CN110413784A - 基于知识图谱的舆情关联分析方法及系统 - Google Patents
基于知识图谱的舆情关联分析方法及系统 Download PDFInfo
- Publication number
- CN110413784A CN110413784A CN201910666645.1A CN201910666645A CN110413784A CN 110413784 A CN110413784 A CN 110413784A CN 201910666645 A CN201910666645 A CN 201910666645A CN 110413784 A CN110413784 A CN 110413784A
- Authority
- CN
- China
- Prior art keywords
- entity
- knowledge
- public sentiment
- analysis
- library
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的舆情关联分析方法,包括:提取互联网舆情知识中实体的属性和关系,基于知识图谱构建舆情业务知识库;确定需要关联分析的多个相同或不同类型的实体,采用相交、合并或者消减的方式对多个相同或不同类型的实体进行组合;确定多个相同或不同类型的实体每种组合方式进行关联分析的结果构成,得到分析结果。本发明还提供一种基于知识图谱的舆情关联分析系统。本发明可以实现包括特定人物、特定组织、特定事件、特定专题等在内的相同类型或不同类型知识的关联分析,并实现关联实体的多维度深度分析和关联挖掘,帮助业务用户准确掌握各类不同群体的关联情况,以及关联实体的全方位智能分析结果,进而辅助决策。
Description
技术领域
本发明涉及计算机领域。更具体地说,本发明涉及一种基于知识图谱的舆情关联分析方法及系统。
背景技术
目前关于互联网舆情领域的系统主要集中在实现“信息”粒度的综合分析,如舆情事件(或舆情人物、组织等)相关信息的提取及对信息进行多维度智能分析,但未实现“知识”粒度的关联分析,无法对包括特定人物、特定组织、特定事件、特定专题等在内的相同类型或不同类型的知识进行关联分析;无法实现关联实体(包括关联人物、关联组织、关联事件等)的多维度深度分析和关联挖掘,如关联人物的地域分布、身份类别分布、关联组织分布、关联实体间关系等。
发明内容
本发明的一个目的是解决至少上述问题,并提供至少后面将说明的优点。
本发明还有一个目的是提供一种基于知识图谱的舆情关联分析方法及系统,实现包括特定人物、特定组织、特定事件、特定专题等在内的相同类型或不同类型知识的关联分析,并实现关联实体的多维度深度分析和关联挖掘,帮助业务用户准确掌握各类不同群体的关联情况,以及关联实体的全方位智能分析结果,进而辅助决策。
为了实现根据本发明的这些目的和其它优点,提供了一种基于知识图谱的舆情关联分析方法,包括:
提取互联网舆情知识中实体的属性和关系,基于知识图谱构建舆情业务知识库;
确定需要关联分析的多个相同或不同类型的实体,采用相交、合并或者消减的方式对多个相同或不同类型的实体进行组合;
确定多个相同或不同类型的实体每种组合方式进行关联分析的结果构成,得到分析结果。
优选的是,所述舆情业务知识库包括人物、组织、事件、专题四种类型;
所述人物类型的舆情业务知识库的核心属性包括:性别、民族、国籍、出生地、隶属组织、工作单位;
所述组织类型的舆情业务知识库的核心属性包括:成立时间、成立地点、总部所在地、组织资助方、关联国际组织;
所述事件类型的舆情业务知识库的核心属性包括:发生时间、发生地点、主要人物、关键词、涉及组织机构;
所述专题类型的舆情业务知识库的核心属性包括:专题关键词、专题涉及事件、专题涉及地点、专题涉及人物、专题涉及组织。
优选的是,提取舆情业务知识库中实体的属性和关系的方法包括:实体抽取、实体关系抽取和实体链指其中至少两种。
本发明还提供一种基于知识图谱的舆情关联分析系统,包括:
舆情业务知识库构建模块,其用于爬取互联网舆情知识,提取互联网舆情知识中实体的属性和关系,利用知识图谱构建方法构建舆情业务知识库,并运用图数据库存储知识;
关联实体类型确定模块,其用于确定需要关联分析的实体的类型;
关联方式确定模块,其用于确定实体间采用相交、合并和消减其中一种方式进行关联组合;
关联实体组合方式确定模块,其根据关联实体类型确定模块确定的实体类型在舆情业务知识库中查找相应的多个相同或不同类型的实体,再根据关联方式确定模块确定的关联方式对所述多个相同或不同类型的实体进行关联组合;
结果构成分析及展示模块,其用于确定所述多个相同或不同类型的实体每种组合方式进行关联分析的结果构成,并进行结果展示。
优选的是,所述舆情业务知识库包括人物库、组织库、事件库、专题库;
所述人物库的核心属性包括:性别、民族、国籍、出生地、隶属组织、工作单位;
所述组织库的核心属性包括:成立时间、成立地点、总部所在地、组织资助方、关联国际组织;
所述事件库的核心属性包括:发生时间、发生地点、主要人物、关键词、涉及组织机构;
所述专题库的核心属性包括:专题关键词、专题涉及事件、专题涉及地点、专题涉及人物、专题涉及组织。
优选的是,舆情业务知识库构建模块中,提取舆情业务知识库中实体的属性和关系的方法包括:实体抽取、实体关系抽取和实体链指其中至少两种。
优选的是,所述舆情业务知识库采用RDF三元组模型表示数据,采用SPARQL查询语言。
本发明至少包括以下有益效果:在舆情领域,基于知识图谱的关联分析和挖掘方向目前没有成熟的系统。基于本发明,用户按照业务需要设计知识库元模型,综合运用多种知识生成方式构建知识图谱并形成知识库。基于知识图谱,用户设置多个相同或不同知识类别下的群体或个体,选择不同的关联方式(相交、合并、消减),获取限定条件下的分析结果。系统自动分析不同限定条件下的关联情况,包括各类知识库中关联实体集合以及实体集的多维度深度分析和关联挖掘,并以图表的方式展现给用户,从而辅助用户更好地发现人物、组织、事件等相同或不同知识类型中不同群体的关联情况,以及关联实体的规律,很好地完成了基于知识图谱的舆情关联分析系统的各项功能。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明其中一实施例的方法流程图;
图2为本发明其中一实施例的模块结构图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是,下述实施方案中所述实验方法,如无特殊说明,均为常规方法,所述试剂和材料,如无特殊说明,均可从商业途径获得;在本发明的描述中,术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1所示,本发明提供一种基于知识图谱的舆情关联分析方法,包括:
S1、提取互联网舆情知识中实体的属性和关系,基于知识图谱构建舆情业务知识库;
上述过程包括:基于舆情业务设计业务实体所属知识库类型,以及各类知识库元模型,主要包括各库知识属性及相同或不同知识库间的关联关系,利用爬虫技术获取互联网结构化、半结构化的相关数据,综合利用实体抽取、实体关系抽取、实体链指等技术,实现机器自动提取各业务知识库中目标实体的属性和关系,人机结合构建业务知识库;采用RDF三元组模型表示数据,利用图数据库对知识进行存储;基于SPARQL查询语言,系统支持知识库属性及关系的查询。
按照业务需要,构建舆情领域知识库,一般知识库类型包括人物、组织、事件、专题这几种,当然还可以包括其他种类。
所述人物类型的舆情业务知识库的核心属性包括:性别、民族、国籍、出生地、隶属组织、工作单位;
所述组织类型的舆情业务知识库的核心属性包括:成立时间、成立地点、总部所在地、组织资助方、关联国际组织;
所述事件类型的舆情业务知识库的核心属性包括:发生时间、发生地点、主要人物、关键词、涉及组织机构;
所述专题类型的舆情业务知识库的核心属性包括:专题关键词、专题涉及事件、专题涉及地点、专题涉及人物、专题涉及组织。
下面列举一个上述步骤完成后得到的各类知识库间的关系表的例子,如表1所示:
表1
S2、确定需要关联分析的多个相同或不同类型的实体,采用相交、合并或者消减的方式对多个相同或不同类型的实体进行组合;
上述过程包括:根据构建的业务知识库,确定需要进行关联分析的实体类型,可以包括某个实体或某类实体集,例如包括某个具体事件、专题,某类人物或组织群体等;
确定关联分析的方式抽象为相交、合并和消减其中一种,等同于集合运算的交、并、减,以两个不同群体的相交、合并、消减为例,具体说明为:相交即在两个不同群体中同时存在的人;合并即两个群体的所有人;消减即在一个群体存在另外一个群体不存在的人;
将满足上述关联分析的实体类型条件的实体从舆情业务知识库中查找出来,再根据确定的关联方式对上述满足关联分析的实体类型条件的实体进行关联组合。
下面列举一个上述步骤完成后得到的多个相同或不同类型的实体按照所述关联分析方式进行分析的不同组合方式,如表2所示:
表2
知识类别 | 知识类别 |
人物 | 人物 |
人物 | 组织 |
人物 | 事件 |
人物 | 专题 |
组织 | 组织 |
组织 | 事件 |
组织 | 专题 |
事件 | 事件 |
事件 | 专题 |
专题 | 专题 |
S3、确定多个相同或不同类型的实体每种组合方式进行关联分析的结果构成,得到分析结果。
以两类事件的关联关系为例进行说明,设置用于关联分析的两类事件,可选择多种关联方式,相交、消减或合并,以“相交”为例,关联分析的分析结果包括人物分析结果、组织分析结果、事件分析结果。
人物分析结果:获取同时出现在两类事件中的人物(称为关联人物),基于知识库中关联人物的详细信息还可实现关联人物的多维度分析,挖掘其规律,如关联人物的地域分布、工作单位分布、关联组织分布、关联人物与其它各类实体的关联关系等;
组织分析结果:获取同时出现在两类事件中的组织(称为关联组织),基于知识库中关联组织的详细信息还可实现关联组织的多维度分析,挖掘其规律,如关联组织的创立时间分布、地域分布、资助方分布、关联组织与其它各类实体的关联关系等;
事件分析结果:获取同时出现在两类事件中的事件(称为关联事件),基于知识库中关联事件的详细信息还可实现关联事件的关键词分布、关键词的情感倾向分布、关联事件的发生地点分布、关联事件与其它各类实体的关联关系等。
下面列举一个上述步骤完成后得到的多个相同或不同类型的实体每种组合方式进行关联分析的分析结果,如表3所示。
表3
如图2所示,本发明还提供一种基于知识图谱的舆情关联分析系统,包括:
舆情业务知识库构建模块,其用于爬取互联网舆情知识,提取互联网舆情知识中实体的属性和关系,利用知识图谱构建方法构建舆情业务知识库,并运用图数据库存储知识;
上述舆情业务知识库构建模块基于舆情业务设计业务实体所属知识库类型,以及各类知识库元模型,主要包括各库知识属性及相同或不同知识库间的关联关系,利用爬虫技术获取互联网结构化、半结构化的相关数据,综合利用实体抽取、实体关系抽取、实体链指等技术,实现机器自动提取各业务知识库中目标实体的属性和关系,人机结合构建的业务知识库;采用RDF三元组模型表示数据,利用图数据库对知识进行存储;基于SPARQL查询语言,系统支持知识库属性及关系的查询。
按照业务需要,构建舆情领域知识库,一般所述舆情业务知识库包括人物库、组织库、事件库、专题库;
所述人物库的核心属性包括:性别、民族、国籍、出生地、隶属组织、工作单位;
所述组织库的核心属性包括:成立时间、成立地点、总部所在地、组织资助方、关联国际组织;
所述事件库的核心属性包括:发生时间、发生地点、主要人物、关键词、涉及组织机构;
所述专题库的核心属性包括:专题关键词、专题涉及事件、专题涉及地点、专题涉及人物、专题涉及组织。
关联实体类型确定模块,其用于确定需要关联分析的实体的类型,可以包括某个实体或某类实体集,例如包括某个具体事件、专题,某类人物或组织群体等。
关联方式确定模块,其用于确定实体间采用相交、合并和消减其中一种方式进行关联组合,等同于集合运算的交、并、减,以两个不同群体的相交、合并、消减为例,具体说明为:相交即在两个不同群体中同时存在的人;合并即两个群体的所有人;消减即在一个群体存在另外一个群体不存在的人。
关联实体组合方式确定模块,其根据关联实体类型确定模块确定的实体类型在舆情业务知识库中查找相应的多个相同或不同类型的实体,再根据关联方式确定模块确定的关联方式对所述多个相同或不同类型的实体进行关联组合,如某类人物群体需要和其它人物群体、组织群体、事件进行关联分析。
结果构成分析及展示模块,其用于确定所述多个相同或不同类型的实体每种组合方式进行关联分析的结果构成,并进行结果展示。如不同人物群体按照某种关联方式的分析结果是关联方式下的关联人物列表以及多维度分析,如关联人物的地域分布、身份类别分布、关联组织分布、关联人物与其它各类实体的关联关系等。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (7)
1.一种基于知识图谱的舆情关联分析方法,其特征在于,包括:
提取互联网舆情知识中实体的属性和关系,基于知识图谱构建舆情业务知识库;
确定需要关联分析的多个相同或不同类型的实体,采用相交、合并或者消减的方式对多个相同或不同类型的实体进行组合;
确定多个相同或不同类型的实体每种组合方式进行关联分析的结果构成,得到分析结果。
2.如权利要求1所述的基于知识图谱的舆情关联分析方法,其特征在于,所述舆情业务知识库包括人物、组织、事件、专题四种类型;
所述人物类型的舆情业务知识库的核心属性包括:性别、民族、国籍、出生地、隶属组织、工作单位;
所述组织类型的舆情业务知识库的核心属性包括:成立时间、成立地点、总部所在地、组织资助方、关联国际组织;
所述事件类型的舆情业务知识库的核心属性包括:发生时间、发生地点、主要人物、关键词、涉及组织机构;
所述专题类型的舆情业务知识库的核心属性包括:专题关键词、专题涉及事件、专题涉及地点、专题涉及人物、专题涉及组织。
3.如权利要求1所述的基于知识图谱的舆情关联分析方法,其特征在于,提取舆情业务知识库中实体的属性和关系的方法包括:实体抽取、实体关系抽取和实体链指其中至少两种。
4.一种基于知识图谱的舆情关联分析系统,其特征在于,包括:
舆情业务知识库构建模块,其用于爬取互联网舆情知识,提取互联网舆情知识中实体的属性和关系,利用知识图谱构建方法构建舆情业务知识库,并运用图数据库存储知识;
关联实体类型确定模块,其用于确定需要关联分析的实体的类型;
关联方式确定模块,其用于确定实体间采用相交、合并和消减其中一种方式进行关联组合;
关联实体组合方式确定模块,其根据关联实体类型确定模块确定的实体类型在舆情业务知识库中查找相应的多个相同或不同类型的实体,再根据关联方式确定模块确定的关联方式对所述多个相同或不同类型的实体进行关联组合;
结果构成分析及展示模块,其用于确定所述多个相同或不同类型的实体每种组合方式进行关联分析的结果构成,并进行结果展示。
5.如权利要求4所述的基于知识图谱的舆情关联分析系统,其特征在于,所述舆情业务知识库包括人物库、组织库、事件库、专题库;
所述人物库的核心属性包括:性别、民族、国籍、出生地、隶属组织、工作单位;
所述组织库的核心属性包括:成立时间、成立地点、总部所在地、组织资助方、关联国际组织;
所述事件库的核心属性包括:发生时间、发生地点、主要人物、关键词、涉及组织机构;
所述专题库的核心属性包括:专题关键词、专题涉及事件、专题涉及地点、专题涉及人物、专题涉及组织。
6.如权利要求4所述的基于知识图谱的舆情关联分析系统,其特征在于,舆情业务知识库构建模块中,提取舆情业务知识库中实体的属性和关系的方法包括:实体抽取、实体关系抽取和实体链指其中至少两种。
7.如权利要求4所述的基于知识图谱的舆情关联分析系统,其特征在于,所述舆情业务知识库采用RDF三元组模型表示数据,采用SPARQL查询语言。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910666645.1A CN110413784A (zh) | 2019-07-23 | 2019-07-23 | 基于知识图谱的舆情关联分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910666645.1A CN110413784A (zh) | 2019-07-23 | 2019-07-23 | 基于知识图谱的舆情关联分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110413784A true CN110413784A (zh) | 2019-11-05 |
Family
ID=68362551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910666645.1A Pending CN110413784A (zh) | 2019-07-23 | 2019-07-23 | 基于知识图谱的舆情关联分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110413784A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928961A (zh) * | 2019-11-14 | 2020-03-27 | 出门问问(苏州)信息科技有限公司 | 一种多模态实体链接方法、设备及计算机可读存储介质 |
CN111339391A (zh) * | 2020-03-12 | 2020-06-26 | 南京安链数据科技有限公司 | 一种基于公开数据的新型搜索方法 |
CN111428049A (zh) * | 2020-03-20 | 2020-07-17 | 北京百度网讯科技有限公司 | 一种事件专题的生成方法、装置、设备和存储介质 |
CN111611408A (zh) * | 2020-05-27 | 2020-09-01 | 北京明略软件系统有限公司 | 一种舆情分析方法、装置、计算机设备及存储介质 |
CN111930860A (zh) * | 2020-08-14 | 2020-11-13 | 广州大学 | 多维数据关联与分析方法、装置、存储介质和计算机设备 |
CN112000813A (zh) * | 2020-09-14 | 2020-11-27 | 支付宝(杭州)信息技术有限公司 | 知识库构建方法及装置 |
CN112581164A (zh) * | 2020-12-10 | 2021-03-30 | 上海明略人工智能(集团)有限公司 | 电商用户兴趣点的获取方法、系统、存储介质及电子设备 |
CN115050187A (zh) * | 2022-08-12 | 2022-09-13 | 杭州城市大脑有限公司 | 一种基于舆情知识图谱的数字城市交通治理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633044A (zh) * | 2017-09-14 | 2018-01-26 | 国家计算机网络与信息安全管理中心 | 一种基于热点事件的舆情知识图谱构建方法 |
CN107783973A (zh) * | 2016-08-24 | 2018-03-09 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN108009229A (zh) * | 2017-11-29 | 2018-05-08 | 厦门市美亚柏科信息股份有限公司 | 舆情事件数据发现的方法、终端设备及存储介质 |
CN108846043A (zh) * | 2018-05-30 | 2018-11-20 | 深圳市锐安信息安全技术有限公司 | 基于互联网大数据的网络痕迹挖掘分析方法及系统 |
-
2019
- 2019-07-23 CN CN201910666645.1A patent/CN110413784A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107783973A (zh) * | 2016-08-24 | 2018-03-09 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN107633044A (zh) * | 2017-09-14 | 2018-01-26 | 国家计算机网络与信息安全管理中心 | 一种基于热点事件的舆情知识图谱构建方法 |
CN108009229A (zh) * | 2017-11-29 | 2018-05-08 | 厦门市美亚柏科信息股份有限公司 | 舆情事件数据发现的方法、终端设备及存储介质 |
CN108846043A (zh) * | 2018-05-30 | 2018-11-20 | 深圳市锐安信息安全技术有限公司 | 基于互联网大数据的网络痕迹挖掘分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
刘紫玉等: "《基于本体的高速铁路领域知识组织与查询研究》", 31 March 2018 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928961A (zh) * | 2019-11-14 | 2020-03-27 | 出门问问(苏州)信息科技有限公司 | 一种多模态实体链接方法、设备及计算机可读存储介质 |
CN110928961B (zh) * | 2019-11-14 | 2023-04-28 | 出门问问(苏州)信息科技有限公司 | 一种多模态实体链接方法、设备及计算机可读存储介质 |
CN111339391A (zh) * | 2020-03-12 | 2020-06-26 | 南京安链数据科技有限公司 | 一种基于公开数据的新型搜索方法 |
CN111339391B (zh) * | 2020-03-12 | 2024-03-19 | 南京安链数据科技有限公司 | 一种基于公开数据的新型搜索方法 |
CN111428049A (zh) * | 2020-03-20 | 2020-07-17 | 北京百度网讯科技有限公司 | 一种事件专题的生成方法、装置、设备和存储介质 |
CN111611408A (zh) * | 2020-05-27 | 2020-09-01 | 北京明略软件系统有限公司 | 一种舆情分析方法、装置、计算机设备及存储介质 |
CN111930860A (zh) * | 2020-08-14 | 2020-11-13 | 广州大学 | 多维数据关联与分析方法、装置、存储介质和计算机设备 |
CN112000813A (zh) * | 2020-09-14 | 2020-11-27 | 支付宝(杭州)信息技术有限公司 | 知识库构建方法及装置 |
CN112581164A (zh) * | 2020-12-10 | 2021-03-30 | 上海明略人工智能(集团)有限公司 | 电商用户兴趣点的获取方法、系统、存储介质及电子设备 |
CN115050187A (zh) * | 2022-08-12 | 2022-09-13 | 杭州城市大脑有限公司 | 一种基于舆情知识图谱的数字城市交通治理方法 |
CN115050187B (zh) * | 2022-08-12 | 2022-11-01 | 杭州城市大脑有限公司 | 一种基于舆情知识图谱的数字城市交通治理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110413784A (zh) | 基于知识图谱的舆情关联分析方法及系统 | |
Hess et al. | Geo-social journalism: Reorienting the study of small commercial newspapers in a digital environment | |
KR101646754B1 (ko) | 모바일 시멘틱 검색 장치 및 그 방법 | |
CN103226578B (zh) | 面向医学领域的网站识别和网页细分类的方法 | |
CN103023714B (zh) | 基于网络话题的活跃度与集群结构分析系统及方法 | |
Fu et al. | Web content extraction based on webpage layout analysis | |
CN105550375B (zh) | 一种异构数据的整合方法及系统 | |
CN102043819A (zh) | Html表格语义脉络分析方法 | |
CN105718585B (zh) | 文档与标签词语义关联方法及其装置 | |
CN110347844A (zh) | 一种太空目标知识图谱构建系统 | |
CN110321446A (zh) | 相关数据推荐方法、装置、计算机设备及存储介质 | |
Rupp et al. | Dealing with heterogeneous big data when geoparsing historical corpora | |
CN108009215B (zh) | 一种搜索结果页用户行为模式测评方法、装置及系统 | |
Gavric et al. | Detecting attractive locations and tourists' dynamics using geo-referenced images | |
CN106095859A (zh) | 基于olam的多维度中医针灸关联规则挖掘方法 | |
Wu et al. | Extracting knowledge from web tables based on DOM tree similarity | |
Kanza et al. | City nexus: Discovering pairs of jointly-visited locations based on geo-tagged posts in social networks | |
JP2012168892A (ja) | グループ化装置およびエレメント抽出装置 | |
CN106126513A (zh) | 超维度时空刻画方法 | |
JP2014102625A (ja) | 情報検索システム、プログラム、および方法 | |
Ge et al. | Visualizing and curating knowledge graphs over time and space | |
Juniarta et al. | Sequential pattern mining using FCA and pattern structures for analyzing visitor trajectories in a museum | |
CN107391638A (zh) | 规则关联模型的新概念发现方法及装置 | |
Sun et al. | Visitpedia: Wiki article visit log visualization for event exploration | |
Weng et al. | Extracting data records from query result pages based on visual features |
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: 20191105 |
|
RJ01 | Rejection of invention patent application after publication |