CN113220902A - 知识图谱的信息处理方法、装置、电子设备及存储介质 - Google Patents
知识图谱的信息处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113220902A CN113220902A CN202110536489.4A CN202110536489A CN113220902A CN 113220902 A CN113220902 A CN 113220902A CN 202110536489 A CN202110536489 A CN 202110536489A CN 113220902 A CN113220902 A CN 113220902A
- Authority
- CN
- China
- Prior art keywords
- path
- graph
- node
- target
- knowledge
- 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
- 230000010365 information processing Effects 0.000 title claims description 32
- 238000003672 processing method Methods 0.000 title claims description 17
- 238000005065 mining Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000000547 structure data Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000002131 composite material Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization 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
- G06F16/30—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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种知识图谱的信息处理方法、装置、电子设备及存储介质,方法包括:基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;根据所述关联路径和所述路径模式生成对应于目标知识图谱中目标节点的路径挖掘图,本发明通过对知识图谱中的目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式,以关联路径和路径模式生成对应于目标知识图谱中目标节点的路径挖掘图,减轻了知识图谱挖掘路径的部分计算成本(时间和内存)。可以为更复杂的知识图谱建模提供支持。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种知识图谱的信息处理方法、装置、电子设备及存储介质。
背景技术
知识图谱在知识发现任务中起着中心作用。例如,链接开放数据已经在知识发现过程的所有步骤中使用。特别是从知识图谱挖掘出的特征已被用于多种应用程序,如知识库完成、解释或事实核查。关注使用语义Web标准表示的知识图谱。知识图谱中的节点是表示实际个体(例如,位置,事物等),文字(例如,整数,日期等)或者类(例如,人,事情等)。在对知识图谱进行特征挖掘过程中,挖掘的一个主要工作集中在计算公共子结构的图内核上,从而造成提取的特性数量激增,加重知识图谱挖掘路径的部分计算成本(时间和内存)。
发明内容
针对现有技术存在的问题,本发明提供一种知识图谱的信息处理方法、装置、电子设备及存储介质。
本发明提供一种知识图谱的信息处理方法,包括:
基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;
根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;
根据所述关联路径和所述路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。
根据本发明提供的一种知识图谱的信息处理方法,所述搜索约束条件包括:
通过在目标知识图谱的图结构数据中执行参数k、d、u、b搜索来选择至少一个目标节点的关联邻居节点;其中k是关联路径和路径模式的最大长度;d表示(u=true)或(u=false)时允许扩展的最大限度;u表示是否只遍历向外的边(u=false)或遍历所有的边(u=true);b表示不需遍历的边的黑名单;其中,边是节点与节点之间的关系。
根据本发明提供的一种知识图谱的信息处理方法,所述根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式,包括:
基于目标知识图谱的图结构数据确定目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边,所述关系边由节点之间的谓词限定;
根据目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边和各关联邻居节点对应的类型确定关联路径特征;
根据所述关联路径特征确定关联路径和路径模式。
本发明还提供一种知识图谱的信息处理装置,包括:
搜索模块,用于基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;
提取模块,用于根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;
生成模块,用于根据所述关联路径和所述路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。
根据本发明提供的一种知识图谱的信息处理装置,所述搜索约束条件包括:
通过在目标知识图谱的图结构数据中执行参数k、d、u、b搜索来选择至少一个目标节点的关联邻居节点;其中k是关联路径和路径模式的最大长度;d表示(u=true)或(u=false)时允许扩展的最大限度;u表示是否只遍历向外的边(u=false)或遍历所有的边(u=true);b表示不需遍历的边的黑名单;其中,边是节点与节点之间的关系。
根据本发明提供的一种知识图谱的信息处理装置,所述提取模块具体用于:
基于目标知识图谱的图结构数据确定目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边,所述关系边由节点之间的谓词限定;
根据目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边和各关联邻居节点对应的类型确定关联路径特征;
根据所述关联路径特征确定关联路径和路径模式。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述知识图谱的信息处理方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述知识图谱的信息处理方法的步骤。
本发明提供的知识图谱的信息处理方法、装置、电子设备及存储介质,通过对知识图谱中的目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式,以关联路径和路径模式生成对应于目标知识图谱中目标节点的路径挖掘图,减轻了知识图谱挖掘路径的部分计算成本(时间和内存)。可以为更复杂的知识图谱建模提供支持。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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他的附图。
图1是本发明提供的知识图谱的信息处理方法的流程示意图;
图2是本发明提供的路径挖掘图的示意图;
图3是本发明提供的知识图谱的信息处理装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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,都属于本发明保护的范围。
下面结合图1-图4描述本发明提供的知识图谱的信息处理方法、装置、电子设备及存储介质。
图1示出了本发明提供的知识图谱的信息处理方法的流程示意图,参见图1,该方法包括以下步骤:
11、基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;
12、根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;
13、根据关联路径和路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。
针对步骤11-步骤13,需要说明的是,在本发明中,知识图谱在知识发现任务中起着中心作用。例如,链接开放数据已经在知识发现过程的所有步骤中使用。特别是从知识图谱挖掘出的特征已被用于多种应用程序,如知识库完成、解释或事实核查。在本发明中,关注使用语义Web标准表示的知识图谱。知识图谱中的节点是表示实际个体(例如,位置,事物等),文字(例如,整数,日期等)或者类(例如,人,事情等)。由此数据的三种状态是主语、谓词和宾语。主语和宾语之间的关系由谓词限定。类和谓词是在本体中定义的,是域的形式化表示,并按照包含关系的顺序组织成两个层次。
在本发明中,考虑从与一组感兴趣的节点相关的知识图谱K中挖掘特征,将这些节点称之为种子顶点,即本发明中提及的目标节点。
从知识图谱K中挖掘以下三种内容:关联邻居节点、关联路径和路径模式。在本发明中,通过关联路径特征来表示以上三种内容的关联特征。
在本发明中,为了在知识知识图谱K中挖掘上述的三种内容,需要基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型。
该目标知识图谱为对初始的知识图谱进行规范化操作得到。该规范化操作是对初始的知识图谱中的节点及关系边进行优化,得到有向标记复合图。在知识图谱K中,节点可以通过谓词标记的线连接起来,表示这些节点实际上代表了相同的现实世界实体。
获得规范化后的知识图谱后,由于每个知识图谱都对应自身的图结构数据,再采用预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型。在这里,目标节点为多个节点。为此,需要确定每个目标节点的关联邻居节点和各关联邻居节点对应的类型。
另外,进一步的方法说明中,采用的搜索约束条件包括:
通过在目标知识图谱的图结构数据中执行参数k、d、u、b搜索来选择至少一个目标节点的关联邻居节点;其中k是关联路径和路径模式的最大长度;d表示(u=true)或(u=false)时允许扩展的最大限度;u表示是否只遍历向外的边(u=false)或遍历所有的边(u=true);b表示不需遍历的边的黑名单;其中,边是节点与节点之间的关系。
接下来是,根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式。对此,需要说明的是,由于目标知识图谱是有向标记复合图,需要获取目标节点与目标节点之间、目标节点与关联邻居节点之间和关联邻居节点与关联邻居节点之间的关联路径和路径模式。即通过关联路径和路径模式表征各节点之间的关联。
然后根据关联路径和路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。对此,需要说明的是,采用关联路径和路径模式以图示方式将各目标节点与关联邻居节点进行串联,得到节点的路径挖掘图。
如图2所示为节点的路径挖掘图。在图2中,h是层级数,p是谓词,v是关联邻居节点,n是目标节点,T是关联邻居节点对应的类型。
本发明提供的知识图谱的信息处理方法,通过对知识图谱中的目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式,以关联路径和路径模式生成对应于目标知识图谱中目标节点的路径挖掘图,减轻了知识图谱挖掘路径的部分计算成本(时间和内存)。可以为更复杂的知识图谱建模提供支持。
在上述方法的进一步说明中,主要是对根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式的处理过程进行解释说明,具体如下:
基于目标知识图谱的图结构数据确定目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边,关系边由节点之间的谓词限定;
根据目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边和各关联邻居节点对应的类型确定关联路径特征;
根据关联路径特征确定关联路径和路径模式。
对此,需要说明的是,在本发明中,要想获取目标节点与关联邻居节点之间的路径,在有向标注的知识图谱中,需要确定目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边,该关系边由节点之间的谓词限定,便于应用到生成关联路径和路径模式当中。
然后根据关联路径特征确定关联路径和路径模式,即关联路径特征能够表征关联路径和路径模式。
继续参见图2,在图2中,h是层级数,p是谓词,v是关联邻居节点,n是目标节点,T是关联邻居节点对应的类型。在这里,需要说明的是,v和T相当于是上述的e。
本发明提供的知识图谱的信息处理方法,通过对知识图谱中的目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径特征,以关联路径特征生成对应于目标知识图谱中目标节点的路径挖掘图,减轻了知识图谱挖掘路径的部分计算成本(时间和内存)。可以为更复杂的知识图谱建模提供支持。
下面对本发明提供的知识图谱的信息处理装置进行描述,下文描述的知识图谱的信息处理装置与上文描述的知识图谱的信息处理方法可相互对应参照。
图3示出了本发明提供的知识图谱的信息处理装置的结构示意图,参见图3,该装置包括搜索模块31、提取模块32和生成模块33,其中:
搜索模块31,用于基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;
提取模块32,用于根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;
生成模块33,用于根据所述关联路径和所述路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。
在上述装置的进一步说明中,所述搜索约束条件包括:
通过在目标知识图谱的图结构数据中执行参数k、d、u、b搜索来选择至少一个目标节点的关联邻居节点;其中k是关联路径和路径模式的最大长度;d表示(u=true)或(u=false)时允许扩展的最大限度;u表示是否只遍历向外的边(u=false)或遍历所有的边(u=true);b表示不需遍历的边的黑名单;其中,边是节点与节点之间的关系。
在上述装置的进一步说明中,提取模块具体用于:
基于目标知识图谱的图结构数据确定目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边,所述关系边由节点之间的谓词限定;
根据目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边和各关联邻居节点对应的类型确定关联路径特征;
根据所述关联路径特征确定关联路径和路径模式。
由于本发明实施例所述装置与上述实施例所述方法的原理相同,对于更加详细的解释内容在此不再赘述。
需要说明的是,本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。
本发明提供的知识图谱的信息处理装置,通过对知识图谱中的目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式,以关联路径和路径模式生成对应于目标知识图谱中目标节点的路径挖掘图,减轻了知识图谱挖掘路径的部分计算成本(时间和内存)。可以为更复杂的知识图谱建模提供支持。
图4示出了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)41、通信接口(Communications Interface)42、存储器(memory)43和通信总线44,其中,处理器41,通信接口42,存储器43通过通信总线44完成相互间的通信。处理器41可以调用存储器43中的逻辑指令,以执行统计数据的补录方法,该方法包括:基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;根据关联路径和路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。
此外,上述的存储器43中的逻辑指令可以通过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-Only Memory)、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。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的文本数据分析方法,该方法包括:基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;根据关联路径和路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的文本数据分析方法,该方法包括:基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;根据关联路径和路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
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 (10)
1.一种知识图谱的信息处理方法,其特征在于,包括:
基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;
根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;
根据所述关联路径和所述路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。
2.根据权利要求1所述的知识图谱的信息处理方法,其特征在于,所述搜索约束条件包括:
通过在目标知识图谱的图结构数据中执行参数k、d、u、b搜索来选择至少一个目标节点的关联邻居节点;其中k是关联路径和路径模式的最大长度;d表示(u=true)或(u=false)时允许扩展的最大限度;u表示是否只遍历向外的边(u=false)或遍历所有的边(u=true);b表示不需遍历的边的黑名单;其中,边是节点与节点之间的关系。
3.根据权利要求1所述的知识图谱的信息处理方法,其特征在于,所述根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式,包括:
基于目标知识图谱的图结构数据确定目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边,所述关系边由节点之间的谓词限定;
根据目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边和各关联邻居节点对应的类型确定关联路径特征;
根据所述关联路径特征确定关联路径和路径模式。
5.一种知识图谱的信息处理装置,其特征在于,包括:
搜索模块,用于基于目标知识图谱的图结构数据和预设的搜索约束条件,确定目标节点的关联邻居节点和各关联邻居节点对应的类型;
提取模块,用于根据目标节点、各关联邻居节点和各关联邻居节点对应的类型确定关联路径和路径模式;
生成模块,用于根据所述关联路径和所述路径模式生成对应于目标知识图谱中目标节点的路径挖掘图。
6.根据权利要求5所述的知识图谱的信息处理装置,其特征在于,所述搜索约束条件包括:
通过在目标知识图谱的图结构数据中执行参数k、d、u、b搜索来选择至少一个目标节点的关联邻居节点;其中k是关联路径和路径模式的最大长度;d表示(u=true)或(u=false)时允许扩展的最大限度;u表示是否只遍历向外的边(u=false)或遍历所有的边(u=true);b表示不需遍历的边的黑名单;其中,边是节点与节点之间的关系。
7.根据权利要求5所述的知识图谱的信息处理装置,其特征在于,所述提取模块具体用于:
基于目标知识图谱的图结构数据确定目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边,所述关系边由节点之间的谓词限定;
根据目标节点之间、目标节点与各关联邻居节点之间,各关联邻居节点之间的关系边和各关联邻居节点对应的类型确定关联路径特征;
根据所述关联路径特征确定关联路径和路径模式。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述知识图谱的信息处理方法的步骤。
10.一种非暂态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至4任一项所述知识图谱的信息处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110536489.4A CN113220902A (zh) | 2021-05-17 | 2021-05-17 | 知识图谱的信息处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110536489.4A CN113220902A (zh) | 2021-05-17 | 2021-05-17 | 知识图谱的信息处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113220902A true CN113220902A (zh) | 2021-08-06 |
Family
ID=77092462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110536489.4A Pending CN113220902A (zh) | 2021-05-17 | 2021-05-17 | 知识图谱的信息处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113220902A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114186689A (zh) * | 2022-02-14 | 2022-03-15 | 支付宝(杭州)信息技术有限公司 | 用于知识图谱中的路径发现的方法、系统、装置和介质 |
CN115080671A (zh) * | 2022-07-26 | 2022-09-20 | 北京金堤科技有限公司 | 自定义关系图谱的创建方法、装置、存储介质及电子设备 |
WO2023024976A1 (zh) * | 2021-08-27 | 2023-03-02 | 北京有竹居网络技术有限公司 | 展示信息确定方法、装置、设备及计算机可读存储介质 |
-
2021
- 2021-05-17 CN CN202110536489.4A patent/CN113220902A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023024976A1 (zh) * | 2021-08-27 | 2023-03-02 | 北京有竹居网络技术有限公司 | 展示信息确定方法、装置、设备及计算机可读存储介质 |
CN114186689A (zh) * | 2022-02-14 | 2022-03-15 | 支付宝(杭州)信息技术有限公司 | 用于知识图谱中的路径发现的方法、系统、装置和介质 |
CN114186689B (zh) * | 2022-02-14 | 2022-05-20 | 支付宝(杭州)信息技术有限公司 | 用于知识图谱中的路径发现的方法、系统、装置和介质 |
CN115080671A (zh) * | 2022-07-26 | 2022-09-20 | 北京金堤科技有限公司 | 自定义关系图谱的创建方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210099336A1 (en) | Fault root cause analysis method and apparatus | |
US11068510B2 (en) | Method and system for implementing efficient classification and exploration of data | |
CN113220902A (zh) | 知识图谱的信息处理方法、装置、电子设备及存储介质 | |
US10186060B2 (en) | Method for processing graphs and information processing apparatus | |
US8892580B2 (en) | Transformation of regular expressions | |
CN107251021B (zh) | 过滤数据沿袭图 | |
CN107291716B (zh) | 一种链路数据校验方法及装置 | |
CN106250319B (zh) | 静态代码扫描结果处理方法和装置 | |
Zhang et al. | Finding critical users in social communities: The collapsed core and truss problems | |
CN111523831A (zh) | 风险团伙的识别方法、装置、存储介质和计算机设备 | |
CN116756327B (zh) | 基于知识推断的威胁情报关系抽取方法、装置和电子设备 | |
US20130151519A1 (en) | Ranking Programs in a Marketplace System | |
CN113591077A (zh) | 一种网络攻击行为预测方法、装置、电子设备及存储介质 | |
US20160004976A1 (en) | System and methods for abductive learning of quantized stochastic processes | |
Reddy et al. | Network attack detection and classification using ann algorithm | |
Abbas et al. | A module-based approach for structural matching of process models | |
CN112948469B (zh) | 数据挖掘方法、装置、计算机设备及存储介质 | |
Liu et al. | A lightweight anomaly mining algorithm in the Internet of Things | |
EP4208827A1 (en) | Process tree discovery using a probabilistic inductive miner | |
Sharma et al. | A probabilistic approach to apriori algorithm | |
US11892934B2 (en) | Process tree discovery using a probabilistic inductive miner | |
US11366659B2 (en) | Method and system for automated classification of variables using unsupervised distribution agnostic clustering | |
US20240121119A1 (en) | Method and Apparatus for Classifying Blockchain Address | |
Lin et al. | Heterogeneous-Graph Reasoning and Fine-Grained Aggregation for Fact Checking | |
WO2022164578A1 (en) | Process tree discovery using a probabilistic inductive miner |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210806 |