CN111428048A - 一种基于人工智能的跨领域知识图谱构建方法及装置 - Google Patents
一种基于人工智能的跨领域知识图谱构建方法及装置 Download PDFInfo
- Publication number
- CN111428048A CN111428048A CN202010198698.8A CN202010198698A CN111428048A CN 111428048 A CN111428048 A CN 111428048A CN 202010198698 A CN202010198698 A CN 202010198698A CN 111428048 A CN111428048 A CN 111428048A
- Authority
- CN
- China
- Prior art keywords
- data
- knowledge
- entity
- source
- fusion
- 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
- G06F16/30—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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual databases
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)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于人工智能的跨领域知识图谱构建方法及装置，涉及人工智能和跨领域知识图谱构建领域，包括，知识模型，用以描述概念层次体系，是知识库中知识的概念模板；多源异构，支持多源异构的数据源管理，包括管理关系型数据源、分布式Hdfs、Hbase、Hive、mongoDB数据源；知识数据抽取，使得用户对不同数据源类型的数据进行数据抽取形成一系列高质量的事实表达，为上层模式层的构建奠定基础；跨领域本体融合，可根据多种行业领域的数据进行跨领域本体融合，使图谱的数据时刻保持高质量。获得更加准确可靠的融合场景下的态势描述。
Description
技术领域
本发明属于人工智能和知识图谱领域，具体涉及一种基于人工智能的跨领域知识图谱构建方法及装置。
背景技术
随着大数据技术、人工智能、知识图谱技术等的引入和革新，开启了一个大规模模生产、分析和应用数据的时代。数据源中的数据之所以有用，是因为它们建立了现实世界及其主题的部分模型。借助知识图谱来构建行业领域模型已成为大趋势，现有的行业领域知识图谱通常采用手工构建方式，缺乏统一的构建方法，都是针对特定行业领域来构建知识图谱，因此，其描述范围极为有限。而且大多数多源异构数据融合方面并没有关注与数据本身的语义层次所含有的丰富的语义信息，这就会导致数据融合随着融合层次的提高丢失的语义信息就会越多。
发明内容
为了解决这些问题，在基于人工智能的知识图谱构建可以更进一步，实现跨领域知识图谱构建对海量的多源数据进行本体数据融合的目的，本发明提供了一种基于人工智能的跨领域知识图谱构建方法及装置。
本发明采用以下技术方案：
一种基于人工智能的跨领域知识图谱构建方法及装置，其特征在于，包括：知识模型，多源异构，知识数据抽取，跨领域本体融合。其中：
所述知识模型指构建知识图谱的数据模型，通过TOVD构建方法进行本体构建，用以描述概念层次体系和知识库中知识的概念模板。使用户清楚各种本体之间的关系，以及本体包含的标签和属性要素；
所述多源异构是指用于对来自于不同的信息源或者数据管理系统对其所包含的多方面特征进行充分的分析然后才能有效的对其进行融合操作；
所述知识数据抽取是面向开放的链接数据，通过自动化的技术抽取出可用的知识单元，知识单元主要包括实体(概念的外延)、关系以及属性等知识要素，并以此为基础，形成一系列高质量的事实表达，为模型层的构建奠定基础；
所述跨领域本体融合是指将多行业领域构建的本体库抽取进行融合，其中包括30种融合策略（实体链接，属性归一，冲突解决，知识补全，更新审核等内容）。
优选地，所述【知识模型】还包括：根据具体的应用领域和需要解决的问题以及实施过程进行分析，采用手工建模和半自动化建模针对全局本体库从多个行业领域的本体库出发，用以约束知识图谱数据的组织方式。
优选地，所述【多源异构】包括：支持多源异构的数据源管理，目前已支持的数据源类型主要有关系型数据源、分布式文件数据源、分布式hive数据源、分布式hbase数据源、非关系型数据源（mongodb）等，从这些数据源中提取实体关系和事件信息，并对这些信息进行计算生成新的标签和信息，同时需要能处理全量数据、增量数据；
异构性，在数据融合系统中进行融合处理的数据往往是来自于多个相互独立的系统产生的数据；
分布性，多源异构数据的数据源往往是异地分布的，有些数据之间的交互是通过网络传输的，存在网络传输性能和安全性等问题；
自治性：由于有些数据的来源可能是来自一些独立的系统，在这些相互独立的系统具有很强的自治性；
根据对多源异构数据融合的特征进行分析，融合系统中异构数据的主要表现分为语法异构和语义异构两种。语法异构主要是指在领域内相同的对象和事实以不同的方式进行描述。。而语义异构主要出现在不同系统对相同信息做出了不一样的解释。
优选地，所述【知识数据抽取】还包括：结构化数据抽取中提供可视化的Ｓｃｈｅｍａ设计器便于进行数据抽取和Ｓｃｈｅｍａ结构更改。支持单机/分布式存储的文件导入，非结构化抽取支持短文本、咨询、报道、制式公文等格式抽取。半结构化抽取配合爬虫功能实现更强大的数据源抽取图谱功能；
实体的抽取：选择对应的数据源，建立科学完整的命名实体分类体系，基于归纳总结的实体类别和条件随机场模型进行实体边界识别，采用自适应感知机实现对实体的自动分类和统计机器学习的方法，从目标数据集中抽取出与之具有相似上下文特征的实体，从而实现实体的分类和聚类，用于自动补全技术，获取新出现的命名实体；
属性的抽取：是从不同信息源中采集特定实体的属性信息，分为预定义抽取和开放域抽取，如针对某个公众人物，可以从网络公开信息中得到其昵称、生日、国籍、教育背景等信息；
关系的抽取:经过实体抽取，得到的是一系列离散的命名实体，为了得到语义信息，还需要从相关语料中提取出实体之间的关联关系，通过关系将实体联系起来，形成网状的知识结构。
优选地，所述【跨领域本体融合】还包括：支持临时图谱、可信图谱等多层定义，通过实现模式匹配、实例匹配、概率生成模型等算法来将不同行业领域的知识库对本体的描述进行融合，利用这些多源数据之间的约束关系采用了决策级融合方法，并在语义层次将多源异构数据转化为对传感器监测目标的一致性解释和语义描述，从而获得更加准确可靠的融合场景下的态势描述；
实体链接是通过挖掘更多、更有效的证据减少自然语言中的歧义性和多样性带来的噪声问题。采用概率生成模型的方法，通过将候选实体出现在某个页面的概率与特定实体被表示为实体指称项的概率和实体在特定上下文中的概率三者相乘，得到实体与实体指标项之间的相似度评分，根据评分进行实体消歧；
属性归一是通过寻找本体的属性和概念之间的对应关系，利用词典及本体的结构等信息进行模式匹配，然后将结果进行加权平均的方法整合起来，进行一致性检查，去除那些导致不一致关系的冲突问题，避免造成不必要的冗余。
采用上述技术方案后，本发明与背景技术相比，具有如下优点：
一．可以通过对多行业领域多源异构数据构建知识库库进行本体融合，组成全局本体库从而构建跨领域知识图谱；
二．使用本体的丰富语义信息作为传感器数据的描述形式，最终实现多源异构数据对相应事件的一致性描述；
三．从多种数据源中提取实体关系和事件信息，并能对这些信息进行计算生成新的标签和信息，同时也能处理全量数据、增量数据；
四．借助跨领域的知识图谱来构建行业领域模型，可以实现对海量的多源数据进行数据融合，通过图搜索、图信息挖掘来提升工作中的效率和改善用户体验。
图1为本发明的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
实施例
参考图1所示，本发明公开了一种基于人工智能的跨领域知识图谱构建方法及装置，包括：知识模型，多源异构，数据抽取，跨领域本体融合。实施方式如下所示：
步骤1.首先确定知识图谱的数据模型，我们图谱的数据模型可以通过手工建模和半自动建模来构建数据模型，通过ＴＯＶＤ法构建本体，确定设计本体的动机，然后进行需求分析、概念的形式化表示和需求的形式化表示；
步骤2.添加数据源管理，支持管理多种数据源（关系型数据源、Hbase、mongoDB等数据源），这些数据反映了信息源或者检测目标的多方面特征，为了保证统一的数据格式以及一致的约束关系，对其具有的特征进行充分分析才能有效的进行融合操作；
步骤3.知识数据抽取采用数据向导，使用户对不同的数据源类型的数据进行数据抽取和配置，进行实体、关系和属性的抽取，支持文件的预览、字段的映射、主键列的选择（主键支持单一主键，也支持多主键选择）、以及自定义标签和标签列的选择；
步骤4.通过本体融合将多个行业领域的数据进行融合，提供合并主键，相似合并主键值的筛选，以及不同合并主键，相同主键值的筛选组合，通过筛选出可能需要融合的实体列表，勾选对应的实体，进行融合操作，质量评估与实体连接一起进行的，对知识的可信度进行量化，保留置信度较高的，舍弃置信度较低的，确保知识的质量，可进行实体链接、属性归一等内容。形成全面、准确、完整的实体描述；
以上所述，是对本发明提供一种基于人工智能的跨领域知识图谱的构建方法及装置加以描述，旨在构建语义一致、结构一致的跨领域本体融合知识图谱；
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种基于人工智能的跨领域知识图谱构建方法及装置，其特征在于，包括：知识模型，多源异构，知识数据抽取，跨领域本体融合；
所述知识模型指构建知识图谱的数据模型，通过TOVD构建方法进行本体构建，用以描述概念层次体系和知识库中知识的概念模板；
使用户清楚各种本体之间的关系，以及本体包含的标签和属性要素；
所述多源异构是指用于对来自于不同的信息源或者数据管理系统对其所包含的多方面特征进行充分的分析然后才能有效的对其进行融合操作；
所述知识数据抽取是面向开放的链接数据，通过自动化的技术抽取出可用的知识单元，知识单元主要包括实体(概念的外延)、关系以及属性等知识要素，并以此为基础，形成一系列高质量的事实表达，为模型层的构建奠定基础；
所述跨领域本体融合是指将多行业领域构建的本体库抽取进行融合，其中包括30+融合策略（实体链接，属性归一，冲突解决，知识补全，更新审核等内容）。
2.如权利要求1所述的一种基于人工智能的跨领域知识图谱构建方法及配置，其特征在于：
所述知识模型还包括：根据具体的应用领域和需要解决的问题以及实施过程进行分析，采用手工建模和半自动化建模针对全局本体库从多个行业领域的本体库出发，用以约束知识图谱数据的组织方式。
3.如权利要求1所述的一种基于人工智能的跨领域知识图谱构建方法及配置，其特征在于：
所述多源异构包括：支持多源异构的数据源管理，目前已支持的数据源类型主要有关系型数据源、分布式文件数据源、分布式hive数据源、分布式hbase数据源、非关系型数据源（mongodb）等，从这些数据源中提取实体关系和事件信息，并对这些信息进行计算生成新的标签和信息，同时需要能处理全量数据、增量数据；
异构性，在数据融合系统中进行融合处理的数据往往是来自于多个相互独立的系统产生的数据；
分布性，多源异构数据的数据源往往是异地分布的，有些数据之间的交互是通过网络传输的，存在网络传输性能和安全性等问题；
自治性：由于有些数据的来源可能是来自一些独立的系统，在这些相互独立的系统具有很强的自治性；
根据对多源异构数据融合的特征进行分析，融合系统中异构数据的主要表现分为语法异构和语义异构两种；
语法异构主要是指在领域内相同的对象和事实以不同的方式进行描述，
而语义异构主要出现在不同系统对相同信息做出了不一样的解释。
4.如权利要求1所述的一种基于人工智能的跨领域知识图谱构建方法及配置，其特征在于：
所述知识数据抽取还包括：结构化数据抽取中提供可视化的Ｓｃｈｅｍａ设计器便于进行数据抽取和Ｓｃｈｅｍａ结构更改；
支持单机/分布式存储的文件导入，非结构化抽取支持短文本、咨询、报道、制式公文等格式抽取；
半结构化抽取配合爬虫功能实现更强大的数据源抽取图谱功能；
实体的抽取：选择对应的数据源，建立科学完整的命名实体分类体系，基于归纳总结的实体类别和条件随机场模型进行实体边界识别，采用自适应感知机实现对实体的自动分类和统计机器学习的方法，从目标数据集中抽取出与之具有相似上下文特征的实体，从而实现实体的分类和聚类，用于自动补全技术，获取新出现的命名实体；
属性的抽取：是从不同信息源中采集特定实体的属性信息，分为预定义抽取和开放域抽取，如针对某个公众人物，可以从网络公开信息中得到其昵称、生日、国籍、教育背景等信息；
关系的抽取:经过实体抽取，得到的是一系列离散的命名实体，为了得到语义信息，还需要从相关语料中提取出实体之间的关联关系，通过关系将实体联系起来，形成网状的知识结构。
5.如权利要求1所述的一种基于人工智能的跨领域知识图谱构建方法及配置，其特征在于：
所述跨领域本体融合还包括：支持临时图谱、可信图谱等多层定义，通过实现模式匹配、实例匹配、概率生成模型等算法来将不同行业领域的知识库对本体的描述进行融合，利用这些多源数据之间的约束关系采用了决策级融合方法，并在语义层次将多源异构数据转化为对传感器监测目标的一致性解释和语义描述，从而获得更加准确可靠的融合场景下的态势描述；
实体链接是通过挖掘更多、更有效的证据减少自然语言中的歧义性和多样性带来的噪声问题；
采用概率生成模型的方法，通过将候选实体出现在某个页面的概率与特定实体被表示为实体指称项的概率和实体在特定上下文中的概率三者相乘，得到实体与实体指标项之间的相似度评分，根据评分进行实体消歧；
属性归一是通过寻找本体的属性和概念之间的对应关系，利用词典及本体的结构等信息进行模式匹配，然后将结果进行加权平均的方法整合起来；
进行一致性检查，去除那些导致不一致关系的冲突问题，避免造成不必要的冗余。
6.如权利要求1所述的一种基于人工智能的跨领域知识图谱构建方法及配置，其特征在于：
一个基本的基于人工智能的跨领域知识图谱的构建包含如下步骤：
步骤1.首先确定知识图谱的数据模型，我们图谱的数据模型可以通过手工建模和半自动建模来构建数据模型，通过ＴＯＶＤ法构建本体，确定设计本体的动机，然后进行需求分析、概念的形式化表示和需求的形式化表示；
步骤2.添加数据源管理，支持管理多种数据源（关系型数据源、Hbase、mongoDB等数据源），这些数据反映了信息源或者检测目标的多方面特征，为了保证统一的数据格式以及一致的约束关系，对其具有的特征进行充分分析才能有效的进行融合操作；
步骤3.知识数据抽取采用数据向导，使用户对不同的数据源类型的数据进行数据抽取和配置，进行实体、关系和属性的抽取，支持文件的预览、字段的映射、主键列的选择（主键支持单一主键，也支持多主键选择）、以及自定义标签和标签列的选择；
步骤4.通过本体融合将多个行业领域的数据进行融合，提供合并主键，相似合并主键值的筛选，以及不同合并主键，相同主键值的筛选组合，通过筛选出可能需要融合的实体列表，勾选对应的实体，进行融合操作，质量评估与实体连接一起进行的，对知识的可信度进行量化，保留置信度较高的，舍弃置信度较低的，确保知识的质量，可进行实体链接、属性归一等内容；
形成全面、准确、完整的实体描述。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010198698.8A CN111428048A (zh) | 2020-03-20 | 2020-03-20 | 一种基于人工智能的跨领域知识图谱构建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010198698.8A CN111428048A (zh) | 2020-03-20 | 2020-03-20 | 一种基于人工智能的跨领域知识图谱构建方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111428048A true CN111428048A (zh) | 2020-07-17 |
Family
ID=71548213
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010198698.8A Pending CN111428048A (zh) | 2020-03-20 | 2020-03-20 | 一种基于人工智能的跨领域知识图谱构建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111428048A (zh) |
Cited By (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111813961A (zh) * | 2020-08-25 | 2020-10-23 | 腾讯科技（深圳）有限公司 | 基于人工智能的数据处理方法、装置及电子设备 |
| CN111863268A (zh) * | 2020-07-19 | 2020-10-30 | 杭州美腾科技有限公司 | 一种适用于医学报告内容提取与结构化方法 |
| CN112036481A (zh) * | 2020-08-31 | 2020-12-04 | 国家电网有限公司 | 一种提升融合效果的反向验证方法 |
| CN112200317A (zh) * | 2020-09-28 | 2021-01-08 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 多模态知识图谱构建方法 |
| CN112328855A (zh) * | 2020-10-28 | 2021-02-05 | 博康智能信息技术有限公司 | 多源军事装备知识关联组织方法 |
| CN112381462A (zh) * | 2020-12-07 | 2021-02-19 | 军事科学院系统工程研究院网络信息研究所 | 一种类人体神经系统的智能网络系统的数据处理方法 |
| CN112417456A (zh) * | 2020-11-16 | 2021-02-26 | 中国电子科技集团公司第三十研究所 | 一种基于大数据的结构化敏感数据还原检测的方法 |
| CN112434169A (zh) * | 2020-11-13 | 2021-03-02 | 北京创业光荣信息科技有限责任公司 | 一种知识图谱的构建方法及其系统和计算机设备 |
| CN112559704A (zh) * | 2020-12-08 | 2021-03-26 | 北京航天云路有限公司 | 一种用户自定义配置的知识图谱生成工具 |
| CN112598563A (zh) * | 2020-12-29 | 2021-04-02 | 中国科学技术大学 | 一种基于知识图谱的智慧城市数据构建方法 |
| CN112667755A (zh) * | 2021-01-05 | 2021-04-16 | 浪潮软件科技有限公司 | 基于Kudu的数据分析装置和方法 |
| CN112883201A (zh) * | 2021-03-23 | 2021-06-01 | 西安电子科技大学昆山创新研究院 | 一种基于智慧社区大数据的知识图谱构建方法 |
| CN112949745A (zh) * | 2021-03-23 | 2021-06-11 | 中国检验检疫科学研究院 | 多源数据的融合处理方法、装置、电子设备及存储介质 |
| CN113032862A (zh) * | 2020-07-27 | 2021-06-25 | 深圳市前海数字城市科技有限公司 | 一种建筑信息模型检查方法、检查装置及终端设备 |
| CN113157947A (zh) * | 2021-05-20 | 2021-07-23 | 中国工商银行股份有限公司 | 知识图谱的构建方法、工具、装置和服务器 |
| CN113254668A (zh) * | 2021-06-11 | 2021-08-13 | 云南大学 | 一种基于场景纬度的知识图谱构建方法及系统 |
| CN113255364A (zh) * | 2021-05-28 | 2021-08-13 | 华斌 | 基于知识融合的政务信息化项目多专家意见机器整合方法 |
| CN113569931A (zh) * | 2021-07-16 | 2021-10-29 | 中国铁道科学研究院集团有限公司 | 动态数据融合方法、装置、设备和介质 |
| CN114153992A (zh) * | 2021-12-28 | 2022-03-08 | 安徽富驰信息技术有限公司 | 一种领域知识图谱构建设备及其方法 |
| CN114282006A (zh) * | 2021-12-08 | 2022-04-05 | 重庆邮电大学 | 一种引入语义约束条件的课程知识图谱联合嵌入方法 |
| CN114399006A (zh) * | 2022-03-24 | 2022-04-26 | 山东省计算中心（国家超级计算济南中心） | 基于超算的多源异构图数据融合方法及系统 |
| WO2022088526A1 (zh) * | 2020-10-30 | 2022-05-05 | 南京师范大学 | 地理知识获取方法 |
| CN114547168A (zh) * | 2022-01-27 | 2022-05-27 | 大连理工大学 | 基于虚拟知识图谱的精细化工安全生产数据融合与重构方法 |
| CN114661810A (zh) * | 2022-05-24 | 2022-06-24 | 国网浙江省电力有限公司杭州供电公司 | 轻量级多源异构数据融合方法及系统 |
| CN114844786A (zh) * | 2022-03-31 | 2022-08-02 | 广州大学 | 一种基于异构信息图谱的物联网资源信誉度评估方法 |
| WO2022246691A1 (zh) * | 2021-05-26 | 2022-12-01 | 深圳晶泰科技有限公司 | 一种小分子药物晶型知识图谱的构建方法及系统 |
| WO2023279684A1 (zh) * | 2021-07-06 | 2023-01-12 | 中电科大数据研究院有限公司 | 一种基于命名规则和缓存机制的知识图谱构建的操作方法 |
| WO2023033904A1 (en) * | 2021-09-03 | 2023-03-09 | Mastercard International Incorporated | Systems and methods for use in data coupling among data structures |
| WO2023040499A1 (zh) * | 2021-09-16 | 2023-03-23 | 支付宝(杭州)信息技术有限公司 | 知识图谱数据融合 |
| CN116204660A (zh) * | 2023-03-28 | 2023-06-02 | 北京航空航天大学 | 一种多源异构数据驱动的领域知识图谱构建系统方法 |
| WO2023123182A1 (zh) * | 2021-12-30 | 2023-07-06 | 深圳晶泰科技有限公司 | 多源异构数据的处理方法、装置、计算机设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180218071A1 (en) * | 2017-02-02 | 2018-08-02 | GM Global Technology Operations LLC | Methodology for generating a consistent semantic model by filtering and fusing multi-source ontologies |
| CN110825887A (zh) * | 2019-11-14 | 2020-02-21 | 北京京航计算通讯研究所 | 知识图谱融合方法 |
-
2020
- 2020-03-20 CN CN202010198698.8A patent/CN111428048A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180218071A1 (en) * | 2017-02-02 | 2018-08-02 | GM Global Technology Operations LLC | Methodology for generating a consistent semantic model by filtering and fusing multi-source ontologies |
| CN110825887A (zh) * | 2019-11-14 | 2020-02-21 | 北京京航计算通讯研究所 | 知识图谱融合方法 |
Non-Patent Citations (4)
| Title |
|---|
| 刘峤等: "知识图谱构建技术综述", 《计算机研究与发展》 * |
| 吴运兵等: "基于多数据源的知识图谱构建方法研究", 《福州大学学报(自然科学版)》 * |
| 漆桂林等: "知识图谱研究进展", 《情报工程》 * |
| 王顺: "基于本体的多源异构数据融合方法的研究与应用", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (45)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111863268A (zh) * | 2020-07-19 | 2020-10-30 | 杭州美腾科技有限公司 | 一种适用于医学报告内容提取与结构化方法 |
| CN111863268B (zh) * | 2020-07-19 | 2024-01-30 | 杭州美腾科技有限公司 | 一种适用于医学报告内容提取与结构化方法 |
| CN113032862B (zh) * | 2020-07-27 | 2022-04-05 | 深圳市前海数字城市科技有限公司 | 一种建筑信息模型检查方法、检查装置及终端设备 |
| CN113032862A (zh) * | 2020-07-27 | 2021-06-25 | 深圳市前海数字城市科技有限公司 | 一种建筑信息模型检查方法、检查装置及终端设备 |
| CN111813961A (zh) * | 2020-08-25 | 2020-10-23 | 腾讯科技（深圳）有限公司 | 基于人工智能的数据处理方法、装置及电子设备 |
| CN112036481A (zh) * | 2020-08-31 | 2020-12-04 | 国家电网有限公司 | 一种提升融合效果的反向验证方法 |
| CN112036481B (zh) * | 2020-08-31 | 2024-04-05 | 国家电网有限公司 | 一种提升融合效果的反向验证方法 |
| CN112200317A (zh) * | 2020-09-28 | 2021-01-08 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 多模态知识图谱构建方法 |
| CN112200317B (zh) * | 2020-09-28 | 2024-05-07 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 多模态知识图谱构建方法 |
| CN112328855A (zh) * | 2020-10-28 | 2021-02-05 | 博康智能信息技术有限公司 | 多源军事装备知识关联组织方法 |
| WO2022088526A1 (zh) * | 2020-10-30 | 2022-05-05 | 南京师范大学 | 地理知识获取方法 |
| CN112434169A (zh) * | 2020-11-13 | 2021-03-02 | 北京创业光荣信息科技有限责任公司 | 一种知识图谱的构建方法及其系统和计算机设备 |
| CN112434169B (zh) * | 2020-11-13 | 2024-03-15 | 海创汇科技创业发展股份有限公司 | 一种知识图谱的构建方法及其系统和计算机设备 |
| CN112417456A (zh) * | 2020-11-16 | 2021-02-26 | 中国电子科技集团公司第三十研究所 | 一种基于大数据的结构化敏感数据还原检测的方法 |
| CN112381462A (zh) * | 2020-12-07 | 2021-02-19 | 军事科学院系统工程研究院网络信息研究所 | 一种类人体神经系统的智能网络系统的数据处理方法 |
| CN112559704A (zh) * | 2020-12-08 | 2021-03-26 | 北京航天云路有限公司 | 一种用户自定义配置的知识图谱生成工具 |
| CN112598563A (zh) * | 2020-12-29 | 2021-04-02 | 中国科学技术大学 | 一种基于知识图谱的智慧城市数据构建方法 |
| CN112598563B (zh) * | 2020-12-29 | 2023-11-17 | 中国科学技术大学 | 一种基于知识图谱的智慧城市数据构建方法 |
| CN112667755A (zh) * | 2021-01-05 | 2021-04-16 | 浪潮软件科技有限公司 | 基于Kudu的数据分析装置和方法 |
| CN112883201A (zh) * | 2021-03-23 | 2021-06-01 | 西安电子科技大学昆山创新研究院 | 一种基于智慧社区大数据的知识图谱构建方法 |
| CN112949745B (zh) * | 2021-03-23 | 2024-04-19 | 中国检验检疫科学研究院 | 多源数据的融合处理方法、装置、电子设备及存储介质 |
| CN112883201B (zh) * | 2021-03-23 | 2023-11-21 | 西安电子科技大学昆山创新研究院 | 一种基于智慧社区大数据的知识图谱构建方法 |
| CN112949745A (zh) * | 2021-03-23 | 2021-06-11 | 中国检验检疫科学研究院 | 多源数据的融合处理方法、装置、电子设备及存储介质 |
| CN113157947A (zh) * | 2021-05-20 | 2021-07-23 | 中国工商银行股份有限公司 | 知识图谱的构建方法、工具、装置和服务器 |
| WO2022246691A1 (zh) * | 2021-05-26 | 2022-12-01 | 深圳晶泰科技有限公司 | 一种小分子药物晶型知识图谱的构建方法及系统 |
| CN113255364A (zh) * | 2021-05-28 | 2021-08-13 | 华斌 | 基于知识融合的政务信息化项目多专家意见机器整合方法 |
| CN113254668A (zh) * | 2021-06-11 | 2021-08-13 | 云南大学 | 一种基于场景纬度的知识图谱构建方法及系统 |
| WO2023279684A1 (zh) * | 2021-07-06 | 2023-01-12 | 中电科大数据研究院有限公司 | 一种基于命名规则和缓存机制的知识图谱构建的操作方法 |
| CN113569931B (zh) * | 2021-07-16 | 2024-04-05 | 中国铁道科学研究院集团有限公司 | 动态数据融合方法、装置、设备和介质 |
| CN113569931A (zh) * | 2021-07-16 | 2021-10-29 | 中国铁道科学研究院集团有限公司 | 动态数据融合方法、装置、设备和介质 |
| US11966492B2 (en) | 2021-09-03 | 2024-04-23 | Mastercard International Incorporated | Systems and methods for use in data coupling among data structures |
| WO2023033904A1 (en) * | 2021-09-03 | 2023-03-09 | Mastercard International Incorporated | Systems and methods for use in data coupling among data structures |
| WO2023040499A1 (zh) * | 2021-09-16 | 2023-03-23 | 支付宝(杭州)信息技术有限公司 | 知识图谱数据融合 |
| CN114282006A (zh) * | 2021-12-08 | 2022-04-05 | 重庆邮电大学 | 一种引入语义约束条件的课程知识图谱联合嵌入方法 |
| CN114153992A (zh) * | 2021-12-28 | 2022-03-08 | 安徽富驰信息技术有限公司 | 一种领域知识图谱构建设备及其方法 |
| WO2023123182A1 (zh) * | 2021-12-30 | 2023-07-06 | 深圳晶泰科技有限公司 | 多源异构数据的处理方法、装置、计算机设备及存储介质 |
| CN114547168A (zh) * | 2022-01-27 | 2022-05-27 | 大连理工大学 | 基于虚拟知识图谱的精细化工安全生产数据融合与重构方法 |
| CN114399006A (zh) * | 2022-03-24 | 2022-04-26 | 山东省计算中心（国家超级计算济南中心） | 基于超算的多源异构图数据融合方法及系统 |
| CN114399006B (zh) * | 2022-03-24 | 2022-07-12 | 山东省计算中心（国家超级计算济南中心） | 基于超算的多源异构图数据融合方法及系统 |
| CN114844786A (zh) * | 2022-03-31 | 2022-08-02 | 广州大学 | 一种基于异构信息图谱的物联网资源信誉度评估方法 |
| CN114844786B (zh) * | 2022-03-31 | 2023-11-14 | 广州大学 | 一种基于异构信息图谱的物联网资源信誉度评估方法 |
| CN114661810B (zh) * | 2022-05-24 | 2022-08-16 | 国网浙江省电力有限公司杭州供电公司 | 轻量级多源异构数据融合方法及系统 |
| CN114661810A (zh) * | 2022-05-24 | 2022-06-24 | 国网浙江省电力有限公司杭州供电公司 | 轻量级多源异构数据融合方法及系统 |
| CN116204660A (zh) * | 2023-03-28 | 2023-06-02 | 北京航空航天大学 | 一种多源异构数据驱动的领域知识图谱构建系统方法 |
| CN116204660B (zh) * | 2023-03-28 | 2024-06-11 | 北京航空航天大学 | 一种多源异构数据驱动的领域知识图谱构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111428048A (zh) | 一种基于人工智能的跨领域知识图谱构建方法及装置 | |
| CN110489395B (zh) | 自动获取多源异构数据知识的方法 | |
| CN111428053B (zh) | 一种面向税务领域知识图谱的构建方法 | |
| CN112199511A (zh) | 跨语言多来源垂直领域知识图谱构建方法 | |
| CN109271529B (zh) | 西里尔蒙古文和传统蒙古文双文种知识图谱构建方法 | |
| CN110990590A (zh) | 一种基于强化学习和迁移学习的动态金融知识图谱构建方法 | |
| CN111967761B (zh) | 一种基于知识图谱的监控预警方法、装置及电子设备 | |
| CN102682122B (zh) | 基于本体构建材料科学领域语义数据模型的方法 | |
| CN113806563B (zh) | 面向多源异构建筑人文史料的建筑师知识图谱构建方法 | |
| CN110888943B (zh) | 基于微模板的法院裁判文书辅助生成的方法和系统 | |
| CN101695082B (zh) | 基于关系挖掘的服务组织方法及装置 | |
| CN111597347A (zh) | 知识嵌入的缺陷报告重构方法及装置 | |
| CN103593335A (zh) | 基于本体一致性验证推理的中文语义校对方法 | |
| LU503512B1 (en) | Operating method for construction of knowledge graph based on naming rule and caching mechanism | |
| CN117744784B (zh) | 一种医学科研知识图谱构建与智能检索方法及系统 | |
| CN114443855A (zh) | 一种基于图表示学习的知识图谱跨语言对齐方法 | |
| Sagi et al. | Artificial intelligence for ocean science data integration: current state, gaps, and way forward | |
| CN117973519A (zh) | 一种基于知识图谱的数据处理方法 | |
| Huang et al. | Design and implementation of oil and gas information on intelligent search engine based on knowledge graph | |
| Wang et al. | AceMap: Knowledge Discovery through Academic Graph | |
| CN116523041A (zh) | 装备领域知识图谱构建方法、检索方法、系统及电子设备 | |
| CN115408532A (zh) | 一种面向开源情报的武器装备知识图谱构建方法、系统、装置及存储介质 | |
| CN115270776A (zh) | 一种领域知识库中的概念自动获取方法、系统、装置及介质 | |
| CN114860852A (zh) | 一种面向军事领域的知识图谱构建方法 | |
| Faiz et al. | OD2WD: From Open Data to Wikidata through Patterns. |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200717 |