CN113254673B - 一种基于知识图谱的数据管理方法、系统、设备和介质 - Google Patents

一种基于知识图谱的数据管理方法、系统、设备和介质 Download PDF

Info

Publication number
CN113254673B
CN113254673B CN202110716110.8A CN202110716110A CN113254673B CN 113254673 B CN113254673 B CN 113254673B CN 202110716110 A CN202110716110 A CN 202110716110A CN 113254673 B CN113254673 B CN 113254673B
Authority
CN
China
Prior art keywords
data
knowledge
entity
graph
atoms
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
CN202110716110.8A
Other languages
English (en)
Other versions
CN113254673A (zh
Inventor
姚娟娟
樊代明
钟南山
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.)
Shanghai Mingping Medical Data Technology Co ltd
Original Assignee
Mingpinyun Beijing Data 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 Mingpinyun Beijing Data Technology Co Ltd filed Critical Mingpinyun Beijing Data Technology Co Ltd
Priority to CN202110716110.8A priority Critical patent/CN113254673B/zh
Publication of CN113254673A publication Critical patent/CN113254673A/zh
Application granted granted Critical
Publication of CN113254673B publication Critical patent/CN113254673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出一种基于知识图谱的数据管理方法、系统、设备和介质，包括：根据指定领域内的记录数据构建知识图谱；根据设置的关键词从所述知识图谱中获取知识原子，建立基于关键词的知识原子数据集，其中所述知识原子包含与所述关键词关联的多个实体数据和/或关系数据；所述知识图谱更新后，将所述知识原子与知识图谱进行比对，获取新增的实体数据和/或关系数据，并输出至校验终端，根据所述校验终端反馈结果，判断是否将所述新增的实体数据和/或关系数据更新到对应的知识原子中；本发明可针对知识图谱进行精细化管理，提高获取数据的准确性和效率。

Description

一种基于知识图谱的数据管理方法、系统、设备和介质
技术领域
本发明涉及数据处理领域，尤其涉及一种基于知识图谱的数据管理方法、系统、设备和介质。
背景技术
知识图谱在各个领域得到广泛应用，知识图谱虽然可以直观展示实体信息之间的关联性，但是在数据量较大时，知识图谱中包含的信息过于庞杂，信息检索计算量大，复杂度高，难以快速高效的从知识图谱中获取需要的信息。此外，知识图谱中关联关系的建立依赖于关联规则，信息关联准确性难以保障，常会出现误关联或漏关联，缺乏有效的校验反馈。如何有效利用知识图谱中的数据信息成为目前一大难题。
发明内容
鉴于以上现有技术存在的问题，本发明提出一种基于知识图谱的数据管理方法、系统、设备和介质，主要解决现有知识图谱计算复杂度高，数据处理效率低不便于细分管理的问题。
为了实现上述目的及其他目的，本发明采用的技术方案如下。
一种基于知识图谱的数据管理方法，包括：
根据指定领域内的记录数据构建知识图谱；
根据设置的关键词从所述知识图谱中获取知识原子，建立基于关键词的知识原子数据集，其中所述知识原子包含与所述关键词关联的多个实体数据和/或关系数据；
所述知识图谱更新后，将所述知识原子与知识图谱进行比对，获取新增的实体数据和/或关系数据，并输出至校验终端，根据所述校验终端反馈结果，判断是否将所述新增的实体数据和/或关系数据更新到对应的知识原子中。
可选地，根据指定领域内的记录数据构建知识图谱，包括：
获取所述记录数据中的实体-关系-实体或实体-关系-属性三元组，根据三元组数据构建初始图谱，
根据预设的评分函数对所述初始图谱中的实体或关系之间的相似度进行评分，并将分数达到阈值且未建立连接的实体进行关联，更新所述初始图谱得到构建的知识图谱。
可选地，根据设置的关键词从所述知识图谱中获取知识原子，建立基于关键词的知识原子数据集，包括：
获取对应领域的标准词，构建标准词数据集，并以标准词为关键词，计算所述知识图谱中实体数据与所述关键词的相似度，获取匹配的实体数据；
设置待获取知识原子的深度信息，以所述匹配的实体数据为中心从所述知识图谱中获取满足所述深度信息的知识原子。
可选地，所述深度信息表示为：
以与所述匹配的实体数据连接的实体数据为第一深度数据；与所述第一深度数据连接的实体数据为第二深度数据，以此确定多级深度数据；
为每一级深度数据分配一固定的深度值，通过设置深度信息匹配深度值，调整所述知识原子的覆盖范围。
可选地，当匹配的实体数据为多个时，计算每个匹配的实体数据对应的知识原子与对应关键词的综合相似度，选择综合相似度最高的知识原子作为对应关键词的知识原子并输出。
可选地，所述知识图谱更新后，将所述知识原子与知识图谱进行比对，获取新增的实体数据和/或关系数据，并输出至校验终端，包括：
每次更新所述知识图谱后，将所述知识原子中的实体数据和关系数据与知识图谱中对应数据进行逐一比对，获取新增的实体数据和/或关系数据；
通过所述校验终端向具有权限的目标对象展示新增的实体数据和/或关系数据，通过所述目标对象判断新增实体数据和/或关系数据是否有误，若有误，则调整或删除对应数据；若无误，则直接将新增的实体数据和/或关系数据用于更新对应的知识原子。
可选地，所述评分函数表示为：
φ=α|1/logP|+β|1/∑ilogQi|
其中，α和β为权重系数，P为目标实体与待关联实体间的相似度，Qi为目标实体第i个关系数据与待关联实体的关联度。
一种基于知识图谱的数据管理系统，包括：
知识图谱创建模块，用于根据指定领域内的记录数据构建知识图谱；
知识原子获取模块，用于根据设置的关键词从所述知识图谱中获取知识原子，建立基于关键词的知识原子数据集，其中所述知识原子包含与所述关键词关联的多个实体数据和/或关系数据；
更新校验模块，用于所述知识图谱更新后，将所述知识原子与知识图谱进行比对，获取新增的实体数据和/或关系数据，并输出至校验终端，根据所述校验终端反馈结果，判断是否将所述新增的实体数据和/或关系数据更新到对应的知识原子中。
一种基于知识图谱的数据管理设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行所述的基于知识图谱的数据管理方法。
一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行所述的基于知识图谱的数据管理方法。
如上所述，本发明一种基于知识图谱的数据管理方法、系统、设备和介质，具有以下有益效果。
通过知识图谱对特定领域整体数据进行规范化管理，并结合知识原子，关联对应领域专有词汇等关键词，仅通过关键词便可快速检索对应的知识原子，提高数据处理效率的同时，通过校验终端进行校验，保障知识图谱以及知识原子中的数据关联的准确性，为后续数据应用提供可靠的数据支撑。
附图说明
图1为本发明一实施例中基于知识图谱的数据管理方法的流程示意图。
图2为本发明一实施例中基于知识图谱的数据管理系统的模块图。
图3为本发明一实施例中设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。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。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1，本发明提供一种基于知识图谱的数据管理方法，包括步骤S01-S03。
在步骤S01中，根据指定领域内的记录数据构建知识图谱。
在一实施例中，根据指定领域内的记录数据构建知识图谱，包括：
获取记录数据中的实体-关系-实体或实体-关系-属性三元组，根据三元组数据构建初始图谱，
根据预设的评分函数对初始图谱中的实体或关系之间的相似度进行评分，并将分数达到阈值且未建立连接的实体进行关联，更新初始图谱得到构建的知识图谱。
具体地，以医学为例，记录数据可包括病历、患者反馈调查问卷、医学论文、医学学术会议纪要等。整理各类记录数据进行数据标注后，可输入命名实体识别模型，获取实体-关系-实体或实体-关系-属性三元组。其中，命名实体识别模型可采用长短期记忆神经网络（Long and Short Term Memory，LSTM）和条件随机场网络（Conditional Random field，CRF）结合的网络架构，通过LSTM进行特征提取，再接CRF作为输出层得到命名实体识别结果。具体网络架构及识别处理过程为现有技术，这里不再赘述。进一步地，根据识别得到的三元组可构建初始图谱。
在一实施例中，可针对初始图谱中未建立连接的实体数据，通过评分函数进行相似度评分，将达到阈值的两实体建立连接。其中，评分函数可表示为：
φ=α|1/logP|+β|1/∑ilogQi|
其中，α和β为权重系数，P为目标实体与待关联实体间的相似度，Qi为目标实体第i个关系数据与待关联实体的关联度。
可设置两实体之间的相似度权重系数占比较大，以表示两实体之间相似度越高，相互关联的概率越大。目标实体和待关联实体可在两实体之间进行随机选择，也可根据实际情况进行指定。
在一实施例中，目标实体的关系数据与待关联实体的关联度，主要用于表示目标实体的关系数据集合中存在与待关联实体对应的关系数据的概率。这一概率可根据待关联实体与目标实体的下一级连接实体之间的相似度来确定。示例性地，目标实体A的下一级连接实体包括B、C、D；待关联实体为E，E与B、C、D的相似度分别为0.2、0.4、0.1，则E与A的三个关系数据的关联度分别为0.2、0.4、0.1。引入关联度，可进一步保障两实体间关联的准确性，同时为实体间关联关系的建立提供数据支撑。针对相似度处于阈值临界范围的实体数据相似度，根据下一级实体数据进行有效性验证，保障数据的准确性。在不确定目标实体与待关联实体的连接关系时，可通过评分数据建立临时连接，反馈给终端，通过专家校验，确定连接关系。
经过以上步骤处理后，可得到指定领域的知识图谱。
在步骤S02中，根据设置的关键词从知识图谱中获取知识原子，建立基于关键词的知识原子数据集，其中知识原子包含与关键词关联的多个实体数据和/或关系数据。
在一实施例中，可获取对应领域的标准词，构建标准词数据集，并以标准词为关键词，计算知识图谱中实体数据与关键词的相似度，获取匹配的实体数据；设置待获取知识原子的深度信息，以匹配的实体数据为中心从知识图谱中获取满足深度信息的知识原子。关键词可包括医学领域专业术语、缩略语以及对应的同义词等。当匹配的实体数据为多个时，计算每个匹配的实体数据对应的知识原子与对应关键词的综合相似度，选择综合相似度最高的知识原子作为对应关键词的知识原子并输出。示例性地，计算综合相似度时，可根据知识原子中以匹配的实体数据为中心的实体数据分布层级，设置各层级实体数据权重，计算每个层级中实体数据与关键词的相似度，将各层级相似度结果进行加权平均得到综合相似度。
在一实施例中，深度信息表示为：以与匹配的实体数据连接的实体数据为第一深度数据；与第一深度数据连接的实体数据为第二深度数据，以此确定多级深度数据；为每一级深度数据分配一固定的深度值，通过设置深度信息匹配深度值，调整知识原子的覆盖范围。具体地，可设每一级深度数据对应的深度值均为1。深度信息主要用于确定知识原子的覆盖范围，深度信息取值越高，知识原子包含的实体信息越多，信息表达也越丰富，但过大的覆盖范围会导致知识原子包含大量冗余信息，通过深度信息进行知识原子管控，根据实际应用需求进行深度信息设置，可提高输出知识原子的有效性。示例性地，可设置深度信息为3，则知识原子可包含三个层级的深度数据。通过终端调整设置的深度信息，可得到不同覆盖范围的知识原子。
将知识原子与对应的关键词进行关联存储，构建基于关键词的知识原子数据集。医生或其他从业人员可通过终端关键词检索，获取可视化的知识原子，了解对应的知识拓扑结构，获取关联的数据信息。
在步骤S03中，知识图谱更新后，将知识原子与知识图谱进行比对，获取新增的实体数据和/或关系数据，并输出至校验终端，根据校验终端反馈结果，判断是否将新增的实体数据和/或关系数据更新到对应的知识原子中。
在一实施例中，可将获取的知识原子也输出至校验终端，通过具有权限的专业人员对知识原子进行核验，确定各实体数据连接关系是否准确，并通过校验终端进行交互调整，并将调整数据同步到知识图谱中，修正知识图谱中对应表达。
由于各领域数据产生及更迭速度快，需要持续对知识图谱进行更新，补充新增实体信息，替换陈旧数据。可定期采集记录数据执行更新操作。每次更新知识图谱后，将知识原子中的实体数据和关系数据与知识图谱中对应数据进行逐一比对，判断在知识原子包含的深度范围内是否出现新的实体信息。以便获取新的关联实体数据，为后续疾病诊断治疗提供可靠的数据参考。
获取新增的实体数据和/或对应的关系数据后，输出至校验终端。行业专家可根据校验终端显示的新增信息和对应的原始知识原子，判断关联数据的准确性。若新增信息与原始知识原子不相关，则可删除对应的关系数据，对知识图谱进行调整；若新增信息与原始知识原子相关，则可直接将新增的实体数据和/或关系数据用于更新对应的知识原子。也可通过校验终端进行实体间关系数据的调整，以获取更为准确的知识原子。
请参阅图2，本实施例提供了一种基于知识图谱的数据管理系统，用于执行前述方法实施例中所述的基于知识图谱的数据管理方法。由于系统实施例的技术原理与前述方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘述。
在一实施例中，基于知识图谱的评估推送系统，包括：
知识图谱创建模块10，用于根据指定领域内的记录数据构建知识图谱；
知识原子获取模块11，用于根据设置的关键词从所述知识图谱中获取知识原子，建立基于关键词的知识原子数据集，其中所述知识原子包含与所述关键词关联的多个实体数据和/或关系数据；
更新校验模块12，用于所述知识图谱更新后，将所述知识原子与知识图谱进行比对，获取新增的实体数据和/或关系数据，并输出至校验终端，根据所述校验终端反馈结果，判断是否将所述新增的实体数据和/或关系数据更新到对应的知识原子中。
知识图谱创建模块10用于辅助执行前述方法实施例介绍的步骤S01；知识原子获取模块11用于执行前述方法实施例介绍的步骤S02；更新校验模块12用于执行前述方法实施例介绍的步骤S03。
本申请实施例还提供了一种基于知识图谱的数据管理设备，该设备可以包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行图1所述的方法。在实际应用中，该设备可以作为终端设备，也可以作为服务器，终端设备的例子可以包括：智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4，Moving Picture Experts Group Audio LayerIV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等，本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种机器可读介质，该介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例的图1中基于知识图谱的数据管理方法所包含步骤的指令(instructions)。机器可读介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（如：软盘、硬盘、磁带）、光介质（如：DVD）、或者半导体介质（如：固态硬盘Solid State Disk（SSD））等。
参阅图3，本实施例提供一种设备80，设备80可以是台式机、便携式电脑、智能手机等设备。详细的，设备80至少包括通过总线81连接的：存储器82、处理器83，其中，存储器82用于存储计算机程序，处理器83用于执行存储器82存储的计算机程序，以执行前述方法实施例中的全部或部分步骤。
上述提到的系统总线可以是外设部件互连标准（Peripheral PomponentInterconnect，简称PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，简称EISA）总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备（例如客户端、读写库和只读库）之间的通信。存储器可能包含随机存取存储器（Random Access Memory，简称RAM），也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，简称CPU）、网络处理器（Network Processor，简称NP）等；还可以是数字信号处理器（Digital Signal Processing，简称DSP）、专用集成电路（Application SpecificIntegrated Circuit，简称ASIC）、现场可编程门阵列（Field－Programmable Gate Array，简称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。
综上所述，本发明一种基于知识图谱的数据管理方法及系统，构建特定领域的整体知识图谱，对特定领域数据进行结构化表示，方便可视化展示各类关联数据；根据关键词对知识图谱进行细分，获取对应的知识原子，避免直接针对知识图谱进行检索，只需要输入关键词便可获取可视化的知识原子，降低数据处理复杂度，提高处理效率；通过交互式的终端数据校验可进一步保证知识原子中各实体数据关联的有效性；调整深度信息，从知识图谱中获取对应覆盖范围的知识原子，可满足各种应用场景需求，操作简单。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (7)

1.一种基于知识图谱的数据管理方法，其特征在于，包括：
根据指定领域内的记录数据构建知识图谱；
根据设置的关键词从所述知识图谱中获取知识原子，建立基于关键词的知识原子数据集，包括：获取对应领域的标准词，构建标准词数据集，并以标准词为关键词，计算所述知识图谱中实体数据与所述关键词的相似度，获取匹配的实体数据；设置待获取知识原子的深度信息，以所述匹配的实体数据为中心从所述知识图谱中获取满足所述深度信息的知识原子；所述深度信息表示为：以与所述匹配的实体数据连接的实体数据为第一深度数据；与所述第一深度数据连接的实体数据为第二深度数据，以此确定多级深度数据；为每一级深度数据分配一固定的深度值，通过设置深度信息匹配深度值，调整所述知识原子的覆盖范围；当匹配的实体数据为多个时，计算每个匹配的实体数据对应的知识原子与对应关键词的综合相似度，选择综合相似度最高的知识原子作为对应关键词的知识原子并输出；其中所述知识原子包含与所述关键词关联的多个实体数据和/或关系数据；
所述知识图谱更新后，将所述知识原子与知识图谱进行比对，获取新增的实体数据和/或关系数据，并输出至校验终端，根据所述校验终端反馈结果，判断是否将所述新增的实体数据和/或关系数据更新到对应的知识原子中。
2.根据权利要求1所述的基于知识图谱的数据管理方法，其特征在于，根据指定领域内的记录数据构建知识图谱，包括：
获取所述记录数据中的实体-关系-实体或实体-关系-属性三元组，根据三元组数据构建初始图谱，
根据预设的评分函数对所述初始图谱中的实体或关系之间的相似度进行评分，并将分数达到阈值且未建立连接的实体进行关联，更新所述初始图谱得到构建的知识图谱。
3.根据权利要求1所述的基于知识图谱的数据管理方法，其特征在于，所述知识图谱更新后，将所述知识原子与知识图谱进行比对，获取新增的实体数据和/或关系数据，并输出至校验终端，包括：
每次更新所述知识图谱后，将所述知识原子中的实体数据和关系数据与知识图谱中对应数据进行逐一比对，获取新增的实体数据和/或关系数据；
通过所述校验终端向具有权限的目标对象展示新增的实体数据和/或关系数据，通过所述目标对象判断新增实体数据和/或关系数据是否有误，若有误，则调整或删除对应数据；若无误，则直接将新增的实体数据和/或关系数据用于更新对应的知识原子。
4.根据权利要求2所述的基于知识图谱的数据管理方法，其特征在于，所述评分函数表示为：
φ=α|1/logP|+β|1/∑ilogQi|
其中，α和β为权重系数，P为目标实体与待关联实体间的相似度，Qi为目标实体第i个关系数据与待关联实体的关联度。
5.一种基于知识图谱的数据管理系统，其特征在于，包括：
知识图谱创建模块，用于根据指定领域内的记录数据构建知识图谱；
知识原子获取模块，用于根据设置的关键词从所述知识图谱中获取知识原子，建立基于关键词的知识原子数据集，包括：获取对应领域的标准词，构建标准词数据集，并以标准词为关键词，计算所述知识图谱中实体数据与所述关键词的相似度，获取匹配的实体数据；设置待获取知识原子的深度信息，以所述匹配的实体数据为中心从所述知识图谱中获取满足所述深度信息的知识原子；所述深度信息表示为：以与所述匹配的实体数据连接的实体数据为第一深度数据；与所述第一深度数据连接的实体数据为第二深度数据，以此确定多级深度数据；为每一级深度数据分配一固定的深度值，通过设置深度信息匹配深度值，调整所述知识原子的覆盖范围；当匹配的实体数据为多个时，计算每个匹配的实体数据对应的知识原子与对应关键词的综合相似度，选择综合相似度最高的知识原子作为对应关键词的知识原子并输出；其中所述知识原子包含与所述关键词关联的多个实体数据和/或关系数据；
更新校验模块，用于所述知识图谱更新后，将所述知识原子与知识图谱进行比对，获取新增的实体数据和/或关系数据，并输出至校验终端，根据所述校验终端反馈结果，判断是否将所述新增的实体数据和/或关系数据更新到对应的知识原子中。
6.一种基于知识图谱的数据管理设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求1-4中任一所述的方法。
7.一种机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-4中任一所述的方法。
CN202110716110.8A 2021-06-28 2021-06-28 一种基于知识图谱的数据管理方法、系统、设备和介质 Active CN113254673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110716110.8A CN113254673B (zh) 2021-06-28 2021-06-28 一种基于知识图谱的数据管理方法、系统、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110716110.8A CN113254673B (zh) 2021-06-28 2021-06-28 一种基于知识图谱的数据管理方法、系统、设备和介质

Publications (2)

Publication Number Publication Date
CN113254673A CN113254673A (zh) 2021-08-13
CN113254673B true CN113254673B (zh) 2021-11-19

Family

ID=77189982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110716110.8A Active CN113254673B (zh) 2021-06-28 2021-06-28 一种基于知识图谱的数据管理方法、系统、设备和介质

Country Status (1)

Country Link
CN (1) CN113254673B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113722611B (zh) * 2021-08-23 2024-03-08 讯飞智元信息科技有限公司 政务服务的推荐方法、装置、设备及计算机可读存储介质
CN116644646B (zh) * 2023-05-17 2024-03-22 中山大学 岩石的细观重构方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063094A (zh) * 2018-07-27 2018-12-21 吉首大学 一种建立中医药知识图谱的方法
CN109545373A (zh) * 2018-11-08 2019-03-29 新博卓畅技术（北京）有限公司 一种人体疾病症状特征自动抽取方法、系统及设备
CN110008288A (zh) * 2019-02-19 2019-07-12 武汉烽火技术服务有限公司 用于网络故障分析的知识图谱库的构建方法及其应用

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016183229A1 (en) * 2015-05-11 2016-11-17 Olsher Daniel Joseph Universal task independent simulation and control platform for generating controlled actions using nuanced artificial intelligence
CN111831833A (zh) * 2020-07-27 2020-10-27 人民卫生电子音像出版社有限公司 知识图谱的构建方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063094A (zh) * 2018-07-27 2018-12-21 吉首大学 一种建立中医药知识图谱的方法
CN109545373A (zh) * 2018-11-08 2019-03-29 新博卓畅技术（北京）有限公司 一种人体疾病症状特征自动抽取方法、系统及设备
CN110008288A (zh) * 2019-02-19 2019-07-12 武汉烽火技术服务有限公司 用于网络故障分析的知识图谱库的构建方法及其应用

Also Published As

Publication number Publication date
CN113254673A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
US11301637B2 (en) Methods, devices, and systems for constructing intelligent knowledge base
CN113254673B (zh) 一种基于知识图谱的数据管理方法、系统、设备和介质
CN111159184A (zh) 元数据追溯方法、装置及服务器
CN116631561B (zh) 基于特征划分的患者身份信息匹配方法、装置及电子设备
CN112070550A (zh) 基于搜索平台的关键词确定方法、装置、设备及存储介质
CN108304381B (zh) 基于人工智能的实体建边方法、装置、设备及存储介质
CN112434211A (zh) 一种数据处理方法、装置、存储介质及设备
CN109635004B (zh) 一种数据库的对象描述提供方法、装置及设备
CN109086386B (zh) 数据处理方法、装置、计算机设备和存储介质
CN114741384A (zh) 一种患者信息处理方法及其装置、计算机可读存储介质
CN115544214B (zh) 一种事件处理方法、设备及计算机可读存储介质
CN113658711B (zh) 医疗数据本地化方法、装置、计算机设备及存储介质
WO2021047305A1 (zh) 人脸搜索方法、装置、设备及计算机可读存储介质
CN114741489A (zh) 文档检索方法、装置、存储介质以及电子设备
CN111340580B (zh) 房型的确定方法、装置、计算机设备和存储介质
CN114461606A (zh) 数据存储方法、装置、计算机设备及存储介质
CN113345553B (zh) 一种基于分布式特征的交互方法、系统、设备和介质
CN117076387B (zh) 基于磁带的海量小文件的快速归档恢复系统
CN110911015B (zh) 基于剖面隐式马氏模型的疾病名称标准化快速计算方法
US20230214394A1 (en) Data search method and apparatus, electronic device and storage medium
CN114329163A (zh) 基于知识图谱的舆情监测分析方法、装置、设备和介质
CN113254791A (zh) 一种数据匹配方法、装置、计算机可读存储介质及设备
CN113254790A (zh) 一种信息推荐方法、装置、计算机可读存储介质及设备
CN117290471A (zh) 一种信息检索方法、装置、电子设备及存储介质
CN114661723A (zh) 数据处理方法及装置、电子设备

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220715

Address after: 201615 room 1904, G60 Kechuang building, No. 650, Xinzhuan Road, Songjiang District, Shanghai

Patentee after: Shanghai Mingping Medical Data Technology Co.,Ltd.

Address before: 102400 no.86-n3557, Wanxing Road, Changyang, Fangshan District, Beijing

Patentee before: Mingpinyun (Beijing) data Technology Co.,Ltd.