典表包括至少一个属性记录,每个属性记录包括用于标识该属性的唯一标识符。
7.根据权利要求6所述的结构化知识存储方法,其特征在于,“根据所述关系和所述属性构建关系-属性关联表”的步骤包括:
基于所述结构化知识并且根据所述关系字典表和所述属性字典表构建所述关系-属性关联表;
所述关系-属性关联表包括至少一个第一关联记录,每个所述第一关联记录包括:用于标识该关联记录的唯一标识符,以及一个指定关系的唯一标识符和至少一个与该指定关系相关联的属性的唯一标识符。
8.根据权利要求7所述的结构化知识存储方法,其特征在于,“基于所述结构化知识并且根据所述实体和所述关系构建实体-关系-实体三元关联表”的步骤包括:
基于所述结构化知识并且根据所述实体字典表和所述关系字典表构建所述实体-关系-实体三元关联表;
其中,所述实体-关系-实体三元关联表包括至少一个第二关联记录,每个所述第二关联记录包括:用于标识该关联记录的唯一标识符,以及一个起始实体的唯一标识符、一个结束实体的唯一标识符、所述起始实体与所述结束实体之间对应关系的唯一标识符。
9.根据权利要求8所述的结构化知识存储方法,其特征在于,“将所述属性关联至相应的关系”的步骤包括:
根据所述实体-关系-实体三元关联表与所述属性构建实体-关系-属性关联表;
其中,所述实体-关系-属性关联表包括至少一个第三关联记录,每个所述第三关联记录包括:用于标识该关联记录的唯一标识符、一个指定第二关联记录的唯一标识符、至少一个与该指定第二关联记录相关联的属性的唯一标识符,以及每个属性对应的取值。
10.根据权利要求9所述的结构化知识存储方法,其特征在于,所述方法还包括:
获取查询指令,并根据查询指令的不同,基于存储的所述结构化知识进行不同命题的推理查询。
11.根据权利要求10所述的结构化知识存储方法,其特征在于,所述方法还包括:
利用关系型数据库存储所述实体字典表、所述关系字典表、所述属性字典表、所述关系-属性关联表、所述实体-关系-实体三元关联表和所述实体-关系-属性关联表;
相应地,利用SQL结构化查询语言执行查询指令。
12.一种存储设备,其中存储有程序,其特征在于,所述程序适于由处理器加载以执行权利要求4至11中任一项所述的结构化知识存储方法。
13.一种控制设备,包括处理器和存储器,所述处理器适于执行程序,所述存储器适于存储该程序,其特征在于,所述程序适于由处理器加载以执行权利要求4至11中任一项所述的结构化知识存储方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811030742.3A CN109325038A (zh) | 2018-09-05 | 2018-09-05 | 知识图谱扩展模型、结构化知识存储方法与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811030742.3A CN109325038A (zh) | 2018-09-05 | 2018-09-05 | 知识图谱扩展模型、结构化知识存储方法与设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109325038A true CN109325038A (zh) | 2019-02-12 |
Family
ID=65263597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811030742.3A Pending CN109325038A (zh) | 2018-09-05 | 2018-09-05 | 知识图谱扩展模型、结构化知识存储方法与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109325038A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187678A (zh) * | 2019-04-19 | 2019-08-30 | 广东省智能制造研究所 | 一种制造业加工设备信息存储和数字化应用系统 |
CN110543585A (zh) * | 2019-08-14 | 2019-12-06 | 天津大学 | 一种基于关系模型的rdf图和属性图统一存储方法 |
CN111428018A (zh) * | 2020-03-26 | 2020-07-17 | 中国建设银行股份有限公司 | 智能问答方法及装置 |
CN111737419A (zh) * | 2020-07-31 | 2020-10-02 | 支付宝(杭州)信息技术有限公司 | 机器阅读理解中的数值推理方法和装置 |
CN112000718A (zh) * | 2020-10-28 | 2020-11-27 | 成都数联铭品科技有限公司 | 基于属性布局的知识图谱展示方法及系统、介质、设备 |
CN112131215A (zh) * | 2019-06-25 | 2020-12-25 | 中国移动通信集团重庆有限公司 | 自底向上的数据库信息获取方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541867A (zh) * | 2010-12-15 | 2012-07-04 | 金蝶软件(中国)有限公司 | 数据字典生成方法及系统 |
US20150127562A1 (en) * | 2013-11-05 | 2015-05-07 | Bank Of America Corporation | Automatic contact list generation |
CN105550219A (zh) * | 2015-12-04 | 2016-05-04 | 航天科工智慧产业发展有限公司 | 一种信息资源的自动编目方法 |
CN105574098A (zh) * | 2015-12-11 | 2016-05-11 | 百度在线网络技术(北京)有限公司 | 知识图谱的生成方法及装置、实体对比方法及装置 |
CN107844600A (zh) * | 2017-11-23 | 2018-03-27 | 浪潮软件集团有限公司 | 一种数据存储方法和装置 |
-
2018
- 2018-09-05 CN CN201811030742.3A patent/CN109325038A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541867A (zh) * | 2010-12-15 | 2012-07-04 | 金蝶软件(中国)有限公司 | 数据字典生成方法及系统 |
US20150127562A1 (en) * | 2013-11-05 | 2015-05-07 | Bank Of America Corporation | Automatic contact list generation |
CN105550219A (zh) * | 2015-12-04 | 2016-05-04 | 航天科工智慧产业发展有限公司 | 一种信息资源的自动编目方法 |
CN105574098A (zh) * | 2015-12-11 | 2016-05-11 | 百度在线网络技术(北京)有限公司 | 知识图谱的生成方法及装置、实体对比方法及装置 |
CN107844600A (zh) * | 2017-11-23 | 2018-03-27 | 浪潮软件集团有限公司 | 一种数据存储方法和装置 |
Non-Patent Citations (1)
Title |
---|
著一: "实体关系图E-R图(Entity Relationship Diagram)", 《HTTPS://BLOG.CSDN.NET/LIMUZI13/ARTICLE/DETAILS/50390810》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187678A (zh) * | 2019-04-19 | 2019-08-30 | 广东省智能制造研究所 | 一种制造业加工设备信息存储和数字化应用系统 |
CN112131215A (zh) * | 2019-06-25 | 2020-12-25 | 中国移动通信集团重庆有限公司 | 自底向上的数据库信息获取方法及装置 |
CN112131215B (zh) * | 2019-06-25 | 2023-09-19 | 中国移动通信集团重庆有限公司 | 自底向上的数据库信息获取方法及装置 |
CN110543585A (zh) * | 2019-08-14 | 2019-12-06 | 天津大学 | 一种基于关系模型的rdf图和属性图统一存储方法 |
CN110543585B (zh) * | 2019-08-14 | 2021-08-31 | 天津大学 | 一种基于关系模型的rdf图和属性图统一存储方法 |
CN111428018A (zh) * | 2020-03-26 | 2020-07-17 | 中国建设银行股份有限公司 | 智能问答方法及装置 |
CN111428018B (zh) * | 2020-03-26 | 2024-02-06 | 中国建设银行股份有限公司 | 智能问答方法及装置 |
CN111737419A (zh) * | 2020-07-31 | 2020-10-02 | 支付宝(杭州)信息技术有限公司 | 机器阅读理解中的数值推理方法和装置 |
CN112000718A (zh) * | 2020-10-28 | 2020-11-27 | 成都数联铭品科技有限公司 | 基于属性布局的知识图谱展示方法及系统、介质、设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325038A (zh) | 知识图谱扩展模型、结构化知识存储方法与设备 | |
US11687801B2 (en) | Knowledge graph data structures and uses thereof | |
US20220350803A1 (en) | Query Generation Based On Merger Of Subqueries | |
CN103646032B (zh) | 一种基于本体和受限自然语言处理的数据库查询方法 | |
CN103412917B (zh) | 一种可扩展的多类型领域数据协调管理的数据库系统和管理方法 | |
US10366066B2 (en) | Collaborative data mining and analysis | |
CN109947998A (zh) | 跨异构系统的网络的计算数据沿袭 | |
US11928114B2 (en) | Query generation based on a logical data model with one-to-one joins | |
US11816156B2 (en) | Ontology index for content mapping | |
US11410060B1 (en) | System and method for utilizing a logical graphical model for scenario analysis | |
WO2013057937A1 (en) | Transformation of complex data source result sets to normalized sets for manipulation and presentation | |
US20200192883A1 (en) | Methods and systems for biodirectional indexing | |
Holubová et al. | Unified Management of Multi-model Data: (Vision Paper) | |
Ma et al. | Data modeling and querying with fuzzy sets: A systematic survey | |
CN109635119A (zh) | 一种基于本体融合的工业大数据集成系统 | |
Vasilyeva et al. | Leveraging flexible data management with graph databases | |
US10324927B2 (en) | Data-driven union pruning in a database semantic layer | |
Podsiadły-Marczykowska et al. | Rule-based algorithm transforming OWL ontology into relational database | |
Kremen et al. | Expressive Owl queries: design, evaluation, visualization | |
Schwartz | Agent-oriented epistemic reasoning: Subjective conditions of knowledge and belief | |
EP3200101A1 (en) | Methods and systems for distributed data analysis | |
Boukraâ et al. | A layered multidimensional model of complex objects | |
WO2023125718A1 (zh) | 基于知识图谱的数据查询方法、系统、设备及存储介质 | |
Hsiao et al. | So far (schematically) yet so near (semantically) | |
Bilong et al. | Defining semantics for data element with semantic tree |
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: 20190212 |
|
RJ01 | Rejection of invention patent application after publication |