CN111459999B - 身份信息处理方法、装置、电子设备和存储介质 - Google Patents

身份信息处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111459999B
CN111459999B CN202010227289.6A CN202010227289A CN111459999B CN 111459999 B CN111459999 B CN 111459999B CN 202010227289 A CN202010227289 A CN 202010227289A CN 111459999 B CN111459999 B CN 111459999B
Authority
CN
China
Prior art keywords
identity
relationship
space
information
node
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
Application number
CN202010227289.6A
Other languages
English (en)
Other versions
CN111459999A (zh
Inventor
杨双全
张阳
刘畅
谢奕
张雪婷
季昆鹏
郑灿祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010227289.6A priority Critical patent/CN111459999B/zh
Publication of CN111459999A publication Critical patent/CN111459999A/zh
Priority to EP21163620.4A priority patent/EP3828732A3/en
Priority to KR1020210038309A priority patent/KR20210040327A/ko
Priority to US17/211,219 priority patent/US20210209162A1/en
Priority to JP2021049664A priority patent/JP2021103561A/ja
Application granted granted Critical
Publication of CN111459999B publication Critical patent/CN111459999B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • 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
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06F16/904—Browsing; Visualisation therefor
    • 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
    • G06F16/906—Clustering; Classification
    • 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
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开一种身份信息处理方法、装置、电子设备和存储介质，涉及计算机技术领域的数据处理技术领域，具体实现方案为：通过从多个信息源获取身份和实体对象之间的关联关系；根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱；根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。由此，通过虚拟节点关联各信息源对应的关系图谱，能够使得不同关系图谱中涉及的身份关联起来，不仅提高了身份融合的准确度，而且可以应用于任意场景，从而避免了现有的身份融合方法使用范围受限的问题。

Description

身份信息处理方法、装置、电子设备和存储介质
技术领域
本申请涉及计算机技术领域的数据处理技术领域，尤其涉及一种身份信息处理方法、装置、电子设备和存储介质。
背景技术
伴随科技的飞速发展，交通和通联方式的越发发达，人之间的联系愈发紧密，互联网，物联网，车联网等深入到人们生活的方方面面。从线上到线下，从计算机设备到手机，从家用智能设备到汽车等各种功能设备，用户在这些设备中产生了大量的行为。此外，这些设备又和其他各种媒介大量发生关系，因此，如何准确的识别和挖掘两个设备，多个设备，多种跨媒体身份之间的相互关系变得越来越复杂，其中，跨媒体身份包括虚拟身份(如，网络连接信息、虚拟账号信息等)和真实身份(如，身份证号信息、车辆信息、人脸信息等)。
现有技术中，跨媒体身份融合方法主要有直接使用静态关系桥接的方式和基于规则或策略挖掘方式。其中，直接使用静态关系桥接，是指利用唯一的身份识别号码(identity，简称ID)做桥接，将用户行为关联起来；基于规则或策略方式挖掘，主要是基于用户行为，寻找相关用户的不同的身份维度特征。但是现有的跨媒体身份融合方法存在使用场景受限和身份融合准确率低的缺点。
发明内容
本申请提供了一种用于身份信息处理方法、装置、设备和存储介质。
本申请第一方面实施例提供了一种身份信息处理方法，包括：
从多个信息源获取身份和实体对象之间的关联关系；
根据从同一信息源获取到的所述关联关系，建立相应信息源的关系图谱；
根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；
根据所述虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。
本申请第二方面实施例提供了一种身份信息处理装置，包括：
获取模块，用于从多个信息源获取身份和实体对象之间的关联关系；
建立模块，用于根据从同一信息源获取到的所述关联关系，建立相应信息源的关系图谱；
生成模块，用于根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；
确定模块，用于根据所述虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。
本申请第三方面实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面实施例的身份信息处理方法。
本申请第四方面实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行第一方面实施例的身份信息处理方法。
上述申请中的一个实施例具有如下优点或有益效果：通过从多个信息源获取身份和实体对象之间的关联关系；根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱；根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。由此，通过虚拟节点关联各信息源对应的关系图谱，能够使得不同关系图谱中涉及的身份关联起来，不仅提高了身份融合的准确度，而且可以应用于任意场景，从而避免了现有的身份融合方法使用范围受限的问题。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例一提供的身份信息处理方法的流程示意图；
图2为本申请实施例提供的一种跨媒体身份信息示例图；
图3为本申请实施例提供的一种关系图谱示例图；
图4为本申请实施例二提供的身份信息处理方法的流程示意图；
图5为本申请实施例提供的一种关系图谱映射到设定时空坐标系的示例图；
图6为本申请实施例提供的一种虚拟节点生成的示例图；
图7为本申请实施例三提供的身份信息处理方法的流程示意图；
图8为本申请实施例提供的一种连通图生成示例图；
图9为本申请实施例提供的一种连通图的示例图；
图10为本申请实施例提供的一种广度优先遍历结果示例图；
图11为本申请实施例四提供的身份信息处理方法的流程示意图；
图12为本申请实施例提供的一种关系图谱映射到设定时空坐标系的示例图；
图13为本申请实施例提供的一种合并不同关系图谱的示例图；
图14为本申请实施例五提供的身份信息处理方法的流程示意图；
图15为本申请实施例六提供的身份信息处理装置的结构示意图
图16是用来实现本申请实施例的身份信息处理的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
相关技术中，直接使用静态关系桥接方法进行跨媒体身份融合时要求所有ID都能有直接或者间接关联关系，且关联关系是一个连通图，因此，存在使用场景受限的问题。
在使用规则和策略挖掘方式进行跨媒体身份融合时，规则方式类似于静态关系桥接方法，存在局限性较大的缺点；策略方式需要有大量的标注的样本，供机器学习或者特征挖掘，然而，在真实业务场景中，不存在这样大量的真实样本，所以机器学习的准确率较低。
针对上述现有身份融合技术存在的技术问题，本申请提出了一种身份信息处理方法，通过从多个信息源获取身份和实体对象之间的关联关系；根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱；根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。
下面参考附图描述本申请实施例的身份信息处理方法、装置、电子设备和存储介质。
图1为本申请实施例一提供的身份信息处理方法的流程示意图。
本申请实施例以该身份信息处理方法被配置于身份信息处理装置中来举例说明，该问答处理装置可以应用于任一电子设备中，以使该电子设备可以执行身份信息处理功能。
其中，电子设备可以为个人电脑(Personal Computer，简称PC)、云端设备、移动设备等，移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作系统的硬件设备。
如图1所示，该身份信息处理方法，可以包括以下步骤：
步骤S101，从多个信息源获取身份和实体对象之间的关联关系。
其中，信息源，通过某种物质传出去的信息，即是信息的发源地/来源地。例如，信息源可以为金融信息平台、交通信息平台、视频信息平台，等等。可以理解为，每一个信息源类似于存储该类型信息的数据库，如，交通信息平台可以作为一个信息源，存储有交通道路上摄像头采集的所有信息。
其中，实体对象，是指获取身份信息的实体，例如，基站、摄像头等。
本申请实施例中，从多个信息源中获取的身份包括虚拟身份(如，网络连接信息、虚拟账号信息等)和真实身份(如，身份证号信息、车辆信息、人脸信息等)。
作为一种示例，如图2所示，该身份信息可以包括虚拟身份和真实身份，其中，虚拟身份，可以包括网络连接信息、特有设备信息、虚拟ID信息、电瓶车射频识别信息(RadioFrequenceIdentification，简称RFID)、等等。真实身份，可以包括实名登记信息、人脸、声纹、指纹等等。
需要说明的是，图2中的跨媒体身份信息仅作为一种示例性描述，当然，身份信息还可以包括其他信息，在此不一一介绍。
需要解释的是，在真实的社会场景中，从多个信息源获取到的数据可能是多种多样的，可能包括结构化数据，非结构化数据，半结构化数据，还有可能包括文本，视频，音频，图像等各种多模态数据。为了构建统一并可泛化的大规模动态关系挖掘分析系统，可以对从多个信息源获取到的数据进行抽象处理，以确定身份和实体对象之间的关联关系。
作为一种可能的实现方式，可以将多个信息源中的身份和实体对象之间的关联关系，以点和边的方式做关系构建。其中，点表示用户的一种身份标识，或者，代表该用户关联的其他信息节点。边表示该用户与其他节点直接的关系。
作为一种示例，手机被某一个基站记录到对应的信息，可以记录为一组点边关系(V1：手机IMEI，V2：基站；E：手机连接基站[时间，频次])；其中，IMEI(InternationalMobile Equipment Identity)是国际移动设备识别码的缩写。或者，当某个账号给另一个账号转账时，也可以记录为一组点边关系(V1：账号A，V2：账号B；E：转账的属性相关信息[时间，转账金额，转账的登录信息])。
本申请实施例中，从多个信息源获取身份和实体对象之间的关联关系，包括一对一关系、一对多关系和多对多关系。例如，一个用户只有一个身份证号码，一个用户可以有多个手机号码，一个人即可以是多个人的父亲，也可以是父母的儿子，等等。
本申请实施例中，从多个信息源获取身份和实体对象之间的关联关系是多种多样的，不同信息源获取到的身份和实体对象之间的关联关系可能并不属于同一类型的关联关系，例如，身份和实体对象之间的关联关系，可以包括社交关联关系、账户关联关系、行为关联关系、虚拟社交关联关系、身份关联关系，等等。
需要解释的是，本申请中可以从多个信息源获取身份和实体对象之间的关联关系，例如，在公安业务平台获取到的数据，可以对犯罪嫌疑人的信息进行还原；从交通信息平台获取到数据后，可以对乘客轨迹进行还原，等等。因此，本申请提出的身份信息处理方法的应用场景不受限制，可以应用于任何业务场景。
步骤S102，根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱。
其中，关系图谱，是指描述信息源中所有身份关系的图。
本申请实施例中，从多个信息源获取身份和实体对象之间的关联关系后，由于不同信息源获取到的身份和实体对象之间的关联关系时多种多样的，例如，可能为人与人之间的关联关系、物的关联关系、人和物的关联关系。并且，各信息源获取到的身份和实体对象之间也可能并不属于同一类型的关联关系，因此，可以从同一信息源获取到的关联关系，建立相应信息源的关系图谱。
本申请实施例中，从同一信息源获取到的关联关系后，针对同一信息源的所有的关联关系，作为同一个图层，建立相应信息源的关系图谱。
举例来说，针对用户留下的全息身份相关信息是多种类型的，可以包括手机被基站记录到的信息(运营商相关信息)，同时还包括手机上应用程序(Application，简称APP)留下的互联网信息(手机APP上的定位信息等)，同时，还可能存在手机被卡口，电围记录和扫描到的手机IMSI，信息等；除此之外，可能还会包括摄像头拍到的人脸信息；用户在抽检的卡口被刷到的身份证信息；此外，还有可能包括路口摄像头记录的车辆信息，卡口扫描到的电瓶车RFID码等信息。
这种情况下，可以根据同一信息源中手机相关的关联关系，构建一个关系图谱；而根据生物特征相关的关联关系，构建另一个关系图谱；车辆相关的关联关系，单独构建一个关系图谱；根据账号相关的关联关系，构建一个关系图谱。这样做的目的是为了充分将不同关系图谱内的所有关联关系做充分的融合，避免后续因为信息缺失，导致关键证据链断裂，而无法得到异常分析结果。
作为一种示例，参见图3，图3为本申请实施例构建的一种多个信息源对应的关系图谱。如图3所示，从同一种信息源获取到的关联关系，对应于一种关系图谱。例如，社会关系图谱、账户关系图谱、行为关系图谱、社交关系图谱以及身份关系图谱。
步骤S103，根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点。
其中，时空距离，是指时间距离和空间距离。虚拟节点，是指不是真实存在于关系图谱中的节点，是虚构出来的节点。
可以理解的是，根据从多个信息源获取到的关联关系，建立的相应信息源的关系图谱后，若各关系图谱中有相同的节点，则可以将多个信息源的关系图谱关联成一个连通图。
但是，根据从多个信息源获取到的关联关系，建立的相应信息源的关系图谱后，可能各关系图谱之间无公共节点。这种情况下，多个关系图谱就无法构成连通图，因此需要构建虚拟节点，以用于关联不同的关系图谱，从而形成一个连通图。
本申请实施例中，用于采集身份信息的各实体对象之间的时空距离接近时，可以认为各实体对象采集的身份为同一用户身份，这种情况下，可以根据各实体对象之间的时空距离，生成关联不同关系图谱中各实体对象的虚拟节点。
举例来说，摄像头卡口拍到了车牌相关信息后建立相应的关系图谱，人脸卡口拍到了人脸信息后建立相应的关系图谱，由于两个关系图谱之间没有公共节点，并不能形成连通图。这时可以根据摄像头卡口和人脸卡口采集信息时对应的时空距离，生成关联两个关系图谱中摄像头卡口和人脸卡口的虚拟节点。
步骤S104，根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。
本申请实施例中，在多个信息源对应的关系图谱中不存在公共节点时，根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点后，可以根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。
继续以步骤S103中的示例为例，根据摄像头卡口和人脸卡口采集信息时对应的时空距离，生成关联两个关系图谱中摄像头卡口和人脸卡口的虚拟节点后，可以根据生成的虚拟节点关联的两个关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。如，摄像头卡口拍到的车牌信息和人脸卡口拍到的人脸信息可以属于同一用户的身份信息，因此，可以将车牌信息和人脸信息关联起来。
本申请实施例的身份信息处理方法，通过从多个信息源获取身份和实体对象之间的关联关系；根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱；根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。由此，通过虚拟节点关联各信息源对应的关系图谱，能够使得不同关系图谱中涉及的身份关联起来，不仅提高了身份融合的准确度，而且可以应用于任意场景，从而避免了现有的身份融合方法使用范围受限的问题。
在上述实施例的基础上，本申请提出了另一种身份信息处理方法，具体的实现过程见实施例二。
图4为本申请实施例二提供的身份信息处理方法的流程示意图。
如图4所示，该身份信息处理方法，可以包括以下步骤：
步骤S201，从多个信息源获取身份和实体对象之间的关联关系。
步骤S202，根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱。
本申请实施例中，步骤S201和步骤S202的实现过程，可以参见上述实施例中步骤S101和步骤S102的实现过程，在此不再赘述。
步骤S203，对各关系图谱中涉及的实体对象，查询相应实体对象的时空信息。
其中，时空信息，用于指示相应实体对象采集到具有关联关系的身份时，相应实体对象所处的时间和空间位置。
本申请实施例中，根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱后，可以确定各关系图谱中涉及的实体对象，例如，基站、摄像头，等等。进而查询确定的实体对象的时空信息。
可以理解的是，各实体对象在采集具有关联关系的身份时，均具有相应的采集时间，以及相应实体对象的空间位置。其中，空间位置可以指实体对象所处的经纬度。
例如，摄像头采集车辆信息时，可以确定摄像头所处的经纬度，以及摄像头采集车辆的时间，从而得到实体对象为摄像头时的时空信息。
步骤S204，根据各实体对象的时空信息，确定不同关系图谱中涉及的两实体对象在设定时空坐标系中的时空距离。
其中，时空坐标系，是指时间和空间位置的坐标系，例如，可以指经度-纬度-时间坐标系，如，x轴和y轴分别表示实体对象所处位置的经度和纬度，z轴表示实体对象采集具有关联关系的身份的时间。当然，x、y、z轴所代表的属性也可以互换，在此不做限制。
本申请实施例中，根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱后，可以根据关系图谱中各实体对象的时空信息，将不同关系图谱映射到设定的时空坐标系中。
举例来说，在实施例一中，建立图3所示的多个信息源对应的关系图谱后，可以将图3中的关系图谱映射到设定时空坐标系中，映射后的结果如图5所示。
需要说明的是，在关系图谱映射到设定时空坐标系时，有些身份和实体对象之间的关联关系并没有时空信息，这种情况下，可以利用节点或者关联节点的时间信息作为关系的时空信息，从而可以更好的表征身份和实体对象之间的关联关系。
本申请实施例中，将多个信息源对应的关系图谱映射到设定时空坐标系中，可以确定各关系图谱中涉及的实体对象的时空信息，进而根据各实体对象的时空信息，确定不同关系图谱中涉及的两实体对象在设定时空坐标系中的时空距离。
步骤S205，若两实体对象之间的时空距离小于第一距离阈值，则生成连接两实体对象的虚拟节点。
其中，第一距离阈值，是根据各实体对象的属性预先设定的。例如，实体对象的属性，可以为采集设备采集能力的强弱，摄像头拍摄的范围，基站的信号覆盖范围，等等。
本申请实施例中，根据各实体对象的时空信息，确定不同关系图谱中涉及的两实体对象在设定时空坐标系中的时空距离后，确定两实体对象之间的时空距离小于第一距离阈值。
可以理解的是，两实体对象之间的时空距离小于第一距离阈值，可以说明两实体对象各自采集到的具有关联关系的身份为同一身份，这种情况下，可以生成连接两实体对象的虚拟节点，以根据虚拟节点将两实体对象对应的不同关系图谱连通起来。
举例来说，如图6所示，建立基站探针采集的身份对应的图谱和人脸探头采集的身份对应的图谱后，由于两个图谱中并没有公共节点，这种情况下，可以计算基站探针和人脸探头的时空距离，确定基站探针和人脸探头的时空距离小于第一距离阈值时，可以确定基站探针采集到的手机信息和人脸探头探测到的人脸信息属于同一用户。进而，可以在距离基站探针和人脸探头相近的地理位置，生成一个虚拟节点。由此，通过虚拟节点可以将两个不同关系图谱连通，从而提高了身份融合的准确率。
在一种可能的情况下，根据各实体对象之间的时空距离，生成连接不同关系图谱中至少两实体对象的虚拟节点可以为多个，这种情况下，需要对多个虚拟节点进行合并，以达到减少运算量的目的。
作为一种可能的实现方式，在生成的虚拟节点为多个时，则根据各虚拟节点连接的实体对象的时空信息，得到相应虚拟节点的时空信息。进而，根据各虚拟节点的时空信息，确定各虚拟节点在设定时空坐标系中的时空距离，以合并在时空坐标系中时空距离小于第二距离阈值的虚拟节点。其中，第二距离阈值小于第一距离阈值。第二距离阈值，也是根据各实体对象的属性预先设定的。
由此，将虚拟节点的时空信息小于第二距离阈值的虚拟节点进行合并，实现了通过各虚拟节点之间的时空距离对虚拟节点进行筛选，从而减少了根据虚拟节点关联各关系图谱时的运算量。
步骤S206，根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。
本申请实施例中，步骤S206的实现过程，可以参见上述实施例中步骤S104的实现过程，在此不再赘述。
步骤S207，对不同关系图谱中具有关联关系的两身份，分别查询相应身份所在关系图谱，得到相应身份所关联实体对象的时空信息。
本申请实施例中，对不同关系图谱中涉及的身份确定身份之间的关联关系之后，分别查询相应两身份所在关系图谱，以根据身份在关系图谱中与实体对象的关联关系，确定相应身份所关联的实体对象。进一步的，根据确定的实体对象，得到相应身份所关联实体对象的时空信息。
步骤S208，根据查询到的时空信息，校验不同关系图谱中两身份的关联关系。
需要解释的是，根据虚拟节点关联各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系后，可能存在不同关系图谱中两身份的关联关系关联错误的情况，因此，需要对不同关系图谱中两身份的关联关系进行校验，以提高跨媒体身份融合后的身份信息的准确率。
作为一种可能的实现方式，查询到两身份所关联实体对象的时空信息后，可以通过特定业务场景做验证，以校验不同关系图谱中两身份的关联关系。
作为一种示例，可以将聚合后的跨媒体身份根据特定业务场景进行对应的轨迹信息还原，利用轨迹信息，判断是否有异常节点。例如，用户T1时刻在A地，T2时刻在B地，而A地和B地之间的距离为D(A，B)，计算该用户从A地到B地的速度：D(A，B)/(T2-T1)，若该速度远远超过正常的数值，则可以判断A地或者B地至少有一个是错误的。由此，通过根据查询到的时空信息，校验不同关系图谱中两身份的关联关系，可以过滤明显不符合业务逻辑(比如速度远超正常水平)的节点，从而实现真实的跨媒体身份融合。
作为一种可能的实现方式，查询到两身份所关联实体对象的时空信息后，还可以根据各实体对象的属性，校验不同关系图谱中两身份的关联关系。
其中，实体对象的属性，可以为设备采集能力的准确度，设备采集范围，等等。
本申请实施例的身份信息处理方法，通过根据各关系图谱中的实体对象的时空信息，确定不同关系图谱中两实体对象在设定时刻坐标系中的时空距离，以生成连接两实体对象的虚拟节点，从而可以根据生成的虚拟节点关联两个不同关系图谱，避免了由于数据信息不完整导致身份信息丢失的情况，通过对不同关系图谱中两身份的关联关系进行校验，能够筛选掉干扰节点，有利于提高跨媒体身份融合的准确率。
在上述实施例的基础上，本申请提出了又一种身份信息处理方法，具体的实现过程见实施例三。
图7为本申请实施例三提供的身份信息处理方法的流程示意图。
如图7所示，该身份信息处理方法，可以包括以下步骤：
S301，从多个信息源获取身份和实体对象之间的关联关系。
S302，根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱。
S303，根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点。
本申请实施例中，步骤S301至步骤S303的实现过程，可以参见上述实施例中步骤S101至步骤S103的实现过程，在此不再赘述。
步骤S304，根据多个虚拟节点关联的各关系图谱，生成连通图。
其中，连通图中包括多个身份节点、多个虚拟节点和多条边；一个身份节点，用于指示一种身份；一条边，用于连接一个虚拟节点和一个身份节点，指示相应虚拟节点与相应的身份具有直接或间接的关联关系。
连通图，是指任意两个节点之间均有路径可以连通。
本申请实施例中，根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点后，根据多个虚拟节点关联各关系图谱，以生成连通图。
作为一种示例，如图8所示，是根据虚拟节点1和虚拟节点2关联不同关系图谱，得到的连通图。
步骤S305，遍历连通图，得到多条目标路径。
其中，各目标路径以不同身份节点作为起点和终点，且经过至少一虚拟节点。
作为一种可能的实现方式，可以对连通图进行深度为两度的广度优先遍历，以得到多条目标路径。其中，广度优先遍历是连通图的一种遍历策略。也就说，以不同身份节点作为起点，进行深度为两度的广度优先遍历。由此，得到的每一条路径的步长为二，每一条路径仅包含三个节点，并且起点和终点均为身份节点，中间为虚拟节点，缩短了路径长度，也就要求起点身份和终点身份之间联系更加直接，从而提高了筛选出身份关联关系的准确性。
举例来说，参见图9，图9为本申请实施例提供的一种连通图，可以对图9中所示的连通图进行深度为两度的广度优先遍历。图9中TS-A表示虚拟节点A，类似的，TS-B，TS-C，TS-D，TS-E，TS-F分别表示虚拟节点B、C、D、E、F。其中，以身份节点A为起点，且经过至少一虚拟节点，并以身份节点作为终点，得到多条目标路径。例如，得到路径：身份节点A-TS-A-身份节点D，身份节点A-TS-B-身份节点B，身份节点A-TS-C-身份节点C，身份节点A-TS-D-身份节点B，身份节点A-TS-E-身份节点B，身份节点A-TS-E-身份节点C，身份节点A-TS-A-身份节点B、身份节点A-TS-A-身份节点C。
步骤S306，对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数。
本申请实施例中，遍历连通图，得到多条目标路径后，对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数。
继续以图9中示例为例，根据遍历连通图，得到多条目标路径后，在对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数时，在目标路径的起点身份节点为A和终点身份节点为B时，统计涉及的虚拟节点一共为4个，分别为TS-A，TS-B，TS-D和TS-E；在目标路径的起点身份节点为A和终点身份节点为C时，统计涉及的虚拟节点一共为3个，分别为TS-A，TS-C和TS-E；在目标路径的起点身份节点为A和终点身份节点为D时，统计涉及的虚拟节点一共为1个，分别为TS-A。具体地统计结果可以参见图10。
步骤S307，若虚拟节点个数大于个数阈值，则确定起点身份节点和终点身份节点之间具有关联关系。
其中，个数阈值，可以为自定义预先设定的值，也可以为根据应用场景的逻辑设置的值，在此不做限制。例如，个数阈值可以设定为2。
本申请实施例中，对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数后，分别将虚拟节点个数与个数阈值进行比较，以确定起点身份节点和终点身份节点之间是否具有关联关系。
在一种可能的情况下，若对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数大于个数阈值，则确定起点身份节点和终点身份节点之间具有关联关系。
可以理解的是，统计起点身份节点和终点身份节点相同的目标路径，涉及的虚拟节点个数大于个数阈值时，说明起点身份节点和终点身份节点多次连接到同一虚拟节点，意味着起点身份节点和终点身份节点之间具有较为紧密的时空联系，可能为同一个跨媒体身份。
举例来说，参见图10中所示的示例，假如设定个数阈值为2个，确定目标路径的起点身份节点为A和终点身份节点为B时，涉及的虚拟节点个数为4个；确定目标路径的起点身份节点为A和终点身份节点为C时，涉及的虚拟节点个数为3个。由于虚拟节点个数均大于个数阈值，则可以确定起点身份节点A与终点身份节点B和身份节点C之间均具有关联关系。
在另一种可能的情况下，若对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数不大于个数阈值，则确定起点身份节点和终点身份节点之间不具有关联关系。
举例来说，参见图10中所示的示例，假如设定个数阈值为2个，确定目标路径的起点身份节点为A和终点身份节点为D时，涉及的虚拟节点个数为1个。由于虚拟节点个数小于个数阈值，则可以确定起点身份节点A和终点身份节点D之间不具有关联关系。也就是说起点身份节点A和终点身份节点D之间不属于跨媒体身份，即身份节点A和身份节点D不是同一个用户身份。
步骤S308，对相互之间具有关联关系的身份节点，聚合相应身份节点指示的身份。
本申请实施例中，根据虚拟节点个数，确定起点身份节点和终点身份节点之间具有关联关系之后，可以对相互之间具有关联关系的身份节点，聚合相应身份节点指示的身份。由此，通过聚合身份节点所指示的身份，从而实现了对跨媒体身份的融合。
继续以上述图10中示例为例进行详细说明，根据起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数，确定身份节点A与身份节点B和身份节点C之间具有关联关系，则可以聚合身份节点A、B、C所指示的身份。
本申请实施例的身份信息处理方法，在根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点后，根据多个所述虚拟节点关联的各关系图谱，生成连通图，遍历连通图，得到多条目标路径，对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数；若虚拟节点个数大于个数阈值，则确定起点身份节点和终点身份节点之间具有关联关系，对相互之间具有关联关系的身份节点，聚合相应身份节点指示的身份。由此，通过对虚拟节点个数对身份节点进行筛选，并聚合具有关联关系的身份节点，从而实现了将不同信息源对应的关系图谱中的身份进行聚合，避免了身份信息丢失的情况。
在上述实施例的基础上，本申请提出了再一种身份信息处理方法，具体的实现过程见实施例四。
图11为本申请实施例四提供的身份信息处理方法的流程示意图。
如图11所示，该身份信息处理方法，可以包括以下步骤：
步骤S401，从多个信息源获取身份和实体对象之间的关联关系。
步骤S402，根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱。
本申请实施例中，步骤S401和步骤S402的实现过程，可以参见上述实施例中步骤S101和步骤S102的实现过程，在此不再赘述。
步骤S403，合并不同关系图谱中涉及的相同实体对象和/或相同身份。
本申请实施例中，根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱后，可以根据关系图谱中各实体对象的时空信息，将不同关系图谱映射到设定的时空坐标系中。映射后的结果可以参见图5所示的示例。
由于不同关系图谱中可能存在相同实体对象和/或相同身份，这种情况下，可以对不同关系图谱中涉及的相同实体对象和/或相同身份进行合并，以生成连通图。
作为一种示例，如图12所示，图12中的不同关系图谱中存在相同的身份，如，社会关系图谱和身份关系图谱中存在相同的身份IDCard1，账户关系图谱和身份关系图谱中存在相同的身份Card1，等等。因此，可以将具有相同身份的关系图谱中的身份节点进行合并，并将所有的关系图谱都投影在同一个图层平面上，从而构建了一个相对完整的连通图。
步骤S404，根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点。
本申请实施例中，将所有关系图谱中相同的实体对象和/或相同身份合并后，不可避免的，还存在一些孤立的子图。这种情况下，可以根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点。
作为一种示例，如图13所示，合并不同关系图谱中涉及的相同实体对象和/或相同身份后，将所有的关系图谱都投影在同一个图层平面上，还存在一些孤立的子图。这种情况下，生成多个虚拟节点，以根据多个虚拟节点关联的各关系图谱，生成连通图。
本申请实施例中，虚拟节点的生成方法，可以参见上述实施例中的实现过程，在此不再赘述。
步骤S405，根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。
本申请实施例中，步骤S405的实现过程，可以参见上述实施例中步骤S104的实现过程，在此不再赘述。
本申请实施例中的身份信息处理方法，通过从多个信息源获取身份和实体对象之间的关联关系，根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱，合并不同关系图谱中涉及的相同实体对象和/或相同身份，根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点，根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。由此，通过合并具有公共节点的关系图谱，并引入虚拟节点关联没有公共节点的各关系图谱，从而可以构建完整的连通图，避免了跨媒体身份融合时，由于数据信息不完全连通导致身份信息丢失的情况。
在上述实施例的基础上，参见图14，图14为本申请实施例五提供的身份信息处理方法的流程示意图。
如图14所示，具体的实现过程如下：从多个信息源获取到的数据可能是多种多样的，可能包括结构化数据，非结构化数据，半结构化数据，还有可能包括文本，视频，音频，图像等各种多模态数据。Step1：为了构建统一并可泛化的大规模动态关系挖掘分析系统，可以对从多个信息源获取到的数据进行抽象处理，以获取到身份和实体对象之间的关联关系。并将根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱。Step2：合并不同关系图谱中涉及的相同实体对象和/或相同身份，以构建连通图。Step3：引入虚拟节点，以根据虚拟节点关联各关系图谱，并对相互之间具有关联关系的身份节点，聚合相应身份节点指示的身份。Step4：利用业务场景或者实体对象的属性信息，校验不同关系图谱中两身份的关联关系，过滤掉不符合逻辑的身份节点，从而实现了真正的跨媒体身份融合。
为了实现上述实施例，本申请提出了一种身份信息处理装置。
图15为本申请实施例六提供的身份信息处理装置的结构示意图。
如图15所示，该身份信息处理装置150，可以包括：获取模块151、建立模块152、生成模块153和确定模块154。
其中，获取模块151，用于从多个信息源获取身份和实体对象之间的关联关系。
建立模块152，用于根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱。
生成模块153，用于根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点。
确定模块154，用于根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。
作为一种可能的情况，生成模块153，还可以包括：
查询单元，用于对各关系图谱中涉及的实体对象，查询相应实体对象的时空信息；其中，时空信息，用于指示相应实体对象采集到具有关联关系的身份时，相应实体对象所处的时间和空间位置。
第一确定单元，用于根据各实体对象的时空信息，确定不同关系图谱中涉及的两实体对象在设定时空坐标系中的时空距离。
第一生成单元，用于若两实体对象之间的时空距离小于第一距离阈值，则生成连接两实体对象的虚拟节点。
作为另一种可能的情况，生成模块153，还可以包括：
第二生成单元，用于若生成的虚拟节点为多个，则根据各虚拟节点连接的实体对象的时空信息，得到相应虚拟节点的时空信息。
合并单元，用于根据各虚拟节点的时空信息，合并在时空坐标系中时空距离小于第二距离阈值的虚拟节点；其中，第二距离阈值小于第一距离阈值。
作为另一种可能的情况，生成模块153，还可以包括：
第三生成单元，用于对不同关系图谱中具有关联关系的两身份，分别查询相应身份所在关系图谱，得到相应身份所关联实体的时空信息。
校验单元，用于根据查询到的时空信息，校验不同关系图谱中两身份的关联关系。
作为另一种可能的情况，虚拟节点个数为多个；确定模块154，还可以包括：
第四生成单元，用于根据多个虚拟节点关联的各关系图谱，生成连通图；其中，连通图中包括多个身份节点、多个虚拟节点和多条边；一个身份节点，用于指示一种身份；一条边，用于连接一个虚拟节点和一个身份节点，指示相应虚拟节点与相应的身份具有直接或间接的关联关系。
遍历单元，用于遍历连通图，得到多条目标路径；其中，各目标路径以不同身份节点作为起点和终点，且经过至少一所述虚拟节点。
统计单元，用于对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数。
第二确定单元，用于若虚拟节点个数大于个数阈值，则确定起点身份节点和终点身份节点之间具有关联关系。
作为另一种可能的情况，确定模块154，还可以包括：
聚合单元，用于对相互之间具有关联关系的身份节点，聚合相应身份节点指示的身份。
作为另一种可能的情况，遍历单元，还用于：
对连通图进行深度为两度的广度优先遍历，得到多条目标路径。
作为另一种可能的情况，该身份信息处理装置，还可以包括：
合并模块，用于合并不同关系图谱中涉及的相同实体对象和/或相同身份。
需要说明的是，前述对身份信息处理方法实施例的解释说明也适用于该实施例的身份信息处理装置，此处不再赘述。
本申请实施例的身份信息处理装置，通过从多个信息源获取身份和实体对象之间的关联关系；根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱；根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。由此，通过虚拟节点关联各信息源对应的关系图谱，能够使得不同关系图谱中涉及的身份关联起来，不仅提高了身份融合的准确度，而且可以应用于任意场景，从而避免了现有的身份融合方法使用范围受限的问题。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图16所示，是根据本申请实施例的身份信息处理的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图16所示，该电子设备包括：一个或多个处理器1601、存储器1602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图16中以一个处理器1601为例。
存储器1602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的身份信息处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的身份信息处理方法。
存储器1602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的身份信息处理方法对应的程序指令/模块(例如，附图15所示的获取模块151、建立模块152、生成模块153和确定模块154)。处理器1601通过运行存储在存储器1602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的身份信息处理方法。
存储器1602可以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、至少一个功能所需要的应用程序；存储数据区可存储根据身份信息处理的电子设备的使用所创建的数据等。此外，存储器1602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1602可选包括相对于处理器1601远程设置的存储器，这些远程存储器可以通过网络连接至身份信息处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
身份信息处理方法的电子设备还可以包括：输入装置1603和输出装置1604。处理器1601、存储器1602、输入装置1603和输出装置1604可以通过总线或者其他方式连接，图16中以通过总线连接为例。
输入装置1603可接收输入的数字或字符信息，以及产生与身份信息处理的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过从多个信息源获取身份和实体对象之间的关联关系；根据从同一信息源获取到的关联关系，建立相应信息源的关系图谱；根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；根据虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系。由此，通过虚拟节点关联各信息源对应的关系图谱，能够使得不同关系图谱中涉及的身份关联起来，不仅提高了身份融合的准确度，而且可以应用于任意场景，从而避免了现有的身份融合方法使用范围受限的问题。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种身份信息处理方法，其特征在于，所述方法包括：
从多个信息源获取身份和实体对象之间的关联关系，所述实体对象是指采集身份信息的实体；
根据从同一信息源获取到的所述关联关系，建立相应信息源的关系图谱，其中，所述关系图谱是指描述所述同一信息源中所有身份关系的图；
根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；
根据所述虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系；
所述虚拟节点个数为多个；所述根据所述虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系，包括：
根据多个所述虚拟节点关联的各关系图谱，生成连通图；其中，所述连通图中包括多个身份节点、多个所述虚拟节点和多条边；一个身份节点，用于指示一种身份；一条边，用于连接一个所述虚拟节点和一个所述身份节点，指示相应虚拟节点与相应的身份具有直接或间接的关联关系；
遍历所述连通图，得到多条目标路径；其中，各目标路径以不同身份节点作为起点和终点，且经过至少一所述虚拟节点；
对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数；
若虚拟节点个数大于个数阈值，则确定起点身份节点和终点身份节点之间具有关联关系；
对相互之间具有关联关系的身份节点，聚合相应身份节点指示的身份。
2.根据权利要求1所述的身份信息处理方法，其特征在于，所述根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点，包括：
对各关系图谱中涉及的实体对象，查询相应实体对象的时空信息；其中，所述时空信息，用于指示相应实体对象采集到具有关联关系的身份时，相应实体对象所处的时间和空间位置；
根据各实体对象的时空信息，确定不同关系图谱中涉及的两实体对象在设定时空坐标系中的时空距离；
若两实体对象之间的时空距离小于第一距离阈值，则生成连接所述两实体对象的虚拟节点。
3.根据权利要求2所述的身份信息处理方法，其特征在于，所述根据各实体对象之间的时空距离，生成连接不同关系图谱中至少两实体对象的虚拟节点之后，还包括：
若生成的虚拟节点为多个，则根据各虚拟节点连接的实体对象的时空信息，得到相应虚拟节点的时空信息；
根据各虚拟节点的时空信息，合并在所述时空坐标系中时空距离小于第二距离阈值的虚拟节点；其中，所述第二距离阈值小于所述第一距离阈值。
4.根据权利要求2所述的身份信息处理方法，其特征在于，所述根据所述虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系之后，还包括：
对不同关系图谱中具有关联关系的两身份，分别查询相应身份所在关系图谱，得到相应身份所关联实体对象的时空信息；
根据查询到的时空信息，校验不同关系图谱中两身份的关联关系。
5.根据权利要求1-4任一项所述的身份信息处理方法，其特征在于，所述遍历所述连通图，得到多条目标路径，包括：
对所述连通图进行深度为两度的广度优先遍历，得到多条目标路径。
6.根据权利要求1-4任一项所述的身份信息处理方法，其特征在于，根据从同一信息源获取到的所述关联关系，建立相应信息源的关系图谱之后，还包括：
合并不同关系图谱中涉及的相同实体对象和/或相同身份。
7.一种身份信息处理装置，其特征在于，所述装置包括：
获取模块，用于从多个信息源获取身份和实体对象之间的关联关系，所述实体对象是指采集身份信息的实体；
建立模块，用于根据从同一信息源获取到的所述关联关系，建立相应信息源的关系图谱，其中，所述关系图谱是指描述所述同一信息源中所有身份关系的图；
生成模块，用于根据各实体对象之间的时空距离，生成关联不同关系图谱中至少两实体对象的虚拟节点；
确定模块，用于根据所述虚拟节点关联的各关系图谱，对不同关系图谱中涉及的身份确定身份之间的关联关系；
所述虚拟节点个数为多个；所述确定模块，包括：
第四生成单元，用于根据多个所述虚拟节点关联的各关系图谱，生成连通图；其中，所述连通图中包括多个身份节点、多个所述虚拟节点和多条边；一个身份节点，用于指示一种身份；一条边，用于连接一个所述虚拟节点和一个所述身份节点，指示相应虚拟节点与相应的身份具有直接或间接的关联关系；
遍历单元，用于遍历所述连通图，得到多条目标路径；其中，各目标路径以不同身份节点作为起点和终点，且经过至少一所述虚拟节点；
统计单元，用于对起点身份节点和终点身份节点相同的目标路径，统计涉及的虚拟节点个数；
第二确定单元，用于若虚拟节点个数大于个数阈值，则确定起点身份节点和终点身份节点之间具有关联关系；
聚合单元，用于对相互之间具有关联关系的身份节点，聚合相应身份节点指示的身份。
8.根据权利要求7所述的身份信息处理装置，其特征在于，所述生成模块，包括：
查询单元，用于对各关系图谱中涉及的实体对象，查询相应实体对象的时空信息；其中，所述时空信息，用于指示相应实体对象采集到具有关联关系的身份时，相应实体对象所处的时间和空间位置；
第一确定单元，用于根据各实体对象的时空信息，确定不同关系图谱中涉及的两实体对象在设定时空坐标系中的时空距离；
第一生成单元，用于若两实体对象之间的时空距离小于第一距离阈值，则生成连接所述两实体对象的虚拟节点。
9.根据权利要求8所述的身份信息处理装置，其特征在于，所述生成模块，包括：
第二生成单元，用于若生成的虚拟节点为多个，则根据各虚拟节点连接的实体对象的时空信息，得到相应虚拟节点的时空信息；
合并单元，用于根据各虚拟节点的时空信息，合并在所述时空坐标系中时空距离小于第二距离阈值的虚拟节点；其中，所述第二距离阈值小于所述第一距离阈值。
10.根据权利要求8所述的身份信息处理装置，其特征在于，所述生成模块，包括：
第三生成单元，用于对不同关系图谱中具有关联关系的两身份，分别查询相应身份所在关系图谱，得到相应身份所关联实体对象的时空信息；
校验单元，用于根据查询到的时空信息，校验不同关系图谱中两身份的关联关系。
11.根据权利要求7-10任一项所述的身份信息处理装置，其特征在于，所述遍历单元，还用于：
对所述连通图进行深度为两度的广度优先遍历，得到多条目标路径。
12.根据权利要求7-10任一项所述的身份信息处理装置，其特征在于，所述装置，还包括：
合并模块，用于合并不同关系图谱中涉及的相同实体对象和/或相同身份。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的身份信息处理方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的身份信息处理方法。
CN202010227289.6A 2020-03-27 2020-03-27 身份信息处理方法、装置、电子设备和存储介质 Active CN111459999B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010227289.6A CN111459999B (zh) 2020-03-27 2020-03-27 身份信息处理方法、装置、电子设备和存储介质
EP21163620.4A EP3828732A3 (en) 2020-03-27 2021-03-19 Method and apparatus for processing identity information, electronic device, and storage medium
KR1020210038309A KR20210040327A (ko) 2020-03-27 2021-03-24 신원 정보 처리 방법, 장치, 전자 기기 및 저장 매체
US17/211,219 US20210209162A1 (en) 2020-03-27 2021-03-24 Method for processing identity information, electronic device, and storage medium
JP2021049664A JP2021103561A (ja) 2020-03-27 2021-03-24 アイデンティティ情報処理方法、装置、電子機器及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010227289.6A CN111459999B (zh) 2020-03-27 2020-03-27 身份信息处理方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111459999A CN111459999A (zh) 2020-07-28
CN111459999B true CN111459999B (zh) 2023-08-18

Family

ID=71680078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010227289.6A Active CN111459999B (zh) 2020-03-27 2020-03-27 身份信息处理方法、装置、电子设备和存储介质

Country Status (5)

Country Link
US (1) US20210209162A1 (zh)
EP (1) EP3828732A3 (zh)
JP (1) JP2021103561A (zh)
KR (1) KR20210040327A (zh)
CN (1) CN111459999B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111949839B (zh) * 2020-08-24 2021-08-24 上海嗨普智能信息科技股份有限公司 数据关联方法、电子设备及介质
CN114676288A (zh) * 2022-03-17 2022-06-28 北京悠易网际科技发展有限公司 一种id拉通方法及装置
CN116910729B (zh) * 2023-09-12 2023-12-08 杭州亿易网络科技有限公司 应用于多组织架构的核身处理方法及系统
CN117591570B (zh) * 2024-01-19 2024-04-09 明亚保险经纪股份有限公司 一种保险数据管理方法、装置、电子设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109684625A (zh) * 2018-10-31 2019-04-26 百度在线网络技术（北京）有限公司 实体处理方法、装置和存储介质
CN109828967A (zh) * 2018-12-03 2019-05-31 深圳市北斗智能科技有限公司 一种伴随关系获取方法、系统、设备、存储介质
CN109903045A (zh) * 2019-01-24 2019-06-18 平安科技（深圳）有限公司 行为轨迹监控方法、装置、计算机设备和介质
CN109947793A (zh) * 2019-03-20 2019-06-28 深圳市北斗智能科技有限公司 伴随关系的分析方法、装置和存储介质
CN110543586A (zh) * 2019-09-04 2019-12-06 北京百度网讯科技有限公司 多重用户身份融合方法、装置、设备及存储介质
CN110659395A (zh) * 2019-08-14 2020-01-07 平安科技（深圳）有限公司 关系网络图谱构建方法、装置、计算机设备和存储介质
CN110716970A (zh) * 2018-06-27 2020-01-21 百度在线网络技术（北京）有限公司 异构数据同构化处理方法、装置、计算机设备及存储介质
CN110895604A (zh) * 2018-09-12 2020-03-20 国际关系学院 一种虚拟身份信息的关联融合方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4227370B2 (ja) * 2002-07-26 2009-02-18 キヤノン株式会社 情報検索装置、情報検索方法及びプログラム
GB201004232D0 (en) * 2010-03-15 2010-04-28 Bae Systems Plc Target tracking
US9712574B2 (en) * 2012-08-31 2017-07-18 Facebook, Inc. Real-world view of location-associated social data
JP6283514B2 (ja) * 2013-12-26 2018-02-21 京セラドキュメントソリューションズ株式会社 電子機器管理システム及びプログラム
US10555149B2 (en) * 2016-04-04 2020-02-04 Verizon Patent And Licensing Inc. Determining a probability of a relationship between layers of geographic information system data
US10691751B2 (en) * 2017-01-23 2020-06-23 The Trade Desk, Inc. Data processing system and method of associating internet devices based upon device usage
JP7102790B2 (ja) * 2018-03-07 2022-07-20 富士通株式会社 データ生成方法、データ生成プログラム及び情報処理装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110716970A (zh) * 2018-06-27 2020-01-21 百度在线网络技术（北京）有限公司 异构数据同构化处理方法、装置、计算机设备及存储介质
CN110895604A (zh) * 2018-09-12 2020-03-20 国际关系学院 一种虚拟身份信息的关联融合方法
CN109684625A (zh) * 2018-10-31 2019-04-26 百度在线网络技术（北京）有限公司 实体处理方法、装置和存储介质
CN109828967A (zh) * 2018-12-03 2019-05-31 深圳市北斗智能科技有限公司 一种伴随关系获取方法、系统、设备、存储介质
CN109903045A (zh) * 2019-01-24 2019-06-18 平安科技（深圳）有限公司 行为轨迹监控方法、装置、计算机设备和介质
CN109947793A (zh) * 2019-03-20 2019-06-28 深圳市北斗智能科技有限公司 伴随关系的分析方法、装置和存储介质
CN110659395A (zh) * 2019-08-14 2020-01-07 平安科技（深圳）有限公司 关系网络图谱构建方法、装置、计算机设备和存储介质
CN110543586A (zh) * 2019-09-04 2019-12-06 北京百度网讯科技有限公司 多重用户身份融合方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
关联图谱的研究进展及面临的挑战;尹亮;袁飞;谢文波;王栋志;孙崇敬;;计算机科学(第S1期);全文 *

Also Published As

Publication number Publication date
EP3828732A2 (en) 2021-06-02
US20210209162A1 (en) 2021-07-08
CN111459999A (zh) 2020-07-28
KR20210040327A (ko) 2021-04-13
EP3828732A3 (en) 2021-09-01
JP2021103561A (ja) 2021-07-15

Similar Documents

Publication Publication Date Title
CN111459999B (zh) 身份信息处理方法、装置、电子设备和存储介质
EP3859564A2 (en) Method and apparatus for generating knowledge graph, method and apparatus for relation mining, device and medium
CN111695488B (zh) 兴趣面识别方法、装置、设备以及存储介质
CN111723768B (zh) 车辆重识别的方法、装置、设备和存储介质
CN109347787A (zh) 一种身份信息的识别方法及装置
CN111292531B (zh) 交通信号灯的跟踪方法、装置、设备及存储介质
US20210110168A1 (en) Object tracking method and apparatus
CN103268644B (zh) 通信设备巡检系统
CN112541912B (zh) 矿井突发灾害场景中显著性目标的快速检测方法及装置
CN110519755B (zh) 定位方法、装置、电子设备及存储介质
CN111578951B (zh) 一种自动驾驶中用于生成信息的方法和装置
CN111536984A (zh) 定位方法和装置、车端设备、车辆、电子设备和定位系统
CN111507204A (zh) 倒计时信号灯的检测方法、装置、电子设备及存储介质
CN113537374A (zh) 一种对抗样本生成方法
CN113672688A (zh) 路网数据更新方法、装置和电子设备
Jiang et al. Connectivity-based skeleton extraction in wireless sensor networks
KR20210131269A (ko) 교통량 모니터링 시스템의 테스트 방법, 장치 및 기기
CN112153568B (zh) 基于业务场景的Wi-Fi识别、绑定方法、装置及设备
CN110995687B (zh) 一种猫池设备识别方法、装置、设备及存储介质
CN111966767A (zh) 轨迹热力图生成方法、装置、电子设备和存储介质
CN112102417A (zh) 确定世界坐标的方法和装置及用于车路协同路侧相机的外参标定方法
CN111756762A (zh) 车辆安全性分析方法、装置、电子设备及存储介质
CN111324616A (zh) 车道线变化信息的检测方法、装置及设备
CN111753960B (zh) 模型训练及图像处理方法、装置、电子设备、存储介质
CN111767585A (zh) 对象识别方法、装置、电子设备及存储介质

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