CN112799928B - 基于知识图谱的工业app关联性分析方法、装置及介质 - Google Patents

基于知识图谱的工业app关联性分析方法、装置及介质 Download PDF

Info

Publication number
CN112799928B
CN112799928B CN202110126184.6A CN202110126184A CN112799928B CN 112799928 B CN112799928 B CN 112799928B CN 202110126184 A CN202110126184 A CN 202110126184A CN 112799928 B CN112799928 B CN 112799928B
Authority
CN
China
Prior art keywords
industrial app
industrial
app
knowledge graph
analyzed
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
CN202110126184.6A
Other languages
English (en)
Other versions
CN112799928A (zh
Inventor
李义章
孟祥芹
秦敏慧
王振华
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.)
Suowei Technology Co ltd
Original Assignee
Suowei 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 Suowei Technology Co ltd filed Critical Suowei Technology Co ltd
Priority to CN202110126184.6A priority Critical patent/CN112799928B/zh
Publication of CN112799928A publication Critical patent/CN112799928A/zh
Application granted granted Critical
Publication of CN112799928B publication Critical patent/CN112799928B/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
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种基于知识图谱的工业APP关联性分析方法、装置及介质，该方法包括：获取用户使用多个工业APP的行为操作数据；确定工业APP知识图谱的节点、边线和边线链接次数，进而构建工业APP知识图谱；判断待分析工业APP的产品类型、应用场景和分类等级；基于所述工业APP知识图谱对所述待分析工业APP的关联性进行分析，确定关联度。本申请构建了工业APP知识图谱，能够快速直观地搜索、查找工业APP之间的关联性，通过与现有工业APP集成极大地减少了工业APP的开发工作量，推动了工业APP之间的集成共享应用，从而将工业APP的应用，覆盖至工业产品的全生命周期，进一步很大程度上提高了用户体验。

Description

基于知识图谱的工业APP关联性分析方法、装置及介质
技术领域
本发明一般涉及大数据分析技术领域，具体涉及一种基于知识图谱的工业APP关联性分析方法、装置及介质。
背景技术
随着互联网技术的快速发展，工业APP已经越来越多地应用在了人们的日常生活中，能够用于关键生产环节控制和生产过程管理，其本质是企业知识和技术诀窍的模型化、模块化、标准化和软件化，能够有效促进知识的显性化、公有化、组织化、系统化，极大地便利了知识的应用和复用。
目前大多数工业APP功能比较单一，针对某一类特定工业问题时，需要寻找到关联性较强的相关工业APP。因此，如何快速直观地搜索、查找工业APP之间的关联性，将相关性较大的工业APP联合应用是现今需要解决的问题。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种基于知识图谱的工业APP关联性分析方法、装置及介质。
第一方面，本发明提供了一种基于知识图谱的工业APP关联性分析方法，该方法包括：
获取用户使用多个工业APP的行为操作数据；
基于用户使用多个工业APP的行为操作数据，确定工业APP知识图谱的节点、边线和边线链接次数，进而构建工业APP知识图谱；
判断待分析工业APP的产品类型、应用场景和分类等级；
基于所述工业APP知识图谱对所述待分析工业APP与多个工业APP的关联性进行分析，确定关联度。
在其中一个实施例中，所述基于用户使用多个工业APP的行为操作数据，确定工业APP知识图谱的节点、边线和边线链接次数，进而构建工业APP知识图谱，包括：
将所述工业APP作为知识图谱的节点；
基于用户使用多个工业APP的行为操作数据，确定用户使用多个工业APP的路径，并将所述路径作为所述知识图谱的边线；
基于用户使用多个工业APP的行为操作数据，确定用户在所述多个工业APP之间使用频次，确定所述边线的链接次数；
根据所述节点、所述边线和所述边线链接次数构建工业APP知识图谱。
在其中一个实施例中，根据所述节点、所述边线和所述链接次数构建知识图谱，包括：
确定所述待分析工业APP的产品类型；
基于所述产品类型，确定所述待分析工业APP的应用场景和分类等级；
根据所述用户行为操作数据，确定不同待分析工业APP之间的使用频次；
基于所述使用频次，确定所述边线的链接次数；
基于所述应用场景、分类等级和链接次数，构建知识图谱。
在其中一个实施例中，所述基于所述工业APP知识图谱对所述待分析工业APP与多个工业APP的关联性进行分析，确定关联度，采用全局路径规划算法确定工业APP的关联度。
在其中一个实施例中，根据工业APP的关联度，以及用户使用待分析工业APP的操作数据，获得包括待分析工业APP在内的新的知识图谱。
在其中一个实施例中，基于所述新的知识图谱确定所述待分析工业APP的集成应用数据；
基于所述集成应用数据，建立新的工业APP。
第二方面，本申请实施例提供了一种基于知识图谱的工业APP关联性分析装置，该装置包括：
获取模块，用于获取待分析工业APP的用户行为操作数据；
知识图谱模块，用于基于所述待分析工业APP的用户行为操作数据，构建知识图谱；
判断模块，用于判断待分析工业APP的产品类型、应用场景和分类等级；
关联性分析模块，用于基于所述知识图谱对所述待工业APP关联性进行分析，确定分析结果。
第三方面，本申请实施例提供了一种计算机设备，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所述基于知识图谱的工业APP关联性分析方法。
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，所述计算机程序用于实现如第一方面所述的基于知识图谱的工业APP关联性分析方法。
本申请通过获取工业APP的用户行为操作数据，并基于工业APP的用户行为操作数据，构建多个工业APP知识图谱。基于知识图谱对待工业APP与其他多个工业APP关联性进行分析，确定关联分析结果。在已有知识图谱上，增加待分析工业APP为新节点，根据关联分析结果和用户使用工业APP的操作数据，根据节点、边线和链接次数构建新的包括待分析工业APP在内的知识图谱，进而建立新的工业APP联合应用关系图，集成后形成新的工业。本申请构建了知识图谱，能够快速直观地搜索、查找工业APP之间的关联性，通过与现有工业APP集成极大地减少了工业APP的开发工作量，推动了工业APP之间的集成共享应用，从而将工业APP的应用，覆盖至工业产品的全生命周期，进一步很大程度上提高了用户体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的基于知识图谱的工业APP关联性分析的实施环境的架构示意图；
图2为本申请实施例提供的基于知识图谱的工业APP关联性分析方法的流程示意图；
图3本申请实施例提供的齿轮联合应用关系图的结构示意图；
图4为本发明实施例提供的基于知识图谱的工业APP关联性分析装置的结构示意图；
图5为本发明实施例提供的计算机设备的结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合；并且，基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
可以理解，工业APP，是基于工业互联网、承载工业知识和经验，满足特定需求的工业应用软件，是工业技术软件化的重要成果。工业APP主要用于关键生产环节控制和生产过程管理，大多数工业APP功能比较单一，针对某一类特定工业问题时，需要寻找到关联性较强的相关工业APP。因此，如何快速直观地搜索、查找工业APP之间的关联性，将相关性较大的工业APP联合应用是现今需要解决的问题。
基于上述缺陷，本发明实施例提供了一种基于知识图谱的工业APP关联性分析方法，通过获取待分析工业APP的用户行为操作数据，并基于待分析工业APP的用户行为操作数据，构建知识图谱，然后基于知识图谱对待工业APP关联性进行分析，确定分析结果。该方案由于构建了知识图谱，从而能够快速直观地搜索、查找工业APP之间的关联性，极大地减少了工业APP的开发工作量，推动了工业APP之间的集成共享应用，从而将工业APP的应用，覆盖至工业产品的全生命周期，进一步很大程度上提高了用户体验。
图1是本申请实施例提供的一种基于知识图谱的工业APP关联性分析方法的实施环境架构图。如图1所示，该实施环境架构包括：终端100和服务器200。
终端100可以是智能电视、智能电视机顶盒等智能家居设备，或者终端100可以是智能手机、平板电脑以及电子书阅读器等移动式便携终端，或者，该终端100可以是智能眼镜、智能手表等智能可穿戴设备，本实施例对此不进行具体限定。
服务器200可以是一台服务器，也可以是由若干台服务器构成的服务器集群，或者服务器200可以包含一个或多个虚拟化平台，或者服务器200可以是一个云计算服务中心。
其中，服务器200可以是为上述终端100中安装的AI应用提供后台服务的服务器设备。
终端100与服务器200之间通过有线或无线网络建立通信连接。可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan AreaNetwork，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。
为了便于理解和说明，下面通过图2至图5详细阐述本申请实施例提供的基于知识图谱的工业APP关联性分析方法、装置及介质。
需要说明的是，下述实施例的执行主体可以是基于知识图谱的工业APP关联性分析装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为终端设备的部分或者全部。下述方法实施例的执行主体以服务器为例来进行说明。
图2为本发明实施例提供的基于知识图谱的工业APP关联性分析方法的流程示意图，如图2所示，该方法包括：
步骤S101、获取待分析工业APP的用户行为操作数据。
具体得，上述待分析工业APP可以包括不同属性，该不同属性可以是通用行业属性或业务场景属性，通用行业属性例如可以是航空、航天、汽车和家电等通用行业，业务场景属性可以是研发设计、生产制造、运维服务和经营管理等类型的业务场景。
例如，用户行为操作数据可以包括用户使用该待分析工业APP的次数、用户使用该待分析工业APP的路径、使用时间等。
可选的，上述待分析工业APP可以是至少两个。待分析工业APP的用户行为操作数据可以是用户使用云端下载的数据，也可以是使用外部设备导入的文件。服务器获取待分析工业APP的用户行为操作数据的过程可以为：
服务器接收用户输入的处理指令，并响应于该处理指令，从而获取得到待分析工业APP的用户行为操作数据。
步骤S102、基于用户使用多个工业APP的行为操作数据，确定工业APP知识图谱的节点、边线和边线链接次数，进而构建工业APP知识图谱；
本步骤中，在获取到用户使用多个工业APP的行为操作数据后，可以将多个工业APP作为知识图谱的节点，用户使用使用多个工业APP的路径作为知识图谱的边线，用户在多个工业APP之间的使用频次，确定边线的链接次数，两节点之间边线链接次数越多，工业APP之间的相关性就越大；两节点之间边线链接次数越少，工业APP之间的相关性就越小。根据节点、边线和链接次数构建知识图谱。
步骤S103判断待分析工业APP的产品类型、应用场景和分类等级；
本步骤中，需要先确定待分析工业APP的产品类型，并基于产品类型，确定待分析工业APP的应用场景和分类等级。例如，工业APP的产品类型可以是齿轮、轴承、蜗轮蜗杆等，应用场景可以是航天、汽车等场景，可以根据不同的应用场景和产品类型，对待分析工业APP划分所属的分类等级。
步骤S104基于所述工业APP知识图谱对所述待分析工业APP与多个工业APP的关联性进行分析，确定关联度。
基于待分析工业APP与其他多个工业APP的链接次数，确定待分析工业APP与其他多个工业APP之间的关联概率，该关联概率用于表示不同工业APP之间的关联程度。
本申请采用全局路径规划算法确定待分析工业APP与其他多个工业APP之间的关联概率，即确定工业APP的关联程度。
Dijkstra路径查找算法是典型最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。该算法能够得出最短路径的最优解，其原理为：
设G＝(V,E,V,A)是一个带权有向图，把图中顶点集合V分成两组，第一组为已求出最短路径的顶点集合S，第二组为其余未确定最短路径的顶点集合U，按最短路径长度的递增次序依次把第二组的顶点加入S中。在加入过程中，总保持从源点V到S中各顶点的最短路径长度不大于从源点V到U中任何顶点的最短路径长度。每个顶点对应一个距离，S中的顶点的距离就是从V到此顶点的最短长度，U中的顶点距离是从V到此顶点中包括S中的顶点为中间顶点的当前最短路径长度。
本申请中采用G＝(V,E,V,A)计算不同工业APP的关联程度，根据工业APP的关联性，建立工业APP的关联图谱，V表示工业APP的节点集合，E表示工业APP之间的关系连接边线，A是工业APP的邻接矩阵，X为|V|×d的特征矩阵，X的第i行Xi表示第i个节点的属性特征，其中，d表示单元中节点的关联维度，即该APP与哪几个APP有关联。
步骤S105、根据工业APP的关联度，以及用户使用待分析工业APP的操作数据，获得包括待分析工业APP在内的新的知识图谱。
在已有知识图谱上，增加待分析工业APP为新节点，根据关联分析结果和用户使用工业APP的操作数据，根据节点、边线和链接次数构建新的包括待分析工业APP在内的知识图谱，进而建立新的工业APP联合应用关系图。根据本申请的方法，建立齿轮的联合应用关系图参见图3所示。
根据工业APP联合应用图谱及确定的联合应用关系，将工业APP进行集成应用，确定集成后的工业APP，并对集成后的工业APP进行赋码和标识，得到新的工业APP标识。
需要说明的是，上述集成应用数据可以是新的工业APP标识、多个工业APP集成应用的覆盖范围等数据。
应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
另一方面，图4为本发明实施例提供的基于知识图谱的工业APP关联性分析装置的结构示意图。如图4所示，该装置可以实现如图2-3所示的方法，该装置可以包括：
获取模块，用于获取待分析工业APP的用户行为操作数据；
知识图谱模块，用于基于所述待分析工业APP的用户行为操作数据，构建知识图谱；
判断模块，用于判断待分析工业APP的产品类型、应用场景和分类等级；
关联性分析模块，用于基于所述知识图谱对所述待工业APP关联性进行分析，确定分析结果。
优选的，知识图谱模块20，包括：
第一单元201，用于将待分析工业APP作为知识图谱的节点；
第二单元202，用于基于待分析工业APP的用户行为操作数据，确定用户使用待分析工业APP的路径，并将路径作为知识图谱的边线；
第三单元203，用于基于用户行为操作数据，确定边线的链接次数；
构建单元204，用于根据节点、边线和链接次数构建知识图谱。
可选的，上述构建单元204，具体用于：
确定待分析工业APP的产品类型；
基于产品类型，确定待分析工业APP的应用场景和分类等级；
根据用户行为操作数据，确定不同待分析工业APP之间的使用频次；
基于使用频次，确定边线的链接次数；
基于应用场景、分类等级和链接次数，构建知识图谱。
可选的，上述构建单元204，还用于：
基于不同待分析工业APP中的链接次数，确定不同待分析工业APP之间的关联概率；
根据不同待分析工业APP之间的关联概率、应用场景和分类等级，构建知识图谱。
可选的，上述知识图谱模块30，具体用于：
基于知识图谱确定待分析工业APP的集成应用数据；
基于集成应用数据，建立新的工业APP体系。
可选的，上述知识图谱模块30，还用于：
根据知识图谱确定待分析工业APP的联合应用关系；
基于联合应用关系对待分析工业APP进行集成应用，确定集成后的工业APP；
对集成后的工业APP进行赋码和标识，得到新的工业APP标识。
本实施例提供的基于知识图谱的工业APP关联性分析装置，可以执行上述方法的实施例，其实现原理和技术效果类似，在此不再赘述。
图5为本发明实施例提供的一种计算机设备的结构示意图。如图5所示，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统700的结构示意图。
如图5所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM703中，还存储有系统700操作所需的各种程序和数据。CPU701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口706也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口706。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考图2描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行图2的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、构建模块和确定模块。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，获取模块还可以被描述为“用于获取待分析工业APP的用户行为操作数据”。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中前述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，前述程序被一个或者一个以上的处理器用来执行描述于本申请的基于知识图谱的工业APP关联性分析方法。
综上所述，本申请实施例提供的基于知识图谱的工业APP关联性分析方法、装置及介质，通过获取待分析工业APP的用户行为操作数据，并基于待分析工业APP的用户行为操作数据，构建知识图谱，然后基于知识图谱对待工业APP关联性进行分析，确定分析结果。该方案由于构建了知识图谱，从而能够快速直观地搜索、查找工业APP之间的关联性，极大地减少了工业APP的开发工作量，推动了工业APP之间的集成共享应用，从而将工业APP的应用，覆盖至工业产品的全生命周期，进一步很大程度上提高了用户体验。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种基于知识图谱的工业APP关联性分析方法，其特征在于，所述方法包括：
获取用户使用多个工业APP的行为操作数据；
基于用户使用多个工业APP的行为操作数据，确定工业APP知识图谱的节点、边线和边线链接次数，进而构建工业APP知识图谱；
判断待分析工业APP的产品类型、应用场景和分类等级；
基于所述工业APP知识图谱对所述待分析工业APP与多个工业APP的关联性进行分析，确定关联度；
根据所述工业APP的关联度，以及用户使用待分析工业APP的操作数据，获得包括待分析工业APP在内的新的知识图谱；
基于所述新的知识图谱确定所述待分析工业APP的集成应用数据；
基于所述集成应用数据，建立新的工业APP。
2.根据权利要求1所述的方法，其特征在于，所述基于用户使用多个工业APP的行为操作数据，确定工业APP知识图谱的节点、边线和边线链接次数，进而构建工业APP知识图谱，包括：
将所述工业APP作为知识图谱的节点；
基于用户使用多个工业APP的行为操作数据，确定用户使用多个工业APP的路径，并将所述路径作为所述知识图谱的边线；
基于用户使用多个工业APP的行为操作数据，确定用户在所述多个工业APP之间使用频次，确定所述边线的链接次数；
根据所述节点、所述边线和所述边线链接次数构建工业APP知识图谱。
3.根据权利要求1所述的方法，其特征在于，根据所述节点、所述边线和所述边线链接次数构建知识图谱，包括：
确定所述待分析工业APP的产品类型；
判断所述待分析工业APP的应用场景和分类等级；
根据所述用户行为操作数据，确定不同待分析工业APP之间的使用频次；
基于所述使用频次，确定所述边线的链接次数；
基于所述应用场景、分类等级和链接次数，构建知识图谱。
4.根据权利要求3所述的方法，其特征在于，所述基于所述工业APP知识图谱对所述待分析工业APP与多个工业APP的关联性进行分析，确定关联度，采用全局路径规划算法确定工业APP的关联度。
5.一种基于知识图谱的工业APP关联性分析装置，其特征在于，所述装置包括：
获取模块，用于获取用户使用多个工业APP的行为操作数据；
知识图谱模块，用于基于用户使用多个工业APP的行为操作数据，确定工业APP知识图谱的节点、边线和边线链接次数，进而构建工业APP的知识图谱；
判断模块，用于判断待分析工业APP的产品类型、应用场景和分类等级；
关联性分析模块，用于基于所述知识图谱对所述待分析工业APP与多个工业APP的关联性进行分析，确定关联度；
所述装置，还用于：
根据所述工业APP的关联度，以及用户使用待分析工业APP的操作数据，获得包括待分析工业APP在内的新的知识图谱；
基于所述新的知识图谱确定所述待分析工业APP的集成应用数据；
基于所述集成应用数据，建立新的工业APP。
6.根据权利要求5所述的装置，其特征在于，所述知识图谱模块，包括：
第一单元，用于将所述待分析工业APP作为知识图谱的节点；
第二单元，用于基于所述待分析工业APP的用户行为操作数据，确定用户使用所述待分析工业APP的路径，并将所述路径作为所述知识图谱的边线；
第三单元，用于基于所述用户行为操作数据，确定所述边线的链接次数；
构建单元，用于根据所述节点、所述边线和所述链接次数构建知识图谱。
7.一种计算机设备，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1-4中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述存储有计算机程序，所述计算机程序用于被处理器执行时实现权利要求1-4中任一项所述的方法。
CN202110126184.6A 2021-01-29 2021-01-29 基于知识图谱的工业app关联性分析方法、装置及介质 Active CN112799928B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110126184.6A CN112799928B (zh) 2021-01-29 2021-01-29 基于知识图谱的工业app关联性分析方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110126184.6A CN112799928B (zh) 2021-01-29 2021-01-29 基于知识图谱的工业app关联性分析方法、装置及介质

Publications (2)

Publication Number Publication Date
CN112799928A CN112799928A (zh) 2021-05-14
CN112799928B true CN112799928B (zh) 2023-08-18

Family

ID=75812861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110126184.6A Active CN112799928B (zh) 2021-01-29 2021-01-29 基于知识图谱的工业app关联性分析方法、装置及介质

Country Status (1)

Country Link
CN (1) CN112799928B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114461484B (zh) * 2021-12-20 2023-04-25 奇安盘古(上海)信息技术有限公司 应用程序的关联性确定方法、装置、设备、介质和程序

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018072071A1 (zh) * 2016-10-18 2018-04-26 浙江核新同花顺网络信息股份有限公司 知识图谱构建系统及方法
CN109189935A (zh) * 2018-07-02 2019-01-11 北京市天元网络技术股份有限公司 一种基于知识图谱的app传播分析方法及系统
WO2020037217A1 (en) * 2018-08-16 2020-02-20 Oracle International Corporation Techniques for building a knowledge graph in limited knowledge domains
CN111291265A (zh) * 2020-02-10 2020-06-16 青岛聚看云科技有限公司 一种推荐信息生成方法及装置
CN112035676A (zh) * 2020-09-02 2020-12-04 中国银行股份有限公司 用户操作行为知识图谱构建方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10725982B2 (en) * 2017-11-20 2020-07-28 International Business Machines Corporation Knowledge graph node expiration
US10803108B2 (en) * 2017-12-20 2020-10-13 International Business Machines Corporation Facilitation of domain and client-specific application program interface recommendations
US11580179B2 (en) * 2018-09-24 2023-02-14 Salesforce.Com, Inc. Method and system for service agent assistance of article recommendations to a customer in an app session
US11086909B2 (en) * 2018-11-27 2021-08-10 International Business Machines Corporation Partitioning knowledge graph

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018072071A1 (zh) * 2016-10-18 2018-04-26 浙江核新同花顺网络信息股份有限公司 知识图谱构建系统及方法
CN109189935A (zh) * 2018-07-02 2019-01-11 北京市天元网络技术股份有限公司 一种基于知识图谱的app传播分析方法及系统
WO2020037217A1 (en) * 2018-08-16 2020-02-20 Oracle International Corporation Techniques for building a knowledge graph in limited knowledge domains
CN111291265A (zh) * 2020-02-10 2020-06-16 青岛聚看云科技有限公司 一种推荐信息生成方法及装置
CN112035676A (zh) * 2020-09-02 2020-12-04 中国银行股份有限公司 用户操作行为知识图谱构建方法及装置

Also Published As

Publication number Publication date
CN112799928A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN108924198B (zh) 一种基于边缘计算的数据调度方法、装置及系统
CN112560496A (zh) 语义分析模型的训练方法、装置、电子设备及存储介质
CN117032938B (zh) 一种算子的并行调度方法、装置、电子设备及存储介质
CN113515672A (zh) 数据处理方法、装置、计算机可读介质及电子设备
CN114648676A (zh) 点云处理模型的训练和点云实例分割方法及装置
CN111259167B (zh) 用户请求风险识别方法及装置
CN111125294A (zh) 一种空间关系的知识图谱数据模型表示方法及系统
CN112799928B (zh) 基于知识图谱的工业app关联性分析方法、装置及介质
CN112215398A (zh) 电力用户负荷预测模型建立方法、装置、设备及存储介质
CN114997414A (zh) 数据处理方法、装置、电子设备和存储介质
CN117079148B (zh) 城市功能区的识别方法、装置、设备和介质
CN112783508B (zh) 文件的编译方法、装置、设备以及存储介质
CN116992294B (zh) 卫星测控训练评估方法、装置、设备及存储介质
CN116662509A (zh) 大规模语言模型的开放域问答实现方法、装置及设备
CN115544653A (zh) 刚度仿真测试方法、装置、电子设备以及存储介质
CN114819095A (zh) 业务数据处理模型的生成方法、装置及电子设备
CN114266352A (zh) 模型训练结果优化方法、装置、存储介质及设备
CN113468604A (zh) 基于人工智能的大数据隐私信息解析方法及系统
CN116755938B (zh) 计算重启方法、装置、存储介质及电子设备
CN113572679B (zh) 账户亲密度的生成方法、装置、电子设备和存储介质
CN111526054B (zh) 用于获取网络的方法及装置
CN117667606B (zh) 基于用户行为的高性能计算集群能耗预测方法及系统
US20240062060A1 (en) Solving mixed integer programs using neural networks
CN113177212B (zh) 联合预测方法和装置
CN116151463A (zh) 产品开发工时的预测方法和设备

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
CB02 Change of applicant information

Address after: 100192 Building 9, Aobei science and Technology Park, No.1 courtyard, Baosheng South Road, Haidian District, Beijing

Applicant after: Suowei Technology Co.,Ltd.

Address before: 100192 Building 9, Aobei science and Technology Park, No.1 courtyard, Baosheng South Road, Haidian District, Beijing

Applicant before: Beijing rope is systems technology LLC

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant