CN113032496A - 一种基于产业知识图谱的产业大脑数据分析系统 - Google Patents
一种基于产业知识图谱的产业大脑数据分析系统 Download PDFInfo
- Publication number
- CN113032496A CN113032496A CN202110417976.9A CN202110417976A CN113032496A CN 113032496 A CN113032496 A CN 113032496A CN 202110417976 A CN202110417976 A CN 202110417976A CN 113032496 A CN113032496 A CN 113032496A
- Authority
- CN
- China
- Prior art keywords
- industry
- data
- industrial
- label
- module
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 14
- 238000007405 data analysis Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 18
- 238000009826 distribution Methods 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000007726 management method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 9
- 238000013136 deep learning model Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000003058 natural language processing Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 abstract description 3
- 230000002860 competitive effect Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910000906 Bronze Inorganic materials 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000010974 bronze Substances 0.000 description 1
- KUNSUQLRTQLHQQ-UHFFFAOYSA-N copper tin Chemical compound [Cu].[Sn] KUNSUQLRTQLHQQ-UHFFFAOYSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- 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
- G06F16/28—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)
Abstract
本发明公开一种基于产业知识图谱的产业大脑数据分析系统。包括显示单元及通过web服务器相互交互连通的产业图谱单元、产业报告单元、产业链报告单元、企业标签建模单元、产业标签建模单元以及数据采集存储单元；通过本发明建立了一套智能的、基于大数据的、高度抽象的自动化产业图谱生成和分析系统，可用于各个产业的产业链分析，自动生成产业图谱、产业分布平面图、产业分布热力图、节点龙头企业等专业产业图表。本发明结构化数据体系，包含产业节点标签、产业画像、企业标签和企业画像，并在数据的广度与深度上都形成了足够厚的竞争壁垒。
Description
技术领域
本发明公开一种基于产业知识图谱的产业大脑数据分析系统。
背景技术
产业图谱主要是对各个产业及各细分市场规模及发展现状、趋势等数据进行研究分析和探索，每一个领域范畴内有一个产业图谱，用图谱清楚的准确的反映出一个行业每一个领域的数据。可让企业对这一产业信息得到了解。
现有产业图谱分析系统都是基于人工的方法进行每个产业的上、中、下游的产业链分析，手工绘制产业图谱，然后通过手工查询企业数据、行业报告、产业报告等信息来提供产业链各节点的企业数据、科研数据和人才数据。因为主要是基于人工的处理，存在数据采集量大、分析结果不全面、容易出错等缺点。
发明内容
本发明要解决的技术问题是提供一种智能的、基于大数据的、高度抽象的自动化产业图谱生成的基于产业知识图谱的产业大脑数据分析系统。
为了解决上述技术问题，本发明的技术方案为：一种基于产业知识图谱的产业大脑数据分析系统，包括显示单元及通过web服务器相互交互连通的产业图谱单元、产业报告单元、产业链报告单元、企业标签建模单元、产业标签建模单元以及数据采集存储单元；
所述显示单元用于显示生成的产业链报告和图谱，通过web服务器基于 HTTP和REST协议对外访问；
所述产业图谱单元是通过产业标签建模单元，生成产业图谱完整结构；
所述产业报告单元用于产业数据的生成和融合；
所述产业链报告单元是通过产业标签建模单元和企业标签建模单元，生成完整的产业链分析报告；
所述企业标签建模单元是用于建立企业的元数据并标记，然后进行标签的抽取、查询以及管理，供系统进行处理整合；
所述产业标签建模单元是用于建立产业元数据并标记，然后进行标签的抽取、查询以及管理，供系统进行处理整合；
所述数据采集存储单元是通过第三方合作平台的API接口接入获取原始数据，包括原始的产业数据、企业数据、行业数据，然后经过清洗、转换和集成将数据加载到数据仓库中进行存储，供给产业图谱单元、产业报告单元、产业链报告单元、企业标签建模单元、产业标签建模单元进行数据的调配。
所述产业图谱单元包括图谱计算模块及产业标签融合模块；
所述图谱计算模块是基于产业图谱的标签数据计算图谱的树形结构，用于前端的页面展示；同时也提供了基于地理信息的图谱分布平面图和热力图的经纬度数据接口，用于前端页面的地图展示；
所述产业标签融合模块用于基于产业元数据提取产业标签的结构，分级计算各节点的标签数据和节点企业情况。
所述产业报告单元包括产业报告生成模块及产业数据融合模块；
所述产业报告生成模块是基于产业图谱和产业链分析，生成完整的产业报告，包括产业分析、产业前景预期、产业龙头企业等关键信息，支持以PDF格式的文件导出；
所述产业数据融合模块是基于产业标签，企业标签和产业链数据，聚合出产业报告所需要的数据。
所述产业链报告单元包括产业链报告模块和产业节点计算模块；
所述产业链报告模块是基于产业节点数据和对应的企业数据，分析产业链各节点的优势、薄弱、缺失和机会，对于每个产业的发展提供了智能分析报告；
所述产业节点计算模块是通过分析计算产业节点的企业情况，给出各节点龙头企业、高成长企业和创新型企业的分析。
所述企业标签建模单元包括企业元数据模块、标签抽取模块二、标签查询模块二及标签管理模块二；
所述企业元数据模块是客观描述企业的相关数值、状态等属性，分为统计类元数据、规则类元数据、机器学习类元数据；
所述标签抽取模块二是基于自然语言处理、TF-IDF算法和深度学习模型，通过对产业数据的分析，进行标签数据的抽取；
所述标签查询模块二是用于支持按标签名精准查询、模糊查询、同义词查询等多维度查询操作，可以组合多个标签，添加时间、地区等维度信息的查询；
所述标签管理模块二是用于提供标签的增删改查的管理功能，可以动态定义新的标签，设置标签树的父子关系；对于规则类标签，可以定义规则逻辑。
所述产业标签建模单元包括产业元数据模块、标签抽取模块一、标签查询模块一及标签管理模块一；
所述产业元数据模块是用于客观描述产业的相关数值、状态等属性，分为统计类元数据、规则类元数据、机器学习类元数据，统计类元数据是最基础也是最常见的元数据，此类元数据构成了产业画像的基础；
所述标签抽取模块一是基于自然语言处理、TF-IDF算法和深度学习模型，通过对产业数据的分析，进行标签数据的抽取；
所述标签查询模块一是用于支持按标签名精准查询、模糊查询、同义词查询等多维度查询操作，可以组合多个标签，添加时间、地区等维度信息的查询；
所述标签管理模块一是用于提供标签的增删改查的管理功能，可以动态定义新的标签，设置标签树的父子关系；对于规则类标签，可以定义规则逻辑。
所述数据采集存储单元包括数据接入模块、数据清洗模块、数据计算模块及数据存储模块；
所述数据接入模块是通过不同的第三方合作平台的不同API接口获得，不同平台返回的数据结构不同，需要进行数据整合，调整为统一的数据格式，然后通过本发明系统进行数据聚合；
所述数据清洗模块是用于将接入的脏数据进行处理，处理后输出符合系统标准数据格式的数据集；
所述数据计算模块是用于对某些数据字段进行计算和抽取；
所述是基于Elasticsearch的开源分布式数据存储引擎，大幅降低了PB级海量数据存储、检索、分析门槛
与现有技术相比，本发明的有益效果为：
通过本发明建立了一套智能的、基于大数据的、高度抽象的自动化产业图谱生成和分析系统，可用于各个产业的产业链分析，自动生成产业图谱、产业分布平面图、产业分布热力图、节点龙头企业等专业产业图表；本发明结构化数据体系，包含产业节点标签、产业画像、企业标签和企业画像，并在数据的广度与深度上都形成了足够厚的竞争壁垒。运用先进人工智能引擎，以自然语言识别技术进行数据结构化归类，形成丰富的知识图谱，在此基础上以精细化人工运营进行二次深度加工，确保了数据的真实、准确性。
附图说明
图1为本发明的系统结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1，本发明的一种基于产业知识图谱的产业大脑数据分析系统，包括显示单元及通过web服务器相互交互连通的产业图谱单元、产业报告单元、产业链报告单元、企业标签建模单元、产业标签建模单元以及数据采集存储单元；显示单元用于显示生成的产业链报告和图谱，通过web服务器基于HTTP和 REST协议对外访问；产业图谱单元是通过产业标签建模单元，生成产业图谱完整结构；产业报告单元用于产业数据的生成和融合；产业链报告单元是通过产业标签建模单元和企业标签建模单元，生成完整的产业链分析报告；企业标签建模单元是用于建立企业的元数据并标记，然后进行标签的抽取、查询以及管理，供系统进行处理整合；产业标签建模单元是用于建立产业元数据并标记，然后进行标签的抽取、查询以及管理，供系统进行处理整合；
数据采集存储单元是通过第三方合作平台的API接口接入获取原始数据，包括原始的产业数据、企业数据、行业数据，然后经过清洗、转换和集成将数据加载到数据仓库中进行存储，供给产业图谱单元、产业报告单元、产业链报告单元、企业标签建模单元、产业标签建模单元进行数据的调配。
产业图谱单元包括图谱计算模块及产业标签融合模块；
图谱计算模块是基于产业图谱的标签数据计算图谱的树形结构，用于前端的页面展示；同时也提供了基于地理信息的图谱分布平面图和热力图的经纬度数据接口，用于前端页面的地图展示；
产业标签融合模块用于基于产业元数据提取产业标签的结构，分级计算各节点的标签数据和节点企业情况。
产业报告单元包括产业报告生成模块及产业数据融合模块；
产业报告生成模块是基于产业图谱和产业链分析，生成完整的产业报告，包括产业分析、产业前景预期、产业龙头企业等关键信息，支持以PDF格式的文件导出；
产业数据融合模块是基于产业标签，企业标签和产业链数据，聚合出产业报告所需要的数据。
产业链报告单元包括产业链报告模块和产业节点计算模块；
产业链报告模块是基于产业节点数据和对应的企业数据，分析产业链各节点的优势、薄弱、缺失和机会，对于每个产业的发展提供了智能分析报告；
产业节点计算模块是通过分析计算产业节点的企业情况，给出各节点龙头企业、高成长企业和创新型企业的分析。
企业标签建模单元包括企业元数据模块、标签抽取模块二、标签查询模块二及标签管理模块二；
企业元数据模块是客观描述企业的相关数值、状态等属性，分为统计类元数据、规则类元数据、机器学习类元数据；
标签抽取模块二是基于自然语言处理、TF-IDF算法和深度学习模型，通过对产业数据的分析，进行标签数据的抽取；
标签查询模块二是用于支持按标签名精准查询、模糊查询、同义词查询等多维度查询操作，可以组合多个标签，添加时间、地区等维度信息的查询；
标签管理模块二是用于提供标签的增删改查的管理功能，可以动态定义新的标签，设置标签树的父子关系；对于规则类标签，可以定义规则逻辑。
产业标签建模单元包括产业元数据模块、标签抽取模块一、标签查询模块一及标签管理模块一；
产业元数据模块是用于客观描述产业的相关数值、状态等属性，分为统计类元数据、规则类元数据、机器学习类元数据，统计类元数据是最基础也是最常见的元数据，此类元数据构成了产业画像的基础；
标签抽取模块一是基于自然语言处理、TF-IDF算法和深度学习模型，通过对产业数据的分析，进行标签数据的抽取；
标签查询模块一是用于支持按标签名精准查询、模糊查询、同义词查询等多维度查询操作，可以组合多个标签，添加时间、地区等维度信息的查询；
标签管理模块一是用于提供标签的增删改查的管理功能，可以动态定义新的标签，设置标签树的父子关系；对于规则类标签，可以定义规则逻辑。
数据采集存储单元包括数据接入模块、数据清洗模块、数据计算模块及数据存储模块；
数据接入模块是通过不同的第三方合作平台的不同API接口获得，不同平台返回的数据结构不同，需要进行数据整合，调整为统一的数据格式，然后通过本发明系统进行数据聚合；
数据清洗模块是用于将接入的脏数据进行处理，处理后输出符合系统标准数据格式的数据集；原始数据可能包含一些脏数据，比如缺少某些字段的数据、含有非法字符的数据、重复的数据等，需要铜鼓数据清洗功能对于这些脏数据进行处理，处理后输出符合系统标准数据格式的数据集。
数据计算模块是用于对某些数据字段进行计算和抽取；某些数据字段是需要通过本系统进行计算和抽取的，比如企业的地理信息，需要根据企业的地址信息来计算企业的经纬度，用于产业分布。此类计算工作在数据计算模块进行，所有计算功能以链式方式管理，支持动态添加计算单元，调整执行计算单元的顺序。
数据存储模块是基于Elasticsearch的开源分布式数据存储引擎，大幅降低了 PB级海量数据存储、检索、分析门槛；支持分布式实时文件存储、检索、分析，零配置、集群自动发现，索引自动分片、副本机制，多数据源和自动搜索负载。
在本发明中，web服务器是通过Vue.js前端框架和Jetty Web服务器提供前端页面的展示功能，Vue.js框架支持动态页面展示图谱树形结构，地图嵌入和列表展示。JettyWeb服务器提供了基于HTTP和REST协议的对外访问。
本发明建立了一套智能的、基于大数据的、高度抽象的自动化产业图谱生成和分析系统，可用于各个产业的产业链分析，自动生成产业图谱、产业分布平面图、产业分布热力图、节点龙头企业等专业产业图表；本发明结构化数据体系，包含产业节点标签、产业画像、企业标签和企业画像，并在数据的广度与深度上都形成了足够厚的竞争壁垒。运用先进人工智能引擎，以自然语言识别技术进行数据结构化归类，形成丰富的知识图谱，在此基础上以精细化人工运营进行二次深度加工，确保了数据的真实、准确性。
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。
Claims (7)
1.一种基于产业知识图谱的产业大脑数据分析系统，其特征在于：包括显示单元及通过web服务器相互交互连通的产业图谱单元、产业报告单元、产业链报告单元、企业标签建模单元、产业标签建模单元以及数据采集存储单元；
所述显示单元用于显示生成的产业链报告和图谱，通过web服务器基于HTTP和REST协议对外访问；
所述产业图谱单元是通过产业标签建模单元，生成产业图谱完整结构；
所述产业报告单元用于产业数据的生成和融合；
所述产业链报告单元是通过产业标签建模单元和企业标签建模单元，生成完整的产业链分析报告；
所述企业标签建模单元是用于建立企业的元数据并标记，然后进行标签的抽取、查询以及管理，供系统进行处理整合；
所述产业标签建模单元是用于建立产业元数据并标记，然后进行标签的抽取、查询以及管理，供系统进行处理整合；
所述数据采集存储单元是通过第三方合作平台的API接口接入获取原始数据，包括原始的产业数据、企业数据、行业数据，然后经过清洗、转换和集成将数据加载到数据仓库中进行存储，供给产业图谱单元、产业报告单元、产业链报告单元、企业标签建模单元、产业标签建模单元进行数据的调配。
2.根据权利要求1所述的基于产业知识图谱的产业大脑数据分析系统，其特征在于：所述产业图谱单元包括图谱计算模块及产业标签融合模块；
所述图谱计算模块是基于产业图谱的标签数据计算图谱的树形结构，用于前端的页面展示；同时也提供了基于地理信息的图谱分布平面图和热力图的经纬度数据接口，用于前端页面的地图展示；
所述产业标签融合模块用于基于产业元数据提取产业标签的结构，分级计算各节点的标签数据和节点企业情况。
3.根据权利要求1所述的基于产业知识图谱的产业大脑数据分析系统，其特征在于：所述产业报告单元包括产业报告生成模块及产业数据融合模块；
所述产业报告生成模块是基于产业图谱和产业链分析，生成完整的产业报告，包括产业分析、产业前景预期、产业龙头企业等关键信息，支持以PDF格式的文件导出；
所述产业数据融合模块是基于产业标签，企业标签和产业链数据，聚合出产业报告所需要的数据。
4.根据权利要求1所述的基于产业知识图谱的产业大脑数据分析系统，其特征在于：所述产业链报告单元包括产业链报告模块和产业节点计算模块；
所述产业链报告模块是基于产业节点数据和对应的企业数据，分析产业链各节点的优势、薄弱、缺失和机会，对于每个产业的发展提供了智能分析报告；
所述产业节点计算模块是通过分析计算产业节点的企业情况，给出各节点龙头企业、高成长企业和创新型企业的分析。
5.根据权利要求1所述的基于产业知识图谱的产业大脑数据分析系统，其特征在于：所述企业标签建模单元包括企业元数据模块、标签抽取模块二、标签查询模块二及标签管理模块二；
所述企业元数据模块是客观描述企业的相关数值、状态等属性，分为统计类元数据、规则类元数据、机器学习类元数据；
所述标签抽取模块二是基于自然语言处理、TF-IDF算法和深度学习模型，通过对产业数据的分析，进行标签数据的抽取；
所述标签查询模块二是用于支持按标签名精准查询、模糊查询、同义词查询等多维度查询操作，可以组合多个标签，添加时间、地区等维度信息的查询；
所述标签管理模块二是用于提供标签的增删改查的管理功能，可以动态定义新的标签，设置标签树的父子关系；对于规则类标签，可以定义规则逻辑。
6.根据权利要求1所述的基于产业知识图谱的产业大脑数据分析系统，其特征在于：所述产业标签建模单元包括产业元数据模块、标签抽取模块一、标签查询模块一及标签管理模块一；
所述产业元数据模块是用于客观描述产业的相关数值、状态等属性，分为统计类元数据、规则类元数据、机器学习类元数据，统计类元数据是最基础也是最常见的元数据，此类元数据构成了产业画像的基础；
所述标签抽取模块一是基于自然语言处理、TF-IDF算法和深度学习模型，通过对产业数据的分析，进行标签数据的抽取；
所述标签查询模块一是用于支持按标签名精准查询、模糊查询、同义词查询等多维度查询操作，可以组合多个标签，添加时间、地区等维度信息的查询；
所述标签管理模块一是用于提供标签的增删改查的管理功能，可以动态定义新的标签，设置标签树的父子关系；对于规则类标签，可以定义规则逻辑。
7.根据权利要求1所述的基于产业知识图谱的产业大脑数据分析系统，其特征在于：所述数据采集存储单元包括数据接入模块、数据清洗模块、数据计算模块及数据存储模块；
所述数据接入模块是通过不同的第三方合作平台的不同API接口获得，不同平台返回的数据结构不同，需要进行数据整合，调整为统一的数据格式，然后通过本发明系统进行数据聚合；
所述数据清洗模块是用于将接入的脏数据进行处理，处理后输出符合系统标准数据格式的数据集；
所述数据计算模块是用于对某些数据字段进行计算和抽取；
所述是基于Elasticsearch的开源分布式数据存储引擎，大幅降低了PB级海量数据存储、检索、分析门槛。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110417976.9A CN113032496A (zh) | 2021-04-19 | 2021-04-19 | 一种基于产业知识图谱的产业大脑数据分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110417976.9A CN113032496A (zh) | 2021-04-19 | 2021-04-19 | 一种基于产业知识图谱的产业大脑数据分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113032496A true CN113032496A (zh) | 2021-06-25 |
Family
ID=76456803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110417976.9A Pending CN113032496A (zh) | 2021-04-19 | 2021-04-19 | 一种基于产业知识图谱的产业大脑数据分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113032496A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109255034A (zh) * | 2018-08-08 | 2019-01-22 | 数据地平线（广州）科技有限公司 | 一种基于产业链的行业知识图谱构建方法 |
| CN109543045A (zh) * | 2018-11-15 | 2019-03-29 | 厦门笨鸟电子商务有限公司 | 一种全球产业链的展示方法 |
| CN111191877A (zh) * | 2019-11-15 | 2020-05-22 | 国网福建省电力有限公司经济技术研究院 | 一种电力企业经济活动分析系统 |
| CN111522961A (zh) * | 2020-04-09 | 2020-08-11 | 武汉理工大学 | 一种基于注意力机制及实体描述的产业图谱构建方法 |
| CN112256762A (zh) * | 2020-10-26 | 2021-01-22 | 中冶赛迪技术研究中心有限公司 | 基于产业地图的企业画像方法、系统、设备及介质 |
| CN112328803A (zh) * | 2020-10-14 | 2021-02-05 | 上海华鑫股份有限公司 | 一种基于产业链数据的公司知识图谱的构建方法 |
| CN112330183A (zh) * | 2020-11-18 | 2021-02-05 | 布瑞克农业大数据科技集团有限公司 | 一种构建农业企业大数据画像的方法和系统 |
-
2021
- 2021-04-19 CN CN202110417976.9A patent/CN113032496A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109255034A (zh) * | 2018-08-08 | 2019-01-22 | 数据地平线（广州）科技有限公司 | 一种基于产业链的行业知识图谱构建方法 |
| CN109543045A (zh) * | 2018-11-15 | 2019-03-29 | 厦门笨鸟电子商务有限公司 | 一种全球产业链的展示方法 |
| CN111191877A (zh) * | 2019-11-15 | 2020-05-22 | 国网福建省电力有限公司经济技术研究院 | 一种电力企业经济活动分析系统 |
| CN111522961A (zh) * | 2020-04-09 | 2020-08-11 | 武汉理工大学 | 一种基于注意力机制及实体描述的产业图谱构建方法 |
| CN112328803A (zh) * | 2020-10-14 | 2021-02-05 | 上海华鑫股份有限公司 | 一种基于产业链数据的公司知识图谱的构建方法 |
| CN112256762A (zh) * | 2020-10-26 | 2021-01-22 | 中冶赛迪技术研究中心有限公司 | 基于产业地图的企业画像方法、系统、设备及介质 |
| CN112330183A (zh) * | 2020-11-18 | 2021-02-05 | 布瑞克农业大数据科技集团有限公司 | 一种构建农业企业大数据画像的方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109871415B (zh) | 一种基于图数据库的用户画像构建方法、系统及存储介质 | |
| CN111967761B (zh) | 一种基于知识图谱的监控预警方法、装置及电子设备 | |
| CN112905685B (zh) | 一种面向信息化建设的架构管控系统及设备 | |
| CN111709235A (zh) | 一种基于自然语言处理的文本数据统计分析系统及方法 | |
| CN113656647B (zh) | 一种面向智能运维的工程档案数据管理平台、方法及系统 | |
| CN112540975B (zh) | 一种基于petri网的多源异构数据质量检测方法及系统 | |
| CN111125068A (zh) | 一种元数据治理方法和系统 | |
| CN111274301B (zh) | 一种基于数据资产智能治理方法及系统 | |
| CN112182077B (zh) | 一种基于数据中台技术的智能运维系统 | |
| CN112651218A (zh) | 一种标书自动生成方法、管理方法、介质以及计算机 | |
| CN112347071A (zh) | 一种配电网云平台数据融合方法及配电网云平台 | |
| CN116383193A (zh) | 一种数据管理方法、装置、电子设备和存储介质 | |
| CN113779261B (zh) | 知识图谱的质量评价方法、装置、计算机设备及存储介质 | |
| CN114564482A (zh) | 一种面向多实体的标签系统及处理方法 | |
| CN116431828A (zh) | 一种基于神经网络技术构建的电网中台数据资产知识图谱数据库的构建方法 | |
| CN113032496A (zh) | 一种基于产业知识图谱的产业大脑数据分析系统 | |
| CN110046150A (zh) | 一种人力资源监控分析方法及系统 | |
| CN111813555B (zh) | 基于互联网技术的超融合基础架构分层资源管理系统 | |
| WO2021051909A1 (zh) | 油气数据处理方法及装置 | |
| CN113868322B (zh) | 一种语义结构解析方法、装置、设备及虚拟化系统、介质 | |
| CN117934209B (zh) | 一种基于知识图谱的区域电力系统碳排放大数据分析方法 | |
| CN112925847B (zh) | 一种针对区块链的数据处理与网络分析工具 | |
| CN115357741B (zh) | 一种自然资源空间数据在线统计服务方法及系统 | |
| CN114265889A (zh) | 一种基于知识图谱的学科知识数据处理方法及装置 | |
| CN114139979A (zh) | 一种面向特定研发机构的服务平台 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210625 |