CN113342991A - 一种基于人工智能的知识图谱融合系统及其方法 - Google Patents

Abstract

本发明涉及一种基于人工智能的知识图谱融合系统及其方法，包括基于人工智能系统的知识图谱协调服务器、基于云计算的知识图谱认知服务器、分布式数据存储系统及知识图谱数据采集终端。该系统包括硬件系统组网，知识图谱数据预处理，数据初步融合，深度数据融合，知识图谱输出，系统逻辑处理等六个步骤。本发明可有效满足多种网络构架下，多种复杂知识数据间融合管理利用的需要；同时还具有系统运行自动化、智能化程度高，数据处理能力、精度及安全性好，系统运行硬件资源占用率低等优点。

Description

一种基于人工智能的知识图谱融合系统及其方法

技术领域

本发明涉及一种基于人工智能的知识图谱融合系统及其方法，属于数据信息技术领域。

背景技术

随着当前各行业领域技术发展、相关学科知识间交叉混合程度的加深，再加之当前的数据类型繁杂、各类资源数据量大，为了减轻工作人员在大量数据信息中快速准确的对特定数据进行检索、识别及利用的负担，知识图谱技术得到了广泛的应用，如专利公开号为CN111949801A，公开日为20201117，专利申请号为2020107295466，专利名称为医生经验知识与超声影像信息的知识图谱融合方法，专利公开号为CN112804280A，公开日为20210514，专利申请号为201911113749，专利名称为知识图谱融合系统等技术内容，虽然一定程度上可以满足使用的需要，但当前的该类系统在运行中，往往系统结构复杂、操作难度大，适用人员范围小，且系统在运行维护过程中的调整维护灵活性差，系统拓展能力不足，往往仅能满足特定环境或知识领域数据处理的需要，同时在运行中，当前的该类系统的数据处理能力差、数据处理稳定性、可靠性也相对不足，易造成数据丢失泄露等风险，此外在数据处理运行中往往需要占用较大的硬件设备资源，从而进一步增加了当前知识图谱系统建设和维护成本，并同时具有数据处理效率低下的弊端。

因此针对这一问题，迫切需要开发一种全新的知识图谱融合系统，以满足实际使用的需要。

发明内容

为了解决现有技术上的不足，本发明提供基于人工智能的知识图谱融合系统及其方法。

一种基于人工智能的知识图谱融合系统，包括基于人工智能系统的知识图谱协调服务器、基于云计算的知识图谱认知服务器、分布式数据存储系统及知识图谱数据采集终端，其中基于云计算的知识图谱认知服务器若干，各基于云计算的知识图谱认知服务器间相互并联，且每个基于云计算的知识图谱认知服务器分别通过通讯网络与分布式数据存储系统和若干知识图谱数据采集终端建立数据连接，各知识图谱数据采集终端间通过通讯网络建立至少一个交互局域网，且每个知识图谱数据采集终端均与分布式数据存储系统、基于人工智能系统的知识图谱协调服务器间建立数据连接，基于人工智能系统的知识图谱协调服务器另通过通讯网络分别与各基于云计算的知识图谱认知服务器间建立数据连接。

优选的，所述的基于人工智能系统的知识图谱协调服务器、基于云计算的知识图谱认知服务器、分布式数据存储系统及知识图谱数据采集终端在与通讯网络连接时，均设智能通讯网关。

优选的，所述的知识图谱数据采集终端为工业计算机、PC计算机、移动通讯终端、扫描仪、摄像头、麦克风中的任意一种，且知识图谱数据采集终端均设身份识别装置。

一种基于人工智能的知识图谱融合方法，包括如下步骤：

第一步，硬件系统组网，首先对各相关信息采集点位置分别设置至少一个知识图谱数据采集终端，并为每个知识图谱数据采集终端配备至少一个分布式数据存储系统的接入端口及若干数据存储单元，在数据服务平台处分别设置基于人工智能系统的知识图谱协调服务器、基于云计算的知识图谱认知服务器、分布式数据存储系统的控制系统，然后通过通讯网络对基于人工智能系统的知识图谱协调服务器、基于云计算的知识图谱认知服务器、分布式数据存储系统及知识图谱数据采集终端之间进行组网连接，并在完成组网后，由基于云计算的知识图谱认知服务器采集其所连接的各知识图谱数据采集终端的硬件识别号、软件识别号，并为其所连接的各知识图谱数据采集终端分配同一通讯地址；最后由基于人工智能系统的知识图谱协调服务器分别对其做连接的基于云计算的知识图谱认知服务器、分布式数据存储系统采集硬件识别号、软件识别号，并为其数据通讯地址，同时对各知识图谱数据采集终端的通讯地址进行认证识别并存储，即可完成系统组网；

第二步,知识图谱数据预处理，完成第一步后，分别由各知识图谱数据采集终端对相关数据进行采集，并将采集的数据保存在分布式数据存储系统中，然后由基于云计算的知识图谱认知服务器对各知识图谱数据采集终端采集的数据进行统计汇总，生成数据检索目录，然后由基于云计算的知识图谱认知服务器根据数据检索目录对处于存储状态的各数据进行汇编运算，得到与数据检索目录中文件对应的子集数据，并将子集数据存储在分布式数据存储系统中，同时将各子集数据内容检索索引补录到数据检索目录中，最后将各子集数据在基于云计算的知识图谱认知服务器中生成映射文件备用；

第三步，数据初步融合，将各基于云计算的知识图谱认知服务器在S2步骤得到的各子集数据映射文件及数据检索目录映射文件同步发送至基于人工智能系统的知识图谱协调服务器，由基于人工智能系统的知识图谱协调服务器对各子集数据映射文件进行比对运算，通过比对运算得到各子集数据映射文件中相同数据内容，并根据相同数据内容生成相应的各子集数据映射文件的数据合集，并根据数据合集得到初级数据合集；

第四步，深度数据融合，完成第二步骤后，在基于云计算的知识图谱认知服务器中录入若干数据识别融合关键词，并将录入的数据识别融合关键词存储在分布式数据存储系统中，同时在基于云计算的知识图谱认知服务器生成数据识别融合关键词映射文件，并将数据识别融合关键词映射文件推送至各知识图谱数据采集终端，然后由工作人员通过知识图谱数据采集终端选择至少一个数据识别融合关键词，将选择的数据识别融合关键词生成知识融合请求并反馈至基于云计算的知识图谱认知服务器中，最后由基于云计算的知识图谱认知服务器根据接收的知识融合请求中相关个数据识别融合关键词内容，对第二步生成的各初级数据合集进行二次比对运算，生成目标数据合集，并将目标数据合集内容缓存在分布式数据存储系统中备用；

第五步，知识图谱输出，完成第三步后，将首先第三步得到的目标数据合集内容推送到基于云计算的知识图谱认知服务器和发送知识融合请求的知识图谱数据采集终端中，然后将目标数据合集相关的各初级数据合集内容同步输送至基于云计算的知识图谱认知服务器和发送知识融合请求的知识图谱数据采集终端中，使用者即可通过知识图谱数据采集终端相关数据的知识融合图谱内容；与此同时由基于云计算的知识图谱认知服务器根据接收的目标数据合集、初级数据合集内容，从分布式数据存储系统中调取存储的相应文件处于待机状态，并在工作人员通过知识图谱数据采集终端对相应的数据进行使用处理，并对处理后的数据内容进行更新保存，同时由知识图谱数据采集终端工作人员对数据处理逻辑、内容进行统计，并生成目标数据合集应用处理逻辑，并将目标数据合集应用处理逻辑保存在基于人工智能系统的知识图谱协调服务器、基于云计算的知识图谱认知服务器内即可；

第六步，系统逻辑处理，完成第五步后，并在接收到第五步反馈的目标数据合集应用处理逻辑后，由基于人工智能系统的知识图谱协调服务器对各初级数据合集、目标数据合集及目标数据合集应用处理逻辑进行统计并仿真运行，得到知识图谱融合自主识别逻辑，并将知识图谱融合自主识别逻辑返回至第三步。

进一步的，所述的第一步中，知识图谱数据采集终端在进行数据采集作业时，每个知识图谱数据采集终端均对单一类型的数据进行采集操作。

进一步的，所述的第三步中，在构建初级数据合集时，同一初级数据合集内各子集数据映射文件数据重合度不小于子集数据映射文件数据总量的1%；且当初级数据合集为两个及两个以上时，各初级数据合集之间通过各子集数据映射文件数据重合度小于1%的重合数据构建初级数据合集间数据逻辑联系合集，并直至各初级数据合集间均纳入到同一个数据逻辑联系合集内。

进一步的，所述的第四步中分布式数据存储系统中缓存的目标数据合集内容在完成第五步操作后进行一次更新。

本发明系统构成简单，入门难度低，适用人群广泛，组网运行灵活方便，通用性好，系统拓展能力强，可有效满足多种网络构架下，多种复杂知识数据间融合管理利用的需要；同时还具有系统运行自动化、智能化程度高，数据处理能力、精度及安全性好，系统运行硬件资源占用率低，从而在较传统知识图谱系统极大提高运行效率的同时，另可达到降低硬件系统建设、维护成本的目的。

附图说明

下面结合附图和具体实施方式来详细说明本发明；

图1为本发明系统结构示意图；

图2为本发明方法流程示意图;

图3为知识图谱融合数据结构示意图。

图中各标号：基于人工智能系统的知识图谱协调服务器1、基于云计算的知识图谱认知服务器2、分布式数据存储系统3、知识图谱数据采集终端4。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于施工，下面结合具体实施方式，进一步阐述本发明。

如图1所示，基于人工智能的知识图谱融合系统，包括基于人工智能系统的知识图谱协调服务器1、基于云计算的知识图谱认知服务器2、分布式数据存储系统3及知识图谱数据采集终端4，其中基于云计算的知识图谱认知服务器2若干，各基于云计算的知识图谱认知服务器2间相互并联，且每个基于云计算的知识图谱认知服务器2分别通过通讯网络与分布式数据存储系统3和若干知识图谱数据采集终端4建立数据连接，各知识图谱数据采集终端4间通过通讯网络建立至少一个交互局域网，且每个知识图谱数据采集终端4均与分布式数据存储系统3、基于人工智能系统的知识图谱协调服务器1间建立数据连接，基于人工智能系统的知识图谱协调服务器1另通过通讯网络分别与各基于云计算的知识图谱认知服务器2间建立数据连接。

本实施例中，所述的基于人工智能系统的知识图谱协调服务器1、基于云计算的知识图谱认知服务器2、分布式数据存储系统3及知识图谱数据采集终端4在与通讯网络连接时，均设智能通讯网关。

其中，所述智能通讯网关均设至少一路无线通讯电路，且所述智能通讯网关另均设数据防火墙系统，所述数据防火墙系统均与基于人工智能系统的知识图谱协调服务器1及外部第三方防火墙数据服务器系统建立数据连接，且数据防火墙系统定期进行数据更新。

进一步优化的，所述通讯网络为至少一路在线通讯网络和至少一路无线通讯网络。

本实施例中，所述的知识图谱数据采集终端4为工业计算机、PC计算机、移动通讯终端、扫描仪、摄像头、麦克风中的任意一种，且知识图谱数据采集终端4均设身份识别装置；

其中，知识图谱数据采集终端4采用扫描仪、摄像头、麦克风等设备时，另为其配备具备数据操作能力的操控终端，且所述操控终端采用工业计算机、PC计算机及移动智能通讯终端中的任意一种。

如图2—图3所示，一种基于人工智能的知识图谱融合方法，包括如下步骤：

第一步，硬件系统组网，首先对各相关信息采集点位置分别设置至少一个知识图谱数据采集终端4，并为每个知识图谱数据采集终端4配备至少一个分布式数据存储系统3的接入端口及若干数据存储单元，在数据服务平台处分别设置基于人工智能系统的知识图谱协调服务器1、基于云计算的知识图谱认知服务器2、分布式数据存储系统3的控制系统，然后通过通讯网络对基于人工智能系统的知识图谱协调服务器1、基于云计算的知识图谱认知服务器2、分布式数据存储系统3及知识图谱数据采集终端4之间进行组网连接，并在完成组网后，由基于云计算的知识图谱认知服务器2采集其所连接的各知识图谱数据采集终端4的硬件识别号、软件识别号，并为其所连接的各知识图谱数据采集终端4分配同一通讯地址；最后由基于人工智能系统的知识图谱协调服务器1分别对其做连接的基于云计算的知识图谱认知服务器2、分布式数据存储系统3采集硬件识别号、软件识别号，并为其数据通讯地址，同时对各知识图谱数据采集终端4的通讯地址进行认证识别并存储，即可完成系统组网；

第二步,知识图谱数据预处理，完成第一步后，分别由各知识图谱数据采集终端4对相关数据进行采集，并将采集的数据保存在分布式数据存储系统3中，然后由基于云计算的知识图谱认知服务器2对各知识图谱数据采集终端4采集的数据进行统计汇总，生成数据检索目录，然后由基于云计算的知识图谱认知服务器2根据数据检索目录对处于存储状态的各数据进行汇编运算，得到与数据检索目录中文件对应的子集数据，并将子集数据存储在分布式数据存储系统3中，同时将各子集数据内容检索索引补录到数据检索目录中，最后将各子集数据在基于云计算的知识图谱认知服务器2中生成映射文件备用；

第三步，数据初步融合，将各基于云计算的知识图谱认知服务器2在S2步骤得到的各子集数据映射文件及数据检索目录映射文件同步发送至基于人工智能系统的知识图谱协调服务器1，由基于人工智能系统的知识图谱协调服务器1对各子集数据映射文件进行比对运算，通过比对运算得到各子集数据映射文件中相同数据内容，并根据相同数据内容生成相应的各子集数据映射文件的数据合集，并根据数据合集得到初级数据合集；

第四步，深度数据融合，完成第二步骤后，在基于云计算的知识图谱认知服务器2中录入若干数据识别融合关键词，并将录入的数据识别融合关键词存储在分布式数据存储系统3中，同时在基于云计算的知识图谱认知服务器2生成数据识别融合关键词映射文件，并将数据识别融合关键词映射文件推送至各知识图谱数据采集终端4，然后由工作人员通过知识图谱数据采集终端4选择至少一个数据识别融合关键词，将选择的数据识别融合关键词生成知识融合请求并反馈至基于云计算的知识图谱认知服务器2中，最后由基于云计算的知识图谱认知服务器2根据接收的知识融合请求中相关个数据识别融合关键词内容，对第二步生成的各初级数据合集进行二次比对运算，生成目标数据合集，并将目标数据合集内容缓存在分布式数据存储系统3中备用；

第五步，知识图谱输出，完成第三步后，将首先第三步得到的目标数据合集内容推送到基于云计算的知识图谱认知服务器2和发送知识融合请求的知识图谱数据采集终端4中，然后将目标数据合集相关的各初级数据合集内容同步输送至基于云计算的知识图谱认知服务器2和发送知识融合请求的知识图谱数据采集终端4中，使用者即可通过知识图谱数据采集终端4相关数据的知识融合图谱内容；与此同时由基于云计算的知识图谱认知服务器2根据接收的目标数据合集、初级数据合集内容，从分布式数据存储系统3中调取存储的相应文件处于待机状态，并在工作人员通过知识图谱数据采集终端4对相应的数据进行使用处理，并对处理后的数据内容进行更新保存，同时由知识图谱数据采集终端4工作人员对数据处理逻辑、内容进行统计，并生成目标数据合集应用处理逻辑，并将目标数据合集应用处理逻辑保存在基于人工智能系统的知识图谱协调服务器1、基于云计算的知识图谱认知服务器2内即可；

第六步，系统逻辑处理，完成第五步后，并在接收到第五步反馈的目标数据合集应用处理逻辑后，由基于人工智能系统的知识图谱协调服务器1对各初级数据合集、目标数据合集及目标数据合集应用处理逻辑进行统计并仿真运行，得到知识图谱融合自主识别逻辑，并将知识图谱融合自主识别逻辑返回至第三步。

需要指出的，所述的第一步中，知识图谱数据采集终端4在进行数据采集作业时，每个知识图谱数据采集终端4均对单一类型的数据进行采集操作，但同一类数据可由多个知识图谱数据采集终端4进行采集，从而避免因单个知识图谱数据采集终端4采集数据种类类型过多而导致的后续数据溯源作业难度增加，提高系统运行负担的弊端；

重点说明的，所述的第三步中，在构建初级数据合集时，同一初级数据合集内各子集数据映射文件数据重合度不小于子集数据映射文件数据总量的1%；且当初级数据合集为两个及两个以上时，各初级数据合集之间通过各子集数据映射文件数据重合度小于1%的重合数据构建初级数据合集间数据逻辑联系合集，并直至各初级数据合集间均纳入到同一个数据逻辑联系合集内。

本实施例中，所述的第四步中分布式数据存储系统3中缓存的目标数据合集内容在完成第五步操作后进行一次更新。

参见图1，本发明在进行系统维护、系统中基于云计算的知识图谱认知服务器2及知识图谱数据采集终端4进行设备维护及更新拓展时，按照第一步操作对新接入系统的系统中基于云计算的知识图谱认知服务器2及知识图谱数据采集终端4的硬件识别号、软件识别号采集，并由基于人工智能系统的知识图谱协调服务器1进行识别备份并分配独立数据通讯地址；最后，将新接入系统的系统中基于云计算的知识图谱认知服务器2及知识图谱数据采集终端4与基于人工智能系统的知识图谱协调服务器1和分布式数据存储系统3建立数据，即可完成系统拓展更新维护；

但需要将当前的基于云计算的知识图谱认知服务器2、知识图谱数据采集终端4从系统中退出时，将需要退出的设备直接从系统中断开网络连接，并将相关设备的通讯地址、硬件识别号、软件识别号删除即可。

本发明系统构成简单，入门难度低，适用人群广泛，组网运行灵活方便，通用性好，系统拓展能力强，可有效满足多种网络构架下，多种复杂知识数据间融合管理利用的需要；同时还具有系统运行自动化、智能化程度高，数据处理能力、精度及安全性好，系统运行硬件资源占用率低，从而在较传统知识图谱系统极大提高运行效率的同时，另可达到降低硬件系统建设、维护成本的目的。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种基于人工智能的知识图谱融合系统，其特征在于：包括基于人工智能系统的知识图谱协调服务器（1）、基于云计算的知识图谱认知服务器（2）、分布式数据存储系统（3）及知识图谱数据采集终端（4），所述基于云计算的知识图谱认知服务器（2）若干，各基于云计算的知识图谱认知服务器（2）间相互并联，且每个基于云计算的知识图谱认知服务器（2）分别通过通讯网络与分布式数据存储系统（3）和若干知识图谱数据采集终端（4）建立数据连接，各知识图谱数据采集终端（4）间通过通讯网络建立至少一个交互局域网，且每个知识图谱数据采集终端（4）均与分布式数据存储系统（3）、基于人工智能系统的知识图谱协调服务器（1）间建立数据连接，所述基于人工智能系统的知识图谱协调服务器（1）另通过通讯网络分别与各基于云计算的知识图谱认知服务器（2）间建立数据连接。

2.根据权利要求1所述的一种基于人工智能的知识图谱融合系统，其特征在于：所述的基于人工智能系统的知识图谱协调服务器（1）、基于云计算的知识图谱认知服务器（2）、分布式数据存储系统（3）及知识图谱数据采集终端（4）在与通讯网络连接时，均设智能通讯网关。

3.根据权利要求1所述的一种基于人工智能的知识图谱融合系统，其特征在于：所述的知识图谱数据采集终端（4）为工业计算机、PC计算机、移动通讯终端、扫描仪、摄像头、麦克风中的任意一种，且知识图谱数据采集终端（4）均设身份识别装置。

4.根据权利要求1所述的基于人工智能的知识图谱融合系统的融合方法，其特征在于，包括如下步骤：

第一步，硬件系统组网，首先对各相关信息采集点位置分别设置至少一个知识图谱数据采集终端（4），并为每个知识图谱数据采集终端（4）配备至少一个分布式数据存储系统（3）的接入端口及若干数据存储单元，在数据服务平台处分别设置基于人工智能系统的知识图谱协调服务器（1）、基于云计算的知识图谱认知服务器（2）、分布式数据存储系统（3）的控制系统，然后通过通讯网络对基于人工智能系统的知识图谱协调服务器（1）、基于云计算的知识图谱认知服务器（2）、分布式数据存储系统（3）及知识图谱数据采集终端（4）之间进行组网连接，并在完成组网后，由基于云计算的知识图谱认知服务器（2）采集其所连接的各知识图谱数据采集终端（4）的硬件识别号、软件识别号，并为其所连接的各知识图谱数据采集终端（4）分配同一通讯地址；最后由基于人工智能系统的知识图谱协调服务器（1）分别对其做连接的基于云计算的知识图谱认知服务器（2）、分布式数据存储系统（3）采集硬件识别号、软件识别号，并为其分配数据通讯地址，同时对各知识图谱数据采集终端（4）的通讯地址进行认证识别并存储，即可完成系统组网；

第二步,知识图谱数据预处理，完成第一步后，分别由各知识图谱数据采集终端（4）对相关数据进行采集，并将采集的数据保存在分布式数据存储系统（3）中，然后由基于云计算的知识图谱认知服务器（2）对各知识图谱数据采集终端（4）采集的数据进行统计汇总，生成数据检索目录，然后由基于云计算的知识图谱认知服务器（2）根据数据检索目录对处于存储状态的各数据进行汇编运算，得到与数据检索目录中文件对应的子集数据，并将子集数据存储在分布式数据存储系统（3）中，同时将各子集数据内容检索索引补录到数据检索目录中，最后将各子集数据在基于云计算的知识图谱认知服务器（2）中生成映射文件备用；

第三步，数据初步融合，将各基于云计算的知识图谱认知服务器（2）在S2步骤得到的各子集数据映射文件及数据检索目录映射文件同步发送至基于人工智能系统的知识图谱协调服务器（1），由基于人工智能系统的知识图谱协调服务器（1）对各子集数据映射文件进行比对运算，通过比对运算得到各子集数据映射文件中相同数据内容，并根据相同数据内容生成相应的各子集数据映射文件的数据合集，并根据数据合集得到初级数据合集；

第四步，深度数据融合，完成第二步骤后，在基于云计算的知识图谱认知服务器（2）中录入若干数据识别融合关键词，并将录入的数据识别融合关键词存储在分布式数据存储系统（3）中，同时在基于云计算的知识图谱认知服务器（2）生成数据识别融合关键词映射文件，并将数据识别融合关键词映射文件推送至各知识图谱数据采集终端（4），然后由工作人员通过知识图谱数据采集终端（4）选择至少一个数据识别融合关键词，将选择的数据识别融合关键词生成知识融合请求并反馈至基于云计算的知识图谱认知服务器（2）中，最后由基于云计算的知识图谱认知服务器（2）根据接收的知识融合请求中相关个数据识别融合关键词内容，对第二步生成的各初级数据合集进行二次比对运算，生成目标数据合集，并将目标数据合集内容缓存在分布式数据存储系统（3）中备用；

第五步，知识图谱输出，完成第三步后，将首先第三步得到的目标数据合集内容推送到基于云计算的知识图谱认知服务器（2）和发送知识融合请求的知识图谱数据采集终端（4）中，然后将目标数据合集相关的各初级数据合集内容同步输送至基于云计算的知识图谱认知服务器（2）和发送知识融合请求的知识图谱数据采集终端（4）中，使用者即可通过知识图谱数据采集终端（4）相关数据的知识融合图谱内容；与此同时由基于云计算的知识图谱认知服务器（2）根据接收的目标数据合集、初级数据合集内容，从分布式数据存储系统（3）中调取存储的相应文件处于待机状态，并在工作人员通过知识图谱数据采集终端（4）对相应的数据进行使用处理，并对处理后的数据内容进行更新保存，同时由知识图谱数据采集终端（4）工作人员对数据处理逻辑、内容进行统计，并生成目标数据合集应用处理逻辑，并将目标数据合集应用处理逻辑保存在基于人工智能系统的知识图谱协调服务器（1）、基于云计算的知识图谱认知服务器（2）内即可；

第六步，系统逻辑处理，完成第五步后，并在接收到第五步反馈的目标数据合集应用处理逻辑后，由基于人工智能系统的知识图谱协调服务器（1）对各初级数据合集、目标数据合集及目标数据合集应用处理逻辑进行统计并仿真运行，得到知识图谱融合自主识别逻辑，并将知识图谱融合自主识别逻辑返回至第三步。

5.根据权利要求4所述的融合方法，其特征在于：所述的第一步中，知识图谱数据采集终端（4）在进行数据采集作业时，每个知识图谱数据采集终端（4）均对单一类型的数据进行采集操作。

6.根据权利要求4所述的融合方法，其特征在于：所述的第三步中，在构建初级数据合集时，同一初级数据合集内各子集数据映射文件数据重合度不小于子集数据映射文件数据总量的1%；且当初级数据合集为两个及两个以上时，各初级数据合集之间通过各子集数据映射文件数据重合度小于1%的重合数据构建初级数据合集间数据逻辑联系合集，并直至各初级数据合集间均纳入到同一个数据逻辑联系合集内。

7.根据权利要求4所述的融合方法，其特征在于：所述的第四步中分布式数据存储系统（3）中缓存的目标数据合集内容在完成第五步操作后进行一次更新。

Images