CN111427968A - 一种基于知识图谱的重点人员全息档案构建方法及装置 - Google Patents
一种基于知识图谱的重点人员全息档案构建方法及装置 Download PDFInfo
- Publication number
- CN111427968A CN111427968A CN201911033306.6A CN201911033306A CN111427968A CN 111427968 A CN111427968 A CN 111427968A CN 201911033306 A CN201911033306 A CN 201911033306A CN 111427968 A CN111427968 A CN 111427968A
- Authority
- CN
- China
- Prior art keywords
- target object
- entities
- relationship
- analysis
- relation
- 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
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
- G06F16/20—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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (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重点人员全息档案构建方法及装置,该方法包括获取知识图谱中与目标对象相关的实体信息,实体信息包括实体以及各实体之间的关系,根据与目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到目标对象的多个维度关系分析结果,根据各目标对象的多个维度关系分析结果,构建重点人员全息档案。通过对目标对象相关的实体以及各实体之间的关系选择多种分析途径进行知识推理,得到目标对象全方位信息数据,建立重点人员全息档案,解决人员管控中流动性大、及时性差、漏管率高等问题。
Description
技术领域
本发明实施例涉及公共安全技术领域,尤其涉及一种基于知识图谱的重点人员全息档案构建方法及装置。
背景技术
知识图谱(Knowledge Graph)本质是语义网络,一种基于图的数据结构,由“节点-边-节点”组成。其中节点代表“概念”或“实体”,边则代表两个节点之间的关系,用以描述现实世界中的概念、实体以及他们之间的关系。知识图谱通过建立数据之间的关联链接,将碎片化的数据有机的组织起来,表达成更接近人类认知世界的形式,提供了一种更好地组织、管理和理解海量数据信息的能力。知识图谱与大数据、深度学习一起,成为推动互联网和人工智能(AI) 发展的核心驱动力之一。
但知识图谱的构建是一项庞大而复杂的工程,现阶段的知识图谱系统还远远不能满足人们的应用需求,构建一个完善的知识图谱仍然面临着诸多挑战,知识图谱在各行业中的应用场景也并不十分明确,有待探索。
因此,急需一种构建重点人员全息档案方法,用于管理重点人员的信息,为公共安全业务的应用提供数据支持。
发明内容
本发明实施例提供一种基于知识图谱的重点人员全息档案构建方法及装置,用以实现对重点人员管理的数字化、实时化和精准化,解决人员管理中流动性大、及时性差、漏管率高等问题。
第一方面,本发明实施例提供一种基于知识图谱的重点人员全息档案构建方法,包括:
获取知识图谱中与目标对象相关的实体信息;所述实体信息包括实体以及各实体之间的关系;
根据与所述目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到所述目标对象的多个维度关系分析结果;
根据各目标对象的多个维度关系分析结果,构建所述重点人员全息档案。
上述技术方案中,通过对目标对象相关的实体以及各实体之间的关系选择多种分析途径进行知识推理,得到目标对象全方位信息数据,建立重点人员全息档案,解决人员管理中流动性大、及时性差、漏管率高等问题。
可选的,所述根据与所述目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到所述目标对象的多个维度关系分析结果,包括:
根据与所述目标对象相关的实体以及各实体之间的关系,以所述目标对象为起点,通过人物关系推理得到所述目标对象与其他实体之间的人物关系;
基于所述目标对象与其他实体之间的人物关系,通过案件关系推理,得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
可选的,所述通过人物关系推理得到所述目标对象与其他实体之间的人物关系,包括:
通过对与所述目标对象相关的实体以及各实体之间的关系进行同住分析、同行分析和社交分析,得到所述目标对象与其他实体之间的同住人物关系、同行任务关系和社交人物关系。
可选的,所述基于所述目标对象与其他实体之间的人物关系,通过案件关系推理,得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系,包括:
基于所述目标对象与其他实体之间的人物关系,进行案件分析、话单分析和车辆分析得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
可选的,在获取知识图谱中与目标对象相关的实体信息之前,还包括:
获取多数据源发送的数据;
对所述多数据源发送的数据进行知识抽取和挖掘,得到实体、事件及其之间的关系;
将所述实体、事件及其之间的关系以知识图谱的形式进行存储。
第二方面,本发明实施例提供一种基于知识图谱的重点人员全息档案构建装置,包括:
获取单元,用于获取知识图谱中与目标对象相关的实体信息;所述实体信息包括实体以及各实体之间的关系;
处理单元,用于根据与所述目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到所述目标对象的多个维度关系分析结果;根据各目标对象的多个维度关系分析结果,构建所述重点人员全息档案。
可选的,所述处理单元具体用于:
根据与所述目标对象相关的实体以及各实体之间的关系,以所述目标对象为起点,通过人物关系推理得到所述目标对象与其他实体之间的人物关系;
基于所述目标对象与其他实体之间的人物关系,通过案件关系推理,得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
可选的,所述处理单元具体用于:
通过对与所述目标对象相关的实体以及各实体之间的关系进行同住分析、同行分析和社交分析,得到所述目标对象与其他实体之间的同住人物关系、同行任务关系和社交人物关系。
可选的,所述处理单元具体用于:
基于所述目标对象与其他实体之间的人物关系,进行案件分析、话单分析和车辆分析得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
可选的,所述处理单元还用于:
在获取知识图谱中与目标对象相关的实体信息之前,获取多数据源发送的数据;
对所述多数据源发送的数据进行知识抽取和挖掘,得到实体、事件及其之间的关系;
将所述实体、事件及其之间的关系以知识图谱的形式进行存储。
第三方面,本发明实施例还提供一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述基于知识图谱的重点人员全息档案构建方法。
第四方面,本发明实施例还提供一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述基于知识图谱的重点人员全息档案构建方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种系统架构的示意图;
图2为本发明实施例提供的一种基于知识图谱的重点人员全息档案构建方法的流程示意图;
图3为本发明实施例提供的一种实体间关系的示意图;
图4为本发明实施例提供的一种实体间关系的示意图;
图5为本发明实施例提供的一种实体间关系的示意图;
图6为本发明实施例提供的一种实体间关系的示意图;
图7为本发明实施例提供的一种实体间关系的示意图;
图8为本发明实施例提供的一种实体间关系的示意图;
图9为本发明实施例提供的一种实体间关系的示意图;
图10为本发明实施例提供的一种基于知识图谱的重点人员全息档案构建装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示例性的示出了本发明实施例所适用的一种系统架构,该系统架构可以服务器100,该服务器100可以包括处理器110、通信接口120和存储器130。
其中,通信接口120用于与多数据源的设备进行通信,收发多数据源的设传输的数据,实现通信。
处理器110是服务器100的控制中心,利用各种接口和路线连接整个服务器100的各个部分,通过运行或执行存储在存储器130内的软件程序/或模块,以及调用存储在存储器130内的数据,执行服务器100的各种功能和处理数据。可选地,处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块,处理器110通过运行存储在存储器130的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器 130可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据业务处理所创建的数据等。此外,存储器130可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是,上述图1所示的结构仅是一种示例,本发明实施例对此不做限定。
基于上述描述,图2详细的示出了本发明实施例提供的一种基于知识图谱的重点人员全息档案构建方法的流程,该流程可以由基于知识图谱的重点人员全息档案构建装置执行,该装置可以位于如图1所示服务器100内,也可以是该服务器100。
如图2所示,该流程具体包括:
步骤201,获取知识图谱中与目标对象相关的实体信息。
在本发明实施例中,在获取知识图谱中与目标对象相关的实体信息之前,需要先建立知识图谱,具体的,可以获取多数据源发送的数据,然后对多数据源发送的数据进行知识抽取和挖掘,得到实体、事件及其之间的关系,最后将实体、事件及其之间的关系以知识图谱的形式进行存储。
在本发明实施例中,多数据源可以包括下述各数据源:综治政务大数据和视频专网大数据。
其中,综治政务大数据是构建知识图谱全息档案的数据来源之一,包括政府各部门掌握的信息数据,如教育信息、金融信息、医疗信息和就业信息等。本专利中,综治政务系统将其信息数据共享给知识图谱,该类数据用于扩展和挖掘人员的社会关系,比如同学关系、同事关系、医患关系等。
视频专网数据包括相关区域的摄像设备的回传数据,如过车图片、人像图片、通用监控视频、过车视频、人像视频、WIFI探针和电子围栏文本数据等。其中人像数据是建立全息档案的重要组成部分,通过人脸识别、比对和聚类算法,将前端设备抓拍的视频/图像归聚成视频身份档案并分配唯一标识(VID),实现抓拍视频/图像的关联存储(视频身份库)。
在本发明实施例中,全国人口基本信息资源库(常口库)用于实现视频身份档案的实名化。首先对视频身份档案实名化。将视频身份库与常口库进行碰撞,对达到设定特征阈值(如相似度大于90%)的身份档案进行实名化。其次对实名化的视频身份档案标记重点人员标签。实名后的身份信息根据身份ID 与重点人员库进行关联,如果重点人员库中包含该身份ID的信息,则更新实名视频身份档案,打上重点人员的标签。
还可以使用从互联网采集到的“衣、食、行、消、乐”等多源数据信息,如微信/微博发布的动态信息,网购交易/物流信息,高铁/航空出行信息等。通过汇聚互联网数据,核查所需的基础信息要素,实现了多源异构数据的接入、清洗和整理,为研判提供归一化基础数据支撑。基本的业务流程如下:
(1)、针对采集到的数据,通过平台数据清洗后直接传输到分布式消息中间件KafaKa,并将数据存储在分布式数据存储系统HDFS。
(2)、通过前端页面输入数据检索条件,传输至分布式实时查询系统HBase,并在前端面展示检索结果及数据本地下载保存。
(3)、通过分布式计算引擎Spark,对物流、话单等数据进行碰撞分析,支撑前端数据研判。
(4)、结合集成管理平台,对不同用户进行权限配置,通过DUBBO远程发布接口,控制平台导入、查询、研判相关功能,并实现用户操作日志记录及展示。
基于上述多种数据源提供的数据,进行知识图谱的构建:即从不同来源、不同结构的数据中,利用实体识别和链接、实体关系学习、事件关系学习等技术抽取知识。其中,实体识别是识别文本中指定类别的实体;实体链接是识别出文本中提及实体的词或者短语(称为实体提及),并与知识库中对应实体进行链接。实体关系描述客观存在的事物之间的关联关系,定义为两个或多个实体之间的某种联系,实体关系学习就是自动从文本中检测和识别出实体之间具有的某种语义关系,也称为关系抽取。事件是促使事物状态和关系改变的条件,是动态的、结构化的知识。事件知识学习,即将非结构化文本中自然语言所表达的事件以结构化的形式呈现。知识图谱中的事件知识隐含互联网资源中,包括已有的结构化的语义知识、数据库的结构化信息、半结构化的信息资源以及非结构化资源,不同性质的资源有不同的知识获取方法。
需要说明的是,知识图谱的知识表示以结构化的形式描述客观世界中概念、实体及其关系。知识建模是建立知识图谱的概念模式的过程,相当于关系型数据库的表结构定义,通过基于本体的知识表示方法来组织和表达不同类型的知识。
在对知识抽取和挖掘之后得到实体、事件及其之间的关系,就可以以图的形式进行存储。知识图谱以图的方式来展现实体、事件及其之间的关系。知识图谱存储和查询研究如何设计有效的存储模式支持对大规模图数据的有效管理,实现对知识图谱中知识高效查询。目前知识图谱多以三元存在的RDF形式进行存储管理,对知识图谱的查询支持SPARQL查询。
上述得到的知识图谱中的实体信息包括实体以及各实体之间的关系。
步骤202,根据与所述目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到所述目标对象的多个维度关系分析结果。
在本发明实施例中,知识推理致力于推导新的实体跟实体之间的关系。可以分为基于符号的推理和基于统计的推理。基于符号的推理可以从一个已有的知识图谱推理出新的实体间关系,可用于建立新知识或者对知识图谱进行逻辑的冲突检测。
具体的,可以首先根据与目标对象相关的实体以及各实体之间的关系,以目标对象为起点,通过人物关系推理得到目标对象与其他实体之间的人物关系。然后基于目标对象与其他实体之间的人物关系,通过案件关系推理,得到目标对象的案件关系以及目标对象的人物关系中各实体的案件关系。
在本发明实施例中,实体与实体之间的关系包括但不限于图3所示。基于图3所示的关系,以目标对象为起点,进行人物关系推理,如同住分析、同行分析和社交分析等,再从案件出发,进行案件关系推理,如案件分析、话单分析和车辆分析等。
具体的,进行人物关系推理时,可以进行案件关系分析时,可以基于目标对象与其他实体之间的人物关系,进行通过对与目标对象相关的实体以及各实体之间的关系进行同住分析、同行分析和社交分析,得到目标对象与其他实体之间的同住人物关系、同行任务关系和社交人物关系。案件分析、话单分析和车辆分析得到目标对象的案件关系以及目标对象的人物关系中各实体的案件关系。
举例来说,同住分析推理可以是:同居住地、同日期、前后特定时间区间内入住的人可定义为同住人员。通过宾馆、酒店等场所的视频数据分析,推理得到住宿人员是否满足同屋同住和多次同住的条件。
如图4所示关系图,实体重点人P1、房客P2/P3和酒店A之间是“居住”关系;每一条边对应居住一次,边的属性包括入住、退房时间、房间号等。
同住:如果实体人链接共同的实体酒店,且“居住”属性满足同一天入住、且入住/退房时间相差1小时之内,则两两之间建立同住关系。
多次同住:如果实体人链接共同的实体酒店,且“居住”频次(边的条数) 大于等于特定数值(如3次)、且每次均满足同住条件,则两两之间建立多次同住关系。
同行分析推理可以是:同铁路/公路车次,同航班班次,同日期、同出发地或目的地的人员可定义为同行人员。通过铁路、公路局航空相关部门或者相关票务网络门户提供的购票记录,推理得到乘客之间是否满足同行或多次同行等关系。同行分析实体关系推理和同行分析类似,这里不做赘述,仅以航班同行为例,如图5所示的关系图。
社交分析推理可以是:社交关系定义为关联层次在3层以内的实体人之间的关系,如同事、同学、亲属关系等。如图6所示的关系图,社交分析中实体以人为主,两两之间边的差异属性对应不同关系。实体重点人P1和关系人 P2/P4之间分别是同学和校友的关系,表示三个实体虽然链接了相同实体学校 S1(就读关系),但是关系的具体属性值却不同(P1和P2入学年分和所在班级均相同)。社交分析中有的实体关系获取比较直接,比如根据公司人员名单就可以建立两实体点人P1和关系人P3之间的同事关系;但是其难点在于多层实体关系的挖掘(潜在关系人挖掘)。
案件分析推理可以是:通过案件类别、作案方式、作案时间、作案对象等案件属性来判断案件之间的相似性。通过分析案情文本和图片特征,实现相似案件的自动串并。如图7所示,实体案件C1和C2具有相同的属性案件类型 (物品失踪),相同的涉案物品类型(实体空调A1/A2,失踪物品均为空调外挂机),且案件C2的目标对象P2和案件C1的目标车辆V1是所属关系,因而可以建立目标对象P1和P2的同伙关系,案件C1和C2的类案关系。下一步C1、C2即可并案侦办。
话单分析推理可以是:根据通话/短信记录,通过语义分割技术实现敏感词的条件检索;评估检索结果和案件实体的时空关联,分析关注实体人的通话对象列表和频次,实现新目标对象实体的挖掘。如图8所示关系图,实体目标对象P1在案发时间前后和目标对象P2通话两次,时长均大于30分钟,讨论内容中的敏感词和案件文本线索的匹配度符合下限要求,因而实体目标对象P2 和P1建立潜在同伙关系,与案件C1建立潜在涉案关系。下一步可以P2为新的线索突破口展开研判分析。
车辆分析推理可以是:主要目的在于对目标车辆实体属性及关系(人车/ 车车)的发现和挖掘。如图9所示的关系图,根据实体肇事逃逸案C1的线索车辆卡口抓拍图片,确认涉案车辆实体为车辆V2和目标车辆V1,二者建立同案关系,分别与案件C1建立涉案关系。实体车辆V2是营运车辆,关系人P2 与其是驾驶关系,车租车公司G1与其是所属关系,关系人P3乘坐该车辆,是取证关键。实体目标车辆V1通过车管库核查,未发现该号牌,确认是假牌车辆;经过和车辆失踪库的关联分析,确认V1是备案车辆失踪案C2中的失踪车辆,其车主是关系人P4。实体目标对象P1和目标车辆V1是驾驶关系,P1 和肇事逃逸案C1建立直接涉案关系,与车辆失踪案C2建立潜在目标对象关系,另外实体车辆V3与其是所属关系。可以通过V3的活动轨迹进一步挖掘线索。简而言之,即通过案件线索确认车车关联(从车找车),进而通过车辆信息挖掘到关系人的信息(从车找人),以及通过人的信息挖掘新的车的信息 (从人找车)。
在实际应用过程中,通过单一手段、单一分析途径来快速侦破案件是不可能的,考虑线索间相关性,只有全面的分析案件的多元数据才能挖掘更多有价值的信息。因此虽然上文分别单独介绍了本专利设计的两类多种知识推理策略,但在实际应用中,他们是相互作用影响、相互渗透补充的,因此也可以把他们整体称为多维关系分析。例如,通过分析目标对象(人员、车辆)在一定时间范围的活动轨迹,包含出行(汽车、火车、飞机)轨迹、车辆轨迹、人脸轨迹、住宿轨迹等。精准刻画的把握目标对象的活动情况,掌握目标对象日常活动规律和案发时的活动情况。进行潜在的情报推理,实现犯罪嫌疑人与潜在同伙的关联查询。着重对嫌疑人间的同住关系分析(入住同宾馆、同房间),同行关系分析(乘坐同一列车、航班;同在一个网吧上网),话单关系分析(通话对象、通话时长频次),物流关系分析。多维关系分析结果,是构建该人的全息档案的直接输入。
步骤203,根据各目标对象的多个维度关系分析结果,构建所述重点人员全息档案。
将从步骤202中得到的各目标对象的多个维度关系分析结果进行入库,即可以建立重点人员全息档案。
本发明实施例通过建立重点人员全息档案,结合智能研判技战法,实现重点人员智能化管控。
在具体实施过程中可以通过下述方式对重点人员全息档案进行应用:
(1)、将大量未得到有效利用的人像数据资源“再加工”,通过人像聚类,实现归档建库,为同一档案颁发虚拟身份编码,形成视频虚拟档案,并与常口库比对,完成人员身份核实,为深度挖掘人像数据应用提供实时数据支撑。
(2)、通过对人员视频虚拟档案与信息网内多源数据融合,构建人、车、通讯工具等图谱关系,建立人员全息档案,实现对关联关系的查询;通过目标时空关系分析,构建多种研判技战法;分析人员的活动轨迹和行为规律,掌握辖区内的实有人口,以及往来人员;通过路人分析,推动并服务于一标三实等人口管理和采集工作;对于重点人员做到实时管理;提供丰富的数据分析模型工具助力案件研判分析。
上述实施例表明,获取知识图谱中与目标对象相关的实体信息,实体信息包括实体以及各实体之间的关系,根据与目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到目标对象的多个维度关系分析结果,根据各目标对象的多个维度关系分析结果,构建重点人员全息档案。通过对目标对象相关的实体以及各实体之间的关系选择多种分析途径进行知识推理,得到目标对象全方位信息数据,建立重点人员全息档案,解决人员管理中流动性大、及时性差、漏管率高等问题。
基于相同的技术构思,图10示例性的示出了本发明实施例提供的一种基于知识图谱的重点人员全息档案构建装置的结构,该装置可以执行基于知识图谱的重点人员全息档案构建流程,该装置可以位于图1所示的服务器100内,也可以是该服务器100。
如图10所示,该装置具体包括:
获取单元1001,用于获取知识图谱中与目标对象相关的实体信息;所述实体信息包括实体以及各实体之间的关系;
处理单元1002,用于根据与所述目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到所述目标对象的多个维度关系分析结果;根据各目标对象的多个维度关系分析结果,构建所述重点人员全息档案。
可选的,所述处理单元1002具体用于:
根据与所述目标对象相关的实体以及各实体之间的关系,以所述目标对象为起点,通过人物关系推理得到所述目标对象与其他实体之间的人物关系;
基于所述目标对象与其他实体之间的人物关系,通过案件关系推理,得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
可选的,所述处理单元1002具体用于:
通过对与所述目标对象相关的实体以及各实体之间的关系进行同住分析、同行分析和社交分析,得到所述目标对象与其他实体之间的同住人物关系、同行任务关系和社交人物关系。
可选的,所述处理单元1002具体用于:
基于所述目标对象与其他实体之间的人物关系,进行案件分析、话单分析和车辆分析得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
可选的,所述处理单元1002还用于:
在获取知识图谱中与目标对象相关的实体信息之前,获取多数据源发送的数据;
对所述多数据源发送的数据进行知识抽取和挖掘,得到实体、事件及其之间的关系;
将所述实体、事件及其之间的关系以知识图谱的形式进行存储。
基于相同的技术构思,本发明实施例还提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用存储器中存储的程序指令,按照获得的程序执行上述基于知识图谱的重点人员全息档案构建方法。
基于相同的技术构思,本发明实施例还提供了一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行计算机可读指令时,使得计算机执行上述基于知识图谱的重点人员全息档案构建方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于知识图谱的重点人员全息档案构建方法,其特征在于,包括:
获取知识图谱中与目标对象相关的实体信息;所述实体信息包括实体以及各实体之间的关系;
根据与所述目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到所述目标对象的多个维度关系分析结果;
根据各目标对象的多个维度关系分析结果,构建所述重点人员全息档案。
2.如权利要求1所述的方法,其特征在于,所述根据与所述目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到所述目标对象的多个维度关系分析结果,包括:
根据与所述目标对象相关的实体以及各实体之间的关系,以所述目标对象为起点,通过人物关系推理得到所述目标对象与其他实体之间的人物关系;
基于所述目标对象与其他实体之间的人物关系,通过案件关系推理,得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
3.如权利要求2所述的方法,其特征在于,所述通过人物关系推理得到所述目标对象与其他实体之间的人物关系,包括:
通过对与所述目标对象相关的实体以及各实体之间的关系进行同住分析、同行分析和社交分析,得到所述目标对象与其他实体之间的同住人物关系、同行任务关系和社交人物关系。
4.如权利要求2所述的方法,其特征在于,所述基于所述目标对象与其他实体之间的人物关系,通过案件关系推理,得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系,包括:
基于所述目标对象与其他实体之间的人物关系,进行案件分析、话单分析和车辆分析得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
5.如权利要求1至4任一项所述的方法,其特征在于,在获取知识图谱中与目标对象相关的实体信息之前,还包括:
获取多数据源发送的数据;
对所述多数据源发送的数据进行知识抽取和挖掘,得到实体、事件及其之间的关系;
将所述实体、事件及其之间的关系以知识图谱的形式进行存储。
6.一种基于知识图谱的重点人员全息档案构建装置,其特征在于,包括:
获取单元,用于获取知识图谱中与目标对象相关的实体信息;所述实体信息包括实体以及各实体之间的关系;
处理单元,用于根据与所述目标对象相关的实体以及各实体之间的关系,选择多种分析途径进行知识推理,得到所述目标对象的多个维度关系分析结果;根据各目标对象的多个维度关系分析结果,构建所述重点人员全息档案。
7.如权利要求6所述的装置,其特征在于,所述处理单元具体用于:
根据与所述目标对象相关的实体以及各实体之间的关系,以所述目标对象为起点,通过人物关系推理得到所述目标对象与其他实体之间的人物关系;
基于所述目标对象与其他实体之间的人物关系,通过案件关系推理,得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
8.如权利要求7所述的装置,其特征在于,所述处理单元具体用于:
通过对与所述目标对象相关的实体以及各实体之间的关系进行同住分析、同行分析和社交分析,得到所述目标对象与其他实体之间的同住人物关系、同行任务关系和社交人物关系。
9.如权利要求7所述的装置,其特征在于,所述处理单元具体用于:
基于所述目标对象与其他实体之间的人物关系,进行案件分析、话单分析和车辆分析得到所述目标对象的案件关系以及所述目标对象的人物关系中各实体的案件关系。
10.如权利要求6至9任一项所述的装置,其特征在于,所述处理单元还用于:
在获取知识图谱中与目标对象相关的实体信息之前,获取多数据源发送的数据;
对所述多数据源发送的数据进行知识抽取和挖掘,得到实体、事件及其之间的关系;
将所述实体、事件及其之间的关系以知识图谱的形式进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911033306.6A CN111427968A (zh) | 2019-10-28 | 2019-10-28 | 一种基于知识图谱的重点人员全息档案构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911033306.6A CN111427968A (zh) | 2019-10-28 | 2019-10-28 | 一种基于知识图谱的重点人员全息档案构建方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111427968A true CN111427968A (zh) | 2020-07-17 |
Family
ID=71546825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911033306.6A Pending CN111427968A (zh) | 2019-10-28 | 2019-10-28 | 一种基于知识图谱的重点人员全息档案构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111427968A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949779A (zh) * | 2020-07-29 | 2020-11-17 | 交控科技股份有限公司 | 基于知识图谱的轨道交通智能应答方法及系统 |
CN112100292A (zh) * | 2020-09-22 | 2020-12-18 | 山东旗帜信息有限公司 | 一种人员关系图谱测定方法和装置 |
CN112231488A (zh) * | 2020-09-22 | 2021-01-15 | 京东城市(北京)数字科技有限公司 | 数据处理的方法、装置、设备及计算机可读存储介质 |
CN112364176A (zh) * | 2020-10-26 | 2021-02-12 | 青岛海信网络科技股份有限公司 | 一种人员行动轨迹的构建方法、设备及系统 |
CN112597238A (zh) * | 2020-12-17 | 2021-04-02 | 北京以萨技术股份有限公司 | 基于人员信息的知识图谱构建方法、系统、设备及介质 |
CN113407734A (zh) * | 2021-07-14 | 2021-09-17 | 重庆富民银行股份有限公司 | 基于实时大数据的知识图谱系统的构建方法 |
CN113449114A (zh) * | 2020-12-31 | 2021-09-28 | 中国科学技术大学智慧城市研究院(芜湖) | 基于知识图谱的构建自然人生命周期全息画像方法 |
CN113630642A (zh) * | 2021-09-18 | 2021-11-09 | 广州品唯软件有限公司 | 一种信息发送方法及装置 |
CN114238526A (zh) * | 2022-02-23 | 2022-03-25 | 浙江大华技术股份有限公司 | 图像聚档方法、电子设备及存储介质 |
CN114491078A (zh) * | 2022-02-16 | 2022-05-13 | 松立控股集团股份有限公司 | 基于知识图谱的社区项目人员落脚点和同行人员分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测系统 |
CN110008288A (zh) * | 2019-02-19 | 2019-07-12 | 武汉烽火技术服务有限公司 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
CN110188224A (zh) * | 2019-05-27 | 2019-08-30 | 南京工程学院 | 一种基于重点人物目标识别的综合认知方法 |
-
2019
- 2019-10-28 CN CN201911033306.6A patent/CN111427968A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测系统 |
CN110008288A (zh) * | 2019-02-19 | 2019-07-12 | 武汉烽火技术服务有限公司 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
CN110188224A (zh) * | 2019-05-27 | 2019-08-30 | 南京工程学院 | 一种基于重点人物目标识别的综合认知方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949779A (zh) * | 2020-07-29 | 2020-11-17 | 交控科技股份有限公司 | 基于知识图谱的轨道交通智能应答方法及系统 |
CN112100292A (zh) * | 2020-09-22 | 2020-12-18 | 山东旗帜信息有限公司 | 一种人员关系图谱测定方法和装置 |
CN112231488A (zh) * | 2020-09-22 | 2021-01-15 | 京东城市(北京)数字科技有限公司 | 数据处理的方法、装置、设备及计算机可读存储介质 |
CN112364176A (zh) * | 2020-10-26 | 2021-02-12 | 青岛海信网络科技股份有限公司 | 一种人员行动轨迹的构建方法、设备及系统 |
CN112597238A (zh) * | 2020-12-17 | 2021-04-02 | 北京以萨技术股份有限公司 | 基于人员信息的知识图谱构建方法、系统、设备及介质 |
CN113449114A (zh) * | 2020-12-31 | 2021-09-28 | 中国科学技术大学智慧城市研究院(芜湖) | 基于知识图谱的构建自然人生命周期全息画像方法 |
CN113407734A (zh) * | 2021-07-14 | 2021-09-17 | 重庆富民银行股份有限公司 | 基于实时大数据的知识图谱系统的构建方法 |
CN113630642A (zh) * | 2021-09-18 | 2021-11-09 | 广州品唯软件有限公司 | 一种信息发送方法及装置 |
CN113630642B (zh) * | 2021-09-18 | 2024-06-11 | 广州品唯软件有限公司 | 一种信息发送方法及装置 |
CN114491078A (zh) * | 2022-02-16 | 2022-05-13 | 松立控股集团股份有限公司 | 基于知识图谱的社区项目人员落脚点和同行人员分析方法 |
CN114491078B (zh) * | 2022-02-16 | 2022-08-02 | 松立控股集团股份有限公司 | 基于知识图谱的社区项目人员落脚点和同行人员分析方法 |
CN114238526A (zh) * | 2022-02-23 | 2022-03-25 | 浙江大华技术股份有限公司 | 图像聚档方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111427968A (zh) | 一种基于知识图谱的重点人员全息档案构建方法及装置 | |
CN110688495B (zh) | 一种事件信息的知识图谱模型构建方法、装置、存储介质 | |
Costantini et al. | Digital forensics and investigations meet artificial intelligence | |
CN111787090B (zh) | 一种基于区块链技术的智慧法治平台 | |
CN105659263A (zh) | 序列识别 | |
CN106294520B (zh) | 使用从文档提取的信息来标识关系 | |
Hutchins et al. | Hiding in plain sight: criminal network analysis | |
CN112487208B (zh) | 一种网络安全数据关联分析方法、装置、设备及存储介质 | |
Lwowski et al. | Geospatial event detection by grouping emotion contagion in social media | |
CN110489565A (zh) | 基于领域知识图谱本体中的对象根类型设计方法及系统 | |
McPherson et al. | Open source investigations and the technology-driven knowledge controversy in human rights fact-finding | |
CN112925899B (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 | |
CN109753541A (zh) | 一种关系网络构建方法和装置、计算机可读存储介质 | |
Manning | Signwork | |
di Bella et al. | Smart Security: Integrated systems for security policies in urban environments | |
CN110543529A (zh) | 一种城市数据模型构建方法、装置及可读存储介质 | |
CN116028467A (zh) | 智能服务大数据建模方法、系统、存储介质及计算机设备 | |
Sivčević et al. | Possibilities of used intelligence based agents in instant messaging on e-government services | |
CN114386415A (zh) | 数图融合库构建方法及相关设备 | |
Cho | Designing smart cities: Security issues | |
KR102180329B1 (ko) | 가짜 뉴스 판단 시스템 | |
Sobhani et al. | An ontology framework for automated visual surveillance system | |
CN111797291A (zh) | 一种轨迹数据进行社会功能挖掘的方法、系统及存储介质 | |
CN110750678A (zh) | 监控视频数据关联描述和存储管理的方法及系统 | |
McMaster | Sensemaking in emergency response command and control |
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 |