CN113268492B - 一种基于时空知识图谱的风险溯源方法、系统及装置 - Google Patents
一种基于时空知识图谱的风险溯源方法、系统及装置 Download PDFInfo
- Publication number
- CN113268492B CN113268492B CN202110383799.7A CN202110383799A CN113268492B CN 113268492 B CN113268492 B CN 113268492B CN 202110383799 A CN202110383799 A CN 202110383799A CN 113268492 B CN113268492 B CN 113268492B
- Authority
- CN
- China
- Prior art keywords
- entity
- risk
- time
- information
- identity
- 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
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- 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)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于时空知识图谱的风险溯源方法、系统及装置,该方法包括以下步骤:在时空知识图谱中确定初始风险事件实体;得到初始风险身份实体;得到一级风险地点实体和一级风险时间实体;定义N级风险地点实体和M级风险时间实体;得到风险事件实体;得到风险身份实体;时空知识图谱包括事件实体和属性实体,属性实体至少包括身份实体、时间实体和地点实体,每个事件实体分别与一个身份实体、一个时间实体和一个地点实体关联,相邻的时间实体关联,相邻的地点实体关联。本发明可以实现人员分级别的精确接触度追溯,并提升溯源的时效性。
Description
技术领域
本发明涉及知识图谱技术领域,特别是一种基于时空知识图谱的风险溯源方法、系统及装置。
背景技术
知识图谱能够将结构化、半结构化和非结构化的数据转化为便于查询的知识库结构。对比传统的关系-实体(ER)模型,由图数据库或RDF知识库组成的知识图谱提供了更低的全局调用率,更高的关系查询效率和更直观的知识表示模式。
在企业级,小区级等半封闭、非全联通空间内进行人员的溯源搜索,过往的方法在溯源效率和精确度上亟待提升。
发明内容
本发明为解决上述问题,提供了一种基于时空知识图谱的风险溯源方法、系统及装置,可以实现对人员分级别的精确接触度追溯,并提升溯源的时效性。
为实现上述目的,本发明采用的技术方案为:
一种基于时空知识图谱的风险溯源方法,包括以下步骤:在时空知识图谱中确定初始风险事件实体;得到与所述初始风险事件实体关联的初始风险身份实体;得到与所述初始风险身份实体关联的所述地点实体,为一级风险地点实体,与所述初始风险身份实体关联的所述时间实体,为一级风险时间实体;根据与所述一级风险地点实体的邻接度,定义N级风险地点实体,根据与所述一级风险时间实体的邻接度,定义M级风险时间实体,(N、M为正整数);得到同时与所述N级风险时间实体和所述M级风险时间实体关联的所述事件实体,为风险事件实体;得到与所述风险事件实体关联的所述身份实体,为风险身份实体;所述时空知识图谱包括事件实体和属性实体,所述事件实体至少为一个,所述属性实体至少包括身份实体、时间实体和地点实体,每个所述事件实体分别与一个所述身份实体、一个所述时间实体和一个所述地点实体关联,相邻的所述时间实体关联,相邻的所述地点实体关联。
优选的,所述方法还包括以下步骤:根据所述时空知识图谱,得到与所述风险身份实体关联的地点实体,为二度一级风险地点实体,与所述风险身份实体关联的时间实体,为二度一级风险时间实体;根据与所述二度一级风险地点实体的邻接度,定义二度N级风险地点实体,根据与所述二度一级风险时间实体的邻接度,定义二度M级风险时间实体;得到同时与所述二度N级风险时间实体和所述二度M级风险时间实体关联的所述事件实体,为二度风险事件实体;得到与所述二度风险事件实体关联的所述身份实体,为二度风险身份实体。
优选的,所述时空知识图谱通过三维笛卡尔坐标系表示,所述属性实体的Z坐标分别为z1,z2,…,zn;其中,所述时间实体包括时间信息和日期信息,在X坐标上以时间信息进行递增排序在Y坐标上以日期信息进行递增排序根据相邻规则和距离代价生成所述地点实体的X坐标和Y坐标后,以为中心进行整体平移;所述身份实体在X坐标上以工号信息进行递增排序Y坐标设定为相同(yID,yID,…yID),并以为中心进行整体平移,(n、i、j、k为正整数);所述事件实体的X坐标为Y坐标为Z坐标为b为定值。
优选的,所述时空知识图谱通过三维笛卡尔坐标系表示,所述属性实体的Z坐标分别为z1,z2,…,zn;其中,所述时间实体包括时间信息和日期信息,在X坐标上以时间信息进行递增排序在Y坐标上以日期信息进行递增排序预定所述节点的相对坐标值,根据相邻规则生成所述地点实体的X坐标和Y坐标后,以为中心进行整体平移;所述身份实体在X坐标上以工号信息进行递增排序Y坐标设定为相同(yID,yID,…yID),并以为中心进行整体平移,(n、i、j、k为正整数);所述事件实体的X坐标为Y坐标为Z坐标为b为定值。
基于同样的发明构思,本发明还提供了一种基于时空知识图谱的风险溯源系统,所述系统用于执行上述的方法,包括:信息读取端,所述信息读取端为定点布置,用于读取某个节点的访客的身份信息,并将所述访客的身份信息上传至所述服务器端;服务器端,用于根据所述访客的身份信息、所述时间信息、所述日期信息和所述节点的地点信息分别生成一个所述事件实体及关联的所述身份实体、所述时间实体和所述地点实体,构建所述时空知识图谱;管理端,用于对所述时空知识图谱进行标注,在所述时空知识图谱增减实体,以及当访客的身份信息为风险信息时,根据所述时空知识图谱进行风险溯源。
优选的,所述信息读取端还用于读取所述访客的属性信息,并将所述访客的属性信息与身份信息绑定,并上传至所述服务器端。
优选的,所述信息读取端与所述服务器端进行时间同步。
优选的,所述系统还包括:警示端,当访客的属性信息或所述身份信息为风险信息时,所述警示端用于发出警报。
优选的,所述系统还包括:展示端,用于所述时空知识图谱的可视化。
基于同样的发明构思,本发明还提供了一种基于时空知识图谱的风险溯源装置,所述装置用于运行程序,其中,所述程序运行时执行上述的方法。
本发明的有益效果是:
(1)基于时空序列信息构建时空知识图谱,可以进行人员的分级别追溯、聚落发现等操作;
(2)时空知识图谱引入多重时间和位置信息,提升了聚落发现和溯源的时效性,同时以时空序列信息作为三维知识图谱的排序基础,提升了图谱的信息含量;
(3)对风险实体进行分级、分度评估,为具有不同兴趣点的时空相关应用提供决策输入。
附图说明
图1为一种时空知识图谱的可视化示意图;
图2为一种基于时空知识图谱的风险溯源方法的流程图;
图3为一种基于时空知识图谱的风险溯源方法的逻辑图;
图4为一种构建时空知识图谱的应用架构图;
图5为一种创建身份实体的流程图;
图6为一种风险预警的流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合具体实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例一
本实施例提供一种至少包含了事件、身份、时间、空间四种信息的知识图谱的构建方法。
参照附图1,本实施例所述的时空知识图谱包括事件实体和属性实体。
事件实体(E)至少为一个,对应所有的属性实体,即每个事件实体分别与一个身份实体、一个时间实体和一个地点实体关联,也即事件实体包含所有的属性实体的信息及属性实体的属性的信息。
属性实体至少包括身份实体、时间实体和地点实体。
身份实体(ID)至少包含了一种身份信息,如工号为ABC123456。
时间实体(Time)至少具有两种属性,时间和日期,即时间实体包括时间信息和日期信息。其中,时间信息有两种表示方式,一种是规律时窗,一种是实际时间数值。使用规律时窗的优点是在日均数据量较大时,可以降低时间实体数来提高运算效率。使用实际时间数值的优点是在时间分布的计算和可视化可以更加精确。
地点实体(Loc):在一种半自动生成地点的实例中,地点实体可以包含相邻节点信息和相邻节点间的联通代价信息,如以邻接表或邻接矩阵为存储结构,以供图谱生成算法生成时空知识图谱上的关联关系。
如上所述,事件包含身份信息、时间信息和地点信息,还可以包括属性实体的属性的信息,如温度信息等。
即R1.1:事件实体EA与对应的身份信息的身份实体IDA关联。
R1.2:事件实体EA与对应的时间信息的时间实体TimeA关联。
R1.3:事件实体EA与对应的地点信息的地点实体LocA关联。
本实施例所述的时空知识图谱对身份实体之间的关联关系不作要求。
R2:地点实体之间的属性包括“联通”:地点实体LocA“联通”地点实体LocB,即相邻的地点实体关联。通过相邻规则可以实现两个地点实体之间的“联通”属性。
R3:时间实体之间的属性包括“连接”:时间实体TimeA“连接”时间实体TimeB,即相邻的时间实体关联。
R4:身份实体IDA根据存储的事件记录,与记录中相关的任一时间实体TimeI连结,直接或通过推理形成:身份实体“经过”时间实体的关联关系。
R5:身份实体IDA根据存储的事件记录,与记录中相关的任一地点实体LocJ连结,直接或通过推理形成:身份实体“通过”地点实体的关联关系。
R4、R5中所述的推理可以是一种基于R2所述的“联通”属性的插值:IDRK在LocA@TimeA与LocC@TimeC之间有一无法绕开的LocB,则地点实体LocB和时间实体分别与IDRK产生R4、R5类连结,并生成一个同时与LocB和TimeB关联的进出事件EB。
实施例二
本实施例提供一种基于实施例一所述的时空知识图谱的风险溯源方法,通过实体关联关系确定风险个体(即感兴趣的个体,如具有对风险实体、信息或其他因素进行传播、扩散能力的个体),即扩散追溯的方法。
参照附图2和3,本实施例所述的方法包括以下步骤:
S1、在时空知识图谱中确定初始风险事件实体。初始风险事件ER0的发现:可以通过实时入口检测、体温上报等发现人员行为触发生成、也可以由管理端在时空知识图谱上对某个事件实体进行风险标注,也可以由管理端直接进行添加。
S2、得到与初始风险事件实体关联的初始风险身份实体。ER0通过R1.1这条关系找到对应的初始风险身份实体IDR0。
S3、得到与初始风险身份实体关联的地点实体,为一级风险地点实体,与所述初始风险身份实体关联的所述时间实体,为一级风险时间实体。
IDR0直接连接的时间和地点实体可以定义为一级接触实体。通过R4找到IDR0对应的一级风险地点实体,如附图2所示的Loc0、Loc1、Loc2。通过R5找到IDR0对应的一级风险时间实体,如附图2所示的Time0、Time1和Time2。
S4、根据与一级风险地点实体的邻接度,定义N级风险地点实体,根据与一级风险时间实体的邻接度,定义M级风险时间实体,(N、M为正整数)。
一级接触实体的相邻或者以一定程度接触的其他时间、地点实体可根据风险(或感兴趣)的类型由管理端定义为二级、三级…等接触级别。如附图2所示的二级风险地点实体Loc3、Loc4,三级风险地点实体Loc5。
S5、得到同时与N级风险时间实体和M级风险时间实体关联的事件实体,为风险事件实体。风险事件实体包括ER0,以及如附图2所示的ER1、ER2。
S6、得到与风险事件实体关联的身份实体,为风险身份实体。风险身份实体包括IDR0,以及如附图2所示的IDR1、IDR2。
即同时与LocI和TimeJ均连结的事件实体,即为发现的风险事件ERM。ERM连结的身份实体IDRK,即为对应的风险个体。上述步骤为一度空间操作。
以IDRK重复上述的S3~S6可以发现更多度数的风险个体。
本实施例所述的方法还包括以下步骤:
根据时空知识图谱,得到与风险身份实体关联的地点实体,为二度一级风险地点实体,与风险身份实体关联的时间实体,为二度一级风险时间实体,如附图2所示的Time5、Time6。
根据与二度一级风险地点实体的邻接度,定义二度N级风险地点实体,根据与二度一级风险时间实体的邻接度,定义二度M级风险时间实体。
得到分别与二度N级风险时间实体和二度M级风险时间实体关联的事件实体,为二度风险事件实体。
得到与二度风险事件实体关联的身份实体,为二度风险身份实体。上述步骤为二度空间操作,二度风险身份实体除去一度空间得到的风险个体,可以发现新的二度空间的不同度数的风险个体。可以根据这些二度空间得到的风险个体进一步进行三度以及以上空间操作。以此类推。
参照附图3,根据不同风险规则发现的不同级别、不同度数的个体可以在图谱中以不同图案展示,也可以自动生成列表展示。
实施例三
本实施例提供将实施例一所述的具备时空属性实体的时空知识图谱进行三维展示的方法,能够通过支持3D或者伪3D显示的展示端进行展示。
参照附图1,在本实施例中,时空知识图谱通过三维笛卡尔坐标系表示。可以通过一般坐标系转换算法实现时空知识图谱在其他坐标系上的可视化。
在本实施例中,属性实体为三个:时间实体、地点实体和身份实体。Z坐标分别为z1,z2,z3,zn∈Z,即沿Z轴分层排列。
事件实体的坐标默认值设为:
实施例四
本实施例还提供了一种基于时空知识图谱的风险溯源系统,所述系统用于执行上述实施例一所述的方法。
本实施例所述的系统的应用架构如附图4所示,包括:
信息读取端,信息读取端为定点布置,用于读取某个节点(个体进入/离开特定区域经过)的访客信息,并将访客信息上传至服务器端。
在本实施例中,信息读取端为多功能数据采集终端,访客信息包括体温信息和身份信息。信息读取端包括过红外测温模块收集读取个体在某时刻进入/离开特定区域的体温信息,以及通过摄像头拍照进行人脸识别来匹配本地员工数据库,或通过条码扫描、近场无线通信等机制完成个体的身份信息的读取,并将体温信息和身份信息进行绑定。读取的体温和身份信息被发送往服务器端进行数据处理。
服务器端,包括数据服务器和图数据库,用于根据访客的身份信息、时间信息、日期信息和节点的地点信息分别生成一个事件实体及关联的身份实体、时间实体和地点实体,其中,个体的属性信息与其对应的身份实体绑定,构建时空知识图谱。
参照附图5,服务器端收到访客身份后,先判断是否为现有员工或数据库中已知访客(包括但不限于面部识别有记录但不具名访客,以及已记录身份信息,如身份证信息的访客)。若是已知身份的个体,则直接读取现有信息如工号等身份代号等进行实体创建。若是初次访问的个体,则根据读取的时空信息自动进行实体创建。
在高预算方案中,属于同一进出事件的访客信息可以在具备较高处理性能的信息读取端内进行数据预处理。信息读取端与服务器端通过Network Time Protocol(NTP)通信进行时间同步,在本地维护一个时钟CLKlocal。预处理可以包括使用CLKlocal加盖时间戳后再发送往服务器端。该方案对终端的算力要求较高,故成本较高,但时间精度更高。
在一般方案中,属于同一进出事件的访客信息直接被发送往服务器端。服务器端根据本地接收到数据的时间Tr和传输时延DOW,确定访客信息的时间戳。本方案对比上一方案降低了终端成本,但计时准确性受限于网络拥塞程度。
无论访客的属性信息或身份信息是否被服务器端判定为风险信息,服务器端将接收到的数据与节点的地点信息进行匹配,以CSV、Json或XML等半结构化方式存储数据组。
管理端,用于对时空知识图谱进行标注,在时空知识图谱增减实体,以及当访客的属性信息或身份信息为风险信息时,根据时空知识图谱进行风险溯源。
本实施例所述的系统的管理员可以在法律法规允许的情况下对数据库和云服务进行管理、审核、标注等操作。当风险预警时,管理员可以进行应急处理,查看知识图谱,并进行精确风险溯源。
警示端,当访客的属性信息或身份信息为风险信息时,警示端用于发出警报。警示端也为定点设置。
参照附图6,在本实施例中,服务器端接收到访客信息后先对温度信息进行判断,经过云端计算后,若某个个体的体温高于设定阈值,则该个体的体温信息为风险信息,服务器端启动应急预案。
服务器端通知对应节点的警示端对现场工作人员发出警报,包括执行如语音播报提示体温过高,电子显示屏上的体温以鲜艳的颜色显示,联动的出入口闸门不打开等措施中的一种或几种。
同时,服务器端通知管理端进行应急处理。
展示端,用于时空知识图谱的可视化。
本实施例还提供了一种基于时空知识图谱的风险溯源装置,所述装置用于运行程序,其中,所述程序运行时执行实施例一所述的方法。
本发明可以在企业级,小区级等半封闭、非全联通空间内进行基于地点和时间信息的人员分度数、分级别的精确接触度追溯。
本发明的时空知识图谱通过引入多重地点和时间信息,提升了聚落发现和溯源的时效性,同时以时空序列信息作为三维知识图谱的排序基础,提升了图谱的信息含量。
本发明提供了一种对风险个体进行溯源搜索的方法,相比一般半结构数据或结构性数据(如SQL类数据库)的全局搜索算法,本发明基于图数据库的搜索算法可以在O(1)的时间内找到相邻的实体,提升了搜索效率、便利性和可视性。
本发明还提出一种利用预定点的数据采集装置生成时空相关数据,并自动连续构建一套基于时空序列信息的图数据库,可以通过该图数据库完成对风险个体进行溯源、聚落发现等操作。溯源结果可以通过表格、三维图谱等方式展示,并且对发现的风险实体进行分级、分度评估,为具有不同兴趣点的时空相关应用提供决策输入。
本领域技术人员可以理解,实现上述方法实施例中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请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-OnlyMemory)、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。
上述说明示出并描述了本发明的优选实施例,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (9)
1.一种基于时空知识图谱的风险溯源方法,其特征在于,包括以下步骤:
在时空知识图谱中确定初始风险事件实体;
得到与所述初始风险事件实体关联的初始风险身份实体;
得到与所述初始风险身份实体关联的地点实体,为一级风险地点实体,与所述初始风险身份实体关联的时间实体,为一级风险时间实体;
根据与所述一级风险地点实体的邻接度,定义N级风险地点实体,根据与所述一级风险时间实体的邻接度,定义M级风险时间实体,N、M为正整数;
得到同时与所述N级风险地点实体和所述M级风险时间实体关联的所述事件实体,为风险事件实体;
得到与所述风险事件实体关联的所述身份实体,为风险身份实体;
根据所述时空知识图谱,得到与所述风险身份实体关联的地点实体,为二度一级风险地点实体,与所述风险身份实体关联的时间实体,为二度一级风险时间实体;
根据与所述二度一级风险地点实体的邻接度,定义二度N级风险地点实体,根据与所述二度一级风险时间实体的邻接度,定义二度M级风险时间实体;
得到同时与所述二度N级风险地点实体和所述二度M级风险时间实体关联的所述事件实体,为二度风险事件实体;
得到与所述二度风险事件实体关联的所述身份实体,为二度风险身份实体;
所述时空知识图谱包括事件实体和属性实体,所述事件实体至少为一个,所述属性实体至少包括身份实体、时间实体和地点实体,每个所述事件实体分别与一个所述身份实体、一个所述时间实体和一个所述地点实体关联,相邻的所述时间实体关联,相邻的所述地点实体关联。
4.一种基于时空知识图谱的风险溯源系统,其特征在于,所述系统用于执行如权利要求1~3任一项所述的方法,包括:信息读取端,所述信息读取端为定点布置,用于读取某个节点的访客的身份信息,并将所述访客的身份信息上传至服务器端;
所述服务器端,用于根据所述访客的身份信息、时间信息、日期信息和所述节点的地点信息生成一个所述事件实体及关联的所述身份实体、所述时间实体和所述地点实体,构建所述时空知识图谱;
管理端,用于对所述时空知识图谱进行标注,在所述时空知识图谱增减实体,以及当访客的身份信息为风险信息时,根据所述时空知识图谱进行风险溯源。
5.根据权利要求4所述的基于时空知识图谱的风险溯源系统,其特征在于,所述信息读取端还用于读取所述访客的属性信息,并将所述访客的属性信息与身份信息绑定,并上传至所述服务器端。
6.根据权利要求4所述的基于时空知识图谱的风险溯源系统,其特征在于,所述信息读取端与所述服务器端进行时间同步。
7.根据权利要求5所述的基于时空知识图谱的风险溯源系统,其特征在于,还包括:警示端,当访客的属性信息或所述身份信息为风险信息时,所述警示端用于发出警报。
8.根据权利要求4所述的基于时空知识图谱的风险溯源系统,其特征在于,还包括:展示端,用于所述时空知识图谱的可视化。
9.一种基于时空知识图谱的风险溯源装置,其特征在于,所述装置用于运行程序,其中,所述程序运行时执行如权利要求1~3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110383799.7A CN113268492B (zh) | 2021-04-09 | 2021-04-09 | 一种基于时空知识图谱的风险溯源方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110383799.7A CN113268492B (zh) | 2021-04-09 | 2021-04-09 | 一种基于时空知识图谱的风险溯源方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113268492A CN113268492A (zh) | 2021-08-17 |
CN113268492B true CN113268492B (zh) | 2022-06-14 |
Family
ID=77228599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110383799.7A Active CN113268492B (zh) | 2021-04-09 | 2021-04-09 | 一种基于时空知识图谱的风险溯源方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268492B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016068A (zh) * | 2017-03-21 | 2017-08-04 | 深圳前海乘方互联网金融服务有限公司 | 知识图谱构建方法及装置 |
CN107909238A (zh) * | 2017-10-09 | 2018-04-13 | 中国电子科技集团公司第二十八研究所 | 一种城市协同处理与联动指挥系统及指挥大厅 |
CN110019845A (zh) * | 2019-04-16 | 2019-07-16 | 济南大学 | 一种基于知识图谱的社区演化分析方法及装置 |
CN110688495A (zh) * | 2019-12-09 | 2020-01-14 | 武汉中科通达高新技术股份有限公司 | 一种事件信息的知识图谱模型构建方法、装置、存储介质 |
CN112559762A (zh) * | 2020-12-09 | 2021-03-26 | 中电科新型智慧城市研究院有限公司 | 一种公共安全知识图谱构建方法、装置及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170124464A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | Rapid predictive analysis of very large data sets using the distributed computational graph |
-
2021
- 2021-04-09 CN CN202110383799.7A patent/CN113268492B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016068A (zh) * | 2017-03-21 | 2017-08-04 | 深圳前海乘方互联网金融服务有限公司 | 知识图谱构建方法及装置 |
CN107909238A (zh) * | 2017-10-09 | 2018-04-13 | 中国电子科技集团公司第二十八研究所 | 一种城市协同处理与联动指挥系统及指挥大厅 |
CN110019845A (zh) * | 2019-04-16 | 2019-07-16 | 济南大学 | 一种基于知识图谱的社区演化分析方法及装置 |
CN110688495A (zh) * | 2019-12-09 | 2020-01-14 | 武汉中科通达高新技术股份有限公司 | 一种事件信息的知识图谱模型构建方法、装置、存储介质 |
CN112559762A (zh) * | 2020-12-09 | 2021-03-26 | 中电科新型智慧城市研究院有限公司 | 一种公共安全知识图谱构建方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113268492A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11257103B2 (en) | Device-dwell graphs | |
Chen et al. | Spatiotemporal data model for network time geographic analysis in the era of big data | |
Liu et al. | Social sensing: A new approach to understanding our socioeconomic environments | |
Yan et al. | A hybrid model and computing platform for spatio-semantic trajectories | |
O'Madadhain et al. | Prediction and ranking algorithms for event-based network data | |
US10235683B2 (en) | Analyzing mobile-device location histories to characterize consumer behavior | |
US20190102720A1 (en) | Job-transition analysis and report system | |
CN109189867A (zh) | 基于公司知识图谱的关系发现方法、装置及存储介质 | |
Bendler et al. | Taming uncertainty in big data: Evidence from social media in urban areas | |
Corcoran et al. | Characterising the metric and topological evolution of OpenStreetMap network representations | |
Zandbergen | Influence of street reference data on geocoding quality | |
US10936978B2 (en) | Models for visualizing resource allocation | |
MacDonald et al. | Measuring political brand equity in Ireland | |
Okmi et al. | Mobile phone data: A survey of techniques, features, and applications | |
CN112925899B (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 | |
US11782995B2 (en) | Computer-implemented method and apparatus for determining a relevance of a node in a network | |
CN113268492B (zh) | 一种基于时空知识图谱的风险溯源方法、系统及装置 | |
Jiang et al. | From social community to spatio-temporal information: A new method for mobile data exploration | |
Liebig et al. | Methods for analysis of spatio-temporal bluetooth tracking data | |
CN109828995A (zh) | 一种基于视觉特征的图数据检测方法、系统 | |
CN108647189A (zh) | 一种识别用户人群属性的方法及装置 | |
Eliseev et al. | Modern methods to collect, store, and process big data in large-scale systems | |
CN108320180A (zh) | 工程造价审计系统 | |
Jaegal et al. | Measuring the structural similarity of network time prisms using temporal signatures with graph indices | |
Kim et al. | Friend recommendation using offline and online social information for face-to-face interactions |
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 |