CN111428009B - 关系查询方法、装置、计算机设备和存储介质 - Google Patents
关系查询方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111428009B CN111428009B CN202010532562.6A CN202010532562A CN111428009B CN 111428009 B CN111428009 B CN 111428009B CN 202010532562 A CN202010532562 A CN 202010532562A CN 111428009 B CN111428009 B CN 111428009B
- Authority
- CN
- China
- Prior art keywords
- entity
- entities
- target
- query
- relationship
- 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.)
- Active
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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种关系查询方法、装置、计算机设备和存储介质。所述方法包括:对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据实体词确定对应的标准实体名称;根据标准实体名称,确定对应的目标实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系。本方法通过采用知识图谱技术描述实体之间的关系,使实体之间的关系可视化,从而使用户能够直观地获取不同实体之间的相互联系;通过采用与搜索意图对应的关系查询方式进行关系查询,能够按照与用户意图匹配的方式分析实体之间的关系,可以提高使用的灵活性和准确性。
Description
技术领域
本申请涉及信息处理技术领域,特别是涉及一种关系查询方法、装置、计算机设备和存储介质。
背景技术
信息化,是指建立在IT(Internet Technology,互联网技术)产业发展与IT在国民经济各部门扩散的基础之上,运用IT改造传统的经济、社会结构的过程。信息化是以现代通信、网络、数据库技术为基础,对所研究对象各要素汇总至数据库,供特定人群生活、工作、学习、辅助决策等和人类息息相关的各种行为相结合的一种技术。
随着企业信息化和政务信息化的不断深入发展,企业和政府部门迫切需要通过IT架构管理系统解决信息化过程中出现的诸多问题。比如:如何从单点应用走向集成应用;如何建立IT项目与业务战略之间的清晰连接关系,如何建立业务、数据、应用和技术等不同层级之间的匹配关系等。而传统的IT架构管理系统,通常基于粗粒度的管理,主要关注的是IT架构管理系统中的硬件情况,无法明确硬件和系统、系统和应用以及不同系统之间的关系。
发明内容
基于此,有必要针对上述技术问题,提供一种用于查询系统、组织以及业务之间关系的关系查询方法、装置、计算机设备和存储介质。
第一方面,本申请实施例提供一种关系查询方法,所述方法包括:
对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据实体词确定对应的标准实体名称;
根据标准实体名称,确定对应的目标实体;
采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,其中,关系查询方式包括以下方式中的至少一种:查询与目标实体对应的其他实体;查询目标实体间的最短路径;查询与目标实体对应的其他实体,并生成与目标实体对应的概率网络。
在其中一个实施例中,搜索意图包括查询全局系统、查询组织、查询系统、查询系统的故障归因、查询系统间影响,以及查询两个系统间关系中的至少一个。
在其中一个实施例中,当搜索意图为查询系统的故障归因或者查询系统间影响时,目标实体为目标系统实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,包括:
根据目标系统实体,在知识图谱数据库中查询与目标系统实体对应的其他系统实体,以及实体间的实体关系;
根据实体间的实体关系,获取与目标系统实体对应的概率网络;
根据与目标系统实体对应的概率网络,确定目标系统实体的影响概率。
在其中一个实施例中,根据实体间的实体关系,获取与目标系统实体对应的概率网络,包括:
对每个其他系统实体对应的实体关系进行局部截取,获取每个其他系统实体对应的局部截取结果;
根据每个其他系统实体对应的局部截取结果,生成与每个其他系统实体对应的局部概率网络;
将每个其他系统实体对应的局部概率网络进行融合,生成与目标系统实体对应的概率网络。
在其中一个实施例中,当搜索意图为查询两个系统间关系时,目标实体为目标系统实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,包括:
根据目标系统实体,在知识图谱数据库中确定目标系统实体之间的最短路径;
获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
在其中一个实施例中,获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系,包括:
当判断最短路径小于等于阈值时,则获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
在其中一个实施例中,当搜索意图为查询组织或者查询系统时,目标实体为对应的目标组织实体或者目标系统实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,包括:
根据目标组织实体或者目标系统实体,在知识图谱数据库中查询得到与目标组织实体或者目标系统实体对应的其他实体,以及实体间的实体关系。
在其中一个实施例中,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系之后,还包括:
将目标实体、与目标实体对应的其他实体,以及实体间的实体关系返回至终端进行展示。
第二方面,本申请实施例提供一种关系查询装置,所述装置包括:
标准实体名称确定模块,用于对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据实体词确定对应的标准实体名称;
目标实体确定模块,用于根据标准实体名称,确定对应的目标实体;
关系查询模块,用于采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,其中,关系查询方式包括以下方式中的至少一种:查询与目标实体对应的其他实体;查询目标实体间的最短路径;查询与目标实体对应的其他实体,并生成与目标实体对应的概率网络。
第三方面,本申请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上述第一方面任一个实施例所述方法的步骤。
第四方面,本申请实施例提供一种计算机可读存储介质,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上述第一方面任一个实施例所述方法的步骤。
上述关系查询方法、装置、计算机设备和存储介质,当需要查询实体之间的关系时,对所获取的输入文本进行语义理解,确定搜索意图并确定目标实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询到与目标实体对应的其他实体以及实体间的实体关系。通过采用知识图谱技术描述实体之间的关系,使实体之间的关系可视化,从而使用户能够直观地获取不同实体之间的相互联系;通过采用与搜索意图对应的关系查询方式进行关系查询,能够按照与用户意图匹配的方式分析实体之间的关系,可以提高使用的灵活性和准确性。
附图说明
图1为一个实施例中关系查询方法的应用环境图;
图2为一个实施例中关系查询方法的流程示意图;
图3为一个实施例中关系查询步骤的流程示意图;
图4为一个实施例中生成概率网络步骤的流程示意图;
图5a为一个实施例中获取的关系查询结果的示意图;
图5b为一个实施例中局部截取结果的示意图;
图5c为一个实施例中获取的关系查询结果的示意图;
图5d为一个实施例中局部截取结果的示意图;
图6为一个实施例中关系查询步骤的流程示意图;
图7为一个实施例中通过终端展示关系查询结果的示意图;
图8为一个实施例中通过终端展示关系查询结果的示意图;
图9为一个实施例中关系查询方法的流程示意图;
图10为一个实施例中关系查询装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的关系查询方法,可以应用于如图1所示的应用环境中。其中,终端110通过网络与服务器120进行通信。终端110包含可视化界面,可以用于展示关系查询结果的图形化表示以及其他相关数据。用户可以通过该可视化界面输入文本、读取关系查询的结果。服务器120中至少部署有实体抽取系统以及预先构建的知识图谱数据库。该知识图谱数据库包含组织,以及组织的软件和硬件之间的相互关系。即,通过知识图谱技术将现实的组织、软件以及硬件之间的相互关系,映射成知识图谱中的实体以及实体关系,直观地将组织、软件以及硬件之间的关系以图形化的方式展示,从而为关系查询提供基础。其中,组织是指社会实体,如党团组织、企业、政府部门等。软件是一系列按照特定顺序组织的计算机数据和指令的集合。软件可以被划分为系统软件、应用软件和介于这两者之间的中间件。硬件不限于包括机房硬件设备,例如网络安全设备、数据交换设备、服务器等。具体地,服务器120对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据实体词确定对应的标准实体名称;根据标准实体名称,确定对应的目标实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系。其中,终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种关系查询方法,以该方法应用于图1中的服务器120为例进行说明,包括以下步骤:
步骤S210,对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据实体词确定对应的标准实体名称。
步骤S220,根据标准实体名称,确定对应的目标实体。
其中,标准实体名称用于唯一性的表示知识图谱数据库中的实体。伴随着自然语言处理的兴起,文本分类、实体识别、语义理解等技术越来越普及。知识图谱作为这些技术的集成产物,通过实体识别和文本分类来解析用户的意图和关心的内容。知识图谱是一种基于图的数据结构,由节点和边组成,每个节点表示一个实体,每条边为实体与实体之间的关系。实体可以是现实世界中的事物,在本实施例中,可以包含组织、软件和硬件,例如可以为公司、系统、服务器、软件副本等;关系则用来表达不同实体之间的某种联系。
具体地,当用户需要查询组织、系统或者业务之间的关系,可以通过终端的搜索引擎输入文本,例如输入“公司的系统有哪些”。服务器获取该输入文本,通过预先部署的实体抽取系统识别输入文本的搜索意图,并对输入文本进行实体抽取,从输入文本中提取出实体词。实体抽取可以通过实体抽取系统在完成一系列分词、词性标注等自然语言处理任务等的基础上,从打上词性标签的句子中提取出实体词。在本实施例中,实体抽取可以采用基于规则和词典的方法、基于统计的方法或者基于深度学习的方法中的任一个。
在提取得到实体词后,可以采用字典的方式等将该实体词对齐为知识图谱数据库中对应的标准实体名称。例如,对输入文本进行实体抽取得到的实体词为A公司的简写,实体对齐得到的标准实体名称可以是对应的A公司的全称。在确定标准实体名称后,可以根据该标准实体名称确定对应的实体,将该实体作为关系查询的目标实体。可以理解的是,当搜索意图和目标实体相互匹配时,可以更为准确地从知识图谱数据库中进行关系查询。例如,搜索意图为查询公司的系统,那么在确定目标实体为公司实体时,可以更为准确的查询该公司拥有的系统。因此,为了提高关系查询的准确性,可以预先设定搜索意图和目标实体的对应关系,在确定获取的搜索意图和目标实体符合对应关系时,则进行关系查询。
步骤S230,采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,其中,关系查询方式包括以下方式中的至少一种:查询与目标实体对应的其他实体;查询目标实体间的最短路径;查询与目标实体对应的其他实体,并生成与目标实体对应的概率网络。
其中,与目标实体对应的其他实体是指与目标实体具有直接或者间接关系的实体。目标实体的数量可以一个,也可以为多个,在此不做限定。具体地,在根据输入文本确定搜索意图和目标实体后,调用与搜索意图对应的关系查询方式,在知识图谱数据库中查询到与目标实体相关联的其他实体以及实体间的实体关系。关系查询方式可以为预先配置的算法、神经网络或者查询语言等。搜索意图与关系查询方式的对应关系可以预先构建,在确定搜索意图后,直接从该对应关系中得到与搜索意图匹配的关系查询方式。在本实施例中,关系查询方式不限于包括以下方式中的至少一种:查询与目标实体对应的其他实体;查询目标实体间的最短路径;查询与目标实体对应的其他实体,并生成与目标实体对应的概率网络。例如,若与搜索意图为查询公司的系统对应的关系查询方式为查询与目标实体对应的其他实体,那么在识别出搜索意图为查询公司的系统时,可以根据已获取的目标实体,调用结构化查询语言从知识图谱数据库中查询到属于该公司的系统;若与搜索意图为查询系统间影响对应的关系查询方式为查询目标实体间的最短路径,那么在识别出搜索意图为查询系统间影响时,可以调用预先配置的算法计算已获取的目标实体之间的影响关系。
上述关系查询方法中,通过采用知识图谱技术描述实体之间的关系,使实体之间的关系可视化,从而使用户能够直观地获取不同实体之间的相互联系;通过采用与搜索意图对应的关系查询方式进行关系查询,能够按照与用户意图匹配的方式分析实体之间的关系,可以提高使用的灵活性和准确性。
在一个实施例中,搜索意图包括查询全局、查询组织、查询系统、查询系统的故障归因、查询系统间影响,以及查询两个系统间关系中的至少一个。
其中,全局中可以包含多个组织。例如,全局为一个集团,组织可以是属于该集团的多个公司。搜索意图为查询全局是指用户想要了解全局中的所有组织、软件和硬件,以及所有组织、软件和硬件之间的关系。当识别搜索意图为查询全局时,可以不进行实体抽取和实体对齐,直接获取知识图谱数据库中的全部图数据,并将该图数据返回至终端进行展示。搜索意图为查询组织是指用户想要了解某个组织所拥有的软件和硬件,以及该组织中的软件和硬件之间的关系。搜索意图为查询系统是指用户想要了解与目标系统相关联的其他系统以及系统间的关系。搜索意图为查询系统的故障归因是指用户想要可能哪些原因导致目标系统发生故障。搜索意图为查询系统间影响是指用户想要了解系统间的关联关系以及影响程度。本实施例中,通过设定多种搜索意图,可以使用户能够从多方面进行关系查询,从而提高了关系查询的实用性。
在一个实施例中,如图3所示,当搜索意图为查询系统的故障归因或者查询系统间影响时,目标实体为目标系统实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,包括:
步骤S310,根据目标系统实体,在知识图谱数据库中查询与目标系统实体对应的其他系统实体,以及实体间的实体关系。
可以理解的是,与搜索意图查询系统的故障归因或者查询系统间影响相匹配的目标实体为目标系统实体。具体地,当识别搜索意图为查询系统的故障归因或者查询系统间影响时,可以先从知识图谱数据库中查询与目标系统实体相关联的其他系统实体以及实体间的实体关系。由于查询得到的每个其他系统实体,都有与其自身关联的更多的实体,因此,为了减轻设备的运行压力以及减少计算量,可以预先设定用于限定查询范围的筛选条件,例如,查询与目标系统实体具有一度关系的系统实体。一度关系是指与目标系统实体直接关联。
步骤S320,根据实体间的实体关系,获取与目标系统实体对应的概率网络。
步骤S330,根据与目标系统实体对应的概率网络,确定目标系统实体的影响概率。
具体地,在获取目标系统实体相关联的其他系统实体以及实体间的实体关系后,可以调用预先配置的概率图模型,根据实体间的实体关系生成目标系统实体的概率网络。进而,根据该概率网络确定目标系统实体的影响概率。概率图模型不限于是贝叶斯网络、马尔可夫网络。进一步地,在获取目标系统实体的影响概率后,可以将与目标系统实体对应的其他系统实体、实体间的实体关系以及影响概率返回至终端,通过终端的屏幕进行展示。
本实施例中,通过根据与目标系统实体相关联的实体关系生成概率网络,基于该概率网络对其他系统实体作用于目标系统实体的影响概率进行合理推理,一方面,可以快速方便的定位系统的影响系统,判断系统故障问题大小;另一方面,可以使用户了解系统间的影响,从而了解哪些系统出现故障会影响到当前的系统正常运行。
在一个实施例中,如图4所示,在步骤S320中,根据实体间的实体关系,获取与目标系统实体对应的概率网络,包括:
步骤S321,对每个其他系统实体对应的实体关系进行局部截取,获取每个其他系统实体对应的局部截取结果。
步骤S322,根据每个其他系统实体对应的局部截取结果,生成与每个其他系统实体对应的局部概率网络。
步骤S323,将每个其他系统实体对应的局部概率网络进行融合,生成与目标系统实体对应的概率网络。
具体地,传统的通过概率图模型生成概率网络的方式,是直接根据实体间的实体关系进行计算,计算量较大。在本实施例中,采用逐级计算的方式生成目标系统实体对应的概率网络。首先,在获取目标系统实体相关联的其他系统实体后,对每个其他系统实体对应的实体关系进行局部截取,获取每个其他系统实体对应的局部截取结果。然后,针对每个局部截取结果,通过预先配置的概率图模型生成与每个其他系统实体对应的局部概率网络。概率图模型不限于是贝叶斯网络、马尔可夫网络。最后,将所有其他系统实体的局部概率网络进行融合,生成与目标系统实体对应的概率网络。进而基于与目标系统实体对应的概率网络进行推理,得到目标系统的影响概率。
示例性地,图5a示例性地示出了一个实施例中当搜索意图为查询系统间影响时,所获取的与目标系统实体对应的其他系统实体,以及实体间的实体关系。其中,系统x1为目标系统实体,系统x2~x6为其他系统实体。以概率图模型为贝叶斯网络为例进行说明。当采用传统的概率网络生成方式,可以得到目标系统实体x1对其它系统实体x2~x6的影响概率分别为:
x2受到的影响概率为:P(x2|x1)
x3受到的影响概率为:P(x3|x1)+P(x3|x5)P(x5|x2)P(x2|x1)
x5受到的影响概率为:P(x5|x2)P(x2|x1)
x4受到的影响概率为:P(x4|x2)P(x2|x1)
x6受到的影响概率为:P(x6|x3)P(x3|x1)+P(x3|x5)P(x5|x2)P(x2|x1)
而本实施例中,首先获取每个其他系统实体对应的局部截图结果,再基于该局部截取结果生成概率网络。图5b示例性示出了一个实施例中,截取一阶实体得到的多个局部截取结果。参考图5b,分别可以得到各个其他系统实体x2~x6的影响概率变为:
x2受到的影响概率变为:P(x2|x1)
x3受到的影响概率变为:P(x3|x1)
x4受到的影响概率变为:P(x4|x2)
x5受到的影响概率变为:P(x5|x2)
x6受到的影响概率变为:P(x6|x3)
需要说明的是,对于每个其他系统实体,可以设置只进行一次影响概率的计算。例如系统实体x3,在图5b的(1)中已完成影响概率的计算,在图5b的(4)中则不再进行影响概率更新。通过上述方法计算得到每个其他系统实体对应的影响概率后,将其他系统实体的影响概率融合至图5a中,生成与目标系统实体对应的概率网络。
又一示例性地,图5c示例性地示出了一个实施例中当搜索意图为查询系统的故障归因时,所获取的与目标系统实体对应的其他系统实体,以及实体间的实体关系。其中,系统y6为目标系统实体,系统y1~y5为其他系统实体。以概率图模型为贝叶斯网络为例进行说明。当采用传统的概率网络生成方式,可以得到其他系统实体y1~y5对目标系统实体y6的影响概率分别为:
y6故障来自y1的影响概率为:P(y1|y3)P(y3|y6)
y6故障来自y2的影响概率为:P(y2|y3)P(y3|y6)+P(y2|y5)P(y5|y3)P(y3|y6)
y6故障来自y3的影响概率为:P(y3|y6)
y6故障来自y4的影响概率为:P(y4|y6)
y6故障来自y5的影响概率为:P(y5|y3)P(y3|y6)
而本实施例中,首先获取每个其他系统实体对应的局部截图结果,再基于该局部截取结果生成概率网络。图5d示例性示出了一个实施例中,截取一阶实体得到的多个局部截取结果。参考图5d,分别可以得到各个其他系统实体y1~y5对目标系统实体y6的影响概率变为:
y6故障来自y1的影响概率变为:P(y1|y3)
y6故障来自y2的影响概率变为:P(y2|y3)
y6故障来自y3的影响概率变为:P(y3|y6)
y6故障来自y4的影响概率变为:P(y4|y6)
y6故障来自y5的影响概率变为:P(y5|y3)
需要说明的是,对于每个其他系统实体,可以设置只进行一次影响概率的计算。例如系统实体y2,在图5d的(2)中已完成影响概率的计算,在图5d的(3)中则不再进行影响概率更新。通过上述方法计算得到每个其他系统实体对应的影响概率后,将其他系统实体的影响概率融合至图5c中,生成与目标系统实体对应的概率网络。
本实施例中,通过逐步计算每个系统的局部概率网络,并基于该局部概率网络进行融合得到目标系统的概率网络,可以减轻系统的运行成本,提高关系查询的效率。
在一个实施例中,如图6所示,当搜索意图为查询两个系统间关系时,目标实体为目标系统实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,包括:
步骤S610,若目标系统实体数量为一个,则返回错误提示信息。
步骤S620,若目标系统实体数量为至少两个,则根据目标系统实体,在知识图谱数据库中确定目标系统实体之间的最短路径。
可以理解的是,与搜索意图为查询两个系统间关系相匹配的目标实体为目标系统实体。具体地,当识别搜索意图为查询两个系统间关系,且对输入文本进行实体抽取、实体对齐得到数量为一个的目标系统实体,则无法执行查询两个系统间关系的意图,服务器可以向终端返回错误提示信息。进一步地,服务器还可以将识别到的目标系统实体的名发送至终端进行展示,使用户能够了解目标系统实体的情况。当识别搜索意图为查询两个系统间关系,且对输入文本进行实体抽取、实体对齐得到数量为至少两个的目标系统实体,则计算该至少两个的目标系统实体互相之间的最短路径。其中,计算最短路径可以采用迪杰斯特拉(Dijkstra)算法或者弗洛伊德(Floyd)算法等,求解边权总和最小的生成树,即最小斯坦纳树。
示例性地,以采用迪杰斯特拉算法计算目标系统实体之间的最短路径为例进行说明。迪杰斯特拉算法的主要特点是以起始点为中心向外层层扩展,直到扩展到目标点为止。起始点即其中一个目标系统实体,目标点即除起始点之外的另一个目标系统实体。大致过程为:指定起始点s(即从起始点s开始计算);引进两个集合S和U,S的作用是记录已求出最短路径的顶点(以及相应的最短路径长度),U则是记录还未求出最短路径的顶点(以及该顶点到起点s的距离)。初始时,集合S中只有起始点s,集合U中是除起始点s之外的顶点。然后,从U中找出路径最短的顶点(记为x),并将其加入到集合S中,并更新集合U中的顶点和顶点对应的路径。然后,再从U中找出与顶点x路径最短的顶点,并将其加入到集合S中,并更新集合U中的顶点和顶点对应的路径。重复上述操作,直到目标点也加入集合S,此时目标点所对应的最短路径长度即为起始点和目标点之间的最短路径长度。
步骤S630,获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
具体地,在确定目标系统实体对应的最短路径后,获取最短路径中的包含的实体以及实体间的实体关系。进一步地,还可以将所获取的最短路径、最短路径中的包含的实体以及实体间的实体关系返回至终端,通过终端的屏幕进行图展示。进一步地,在获取两个目标系统实体的最短路径后,可以该最路径判断两个目标系统实体之间是否存在关联关系。若存在,可以进一步根据最短路径判断两个目标系统实体之间的影响。
本实施例中,通过在识别搜索意图为查询两个系统间关系时,查询目标系统实体对应的最短路径,可以使用户了解目标系统的最短连通路径,从而发现任意两个实体之间的数据流向关系,便于判别两个实体之间是否会产生影响或关联。
在一个实施例中,在步骤S630中,获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系,包括:当判断最短路径小于等于阈值时,则获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
具体地,在确定目标系统的最短路径后,可以将该最短路径与预先配置的阈值进行比较。筛选出最短路径小于等于阈值的路径,作为关系查询的结果。在本实施例中,结合系统间的影响,在计算最短路径时还可以加入权重表示。使目标系统实体到每个系统实体的距离与权重乘积的总和最小。本实施例中,通过预先配置阈值,对目标系统实体对应的最短路径进行筛选,使用户能够直接获取符合条件的关系查询结果。
在一个实施例中,当搜索意图为查询组织或者查询系统时,目标实体为对应的目标组织实体或者目标系统实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,包括:根据目标组织实体或者目标系统实体,在知识图谱数据库中查询得到与目标组织实体或者目标系统实体对应的其他实体,以及实体间的实体关系。
可以理解的是,与搜索意图为查询组织相匹配的目标实体为目标组织实体。具体地,当识别搜索意图为查询组织时,可以根据该目标组织实体,在知识图谱数据库中查询属于该目标组织实体的其他实体以及实体间的实体关系。示例性地,若目标组织实体为公司A,则可以在知识图谱数据库中查询属于公司A的软件和硬件以及互相之间的关系。
可以理解的是,与搜索意图为查询系统相匹配的目标实体为目标系统实体。当识别搜索意图为查询系统时,可以根据目标系统实体,在知识图谱数据库中查询与该目标系统实体相关联的其他实体以及实体间的实体关系。示例性地,若目标系统实体为人事系统,则可以在知识图谱数据库中查询与人事系统相关的其他软件和硬件以及互相之间的关系。
进一步地,由于查询得到的每个其他实体,可能都有与其自身相关的更多的实体。因此,可以预先设定筛选条件以限定查询范围,从而可以简化查询结果。例如,设定查询与目标系统实体具有两度关系的系统实体,实体关系为系统级交互。两度关系是指与目标系统实体具有间接关联关系。图7示例性示出了搜索意图为查询组织、目标组织实体为公司A,时,终端示出的关系查询示意图。图8示例性示出了搜索意图为查询系统、目标系统实体为系统A时,终端示出的关系查询示意图。
本实施例中,通过在识别搜索意图为查询组织或者查询系统时,在知识图谱数据库中查询组织或者系统的关联系统,可以使用户直观地了解组织或者系统的布局情况。
在一个实施例中,如图9所示,通过一个具体的实施例说明关系查询方法,包括以下步骤。
步骤S901,获取输入文本。
步骤S902,对输入文本进行语义理解,识别搜索意图并提取实体词。
其中,对输入文本进行语义理解可以采用基于深度学习的结合单词级别意图识别的stack-propagation(堆栈传输)框架(A Stack-Propagation Framework with Token-Level Intent Detection for Spoken Language Understanding)。语义理解任务主要包括两个子任务,意图识别和槽位填充任务。每句话属于一个意图,每个单词属于一个槽位。通过采用stack-propagation框架,直接将意图识别的输出作为槽位填充任务的输入。通过采用单词级别的意图识别机制,对于每一个单词进行意图识别,即识别每个单词的实体类型,在本实施例中实体类型包含系统名称和组织名称。最终整个句子的意图,通过每个单词的意图结果进行投票决定。进行单词级别的意图识别,然后指导给对应单词的槽位预测可以缓解一定的错误级联问题,因为即使有一些单词的意图预测错误,其它预测正确的单词仍然可以给对应的单词的槽位进行正确的指导。
步骤S903,对提取的实体词进行实体对齐,获取标准实体名称,并根据标准实体名称确定目标实体。
步骤S904,当搜索意图为查询系统的故障归因或者查询系统间影响时,目标实体为目标系统实体。根据目标系统实体,在知识图谱数据库中查询与目标系统实体对应的其他系统实体,以及实体间的实体关系。
步骤S905,对每个其他系统实体对应的实体关系进行局部截取,获取每个其他系统实体对应的局部截取结果。局部截取结果可以为局部贝叶斯图。
步骤S906,对每个局部贝叶斯图计算先验概率和条件概率统计,生成与每个其他系统实体对应的局部概率网络;
步骤S907,将每个其他系统实体对应的局部概率网络进行融合,生成与目标系统实体对应的概率网络。基于该概率网络推理得到目标系统实体的影响概率。
步骤S908,当搜索意图为查询两个系统间关系时,目标实体为目标系统实体。获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。其中,最短路径小于等于阈值。
具体地,若目标系统实体数量为一个,则返回错误提示信息。若目标系统实体数量为至少两个,则可以采用迪杰斯特拉算法在知识图谱数据库中确定任意两个目标系统实体之间的最短路径。
步骤S909,当搜索意图为查询组织或者查询系统时,目标实体为对应的目标组织实体或者目标系统实体。根据目标组织实体或者目标系统实体,在知识图谱数据库中查询得到与目标组织实体或者目标系统实体对应的其他实体,以及实体间的实体关系。
步骤S910,将目标系统实体对应其他实体,以及实体间的实体关系返回至终端进行展示。
应该理解的是,虽然图1-9的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-9的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图10所示,提供了一种关系查询装置1000,包括:标准实体名称确定模块1001、目标实体确定模块1002和关系查询模块1003,其中:
标准实体名称确定模块1001,用于对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据实体词确定对应的标准实体名称;
目标实体确定模块1002,用于根据标准实体名称,确定对应的目标实体;
关系查询模块1003,用于采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,其中,关系查询方式包括以下方式中的至少一种:查询与目标实体对应的其他实体;查询目标实体间的最短路径;查询与目标实体对应的其他实体,并生成与目标实体对应的概率网络。
在一个实施例中,搜索意图包括查询全局、查询组织、查询系统、查询系统的故障归因、查询系统间影响,以及查询两个系统间关系中的至少一个。
在一个实施例中,当搜索意图为查询系统的故障归因或者查询系统间影响时,目标实体为目标系统实体;关系查询模块1003,包括:
第一关系查询单元,根据目标系统实体,在知识图谱数据库中查询与目标系统实体对应的其他系统实体,以及实体间的实体关系;
概率网络生成单元,用于根据实体间的实体关系,获取与目标系统实体对应的概率网络;
影响概率确定单元,用于根据与目标系统实体对应的概率网络,确定目标系统实体的影响概率。
在一个实施例中,概率网络生成单元,包括:
局部截取单元,用于对每个其他系统实体对应的实体关系进行局部截取,获取每个其他系统实体对应的局部截取结果;
局部概率网络生成单元,用于根据每个其他系统实体对应的局部截取结果,生成与每个其他系统实体对应的局部概率网络;
概率网络合成单元,用于将每个其他系统实体对应的局部概率网络进行融合,生成与目标系统实体对应的概率网络。
在一个实施例中,当搜索意图为查询两个系统间关系时,目标实体为目标系统实体;关系查询模块1003,包括:
最短路径确定单元,用于根据目标系统实体,在知识图谱数据库中确定目标系统实体之间的最短路径;
实体关系获取单元,用于获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
在一个实施例中,实体关系获取单元,具体用于当判断最短路径小于等于阈值时,则获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
在一个实施例中,当搜索意图为查询组织或者查询系统时,目标实体为对应的目标组织实体或者目标系统实体;关系查询模块1003,具体用于根据目标组织实体或者目标系统实体,在知识图谱数据库中查询得到与目标组织实体或者目标系统实体对应的其他实体,以及实体间的实体关系。
在一个实施例中,关系查询装置1000还包括发送模块,用于将目标实体、与目标实体对应的其他实体,以及实体间的实体关系返回至终端进行展示。
关于关系查询装置的具体限定可以参见上文中对于关系查询方法的限定,在此不再赘述。上述关系查询装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储知识图谱数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种关系查询方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据实体词确定对应的标准实体名称;根据标准实体名称,确定对应的目标实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,其中,关系查询方式包括以下方式中的至少一种:查询与目标实体对应的其他实体;查询目标实体间的最短路径;查询与目标实体对应的其他实体,并生成与目标实体对应的概率网络。
在一个实施例中,搜索意图包括查询全局、查询组织、查询系统、查询系统的故障归因、查询系统间影响,以及查询两个系统间关系中的至少一个。
在一个实施例中,当搜索意图为查询系统的故障归因或者查询系统间影响时,目标实体为目标系统实体;处理器执行计算机程序时实现以下步骤:
根据目标系统实体,在知识图谱数据库中查询与目标系统实体对应的其他系统实体,以及实体间的实体关系;根据实体间的实体关系,获取与目标系统实体对应的概率网络;根据与目标系统实体对应的概率网络,确定目标系统实体的影响概率。
在一个实施例中,处理器执行计算机程序时实现以下步骤:
对每个其他系统实体对应的实体关系进行局部截取,获取每个其他系统实体对应的局部截取结果;根据每个其他系统实体对应的局部截取结果,生成与每个其他系统实体对应的局部概率网络;将每个其他系统实体对应的局部概率网络进行融合,生成与目标系统实体对应的概率网络。
在一个实施例中,当搜索意图为查询两个系统间关系时,目标实体为目标系统实体;处理器执行计算机程序时实现以下步骤:
根据目标系统实体,在知识图谱数据库中确定目标系统实体之间的最短路径;获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
在一个实施例中,处理器执行计算机程序时实现以下步骤:
当判断最短路径小于等于阈值时,则获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
在一个实施例中,当搜索意图为查询组织或者查询系统时,目标实体为对应的目标组织实体或者目标系统实体;处理器执行计算机程序时实现以下步骤:
根据目标组织实体或者目标系统实体,在知识图谱数据库中查询得到与目标组织实体或者目标系统实体对应的其他实体,以及实体间的实体关系。
在一个实施例中,处理器执行计算机程序时实现以下步骤:
将目标实体、与目标实体对应的其他实体,以及实体间的实体关系返回至终端进行展示。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据实体词确定对应的标准实体名称;根据标准实体名称,确定对应的目标实体;采用与搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与目标实体对应的其他实体,以及实体间的实体关系,其中,关系查询方式包括以下方式中的至少一种:查询与目标实体对应的其他实体;查询目标实体间的最短路径;查询与目标实体对应的其他实体,并生成与目标实体对应的概率网络。
在一个实施例中,搜索意图包括查询全局、查询组织、查询系统、查询系统的故障归因、查询系统间影响,以及查询两个系统间关系中的至少一个。
在一个实施例中,当搜索意图为查询系统的故障归因或者查询系统间影响时,目标实体为目标系统实体;计算机程序被处理器执行时实现以下步骤:
根据目标系统实体,在知识图谱数据库中查询与目标系统实体对应的其他系统实体,以及实体间的实体关系;根据实体间的实体关系,获取与目标系统实体对应的概率网络;根据与目标系统实体对应的概率网络,确定目标系统实体的影响概率。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
对每个其他系统实体对应的实体关系进行局部截取,获取每个其他系统实体对应的局部截取结果;根据每个其他系统实体对应的局部截取结果,生成与每个其他系统实体对应的局部概率网络;将每个其他系统实体对应的局部概率网络进行融合,生成与目标系统实体对应的概率网络。
在一个实施例中,当搜索意图为查询两个系统间关系时,目标实体为目标系统实体;计算机程序被处理器执行时实现以下步骤:
根据目标系统实体,在知识图谱数据库中确定目标系统实体之间的最短路径;获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
当判断最短路径小于等于阈值时,则获取与目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
在一个实施例中,当搜索意图为查询组织或者查询系统时,目标实体为对应的目标组织实体或者目标系统实体;计算机程序被处理器执行时实现以下步骤:
根据目标组织实体或者目标系统实体,在知识图谱数据库中查询得到与目标组织实体或者目标系统实体对应的其他实体,以及实体间的实体关系。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
将目标实体、与目标实体对应的其他实体,以及实体间的实体关系返回至终端进行展示。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种关系查询方法,其特征在于,所述方法包括:
对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据所述实体词确定对应的标准实体名称;
根据所述标准实体名称,确定对应的目标实体;
从预先构建的搜索意图和关系查询方式的对应关系中,查询得到与所述搜索意图对应的关系查询方式;
采用与所述搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与所述目标实体对应的其他实体,以及实体间的实体关系,其中,
所述搜索意图和关系查询方式的对应关系包括:当所述搜索意图为查询组织或者查询系统时,所述关系查询方式为查询与所述目标实体对应的其他实体;当所述搜索意图为查询两个系统间关系时,所述关系查询方式为查询所述目标实体间的最短路径;当所述搜索意图为查询系统的故障归因或者查询系统间影响时,所述关系查询方式为查询与所述目标实体对应的其他实体,生成所述其他实体对应的局部概率网络,并根据所述其他实体对应的局部概率网络生成与所述目标实体对应的概率网络。
2.根据权利要求1所述的方法,其特征在于,所述搜索意图还包括查询全局。
3.根据权利要求1所述的方法,其特征在于,当所述搜索意图为查询系统的故障归因或者查询系统间影响时,所述目标实体为目标系统实体;所述采用与所述搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与所述目标实体对应的其他实体,以及实体间的实体关系,包括:
根据所述目标系统实体,在所述知识图谱数据库中查询与所述目标系统实体对应的其他系统实体,以及实体间的实体关系;
根据所述实体间的实体关系,获取与目标系统实体对应的概率网络;
根据所述与目标系统实体对应的概率网络,确定所述目标系统实体的影响概率。
4.根据权利要求3所述的方法,其特征在于,所述根据所述实体间的实体关系,获取与目标系统实体对应的概率网络,包括:
对每个其他系统实体对应的实体关系进行局部截取,获取每个其他系统实体对应的局部截取结果;
根据所述每个其他系统实体对应的局部截取结果,生成与所述每个其他系统实体对应的局部概率网络;
将每个其他系统实体对应的局部概率网络进行融合,生成与所述目标系统实体对应的概率网络。
5.根据权利要求1所述的方法,其特征在于,当所述搜索意图为查询两个系统间关系时,所述目标实体为目标系统实体;所述采用与所述搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与所述目标实体对应的其他实体,以及实体间的实体关系,包括:
根据所述目标系统实体,在所述知识图谱数据库中确定所述目标系统实体之间的最短路径;
获取与所述目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
6.根据权利要求5所述的方法,其特征在于,所述获取与所述目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系,包括:
当判断所述最短路径小于等于阈值时,则获取与所述目标系统实体对应的最短路径中包含的实体,以及实体间的实体关系。
7.根据权利要求1所述的方法,其特征在于,当所述搜索意图为查询组织或者查询系统时,所述目标实体为对应的目标组织实体或者目标系统实体;所述采用与所述搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与所述目标实体对应的其他实体,以及实体间的实体关系,包括:
根据所述目标组织实体或者目标系统实体,在所述知识图谱数据库中查询得到与所述目标组织实体或者目标系统实体对应的其他实体,以及实体间的实体关系。
8.根据权利要求1~7任一项所述的方法,其特征在于,所述在知识图谱数据库中查询得到与所述目标实体对应的其他实体,以及实体间的实体关系之后,还包括:
将所述目标实体、与所述目标实体对应的其他实体,以及实体间的实体关系返回至终端进行展示。
9.一种关系查询装置,其特征在于,所述装置包括:
标准实体名称确定模块,用于对所获取的输入文本进行语义理解,确定搜索意图并提取实体词,并根据所述实体词确定对应的标准实体名称;
目标实体确定模块,用于根据所述标准实体名称,确定对应的目标实体;
从预先构建的搜索意图和关系查询方式的对应关系中,查询得到与所述搜索意图对应的关系查询方式;
关系查询模块,用于采用与所述搜索意图对应的关系查询方式,在知识图谱数据库中查询得到与所述目标实体对应的其他实体,以及实体间的实体关系,其中,
所述搜索意图和关系查询方式的对应关系包括:当所述搜索意图为查询组织或者查询系统时,所述关系查询方式为查询与所述目标实体对应的其他实体;当所述搜索意图为查询两个系统间关系时,所述关系查询方式为查询所述目标实体间的最短路径;当所述搜索意图为查询系统的故障归因或者查询系统间影响时,所述关系查询方式为查询与所述目标实体对应的其他实体,生成所述其他实体对应的局部概率网络,并根据所述其他实体对应的局部概率网络生成与所述目标实体对应的概率网络。
10.一种计算机设备,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8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,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8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010532562.6A CN111428009B (zh) | 2020-06-12 | 2020-06-12 | 关系查询方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010532562.6A CN111428009B (zh) | 2020-06-12 | 2020-06-12 | 关系查询方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111428009A CN111428009A (zh) | 2020-07-17 |
CN111428009B true CN111428009B (zh) | 2020-09-22 |
Family
ID=71551431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010532562.6A Active CN111428009B (zh) | 2020-06-12 | 2020-06-12 | 关系查询方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428009B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112328766B (zh) * | 2020-11-10 | 2022-05-03 | 四川长虹电器股份有限公司 | 一种基于路径搜索的知识图谱问答方法和装置 |
CN112905757A (zh) * | 2021-01-27 | 2021-06-04 | 北京金山数字娱乐科技有限公司 | 文本处理方法及装置 |
CN113486151A (zh) * | 2021-07-13 | 2021-10-08 | 盛景智能科技(嘉兴)有限公司 | 故障维修知识点查询方法、装置、电子设备和存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100407200C (zh) * | 2005-10-26 | 2008-07-30 | 华为技术有限公司 | 一种关联查询的系统及其方法 |
US8732208B2 (en) * | 2010-04-19 | 2014-05-20 | Facebook, Inc. | Structured search queries based on social-graph information |
CN105956197A (zh) * | 2016-06-15 | 2016-09-21 | 杭州量知数据科技有限公司 | 基于社交媒体图表示模型的社会风险事件抽取方法 |
CN108073711B (zh) * | 2017-12-21 | 2022-01-11 | 北京大学深圳研究生院 | 一种基于知识图谱的关系抽取方法和系统 |
CN109800342A (zh) * | 2018-12-13 | 2019-05-24 | 中国科学院信息工程研究所 | 一种基于节点影响力的多关系网络数据量化表示方法 |
CN110363449B (zh) * | 2019-07-25 | 2022-04-15 | 中国工商银行股份有限公司 | 一种风险识别方法、装置及系统 |
CN110516260A (zh) * | 2019-08-30 | 2019-11-29 | 腾讯科技(深圳)有限公司 | 实体推荐方法、装置、存储介质及设备 |
-
2020
- 2020-06-12 CN CN202010532562.6A patent/CN111428009B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111428009A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11640494B1 (en) | Systems and methods for construction, maintenance, and improvement of knowledge representations | |
US11347783B2 (en) | Implementing a software action based on machine interpretation of a language input | |
CN111061859B (zh) | 基于知识图谱的数据处理方法、装置和计算机设备 | |
US20210201182A1 (en) | Method and apparatus for performing structured extraction on text, device and storage medium | |
US10977293B2 (en) | Technology incident management platform | |
CN111428009B (zh) | 关系查询方法、装置、计算机设备和存储介质 | |
US8874616B1 (en) | Method and apparatus for fusion of multi-modal interaction data | |
US20160239773A1 (en) | System and Method for Identifying Relevant Information for an Enterprise | |
CN110659395A (zh) | 关系网络图谱构建方法、装置、计算机设备和存储介质 | |
US11205138B2 (en) | Model quality and related models using provenance data | |
CN112597775A (zh) | 信贷风险预测方法及装置 | |
Botega et al. | Quality-aware human-driven information fusion model | |
CN111295652B (zh) | 将外部数据自动连接到业务分析过程 | |
US11062330B2 (en) | Cognitively identifying a propensity for obtaining prospective entities | |
Gomolka et al. | Knowledge Base component of Intelligent ALMM System based on the ontology approach | |
Li et al. | A rough programming model based on the greatest compatible classes and synthesis effect | |
WO2023103815A1 (en) | Contextual dialogue framework over dynamic tables | |
AU2018313902B2 (en) | System and method for dynamic synthesis and transient clustering of semantic attributions for feedback and adjudication | |
US11868729B2 (en) | Analyzing and explaining a temporal evolution of policies and suggesting next steps | |
CN113342988B (zh) | 一种基于lda跨域的构建服务知识图谱实现服务组合优化的方法及系统 | |
CN115018473A (zh) | 一种业务处理方法、装置、存储介质及设备 | |
US20230334164A1 (en) | Document redacted part displaying system, document redacted part displaying method, and program | |
US20200134528A1 (en) | Systems and methods for coordinating escalation policy activation | |
CN112905765A (zh) | 一种信息处理方法及装置 | |
EP3624065A1 (en) | Classification of knowledge management assets |
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 |