CN110502670A - 基于人工智能的网络社交关系知识图谱生成方法和系统 - Google Patents
基于人工智能的网络社交关系知识图谱生成方法和系统 Download PDFInfo
- Publication number
- CN110502670A CN110502670A CN201910800302.XA CN201910800302A CN110502670A CN 110502670 A CN110502670 A CN 110502670A CN 201910800302 A CN201910800302 A CN 201910800302A CN 110502670 A CN110502670 A CN 110502670A
- Authority
- CN
- China
- Prior art keywords
- relationship
- network
- experience
- information
- network user
- 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.)
- Withdrawn
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Abstract
基于人工智能的网络社交关系知识图谱生成方法和系统,包括:经历获取步骤,经历抽取步骤,经历求交步骤,交集信息获取步骤,关系生成步骤,知识图谱生成步骤,实体获取步骤。上述方法和系统通过基于人工智能和大数据的网络社交关系知识图谱生成技术,提高了网络社交关系知识图谱生成的智能性、高效性。
Description
技术领域
本发明涉及信息技术领域,特别是涉及一种基于人工智能的网络社交关系 知识图谱生成方法和系统。
背景技术
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:现有网 络社交经历关系往往只限于同一个社交网络,例如仅基于微博进行分析,或仅 基于人人网进行分析,等等,且在分析网络社交经历关系时没有考虑到时间的 因素。因此,现有技术还有待于改进和发展。
发明内容
基于此,有必要针对现有技术中的缺陷或不足,提供基于人工智能的网络 社交关系知识图谱生成方法和系统,以解决现有技术中网络社交经历关系生成 时没有综合考虑多种社交网络平台中的社交关系并将时间和社交网络经历综合 考虑的缺点。
第一方面,本发明实施例提供一种网络社交关系知识图谱生成方法,所述 方法包括:
经历获取步骤,获取每个网络用户的网络社交的经历;
经历抽取步骤,从每一个网络用户的网络社交的经历中抽取每一个经历的 时间段及该时间段网络用户所在的社交网络;
经历求交步骤,求属于不同网络用户的每两个经历的交集;
交集信息获取步骤,通过对经历进行匹配获取具有交集的每两个经历,获 取交集部分的信息;
关系生成步骤,根据网络用户的经历,判断每两个网络用户之间的关系, 生成该关系的实体、标签、属性进行关联后加入网络社交经历关系知识库;
知识图谱生成步骤,用于将每个网络用户作为网络社交经历关系知识图谱 中的一个实体,将网络社交经历关系知识库中每个关系的关系标签及其属性作 为该关系中网络用户的网络社交经历关系知识图谱中对应的实体之间的关联关 系;
实体获取步骤,获取网络社交经历关系知识图谱中与任一实体具有关联关 系的实体;
关系获取步骤,获取与第一网络用户在知识图谱中具备关系的第二网络用 户,获取该第一网络用户与该第二网络用户之间的关系,计算该第一网络用户 与该第二网络用户之间的关系的权重和,根据对应的关系权重和从高到低对与 该第一网络用户有关系的每一网络用户进行排序。
优选地,
所述经历获取步骤包括:
信息回复和信息发布经历获取步骤,获取每个网络用户的网络社交经历中 的信息回复经历和信息发布经历;
所述经历抽取步骤包括:
信息回复经历抽取步骤,从每一个网络用户的网络社交经历的信息回复经 历中抽取每一个信息回复经历的时间段及该时间段网络用户所在的社交网络; 信息回复指的是在社交网络上回复别人发布的信息;
信息发布经历抽取步骤,从网络社交经历的信息发布经历中抽取每一个信 息发布经历的时间段及该时间段网络用户所在的社交网络;信息发布是指网络 用户在社交网络上发布信息。
优选地,
交集信息获取步骤包括:
第一交集信息获取步骤,通过对经历进行匹配获取时间段交集不为空且社 交网络交集不为空的属于不同网络用户的每两个经历,获取交集部分的时间段 和社交网络信息;
第二交集信息获取步骤,通过对经历进行匹配获取时间段交集为空且社交 网络交集不为空的属于不同网络用户的每两个经历,获取交集部分的社交网络 信息;
关系生成步骤包括:
同时段关系生成步骤,根据网络用户的经历,判断每两个网络用户之间的 同时段关系,生成该关系的实体、标签、属性进行关联后加入同时段网络社交 经历关系知识库;
不同时段关系生成步骤,根据网络用户的经历,判断每两个网络用户之间 的不同时段关系,生成该关系的实体、标签、属性进行关联后加入不同时段网 络社交经历关系知识库。
优选地,
同时段关系生成步骤包括:
信息回复经历同时段关系生成步骤,如果所述两个经历分别为两个网络用 户的信息回复经历,且这两个网络用户具有同时段关系,则将这两个网络用户 的姓名作为该关系的实体,将同时段回复关系作为该关系的标签,将交集部分 的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、属性进 行关联后加入同时段网络社交经历关系知识库;
信息发布经历同时段关系生成步骤,如果所述两个经历分别为两个网络用 户的信息发布经历,且这两个网络用户具有同时段关系,则将这两个网络用户 的姓名作为该关系的实体,将同时段发布关系作为该关系的标签,将交集部分 的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、属性进 行关联后加入同时段网络社交经历关系知识库;
信息回复信息发布经历同时段关系生成步骤,如果所述两个经历分别为一 个网络用户的信息回复经历和另一个网络用户的信息发布经历,且这两个网络 用户具有同时段关系,则将这两个网络用户的姓名作为该关系的实体,将同时 段回复发布关系作为该关系的标签,将交集部分的时间段和社交网络信息作为 该关系的属性,将该关系的实体、标签、属性进行关联后加入同时段网络社交 经历关系知识库;
不同时段关系生成步骤包括:
信息回复经历不同时段关系生成步骤,如果所述每两个经历分别为两个网 络用户的信息回复经历,且这两个网络用户具有不同时段关系,则将这两个网 络用户的姓名作为该关系的实体,将不同时段回复关系作为该关系的标签,将 交集部分的社交网络信息作为该关系的属性,将该关系的实体、标签、属性进 行关联后加入不同时段网络社交经历关系知识库;
信息发布经历不同时段关系生成步骤,如果所述两个经历分别为两个网络 用户的信息发布经历,且这两个网络用户具有不同时段关系,则将这两个网络 用户的姓名作为该关系的实体,将不同时段发布关系作为该关系的标签,将交 集部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、 属性进行关联后加入不同时段网络社交经历关系知识库;
信息回复信息发布经历不同时段关系生成步骤,如果所述两个经历分别为 一个网络用户的信息回复经历和另一个网络用户的信息发布经历,且这两个网 络用户具有不同时段关系,则将这两个网络用户的姓名作为该关系的实体,将 不同时段回复发布关系作为该关系的标签,将交集部分的社交网络信息作为该 关系的属性,将该关系的实体、标签、属性进行关联后加入不同时段网络社交 经历关系知识库。
优选地,
知识图谱生成步骤包括:
同时段网络社交关系知识图谱生成步骤,将每个网络用户作为同时段网络 社交经历关系知识图谱中的一个实体,将同时段网络社交经历关系知识库中每 个关系的关系标签及其属性作为该关系中网络用户在同时段网络社交经历关系 知识图谱中对应的实体之间的关联关系;
不同时段网络社交关系知识图谱生成步骤,将每个网络用户作为不同时段 网络社交经历关系知识图谱中的一个实体,将不同时段网络社交经历关系知识 库中每个关系的关系标签及其属性作为该关系中网络用户在不同时段网络社交 经历关系知识图谱中对应的实体之间的关联关系;
混合时段网络社交关系知识图谱生成步骤,将每个网络用户作为网络社交 经历关系知识图谱中的一个实体,将同时段网络社交经历关系知识库及不同时 段网络社交经历关系知识库中每个关系的关系标签及其属性作为该关系中网络 用户在网络社交经历关系知识图谱中对应的实体之间的关联关系;
实体获取步骤包括:
同时段实体获取步骤,获取同时段网络社交经历关系知识图谱中与任一实 体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有同时段 的回复、发布、交互对应的网络用户;
不同时段实体获取步骤,获取不同时段网络社交经历关系知识图谱中与任 一实体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有不 同时段的回复、发布、交互对应的网络用户;
混合时段实体获取步骤,获取网络社交经历关系知识图谱中与任一实体具 有关联关系的所有实体,可以得到该一实体对应的网络用户的所有回复、发布、 交互对应的网络用户。
优选地,
关系获取步骤具体包括:根据上述步骤获取与一个网络用户在知识图谱中 具备某类关系的所有网络用户,获取该个网络用户与该所有网络用户中每一网 络用户之间的关系,将关系中时间段的长度作为P1,将关系中的最低社交网络 级别作为P2,计算f(P1,P2)作为该关系的权重,计算该个网络用户与该所 有网络用户中每一网络用户之间的所有关系的权重和,根据对应的关系权重和 从高到低对与该网络用户有该类关系的每一网络用户进行排序,排序越靠前的 网络用户与该网络用户的该类关系越密切,排序最靠前的网络用户与该网络用 户的该类关系最密切。
第二方面,本发明实施例提供一种网络社交关系知识图谱生成系统,所述 系统包括:
经历获取模块,用于获取每个网络用户的网络社交的经历;
经历抽取模块,用于从每一个网络用户的网络社交的经历中抽取每一个经 历的时间段及该时间段网络用户所在的社交网络;
经历求交模块,用于求属于不同网络用户的每两个经历的交集;
交集信息获取模块,用于通过对经历进行匹配获取具有交集的每两个经历, 获取交集部分的信息;
关系生成模块,用于根据网络用户的经历,判断每两个网络用户之间的关 系,生成该关系的实体、标签、属性进行关联后加入网络社交经历关系知识库;
知识图谱生成模块,用于将每个网络用户作为网络社交经历关系知识图谱 中的一个实体,将网络社交经历关系知识库中每个关系的关系标签及其属性作 为该关系中网络用户的网络社交经历关系知识图谱中对应的实体之间的关联关 系;
实体获取模块,获取网络社交经历关系知识图谱中与任一实体具有关联关 系的实体;
关系获取模块,获取与第一网络用户在知识图谱中具备关系的第二网络用 户,获取该第一网络用户与该第二网络用户之间的关系,计算该第一网络用户 与该第二网络用户之间的关系的权重和,根据对应的关系权重和从高到低对与 该第一网络用户有关系的每一网络用户进行排序。
第三方面,本发明实施例提供一种计算机设备,包括存储器和处理器,所 述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面 实施例中任一项所述方法的步骤。
第四方面,本发明实施例提供一种存储介质,其上存储有计算机程序,所 述计算机程序被处理器执行时实现第一方面实施例中任一项所述方法的步骤。
第五方面,本发明实施例提供一种网络社交关系知识图谱生成机器人系统, 所述机器人系统包括存储器和处理器,所述存储器存储有机器人程序,所述处 理器执行所述机器人程序时实现第一方面实施例中任一项所述方法的步骤。
本发明实施例提供的基于人工智能的网络社交关系知识图谱生成方法和系 统,包括:经历获取步骤,经历抽取步骤,经历求交步骤,交集信息获取步骤, 关系生成步骤,知识图谱生成步骤,实体获取步骤。上述方法和系统通过基于 人工智能和大数据的网络社交关系知识图谱生成方法生成和获得更为精准的网 络用户之间关系,具体到某一级社交网络,例如同一社交网络、同一主题,可 以区分同时段和不同时段的关系,例如有的网络用户之间虽然有同社交网络或 同子社交网络的关系,但是在不同时间属于某个社交网络或子社交网络的。可 以精确地生成和得到两个网络用户之间的关系所在的具体时间段具体各级社交 网络。可以根据关系对应的交集中时间段的长短和社交网络级别来判断与一个 网络社交经历关系最密切的网络用户,并能根据关系的密切程度对这个网络用 户的所有有关系网络用户进行排序。
附图说明
图1为本发明的实施例1提供的网络社交关系知识图谱生成方法的流程图;
图2为本发明的实施例2提供的网络社交关系知识图谱生成方法的流程图;
图3为本发明的实施例3提供的网络社交关系知识图谱生成方法的流程图;
图4为本发明的实施例4提供的网络社交关系知识图谱生成方法的流程图;
图5为本发明的实施例5提供的知识图谱的示意图;
图6为本发明的实施例6提供的知识图谱的示意图;
图7为本发明的实施例7提供的知识图谱的示意图;
图8为本发明的实施例8提供的网络社交关系知识图谱生成方法的流程图;
图9为本发明的实施例9提供的网络社交关系知识图谱生成系统的原理框 图。
具体实施方式
下面结合本发明实施方式,对本发明实施例中的技术方案进行详细地描述。
(一)本发明的各种实施例中的方法包括以下步骤的各种组合:
实施例1:
如图1所示,提供一种网络社交关系知识图谱生成方法,包括经历获取步 骤S100、经历抽取步骤S200、经历求交步骤S300、交集信息获取步骤S400、 关系生成步骤S500。
经历获取步骤S100,用于获取每个网络用户的网络社交的经历。所述网络 社交经历包括网络用户的个人网络社交经历,也包括从社交网站等网络信息中 获取的网络社交经历,还包括所有包含有网络用户的经历的信息。
经历抽取步骤S200,用于从每一个网络用户的网络社交的经历中抽取每一 个经历的时间段及该时间段网络用户所在的社交网络。以网络用户所在的社交 网络的名称和网址来唯一标记网络用户所在的社交网络。所述社交网络包括社 交网站、社交媒体、社交软件、社交工具、等等能够使用户之间建立社交关系 的网络空间。
经历求交步骤S300,用于求属于不同网络用户的每两个经历的交集
例如:
张三的信息回复经历2010.9-2014.7 A1社交网络B11主题
与
李四的信息发布经历2018.9-2019.7 A1社交网络B12主题
的交集为
A1社交网络
例如,
张三的信息回复经历2014.9-2017.7 A21社交网络B21主题
与
李四的信息回复经历2015.9-2018.7 A21社交网络B21主题
的交集为
2015.9-2017.7 A21社交网络B21主题
交集信息获取步骤S400,用于通过对经历进行匹配获取具有交集的每两个 经历,获取交集部分的信息。
关系生成步骤S500,用于根据网络用户的经历,判断每两个网络用户之间 的关系,生成该关系的实体、标签、属性进行关联后加入网络社交经历关系知 识库。
知识图谱生成步骤S600,用于将每个网络用户作为网络社交经历关系知识 图谱中的一个实体,将网络社交经历关系知识库中每个关系的关系标签及其属 性作为该关系中网络用户的网络社交经历关系知识图谱中对应的实体之间的关 联关系。
实体获取步骤S700,获取网络社交经历关系知识图谱中与任一实体具有关 联关系的实体。
关系获取步骤S800,获取与第一网络用户在知识图谱中具备关系的第二网 络用户,获取该第一网络用户与该第二网络用户之间的关系,计算该第一网络 用户与该第二网络用户之间的关系的权重和,根据对应的关系权重和从高到低 对与该第一网络用户有关系的每一网络用户进行排序。
实施例2:
如图2所示,根据实施例1提供的网络社交关系知识图谱生成方法,
其中,经历获取步骤S100包括信息回复和信息发布经历获取步骤S110。
信息回复和信息发布经历获取步骤S110,用于获取每个网络用户的网络社 交经历中的信息回复经历和信息发布经历。
网络社交经历可以通过网络用户输入,也可以从社交网络或其它网站或数 据库中获取,从中提取信息回复经历和信息发布经历。
例如
张三
信息回复经历
2010.9-2014.7 A1社交网络B11主题
2014.9-2017.7 A2社交网络B21主题
信息发布经历
2017.9-2018.7 A3社交网络B31主题
2018.9-2019.7 A4社交网络B41主题
李四
信息回复经历
2011.9-2015.7 A5社交网络B51主题
2015.9-2018.7 A2社交网络B21主题
信息发布经历
2018.9-2019.7 A1社交网络B12主题
2019.9-2021.7 A3社交网络B31主题
其中,经历抽取步骤S200包括信息回复经历抽取步骤S210、信息发布经历 抽取步骤S220。
信息回复经历抽取步骤S210,用于从每一个网络用户的网络社交经历的信 息回复经历中抽取每一个信息回复经历的时间段及该时间段网络用户所在的社 交网络
例如
从张三的信息回复经历中抽取
2010.9-2014.7 A1社交网络B11主题
2014.9-2017.7 A2社交网络B21主题
从李四的信息回复经历中抽取
2011.9-2015.7 A5社交网络B51主题
2015.9-2018.7 A2社交网络B21主题
信息发布经历抽取步骤S220,用于从网络社交经历的信息发布经历中抽取 每一个信息发布经历的时间段及该时间段网络用户所在的社交网络
例如
从张三的信息发布经历中抽取
2017.9-2018.7 A3社交网络B31主题
2018.9-2019.7 A4社交网络B41主题
从李四的信息发布经历中抽取
2018.9-2019.7 A1社交网络B12主题
2019.9-2021.7 A3社交网络B31主题
实施例3:
如图3所示,根据实施例1提供的网络社交关系知识图谱生成方法,
其中,交集信息获取步骤S400包括第一交集信息获取步骤S410。
第一交集信息获取步骤S410,用于通过对经历进行匹配获取时间段交集不 为空且社交网络交集不为空的属于不同网络用户的每两个经历,获取交集部分 的时间段和社交网络信息。
求两个网络用户经历(网络用户A的一个经历、网络用户B的一个经历) 的社交网络交集的具体步骤
从网络用户A经历的社交网络信息中分别提取一级社交网络名称(例如根 据“新浪微博”、“人人网”等关键词识别和提取)、二级社交网络名称(例如根 据主题名等关键词识别和提取)等多级社交网络名称
同样,从网络用户B经历的社交网络信息中分别提取一级社交网络名称、 二级社交网络名称等多级社交网络名称
如果网络用户A与网络用户B的一级社交网络名称相同但二级社交网络名 称不同,则该两个网络用户的社交网络交集为该一级社交网络名称
如果网络用户A与网络用户B的一级社交网络名称相同且二级社交网络名 称相同但三级社交网络名称不同,则该两个网络用户的社交网络交集为该一级 社交网络名称二级社交网络名称
如果网络用户A与网络用户B的一级社交网络名称相同且二级社交网络名 称相同且三级社交网络名称相同但四级社交网络名称不同,则该两个网络用户 的社交网络交集为该一级社交网络名称二级社交网络名称三级社交网络名称
如此类推。
求两个网络用户经历(网络用户A的一个经历、网络用户B的一个经历) 的时间段交集的具体步骤为取2个时间段的共同时间段作为交集的结果。
例如
交集2015.9-2017.7 A21社交网络B21主题对应的属于张三、李四的两 个经历:
张三的信息回复经历2014.9-2017.7 A21社交网络B21主题
李四的信息回复经历2015.9-2018.7 A21社交网络B21主题
交集部分的时间段为:2015.9-2017.7
交集部分的社交网络信息为:A21社交网络B21主题
其中,关系生成步骤S500包括同时段关系生成步骤S510。
同时段关系生成步骤S510,用于根据网络用户的经历,判断每两个网络用 户之间的同时段关系,生成该关系的实体、标签、属性进行关联后加入同时段 网络社交经历关系知识库;
信息回复经历同时段关系生成步骤S511,用于如果所述两个经历分别为两 个网络用户的信息回复经历,且这两个网络用户具有同时段关系,则将这两个 网络用户的姓名作为该关系的实体,将同时段回复关系作为该关系的标签,将 交集部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、 属性进行关联后加入同时段网络社交经历关系知识库;
例如
交集2015.9-2017.7 A21社交网络B21主题对应的属于张三、李四的两 个经历:
张三的信息回复经历2014.9-2017.7 A21社交网络B21主题
李四的信息回复经历2015.9-2018.7 A21社交网络B21主题
分别为两个网络用户的信息回复经历
且这两个网络用户具有同时段关系,则将这两个网络用户的姓名“张三、 李四”作为该关系的实体,将同时段回复关系作为该关系的标签,将交集部分 的时间段2015.9-2017.7和社交网络信息A21社交网络B21主题作为该关系的 属性,加入同时段网络社交经历关系知识库;
信息发布经历同时段关系生成步骤S512,如果所述两个经历分别为两个网 络用户的信息发布经历,且这两个网络用户具有同时段关系,则将这两个网络 用户的姓名作为该关系的实体,将同时段发布关系作为该关系的标签,将交集 部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、属 性进行关联后加入同时段网络社交经历关系知识库;
信息回复信息发布经历同时段关系生成步骤S513,如果所述两个经历分别 为一个网络用户的信息回复经历和另一个网络用户的信息发布经历,且这两个 网络用户具有同时段关系,则将这两个网络用户的姓名作为该关系的实体,将 同时段回复发布关系作为该关系的标签,将交集部分的时间段和社交网络信息 作为该关系的属性,将该关系的实体、标签、属性进行关联后加入同时段网络 社交经历关系知识库;
进一步地,信息回复经历对应的网络用户身份是好友,信息发布经历对应 的网络用户身份是好友。将双方对应的身份作为该关系的属性,加入同时段网 络社交经历关系知识库。
实施例4:
如图4所示,根据实施例1提供的网络社交关系知识图谱生成方法,
其中,交集信息获取步骤S400包括第二交集信息获取步骤S420。
第二交集信息获取步骤S420,用于通过对经历进行匹配获取时间段交集为 空且社交网络交集不为空的属于不同网络用户的每两个经历,获取交集部分的 社交网络信息
例如
交集A1社交网络对应的属于张三、李四的两个经历:
张三的信息回复经历2010.9-2014.7 A1社交网络B11主题
李四的信息发布经历2018.9-2019.7 A1社交网络B12主题
交集部分的时间段为空
交集部分的社交网络信息为:A1社交网络
其中,关系生成步骤S500包括不同时段关系生成步骤S520。
不同时段关系生成步骤S520,用于根据网络用户的经历,判断每两个网络 用户之间的不同时段关系,生成该关系的实体、标签、属性进行关联后加入不 同时段网络社交经历关系知识库。
信息回复经历不同时段关系生成步骤S521,用于如果所述每两个经历分别 为两个网络用户的信息回复经历,且这两个网络用户具有不同时段关系,则将 这两个网络用户的姓名作为该关系的实体,将不同时段回复关系作为该关系的 标签,将交集部分的社交网络信息作为该关系的属性,将该关系的实体、标签、 属性进行关联后加入不同时段网络社交经历关系知识库;
信息发布经历不同时段关系生成步骤S522,用于如果所述两个经历分别为 两个网络用户的信息发布经历,且这两个网络用户具有不同时段关系,则将这 两个网络用户的姓名作为该关系的实体,将不同时段发布关系作为该关系的标 签,将交集部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、 标签、属性进行关联后加入不同时段网络社交经历关系知识库;
信息回复信息发布经历不同时段关系生成步骤S523,如果所述两个经历分 别为一个网络用户的信息回复经历和另一个网络用户的信息发布经历,且这两 个网络用户具有不同时段关系,则将这两个网络用户的姓名作为该关系的实体, 将不同时段回复发布关系作为该关系的标签,将交集部分的社交网络信息作为 该关系的属性,将该关系的实体、标签、属性进行关联后加入不同时段网络社 交经历关系知识库;
进一步地,信息回复经历对应的网络用户身份是好友,信息发布经历对应 的网络用户身份是好友。将双方对应的身份作为该关系的属性,加入同时段网 络社交经历关系知识库。
例如
交集A1社交网络对应的属于张三、李四的两个经历:
张三的信息回复经历2010.9-2014.7 A1社交网络B11主题
李四的信息发布经历2018.9-2019.7 A1社交网络B12主题
分别为一个网络用户的信息回复经历和另一个网络用户的信息发布经历
且这两个网络用户具有不同时段关系,则将这两个网络用户的姓名“张三、 李四”作为该关系的实体,将不同时段回复发布关系作为该关系的标签,将交 集部分的社交网络信息A1社交网络作为该关系的属性,加入不同时段网络社交 经历关系知识库;
实施例5:
如图5所示,根据实施例1提供的网络社交关系知识图谱生成方法,
知识图谱生成步骤S600包括:
同时段网络社交关系知识图谱生成步骤S610:将每个网络用户作为同时段 网络社交经历关系知识图谱中的一个实体,将同时段网络社交经历关系知识库 中每个关系的关系标签及其属性作为该关系中网络用户在同时段网络社交经历 关系知识图谱中对应的实体之间的关联关系。
实体获取步骤S700包括:
同时段实体获取步骤S710:获取同时段网络社交经历关系知识图谱中与任 一实体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有同 时段的回复、发布、交互对应的网络用户。获取同时段网络社交经历关系知识 图谱中与任一实体具有的关联关系中具有第k级社交网络名称的所有实体,可 以得到该一实体对应的网络用户的所有同时段同第k级社交网络的回复、发布、 交互对应的网络用户。K为大于1的自然数。
实施例6:
如图6所示,根据实施例1提供的网络社交关系知识图谱生成方法,
知识图谱生成步骤S600包括:
不同时段网络社交关系知识图谱生成步骤S620:将每个网络用户作为不同 时段网络社交经历关系知识图谱中的一个实体,将不同时段网络社交经历关系 知识库中每个关系的关系标签及其属性作为该关系中网络用户在不同时段网络 社交经历关系知识图谱中对应的实体之间的关联关系,
实体获取步骤S700包括:
不同时段实体获取步骤S720:获取不同时段网络社交经历关系知识图谱中 与任一实体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所 有不同时段的回复、发布、交互对应的网络用户。获取不同时段网络社交经历 关系知识图谱中与任一实体具有的关联关系中具有第k级社交网络名称的所有 实体,可以得到该一实体对应的网络用户的所有不同时段同第k级社交网络的 回复、发布、交互对应的网络用户。K为大于1的自然数。
进一步,获取不同时段网络社交经历关系知识图谱中与任一实体具有的关 联关系中具有第k级社交网络名称且含有“回复”关键词的所有实体,可以得 到该一实体对应的网络用户的所有不同时段同第k级社交网络的回复对应的网 络用户。
进一步,获取不同时段网络社交经历关系知识图谱中与任一实体具有的关 联关系中具有第k级社交网络名称且含有“发布”关键词的所有实体,可以得 到该一实体对应的网络用户的所有不同时段同第k级社交网络的发布对应的网 络用户。
进一步,获取不同时段网络社交经历关系知识图谱中与任一实体具有的关 联关系中具有第k级社交网络名称且含有“交互”关键词的所有实体,可以得 到该一实体对应的网络用户的所有不同时段同第k级社交网络的交互对应的网 络用户。
实施例7:
如图7所示,根据实施例1提供的网络社交关系知识图谱生成方法,
知识图谱生成步骤S600包括:
混合时段网络社交关系知识图谱生成步骤S630:将每个网络用户作为网络 社交经历关系知识图谱中的一个实体,将同时段网络社交经历关系知识库及不 同时段网络社交经历关系知识库中每个关系的关系标签及其属性作为该关系中 网络用户在网络社交经历关系知识图谱中对应的实体之间的关联关系。
实体获取步骤S700包括:
混合时段实体获取步骤S730:获取网络社交经历关系知识图谱中与任一实 体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有回复、 发布、交互对应的网络用户。获取网络社交经历关系知识图谱中与任一实体具 有的关联关系中具有第k级社交网络名称的所有实体,可以得到该一实体对应 的网络用户的所有同第k级社交网络的回复、发布、交互对应的网络用户。K为 大于1的自然数。
例如,
获取网络社交经历关系知识图谱中与张三具有关联关系的所有实体,可以 得到张三的回复有李四、王二,发布有李四、王二,交互有李四。
例如,
k为2时,获取网络社交经历关系知识图谱中与张三具有的关联关系中具 有第2级社交网络名称(对应主题、帖子)的所有实体,可以得到张三的所有 同第2级社交网络的回复有李四、王二,发布有李四,交互没有
实施例8:
如图8所示,根据实施例5、6、7提供的网络社交关系知识图谱生成方法 进行组合使用。
实施例9:
如图9所示,根据实施例1提供的网络社交关系知识图谱生成方法,
关系获取步骤S800具体包括:根据上述步骤获取与一个网络用户在知识图 谱中具备某类关系的所有网络用户,获取该个网络用户与该所有网络用户中每 一网络用户之间的关系,将关系中时间段的长度作为P1,将关系中的最低社交 网络级别作为P2,计算f(P1,P2)作为该关系的权重,计算该个网络用户与 该所有网络用户中每一网络用户之间的所有关系的权重和,根据对应的关系权 重和从高到低对与该网络用户有该类关系的每一网络用户进行排序,排序越靠 前的网络用户与该网络用户的该类关系越密切,排序最靠前的网络用户与该网 络用户的该类关系最密切。
其中,P1为年时,时间段的长度不是整年时,向上取整为整年,最低社交 网络为k级社交网络时P2为k,f(P1,P2)可以有多种实现方式,例如f(P1,P2) =P1*P2+P2
例如
根据上述步骤获取与张三在知识图谱中具备关系的所有网络用户李四、王 二,获取张三与李四之间的关系、张三与王二之间的关系,
将张三与李四之间的关系“不同时段发布关系、A3社交网络B31主题”中 时间段的长度0作为P1,将关系中的最低社交网络级别2作为P2,计算f(P1, P2)=P1*P2+P2=2作为该关系的权重。
将张三与李四之间的关系“不同时段交互关系、A1社交网络”中时间段的 长度0作为P1,将关系中的最低社交网络级别1作为P2,计算f(P1,P2) =P1*P2+P2=1作为该关系的权重。
将张三与李四之间的关系“同时段回复关系、2015.9-2017.7 A21社交网 络B21主题”中时间段的长度2作为P1,将关系中的最低社交网络级别2作为 P2,计算f(P1,P2)=P1*P2+P2=6作为该关系的权重。
计算张三与李四之间的所有关系的权重和为2+1+6=9
将张三与王二之间的关系“同时段发布关系、2017.9-2018.7 A3社交网络” 中时间段的长度1作为P1,将关系中的最低社交网络级别1作为P2,计算f(P1, P2)=max(P1*P2+P2)=2作为该关系的权重,
将张三与王二之间的关系“同时段回复关系、2014.9-2017.7 A2社交网络 B21主题”中时间段的长度3作为P1,将关系中的最低社交网络级别2作为P2, 计算f(P1,P2)=max(P1*P2+P2)=8作为该关系的权重,
将张三与王二之间的关系“同时段回复关系、2010.9-2014.7 A1社交网络 B11主题”中时间段的长度4作为P1,将关系中的最低社交网络级别2作为P2, 计算f(P1,P2)=max(P1*P2+P2)=10作为该关系的权重,
计算张三与王二之间的所有关系的权重和为2+8+10=20
根据关系的权重从高到低对与该网络用户有关系的所述每一网络用户进行 排序为王二、李四,
王二与张三的关系更密切,排序最靠前的王二与张三的关系最密切。
例如
根据上述步骤获取与张三在知识图谱中具备同时段回复关系的所有网络用 户李四、王二,获取张三与李四之间的关系、张三与王二之间的关系,
将张三与李四之间的关系“同时段回复关系、2015.9-2017.7 A21社交网 络B21主题”中时间段的长度2作为P1,将关系中的最低社交网络级别2作为 P2,计算f(P1,P2)=P1*P2+P2=6作为该关系的权重。
计算张三与李四之间的所有关系的权重和为6
将张三与王二之间的关系“同时段回复关系、2014.9-2017.7 A2社交网络 B21主题”中时间段的长度3作为P1,将关系中的最低社交网络级别2作为P2, 计算f(P1,P2)=max(P1*P2+P2)=8作为该关系的权重,
将张三与王二之间的关系“同时段回复关系、2010.9-2014.7 A1社交网络 B11主题”中时间段的长度4作为P1,将关系中的最低社交网络级别2作为P2, 计算f(P1,P2)=max(P1*P2+P2)=10作为该关系的权重,
计算张三与王二之间的所有关系的权重和为8+10=18
根据关系的权重从高到低对与该网络用户有同时段回复关系的所述每一网 络用户进行排序为王二、李四,
王二与张三的同时段回复关系更密切,排序最靠前的王二与张三的同时段 回复关系最密切。
效果:可以获得更为精准的网络用户之间关系,具体到某一级社交网络, 例如同一社交网络、同一主题,可以区分同时段和不同时段的关系,例如有的 网络用户之间虽然有同社交网络或同子社交网络的关系,但是在不同时间属于 某个社交网络或子社交网络的。可以精确地得到两个网络用户之间的关系所在 的具体时间段具体各级社交网络。可以根据关系对应的交集中时间段的长短和 社交网络级别来判断与一个网络社交经历关系最密切的网络用户,并能根据关 系的密切程度对这个网络用户的所有有关系网络用户进行排序
实施例10:
如图9所示,提供一种网络社交关系知识图谱生成系统,包括经历获取模 块100、经历抽取模块200、经历求交模块300、交集信息获取模块400、关系 生成模块500、等模块。
经历获取模块100,用于获取每个网络用户的网络社交的经历。
经历抽取模块200,用于从每一个网络用户的网络社交的经历中抽取每一个 经历的时间段及该时间段网络用户所在的社交网络。
经历求交模块300,用于求属于不同网络用户的每两个经历的交集
交集信息获取模块400,用于通过对经历进行匹配获取具有交集的每两个经 历,获取交集部分的信息。
关系生成模块500,用于根据网络用户的经历,判断每两个网络用户之间的 关系,生成该关系的实体、标签、属性进行关联后加入网络社交经历关系知识 库。
实施例11:
根据实施例10提供的网络社交关系知识图谱生成系统,
其中,经历获取模块100包括信息回复和信息发布经历获取模块110。
信息回复和信息发布经历获取模块110,用于获取每个网络用户的网络社交 经历中的信息回复经历和信息发布经历。
其中,经历抽取模块200包括信息回复经历抽取模块210、信息发布经历抽 取模块220。
信息回复经历抽取模块210,用于从每一个网络用户的网络社交经历的信息 回复经历中抽取每一个信息回复经历的时间段及该时间段网络用户所在的社交 网络
实施例12:
根据实施例10提供的网络社交关系知识图谱生成系统,
其中,交集信息获取模块400包括第一交集信息获取模块410。
第一交集信息获取模块410,用于通过对经历进行匹配获取时间段交集不为 空且社交网络交集不为空的属于不同网络用户的每两个经历,获取交集部分的 时间段和社交网络信息。
其中,关系生成模块500包括同时段关系生成模块510。
同时段关系生成模块510,用于根据网络用户的经历,判断每两个网络用户 之间的同时段关系,生成该关系的实体、标签、属性进行关联后加入同时段网 络社交经历关系知识库;
信息回复经历同时段关系生成模块511,用于如果所述两个经历分别为两个 网络用户的信息回复经历,且这两个网络用户具有同时段关系,则将这两个网 络用户的姓名作为该关系的实体,将同时段回复关系作为该关系的标签,将交 集部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、 属性进行关联后加入同时段网络社交经历关系知识库;
信息发布经历同时段关系生成模块512,如果所述两个经历分别为两个网络 用户的信息发布经历,且这两个网络用户具有同时段关系,则将这两个网络用 户的姓名作为该关系的实体,将同时段发布关系作为该关系的标签,将交集部 分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、属性 进行关联后加入同时段网络社交经历关系知识库;
实施例13:
根据实施例10提供的网络社交关系知识图谱生成系统,
其中,交集信息获取模块400包括第二交集信息获取模块420。
第二交集信息获取模块420,用于通过对经历进行匹配获取时间段交集为空 且社交网络交集不为空的属于不同网络用户的每两个经历,获取交集部分的社 交网络信息
其中,关系生成模块500包括不同时段关系生成模块520。
不同时段关系生成模块520,用于根据网络用户的经历,判断每两个网络用 户之间的不同时段关系,生成该关系的实体、标签、属性进行关联后加入不同 时段网络社交经历关系知识库。
信息回复经历不同时段关系生成模块521,用于如果所述每两个经历分别为 两个网络用户的信息回复经历,且这两个网络用户具有不同时段关系,则将这 两个网络用户的姓名作为该关系的实体,将不同时段回复关系作为该关系的标 签,将交集部分的社交网络信息作为该关系的属性,将该关系的实体、标签、 属性进行关联后加入不同时段网络社交经历关系知识库;
信息发布经历不同时段关系生成模块522,用于如果所述两个经历分别为两 个网络用户的信息发布经历,且这两个网络用户具有不同时段关系,则将这两 个网络用户的姓名作为该关系的实体,将不同时段发布关系作为该关系的标签, 将交集部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标 签、属性进行关联后加入不同时段网络社交经历关系知识库;
信息回复信息发布经历不同时段关系生成模块523,如果所述两个经历分别 为一个网络用户的信息回复经历和另一个网络用户的信息发布经历,且这两个 网络用户具有不同时段关系,则将这两个网络用户的姓名作为该关系的实体, 将不同时段回复发布关系作为该关系的标签,将交集部分的社交网络信息作为 该关系的属性,将该关系的实体、标签、属性进行关联后加入不同时段网络社 交经历关系知识库。
实施例14:
根据实施例10提供的网络社交关系知识图谱生成系统,
知识图谱生成模块600包括:
同时段网络社交关系知识图谱生成模块610:将每个网络用户作为同时段网 络社交经历关系知识图谱中的一个实体,将同时段网络社交经历关系知识库中 每个关系的关系标签及其属性作为该关系中网络用户在同时段网络社交经历关 系知识图谱中对应的实体之间的关联关系。
实体获取模块700包括:
同时段实体获取模块710:获取同时段网络社交经历关系知识图谱中与任一 实体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有同时 段的回复、发布、交互对应的网络用户。获取同时段网络社交经历关系知识图 谱中与任一实体具有的关联关系中具有第k级社交网络名称的所有实体,可以 得到该一实体对应的网络用户的所有同时段同第k级社交网络的回复、发布、 交互对应的网络用户。K为大于1的自然数。
实施例15:
根据实施例10提供网络社交关系知识图谱生成系统,
知识图谱生成模块600包括:
不同时段网络社交关系知识图谱生成模块620:将每个网络用户作为不同时 段网络社交经历关系知识图谱中的一个实体,将不同时段网络社交经历关系知 识库中每个关系的关系标签及其属性作为该关系中网络用户在不同时段网络社 交经历关系知识图谱中对应的实体之间的关联关系,
实体获取模块700包括:
不同时段实体获取模块720:获取不同时段网络社交经历关系知识图谱中与 任一实体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有 不同时段的回复、发布、交互对应的网络用户。获取不同时段网络社交经历关 系知识图谱中与任一实体具有的关联关系中具有第k级社交网络名称的所有实 体,可以得到该一实体对应的网络用户的所有不同时段同第k级社交网络的回 复、发布、交互对应的网络用户。K为大于1的自然数。
实施例16:
根据实施例10提供的网络社交关系知识图谱生成系统,
知识图谱生成模块600包括:
混合时段网络社交关系知识图谱生成模块630:将每个网络用户作为网络社 交经历关系知识图谱中的一个实体,将同时段网络社交经历关系知识库及不同 时段网络社交经历关系知识库中每个关系的关系标签及其属性作为该关系中网 络用户在网络社交经历关系知识图谱中对应的实体之间的关联关系。
实体获取模块700包括:
混合时段实体获取模块730:获取网络社交经历关系知识图谱中与任一实体 具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有回复、发 布、交互对应的网络用户。获取网络社交经历关系知识图谱中与任一实体具有 的关联关系中具有第k级社交网络名称的所有实体,可以得到该一实体对应的 网络用户的所有同第k级社交网络的回复、发布、交互对应的网络用户。K为大 于1的自然数。
实施例17:
根据实施例14、15、16提供的网络社交关系知识图谱生成系统可以进行组 合使用。
实施例18:
根据实施例10提供的网络社交关系知识图谱生成系统,
关系获取模块800具体包括:根据上述步骤获取与一个网络用户在知识图 谱中具备某类关系的所有网络用户,获取该个网络用户与该所有网络用户中每 一网络用户之间的关系,将关系中时间段的长度作为P1,将关系中的最低社交 网络级别作为P2,计算f(P1,P2)作为该关系的权重,计算该个网络用户与 该所有网络用户中每一网络用户之间的所有关系的权重和,根据对应的关系权 重和从高到低对与该网络用户有该类关系的每一网络用户进行排序,排序越靠 前的网络用户与该网络用户的该类关系越密切,排序最靠前的网络用户与该网 络用户的该类关系最密切。
上述各实施例中的方法和系统可以在计算机、服务器、云服务器、超级计 算机、机器人、嵌入式设备、电子设备等上执行和部署。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细, 但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域 的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和 改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附 权利要求为准。
Claims (10)
1.一种网络社交关系知识图谱生成方法,其特征在于,所述方法包括:
经历获取步骤,获取每个网络用户的网络社交的经历;
经历抽取步骤,从每一个网络用户的网络社交的经历中抽取每一个经历的时间段及该时间段网络用户所在的社交网络;
经历求交步骤,求属于不同网络用户的每两个经历的交集;
交集信息获取步骤,通过对经历进行匹配获取具有交集的每两个经历,获取交集部分的信息;
关系生成步骤,根据网络用户的经历,判断每两个网络用户之间的关系,生成该关系的实体、标签、属性进行关联后加入网络社交经历关系知识库;
知识图谱生成步骤,用于将每个网络用户作为网络社交经历关系知识图谱中的一个实体,将网络社交经历关系知识库中每个关系的关系标签及其属性作为该关系中网络用户的网络社交经历关系知识图谱中对应的实体之间的关联关系;
实体获取步骤,获取网络社交经历关系知识图谱中与任一实体具有关联关系的实体;
关系获取步骤,获取与第一网络用户在知识图谱中具备关系的第二网络用户,获取该第一网络用户与该第二网络用户之间的关系,计算该第一网络用户与该第二网络用户之间的关系的权重和,根据对应的关系权重和从高到低对与该第一网络用户有关系的每一网络用户进行排序。
2.根据权利要求1所述的网络社交关系知识图谱生成方法,其特征在于,
所述经历获取步骤包括:
信息回复和信息发布经历获取步骤,获取每个网络用户的网络社交经历中的信息回复经历和信息发布经历;
所述经历抽取步骤包括:
信息回复经历抽取步骤,从每一个网络用户的网络社交经历的信息回复经历中抽取每一个信息回复经历的时间段及该时间段网络用户所在的社交网络;信息回复指的是在社交网络上回复别人发布的信息;
信息发布经历抽取步骤,从网络社交经历的信息发布经历中抽取每一个信息发布经历的时间段及该时间段网络用户所在的社交网络;信息发布是指网络用户在社交网络上发布信息。
3.根据权利要求1所述的网络社交关系知识图谱生成方法,其特征在于,
交集信息获取步骤包括:
第一交集信息获取步骤,通过对经历进行匹配获取时间段交集不为空且社交网络交集不为空的属于不同网络用户的每两个经历,获取交集部分的时间段和社交网络信息;
第二交集信息获取步骤,通过对经历进行匹配获取时间段交集为空且社交网络交集不为空的属于不同网络用户的每两个经历,获取交集部分的社交网络信息;
关系生成步骤包括:
同时段关系生成步骤,根据网络用户的经历,判断每两个网络用户之间的同时段关系,生成该关系的实体、标签、属性进行关联后加入同时段网络社交经历关系知识库;
不同时段关系生成步骤,根据网络用户的经历,判断每两个网络用户之间的不同时段关系,生成该关系的实体、标签、属性进行关联后加入不同时段网络社交经历关系知识库。
4.根据权利要求3所述的网络社交关系知识图谱生成方法,其特征在于,
同时段关系生成步骤包括:
信息回复经历同时段关系生成步骤,如果所述两个经历分别为两个网络用户的信息回复经历,且这两个网络用户具有同时段关系,则将这两个网络用户的姓名作为该关系的实体,将同时段回复关系作为该关系的标签,将交集部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、属性进行关联后加入同时段网络社交经历关系知识库;
信息发布经历同时段关系生成步骤,如果所述两个经历分别为两个网络用户的信息发布经历,且这两个网络用户具有同时段关系,则将这两个网络用户的姓名作为该关系的实体,将同时段发布关系作为该关系的标签,将交集部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、属性进行关联后加入同时段网络社交经历关系知识库;
信息回复信息发布经历同时段关系生成步骤,如果所述两个经历分别为一个网络用户的信息回复经历和另一个网络用户的信息发布经历,且这两个网络用户具有同时段关系,则将这两个网络用户的姓名作为该关系的实体,将同时段回复发布关系作为该关系的标签,将交集部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、属性进行关联后加入同时段网络社交经历关系知识库;
不同时段关系生成步骤包括:
信息回复经历不同时段关系生成步骤,如果所述每两个经历分别为两个网络用户的信息回复经历,且这两个网络用户具有不同时段关系,则将这两个网络用户的姓名作为该关系的实体,将不同时段回复关系作为该关系的标签,将交集部分的社交网络信息作为该关系的属性,将该关系的实体、标签、属性进行关联后加入不同时段网络社交经历关系知识库;
信息发布经历不同时段关系生成步骤,如果所述两个经历分别为两个网络用户的信息发布经历,且这两个网络用户具有不同时段关系,则将这两个网络用户的姓名作为该关系的实体,将不同时段发布关系作为该关系的标签,将交集部分的时间段和社交网络信息作为该关系的属性,将该关系的实体、标签、属性进行关联后加入不同时段网络社交经历关系知识库;
信息回复信息发布经历不同时段关系生成步骤,如果所述两个经历分别为一个网络用户的信息回复经历和另一个网络用户的信息发布经历,且这两个网络用户具有不同时段关系,则将这两个网络用户的姓名作为该关系的实体,将不同时段回复发布关系作为该关系的标签,将交集部分的社交网络信息作为该关系的属性,将该关系的实体、标签、属性进行关联后加入不同时段网络社交经历关系知识库。
5.根据权利要求1所述的网络社交关系知识图谱生成方法,其特征在于,
知识图谱生成步骤包括:
同时段网络社交关系知识图谱生成步骤,将每个网络用户作为同时段网络社交经历关系知识图谱中的一个实体,将同时段网络社交经历关系知识库中每个关系的关系标签及其属性作为该关系中网络用户在同时段网络社交经历关系知识图谱中对应的实体之间的关联关系;
不同时段网络社交关系知识图谱生成步骤,将每个网络用户作为不同时段网络社交经历关系知识图谱中的一个实体,将不同时段网络社交经历关系知识库中每个关系的关系标签及其属性作为该关系中网络用户在不同时段网络社交经历关系知识图谱中对应的实体之间的关联关系;
混合时段网络社交关系知识图谱生成步骤,将每个网络用户作为网络社交经历关系知识图谱中的一个实体,将同时段网络社交经历关系知识库及不同时段网络社交经历关系知识库中每个关系的关系标签及其属性作为该关系中网络用户在网络社交经历关系知识图谱中对应的实体之间的关联关系;
实体获取步骤包括:
同时段实体获取步骤,获取同时段网络社交经历关系知识图谱中与任一实体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有同时段的回复、发布、交互对应的网络用户;
不同时段实体获取步骤,获取不同时段网络社交经历关系知识图谱中与任一实体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有不同时段的回复、发布、交互对应的网络用户;
混合时段实体获取步骤,获取网络社交经历关系知识图谱中与任一实体具有关联关系的所有实体,可以得到该一实体对应的网络用户的所有回复、发布、交互对应的网络用户。
6.根据权利要求1所述的网络社交关系知识图谱生成方法,其特征在于,
关系获取步骤具体包括:获取与一个网络用户在知识图谱中具备某类关系的所有网络用户,获取该个网络用户与该所有网络用户中每一网络用户之间的关系,将关系中时间段的长度作为P1,将关系中的最低社交网络级别作为P2,计算f(P1,P2)作为该关系的权重,计算该个网络用户与该所有网络用户中每一网络用户之间的所有关系的权重和,根据对应的关系权重和从高到低对与该网络用户有该类关系的每一网络用户进行排序,排序越靠前的网络用户与该网络用户的该类关系越密切,排序最靠前的网络用户与该网络用户的该类关系最密切。
7.一种网络社交关系知识图谱生成系统,其特征在于,所述系统包括:
经历获取模块,用于获取每个网络用户的网络社交的经历;
经历抽取模块,用于从每一个网络用户的网络社交的经历中抽取每一个经历的时间段及该时间段网络用户所在的社交网络;
经历求交模块,用于求属于不同网络用户的每两个经历的交集;
交集信息获取模块,用于通过对经历进行匹配获取具有交集的每两个经历,获取交集部分的信息;
关系生成模块,用于根据网络用户的经历,判断每两个网络用户之间的关系,生成该关系的实体、标签、属性进行关联后加入网络社交经历关系知识库;
知识图谱生成模块,用于将每个网络用户作为网络社交经历关系知识图谱中的一个实体,将网络社交经历关系知识库中每个关系的关系标签及其属性作为该关系中网络用户的网络社交经历关系知识图谱中对应的实体之间的关联关系;
实体获取模块,获取网络社交经历关系知识图谱中与任一实体具有关联关系的实体;
关系获取模块,获取与第一网络用户在知识图谱中具备关系的第二网络用户,获取该第一网络用户与该第二网络用户之间的关系,计算该第一网络用户与该第二网络用户之间的关系的权重和,根据对应的关系权重和从高到低对与该第一网络用户有关系的每一网络用户进行排序。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
10.一种网络社交关系知识图谱生成机器人系统,所述机器人系统包括存储器和处理器,所述存储器存储有机器人程序,其特征在于,所述处理器执行所述机器人程序时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910800302.XA CN110502670A (zh) | 2019-08-29 | 2019-08-29 | 基于人工智能的网络社交关系知识图谱生成方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910800302.XA CN110502670A (zh) | 2019-08-29 | 2019-08-29 | 基于人工智能的网络社交关系知识图谱生成方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110502670A true CN110502670A (zh) | 2019-11-26 |
Family
ID=68588614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910800302.XA Withdrawn CN110502670A (zh) | 2019-08-29 | 2019-08-29 | 基于人工智能的网络社交关系知识图谱生成方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110502670A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026816A (zh) * | 2019-12-09 | 2020-04-17 | 重庆锐云科技有限公司 | 基于知识图谱的高净值客户群识别方法、装置及存储介质 |
CN112905738A (zh) * | 2021-02-05 | 2021-06-04 | 中山大学 | 一种基于时态知识图谱推理的社交关系演变预测方法 |
CN113033850A (zh) * | 2019-12-06 | 2021-06-25 | 北京达佳互联信息技术有限公司 | 基于社交关系的社交属性数据确定方法、装置及设备 |
CN114363277A (zh) * | 2020-12-31 | 2022-04-15 | 万翼科技有限公司 | 基于社会关系的智能聊天方法、装置及相关产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509614A (zh) * | 2018-04-03 | 2018-09-07 | 中山大学 | 一种基于图数据库的任务履历管理及分析方法 |
US10102291B1 (en) * | 2015-07-06 | 2018-10-16 | Google Llc | Computerized systems and methods for building knowledge bases using context clouds |
CN110110094A (zh) * | 2019-04-22 | 2019-08-09 | 华侨大学 | 基于社交网络知识图谱的跨网络人物关联方法 |
-
2019
- 2019-08-29 CN CN201910800302.XA patent/CN110502670A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10102291B1 (en) * | 2015-07-06 | 2018-10-16 | Google Llc | Computerized systems and methods for building knowledge bases using context clouds |
CN108509614A (zh) * | 2018-04-03 | 2018-09-07 | 中山大学 | 一种基于图数据库的任务履历管理及分析方法 |
CN110110094A (zh) * | 2019-04-22 | 2019-08-09 | 华侨大学 | 基于社交网络知识图谱的跨网络人物关联方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033850A (zh) * | 2019-12-06 | 2021-06-25 | 北京达佳互联信息技术有限公司 | 基于社交关系的社交属性数据确定方法、装置及设备 |
CN111026816A (zh) * | 2019-12-09 | 2020-04-17 | 重庆锐云科技有限公司 | 基于知识图谱的高净值客户群识别方法、装置及存储介质 |
CN111026816B (zh) * | 2019-12-09 | 2022-09-02 | 重庆锐云科技有限公司 | 基于知识图谱的高净值客户群识别方法、装置及存储介质 |
CN114363277A (zh) * | 2020-12-31 | 2022-04-15 | 万翼科技有限公司 | 基于社会关系的智能聊天方法、装置及相关产品 |
CN114363277B (zh) * | 2020-12-31 | 2023-08-01 | 万翼科技有限公司 | 基于社会关系的智能聊天方法、装置及相关产品 |
CN112905738A (zh) * | 2021-02-05 | 2021-06-04 | 中山大学 | 一种基于时态知识图谱推理的社交关系演变预测方法 |
CN112905738B (zh) * | 2021-02-05 | 2022-04-22 | 中山大学 | 一种基于时态知识图谱推理的社交关系演变预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502670A (zh) | 基于人工智能的网络社交关系知识图谱生成方法和系统 | |
CN104598557B (zh) | 数据栅格化、用户行为分析的方法和装置 | |
CN104050196B (zh) | 一种兴趣点数据冗余检测方法及装置 | |
Wang et al. | Outfit compatibility prediction and diagnosis with multi-layered comparison network | |
CN107506793B (zh) | 基于弱标注图像的服装识别方法及系统 | |
CN110377804A (zh) | 培训课程数据的推送方法、装置、系统及存储介质 | |
CN109033408B (zh) | 信息推送方法及装置、计算机可读存储介质、电子设备 | |
CN103761254B (zh) | 多领域服务主题匹配推荐方法 | |
CN107247947A (zh) | 人脸属性识别方法及装置 | |
CN103620590B (zh) | 用于图像至文本以及文本至图像的关联的系统和方法 | |
CN110490238A (zh) | 一种图像处理方法、装置及存储介质 | |
CN109918452A (zh) | 一种数据处理的方法、装置、计算机存储介质及终端 | |
CN103186538A (zh) | 一种图像分类方法和装置、图像检索方法和装置 | |
CN112528639B (zh) | 对象识别方法和装置、存储介质及电子设备 | |
CN109597907A (zh) | 服饰管理方法和装置、电子设备、存储介质 | |
CN109062947A (zh) | 用户画像标签查询方法、设备及计算机可读存储介质 | |
CN110580304A (zh) | 数据融合方法、装置、计算机设备及计算机存储介质 | |
CN110197200A (zh) | 一种基于机器视觉的服装电子标签生成方法 | |
CN108363759A (zh) | 基于结构化数据的主题树生成方法及系统及智能对话方法 | |
CN111310072A (zh) | 关键词提取方法、装置和计算机可读存储介质 | |
Sun et al. | Automatic building age prediction from street view images | |
CN110502671A (zh) | 基于人工智能的学术关系知识图谱生成方法和机器人系统 | |
CN115456816A (zh) | 一种基于大数据分析的旅游服务平台 | |
CN107767278B (zh) | 社群层次结构构建方法和装置 | |
CN112559590A (zh) | 一种测绘数据资源处理方法、装置及服务器 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191126 |
|
WW01 | Invention patent application withdrawn after publication |