CN111897972B - 一种数据轨迹可视化方法和装置 - Google Patents
一种数据轨迹可视化方法和装置 Download PDFInfo
- Publication number
- CN111897972B CN111897972B CN202010784616.8A CN202010784616A CN111897972B CN 111897972 B CN111897972 B CN 111897972B CN 202010784616 A CN202010784616 A CN 202010784616A CN 111897972 B CN111897972 B CN 111897972B
- Authority
- CN
- China
- Prior art keywords
- space
- entities
- data
- time
- constructing
- 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
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
Abstract
本发明公开了一种数据轨迹可视化方法和装置,用于解决现有技术需要根据实际场景进行配置,无法支持多种应用场景的数据轨迹可视化分析的技术问题。本发明包括:获取时空数据;从时空数据中提取多个实体和多个实体之间的时空关系;采用多个实体和时空关系构建三元组;基于三元组构建知识图谱;通过知识图谱向用户展示时空数据的数据轨迹。本发明通过获取时空数据,从时空数据中提取多个实体和多个实体之间的时空关系,并采用多个实体和对应的时空关系构建三元组,以基于三元组构建知识图谱,从而生成可直观展示数据轨迹的知识图谱向用户进行展示。本发明基于知识图谱来展示数据轨迹,可以基于不同场景灵活配置,实现多种应用场景的数据轨迹可视化。
Description
技术领域
本发明涉及大数据分析技术领域,尤其涉及一种数据轨迹可视化方法和装置。
背景技术
随着网络和大数据时代的到来,可以搜集到的数据越来越多。通过专业人员人工分析的效率难以满足这样大规模的数据分析需求,这就需要构建一种针对专业数据的自动化分析方法以配套相应的数据收集工作。进一步地,基于自动分析的结果缺少直观的应用价值,为了降低数据分析结果的应用难度还需要设计相应的数据可视化方案。
现有的数据可视化方案往往需要根据实际使用场景来进行配置,灵活性低,无法支持多种应用场景的数据轨迹可视化分析。
发明内容
本发明提供了一种数据轨迹可视化方法和装置,用于解决现有的数据可视化方案需要根据实际场景进行配置,灵活性低,无法支持多种应用场景的数据轨迹可视化分析的技术问题。
本发明提供的一种数据轨迹可视化方法,包括:
获取时空数据;
从所述时空数据中提取多个实体和所述多个实体之间的时空关系;
采用所述多个实体和所述时空关系构建三元组;
基于所述三元组构建知识图谱;
通过所述知识图谱向用户展示所述时空数据的数据轨迹。
可选地,所述从所述时空数据中提取多个实体和所述多个实体之间的时空关系的步骤,包括:
从所述时空数据中读取结构化语义;
从所述结构化语义中提取多个实体和所述多个实体之间的时空关系。
可选地,所述基于所述三元组构建知识图谱的步骤,包括:
构建扩充三元组;
采用所述三元组和所述扩充三元组构建知识图谱。
可选地,所述构建扩充三元组的步骤包括:
根据所述多个实体和所述时空关系构建三阶张量;
分解所述三阶张量,并根据分解结果构建打分函数;
根据所述三阶张量和所述打分函数构建最小化结构损失函数;
求解所述最小化结构损失函数,获取所述三阶张量的值;
将满足预设数值的所述三阶张量的值作为扩充三元组。
本发明提供的一种数据轨迹可视化装置,包括:
时空数据获取模块,用于获取时空数据;
时空关系提取模块,用于从所述时空数据中提取多个实体和所述多个实体之间的时空关系;
三元组构建模块,用于采用所述多个实体和所述时空关系构建三元组;
知识图谱构建模块,用于基于所述三元组构建知识图谱;
数据轨迹展示模块,用于通过所述知识图谱向用户展示所述时空数据的数据轨迹。
可选地,所述时空关系提取模块,包括:
结构化语义提取子模块,用于从所述时空数据中读取结构化语义;
时空关系提取子模块,用于从所述结构化语义中提取多个实体和所述多个实体之间的时空关系。
可选地,所述知识图谱构建模块,包括:
扩充三元组构建子模块,用于构建扩充三元组;
知识图谱构建子模块,用于采用所述三元组和所述扩充三元组构建知识图谱。
可选地,所述扩充三元组构建子模块,包括:
三阶张量构建单元,用于根据所述多个实体和所述时空关系构建三阶张量;
打分函数构建单元,用于分解所述三阶张量,并根据分解结果构建打分函数;
最小化结构损失函数构建单元,用于根据所述三阶张量和所述打分函数构建最小化结构损失函数;
获取单元,用于求解所述最小化结构损失函数,获取所述三阶张量的值;
扩充三元组构建单元,用于将满足预设数值的所述三阶张量的值作为扩充三元组。
本发明提供的一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上任一项所述的数据轨迹可视化方法的步骤。
本发明提供的一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现如上任一项所述的数据轨迹可视化方法。
从以上技术方案可以看出,本发明具有以下优点:本发明通过获取时空数据,从时空数据中提取多个实体和多个实体之间的时空关系,并采用多个实体和对应的时空关系构建三元组,以基于三元组构建知识图谱,从而生成可直观展示数据轨迹的知识图谱向用户进行展示。本发明基于知识图谱来展示数据轨迹,可以基于不同场景灵活配置,实现多种应用场景的数据轨迹可视化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种数据轨迹可视化方法的步骤流程图;
图2为本发明另一实施例提供的一种数据轨迹可视化方法的步骤流程图;
图3为本发明实施例提供的一种扩充三元组构建的步骤流程图;
图4为本发明实施例提供的一种数据轨迹可视化专职的结构框图。
具体实施方式
本发明实施例提供了一种基于数据轨迹可视化方法和装置,用于解决现有的数据可视化方案需要根据实际场景进行配置,灵活性低,无法支持多种应用场景的数据轨迹可视化分析的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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。
请参阅图1,图1为本发明实施例提供的一种数据轨迹可视化方法的步骤流程图。
本发明提供的一种基于知识图谱的数据轨迹可视化方法,包括:
步骤101,获取时空数据;
知识图谱作为一个较为新兴的研究领域,随着商业领域的应用扩展和互联网时代数据收集方式的不断升级,其应用价值也逐渐提高。知识图谱作为一个学术概念起源于普赖斯的“科学地形图”,科技情报研究所开发的SCI-Map软件作为知识图谱领域的早期工具定义了知识图谱的基本构造方法。作为一种数据收集处理的相关技术,其最初的应用主要集中于科研,教学领域的数据收集相关过程。
本发明实施例主要针对数据轨迹进行可视化展示,因此,需要获取需要进行可视化的数据,并生成其相应的数据轨迹,由于轨迹是在时间和空间上的一种表现形式,所以本发明首先可以获取具有时间属性和空间属性的时空数据,并依次进行后续操作。
在本发明实施例中,时空数据是同时具有时间和空间维度的数据,现实世界中的数据超过80%与地理位置有关。时空数据由于其所在空间的空间实体和空间现象在时间、空间和属性三个方面的固有特征,呈现出多维、语义、时空动态关联的复杂性。其包含对象、过程、事件在空间、时间、语义等方面的关联关系。
步骤102,从所述时空数据中提取多个实体和所述多个实体之间的时空关系;
由于时空数据包含对象、过程、事件在空间、时间、语义等方面的关联关系。因此,从时空数据中可以提取多个对象、过程、事件作为实体,以及提取实体之间的关联关系作为时空关系。
步骤103,采用所述多个实体和所述时空关系构建三元组;
在获取了多个实体和多个实体之间的时空关系后,可以据此构建三元组。在本发明实施例中,三元组是一种以<实体-时空关系-实体>为表现形式的数据结构。三元组可以有效反应实体与实体之间的时空关系。以城市数据为例,在一个示例中,三元组前后两个实体可以为处于不同地方的两个建筑物,两者之间的时空关系可以为两者之间的相对地理位置。在另一个示例中,三元组前后的实体可以为城市设施,后面的实体为城市设施的子单元,两者之间的时空关系可以为城市设施故障时,受城市设施故障影响的子单元的位置信息和产生关联故障的时间。
步骤104,基于所述三元组构建知识图谱;
在本发明实施例中,一个实体可能与多个实体之间存在时空关系,因此一个实体可能出现在不同的三元组中,以三元组中的实体为节点,以不同实体之间的时空关系为连接线,一个实体可以发散出一条或多条连接线与其他实体连接,从而可以构建一个以图结构化呈现的实体关系网络,即知识图谱。
步骤105,通过所述知识图谱向用户展示数据轨迹。
由于本发明实施例是以时空关系为连接线构建知识图谱,因此,知识图谱能够反映数据的时空轨迹,用户可以直观地通过知识图谱向用户展示数据轨迹。
本发明通过获取时空数据,从时空数据中提取多个实体和多个实体之间的时空关系,并采用多个实体和对应的时空关系构建三元组,以基于三元组构建知识图谱,从而生成可直观展示数据轨迹的知识图谱向用户进行展示。本发明基于知识图谱来展示数据轨迹,可以基于不同场景灵活配置,实现多种应用场景的数据轨迹可视化。
请参阅图2,图2为本发明另一实施例提供的一种数据轨迹可视化方法的步骤流程图,具体可以包括以下步骤:
步骤201,获取时空数据;
知识图谱作为一个较为新兴的研究领域,随着商业领域的应用扩展和互联网时代数据收集方式的不断升级,其应用价值也逐渐提高。知识图谱作为一个学术概念起源于普赖斯的“科学地形图”,科技情报研究所开发的SCI-Map软件作为知识图谱领域的早期工具定义了知识图谱的基本构造方法。作为一种数据收集处理的相关技术,其最初的应用主要集中于科研,教学领域的数据收集相关过程。
本发明实施例主要针对数据轨迹进行可视化展示,因此,需要获取需要进行可视化的数据,并生成其相应的数据轨迹,由于轨迹是在时间和空间上的一种表现形式,所以本发明首先可以获取具有时间属性和空间属性的时空数据,并依次进行后续操作。
在本发明实施例中,时空数据是同时具有时间和空间维度的数据,现实世界中的数据超过80%与地理位置有关。时空数据由于其所在空间的空间实体和空间现象在时间、空间和属性三个方面的固有特征,呈现出多维、语义、时空动态关联的复杂性。其包含对象、过程、事件在空间、时间、语义等方面的关联关系。
步骤202,从所述时空数据中读取结构化语义;
步骤203,从所述结构化语义中提取多个实体和所述多个实体之间的时空关系;
在本发明实施例中,可以从时空数据中读取包含实体以及实体与实体之间的时空关系的结构化语义,如以城市结构化语义数据为例,城市不同区域各自包含有各自的地理位置信息及数据标记,不同区域之间包含有相互之间的地理位置信息及数据标记,以不同区域作为实体,对应的地理位置信息及数据标记即为对应的时空关系。
步骤204,采用所述多个实体和所述时空关系构建三元组;
在获取了多个实体和多个实体之间的时空关系后,可以据此构建三元组。在本发明实施例中,三元组是一种以<实体-时空关系-实体>为表现形式的数据结构。三元组可以有效反应实体与实体之间的时空关系。以城市数据为例,在一个示例中,三元组前后两个实体可以为处于不同地方的两个建筑物,两者之间的时空关系可以为两者之间的相对地理位置。在另一个示例中,三元组前后的实体可以为城市设施,后面的实体为城市设施的子单元,两者之间的时空关系可以为城市设施故障时,受城市设施故障影响的子单元的位置信息和产生关联故障的时间。
步骤205,基于所述三元组构建知识图谱;
在本发明实施例中,一个实体可能与多个实体之间存在时空关系,因此一个实体可能出现在不同的三元组中,以三元组中的实体为节点,以不同实体之间的时空关系为连接线,一个实体可以发散出一条或多条连接线与其他实体连接,从而可以构建一个以图结构化呈现的实体关系网络,即知识图谱。
在本发明实施例中,步骤205可以包括:
构建扩充三元组;
采用所述三元组和所述扩充三元组构建知识图谱。
具体地,如图3所示,在本发明实施例中,可以通过以下步骤构建扩充三元组:
S11,根据所述多个实体和所述时空关系构建三阶张量;
S12,分解所述三阶张量,并根据分解结果构建打分函数;
S13,根据所述三阶张量和所述打分函数构建最小化结构损失函数;
S14,求解所述最小化结构损失函数,获取所述三阶张量的值;
S15,将满足预设数值的所述三阶张量的值作为扩充三元组。
在本发明实施例中,可以对结构化语义数据的时空关系进行扩充,主要可以利用连接预测的方法对知识图谱的结构化语义层面未知的三元组关系进行预测,采用的方法可以包括TransE、RESCAL、NTN和PRA等,基于规则和归纳逻辑和马尔科夫条件随机场以及各种方法相互融合的方法。例如,在一个包含n个实体和m个时空关系的知识图谱中,O={h,r,t}表示其中的三元组。首先将每个实体ei当做一个向量,则每个关系rk都属于矩阵Rk,根据其中的O={ei,rk,ej}建立三阶张量yij (k)描述知识图谱中三元组的存在情况,通过对yij (k)进行张量分解并基于三元组中头尾实体向量及其关系矩阵数据构建出用于评估预测的打分函数f(ei,rk,ej)=ei TRkej,并依据损失函数反映的三元组有效性评估补充时空数据未覆盖的三元组有效性,补充三阶张量yij (k),其中λ是正则化参数用于控制正则化和损失函数之间的平衡,R是正则项。根据上述结果,如果yij (k)为1,则三元组{ei,rk,ej}成立,可作为扩充三元组。
同时,还可以结合现有的相关领域知识库,例如WikiData、Yago2、ConceptNet5等,添加已有知识库中实体在外部匹配或相类似的实体的属性、关系等,扩展现有知识库。
步骤206,通过所述知识图谱向用户展示数据轨迹。
由于本发明实施例是以时空关系为连接线构建知识图谱,因此,知识图谱能够反映数据的时空轨迹,用户可以直观地通过知识图谱向用户展示数据轨迹。
本发明通过获取时空数据,从时空数据中提取多个实体和多个实体之间的时空关系,并采用多个实体和对应的时空关系构建三元组,以基于三元组构建知识图谱,从而生成可直观展示数据轨迹的知识图谱向用户进行展示。本发明基于知识图谱来展示数据轨迹,可以基于不同场景灵活配置,实现多种应用场景的数据轨迹可视化。
请参阅图4,图4为本发明实施例提供的一种数据轨迹可视化装置的结构框图。
本发明提供的一种数据轨迹可视化装置,包括:
时空数据获取模块401,用于获取时空数据;
时空关系提取模块402,用于从所述时空数据中提取多个实体和所述多个实体之间的时空关系;
三元组构建模块403,用于采用所述多个实体和所述时空关系构建三元组;
知识图谱构建模块404,用于基于所述三元组构建知识图谱;
数据轨迹展示模块405,用于通过所述知识图谱向用户展示所述时空数据的数据轨迹。
在本发明实施例中,所述时空关系提取模块402,包括:
结构化语义提取子模块,用于从所述时空数据中读取结构化语义;
时空关系提取子模块,用于从所述结构化语义中提取多个实体和所述多个实体之间的时空关系。
在本发明实施例中,所述知识图谱构建模块404,包括:
扩充三元组构建子模块,用于构建扩充三元组;
知识图谱构建子模块,用于采用所述三元组和所述扩充三元组构建知识图谱。
在本发明实施例中,所述扩充三元组构建子模块,包括:
三阶张量构建单元,用于根据所述多个实体和所述时空关系构建三阶张量;
打分函数构建单元,用于分解所述三阶张量,并根据分解结果构建打分函数;
最小化结构损失函数构建单元,用于根据所述三阶张量和所述打分函数构建最小化结构损失函数;
获取单元,用于求解所述最小化结构损失函数,获取所述三阶张量的值;
扩充三元组构建单元,用于将满足预设数值的所述三阶张量的值作为扩充三元组。
本发明提供的一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如本发明任一实施例所述的数据轨迹可视化方法的步骤。
本发明提供的一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现如本发明任一实施例所述的数据轨迹可视化方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来达到实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种数据轨迹可视化方法,其特征在于,包括:
获取时空数据;
从所述时空数据中提取多个实体和所述多个实体之间的时空关系;
采用所述多个实体和所述时空关系构建三元组;
基于所述三元组构建知识图谱;
通过所述知识图谱向用户展示所述时空数据的数据轨迹;
其中,所述基于所述三元组构建知识图谱的步骤,包括:
构建扩充三元组;
采用所述三元组和所述扩充三元组构建知识图谱;
其中,所述构建扩充三元组的步骤包括:
根据所述多个实体和所述时空关系构建三阶张量;
分解所述三阶张量,并根据分解结果构建打分函数;
根据所述三阶张量和所述打分函数构建最小化结构损失函数;
求解所述最小化结构损失函数,获取所述三阶张量的值;
将满足预设数值的所述三阶张量的值作为扩充三元组。
2.根据权利要求1所述的方法,其特征在于,所述从所述时空数据中提取多个实体和所述多个实体之间的时空关系的步骤,包括:
从所述时空数据中读取结构化语义;
从所述结构化语义中提取多个实体和所述多个实体之间的时空关系。
3.一种数据轨迹可视化装置,其特征在于,包括:
时空数据获取模块,用于获取时空数据;
时空关系提取模块,用于从所述时空数据中提取多个实体和所述多个实体之间的时空关系;
三元组构建模块,用于采用所述多个实体和所述时空关系构建三元组;
知识图谱构建模块,用于基于所述三元组构建知识图谱;
数据轨迹展示模块,用于通过所述知识图谱向用户展示所述时空数据的数据轨迹;
其中,所述知识图谱构建模块,包括:
扩充三元组构建子模块,用于构建扩充三元组;
知识图谱构建子模块,用于采用所述三元组和所述扩充三元组构建知识图谱;
其中,所述扩充三元组构建子模块,包括:
三阶张量构建单元,用于根据所述多个实体和所述时空关系构建三阶张量;
打分函数构建单元,用于分解所述三阶张量,并根据分解结果构建打分函数;
最小化结构损失函数构建单元,用于根据所述三阶张量和所述打分函数构建最小化结构损失函数;
获取单元,用于求解所述最小化结构损失函数,获取所述三阶张量的值;
扩充三元组构建单元,用于将满足预设数值的所述三阶张量的值作为扩充三元组。
4.根据权利要求3所述的装置,其特征在于,所述时空关系提取模块,包括:
结构化语义提取子模块,用于从所述时空数据中读取结构化语义;
时空关系提取子模块,用于从所述结构化语义中提取多个实体和所述多个实体之间的时空关系。
5.一种电子设备,其特征在于,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-2中任一项所述的数据轨迹可视化方法的步骤。
6.一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如权利要求1-2任一项所述的数据轨迹可视化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010784616.8A CN111897972B (zh) | 2020-08-06 | 2020-08-06 | 一种数据轨迹可视化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010784616.8A CN111897972B (zh) | 2020-08-06 | 2020-08-06 | 一种数据轨迹可视化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111897972A CN111897972A (zh) | 2020-11-06 |
CN111897972B true CN111897972B (zh) | 2023-10-17 |
Family
ID=73245995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010784616.8A Active CN111897972B (zh) | 2020-08-06 | 2020-08-06 | 一种数据轨迹可视化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111897972B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051404B (zh) * | 2021-01-08 | 2024-02-06 | 中国科学院自动化研究所 | 一种基于张量分解的知识推理方法、装置、设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528610A (zh) * | 2016-09-28 | 2017-03-22 | 厦门理工学院 | 一种基于路径张量分解的知识图谱表示学习方法 |
CN107766583A (zh) * | 2017-11-22 | 2018-03-06 | 中山大学 | 基于子图划分的知识图谱降维表达方法 |
CN109325129A (zh) * | 2018-06-08 | 2019-02-12 | 浙江捷尚人工智能研究发展有限公司 | 一种知识图谱推理方法、电子设备、存储介质及系统 |
CN109543043A (zh) * | 2018-05-10 | 2019-03-29 | 国网江西省电力有限公司信息通信分公司 | 一种基于知识图谱推理的电力通信大数据错误的自动监测方法 |
CN110489395A (zh) * | 2019-07-27 | 2019-11-22 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 自动获取多源异构数据知识的方法 |
CN110569371A (zh) * | 2019-09-17 | 2019-12-13 | 出门问问(武汉)信息科技有限公司 | 一种知识图谱构建方法、装置及存储设备 |
CN110825882A (zh) * | 2019-10-09 | 2020-02-21 | 西安交通大学 | 一种基于知识图谱的信息系统管理方法 |
CN110852895A (zh) * | 2019-11-13 | 2020-02-28 | 易联众信息技术股份有限公司 | 一种基于知识图谱的医疗保障骗保行为发现方法 |
CN111026875A (zh) * | 2019-11-26 | 2020-04-17 | 中国人民大学 | 一种基于实体描述和关系路径的知识图谱补全方法 |
CN111191040A (zh) * | 2019-11-13 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 城市运行知识图谱构建方法、装置和计算机设备 |
CN111462841A (zh) * | 2020-03-12 | 2020-07-28 | 华南理工大学 | 一种基于知识图谱的抑郁症智能诊断装置及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190122111A1 (en) * | 2017-10-24 | 2019-04-25 | Nec Laboratories America, Inc. | Adaptive Convolutional Neural Knowledge Graph Learning System Leveraging Entity Descriptions |
-
2020
- 2020-08-06 CN CN202010784616.8A patent/CN111897972B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528610A (zh) * | 2016-09-28 | 2017-03-22 | 厦门理工学院 | 一种基于路径张量分解的知识图谱表示学习方法 |
CN107766583A (zh) * | 2017-11-22 | 2018-03-06 | 中山大学 | 基于子图划分的知识图谱降维表达方法 |
CN109543043A (zh) * | 2018-05-10 | 2019-03-29 | 国网江西省电力有限公司信息通信分公司 | 一种基于知识图谱推理的电力通信大数据错误的自动监测方法 |
CN109325129A (zh) * | 2018-06-08 | 2019-02-12 | 浙江捷尚人工智能研究发展有限公司 | 一种知识图谱推理方法、电子设备、存储介质及系统 |
CN110489395A (zh) * | 2019-07-27 | 2019-11-22 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 自动获取多源异构数据知识的方法 |
CN110569371A (zh) * | 2019-09-17 | 2019-12-13 | 出门问问(武汉)信息科技有限公司 | 一种知识图谱构建方法、装置及存储设备 |
CN110825882A (zh) * | 2019-10-09 | 2020-02-21 | 西安交通大学 | 一种基于知识图谱的信息系统管理方法 |
CN110852895A (zh) * | 2019-11-13 | 2020-02-28 | 易联众信息技术股份有限公司 | 一种基于知识图谱的医疗保障骗保行为发现方法 |
CN111191040A (zh) * | 2019-11-13 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 城市运行知识图谱构建方法、装置和计算机设备 |
CN111026875A (zh) * | 2019-11-26 | 2020-04-17 | 中国人民大学 | 一种基于实体描述和关系路径的知识图谱补全方法 |
CN111462841A (zh) * | 2020-03-12 | 2020-07-28 | 华南理工大学 | 一种基于知识图谱的抑郁症智能诊断装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111897972A (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahn et al. | A task taxonomy for network evolution analysis | |
Zhang et al. | Visual analytics for the big data era—A comparative review of state-of-the-art commercial systems | |
Gotz et al. | Behavior-driven visualization recommendation | |
Dasgupta et al. | Human factors in streaming data analysis: Challenges and opportunities for information visualization | |
Van Ho et al. | A web-enabled visualization toolkit for geovisual analytics | |
US20160094431A1 (en) | Service Analyzer Interface | |
CN113254549A (zh) | 人物关系挖掘模型的训练方法、人物关系挖掘方法及装置 | |
CN111159431A (zh) | 基于知识图谱的信息可视化方法、装置、设备及存储介质 | |
CN111897972B (zh) | 一种数据轨迹可视化方法和装置 | |
Urribarri et al. | Prediction of data visibility in two-dimensional scatterplots | |
CN110737779A (zh) | 知识图谱的构建方法、装置、存储介质和电子设备 | |
Chen et al. | Multi-aspect visual analytics on large-scale high-dimensional cyber security data | |
US8881028B2 (en) | Reverse metadata viewing by multiple parties | |
Muthumanickam et al. | Supporting exploration of eye tracking data: Identifying changing behaviour over long durations | |
CN111190966A (zh) | 一种基于lpa算法的大规模知识图谱可视化方法及系统 | |
US20130022267A1 (en) | System and method for modeling a region segmented image | |
Waldner et al. | Graphical histories of information foraging | |
KR20100032622A (ko) | 지식관리 시스템 | |
CN115774712A (zh) | 元数据管理方法、系统、设备及存储介质 | |
Lamqaddam et al. | Nahr: A visual representation of social networks as support for art history research | |
Krueger et al. | Visual analysis of visitor behavior for indoor event management | |
Jing et al. | Interactive temporal display through collaboration networks visualization | |
CN115617774A (zh) | 基于配置管理系统的数据处理方法、装置和计算机设备 | |
Jentner et al. | Visual Analytics of Co-Occurrences to Discover Subspaces in Structured Data | |
CN114036313B (zh) | 一种族谱展示方法、装置及电子设备 |
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 |