CN110083709A - 一种基于描述定义的知识图谱自动构建方法及系统 - Google Patents
一种基于描述定义的知识图谱自动构建方法及系统 Download PDFInfo
- Publication number
- CN110083709A CN110083709A CN201910349787.5A CN201910349787A CN110083709A CN 110083709 A CN110083709 A CN 110083709A CN 201910349787 A CN201910349787 A CN 201910349787A CN 110083709 A CN110083709 A CN 110083709A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- file
- data
- domain
- mapping
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/374—Thesaurus
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于描述定义的知识图谱自动构建方法及系统，包括：定义领域知识描述文件，及对应的数据映射描述文件；基于所述领域知识描述文件生成以RDF三元组表示的知识体系，并将所述知识体系保存至三元组存储数据库中；基于所述数据映射描述文件将指定数据源的数据自动提取成知识实例，并将所述知识实例以属性图的形式保存至图数据库中；构建知识概念至所述知识实体的三元组，并将其存储至所述知识体系中。本发明生成的知识图谱，即保留三元组的语义及逻辑推理的能力又可以利用属性图数据库高效的图计算能力，对知识图谱的进一步应用打下坚实基础。
Description
技术领域
本发明涉及计算机技术领域，具体涉及一种基于描述定义的知识图谱自动构建方法及系统。
背景技术
知识图谱应用的首要任务是知识图谱的构建，知识图谱的构建主要有两个任务，一是将现有的知识转换为某种知识表示结构，二是将转换后的知识表示存储到某种数据库中，目前业界对这两个任务都有各自的解决方法。RDF(Resource Description Framework)是业界最常用的知识表示方法，它采用三元组形式描述一则知识，基于RDF构建的语义网(Semantic Web)提供了标准的跨域信息共享方法以及诸如语义推理等语义级功能。同时，三元组存储(triple store)在业界也有众多开源及商业级的实现。此外，由于三元组具有图的特性，利用现有的图计算技术可打造各种高效的知识应用方案，支持高效图存储与图计算的图数据库的目前业界的研究热点，也已经有众多的实现。
但在实际应用中发现，虽然三元组存储方案可以从图的角度进行处理，但由于每个三元组都生成图中的一条边和两个节点，导致整个图非常庞大且无明确的拓扑结构，以至于三元组存储方案通常都无法提供高效的图计算功能。而以属性图为中心设计的图数据库，由于其每个节点都包含了一组紧密相关属性，因此其图的拓扑结构非常明确，适合应用高效的图计算方法，但是以这种结构进行三元组存储的话，又将回落至三元组存储的图表示困境，因此图数据库通常没有高效的三元组存储方案，更极少提供语义能力的支持。
上述两个主要问题成为了知识图谱开发人员的主要挑战，当知识图谱以纯三元组形式表示并存储时，除了容易陷入表示爆炸(当每一个属性信息以三元组形式描述时，其占用的空间将激增)的问题外，也无法有效利用图计算技术。而完全采用图数据库方式存储时，又失去了三元组表示强大的语义表达能力。目前，知识图谱的开发人员只能自行在两种技术之间寻找应用平衡点。
最后，考虑到领域业务专家才是最熟悉与了解领域内知识的群体，而上述知识图谱构建方法的一些部分过于技术化、工程化，因此我们还需要寻找一种适合领域业务专家进行知识图谱构建的方案。
发明内容
针对上述问题，本发明提供一种基于描述定义的知识图谱自动构建方法及系统，给定领域知识定义描述文件及对应的数据映射描述文件，系统基于知识描述文件自动生成以RDF三元组表示的知识(概念)体系保存至三元组存储数据库中，并基于数据映射描述文件，将指定数据源的数据自动提取成(知识)概念的实例并以属性图的形式保存至图数据库中，并同时构造概念至实体的三元组存入知识体系的三元组存储中。由此生成的知识图谱，即保留三元组的语义及逻辑推理的能力又可以利用属性图数据库高效的图计算能力，对知识图谱的进一步应用打下坚实基础。
具体发明内容为：
一种基于描述定义的知识图谱自动构建方法，包括：
定义领域知识描述文件，及对应的数据映射描述文件；
基于所述领域知识描述文件生成以RDF三元组表示的知识体系，并将所述知识体系保存至三元组存储数据库中；
基于所述数据映射描述文件将指定数据源的数据自动提取成知识实例，并将所述知识实例以属性图的形式保存至图数据库中；
构建知识概念至所述知识实体的三元组，并将其存储至所述知识体系中。
进一步地，所述领域知识描述文件的定义过程包括：
获取用户通过可视化编辑器输入的领域知识描述，生成领域知识描述定义文件；
将所述领域知识描述定义文件提交至后台进行校验，并接收返回的校验结果；若校验结果为通过校验，则将所述用户输入的领域知识描述保存至相应领域知识描述文件中；否则向用户返回错误提示信息。
进一步地，所述数据映射描述文件的定义过程包括：
获取所述领域知识描述文件；
选取数据源，载入所述数据源的数据字典；
获取用户通过可视化编辑器建立的所述数据源至所述领域知识描述文件的数据映射关系；
生成相应的数据映射描述文件，并将其提交至后台进行保存。
进一步地，所述领域知识描述文件与所述数据映射描述文件均采用标准的JSON或YAML文件形式进行定义。
进一步地，每个领域知识描述文件描述相关领域内某一子领域的知识，并用文件名称作为唯一标识；
多个相关的领域知识描述文件通过文件名称相互引用其内部的知识。
一种基于描述定义的知识图谱自动构建系统，包括：
文件定义模块，用于定义领域知识描述文件，及对应的数据映射描述文件；
知识体系生成模块，用于基于所述领域知识描述文件生成以RDF三元组表示的知识体系，并将所述知识体系保存至三元组存储数据库中；
知识实例生成模块，用于基于所述数据映射描述文件将指定数据源的数据自动提取成知识实例，并将所述知识实例以属性图的形式保存至图数据库中；
知识图谱构建模块，用于构建知识概念至所述知识实体的三元组，并将其存储至所述知识体系中。
进一步地，所述领域知识描述文件的定义过程包括：
获取用户通过可视化编辑器输入的领域知识描述，生成领域知识描述定义文件；
将所述领域知识描述定义文件提交至后台进行校验，并接收返回的校验结果；若校验结果为通过校验，则将所述用户输入的领域知识描述保存至相应领域知识描述文件中；否则向用户返回错误提示信息。
进一步地，所述数据映射描述文件的定义过程包括：
获取所述领域知识描述文件；
选取数据源，载入所述数据源的数据字典；
获取用户通过可视化编辑器建立的所述数据源至所述领域知识描述文件的数据映射关系；
生成相应的数据映射描述文件，并将其提交至后台进行保存。
进一步地，所述领域知识描述文件与所述数据映射描述文件均采用标准的JSON或YAML文件形式进行定义。
进一步地，每个领域知识描述文件描述相关领域内某一子领域的知识，并用文件名称作为唯一标识；
多个相关的领域知识描述文件通过文件名称相互引用其内部的知识。
上述用户为领域业务专家。
本发明的有益效果体现在：
本发明生成的知识图谱，即保留三元组的语义及逻辑推理的能力又可以利用属性图数据库高效的图计算能力，对知识图谱的进一步应用打下坚实基础；通过本发明，领域业务专家无需掌握复杂的RDF、OWL等知识表示技术即可有效的描述领域业务知识体系；本发明为给定的知识描述定义生成的知识图谱，可同时使用三元组存储与图存储两种数据库，同时又能控制两个库的有效数据存储量，减少不必要的冗余，达到一个良好的平衡点；在前端，具体实现部分由系统自动生成，领域业务专家可快速的检查其定义的知识图谱，节省大量的时间。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例一种基于描述定义的知识图谱自动构建方法流程图；
图2为本发明实施例另一种基于描述定义的知识图谱自动构建方法流程图；
图3为本发明实施例一种基于描述定义的知识图谱自动构建方法逻辑架构图；
图4为本发明实施例一种基于用户侧的领域知识描述文件定义方法流程图；
图5文本发明实施例一种基于用户侧的数据映射描述文件定义方法流程图；
图6为本发明实施例一种基于描述定义的知识图谱自动构建系统结构图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示，为本发明一种基于描述定义的知识图谱自动构建方法实施例，包括：
S11：定义领域知识描述文件，及对应的数据映射描述文件；
S12：基于所述领域知识描述文件生成以RDF三元组表示的知识体系，并将所述知识体系保存至三元组存储数据库中；
S13：基于所述数据映射描述文件将指定数据源的数据自动提取成知识实例，并将所述知识实例以属性图的形式保存至图数据库中；
S14：构建知识概念至所述知识实体的三元组，并将其存储至所述知识体系中。
优选地，所述领域知识描述文件的定义过程包括：
获取用户通过可视化编辑器输入的领域知识描述，生成领域知识描述定义文件；
将所述领域知识描述定义文件提交至后台进行校验，并接收返回的校验结果；若校验结果为通过校验，则将所述用户输入的领域知识描述保存至相应领域知识描述文件中；否则向用户返回错误提示信息。
优选地，所述数据映射描述文件的定义过程包括：
获取所述领域知识描述文件；
选取数据源，载入所述数据源的数据字典；
获取用户通过可视化编辑器建立的所述数据源至所述领域知识描述文件的数据映射关系；
生成相应的数据映射描述文件，并将其提交至后台进行保存。
优选地，所述领域知识描述文件与所述数据映射描述文件均采用标准的JSON或YAML文件形式进行定义。
优选地，每个领域知识描述文件描述相关领域内某一子领域的知识，并用文件名称作为唯一标识；
多个相关的领域知识描述文件通过文件名称相互引用其内部的知识。
为对本发明所述方法进行进一步说明，给出另一种基于描述定义的知识图谱自动构建方法实施例，对后台逻辑实现进行说明，如图2所述，包括：
S21：通过调度任务或手动启动自动构建任务；
S22：根据所述任务读取指定领域的数据映射描述文件；
S23：读取所述数据映射描述文件依赖的领域知识描述文件；
S24：根据所述数据映射描述文件创建数据源的数据抽取器，自动抽取对应的数据；
S25：根据所述领域知识描述文件，生成知识图谱构建器，将从所述数据抽取器抽取的数据按照所述领域知识描述文件生成对应的知识图谱；
S26：将所述知识图谱保存至图数据库中。
所述图2对应的基于描述定义的知识图谱自动构建方法逻辑架构图如图3所示，该逻辑过程与图2方法过程相对应，具体内容不再赘述。
相应地，为对本发明所述方法进行进一步说明，给出一种基于用户侧的领域知识描述文件定义方法实施例，如图4所示，包括：
S41：用户使用可视化编辑器定义一个领域的知识描述；
S42：完成所述定以后，由所述可视化编辑器自动生成一个符合要求的领域知识描述文件；
S43：将所述领域知识描述文件提交至后台，对已存在的知识图谱进行跨领域概念引用的校验；
S44：判断是否通过校验，若是则存储所述领域知识描述文件；否则向用户返回错误提示信息，并返回S41。
同时，给出一种基于用户侧的数据映射描述文件定义方法实施例，如图5所示，包括：
S51：选取一个领域知识描述文件；
S52：选取数据源，载入该数据源的数据字典；
S53：用户使用可视化编辑器建立所述数据源至所述领域知识描述文件的数据映射关系；
S54：由所述可视化编辑器生成数据映射描述文件，并提交至后台保存。
所述领域知识描述文件采用标准的JSON或YAML文件形式进行定义，每一个领域知识描述文件描述相关领域内某一子领域的知识，并以文件名作为唯一标识，多个相关领域知识描述文件通过文件名相互引用其内部的知识；
所述领域知识描述文件以concept为基本元素定义知识点，一个concept可描述孤立的知识，也可描述知识与知识之间的关系；每个concept都有自己的属性定义列表；concept之间可以有各种语义关系，如isa(继承)、ref(引用)、sameAs(同义)、exclusive(排他)等等。
所述数据映射描述文件采用标准的JSON或YAML文件形式进行定义，一个数据映射描述文件对应一个领域知识描述文件，以所述领域知识描述文件的文件名作为连接，支持多种数据源，如关系型数据库、数据接口等；
所述数据映射描述文件以Thing为基本元素定义知识实例，每个Thing可以有多个concept，可自行推断隐含的concept关系；每个Thing的属性列表包含其所属各个concept的所有属性，每个属性均给出数据映射方式，如对应的数据库中数据表名及字段名，或接口名及字段名。
所述知识体系的生成包括：依据领域知识描述文件，根据每个concept自动生成对应的RDF三元组，并可依据其语义定义生成相应的OWL(本体描述)，并将其存入至指定的三元组存储数据库中。
所述知识实例的生成包括：依据数据映射描述文件，自动获取对应的知识体系，并根据所述知识体系内容校验数据映射描述文件中每一个Thing的定义，然后对从指定数据源提取出的实例依照知识体系为其打上各种标签，并按需建立实例层次上的链接，从而形成实例图，保存至图数据库中。最后，对每个实例建立实例到知识概念的三元组，如(实例isa概念)等，并将其存入知识体系对应的三元组存储数据库中。
如图6所示，为本发明一种基于描述定义的知识图谱自动构建系统实施例，包括：
文件定义模块61，用于定义领域知识描述文件，及对应的数据映射描述文件；
知识体系生成模块62，用于基于所述领域知识描述文件生成以RDF三元组表示的知识体系，并将所述知识体系保存至三元组存储数据库中；
知识实例生成模块63，用于基于所述数据映射描述文件将指定数据源的数据自动提取成知识实例，并将所述知识实例以属性图的形式保存至图数据库中；
知识图谱构建模块64，用于构建知识概念至所述知识实体的三元组，并将其存储至所述知识体系中。
优选地，所述领域知识描述文件的定义过程包括：
获取用户通过可视化编辑器输入的领域知识描述，生成领域知识描述定义文件；
将所述领域知识描述定义文件提交至后台进行校验，并接收返回的校验结果；若校验结果为通过校验，则将所述用户输入的领域知识描述保存至相应领域知识描述文件中；否则向用户返回错误提示信息。
优选地，所述数据映射描述文件的定义过程包括：
获取所述领域知识描述文件；
选取数据源，载入所述数据源的数据字典；
获取用户通过可视化编辑器建立的所述数据源至所述领域知识描述文件的数据映射关系；
生成相应的数据映射描述文件，并将其提交至后台进行保存。
优选地，所述领域知识描述文件与所述数据映射描述文件均采用标准的JSON或YAML文件形式进行定义。
优选地，每个领域知识描述文件描述相关领域内某一子领域的知识，并用文件名称作为唯一标识；
多个相关的领域知识描述文件通过文件名称相互引用其内部的知识。
上述用户为领域业务专家。
本发明系统实施例部分过程与方法实施例相近，对系统实施例的描述较为简单，相关部分请参照方法实施例。
本发明生成的知识图谱，即保留三元组的语义及逻辑推理的能力又可以利用属性图数据库高效的图计算能力，对知识图谱的进一步应用打下坚实基础；通过本发明，领域业务专家无需掌握复杂的RDF、OWL等知识表示技术即可有效的描述领域业务知识体系；本发明为给定的知识描述定义生成的知识图谱，可同时使用三元组存储与图存储两种数据库，同时又能控制两个库的有效数据存储量，减少不必要的冗余，达到一个良好的平衡点；在前端，具体实现部分由系统自动生成，领域业务专家可快速的检查其定义的知识图谱，节省大量的时间。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于描述定义的知识图谱自动构建方法，其特征在于，包括：
定义领域知识描述文件，及对应的数据映射描述文件；
基于所述领域知识描述文件生成以RDF三元组表示的知识体系，并将所述知识体系保存至三元组存储数据库中；
基于所述数据映射描述文件将指定数据源的数据自动提取成知识实例，并将所述知识实例以属性图的形式保存至图数据库中；
构建知识概念至所述知识实体的三元组，并将其存储至所述知识体系中。
2.如权利要求1所述的方法，其特征在于，所述领域知识描述文件的定义过程包括：
获取用户通过可视化编辑器输入的领域知识描述，生成领域知识描述定义文件；
将所述领域知识描述定义文件提交至后台进行校验，并接收返回的校验结果；若校验结果为通过校验，则将所述用户输入的领域知识描述保存至相应领域知识描述文件中；否则向用户返回错误提示信息。
3.如权利要求2所述的方法，其特征在于，所述数据映射描述文件的定义过程包括：
获取所述领域知识描述文件；
选取数据源，载入所述数据源的数据字典；
获取用户通过可视化编辑器建立的所述数据源至所述领域知识描述文件的数据映射关系；
生成相应的数据映射描述文件，并将其提交至后台进行保存。
4.如权利要求3所述的方法，其特征在于，所述领域知识描述文件与所述数据映射描述文件均采用标准的JSON或YAML文件形式进行定义。
5.如权利要求4所述的方法，其特征在于，每个领域知识描述文件描述相关领域内任一子领域的知识，并用文件名称作为唯一标识；
多个相关的领域知识描述文件通过文件名称相互引用其内部的知识。
6.一种基于描述定义的知识图谱自动构建系统，其特征在于，包括：
文件定义模块，用于定义领域知识描述文件，及对应的数据映射描述文件；
知识体系生成模块，用于基于所述领域知识描述文件生成以RDF三元组表示的知识体系，并将所述知识体系保存至三元组存储数据库中；
知识实例生成模块，用于基于所述数据映射描述文件将指定数据源的数据自动提取成知识实例，并将所述知识实例以属性图的形式保存至图数据库中；
知识图谱构建模块，用于构建知识概念至所述知识实体的三元组，并将其存储至所述知识体系中。
7.如权利要求6所述的系统，其特征在于，所述领域知识描述文件的定义过程包括：
获取用户通过可视化编辑器输入的领域知识描述，生成领域知识描述定义文件；
将所述领域知识描述定义文件提交至后台进行校验，并接收返回的校验结果；若校验结果为通过校验，则将所述用户输入的领域知识描述保存至相应领域知识描述文件中；否则向用户返回错误提示信息。
8.如权利要求7所述的系统，其特征在于，所述数据映射描述文件的定义过程包括：
获取所述领域知识描述文件；
选取数据源，载入所述数据源的数据字典；
获取用户通过可视化编辑器建立的所述数据源至所述领域知识描述文件的数据映射关系；
生成相应的数据映射描述文件，并将其提交至后台进行保存。
9.如权利要求8所述的系统，其特征在于，所述领域知识描述文件与所述数据映射描述文件均采用标准的JSON或YAML文件形式进行定义。
10.如权利要求9所述的系统，其特征在于，每个领域知识描述文件描述相关领域内任一子领域的知识，并用文件名称作为唯一标识；
多个相关的领域知识描述文件通过文件名称相互引用其内部的知识。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910349787.5A CN110083709B (zh) | 2019-04-28 | 2019-04-28 | 一种基于描述定义的知识图谱自动构建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910349787.5A CN110083709B (zh) | 2019-04-28 | 2019-04-28 | 一种基于描述定义的知识图谱自动构建方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110083709A true CN110083709A (zh) | 2019-08-02 |
| CN110083709B CN110083709B (zh) | 2021-09-24 |
Family
ID=67417319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910349787.5A Active CN110083709B (zh) | 2019-04-28 | 2019-04-28 | 一种基于描述定义的知识图谱自动构建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110083709B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110598003A (zh) * | 2019-08-15 | 2019-12-20 | 上海市大数据中心 | 基于公共数据资源目录的知识图谱构建系统及构建方法 |
| CN111767412A (zh) * | 2020-09-02 | 2020-10-13 | 成都数联铭品科技有限公司 | 用于知识图谱构建的数据映射方法及系统、电子设备 |
| CN112256927A (zh) * | 2020-10-21 | 2021-01-22 | 网易（杭州）网络有限公司 | 基于属性图的知识图谱数据处理方法和装置 |
| CN114168608A (zh) * | 2021-12-16 | 2022-03-11 | 中科雨辰科技有限公司 | 一种用于更新知识图谱的数据处理系统 |
| CN114969275A (zh) * | 2021-02-19 | 2022-08-30 | 深圳市奥拓电子股份有限公司 | 一种基于银行知识图谱的对话方法及其系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160371346A1 (en) * | 2015-06-17 | 2016-12-22 | Rsignia, Inc. | Method and apparatus for analyzing online social networks |
| CN107491555A (zh) * | 2017-09-01 | 2017-12-19 | 北京纽伦智能科技有限公司 | 知识图谱构建方法和系统 |
| CN109582958A (zh) * | 2018-11-20 | 2019-04-05 | 厦门大学深圳研究院 | 一种灾难故事线构建方法及装置 |
| CN109657037A (zh) * | 2018-12-21 | 2019-04-19 | 焦点科技股份有限公司 | 一种基于实体类型和语义相似度的知识图谱问答方法及系统 |
-
2019
- 2019-04-28 CN CN201910349787.5A patent/CN110083709B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160371346A1 (en) * | 2015-06-17 | 2016-12-22 | Rsignia, Inc. | Method and apparatus for analyzing online social networks |
| CN107491555A (zh) * | 2017-09-01 | 2017-12-19 | 北京纽伦智能科技有限公司 | 知识图谱构建方法和系统 |
| CN109582958A (zh) * | 2018-11-20 | 2019-04-05 | 厦门大学深圳研究院 | 一种灾难故事线构建方法及装置 |
| CN109657037A (zh) * | 2018-12-21 | 2019-04-19 | 焦点科技股份有限公司 | 一种基于实体类型和语义相似度的知识图谱问答方法及系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110598003A (zh) * | 2019-08-15 | 2019-12-20 | 上海市大数据中心 | 基于公共数据资源目录的知识图谱构建系统及构建方法 |
| CN111767412A (zh) * | 2020-09-02 | 2020-10-13 | 成都数联铭品科技有限公司 | 用于知识图谱构建的数据映射方法及系统、电子设备 |
| CN111767412B (zh) * | 2020-09-02 | 2020-12-08 | 成都数联铭品科技有限公司 | 用于知识图谱构建的数据映射方法及系统、电子设备 |
| CN112256927A (zh) * | 2020-10-21 | 2021-01-22 | 网易（杭州）网络有限公司 | 基于属性图的知识图谱数据处理方法和装置 |
| CN112256927B (zh) * | 2020-10-21 | 2024-06-04 | 网易（杭州）网络有限公司 | 基于属性图的知识图谱数据处理方法和装置 |
| CN114969275A (zh) * | 2021-02-19 | 2022-08-30 | 深圳市奥拓电子股份有限公司 | 一种基于银行知识图谱的对话方法及其系统 |
| CN114168608A (zh) * | 2021-12-16 | 2022-03-11 | 中科雨辰科技有限公司 | 一种用于更新知识图谱的数据处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110083709B (zh) | 2021-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110083709A (zh) | 一种基于描述定义的知识图谱自动构建方法及系统 | |
| Liu et al. | A task scheduling algorithm based on classification mining in fog computing environment | |
| Beretta et al. | Learning the structure of Bayesian Networks: A quantitative assessment of the effect of different algorithmic schemes | |
| Fionda et al. | Semantic navigation on the web of data: specification of routes, web fragments and actions | |
| CN110100241A (zh) | 一种用于编译串行和并行数据库查询执行计划的数据库系统和方法 | |
| Ruiz-Martínez et al. | Semantic-Based Sentiment analysis in financial news | |
| CN107885842A (zh) | 智能问答的方法、装置、服务器及存储介质 | |
| Fan et al. | Storing and querying fuzzy RDF (S) in HBase databases | |
| Kim et al. | Scalable owl-horst ontology reasoning using spark | |
| Lin et al. | An agent-based approach to reconciling data heterogeneity in cyber-physical systems | |
| Potter et al. | Querying distributed RDF graphs: the effects of partitioning | |
| Gu et al. | Optimization of service addition in multilevel index model for edge computing | |
| US20060053144A1 (en) | System and method for relating applications in a computing system | |
| US20120066554A1 (en) | Application query control with cost prediction | |
| CN113886652B (zh) | 一种内存优先的多模图数据存储与计算方法及系统 | |
| CN109753533A (zh) | 一种多源关系型数据库客户端开发方法及装置 | |
| Ecke et al. | Elastiq: answering similarity-threshold instance queries in EL | |
| Kanso | Automated Configuration Design and Analysis for Service High-Availability | |
| CN114281802B (zh) | 一种数据处理方法及装置 | |
| CN109800808A (zh) | 一种应用程序描述的行业分类方法、存储介质及终端设备 | |
| Bisadi et al. | Orthogonal Range Search using a Distributed Computing Model. | |
| CN111935006B (zh) | 一种数据传输方法、装置、处理设备及介质 | |
| Paganelli et al. | A semantic-driven integer programming approach for QoS-aware dynamic service composition | |
| Termehchy et al. | A signaling game approach to databases querying and interaction | |
| Machado et al. | Linear‐time graph distance and diameter approximation |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |