CN113297390A - 一种社区事件信息展示方法、设备及介质 - Google Patents
一种社区事件信息展示方法、设备及介质 Download PDFInfo
- Publication number
- CN113297390A CN113297390A CN202110508292.XA CN202110508292A CN113297390A CN 113297390 A CN113297390 A CN 113297390A CN 202110508292 A CN202110508292 A CN 202110508292A CN 113297390 A CN113297390 A CN 113297390A
- Authority
- CN
- China
- Prior art keywords
- event information
- residents
- information
- community
- event
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000000694 effects Effects 0.000 claims abstract description 26
- 238000010219 correlation analysis Methods 0.000 claims abstract description 18
- 238000003860 storage Methods 0.000 claims description 12
- 238000005553 drilling Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种社区事件信息展示方法、设备及介质,方法包括:获取社区中居民所对应的所有事件信息,所述事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种;根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系;将所述居民作为根结点,将所述事件信息对应的事件类型作为第一层叶结点,将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,将所述关联关系作为边,生成所述居民在所述社区中的关系图谱。本申请实施例通过整合社区中的所有事件信息,得到居民的关系图谱,能够直观展示以人为中心,与社区中相关事件信息之间的关系。
Description
技术领域
本申请涉及大数据处理技术领域,尤其涉及一种社区事件信息展示方法、设备及介质。
背景技术
社区是指在一定区域范围内社会群体和社会组织所构成的社会实体,它以聚落作为自己的依托或物质载体,是具有相对完整、相对独立意义的社会单位,是社会成员参与社会活动的基本场所。
由于社区事件信息杂乱,导致社区管理者无法及时了解居民在社区层面之间的关联关系。
发明内容
本申请实施例提供一种社区事件信息的展示方法、设备及介质,用于解决现有技术中的如下问题:由于社区事件信息杂乱,社区管理者无法及时了解居民在社区层面的关联关系。
本申请实施例采用下述技术方案:
一方面,本申请实施例提供了一种社区事件信息展示方法,该方法包括:获取社区中居民所对应的所有事件信息,所述事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种;根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系;将所述居民作为根结点,将所述事件信息对应的事件类型作为第一层叶结点,将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,将所述关联关系作为边,生成所述居民在所述社区中的关系图谱。
一个示例中,所述根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系,具体包括:生成所述事件信息的身份标识;根据所述身份标识,对所述事件信息进行交叉比对,确定所述事件信息之间具有的可能性关系;从所述可能性关系中,通过匈牙利算法确定所述居民与所述事件信息之间的关联关系。
一个示例中,所述将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,具体包括:对与所述居民具有所述关联关系的事件信息进行钻取,确定所述居民在所述事件类型下的待展示事件信息;所述钻取的深度不大于预设钻取阈值;将所述待展示事件信息作为所述第一层叶结点的后续叶结点。
一个示例中,在浏览器中嵌入资源描述框架;通过所述资源描述框架展示所述关系图谱。
一个示例中,所述根据数据关联模型,对所述事件信息数据进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系之前,所述方法还包括:通过数据清洗对所述事件信息进行标准化,生成所述社区的标准主题库。
一个示例中,所述通过数据清洗对所述事件信息进行标准化,生成所述社区的标准主题库,具体包括:确定所述事件信息对应的多个表格;对所述多个表格中的数据字段进行清洗,生成标准化表格;根据所述标准化表格,确定所述社区的标准主题库。
一个示例中,所述事件类型,包括以下至少一种:亲属、房屋、车辆、企业及社区活动。
一个示例中,所述生成所述居民在所述社区中的关系图谱之后,所述方法还包括:若所述居民之间的姓名相同,将所述关系图谱发送所述居民,以验证所述关系图谱中的事件信息。
另一方面,本申请实施例提供了一种社区事件信息展示设备,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指令,所述指令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:获取社区中居民所对应的所有事件信息,所述事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种;根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系;将所述居民作为根结点,将所述事件信息对应的事件类型作为第一层叶结点,将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,将所述关联关系作为边,生成所述居民在所述社区中的关系图谱。
另一方面,本申请实施例提供了一种社区事件信息展示非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:获取社区中居民所对应的所有事件信息,所述事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种;根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系;将所述居民作为根结点,将所述事件信息对应的事件类型作为第一层叶结点,将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,将所述关联关系作为边,生成所述居民在所述社区中的关系图谱。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:本申请实施例通过社区中零散的所有事件信息进行数据交叉关联分析,得到居民在社区中的关系图谱,能够直观展示以人为中心,与亲属、房屋、车辆、企业及社区活动之间的关系,从而清晰明了地展示居民在社区层面的关联关系,便于街道、社区、小区工作人员能够快速掌握居民之间、居民与机构之间及居民与房屋之间等等关系,方便社区管理人员对社区事件信息的信息管理。
附图说明
为了更清楚地说明本申请的技术方案,下面将结合附图来对本申请的部分实施例进行详细说明,附图中:
图1为本申请实施例提供的一种社区事件信息展示方法的流程示意图;
图2为本申请实施例提供的一种关系图谱的示意图;
图3为本申请实施例提供的一种社区事件信息展示设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面参照附图来对本申请的一些实施例进行详细说明。
图1为本申请实施例提供的一种社区事件信息展示方法的流程示意图,具体包括以下步骤:
S101:获取社区中居民所对应的所有事件信息。
在本申请的一些实施例中,为了智慧社区的建设,需要为社区管理者提供数据管理平台,服务器通过该数据管理平台整合社区中所有的事件信息,进而展示各居民在社区中相关的事件信息。
其中,所有事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种。
需要说明的是,该服务器可以是单独的一台设备,可以是有多台设备组成的系统,即,分布式服务器,本申请对此不做具体限定。
S102:根据数据关联模型,对事件信息进行数据交叉关联分析,确定居民与事件信息之间的关联关系。
在本申请的一些实施例中,对于居民与事件信息之间的关联关系,可以根据实际需要进行限定,比如对于人员信息,该居民与另一居民的关联关系为配偶关系、子女关系等,对于所属企业信息,该居民与企业A的关联关系为工作。
S103:将居民作为根结点,将事件信息对应的事件类型作为第一层叶结点,将居民在事件类型下的事件信息作为第一层叶结点的后续叶结点,将关联关系作为边,生成居民在社区中的关系图谱。
在本申请的一些实施例中,事件类型包括亲属、房屋、车辆、企业及社区活动中的至少一种。也就是说,亲属类型下的事件信息包括人员信息,房屋类型下的事件信息包括房屋信息,车辆类型下的事件信息包括车辆信息,企业类型下的事件信息包括所属企业信息,社区活动下的事件信息包括社区活动信息。
进一步,服务器在浏览器中嵌入资源描述框架,通过资源描述框架展示上述关系图谱。
由于社区中的居民可能出现姓名相同的情况,此时居民在社区中相关的事件信息可能会出现错乱,所以对于居民在社区中的关系图谱,若出现居民之间的姓名相同,服务器则将关系图谱发送给对应的居民,以验证关系图谱中的事件信息,然后服务器接收居民对于关系图谱的反馈,若居民反馈信息为关系图谱中的事件信息出现错误,则对该居民的事件信息重新进行数据交叉关联分析。
需要说明的是,虽然本申请实施例是参照图1来对步骤S101至步骤103依次进行介绍说明的,但这并不代表步骤S101至步骤S103必须按照严格的先后顺序执行。本申请实施例之所以按照图1中所示的顺序对步骤S101至步骤S103依次进行介绍说明,是为了方便本领域技术人员理解本申请实施例的技术方案。换句话说,在本申请实施例中,步骤S101至步骤S103之间的先后顺序可以根据实际需要进行适当调整。
通过图1中的方法,通过社区中零散的所有事件信息进行数据交叉关联分析,实现事件信息之间的关联,然后通过资源描述框架实现事件信息关联展示的设计,得到居民在社区中的关系图谱,能够直观展示以人为中心,与亲属、房屋、车辆、企业及社区活动之间的关系,从而清晰明了地实时呈现居民在社区层面的关联关系,便于街道、社区、小区工作人员能够快速掌握居民之间、居民与机构之间及居民与房屋之间等等关系,方便社区管理人员对社区事件信息的信息管理。
直观地,图2为本申请实施例提供的一种关系图谱的示意图。在图2的关系图谱中,示出了居民A在社区中相关联的事件信息。
其中,根结点为居民A,第一层叶结点为亲属、房屋、车辆、企业、社区活动,房屋类型下的房屋A、房屋B、居民D、居民F,企业类型下的企业A、法人A,社区活动类型下的A时刻出A门,亲属类型下的居民B、居民C、房屋C,车辆类型下的车辆A,均为后续叶结点。
具体地,在人员信息方面,居民A的亲属包括居民B、居民C,居民A与居民B的关联关系为配偶,居民A与居民C的关联关系为子女,并且居民C的现住地址为房屋C。在房屋信息方面,居民A的房屋包括房屋A、房屋B,其房屋A为户籍地址,由居民D进行承租,其房屋B为现住地址,产权所有人为居民F。在车辆信息方面,居民A所拥有的车辆为车辆A。在所属企业信息方面,居民A在企业A进行工作,其企业A的法人为法人A。在社区活动信息方面,居民A最近在A时刻出A门,从而离开了社区。
基于上面的说明,本申请实施例还提供了该方法的一些具体实施方案和扩展方案,下面继续进行说明。
在本申请的一些实施例中,为了消除事件信息之间的差异性,服务器获取事件信息之后,通过数据清洗对所述事件信息进行标准化,从而生成社区的标准主题库。
具体地,以多个表格的形式,获取到社区中所有的事件信息,对多个表格中的数据字段进行清洗,生成标准化表格,然后根据标准化表格,确定社区的标准主题库。其中,标准化表格为一个表格,标准主题库为社区统一的主题库。
需要说明的是,对于数据清洗的方式可以根据实际需要进行设置,本申请实施例对此不做具体限定。
比如,服务器基于国标对社区内的人员、房屋、车辆、企业及社区活动等31类表格,400多条数据字段进行自动清洗分类,得到一个标准化表格,并且形成统一的主题库。
在本申请的一些实施例中,服务器根据数据关联模型,对所述事件信息进行数据交叉关联分析的过程中,由于社区中初步处理的事件信息是独立存在的,所以服务器在获取到事件信息之后,将生成事件信息的身份标识,从而可以将各事件信息联系起来。
其中,为了事件信息的数据交叉分析更准确,基于服务器对事件信息进行标准化之后,服务器也可以通过标准主题库内的数据,自动生成人员、房屋、车辆、所属企业、社区活动的标识ID。
然后服务器根据身份标识,对事件信息进行交叉比对,确定事件信息之间具有的可能性关系,从可能性关系中,通过匈牙利算法确定居民与事件信息之间的关联关系。
具体地,服务器在交叉比对关联的过程中,根据身份标识,预测数据间可能性状态,考虑匹配过程噪声,通过门限决定可能的匹配观测,然后决定最佳匹配值,然后使用贝叶斯定理修正预测。
比如,在对事件信息进行交叉比对关联的过程中,服务器根据身份标识,分析每个落入门内的观测点,选择最优并入轨道(最高相似性),得到一个最大化总分的置换矩阵(每行每列只有一个元素为1)。对于标准主题库内的数据进行分配时,使用迭代运算(对于一个55矩阵,需要进行5432*1=123次运算)或使用匈牙利算法PDAF(Probabilistic DataAssociation Filter)。其中,服务器并不是将单个最佳观察与轨道匹配,而是基于所有的观测点(门内)进行更新,并根据其可能性进行加权考虑门内所有数据点,也考虑到没有观测相匹配的额外可能性。其中,使用卡尔曼滤波更新是基于最佳的残差矢量,PDAF使用观测的加权组合。服务器对于每个可能的(非冲突的)分配都成为具有相关概率假设(如同户人员ID非冲突),取在计算观测i分配导得轨道轨迹j的概率Pij,最大Pij为最佳关联关系。
在本申请的一些实施例中,在确定第一层叶结点的后续叶结点时,由于在关系图谱中,要选取合适的关联关系层数,清晰地展示给社区管理者,因此需要对与居民具有关联关系的事件信息进行钻取,以确定居民在事件类型下的待展示事件信息,其中,钻取的深度不大于预设钻取阈值,比如,最多进行3层数据钻取,然后将待展示事件信息作为第一层叶结点的后续叶结点,进而得到最终以居民为中心的亲属、房屋、车辆、企业、社区活动的关系图谱。
图3为本申请实施例提供的一种社区事件信息展示设备的结构示意图,设备包括:
至少一个处理器;以及,
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
获取社区中居民所对应的所有事件信息,所述事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种;
根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系;
将所述居民作为根结点,将所述事件信息对应的事件类型作为第一层叶结点,将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,将所述关联关系作为边,生成所述居民在所述社区中的关系图谱。
基于同样的思路,本申请实施例还提供了对应于上述方法的一种非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:
获取社区中居民所对应的所有事件信息,所述事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种;
根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系;
将所述居民作为根结点,将所述事件信息对应的事件类型作为第一层叶结点,将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,将所述关联关系作为边,生成所述居民在所述社区中的关系图谱。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请技术原理之内所作的任何修改、等同替换、改进等,均应落入本申请的保护范围之内。
Claims (10)
1.一种社区事件信息展示方法,其特征在于,所述方法包括:
获取社区中居民所对应的所有事件信息,所述事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种;
根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系;
将所述居民作为根结点,将所述事件信息对应的事件类型作为第一层叶结点,将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,将所述关联关系作为边,生成所述居民在所述社区中的关系图谱。
2.根据权利要求1所述的方法,其特征在于,所述根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系,具体包括:
生成所述事件信息的身份标识;
根据所述身份标识,对所述事件信息进行交叉比对,确定所述事件信息之间具有的可能性关系;
从所述可能性关系中,通过匈牙利算法确定所述居民与所述事件信息之间的关联关系。
3.根据权利要求1所述的方法,其特征在于,所述将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,具体包括:
对与所述居民具有所述关联关系的事件信息进行钻取,确定所述居民在所述事件类型下的待展示事件信息;所述钻取的深度不大于预设钻取阈值;
将所述待展示事件信息作为所述第一层叶结点的后续叶结点。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在浏览器中嵌入资源描述框架;
通过所述资源描述框架展示所述关系图谱。
5.根据权利要求1所述的方法,其特征在于,所述根据数据关联模型,对所述事件信息数据进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系之前,所述方法还包括:
通过数据清洗对所述事件信息进行标准化,生成所述社区的标准主题库。
6.根据权利要求5所述的方法,其特征在于,所述通过数据清洗对所述事件信息进行标准化,生成所述社区的标准主题库,具体包括:
确定所述事件信息对应的多个表格;
对所述多个表格中的数据字段进行清洗,生成标准化表格;
根据所述标准化表格,确定所述社区的标准主题库。
7.根据权利要求1所述的方法,其特征在于,所述事件类型,包括以下至少一种:
亲属、房屋、车辆、企业及社区活动。
8.根据权利要求1所述的方法,其特征在于,所述生成所述居民在所述社区中的关系图谱之后,所述方法还包括:
若所述居民之间的姓名相同,将所述关系图谱发送所述居民,以验证所述关系图谱中的事件信息。
9.一种社区事件信息展示设备,其特征在于,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指令,所述指令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:
获取社区中居民所对应的所有事件信息,所述事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种;
根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系;
将所述居民作为根结点,将所述事件信息对应的事件类型作为第一层叶结点,将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,将所述关联关系作为边,生成所述居民在所述社区中的关系图谱。
10.一种社区事件信息展示非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
获取社区中居民所对应的所有事件信息,所述事件信息包括人员信息、房屋信息、车辆信息、所属企业信息及社区活动信息中的至少一种;
根据数据关联模型,对所述事件信息进行数据交叉关联分析,确定所述居民与所述事件信息之间的关联关系;
将所述居民作为根结点,将所述事件信息对应的事件类型作为第一层叶结点,将所述居民在所述事件类型下的所述事件信息作为所述第一层叶结点的后续叶结点,将所述关联关系作为边,生成所述居民在所述社区中的关系图谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110508292.XA CN113297390A (zh) | 2021-05-11 | 2021-05-11 | 一种社区事件信息展示方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110508292.XA CN113297390A (zh) | 2021-05-11 | 2021-05-11 | 一种社区事件信息展示方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113297390A true CN113297390A (zh) | 2021-08-24 |
Family
ID=77321807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110508292.XA Withdrawn CN113297390A (zh) | 2021-05-11 | 2021-05-11 | 一种社区事件信息展示方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113297390A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114201617A (zh) * | 2022-02-08 | 2022-03-18 | 杭州元声象素科技有限公司 | 一种针对社区零散信息的信息整合方法及装置 |
-
2021
- 2021-05-11 CN CN202110508292.XA patent/CN113297390A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114201617A (zh) * | 2022-02-08 | 2022-03-18 | 杭州元声象素科技有限公司 | 一种针对社区零散信息的信息整合方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shaw | Platform real estate: Theory and practice of new urban real estate markets | |
Costantini et al. | Digital forensics and investigations meet artificial intelligence | |
Yan et al. | A hybrid model and computing platform for spatio-semantic trajectories | |
CN107230008B (zh) | 一种风险信息输出、风险信息构建方法及装置 | |
CN109492111A (zh) | 最短路径查询方法、系统、计算机设备和存储介质 | |
WO2014150987A1 (en) | Systems and methods for identifying entites using geographical and social mapping | |
US8838512B2 (en) | Random walk on query pattern graph for query task classification | |
CN109656912A (zh) | 数据模型管控方法、装置及服务器 | |
US20160086082A1 (en) | Predicting community development trends | |
CN111160472A (zh) | 对象的目标特征的预测方法、装置、存储介质与电子设备 | |
Sekyi et al. | Participation in the credit market by small scale enterprises in Ghana: Evidence from Wa Municipality | |
CN113297390A (zh) | 一种社区事件信息展示方法、设备及介质 | |
Madaio et al. | Identifying and prioritizing fire inspections: a case study of predicting fire risk in Atlanta | |
CN111177398B (zh) | 一种组织架构更新方法及装置 | |
Hay et al. | Estimating the number of drug injectors from needle exchange data | |
CN110019542A (zh) | 企业图谱中企业关系的生成方法、生成组织成员数据库及识别同名成员的方法、装置 | |
Abramova et al. | Reflexive approach to multi-subject situations in cognitive mapping | |
Pysarchuk et al. | Bifurcation Prediction Method for the Emergence and Development Dynamics of Information Conflicts in Cybernetic Space. | |
KR20180009662A (ko) | 기부 관리 시스템 | |
Tulupyev et al. | Algebraic Bayesian networks: consistent fusion of partially intersected knowledge systems | |
CN110825929B (zh) | 一种业务权限推荐方法及装置 | |
DE112021003999T5 (de) | Kontextsensitive anomalieerkennung | |
Sánchez et al. | Behavior of employability indicators in university graduates | |
Alhashmi | Dubai Emirate Land Price Prediction Using Analytics and Machine Learning | |
Lansley et al. | Modelling small area level population change from administrative and consumer data |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210824 |