CN111125524A - 基于知识图谱的数据分析与数据推送方法 - Google Patents
基于知识图谱的数据分析与数据推送方法 Download PDFInfo
- Publication number
- CN111125524A CN111125524A CN201911332913.2A CN201911332913A CN111125524A CN 111125524 A CN111125524 A CN 111125524A CN 201911332913 A CN201911332913 A CN 201911332913A CN 111125524 A CN111125524 A CN 111125524A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- information
- graph
- data
- representation
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于知识图谱的数据分析与数据推送方法,该基于知识图谱的数据分析与数据推送方法引入知识图谱实体标签技术,对用户的学习行为信息和学习反馈信息进行学习偏好或学习掌握程度的分析,从而根据分析结果进行教材信息的个性化推送,实现推送效果更好的目的。同时将实体标签信息作为API触发点,通过识别用户在应用程序场景中触发的API内容获取用户的学习行为信息和学习反馈信息以及该学习行为信息对应的实体标签信息,能在复杂环境下收集更完整的用户行为数据,从而获得大规模的完整标注数据,容易与深度学习算法相结合以及能够基于知识图谱将实体标签信息进行向量化,使得算法更准确。
Description
技术领域
本发明具体涉及一种基于知识图谱的数据分析与数据推送方法。
背景技术
知识图谱在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。
具体来说,知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来,揭示知识领域的动态发展规律,为学科研究提供切实的、有价值的参考。迄今为止,其实际应用在发达国家已经逐步拓展并取得了较好的效果,但它在我国仍属研究的起步阶段,在教育、金融等领域的使用并未很好地推广,其最主要的原因是目前并不具有一种高效且便捷的基于知识图谱的数据分析与数据推送方法,所以急需一种基于知识图谱的数据分析与数据推送方法以解决这一问题。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于知识图谱的数据分析与数据推送方法,该基于知识图谱的数据分析与数据推送方法可以很好地解决上述问题。
为达到上述要求,本发明采取的技术方案是:提供一种基于知识图谱的数据分析与数据推送方法,该基于知识图谱的数据分析与数据推送方法包括如下步骤:
S1:根据教学材料构建知识点数据库;
S2:构建说明信息,所述说明信息用于对知识点信息进行解释说明;
S3:对所述说明信息进行分析,得到对应所述说明信息的知识点信息和对应所述知识点信息的知识点;
S4:基于所述知识点信息和知识点,为所述说明信息设置知识节点;
S5:设置所述知识节点之间、知识节点与知识点之间的从属对应关系,根据所述从属对应关系建立知识图谱;
S6:根据所述知识图谱对所述教学材料信息进行标注,得到实体标签信息;
S7:采用量化技术对使用者的知识拥有度进行评估,并对知识储存结构知识图谱进行扩展;
S8:构建知识图谱可视化分析插件库,所述知识图谱可视化分析插件库由知识图谱处理模块和展示功能程序模块组成,并对外提供API;
S9:对查询端发送的查询信息进行接收,并查找对应所述查询信息的知识图谱;
S10:根据所述查询信息与数据库信息的相似度进材信息的个性化推送。
该基于知识图谱的数据分析与数据推送方法引入知识图谱实体标签技术,对用户的学习行为信息和学习反馈信息进行学习偏好或学习掌握程度的分析,从而根据分析结果进行教材信息的个性化推送,实现推送效果更好的目的。
同时将实体标签信息作为API触发点,通过识别用户在应用程序场景中触发的API内容获取用户的学习行为信息和学习反馈信息以及该学习行为信息对应的实体标签信息,能在复杂环境下收集更完整的用户行为数据,从而获得大规模的完整标注数据,容易与深度学习算法相结合以及能够基于知识图谱将实体标签信息进行向量化,使得算法更准确。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,在这些附图中使用相同的参考标号来表示相同或相似的部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示意性地示出了根据本申请一个实施例的基于知识图谱的数据分析与数据推送方法的流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,以下结合附图及具体实施例,对本申请作进一步地详细说明。
在以下描述中,对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度,但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外,重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例,但并非必然指代相同的实施例。
为简单起见,以下描述中省略了本领域技术人员公知的某些技术特征。
根据本申请的一个实施例,提供一种基于知识图谱的数据分析与数据推送方法,如图1所示,包括如下步骤:
S1:根据教学材料构建知识点数据库;
S2:构建说明信息,所述说明信息用于对知识点信息进行解释说明;
S3:对所述说明信息进行分析,得到对应所述说明信息的知识点信息和对应所述知识点信息的知识点;
S4:基于所述知识点信息和知识点,为所述说明信息设置知识节点;
S5:设置所述知识节点之间、知识节点与知识点之间的从属对应关系,根据所述从属对应关系建立知识图谱;
S6:根据所述知识图谱对所述教学材料信息进行标注,得到实体标签信息;
S7:采用量化技术对使用者的知识拥有度进行评估,并对知识储存结构知识图谱进行扩展;
S8:构建知识图谱可视化分析插件库,所述知识图谱可视化分析插件库由知识图谱处理模块和展示功能程序模块组成,并对外提供API;
S9:对查询端发送的查询信息进行接收,并查找对应所述查询信息的知识图谱;
S10:根据所述查询信息与数据库信息的相似度进材信息的个性化推送。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法中查找对应所述查询信息的知识图谱的具体步骤如下:
S11:收集获取语义向量模型,并将所述查询信息转化成其在语义空间中的向量表示形式;
S12:获得可用词列表中词语的表征向量,并计算得出平均向量和属性名词语对应的语义向量;
S13:计算得出查询信息与数据库信息的相似度;
S14:当相似度高于设定阈值时完成相似度判断的检索过程,反之重复S11至S13。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法还包括如下步骤:
S15:对所述知识图谱进行可视化分析,并提供根据数据类型的图形展示及地图布局展示。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法中数据类型的图形展示包括树状图展示、环形布局图展示、扇形布局图展示及条形布局图展示,所述地图布局包括地名布局展示及经纬度布局展示。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法中知识点信息用于对所述说明信息的信息结构进行描述,所述知识点用于基于所属的信息结构对说明信息的信息内容进行描述。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法中知识节点用于对所述知识点信息进行标记,所述知识节点与所述知识点信息对应设置。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法中语义向量模型包括但不限于中文语义向量模型、英文语义向量模型、日文语义向量模型、法文语义向量模型及西班牙文语义向量模型。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法中查询信息与数据库信息的相似度的计算方法如下:
A=1/3{a/|L(b)|+a/L(c)|+(a-d)/a}{L(b)+L(c)}/2 L(b);
其中,A为相似度;
b为查询信息;
c为数据库信息
a为字符个数;
L(b)为b的字符长度;
L(c)为c的字符长度;
d表示查询信息b与数据库信息c相匹配的过程中,字符位置发生变化的次数。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法中实体标签信息包括但不限于行为数据内容标签、实体文本标注形式表示标签、RDF三元组向量化表示标签、逻辑表示标签。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法中对知识图谱进行分析的方法包括利用pageRank、节点度、度中心性、聚类、最优路径进行统计及展示知识图谱各节点之间的关系的步骤。
根据本申请的一个实施例,该基于知识图谱的数据分析与数据推送方法引入知识图谱实体标签技术,对用户的学习行为信息和学习反馈信息进行学习偏好或学习掌握程度的分析,从而根据分析结果进行教材信息的个性化推送,实现推送效果更好的目的。同时将实体标签信息作为API触发点,通过识别用户在应用程序场景中触发的API内容获取用户的学习行为信息和学习反馈信息以及该学习行为信息对应的实体标签信息,能在复杂环境下收集更完整的用户行为数据,从而获得大规模的完整标注数据,容易与深度学习算法相结合以及能够基于知识图谱将实体标签信息进行向量化,使得算法更准确。
以上所述实施例仅表示本发明的几种实施方式,其描述较为具体和详细,但并不能理解为对本发明范围的限制。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,这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。
Claims (10)
1.一种基于知识图谱的数据分析与数据推送方法,其特征在于,包括如下步骤:
S1:根据教学材料构建知识点数据库;
S2:构建说明信息,所述说明信息用于对知识点信息进行解释说明;
S3:对所述说明信息进行分析,得到对应所述说明信息的知识点信息和对应所述知识点信息的知识点;
S4:基于所述知识点信息和知识点,为所述说明信息设置知识节点;
S5:设置所述知识节点之间、知识节点与知识点之间的从属对应关系,根据所述从属对应关系建立知识图谱;
S6:根据所述知识图谱对所述教学材料信息进行标注,得到实体标签信息;
S7:采用量化技术对使用者的知识拥有度进行评估,并对知识储存结构知识图谱进行扩展;
S8:构建知识图谱可视化分析插件库,所述知识图谱可视化分析插件库由知识图谱处理模块和展示功能程序模块组成,并对外提供API;
S9:对查询端发送的查询信息进行接收,并查找对应所述查询信息的知识图谱;
S10:根据所述查询信息与数据库信息的相似度进材信息的个性化推送。
2.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法,其特征在于,所述查找对应所述查询信息的知识图谱的具体步骤如下:
S11:收集获取语义向量模型,并将所述查询信息转化成其在语义空间中的向量表示形式;
S12:获得可用词列表中词语的表征向量,并计算得出平均向量和属性名词语对应的语义向量;
S13:计算得出查询信息与数据库信息的相似度;
S14:当相似度高于设定阈值时完成相似度判断的检索过程,反之重复S11至S13。
3.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法,其特征在于,还包括如下步骤:
S15:对所述知识图谱进行可视化分析,并提供根据数据类型的图形展示及地图布局展示。
4.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法,其特征在于,所述数据类型的图形展示包括树状图展示、环形布局图展示、扇形布局图展示及条形布局图展示,所述地图布局包括地名布局展示及经纬度布局展示。
5.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法,其特征在于:所述知识点信息用于对所述说明信息的信息结构进行描述,所述知识点用于基于所属的信息结构对说明信息的信息内容进行描述。
6.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法,其特征在于:所述知识节点用于对所述知识点信息进行标记,所述知识节点与所述知识点信息对应设置。
7.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法,其特征在于:语义向量模型包括但不限于中文语义向量模型、英文语义向量模型、日文语义向量模型、法文语义向量模型及西班牙文语义向量模型。
8.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法,其特征在于所述查询信息与数据库信息的相似度的计算方法如下:
A=1/3{a/|L(b)|+a/L(c)|+(a-d)/a}{L(b)+L(c)}/2L(b);
其中,A为相似度;
b为查询信息;
c为数据库信息
a为字符个数;
L(b)为b的字符长度;
L(c)为c的字符长度;
d表示查询信息b与数据库信息c相匹配的过程中,字符位置发生变化的次数。
9.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法,其特征在于:所述实体标签信息包括但不限于行为数据内容标签、实体文本标注形式表示标签、RDF三元组向量化表示标签、逻辑表示标签。
10.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法,其特征在于:对知识图谱进行分析的方法包括利用pageRank、节点度、度中心性、聚类、最优路径进行统计及展示知识图谱各节点之间的关系的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911332913.2A CN111125524B (zh) | 2019-12-20 | 2019-12-20 | 基于知识图谱的数据分析与数据推送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911332913.2A CN111125524B (zh) | 2019-12-20 | 2019-12-20 | 基于知识图谱的数据分析与数据推送方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111125524A true CN111125524A (zh) | 2020-05-08 |
CN111125524B CN111125524B (zh) | 2023-07-18 |
Family
ID=70500968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911332913.2A Active CN111125524B (zh) | 2019-12-20 | 2019-12-20 | 基于知识图谱的数据分析与数据推送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111125524B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113204636A (zh) * | 2021-01-08 | 2021-08-03 | 北京欧拉认知智能科技有限公司 | 基于知识图谱的用户动态个性化画像方法 |
CN113392330A (zh) * | 2021-08-17 | 2021-09-14 | 湖南轻悦健康管理有限公司 | 一种基于互联网行为的大数据处理方法及系统 |
CN114330721A (zh) * | 2022-03-15 | 2022-04-12 | 浙江建木智能系统有限公司 | 一种数据分析方法和装置 |
WO2022156223A1 (zh) * | 2021-01-22 | 2022-07-28 | 西安交通大学 | 一种基于增强现实技术知识森林导航学习系统实现方法 |
CN115374106A (zh) * | 2022-07-15 | 2022-11-22 | 北京三维天地科技股份有限公司 | 一种基于知识图谱技术的数据智能分级方法 |
CN116226348A (zh) * | 2023-03-01 | 2023-06-06 | 读书郎教育科技有限公司 | 一种基于知识图谱的学习方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9589060B1 (en) * | 2014-07-23 | 2017-03-07 | Google Inc. | Systems and methods for generating responses to natural language queries |
CN106997399A (zh) * | 2017-05-24 | 2017-08-01 | 海南大学 | 一种基于数据图谱、信息图谱、知识图谱和智慧图谱关联架构的分类问答系统设计方法 |
CN107545000A (zh) * | 2016-06-28 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 基于知识图谱的信息推送方法及装置 |
CN107832414A (zh) * | 2017-11-07 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108959613A (zh) * | 2018-07-17 | 2018-12-07 | 杭州电子科技大学 | 一种面向rdf知识图谱的语义近似查询方法 |
US20190121903A1 (en) * | 2017-10-24 | 2019-04-25 | Optra Health, Inc. | Method of Retrieving Information from a Health Report through a Machine Assisted Interrogation Process |
CN110019560A (zh) * | 2017-12-28 | 2019-07-16 | 中国移动通信集团上海有限公司 | 一种基于知识图谱的查询方法及装置 |
CN110222125A (zh) * | 2019-05-13 | 2019-09-10 | 厦门无常师教育科技有限公司 | 一种基于知识图谱的线上教育个性化推送方法及系统 |
-
2019
- 2019-12-20 CN CN201911332913.2A patent/CN111125524B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9589060B1 (en) * | 2014-07-23 | 2017-03-07 | Google Inc. | Systems and methods for generating responses to natural language queries |
CN107545000A (zh) * | 2016-06-28 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 基于知识图谱的信息推送方法及装置 |
CN106997399A (zh) * | 2017-05-24 | 2017-08-01 | 海南大学 | 一种基于数据图谱、信息图谱、知识图谱和智慧图谱关联架构的分类问答系统设计方法 |
US20190121903A1 (en) * | 2017-10-24 | 2019-04-25 | Optra Health, Inc. | Method of Retrieving Information from a Health Report through a Machine Assisted Interrogation Process |
CN107832414A (zh) * | 2017-11-07 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN110019560A (zh) * | 2017-12-28 | 2019-07-16 | 中国移动通信集团上海有限公司 | 一种基于知识图谱的查询方法及装置 |
CN108959613A (zh) * | 2018-07-17 | 2018-12-07 | 杭州电子科技大学 | 一种面向rdf知识图谱的语义近似查询方法 |
CN110222125A (zh) * | 2019-05-13 | 2019-09-10 | 厦门无常师教育科技有限公司 | 一种基于知识图谱的线上教育个性化推送方法及系统 |
Non-Patent Citations (3)
Title |
---|
QING GUAN 等: "Application Prospect of Knowledge Graph Technology in Knowledge Management of Oil and Gas Exploration and Development", 《2019 2ND INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE AND BIG DATA》, pages 161 - 166 * |
朱游娟: "初中数学问题的全知识图谱设计与实现", 《万方学术》, pages 3 - 4 * |
王欣 等: "基于知识聚合的高校图书馆个性化科研知识推送服务研究", pages 66 - 70 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113204636A (zh) * | 2021-01-08 | 2021-08-03 | 北京欧拉认知智能科技有限公司 | 基于知识图谱的用户动态个性化画像方法 |
CN113204636B (zh) * | 2021-01-08 | 2023-12-05 | 北京欧拉认知智能科技有限公司 | 基于知识图谱的用户动态个性化画像方法 |
WO2022156223A1 (zh) * | 2021-01-22 | 2022-07-28 | 西安交通大学 | 一种基于增强现实技术知识森林导航学习系统实现方法 |
CN113392330A (zh) * | 2021-08-17 | 2021-09-14 | 湖南轻悦健康管理有限公司 | 一种基于互联网行为的大数据处理方法及系统 |
CN113392330B (zh) * | 2021-08-17 | 2021-10-26 | 湖南轻悦健康管理有限公司 | 一种基于互联网行为的大数据处理方法及系统 |
CN114330721A (zh) * | 2022-03-15 | 2022-04-12 | 浙江建木智能系统有限公司 | 一种数据分析方法和装置 |
CN115374106A (zh) * | 2022-07-15 | 2022-11-22 | 北京三维天地科技股份有限公司 | 一种基于知识图谱技术的数据智能分级方法 |
CN116226348A (zh) * | 2023-03-01 | 2023-06-06 | 读书郎教育科技有限公司 | 一种基于知识图谱的学习方法 |
CN116226348B (zh) * | 2023-03-01 | 2023-09-26 | 读书郎教育科技有限公司 | 一种基于知识图谱的学习方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111125524B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111125524B (zh) | 基于知识图谱的数据分析与数据推送方法 | |
CN109543183B (zh) | 基于深度神经网络和标注策略的多标签实体-关系联合提取方法 | |
CN109189942B (zh) | 一种专利数据知识图谱的构建方法及装置 | |
Shigarov | Table understanding using a rule engine | |
CN106778878B (zh) | 一种人物关系分类方法及装置 | |
CN110795932B (zh) | 基于地质本体的地质报告文本信息提取方法 | |
CN106874397B (zh) | 一种面向物联网设备的自动语义标注方法 | |
CN108763192B (zh) | 用于文本处理的实体关系抽取方法及装置 | |
CN116245177B (zh) | 地理环境知识图谱自动化构建方法及系统、可读存储介质 | |
CN111428503A (zh) | 同名人物的识别处理方法及处理装置 | |
CN111857660B (zh) | 一种基于查询语句的情境感知api推荐方法及终端 | |
CN112925901A (zh) | 一种辅助在线问卷评估的评估资源推荐方法及其应用 | |
CN113947087B (zh) | 一种基于标签的关系构建方法、装置、电子设备及存储介质 | |
CN117313850A (zh) | 一种信息抽取及知识图谱构建系统及方法 | |
CN112015907A (zh) | 一种学科知识图谱快速构建方法、装置及存储介质 | |
CN113449066B (zh) | 利用知识图谱来存储文物数据的方法、处理器及存储介质 | |
CN112883242A (zh) | 树形机器学习模型可视化方法、装置、电子设备及存储介质 | |
CN107491524B (zh) | 一种基于Wikipedia概念向量的中文词语相关度计算方法和装置 | |
CN115878818A (zh) | 一种地理知识图谱构建方法、装置、终端及存储介质 | |
JP5112027B2 (ja) | 文書群提示装置および文書群提示プログラム | |
CN116383354A (zh) | 一种基于知识图谱的图可视化自动问答方法 | |
CN106372147B (zh) | 基于文本网络的异构主题网络构建和可视化方法 | |
Ravindranath et al. | Inferring structure and meaning of semi-structured documents by using a gibbs sampling based approach | |
CN114840657A (zh) | 一种基于混合模式的api知识图谱自适应构建及智能问答方法 | |
CN114385776A (zh) | 信息定位方法、存储介质及装置 |
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 |