CN112597238A - 基于人员信息的知识图谱构建方法、系统、设备及介质 - Google Patents
基于人员信息的知识图谱构建方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN112597238A CN112597238A CN202011494609.0A CN202011494609A CN112597238A CN 112597238 A CN112597238 A CN 112597238A CN 202011494609 A CN202011494609 A CN 202011494609A CN 112597238 A CN112597238 A CN 112597238A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- relationship
- relation
- personnel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000004140 cleaning Methods 0.000 claims abstract description 14
- 238000005065 mining Methods 0.000 claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 12
- 230000010365 information processing Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims 1
- 238000009412 basement excavation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人员信息的知识图谱构建方法，包括以下步骤：获取多种来源的原始数据，所述原始数据包括实时数据和历史数据；对实时数据进行过滤、清洗和整理，得到清洗后的数据；对清洗后的数据进行实时计算挖掘关系数据得到第一关系数据，将得到的第一关系数据录入图数据库；对历史数据进行离线计算挖掘关系数据得到第二关系数据，将得到的第二关系数据录入图数据库；将第一关系数据和第二关系数据进行分类存储；根据第一关系数据和第二关系数据构建人员关系图谱。该方法可以快速高效分析出人员关系数据，搭建目标人员的团队(伙)模型，建立起完整的人员社会关系图谱，可以实现各种维度的挖掘以及分析，可以在多种场景下应用。
Description
技术领域
本发明涉及软件技术领域，具体涉及一种基于人员信息的知识图谱构建方法、系统、设备及介质。
背景技术
随着经济社会快速发展，各类信息数据、知识呈现爆发性增长的趋势。在公共安全领域应用过程中，如何在冗杂、海量的数据中选择有效信息，并在公共安全领域搭建人员的信息体系，是未来的发展趋势。同时，人员关系挖掘与社会信息综合性评估在公共安全领域也发挥着越来越重要的作用，但目前基于通用社交网络的分析方法无法满足在公共安全领域中的特定研判分析要求与应用，比如，在挖掘高风险人员的用户画像或者对犯罪团伙时不能进行有效的算法分析、建模研判、可视化呈现等。
发明内容
针对现有技术中的缺陷，本发明实施例提供一种基于人员信息的知识图谱构建方法、系统、设备及介质，通过利用多种数据建立人员关系，深入挖掘人员信息，形成人员关系图谱。
第一方面，本发明实施例提供的一种基于人员信息的知识图谱构建方法，包括以下步骤：
获取多种来源的原始数据，所述原始数据包括实时数据和历史数据；
对所述实时数据进行过滤、清洗和整理，得到清洗后的数据；
对清洗后的数据进行实时计算挖掘关系数据得到第一关系数据，将得到的第一关系数据录入图数据库；
对历史数据进行离线计算挖掘关系数据得到第二关系数据，将得到的第二关系数据录入图数据库；
将第一关系数据和第二关系数据进行分类存储；
根据第一关系数据和第二关系数据构建人员关系图谱。
第二方面，本发明实施例提供的一种基于人员信息的知识图谱构建系统，包括：数据获取模块、数据清洗模块、实时计算模块、离线计算模块、分类存储模块和图谱构建模块，其中，
所述数据获取模块用于获取多种来源的原始数据，所述原始数据包括实时数据和历史数据；
所述数据清洗模块对实时数据进行过滤、清洗和整理，得到清洗后的数据；
所述实时计算模块用于对清洗后的数据进行实时计算挖掘关系数据得到第一关系数据，将得到的第一关系数据录入图数据库；
所述离线计算模块用于对历史数据进行离线计算挖掘关系数据得到第二关系数据，将得到的第二关系数据录入图数据库；
所述分类存储模块用于将第一关系数据和第二关系数据进行分类存储；
图谱构建模块根据第一关系数据和第二关系数据构建人员关系图谱。
第三方面，本发明实施例提供的一种智能设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。
第四方面，本发明实施例提供的计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
本发明的有益效果：
本发明实施例提供的一种基于人员信息的知识图谱构建方法、系统、设备及介质，通过利用多种方式获取的原始数据，对数据进行清洗处理，快速高效分析出人员关系数据，搭建目标人员的团队(伙)模型，建立起完整的人员社会关系图谱，包括人员多级关系、多人团伙分析、图模式匹配、人员最短路径等，可以实现各种维度的挖掘以及分析，可以在多种场景下应用。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明第一实施例所提供的一种基于人员信息的知识图谱构建方法的流程图；
图2示出了本发明第二实施例所提供的一种基于人员信息的知识图谱构建系统的结构框图；
图3示出了本发明第三实施例所提供的一种智能设备的结构框图。
具体实施方式
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示，示出了本发明第一实施例提供了一种基于人员信息的知识图谱构建方法的流程图，该方法包括以下步骤：
S1:获取多种来源的原始数据，所述原始数据包括实时数据和历史数据。
具体地，通过多种方式获取原始数据，对原始数据进行分类，分为基础文档类信息、关系类信息和日志类信息。基础文档信息包括目标人员基础信息、目标人员的车辆信息、目标人员的房产信息和虚拟账号信息等固定信息。关系类信息包括可以从原始数据中直接获取或间接获取关系的信息，例如：户籍信息可以解析出两个人之间属于哪类亲属关系、银行转账信息可以得到两个人存在的交易关系等。日志类信息包括目标人员的个人行为产生的多种记录信息，比如目标人员的火车、飞机、汽车等出行的购票记录，在酒店入住/退房产生的住宿记录等日志类信息。通过分布式系统获取的原始实时数据不断存储积累形成历史数据。
S2:对实时数据进行过滤、清洗和整理，得到清洗后的数据。
具体地，对实时数据进行通用的过滤、清洗、整理，将脏乱的数据转化为格式规范、整齐符合国家标准的数据，完成数据的清洗，得到清洗后的数据。
S3:对清洗后的数据进行实时计算挖掘关系数据得到第一关系数据，将得到的第一关系数据录入图数据库。
例如：从目标人员基础信息获取目标人员户籍地址，基于户籍住址进行同乡模型匹配，生成同乡关系；将车辆信息与历史发生嫌疑案件的车辆进行比对，将比对成功的车辆信息加入案件关系库；将房产信息与历史发生嫌疑案件的小区进行比对，将比对成功的小区信息加入案件关系库等，将基础信息及分析出的关系数据录入图数据库。在实时计算阶段可以及时发现异常情况，可以及时将异常情况直接推送到其他终端，及时有效地帮助工作人员获取最新进展。对于关系类信息以及日志类信息的处理方法类似，对关系类信息和日志类信息进行关系挖掘并进行存储。
S4:对历史数据进行离线计算挖掘关系数据得到第二关系数据，将得到的第二关系数据录入图数据库。
具体地，对历史数据进行离线计算挖掘关系数据得到第二关系数据包括对日志类信息采用离线计算挖掘关系数据，具体方法包括：
预设信息导出时间和设定导出日志类信息的时间段；
将目标人员与嫌疑人库和案件库进行匹配；
若发现可疑的同行人员，标记同行人员，对可疑人员的过往历史数据进行分析，得到目标人员与同行人员的关系密切程度；
将分析结果存储到图数据库中。
日志类信息根据业务周期采用离线计算方式进行数据处理。例如：出行类数据的处理，每天凌晨会将昨天的全部出行数据加载出来，对目标人员做嫌疑人库匹配以及案件库匹配，发现可疑的同行人员，然后对可疑人员的过往大量历史数据再次分析，得到关系的密切程度，最终将分析结果存储到图数据库中。同理，其他类数据同样指定了一系列的模型来对历史数据进行挖掘，将最终有效的信息写入图数据库中。采用离线计算方式计算历史数据可以节省大量的算力。
S5:将第一关系数据和第二关系数据进行分类存储。
S6:根据第一关系数据和第二关系数据构建人员关系图谱。
上述方法还包括步骤S7:可视化显示出人员关系图谱。
通过上述步骤构建好人员关系图谱后，在查询关系图谱时可以添加选项自动删除多余的枝叶，使得最终对团队(伙)的脉络展示更清晰。
本发明实施例提供的一种基于人员信息的知识图谱构建方法，通过利用多种方式获取的原始数据，对数据进行清洗处理，快速高效分析出人员关系数据，搭建目标人员的团队(伙)模型，建立起完整的人员社会关系图谱，包括人员多级关系、多人团伙分析、图模式匹配、人员最短路径等，可以实现各种维度的挖掘以及分析，可以在多种场景下应用。
在上述的第一实施例中，提供了一种基于人员信息的知识图谱构建方法，与之相对应的，本申请还提供一种基于人员信息的知识图谱构建系统。请参考图2，其为本发明第二实施例提供的基于人工智能的自动检测系统的结构框图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
如图2所示，示出了本发明第二实施例提供的一种基于人员信息的知识图谱构建系统的结构框图，该系统包括数据获取模块、数据清洗模块、实时计算模块、离线计算模块、分类存储模块和图谱构建模块，其中，数据获取模块用于获取多种来源的原始数据，所述原始数据包括实时数据和历史数据；数据清洗模块对实时数据进行过滤、清洗和整理，得到清洗后的数据；实时计算模块用于对清洗后的数据进行实时计算挖掘关系数据得到第一关系数据，将得到的第一关系数据录入图数据库；离线计算模块用于对历史数据进行离线计算挖掘关系数据得到第二关系数据，将得到的第二关系数据录入图数据库；分类存储模块用于将第一关系数据和第二关系数据进行分类存储；图谱构建模块根据第一关系数据和第二关系数据构建人员关系图谱。图数据库采用ArangoDB技术。该系统还包括可视化模块，可视化模块用于显示构建好的知识图谱。该系统还包括自定义模块，所述自定义模块用于自定义删除或增加图谱枝叶，在查询复杂的关系图谱时，通过自定义模块能够添加选项自动删除多余枝叶或自动拓展指定枝叶，使最终对团队(伙)的脉络更加清晰。
在本实施例中，数据获取模块根据原始数据来源进行分类，分别接入消息系统，消息系统采用Kafka系统实现。原始数据包括基础文档类信息、关系类信息和日志类信息，所述基础文档信息包括目标人员基础信息、目标人员的车辆信息、目标人员的房产信息和虚拟账号信息，所述关系类信息包括从原始数据中直接或间接获取关系的信息，所述日志类信息包括目标人员的个人行为产生的多种记录信息。
该系统中的数据清洗模块对数据进行通用的过滤、清洗、整理，将脏乱的数据转化为格式规范、整齐的符合国家标准的数据，完成数据的清洗。实时计算模块包括基础文档信息处理单元，所述基础文档信息处理单元用于从目标人员基础信息中获取目标人员户籍地址，基于户籍地址进行同乡模型匹配，生成同乡关系，将车辆信息与历史发生嫌疑案件的车辆进行比对，将比对成功的车辆信息加入案件关系库，将房产信息与历史发生嫌疑案件的小区进行比对，将比对成功的小区信息加入案件关系库。实时计算模块采用Flink技术实现。
该系统中的离线计算模块包括日志信息处理单元，所述日志信息处理单元用于预设信息导出时间和设定导出日志类信息的时间段，将目标人员与嫌疑人库和案件库进行匹配，若发现可疑的同行人员，标记同行人员，对可疑人员的过往历史数据进行分析，得到目标人员与同行人员的关系密切程度，将分析结果存储到图数据库中。离线平台采用Spark实现。
本发明实施例提供的一种基于人员信息的知识图谱构建系统，通过利用多种方式获取的原始数据，对数据进行清洗处理，快速高效分析出人员关系数据，搭建目标人员的团队(伙)模型，建立起完整的人员社会关系图谱，包括人员多级关系、多人团伙分析、图模式匹配、人员最短路径等，可以实现各种维度的挖掘以及分析，可以在多种场景下应用。
如图3所示，示出了在本发明第三实施例提供的一种智能设备结构框图，该设备包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。
应当理解，在本发明实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备可以包括显示器(LCD等)、扬声器等。
该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器、输入设备、输出设备可执行本发明实施例提供的方法实施例所描述的实现方式，也可执行本发明实施例所描述的系统实施例的实现方式，在此不再赘述。
在本发明还提供一种计算机可读存储介质的实施例，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
所述计算机可读存储介质可以是前述实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端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，所揭露终端和方法，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。另外，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，也可以是电的，机械的或其它的形式连接。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于人员信息的知识图谱构建方法，其特征在于，包括以下步骤：
获取多种来源的原始数据，所述原始数据包括实时数据和历史数据；
对实时数据进行过滤、清洗和整理，得到清洗后的数据；
对清洗后的数据进行实时计算挖掘关系数据得到第一关系数据，将得到的第一关系数据录入图数据库；
对历史数据进行离线计算挖掘关系数据得到第二关系数据，将得到的第二关系数据录入图数据库；
将第一关系数据和第二关系数据进行分类存储；
根据第一关系数据和第二关系数据构建人员关系图谱。
2.如权利要求1所述的方法，其特征在于，所述原始数据包括基础文档类信息、关系类信息和日志类信息，所述基础文档信息包括目标人员基础信息、目标人员的车辆信息、目标人员的房产信息和虚拟账号信息，所述关系类信息包括从原始数据中直接或间接获取关系的信息，所述日志类信息包括目标人员的个人行为产生的多种记录信息。
3.如权利要求2所述的方法，其特征在于，所述对清洗后的数据进行实时计算挖掘关系数据的具体方法包括：
从目标人员基础信息中获取目标人员户籍地址，基于户籍地址进行同乡模型匹配，生成同乡关系；
将车辆信息与历史发生嫌疑案件的车辆进行比对，将比对成功的车辆信息加入案件关系库；
将房产信息与历史发生嫌疑案件的小区进行比对，将比对成功的小区信息加入案件关系库。
4.如权利要求2所述的方法，其特征在于，所述对历史数据进行离线计算挖掘关系数据得到第二关系数据包括对日志类信息采用离线计算挖掘关系数据，具体方法包括：
预设信息导出时间和设定导出日志类信息的时间段；
将目标人员与嫌疑人库和案件库进行匹配；
若发现可疑的同行人员，标记同行人员，对可疑人员的过往历史数据进行分析，得到目标人员与同行人员的关系密切程度；
将分析结果存储到图数据库中。
5.一种基于人员信息的知识图谱构建系统，其特征在于，包括：数据获取模块、数据清洗模块、实时计算模块、离线计算模块、分类存储模块和图谱构建模块，其中，
所述数据获取模块用于获取多种来源的原始数据，所述原始数据包括实时数据和历史数据；
所述数据清洗模块对实时数据进行过滤、清洗和整理，得到清洗后的数据；
所述实时计算模块用于对清洗后的数据进行实时计算挖掘关系数据得到第一关系数据，将得到的第一关系数据录入图数据库；
所述离线计算模块用于对历史数据进行离线计算挖掘关系数据得到第二关系数据，将得到的第二关系数据录入图数据库；
所述分类存储模块用于将第一关系数据和第二关系数据进行分类存储；
所述图谱构建模块根据第一关系数据和第二关系数据构建人员关系图谱。
6.如权利要求5所述的系统，其特征在于，所述原始数据包括基础文档类信息、关系类信息和日志类信息，所述基础文档信息包括目标人员基础信息、目标人员的车辆信息、目标人员的房产信息和虚拟账号信息，所述关系类信息包括从原始数据中直接或间接获取关系的信息，所述日志类信息包括目标人员的个人行为产生的多种记录信息。
7.如权利要求6所述的系统，其特征在于，所述实时计算模块包括基础文档信息处理单元，所述基础文档信息处理单元用于从目标人员基础信息中获取目标人员户籍地址，基于户籍地址进行同乡模型匹配，生成同乡关系，将车辆信息与历史发生嫌疑案件的车辆进行比对，将比对成功的车辆信息加入案件关系库，将房产信息与历史发生嫌疑案件的小区进行比对，将比对成功的小区信息加入案件关系库。
8.如权利要求6所述的系统，其特征在于，所述离线计算模块包括日志信息处理单元，所述日志信息处理单元用于预设信息导出时间和设定导出日志类信息的时间段，将目标人员与嫌疑人库和案件库进行匹配，若发现可疑的同行人员，标记同行人员，对可疑人员的过往历史数据进行分析，得到目标人员与同行人员的关系密切程度，将分析结果存储到图数据库中。
9.一种智能设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行如权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011494609.0A CN112597238A (zh) | 2020-12-17 | 2020-12-17 | 基于人员信息的知识图谱构建方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011494609.0A CN112597238A (zh) | 2020-12-17 | 2020-12-17 | 基于人员信息的知识图谱构建方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112597238A true CN112597238A (zh) | 2021-04-02 |
Family
ID=75196981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011494609.0A Pending CN112597238A (zh) | 2020-12-17 | 2020-12-17 | 基于人员信息的知识图谱构建方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112597238A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112989135A (zh) * | 2021-04-15 | 2021-06-18 | 杭州网易再顾科技有限公司 | 实时风险团伙的识别方法、介质、装置和计算设备 |
| CN113254763A (zh) * | 2021-04-30 | 2021-08-13 | 青岛以萨数据技术有限公司 | 基于开源arangodb的数据分析方法、装置及存储介质 |
| CN114003743A (zh) * | 2021-07-30 | 2022-02-01 | 浙江创邻科技有限公司 | 基于安平系统的图数据库系统、构建方法、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107870988A (zh) * | 2017-10-17 | 2018-04-03 | 厦门市美亚柏科信息股份有限公司 | 一种信息核查方法、终端设备及存储介质 |
| CN111427968A (zh) * | 2019-10-28 | 2020-07-17 | 青岛海信网络科技股份有限公司 | 一种基于知识图谱的重点人员全息档案构建方法及装置 |
| CN111625654A (zh) * | 2020-04-14 | 2020-09-04 | 北京旷视科技有限公司 | 关系图谱的生成方法、传播路径的确认方法及装置 |
-
2020
- 2020-12-17 CN CN202011494609.0A patent/CN112597238A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107870988A (zh) * | 2017-10-17 | 2018-04-03 | 厦门市美亚柏科信息股份有限公司 | 一种信息核查方法、终端设备及存储介质 |
| CN111427968A (zh) * | 2019-10-28 | 2020-07-17 | 青岛海信网络科技股份有限公司 | 一种基于知识图谱的重点人员全息档案构建方法及装置 |
| CN111625654A (zh) * | 2020-04-14 | 2020-09-04 | 北京旷视科技有限公司 | 关系图谱的生成方法、传播路径的确认方法及装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112989135A (zh) * | 2021-04-15 | 2021-06-18 | 杭州网易再顾科技有限公司 | 实时风险团伙的识别方法、介质、装置和计算设备 |
| CN112989135B (zh) * | 2021-04-15 | 2023-03-24 | 杭州网易再顾科技有限公司 | 实时风险团伙的识别方法、介质、装置和计算设备 |
| CN113254763A (zh) * | 2021-04-30 | 2021-08-13 | 青岛以萨数据技术有限公司 | 基于开源arangodb的数据分析方法、装置及存储介质 |
| CN114003743A (zh) * | 2021-07-30 | 2022-02-01 | 浙江创邻科技有限公司 | 基于安平系统的图数据库系统、构建方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112597238A (zh) | 基于人员信息的知识图谱构建方法、系统、设备及介质 | |
| CN111950738A (zh) | 机器学习模型优化效果评估方法、装置、终端及存储介质 | |
| CN113792089B (zh) | 基于人工智能的非法行为检测方法、装置、设备及介质 | |
| CN112598513B (zh) | 识别股东风险交易行为的方法及装置 | |
| CN109543744B (zh) | 一种基于龙芯派的多类别深度学习图像识别方法及其应用 | |
| CN112749653A (zh) | 行人检测方法、装置、电子设备及存储介质 | |
| CN116307671A (zh) | 风险预警方法、装置、计算机设备、存储介质 | |
| CN113705534A (zh) | 基于深度视觉的行为预测方法、装置、设备及存储介质 | |
| CN111598753A (zh) | 一种嫌疑人推荐方法、装置、电子设备和存储介质 | |
| Min et al. | Behavior language processing with graph based feature generation for fraud detection in online lending | |
| CN112750038B (zh) | 交易风险的确定方法、装置和服务器 | |
| CN112990583A (zh) | 一种数据预测模型的入模特征确定方法及设备 | |
| CN111797175B (zh) | 数据存储方法、装置、存储介质及电子设备 | |
| CN109491970B (zh) | 面向云存储的不良图片检测方法、装置及存储介质 | |
| CN115601684A (zh) | 突发事件预警方法、装置、电子设备及存储介质 | |
| CN111651652B (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
| CN113469816A (zh) | 基于多组学技术的数字货币识别方法、系统和存储介质 | |
| CN113792671A (zh) | 人脸合成图像的检测方法、装置、电子设备及介质 | |
| CN112884559A (zh) | 一种围标检测方法、装置、设备及存储介质 | |
| CN110321342A (zh) | 基于智能特征选择的公司评估方法、装置及存储介质 | |
| CN117227551B (zh) | 新能源设备安全监控方法、装置、设备及可读存储介质 | |
| CN116631172B (zh) | 一种基于门锁和电子门铃联动的预警方法及装置 | |
| CN113419140B (zh) | 一种考虑人机物协同的配网线路故障诊断方法及装置 | |
| CN113657429B (zh) | 面向数字孪生城市物联网的数据融合方法及装置 | |
| CN113792962A (zh) | 一种资产化数据处理方法、装置、存储介质及终端 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 266400 No. 77, Lingyan Road, LINGSHANWEI sub district office, Huangdao District, Qingdao City, Shandong Province Applicant after: Qingdao Issa Technology Co.,Ltd. Applicant after: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd. Address before: 100020 room 108, 1 / F, building 17, yard 6, Jingshun East Street, Chaoyang District, Beijing Applicant before: BEIJING YISA TECHNOLOGY Co.,Ltd. Applicant before: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd. Address after: 266400 No. 77, Lingyan Road, LINGSHANWEI sub district office, Huangdao District, Qingdao City, Shandong Province Applicant after: Issa Technology Co.,Ltd. Applicant after: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd. Address before: 266400 No. 77, Lingyan Road, LINGSHANWEI sub district office, Huangdao District, Qingdao City, Shandong Province Applicant before: Qingdao Issa Technology Co.,Ltd. Applicant before: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd. |