CN109558522A - 企业网络图的建立方法、装置和计算机可读存储介质 - Google Patents
企业网络图的建立方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109558522A CN109558522A CN201811556472.XA CN201811556472A CN109558522A CN 109558522 A CN109558522 A CN 109558522A CN 201811556472 A CN201811556472 A CN 201811556472A CN 109558522 A CN109558522 A CN 109558522A
- Authority
- CN
- China
- Prior art keywords
- node
- data
- incidence relation
- node data
- enterprise
- 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
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供了本申请提供了一种企业网络图的建立方法,所述方法包括:获取建立网络图所需的节点数据和所述节点数据之间的关联关系;根据所述节点数据以及所述关联关系建立初始企业图;根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数;根据所述节点数据、所述关联关系和所述简化参数建立企业网络图。本申请还提供一种装置和计算机可读存储介质。通过此种方式可以减少用于建立模型的数据量级,同时提高模型的建立速度,以及通过使得对该社区网络图的遍历、特征提取和分析效率更高。
Description
技术领域
本申请属于数据处理技术领域,具体涉及一种企业网络图的建立方法、装置和计算机可读存储介质。
背景技术
关联图谱是基于图数据库建立的关系网络图,是一种可视化的智能分析产品,通过数据抽取和转换,图计算引擎对数据进行查询和分析,实现秒级数据运算和数据可视化,并以图谱的形式展示给用户的分析工具。关联图谱由节点和边构成,节点表征事件实体和企业实体,边表征实体间的关系,节点和边都可以有多个属性。
关联图谱应用于企业信息与企业风险发现领域,其核心价值在于把各个类别的企业信息有机地串联起来,从而有助于风险模型去识别其中隐藏的关联风险、族群风险等。在实际企业关联图谱中,公司的股东比较多,一个公司投资的其他公司也比较多,进而形成巨大的图谱,这通常会出现超级节点、边爆炸等问题。如某公司的多层关联公司非常庞大,如四层内的关联公司,可达到数十万节点,这些节点涉及到风险信息可达到数百万条,这给基于企业关联图谱风险模型设计、训练和应用都带来了困难。
发明内容
为了解决现有技术存在的上述问题,本申请目的在于提供一种企业网络图的建立方法、装置和计算机可读存储介质,旨在解决现有的建立大规模企业关联图谱时,由于数据量级大导致的模型建立时的设计、训练和应用的困难。
为解决上述技术问题,本申请提供了一种企业网络图的建立方法,所述方法包括:获取建立网络图所需的节点数据和所述节点数据之间的关联关系;根据所述节点数据以及所述关联关系建立初始企业图;根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数;根据所述节点数据、所述关联关系和所述简化参数建立企业网络图。
可选地,所述初始企业图包括至少两个所述节点数据,两个所述节点数据之间包括至少一条所述关联关系,所述节点数据包括至少一个节点属性,所述关联关系包括至少一个边属性。
可选地,所述节点数据的类别包括公司、人员和风险事件。
可选地,当所述节点类别为公司时,则所述节点属性包括但不限于:注册资本、规模、行业、类型和地区;当所述节点类别为风险事件时,则所述节点属性包括但不限于:发生时间、地点、严重程度和涉及的财物价值;所述节点类别为人时,则所述节点属性包括但不限于:职位、任职时长和过往不良记录。
可选地,所述获取建立网络图所需的节点数据的步骤之前,还包括:预先建立数据分析提取系统;获取企业相关数据;通过所述数据分析提取系统对所述企业相关数据以得到节点数据。
可选地,所述确定所述节点数据之间的关联关系的步骤为:预先设定搜寻规则;根据所述节点数据和所述搜寻规则数据源中获取关系信息;根据所述关联信息确定所述关联关系。
可选地,所述简化参数包括节点权重和边权重,所述根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数的步骤,包括:获取每个所述节点数据对应的至少一个原始节点属性值;获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个原始边属性值;通过将所述至少一个原始节点属性值合并得到对应所述节点数据的所述节点权重;通过将所述至少一个原始边属性值合并得到对应所述两个节点数据之间的所述边权重。
可选地,所述获取每个所述节点数据对应的至少一个原始节点属性值的步骤,包括:获取每个所述节点数据对应的至少一个节点属性,根据第一映射关系确定所述节点属性对应的原始节点属性值;所述获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个原始边属性值的步骤,包括:获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个边属性,根据第二映射关系确定所述边属性对应的原始边属性值。
本申请还提供了一种企业网络图的建立装置,所述装置包括:数据获取模块,用于获取建立网络图所需的节点数据和所述节点数据之间的关联关系;原始模型建立模块,用于根据所述节点数据以及所述关联关系建立初始企业图;简化处理模块,用于根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数;网络图建立模块,用于根据所述节点数据、所述关联关系和所述简化参数建立企业网络图。
本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或多个计算机可执行指令,当所述一个或多个计算机可执行指令被一个或多个处理器执行时,使得所述一个或多个处理器执行上述的企业网络图的建立方法。
本申请以企业、人员、风险事件以及彼此之间的关联关系建立初始企业图,根据预设的映射关系确定企业、人员、风险事件以及关联关系不同属性的属性值,通过预算算法将初始企业图中的各边和点的各个属性值和网络图的结构信息合并为一个简化参数,其中,简化参数包括节点数据的节点权重以及两个节点数据中的边的边权重,通过此种方式可以减少用于建立模型的数据量级,同时提高模型的建立速度,以及通过使得对该社区网络图的遍历、特征提取和分析效率更高。
附图说明
图1为本申请流程图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
图1是本申请提供的一企业网络图的建立方法的流程图。该实施例的方法一旦被用户触发,则该实施例中的流程通过终端自动运行,其中,各个步骤在运行的时候可以是按照如流程图中的顺序先后进行,也可以是根据实际情况多个步骤同时进行,在此并不做限定。本申请提供的企业网络图的建立方法包括如下步骤:
步骤S110,获取建立网络图所需的节点数据和所述节点数据之间的关联关系;
步骤S120,根据所述节点数据以及所述关联关系建立初始企业图;
步骤S130,根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数;
步骤S140,根据所述节点数据、所述关联关系和所述简化参数建立企业网络图。
通过上述实施方式,可以减少用于建立模型的数据量级,同时提高模型的建立速度,以及通过使得对该社区网络图的遍历、特征提取和分析效率更高。
下面将结合具体实施例对上述各步骤进行详细的叙述。
在步骤S110中,获取建立网络图所需的节点数据和所述节点数据之间的关联关系。
具体地,网络图是有节点和边构成的图数据结构,其中,节点和边赋予特定的权重。在本实施方式中,网络图以节点数据为节点,以关联关系为边。在本实施方式中,节点数据是指与企业风险相关的不同类型的数据,举例而言,节点数据的种类可以包括三种,例如:企业、人员和风险事件。在其他实施方式中,节点数据的种类也可以包含其他与企业风险相关的,具体根据建立网络图的设计者而确定。需要说明的是,网络图的节点由大量的属于企业、人员和风险事件的具体信息构成,例如,网络图中的企业可以包含A企业、B企业、C企业等,人员可以包括CEO、CFO、董事长、经理,风险事件可以是投资、离职、破产、融资等。
在本实施方式中,关联关系是指一个节点数据可以影响另一个节点数据的内容,举例而言,可以是投资关系、升职的级别或降级的幅度等。具体内容可以是根据建立网络图的用途而确定对应的内容。举例而言,关联关系可以通过如下步骤确定:
步骤S1101,预先设定搜寻规则;
步骤S1102,根据所述节点数据和所述搜寻规则数据源中获取关系信息;
步骤S1103,根据所述关联信息确定所述关联关系。
具体地,搜索规则可以是以关键字的方式,也可以是以其他的方式。在步骤S1102中,数据源可以是互联网上的新闻,也可以是企业工商查询的数据库,也可以是招聘网站上的数据库等。
在步骤S120中,根据所述节点数据以及所述关联关系建立初始企业图。
具体地,通过图建立方法以节点数据为节点和以关联关系为边建立图结构作为初始企业图。初始企业图中节点和边并未赋予具体的权重,而且,相邻的两个节点之间具有多条以关联关系确定的边。举例而言,企业与人员之间具有加薪关系和股票兑现关系,那么,在初始企业图中,企业节点与该人员节点之间至少具有两条边。在本实施方式中,所述初始企业图包括至少两个所述节点数据,两个所述节点数据之间包括至少一条所述关联关系,所述节点数据包括至少一个节点属性,所述关联关系包括至少一个边属性,每一个不同的边属性代表关联关系的一个不同的维度。其中,节点属性是指与企业风险相关的节点的内容,不同的类型的节点数据具有代表多重维度的节点属性。举例而言,当所述节点类别为公司时,则所述节点属性包括但不限于:注册资本、规模、行业、类型和地区;当所述节点类别为风险事件时,则所述节点属性包括但不限于:发生时间、地点、严重程度和涉及的财物价值;所述节点类别为人时,则所述节点属性包括但不限于:职位、任职时长和过往不良记录。
在步骤S130中,根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数。
具体地,简化参数为用于赋予至初始企业图的节点和边中以形成企业网络图。在本实施方式中,简化参数包括节点权重和边权重。在本实施方式中,可以通过如下步骤获得节点权重和边权重:
步骤S1301,获取每个所述节点数据对应的至少一个原始节点属性值;
步骤S1302,获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个原始边属性值;
步骤S1303,通过将所述至少一个原始节点属性值合并得到对应所述节点数据的所述节点权重;
步骤S1304,通过将所述至少一个原始边属性值合并得到对应所述两个节点数据之间的所述边权重。
通过上述实施方式,可以将初始企业图中的节点属性和关联关系进行合并简化,以得到相对单一的企业关系,并通过将合并后的节点和边赋予通过综合考虑各种属性得到的权重值,建立结构简单的企业网络图。
具体地,在步骤S1301中,获取每个所述节点数据对应的至少一个节点属性,根据第一映射关系确定所述节点属性对应的原始节点属性值。其中,可以通过人工的方式赋予相同属性以相同的属性值,也可以是通过计算机的方式自动根据预设的算法赋予相同属性以相同的属性值,在本实施方式中,赋值范围在0-100之间。
在步骤S1302中,获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个边属性,根据第二映射关系确定所述边属性对应的原始边属性值。其中,两个节点数据之间的关联关系可能不止一个,而每个关联关系同样具有多个属性,可以通过人工的方式赋予相同属性以相同的属性值,也可以是通过计算机的方式自动根据预设的算法赋予相同属性以相同的属性值,在本实施方式中,赋值范围在0-100之间。
在步骤S1303中,将同一个节点数据的多个原始节点属性值映射成相应的数值以作为节点权重。在本实施方式中,节点权重为该节点数据拥有的所有的节点属性所对应的原始节点属性值的和,举例而言,对于节点数据,假设节点V的原始属性为{pi},可以通过如下公式计算得到节点数据的节点权重a:
其中,i为维度,pi为第i维的属性,fi为第i维的属性对应的数值的映射函数,n为该节点数据所具有的节点属性的数量。需要说明的是,fi的具体公式可以是根据大数据确定的内容,也可以是根据设定者的意图进行自定的关系,具体不做限定。
在步骤S1304中,将同一条边的多个原始边属性值映射成相应的数值以作为两个节点数据之间的一条边的属性值,由于,两个节点数据之间具有多条边,因此,将两个节点之间的多条边对应的多个属性值映射成一个数值以作为所述两个节点数据之间的所述边权重。在本实施方式中,边的属性值为该边拥有的所有的原始边属性值的和。举例而言,对于边,假设边E的原始属性为{qj},可以通过如下公式计算得到边的属性值β:
其中,j为维度,qj为第j维的属性,gj为第j维的属性对应的数值的映射函数,m为该边所具有的边属性的数量。
进一步地,在本实施方式中,边权重两个节点数据之间所有的边的属性值的和。举例而言,假设两个节点数据之间的边集为{Ei},可以通过如下公式计算得到简化后的一条边的边权重β`:
其中,Ei为第i边,为第βi边的属性值,fi为第i条边的属性值对应的数值的映射函数,n为边集中元素的数量。
通过上述实施方式,可以将初始企业图中节点数据的多个属性,以及两个节点之间的多个关联关系进行综合简化以得到对应的企业网络图的节点权重和边权重,有效地简化了后续建立的企业网络图的复杂程度。
在步骤S140中,根据所述节点数据、所述关联关系和所述简化参数建立企业网络图。通过算法将通过前述步骤中获得的简化参数作为权重赋予对应的节点和边,以得到企业网络图。
进一步地,本申请提供的企业网络图的建立方法,还包括:
步骤S150,预先建立数据分析提取系统;
步骤S160,获取企业相关数据;
步骤S170,通过所述数据分析提取系统对所述企业相关数据以得到节点数据。
通过上述步骤可以将非结构数据、半结构数据等进行快速转换为结构数据,以通过这些结构数据用作网络图的构建数据。
具体地,在步骤S150中,数据分析提取提取系统用于将从互联网上爬取的大量非结构化和半结构化数据进行抽取数据并整合到已有的结构化数据库中。在本实施方式中,数据分析提取系统包括数据接入模块与指标配置模块,指标配置模块用于定义指标所需要引用的相关字段对象,数据接入模块与数据库地址连接,认证数据库host,port,database信息。根据相关字段对象所需类型读取数据库的数据,数据与相关字段对象结合得到初步数据。其中,数据接入模块的配置是独立于指标配置模块之外的,在数据融合层内可以作为单独的模块被灵活调用。本实施例中,数据接入模块采用与数据库直连的方式与数据库地址连接。
在步骤S160中,企业相关数据是指含有企业相关数据的数据库,在本实施方式中,数据库的类型包括关系型数据库、非关系型数据库,Elasticsearch、数据仓库和本文文件。其中,这些数据库可以是人力资源数据库,法律文书数据库等。
在步骤S170中,定义逻辑块,用相关字段描述逻辑块特征;配置指标所需的相关字段集合:根据不同的场景所需指标涉及的内容,将各个逻辑块中与涉及的内容有关的相关字段配置成相关字段集合;读取数据库信息;确认相关字段涉及的数据库并得到初步数据:根据指标配置模块所配置的指标所需的相关字段集合与数据接入模块连接的数据库的相关字段进行匹配,确定相关字段涉及的的数据库,在数据库中与相关字段匹配的数据即为初步数据。在本实施方式中,初步数据即节点数据。
通过上述实施方式,可以有效解决不同来源的字段存在精度不同和字段类型不兼容的问题。
本申请一实施例,还提供一种企业网络图的建立装置,所述装置包括:
数据获取模块,用于获取建立网络图所需的节点数据和所述节点数据之间的关联关系;
原始模型建立模块,用于根据所述节点数据以及所述关联关系建立初始企业图;
简化处理模块,用于根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数;
网络图建立模块,用于根据所述节点数据、所述关联关系和所述简化参数建立企业网络图。
需要说明的是,前述企业网络图的建立方法实施方式中的内容同样适用于本实施例,故,在此不做赘述。
本申请一实施例,还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或多个计算机可执行指令,当所述一个或多个计算机可执行指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如下步骤:获取建立网络图所需的节点数据和所述节点数据之间的关联关系;根据所述节点数据以及所述关联关系建立初始企业图;根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数;根据所述节点数据、所述关联关系和所述简化参数建立企业网络图。
可选地,所述初始企业图包括至少两个所述节点数据,两个所述节点数据之间包括至少一条所述关联关系,所述节点数据包括至少一个节点属性,所述关联关系包括至少一个边属性。
可选地,所述节点数据的类别包括公司、人员和风险事件。
可选地,当所述节点类别为公司时,则所述节点属性包括但不限于:注册资本、规模、行业、类型和地区;当所述节点类别为风险事件时,则所述节点属性包括但不限于:发生时间、地点、严重程度和涉及的财物价值;所述节点类别为人时,则所述节点属性包括但不限于:职位、任职时长和过往不良记录。
可选地,所述获取建立网络图所需的节点数据的步骤之前,还包括:预先建立数据分析提取系统;获取企业相关数据;通过所述数据分析提取系统对所述企业相关数据以得到节点数据。
可选地,所述确定所述节点数据之间的关联关系的步骤为:预先设定搜寻规则;根据所述节点数据和所述搜寻规则数据源中获取关系信息;根据所述关联信息确定所述关联关系。
可选地,所述简化参数包括节点权重和边权重,所述根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数的步骤,包括:获取每个所述节点数据对应的至少一个原始节点属性值;获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个原始边属性值;通过将所述至少一个原始节点属性值合并得到对应所述节点数据的所述节点权重;通过将所述至少一个原始边属性值合并得到对应所述两个节点数据之间的所述边权重。
可选地,所述获取每个所述节点数据对应的至少一个原始节点属性值的步骤,包括:获取每个所述节点数据对应的至少一个节点属性,根据第一映射关系确定所述节点属性对应的原始节点属性值;所述获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个原始边属性值的步骤,包括:获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个边属性,根据第二映射关系确定所述边属性对应的原始边属性值。
本申请不局限于上述可选实施方式,任何人在本申请的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是落入本申请权利要求界定范围内的技术方案,均落在本申请的保护范围之内。
Claims (10)
1.一种企业网络图的建立方法,其特征在于,所述方法包括:
获取建立网络图所需的节点数据和所述节点数据之间的关联关系;
根据所述节点数据以及所述关联关系建立初始企业图;
根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数;
根据所述节点数据、所述关联关系和所述简化参数建立企业网络图。
2.如权利要求1所述的企业网络图的建立方法,其特征在于,所述初始企业图包括至少两个所述节点数据,两个所述节点数据之间包括至少一条所述关联关系,所述节点数据包括至少一个节点属性,所述关联关系包括至少一个边属性。
3.如权利要求2所述的企业网络图的建立方法,其特征在于,所述节点数据的类别包括公司、人员和风险事件。
4.如权利要求4所述的任意企业网络图的建立方法,其特征在于,当所述节点类别为公司时,则所述节点属性包括但不限于:注册资本、规模、行业、类型和地区;当所述节点类别为风险事件时,则所述节点属性包括但不限于:发生时间、地点、严重程度和涉及的财物价值;所述节点类别为人时,则所述节点属性包括但不限于:职位、任职时长和过往不良记录。
5.如权利要求1所述的企业网络图的建立方法,其特征在于,所述获取建立网络图所需的节点数据的步骤之前,还包括:
预先建立数据分析提取系统;
获取企业相关数据;
通过所述数据分析提取系统对所述企业相关数据以得到节点数据。
6.如权利要求1所述的企业网络图的建立方法,其特征在于,所述确定所述节点数据之间的关联关系的步骤为:
预先设定搜寻规则;
根据所述节点数据和所述搜寻规则数据源中获取关系信息;
根据所述关联信息确定所述关联关系。
7.如权利要求1所述的企业网络图的建立方法,其特征在于,所述简化参数包括节点权重和边权重,所述根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数的步骤,包括:
获取每个所述节点数据对应的至少一个原始节点属性值;
获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个原始边属性值;
通过将所述至少一个原始节点属性值合并得到对应所述节点数据的所述节点权重;
通过将所述至少一个原始边属性值合并得到对应所述两个节点数据之间的所述边权重。
8.如权利要求7所述的企业网络图的建立方法,其特征在于,
所述获取每个所述节点数据对应的至少一个原始节点属性值的步骤,包括:获取每个所述节点数据对应的至少一个节点属性,根据第一映射关系确定所述节点属性对应的原始节点属性值;
所述获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个原始边属性值的步骤,包括:获取所述两个节点数据之间所对应的所述至少一条关联关系所对应的所述至少一个边属性,根据第二映射关系确定所述边属性对应的原始边属性值。
9.一种企业网络图的建立装置,其特征在于,所述装置包括:
数据获取模块,用于获取建立网络图所需的节点数据和所述节点数据之间的关联关系;
原始模型建立模块,用于根据所述节点数据以及所述关联关系建立初始企业图;
简化处理模块,用于根据预设算法对所述节点数据和所述所述关联关系进行处理以得到简化参数;
网络图建立模块,用于根据所述节点数据、所述关联关系和所述简化参数建立企业网络图。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或多个计算机可执行指令,当所述一个或多个计算机可执行指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1-8所述的企业网络图的建立方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556472.XA CN109558522A (zh) | 2018-12-19 | 2018-12-19 | 企业网络图的建立方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556472.XA CN109558522A (zh) | 2018-12-19 | 2018-12-19 | 企业网络图的建立方法、装置和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109558522A true CN109558522A (zh) | 2019-04-02 |
Family
ID=65870518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811556472.XA Pending CN109558522A (zh) | 2018-12-19 | 2018-12-19 | 企业网络图的建立方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558522A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407163A (zh) * | 2021-05-18 | 2021-09-17 | 中广核工程有限公司 | 模块关联赋值方法、装置、计算机设备及可读存储介质 |
CN113656486A (zh) * | 2021-07-09 | 2021-11-16 | 深圳价值在线信息科技股份有限公司 | 生成可视化对象的方法、装置、终端设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345531A (zh) * | 2013-07-26 | 2013-10-09 | 苏州大学 | 一种复杂网络中网络社团的确定方法及装置 |
US9171058B2 (en) * | 2006-06-16 | 2015-10-27 | International Business Machines Corporation | Data analyzing method, apparatus and a method for supporting data analysis |
CN105260828A (zh) * | 2015-09-25 | 2016-01-20 | 量子数聚(北京)科技有限公司 | 一种企业间亲缘关系处理方法及系统 |
CN107358527A (zh) * | 2017-06-19 | 2017-11-17 | 重庆誉存大数据科技有限公司 | 一种投资关系网络可视化分析方法及系统 |
CN108038136A (zh) * | 2017-11-23 | 2018-05-15 | 上海斯睿德信息技术有限公司 | 基于图模型的企业知识图谱的建立方法和图形化查询方法 |
CN108647288A (zh) * | 2018-05-04 | 2018-10-12 | 苏州朗动网络科技有限公司 | 企业关系的挖掘方法、装置、计算机设备及存储介质 |
-
2018
- 2018-12-19 CN CN201811556472.XA patent/CN109558522A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9171058B2 (en) * | 2006-06-16 | 2015-10-27 | International Business Machines Corporation | Data analyzing method, apparatus and a method for supporting data analysis |
CN103345531A (zh) * | 2013-07-26 | 2013-10-09 | 苏州大学 | 一种复杂网络中网络社团的确定方法及装置 |
CN105260828A (zh) * | 2015-09-25 | 2016-01-20 | 量子数聚(北京)科技有限公司 | 一种企业间亲缘关系处理方法及系统 |
CN107358527A (zh) * | 2017-06-19 | 2017-11-17 | 重庆誉存大数据科技有限公司 | 一种投资关系网络可视化分析方法及系统 |
CN108038136A (zh) * | 2017-11-23 | 2018-05-15 | 上海斯睿德信息技术有限公司 | 基于图模型的企业知识图谱的建立方法和图形化查询方法 |
CN108647288A (zh) * | 2018-05-04 | 2018-10-12 | 苏州朗动网络科技有限公司 | 企业关系的挖掘方法、装置、计算机设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407163A (zh) * | 2021-05-18 | 2021-09-17 | 中广核工程有限公司 | 模块关联赋值方法、装置、计算机设备及可读存储介质 |
CN113656486A (zh) * | 2021-07-09 | 2021-11-16 | 深圳价值在线信息科技股份有限公司 | 生成可视化对象的方法、装置、终端设备及存储介质 |
CN113656486B (zh) * | 2021-07-09 | 2023-09-05 | 深圳价值在线信息科技股份有限公司 | 生成可视化对象的方法、装置、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112016003626T5 (de) | Natürlichsprachliche Schnittstelle zu Datenbanken | |
DE102013209868B4 (de) | Abfragen und Integrieren strukturierter und unstrukturierter Daten | |
DE60004385T2 (de) | Verfahren und systeme um olap hierarchien zusammenfassbar zu machen | |
CN108446368A (zh) | 一种包装产业大数据知识图谱的构建方法及设备 | |
CN107466403A (zh) | 对于数据资源的访问控制 | |
CN112434169A (zh) | 一种知识图谱的构建方法及其系统和计算机设备 | |
US6675170B1 (en) | Method to efficiently partition large hyperlinked databases by hyperlink structure | |
DE102014204842A1 (de) | Clustering von Daten | |
US11762920B2 (en) | Composite index on hierarchical nodes in the hierarchical data model within a case model | |
CN104239513A (zh) | 一种面向领域数据的语义检索方法 | |
CN109345158A (zh) | 企业风险识别方法、装置和计算机可读存储介质 | |
CN111680153A (zh) | 一种基于知识图谱的大数据鉴真方法与系统 | |
Bara et al. | A model for business intelligence systems' development | |
Madnick et al. | The design and implementation of a corporate householding knowledge processor to improve data quality | |
CN112417492A (zh) | 基于数据分类分级的服务提供方法 | |
CN109558522A (zh) | 企业网络图的建立方法、装置和计算机可读存储介质 | |
DE112020000873T5 (de) | Automatisierte auflösung von über- und unterspezifikation in einem wissensgraphen | |
CN106685707A (zh) | 一种分布式基础设施系统中的资产信息控制方法 | |
CN105677745A (zh) | 一种通用高效自助数据查询系统及实现方法 | |
DE112021001743T5 (de) | Vektoreinbettungsmodelle für relationale tabellen mit null- oder äquivalenten werten | |
Bhanot et al. | Identifying the perspectives for sustainability enhancement: a text mining approach for a machining process | |
CN115934969A (zh) | 一种不可移动文物风险评估知识图谱构建方法 | |
Vasilyeva et al. | Leveraging flexible data management with graph databases | |
Mehrab et al. | Apply uncertainty in document-oriented database (MongoDB) using F-xml | |
Hua et al. | Architectural support for business intelligence: a push‐pull mechanism |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190402 |