CN110929042A - 一种基于电力企业的知识图谱构建和查询方法 - Google Patents
一种基于电力企业的知识图谱构建和查询方法 Download PDFInfo
- Publication number
- CN110929042A CN110929042A CN201911176413.4A CN201911176413A CN110929042A CN 110929042 A CN110929042 A CN 110929042A CN 201911176413 A CN201911176413 A CN 201911176413A CN 110929042 A CN110929042 A CN 110929042A
- Authority
- CN
- China
- Prior art keywords
- data
- attribute
- schema
- knowledge
- entity
- 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
Images
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
一种基于电力企业的知识图谱构建和查询方法,包括:知识定义,数据导入,图谱构建和数据实体查询;抽取实体前先定义模型,将每个模型称为schema,作为数据库的每个列或字段;每个schema都有唯一字段@id和@type;定义模型后,上传构建图谱知识库的原始数据文件,按照定义好的schema抽取实体、属性和属性值;图谱构建分为抽取实体、属性映射和消岐归一3部分;把生成的数据分类查询出来,按照@type相同视为同一个类目,点击类目查询当下的全部节点,以名称作为一个节点显示,点击节点弹出该节点的详细信息。本发明为电力企业全域数据智慧搜索提供了基础,把零散的数据图谱化和语义化,挖掘了数据的知识价值和潜在关联价值,为用户提供更加便捷的数据获取渠道。
Description
技术领域
本发明属于电力企业数据构建技术领域,具体涉及一种基于电力企业的知识图谱构建和查询方法。
背景技术
随着移动互联网、物联网等新技术的兴起,带动电网公司智能电网建设的不断推进,电网公司所拥有的数据资产正以前所未有的速度在不断地增长。面对数量巨大、来源分散、格式多样的数据,如何从中发现新知识、创造新价值、提升新能力,是电网公司当前急需解决的问题。随着电网企业数据中心功能建设不断完善,大量的业务系统数据接入到数据中心,包括企业中的结构化数据、非结构化数据和半结构化数据。这些数据数量巨大、来源分散、缺乏数据间关联关系,面对庞大的数据资源,电网企业无法发现数据知识、识别数据关系、挖掘数据价值。
发明内容
针对上述现有的问题,本发明提供了一种基于电力企业的知识图谱构建和查询方法,通过知识定义、数据导入、图谱构建和数据实体查询的步骤构建电力企业知识图谱,以解决电力企业数据多源、数据量巨大和数据知识价值低等问题。
本发明是通过如下技术方案来实现的。
一种基于电力企业的知识图谱构建和查询方法,其步骤包括:
1)知识定义
抽取实体前先定义模型,将每个模型称为schema,相当于key值,作为数据库的每个列或字段;每个schema都有唯一字段@id和@type,@id相当于主键实体数据在所有库不能重复,@type作用在于数据识别导入到schema,schema创建根据数据文档表头定义(字段名称在每个@type里不能重复),边关系构建也相当于schema,其主要参数有3个:@from、@to和@label,@from作用记录自身@id,@to作用记录关联的@id,@label作用描述他们的关系和保存到边的schema;
2)数据导入
定义模型后,上传构建图谱知识库的原始数据文件,按照定义好的schema抽取实体、属性和属性值;数据文档定义为xlsx格式,每条数据均有字段@id、@type和自身的schema,数据会根据@type导入到创建的schema中;
3)图谱构建
图谱构建分为抽取实体、属性映射和消岐归一3部分;其中,
抽取实体:读取导入的数据文档,根据里面的表头读取到@type,根据@type把整条数据转换成json格式并导入到已经创建好的schema中;
属性映射:用来解决知识抽取出的属性名称与知识定义阶段的属性名称不一致的问题;通过配置属性映射策略(将文档中抽取出的属性映射到知识定义阶段所定义的属性上)使所有的产出数据完全符合知识定义的格式与规范;
消歧归一:消歧归一分为严格和宽松两种;严格是选中schema下的A属性和B属性,如A属性和B属性下的实体数据完全一样,则表示为同一条数据,然后合并;宽松是选中schema下的A属性和B属性,其中有一条相同,则表示为同一条数据,然后合并;
4)数据实体查询
把生成的数据分类查询出来,按照@type相同视为同一个类目,点击类目查询当下的全部节点,以名称作为一个节点显示,点击节点弹出该节点的详细信息。
较佳地,所述属性映射的结果会按类目显示每个类目中各属性的映射情况,当状态为“未映射”或“已映射”但被认为映射结果不正确时,重新配置属性映射规则来持续优化属性映射策略。
较佳地,所述映射策略步骤为:把属性A和属性B保存到一张表,记录属性A和映射的属性B,当操作时检查到这张表中的属性A有属性B时,把属性A和属性B当做同一个属性。
较佳地,用于构建知识图谱的本体库数据源来源于结构化数据、半结构化数据和非结构化数据;结构化数据以每个字段作为该列数据的索引;半结构化数据按时间段提取数据的各项指标,以时间与指标的结合作为数据的索引;非结构化数据通过使用语义标注的方式获取关键描述信息并进行分词。
较佳地,所述结构化数据是指关系数据库中的表、excel表以及其它具有结构的数据。
较佳地,所述半结构化数据介于结构化数据和无结构化数据之间,为XML和HTML相关网页。
较佳地,所述非结构化数据指纯文本资料、图像和声音数据。
本发明的构建为电力企业全域数据智慧搜索提供了基础,把零散的数据图谱化和语义化,挖掘了数据的知识价值和潜在关联价值,为用户提供更加便捷的数据获取渠道,而且把海量的数据变成知识的海洋。
附图说明
图1为本发明构建的过程结构图;
图2为本发明查询结果效果图;
图3为本发明实施例中数据集的点数据和边数据关系示意图;
图4.1为schema本体点构建格式代码图;
图4.2为schema本体边构建格式代码图;
图4.3为数据点录入格式时,@type对应创建的typename代码图;
图4.4为数据边录入格式时,@label对应创建的typename代码图。
具体实施方式
现在参考附图描述本发明的实施例。本发明所提供的一种基于电力企业的知识图谱构建和查询方法,用以解决电力企业数据多源、数据量巨大和数据知识价值低等问题,但不能以此为限。
下面结合附图所示对本发明进行说明。
结合图1、图2所示,一种基于电力企业的知识图谱构建和查询方法,其步骤包括:
1)知识定义
抽取实体前先定义模型,将每个模型称为schema,相当于key值,作为数据库的每个列或字段;每个schema都有唯一字段@id和@type,@id相当于主键实体数据在所有库不能重复,@type作用在于数据识别导入到schema,也可以把@type看作表的名称,schema创建根据数据文档表头定义(字段名称在每个@type里不能重复),边关系构建也相当于schema,相当于外键,其主要参数有3个:@from、@to和@label,@from作用记录自身@id,@to作用记录关联的@id,@label作用描述他们的关系和保存到边的schema;
2)数据导入
定义模型后,上传构建图谱知识库的原始数据文件,按照定义好的schema抽取实体、属性和属性值;数据文档定义为xlsx格式,每条数据均有字段@id、@type和自身的schema,数据会根据@type导入到创建的schema中;
3)图谱构建
图谱构建分为抽取实体、属性映射和消岐归一3部分;其中,
抽取实体:读取导入的数据文档,根据里面的表头读取到@type,根据@type把整条数据转换成json格式并导入到已经创建好的schema中;
属性映射:用来解决知识抽取出的属性名称与知识定义阶段的属性名称不一致的问题;通过配置属性映射策略(将文档中抽取出的属性映射到“知识定义”阶段所定义的属性上)使所有的产出数据完全符合知识定义的格式与规范;所述属性映射的结果会按类目显示每个类目中各属性的映射情况,当状态为“未映射”或“已映射”但被认为映射结果不正确时,重新配置属性映射规则来持续优化属性映射策略。所述映射策略步骤为:把属性A和属性B保存到一张表,记录属性A和映射的属性B,当操作时检查到这张表中的属性A有属性B时,把属性A和属性B当做同一个属性。
消歧归一:消歧归一分为严格和宽松两种;严格是选中schema下的A属性和B属性,如A属性和B属性下的实体数据完全一样,则表示为同一条数据,然后合并;宽松是选中schema下的A属性和B属性,其中有一条相同,则表示为同一条数据,然后合并;
4)数据实体查询
把生成的数据分类查询出来,按照@type相同视为同一个类目,点击类目查询当下的全部节点,以名称作为一个节点显示,点击节点弹出该节点的详细信息。
可选地,在一个实施例中,用于构建知识图谱的本体库数据源来源于结构化数据、半结构化数据和非结构化数据;结构化数据以每个字段作为该列数据的索引;半结构化数据按时间段提取数据的各项指标,以时间与指标的结合作为数据的索引;非结构化数据通过使用语义标注的方式获取关键描述信息并进行分词。
具体地,所述结构化数据是指关系数据库中的表、excel表以及其它具有结构的数据;所述半结构化数据介于结构化数据和无结构化数据之间,为XML和HTML相关网页;所述非结构化数据指纯文本资料、图像和声音数据。
下面通过具体实施例对本发明进行说明。
知识图谱本质上是语义网络,是一种基于图的数据结构,由顶点(Vertex)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”,知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息,连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。
顶点(Vertex):实体信息的表述,类似mysql表中的一条记录。
边(Edge):是两个顶点的关系表述,类似mysql两个表之间的外键。
图分为有向图和无向图主要区别是在边上,对于有向图边是有方向的,即对于顶点和边,都有in和out的概念。
无向图是没有方向的,对于无向图的顶点来说,只有”邻接点”概念,但有向图是有”出邻接点”和”入邻接点”概念的,本文采用的是有向图。
本体构建是进行建模的规范,描述客观世界的抽象模型,以形式化方式对概念及其之间联系给出明确定义。schema定义了知识图谱中的数据模式,因而,本体构建研究的成果很大的程度上辅佐知识图谱的构建,针对不同领域和不同需要,schema本体构建的方法也有所不同。
本文schema本体构建主要数据来源于电网、电网数据中心;下面重点介绍schema本体构建规范和关系定义。
schema为json格式,点和边的schema分别占用一个key,其value为json数组,其中包含所有的@type/@label每一个@type/@label占用json数组中的一项,包含typename和properties_meta两个字段,typename值为{@type},properties_meta中包含了数据中各个属性的名称,类型等说明。
schema分为点和边,点为本体构建,边为关系定义,@开头的为系统字段,点数据要求必须具有@id属性,该属性唯一的标识一个点,必须具有@type属性,表示该点的类别,边数据要求具有@from,@to,@label属性,分别表示该边的出点,入点和标签。@from和@to属性值要求必须在点数据的@id中出现。
如图3所示,本实施例数据集总共有3条点数据,2条边数据;表一、表二、表三为点属性表,表四、表五为边属性表。
表一
@id | @type | name |
1 | customerArrearsRecord | 客户欠费记录 |
表二
@id | @type | name |
2 | customer | 客户 |
表三
@id | @type | name |
3 | powerSupplyBureau | 昆明供电局 |
表四
@from | @to | @label |
1 | 2 | 用户编码 |
表五
@from | @to | @label |
2 | 3 | 所属供电局 |
schema本体点构建格式如图4.1;
schema本体边构建格式如图4.2;
数据点录入格式,@type必须对应创建的typename,如图4.3;
数据边录入格式,@label必须对应创建的typename,如图4.4。
schema需要为每一个属性指定数据类型,同时可以选择该属性是否具有默认值,其中常用属性的可选数据类型如下:
类型:
int32有符号数值类型,占用4字节
double双精度浮点类型
string字符串类型
enum枚举类型,指定aaa的枚举值为0
数据类型修改格式如下:
{"property_name":"xxx","data_type":"int32"}
{"property_name":"xxx","data_type":"double"}
{"property_name":"xxx","data_type":"string"}
{"property_name":"xxx","data_type":"enum","enum_value":[{
"enum_name":"aaa","enumid":0}]}
以上所揭露的仅为本发明的优选实施例,不能以此来限定本发明之权利范围,因此依本发明申请专利范围所作的等同变化,仍属本发明所涵盖的范围。
Claims (7)
1.一种基于电力企业的知识图谱构建和查询方法,其特征在于,该方法的步骤包括:
1)知识定义
抽取实体前先定义模型,将每个模型称为schema,相当于key值,作为数据库的每个列或字段;每个schema都有唯一字段@id和@type,@id相当于主键实体数据在所有库不能重复,@type作用在于数据识别导入到schema,schema创建根据数据文档表头定义,边关系构建也相当于schema,其主要参数有3个:@from、@to和@label;
2)数据导入
定义模型后,上传构建图谱知识库的原始数据文件,按照定义好的schema抽取实体、属性和属性值;数据文档定义为xlsx格式,每条数据均有字段@id、@type和自身的schema,数据会根据@type导入到创建的schema中;
3)图谱构建
图谱构建分为抽取实体、属性映射和消岐归一3部分;其中,
抽取实体:读取导入的数据文档,根据里面的表头读取到@type,根据@type把整条数据转换成json格式并导入到已经创建好的schema中;
属性映射:用来解决知识抽取出的属性名称与知识定义阶段的属性名称不一致的问题;通过配置属性映射策略使所有的产出数据完全符合知识定义的格式与规范;
消歧归一:消歧归一分为严格和宽松两种;严格是选中schema下的A属性和B属性,如A属性和B属性下的实体数据完全一样,则表示为同一条数据,然后合并;宽松是选中schema下的A属性和B属性,其中有一条相同,则表示为同一条数据,然后合并;
4)数据实体查询
把生成的数据分类查询出来,按照@type相同视为同一个类目,点击类目查询当下的全部节点,以名称作为一个节点显示,点击节点弹出该节点的详细信息。
2.根据权利要求1所述的一种基于电力企业的知识图谱构建和查询方法,其特征在于:所述属性映射的结果会按类目显示每个类目中各属性的映射情况,当状态为“未映射”或“已映射”但被认为映射结果不正确时,重新配置属性映射规则来持续优化属性映射策略。
3.根据权利要求1或2所述的一种基于电力企业的知识图谱构建和查询方法,其特征在于:所述映射策略步骤为:把属性A和属性B保存到一张表,记录属性A和映射的属性B,当操作时检查到这张表中的属性A有属性B时,把属性A和属性B当做同一个属性。
4.根据权利要求1所述的一种基于电力企业的知识图谱构建和查询方法,其特征在于:用于构建知识图谱的本体库数据源来源于结构化数据、半结构化数据和非结构化数据;结构化数据以每个字段作为该列数据的索引;半结构化数据按时间段提取数据的各项指标,以时间与指标的结合作为数据的索引;非结构化数据通过使用语义标注的方式获取关键描述信息并进行分词。
5.根据权利要求4所述的一种基于电力企业的知识图谱构建和查询方法,其特征在于:所述结构化数据是指关系数据库中的表、excel表以及其它具有结构的数据。
6.根据权利要求4所述的一种基于电力企业的知识图谱构建和查询方法,其特征在于:所述半结构化数据介于结构化数据和无结构化数据之间,为XML和HTML相关网页。
7.根据权利要求4所述的一种基于电力企业的知识图谱构建和查询方法,其特征在于:所述非结构化数据指纯文本资料、图像和声音数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911176413.4A CN110929042B (zh) | 2019-11-26 | 2019-11-26 | 一种基于电力企业的知识图谱构建和查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911176413.4A CN110929042B (zh) | 2019-11-26 | 2019-11-26 | 一种基于电力企业的知识图谱构建和查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929042A true CN110929042A (zh) | 2020-03-27 |
CN110929042B CN110929042B (zh) | 2022-09-30 |
Family
ID=69851223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911176413.4A Active CN110929042B (zh) | 2019-11-26 | 2019-11-26 | 一种基于电力企业的知识图谱构建和查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929042B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368097A (zh) * | 2020-03-30 | 2020-07-03 | 中国建设银行股份有限公司 | 一种知识图谱抽取方法及装置 |
CN111782820A (zh) * | 2020-06-30 | 2020-10-16 | 京东数字科技控股有限公司 | 知识图谱创建方法及装置、可读存储介质及电子设备 |
CN111897971A (zh) * | 2020-07-29 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种适用于电网调度控制领域的知识图谱管理方法及系统 |
CN112016287A (zh) * | 2020-07-24 | 2020-12-01 | 浙江鸿程计算机系统有限公司 | 数据管理方法、平台、存储介质及电子设备 |
CN112131858A (zh) * | 2020-08-24 | 2020-12-25 | 深圳供电局有限公司 | 一种电网全景模型导入自动适配方法、装置及存储介质 |
CN112214611A (zh) * | 2020-09-24 | 2021-01-12 | 远光软件股份有限公司 | 一种企业知识图谱的构建系统和方法 |
CN112699252A (zh) * | 2021-03-25 | 2021-04-23 | 成都数联铭品科技有限公司 | 应用于知识图谱的属性数据的处理方法及电子设备 |
CN113094515A (zh) * | 2021-04-13 | 2021-07-09 | 国网北京市电力公司 | 基于电力营销数据的知识图谱实体及链接提取方法 |
CN113254594A (zh) * | 2021-06-21 | 2021-08-13 | 国能信控互联技术有限公司 | 一种面向智慧电厂的安全知识图谱构建方法及系统 |
CN113254670A (zh) * | 2021-06-16 | 2021-08-13 | 中国科学院自动化研究所 | 基于力导向的知识图谱可视化方法 |
CN113761121A (zh) * | 2021-04-30 | 2021-12-07 | 中科天玑数据科技股份有限公司 | 一种结构化数据的知识抽取方法 |
CN113779313A (zh) * | 2021-01-12 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 一种基于图数据库的知识管理方法和系统 |
CN111782820B (zh) * | 2020-06-30 | 2024-05-17 | 京东科技控股股份有限公司 | 知识图谱创建方法及装置、可读存储介质及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140351261A1 (en) * | 2013-05-24 | 2014-11-27 | Sap Ag | Representing enterprise data in a knowledge graph |
CN109284394A (zh) * | 2018-09-12 | 2019-01-29 | 青岛大学 | 一种从多源数据集成视角构建企业知识图谱的方法 |
-
2019
- 2019-11-26 CN CN201911176413.4A patent/CN110929042B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140351261A1 (en) * | 2013-05-24 | 2014-11-27 | Sap Ag | Representing enterprise data in a knowledge graph |
CN109284394A (zh) * | 2018-09-12 | 2019-01-29 | 青岛大学 | 一种从多源数据集成视角构建企业知识图谱的方法 |
Non-Patent Citations (1)
Title |
---|
姬源等: "电力领域语义搜索系统的构建方法", 《计算机系统应用》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368097A (zh) * | 2020-03-30 | 2020-07-03 | 中国建设银行股份有限公司 | 一种知识图谱抽取方法及装置 |
CN111782820A (zh) * | 2020-06-30 | 2020-10-16 | 京东数字科技控股有限公司 | 知识图谱创建方法及装置、可读存储介质及电子设备 |
CN111782820B (zh) * | 2020-06-30 | 2024-05-17 | 京东科技控股股份有限公司 | 知识图谱创建方法及装置、可读存储介质及电子设备 |
CN112016287A (zh) * | 2020-07-24 | 2020-12-01 | 浙江鸿程计算机系统有限公司 | 数据管理方法、平台、存储介质及电子设备 |
CN112016287B (zh) * | 2020-07-24 | 2024-01-26 | 浙江鸿程计算机系统有限公司 | 数据管理方法、平台、存储介质及电子设备 |
CN111897971B (zh) * | 2020-07-29 | 2023-04-07 | 中国电力科学研究院有限公司 | 一种适用于电网调度控制领域的知识图谱管理方法及系统 |
CN111897971A (zh) * | 2020-07-29 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种适用于电网调度控制领域的知识图谱管理方法及系统 |
CN112131858A (zh) * | 2020-08-24 | 2020-12-25 | 深圳供电局有限公司 | 一种电网全景模型导入自动适配方法、装置及存储介质 |
CN112131858B (zh) * | 2020-08-24 | 2024-03-29 | 深圳供电局有限公司 | 一种电网全景模型导入自动适配方法、装置及存储介质 |
CN112214611B (zh) * | 2020-09-24 | 2023-10-31 | 远光软件股份有限公司 | 一种企业知识图谱的构建系统和方法 |
CN112214611A (zh) * | 2020-09-24 | 2021-01-12 | 远光软件股份有限公司 | 一种企业知识图谱的构建系统和方法 |
CN113779313A (zh) * | 2021-01-12 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 一种基于图数据库的知识管理方法和系统 |
CN112699252A (zh) * | 2021-03-25 | 2021-04-23 | 成都数联铭品科技有限公司 | 应用于知识图谱的属性数据的处理方法及电子设备 |
CN113094515A (zh) * | 2021-04-13 | 2021-07-09 | 国网北京市电力公司 | 基于电力营销数据的知识图谱实体及链接提取方法 |
CN113761121A (zh) * | 2021-04-30 | 2021-12-07 | 中科天玑数据科技股份有限公司 | 一种结构化数据的知识抽取方法 |
CN113254670A (zh) * | 2021-06-16 | 2021-08-13 | 中国科学院自动化研究所 | 基于力导向的知识图谱可视化方法 |
CN113254594A (zh) * | 2021-06-21 | 2021-08-13 | 国能信控互联技术有限公司 | 一种面向智慧电厂的安全知识图谱构建方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110929042B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929042B (zh) | 一种基于电力企业的知识图谱构建和查询方法 | |
CN110618983B (zh) | 基于json文档结构的工业大数据多维分析与可视化方法 | |
US10936668B2 (en) | Systems and methods for querying databases | |
CN108038222B (zh) | 用于信息系统建模和数据访问的实体-属性框架的系统 | |
Karnitis et al. | Migration of relational database to document-oriented database: Structure denormalization and data transformation | |
CN110866123B (zh) | 基于数据模型构建数据图谱的方法及构建数据图谱的系统 | |
CN102314424B (zh) | 文件的基于维度的关系图示 | |
CN103793422B (zh) | 基于增强星型模型的立方体元数据及查询语句生成 | |
US8086592B2 (en) | Apparatus and method for associating unstructured text with structured data | |
US20050010550A1 (en) | System and method of modelling of a multi-dimensional data source in an entity-relationship model | |
CN112214611A (zh) | 一种企业知识图谱的构建系统和方法 | |
CN102541867A (zh) | 数据字典生成方法及系统 | |
CN103646032A (zh) | 一种基于本体和受限自然语言处理的数据库查询方法 | |
CN110275920A (zh) | 数据查询方法、装置、电子设备及计算机可读存储介质 | |
CN102880687A (zh) | 基于标签技术的个人交互数据检索方法及其系统 | |
CN102708130A (zh) | 计算用户微细分以用于要约匹配的可扩展引擎 | |
CN103425740A (zh) | 一种面向物联网的基于语义聚类的物资信息检索方法 | |
CN102591960A (zh) | 农业经济电子地图数据服务接口方法 | |
Elizarov et al. | Big Math Methods in Lobachevskii-DML Digital Library. | |
Kricke et al. | Graph data transformations in Gradoop | |
CN116361487A (zh) | 一种多源异构政策知识图谱构建和存储方法及系统 | |
CN101916260A (zh) | 一种灾害本体和关系数据库间语义映射构建的方法 | |
CN102508971A (zh) | 概念设计阶段产品功能模型建立方法 | |
CN114443656A (zh) | 一种可定制的自动化数据模型分析工具及其使用方法 | |
CN113254517A (zh) | 一种基于互联网大数据的服务提供方法 |
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 |