CN112800242B - 谱系挖掘方法、装置、电子设备及计算机可读存储介质 - Google Patents

谱系挖掘方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN112800242B
CN112800242B CN202110119600.XA CN202110119600A CN112800242B CN 112800242 B CN112800242 B CN 112800242B CN 202110119600 A CN202110119600 A CN 202110119600A CN 112800242 B CN112800242 B CN 112800242B
Authority
CN
China
Prior art keywords
lineage
data
pedigree
node
core
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
CN202110119600.XA
Other languages
English (en)
Other versions
CN112800242A (zh
Inventor
庞宇嘉
彭琛
汪伟
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202110119600.XA priority Critical patent/CN112800242B/zh
Priority to PCT/CN2021/082868 priority patent/WO2022160443A1/zh
Publication of CN112800242A publication Critical patent/CN112800242A/zh
Application granted granted Critical
Publication of CN112800242B publication Critical patent/CN112800242B/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
    • G06F16/30—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明涉及数据分析领域，揭露了一种谱系挖掘方法，包括：对谱系核心数据构建有向无环图及关联谱系节点查询，得到关联谱系节点；计算关联谱系节点在核心链路节点的占比，筛选占比超过预设阈值的关联谱系节点，对筛选的关联谱系节点进行权重分配及筛选，得到相似谱系隐藏数据，将相似谱系隐藏数据和谱系核心数据汇总，生成新谱系核心数据；若新谱系核心数据不满足预设条件，将新谱系核心数据作为谱系核心数据后返回对谱系核心数据构建有向无环图的步骤；若新谱系核心数据满足预设条件，将相似谱系隐藏数据作为谱系核心数据的隐藏分支数据。此外，本发明还涉及区块链技术，所述新谱系核心数据可存储于区块链中。本发明可以提高谱系挖掘的全面性。

Description

谱系挖掘方法、装置、电子设备及计算机可读存储介质
技术领域
本发明涉及数据分析领域，尤其涉及一种谱系挖掘方法、装置、电子设备及计算机可读存储介质。
背景技术
谱系挖掘是指从数据中获取实体及新的实体链接和新的关联规则等信息，目前谱系挖掘常用于知识图谱的谱系隐藏分支识别，例如企业图谱的谱系隐藏分支识别、家族图谱的谱系隐藏分支识别以及地理图谱的谱系隐藏分支识别等，通过谱系挖掘可以很好的了解到实体之间的隐藏关联关系，如对企业图谱的谱系隐藏分支识别，可以了解到企业谱系核心人物下联的隐藏分支，从而可以识别出关系紧密的一部分企业，帮助用户更好的进行企业风险分析。
当前谱系挖掘通常通过确定谱系核心用户进行单向深度搜索，由此挖掘谱系的分支挖掘，但是这样方法依赖于当前已公开的市场数据，无法支持更深层次的谱系隐藏分支挖掘，从而导致挖掘出的谱系隐藏分支不够全面。
发明内容
本发明提供一种谱系挖掘方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高谱系挖掘的全面性。
为实现上述目的，本发明提供的一种谱系挖掘方法，包括：
获取谱系核心数据，对所述谱系核心数据构建有向无环图，生成核心链路节点，根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点；
计算所述关联谱系节点在所述核心链路节点的占比，并筛选所述占比超过预设阈值的关联谱系节点，得到目标关联谱系节点；
对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值；
查询所述目标关联谱系节点所有的谱系数据，根据所述权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，并将所述相似谱系隐藏数据和所述谱系核心数据进行汇总，生成新谱系核心数据；
判断所述新谱系核心数据是否满足预设条件；
若所述新谱系核心数据不满足预设条件，则将所述新谱系核心数据作为所述谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤；
若所述新谱系核心数据满足预设条件，则将所述相似谱系隐藏数据作为所述谱系核心数据的隐藏分支数据。
可选地，所述对所述谱系核心数据构建有向无环图，生成核心链路节点，包括：
获取所述谱系核心数据的主键，查询所述谱系核心数据中所有的谱系关系，根据所述主键和谱系关系，对所述谱系核心数据构建有向无环图，生成核心链路节点。
可选地，所述根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点，包括：
查询所述核心链路节点在所述谱系图形知识库中的节点位置；
根据所述节点位置，采用路径记忆深度搜索算法查找所述核心链路节点在所述谱系图形知识库中的可行路径；
将所述可行路径对应的谱系节点作为所述核心链路节点的关联谱系节点，得到关联谱系节点。
可选地，所述计算所述关联谱系节点在所述核心链路节点的占比，包括：
将所述核心链路节点和所述关联谱系节点进行向量转换，得到核心链路节点向量和关联谱系节点向量；
计算所述关联谱系节点向量在核心链路节点向量中的权重比，得到所述关联谱系节点在所述核心链路节点的占比。
可选地，所述对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值，包括：
获取所述目标关联谱系节点在所述核心链路节点的占比，
计算所述目标关联谱系节点的置信度；
对所述占比和置信度进行加权平均，得到所述目标关联谱系节点的权重值。
可选地，所述根据所述目标关联谱系节点的权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，包括：
计算所述谱系数据中数据与所述谱系核心数据中数据的相似度，将所述相似度与所述权重值进行加权平均，得到权重相似值；
从所述谱系数据选取所述权重相似值大于预设权重相似值的数据，得到所述谱系核心数据的相似谱系隐藏数据。
可选地，所述计算所述谱系数据中数据与所述谱系核心数据中数据的相似度包括：
利用下述公式计算所述谱系数据中数据与所述谱系核心数据中数据的相似度：
其中，T(x，y)表示相似度，表示谱系数据x的第i个数据，/>表示谱系核心数据的第i个数据。
为了解决上述问题，本发明还提供一种谱系挖掘装置，所述装置包括：
查询模块，用于获取谱系核心数据，对所述谱系核心数据构建有向无环图，生成核心链路节点，根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点；
筛选模块，用于计算所述关联谱系节点在所述核心链路节点的占比，并筛选所述占比超过预设阈值的关联谱系节点，得到目标关联谱系节点；
分配模块，用于对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值；
汇总模块，用于查询所述目标关联谱系节点所有的谱系数据，根据所述权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，并将所述相似谱系隐藏数据和所述谱系核心数据进行汇总，生成新谱系核心数据；
判断模块，用于判断所述新谱系核心数据是否满足预设条件；
所述判断模块，还用于在所述新谱系核心数据不满足预设条件时，将所述新谱系核心数据作为所述谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤；
所述判断模块，还用于在所述新谱系核心数据满足预设条件时，将所述相似谱系隐藏数据作为所述谱系核心数据的隐藏分支数据。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的谱系挖掘方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的谱系挖掘方法。
本发明实施例首先对谱系核心数据构建有向无环图及关联谱系节点的查询，得到关联谱系节点，可以支持谱系核心数据的关联数据深度挖掘，从而保障后续谱系分支挖掘的全面性；其次，本发明实施例计算关联谱系节点在核心链路节点的占比，并筛选占比超过预设阈值的关联谱系节点，对筛选的关联谱系节点进行权重分配及筛选，得到相似谱系隐藏数据，将相似谱系隐藏数据和谱系核心数据进行汇总，生成新谱系核心数据，可以实现谱系分支的挖掘准确性；进一步地，若新谱系核心数据不满足预设条件，则将新谱系核心数据作为谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤，若新谱系核心数据满足预设条件，则将所述相似谱系隐藏数据作为谱系核心数据的隐藏分支数据，以通过不断迭代挖掘的方法，可以确保最终谱系核心数据的隐藏分支的生成全面性。因此，本发明提出的一种谱系挖掘方法、装置、电子设备以及存储介质可以提高谱系挖掘的全面性。
附图说明
图1为本发明一实施例提供的谱系挖掘方法的流程示意图；
图2为本发明第一实施例中图1提供的谱系挖掘方法其中一个步骤的详细流程示意图；
图3为本发明一实施例提供的谱系挖掘装置的模块示意图；
图4为本发明一实施例提供的实现谱系挖掘方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种谱系挖掘方法。所述谱系挖掘方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述谱系挖掘方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的谱系挖掘方法的流程示意图。在本发明实施例中，所述谱系挖掘方法包括：
S1、获取谱系核心数据，对所述谱系核心数据构建有向无环图，生成核心链路节点，根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点。
本发明实施例中，所述谱系核心数据基于不同的知识图谱确定，例如对于企业图谱来说，所述谱系核心数据可以为核心人物/企业；对于企业图谱来说，所述谱系核心数据可以为核心人物/家族；对于地理图谱来说，所述谱系核心数据可以为可以城市/重要企业，比如深圳/平安。进一步地，本发明实施例根据用户需求，从专业网页中查询对应的谱系核心数据，比如查询特定谱系的隐藏分支，则可以得到特定谱系的谱系核心数据。
应该了解，所述谱系核心数据涉及的范围领域较广且关系错综复杂，若直接根据谱系核心数据查询相关联的谱系隐藏分支，容易带来较大的计算机性能压力，从而会影响所述谱系隐藏分支的查询速度，因此，本发明实施例对所述谱系核心数据构建有向无环图，生成核心链路节点，并根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点集。其中，所述有向无环图指的是一个无回路的有向图，即如果一个有向图无法从某个顶点出发经过若干条边回到该点，则这个图是一个有向无环图
详细地，所述对所述谱系核心数据构建有向无环图，生成核心链路节点，包括：获取所述谱系核心数据的主键，查询所述谱系核心数据中所有的谱系关系，根据所述主键和谱系关系，对所述谱系核心数据构建有向无环图，生成核心链路节点。
其中，所述主键用于表示所述谱系核心数据的唯一标识，可以为id。所述谱系关系指的是所述谱系核心数据关系中的实体之间关系，例如所述谱系核心数据为A人、B公司以及C公司，则对应的谱系关系可以包括：A人控股B公司、A人控股C公司以及B公司包含C公司，可选的，本发明实施通过查询语句获取所述谱系核心数据中所有的谱系关系，所述查询语句包括select语句。
一个可选实施例中，所述有向无环图通过C++语言进行编译，所述核心链路节点指的是所述谱系核心数据在所述有向无环图的各个节点位置。
进一步地，参阅图2所示，所述根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点集，包括：
S20、查询所述核心链路节点在所述谱系图形知识库中的节点位置；
S21、根据所述节点位置，采用路径记忆深度搜索算法查找所述核心链路节点在所述谱系图形知识库中的可行路径；
S22、将所述可行路径对应的谱系节点作为所述核心链路节点的关联谱系节点，得到关联谱系节点。
其中，所述谱系图形知识库通过图形数据库构建，如Neo4j数据库，其应用图形理论存储实体之间的关系信息，在本发明实施例中，所述谱系图形知识库可以用于存储企业-用户之间的关系信息。
一个可选实施例中，所述节点位置可以通过SQL查询语句获取。
一个可选实施例中，所述可行路径指的是所述核心链路节点与所述谱系图形知识库中图形节点可以做归并处理的通道，所述路径记忆深度搜索算法可以为当前已知的记忆化搜索算法（MemorySearch），其原理包括：当访问到一个节点时，若它先前未被访问过，则直接取其父节点的连通路径集里每一条路径，在其末端增加一条边，作为该节点本身的路径集，同时将该节点加入已访问列表；如果该节点已经被访问过，则取其父节点的路径集构建新的路径集合，并且和其原有路径集合并去重；与此同时，若识别到路径集中任一路径存在某个节点出现两次，则剔除该路径。
S2、计算所述关联谱系节点在所述核心链路节点的占比，并筛选所述占比超过预设阈值的关联谱系节点，得到目标关联谱系节点。
本发明实施例通过计算所述关联谱系节点在所述核心链路节点的占比，并筛选所述占比超过预设阈值的关联谱系节点，得到目标关联谱系节点，以筛选出与所述核心链路节点直接关联的谱系节点。
详细地，所述计算所述关联谱系节点在所述核心链路节点的占比，包括：将所述核心链路节点和所述关联谱系节点进行向量转换，得到核心链路节点向量和关联谱系节点向量，计算所述关联谱系节点向量在核心链路节点向量中的权重比，得到所述关联谱系节点在所述核心链路节点中的占比。可选地，所述预设阈值为0.25，也可以根据实际业务场景设置阈值。
一个可选实施例中，所述向量转换可以通过当前已知的word2vec模型实现，所述权重比可以通过动态联通量算法实现。其中，所述动态联通量算法包括：将所述核心链路节点向量的联通量记为1；访问任意一个关联谱系节点向量的时候，将其所有已知核心链路节点向量的联通量，及所有核心链路节点向量与其自身关联边的权重向量做叉乘，得到所述核心链路节点在对应关联谱系节点中的占比。
S3、对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值。
本发明实施例中，对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值，以识别出所述目标关联谱系节点在所述核心谱系节点中的重要程度，从而可以保障后续谱系隐藏数据挖掘的前提。
详细地，所述对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值，包括：获取所述目标关联谱系节点在所述核心链路节点的占比，计算所述目标关联谱系节点的置信度，对所述占比和置信度进行加权平均，得到所述目标关联谱系节点的权重值。
其中，所述目标关联谱系节点的占比即为上述步骤S2中关联谱系节点在核心链路节点的占比。
一个可选实施例中，所述计算所述目标关联谱系节点的置信度，包括：获取所述关联谱系节点对应所有核心链路节点的置信度及占比，根据所述占比，对所述置信度进行加权平均，得到对应关联谱系节点的置信度，其中，所述核心链路节点的置信度基于用户需求进行设置，比如可以设置为1，表示该核心链路节点为真实可信任的。示例性地，所述关联谱系节点为D公司，其对应的核心链路节点包括：A人和B公司，获取所述A人和B公司的置信度均为1、所述A人在D公司的占比为0.36以及所述B公司在D公司的占比为0.4，计算所述D公司的置信度为：（1*0.36+1*0.4）/2=0.38。
S4、查询所述目标关联谱系节点所有的谱系数据，根据所述权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，并将所述相似谱系隐藏数据和所述谱系核心数据进行汇总，生成新谱系核心数据。
本发明实施例中，所述目标关联谱系节点所有的谱系数据可以通过网页搜索得到。
进一步地，所述根据所述权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，包括：计算所述谱系数据中数据与所述谱系核心数据中数据的相似度，将所述相似度与所述权重值进行加权平均，得到权重相似值，从所述谱系数据选取所述权重相似值大于预设权重相似值的数据，得到所述谱系核心数据的相似谱系隐藏数据。其中，所述预设权重相似值为0.48，也可根据实际业务场景设置。
一个可选实施例中，利用下述公式计算所述谱系数据中数据与所述谱系核心数据中数据的相似度：
其中，T(x，y)表示相似度，表示谱系数据x的第i个数据，/>表示谱系核心数据的第i个数据。
进一步地，为保障所述新谱系核心数据的隐私性和安全性，所述新谱系核心数据还可存储于一区块链节点中。
S5、判断所述新谱系核心数据是否满足预设条件。
应该了解，在生成的新谱系核心数据还可能会存在新的谱系隐藏分支，为了更好实现谱系核心数据的隐藏分支的全面挖掘，本发明实施例通过判断所述新谱系核心数据是否满足预设条件，以识别出所述新谱系核心数据是否挖掘完成，其中，所述预设条件基于用户需求设置，例如设置所述预设条件为所述新谱系核心数据相较于所述谱系核心数据已经趋于收敛，则判断所述新谱系核心数据满足预设条件，反之，则判断所述新谱系核心数据不满足预设条件。
若所述新谱系核心数据不满足预设条件，则执行S6、将所述新谱系核心数据作为所述谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤。
应该了解，若所述新谱系核心数据不满足预设条件，则表示所述新谱系核心数据还有待挖掘的数据，因此，本发明实施例将所述新谱系核心数据作为所述谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤，以保证生成的新谱系核心数据的全面性。
若所述新谱系核心数据满足预设条件，则执行S7、将所述相似谱系隐藏数据作为所述谱系核心数据的隐藏分支数据。
应该了解，若所述新谱系核心数据满足预设条件，则表示所述新谱系核心数据没有待挖掘的数据，因此，本发明实施例将所述相似谱系隐藏数据作为所述谱系核心数据的隐藏分支数据。
本发明实施例首先对谱系核心数据构建有向无环图及关联谱系节点的查询，得到关联谱系节点，可以支持谱系核心数据的关联数据深度挖掘，从而保障后续谱系分支挖掘的全面性；其次，本发明实施例计算关联谱系节点在核心链路节点的占比，并筛选占比超过预设阈值的关联谱系节点，对筛选的关联谱系节点进行权重分配及筛选，得到相似谱系隐藏数据，将相似谱系隐藏数据和谱系核心数据进行汇总，生成新谱系核心数据，可以实现谱系分支的挖掘准确性；进一步地，若新谱系核心数据不满足预设条件，则将新谱系核心数据作为谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤，若新谱系核心数据满足预设条件，则将所述相似谱系隐藏数据作为谱系核心数据的隐藏分支数据，以通过不断迭代挖掘的方法，可以确保最终谱系核心数据的隐藏分支的生成全面性。因此，本发明可以提高谱系挖掘的全面性。
如图3所示，是本发明谱系挖掘装置的功能模块图。
本发明所述谱系挖掘装置100可以安装于电子设备中。根据实现的功能，所述谱系挖掘装置可以包括查询模块101、筛选模块102、分配模块103、汇总模块104以及判断模块105。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述查询模块101，用于获取谱系核心数据，对所述谱系核心数据构建有向无环图，生成核心链路节点，根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点；
所述筛选模块102，用于计算所述关联谱系节点在所述核心链路节点的占比，并筛选所述占比超过预设阈值的关联谱系节点，得到目标关联谱系节点；
所述分配模块103，用于对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值；
所述汇总模块104，用于查询所述目标关联谱系节点所有的谱系数据，根据所述权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，并将所述相似谱系隐藏数据和所述谱系核心数据进行汇总，生成新谱系核心数据；
所述判断模块105，用于判断所述新谱系核心数据是否满足预设条件；
所述判断模块105，还用于在所述新谱系核心数据不满足预设条件时，将所述新谱系核心数据作为所述谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤；
所述判断模块105，还用于在所述新谱系核心数据满足预设条件时，将所述相似谱系隐藏数据作为所述谱系核心数据的隐藏分支数据。
详细地，本发明实施例中所述谱系挖掘装置100中的所述各模块在使用时采用与上述的图1和图2中所述的谱系挖掘方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图4所示，是本发明实现谱系挖掘方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如谱系挖掘程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、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，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如谱系挖掘的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行谱系挖掘等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的谱系挖掘12是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取谱系核心数据，对所述谱系核心数据构建有向无环图，生成核心链路节点，根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点；
计算所述关联谱系节点在所述核心链路节点的占比，并筛选所述占比超过预设阈值的关联谱系节点，得到目标关联谱系节点；
对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值；
查询所述目标关联谱系节点所有的谱系数据，根据所述权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，并将所述相似谱系隐藏数据和所述谱系核心数据进行汇总，生成新谱系核心数据；
判断所述新谱系核心数据是否满足预设条件；
若所述新谱系核心数据不满足预设条件，则将所述新谱系核心数据作为所述谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤；
若所述新谱系核心数据满足预设条件，则将所述相似谱系隐藏数据作为所述谱系核心数据的隐藏分支数据。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/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，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取谱系核心数据，对所述谱系核心数据构建有向无环图，生成核心链路节点，根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点；
计算所述关联谱系节点在所述核心链路节点的占比，并筛选所述占比超过预设阈值的关联谱系节点，得到目标关联谱系节点；
对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值；
查询所述目标关联谱系节点所有的谱系数据，根据所述权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，并将所述相似谱系隐藏数据和所述谱系核心数据进行汇总，生成新谱系核心数据；
判断所述新谱系核心数据是否满足预设条件；
若所述新谱系核心数据不满足预设条件，则将所述新谱系核心数据作为所述谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤；
若所述新谱系核心数据满足预设条件，则将所述相似谱系隐藏数据作为所述谱系核心数据的隐藏分支数据。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，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，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来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模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种谱系挖掘方法，其特征在于，所述方法包括：
获取谱系核心数据，对所述谱系核心数据构建有向无环图，生成核心链路节点，根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点；
计算所述关联谱系节点在所述核心链路节点的占比，并筛选所述占比超过预设阈值的关联谱系节点，得到目标关联谱系节点；
对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值；
查询所述目标关联谱系节点所有的谱系数据，根据所述权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，并将所述相似谱系隐藏数据和所述谱系核心数据进行汇总，生成新谱系核心数据；
判断所述新谱系核心数据是否满足预设条件；
若所述新谱系核心数据不满足预设条件，则将所述新谱系核心数据作为所述谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤；
若所述新谱系核心数据满足预设条件，则将所述相似谱系隐藏数据作为所述谱系核心数据的隐藏分支数据；
其中，所述根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点，包括：查询所述核心链路节点在所述谱系图形知识库中的节点位置；根据所述节点位置，采用路径记忆深度搜索算法查找所述核心链路节点在所述谱系图形知识库中的可行路径；将所述可行路径对应的谱系节点作为所述核心链路节点的关联谱系节点，得到关联谱系节点。
2.如权利要求1所述的谱系挖掘方法，其特征在于，所述对所述谱系核心数据构建有向无环图，生成核心链路节点，包括：
获取所述谱系核心数据的主键，查询所述谱系核心数据中所有的谱系关系，根据所述主键和谱系关系，对所述谱系核心数据构建有向无环图，生成核心链路节点。
3.如权利要求1所述的谱系挖掘方法，其特征在于，所述计算所述关联谱系节点在所述核心链路节点的占比，包括：
将所述核心链路节点和所述关联谱系节点进行向量转换，得到核心链路节点向量和关联谱系节点向量；
计算所述关联谱系节点向量在核心链路节点向量中的权重比，得到所述关联谱系节点在所述核心链路节点的占比。
4.如权利要求1所述的谱系挖掘方法，其特征在于，所述对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值，包括：
获取所述目标关联谱系节点在所述核心链路节点的占比，
计算所述目标关联谱系节点的置信度；
对所述占比和置信度进行加权平均，得到所述目标关联谱系节点的权重值。
5.如权利要求1至4中任意一项所述的谱系挖掘方法，其特征在于，所述根据所述目标关联谱系节点的权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，包括：
计算所述谱系数据中数据与所述谱系核心数据中数据的相似度，将所述相似度与所述权重值进行加权平均，得到权重相似值；
从所述谱系数据选取所述权重相似值大于预设权重相似值的数据，得到所述谱系核心数据的相似谱系隐藏数据。
6.如权利要求5中所述的谱系挖掘方法，其特征在于，所述计算所述谱系数据中数据与所述谱系核心数据中数据的相似度包括：
利用下述公式计算所述谱系数据中数据与所述谱系核心数据中数据的相似度：
其中，T(x，y)表示相似度，表示谱系数据x的第i个数据，/>表示谱系核心数据的第i个数据。
7.一种谱系挖掘装置，其特征在于，所述装置包括：
查询模块，用于获取谱系核心数据，对所述谱系核心数据构建有向无环图，生成核心链路节点，根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点；
筛选模块，用于计算所述关联谱系节点在所述核心链路节点的占比，并筛选所述占比超过预设阈值的关联谱系节点，得到目标关联谱系节点；
分配模块，用于对所述目标关联谱系节点进行权重分配，得到所述目标关联谱系节点的权重值；
汇总模块，用于查询所述目标关联谱系节点所有的谱系数据，根据所述权重值，从所述谱系数据中筛选出与所述谱系核心数据相似的谱系隐藏数据，得到所述谱系核心数据的相似谱系隐藏数据，并将所述相似谱系隐藏数据和所述谱系核心数据进行汇总，生成新谱系核心数据；
判断模块，用于判断所述新谱系核心数据是否满足预设条件；
所述判断模块，还用于在所述新谱系核心数据不满足预设条件时，将所述新谱系核心数据作为所述谱系核心数据后并返回对所述谱系核心数据构建有向无环图的步骤；
所述判断模块，还用于在所述新谱系核心数据满足预设条件时，将所述相似谱系隐藏数据作为所述谱系核心数据的隐藏分支数据；
其中，所述根据所述核心链路节点，向预构建的谱系图形知识库查询关联谱系节点，得到关联谱系节点，包括：查询所述核心链路节点在所述谱系图形知识库中的节点位置；根据所述节点位置，采用路径记忆深度搜索算法查找所述核心链路节点在所述谱系图形知识库中的可行路径；将所述可行路径对应的谱系节点作为所述核心链路节点的关联谱系节点，得到关联谱系节点。
8.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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如权利要求1至6中任意一项所述的谱系挖掘方法。
9.一种计算机可读存储介质，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至6中任意一项所述的谱系挖掘方法。
CN202110119600.XA 2021-01-28 2021-01-28 谱系挖掘方法、装置、电子设备及计算机可读存储介质 Active CN112800242B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110119600.XA CN112800242B (zh) 2021-01-28 2021-01-28 谱系挖掘方法、装置、电子设备及计算机可读存储介质
PCT/CN2021/082868 WO2022160443A1 (zh) 2021-01-28 2021-03-25 谱系挖掘方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110119600.XA CN112800242B (zh) 2021-01-28 2021-01-28 谱系挖掘方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112800242A CN112800242A (zh) 2021-05-14
CN112800242B true CN112800242B (zh) 2023-07-28

Family

ID=75812538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110119600.XA Active CN112800242B (zh) 2021-01-28 2021-01-28 谱系挖掘方法、装置、电子设备及计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN112800242B (zh)
WO (1) WO2022160443A1 (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657067A (zh) * 2018-11-19 2019-04-19 平安科技（深圳）有限公司 知识图谱的展示方法、装置、计算机设备和存储介质
CN109800335A (zh) * 2019-01-23 2019-05-24 平安科技（深圳）有限公司 企业图谱的生成方法、装置、计算机设备和存储介质
CN109902302A (zh) * 2019-03-01 2019-06-18 郑敏杰 一种适用于文本分析或数据挖掘的主题图谱生成方法、装置、设备以及计算机存储介质
CN111401700A (zh) * 2020-03-05 2020-07-10 平安科技（深圳）有限公司 一种数据分析方法、装置、计算机系统及可读存储介质
CN111949787A (zh) * 2020-08-21 2020-11-17 平安国际智慧城市科技股份有限公司 基于知识图谱的自动问答方法、装置、设备及存储介质
CN112035667A (zh) * 2020-09-02 2020-12-04 河南中原消费金融股份有限公司 一种知识图谱展示方法、装置及终端设备
WO2020253370A1 (zh) * 2019-06-17 2020-12-24 深圳壹账通智能科技有限公司 关联图谱展示方法、装置、计算机设备和存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10412106B2 (en) * 2015-03-02 2019-09-10 Verizon Patent And Licensing Inc. Network threat detection and management system based on user behavior information
CN112100323B (zh) * 2020-08-18 2023-11-03 淮阴工学院 一种基于表示学习的隐藏关联挖掘方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657067A (zh) * 2018-11-19 2019-04-19 平安科技（深圳）有限公司 知识图谱的展示方法、装置、计算机设备和存储介质
CN109800335A (zh) * 2019-01-23 2019-05-24 平安科技（深圳）有限公司 企业图谱的生成方法、装置、计算机设备和存储介质
CN109902302A (zh) * 2019-03-01 2019-06-18 郑敏杰 一种适用于文本分析或数据挖掘的主题图谱生成方法、装置、设备以及计算机存储介质
WO2020253370A1 (zh) * 2019-06-17 2020-12-24 深圳壹账通智能科技有限公司 关联图谱展示方法、装置、计算机设备和存储介质
CN111401700A (zh) * 2020-03-05 2020-07-10 平安科技（深圳）有限公司 一种数据分析方法、装置、计算机系统及可读存储介质
CN111949787A (zh) * 2020-08-21 2020-11-17 平安国际智慧城市科技股份有限公司 基于知识图谱的自动问答方法、装置、设备及存储介质
CN112035667A (zh) * 2020-09-02 2020-12-04 河南中原消费金融股份有限公司 一种知识图谱展示方法、装置及终端设备

Also Published As

Publication number Publication date
CN112800242A (zh) 2021-05-14
WO2022160443A1 (zh) 2022-08-04

Similar Documents

Publication Publication Date Title
US20190034816A1 (en) Methods and system for associating locations with annotations
CN111651453B (zh) 用户历史行为查询方法、装置、电子设备及存储介质
CN111930962A (zh) 文献数据价值评估方法、装置、电子设备及存储介质
CN111046237A (zh) 用户行为数据处理方法、装置、电子设备及可读介质
CN110196834A (zh) 一种用于数据项、文件、数据库的对标方法和系统
WO2021189897A1 (zh) 道路匹配方法、装置、电子设备及可读存储介质
CN113434542B (zh) 数据关系识别方法、装置、电子设备及存储介质
CN105978722B (zh) 用户属性挖掘方法及装置
CN109840120A (zh) 解耦微服务发布方法、电子装置及计算机可读存储介质
CN112800242B (zh) 谱系挖掘方法、装置、电子设备及计算机可读存储介质
CN111159183B (zh) 报表生成方法、电子装置及计算机可读存储介质
CN110598131B (zh) 确定用户常驻区域的方法、装置、存储介质和电子设备
CN111667018A (zh) 一种对象聚类的方法、装置、计算机可读介质及电子设备
CN115001683A (zh) 支付数据的安全保护方法、装置、电子设备及存储介质
CN115186188A (zh) 基于行为分析的产品推荐方法、装置、设备及存储介质
CN114840388A (zh) 数据监控方法、装置、电子设备及存储介质
CN113934729A (zh) 一种基于知识图谱的数据管理方法、相关设备及介质
CN113449002A (zh) 车辆推荐方法、装置、电子设备及存储介质
US8819065B2 (en) Mining generalized spatial association rule
WO2019148796A1 (zh) 减免信息处理方法、装置、计算机设备和存储介质
CN113010769A (zh) 基于知识图谱的物品推荐方法、装置、电子设备及介质
CN111723247A (zh) 基于图的假设计算
CN112328960B (zh) 数据运算的优化方法、装置、电子设备及存储介质
CN115604000B (zh) 一种越权检测方法、装置、设备及存储介质
CN115374384B (zh) 基于大数据分析的信息发布方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40045425

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant