CN113468255B - 基于知识图谱的社会治安综合治理领域数据融合方法 - Google Patents
基于知识图谱的社会治安综合治理领域数据融合方法 Download PDFInfo
- Publication number
- CN113468255B CN113468255B CN202110714419.3A CN202110714419A CN113468255B CN 113468255 B CN113468255 B CN 113468255B CN 202110714419 A CN202110714419 A CN 202110714419A CN 113468255 B CN113468255 B CN 113468255B
- Authority
- CN
- China
- Prior art keywords
- data
- social security
- comprehensive treatment
- fusion
- entity
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 17
- 230000004927 fusion Effects 0.000 claims abstract description 40
- 238000013507 mapping Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 5
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000002955 isolation Methods 0.000 abstract description 3
- 230000008520 organization Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual databases
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于知识图谱的社会治安综合治理领域数据融合方法包括:构建社会治安综合治理领域数据的融合本体模型;将社会治安综合治理信息系统数据库映射到融合本体模型上,得到映射文件,根据映射文件对社会治安综合治理信息系统数据库中的数据进行抽取;将抽取后的知识存储到Jena图数据库中;根据融合本体模型建立推理规则,根据推理规则得到与查询实体相关的新知识;根据与查询实体相关的新知识,对Jena图数据库中的数据进行融合。本发明的基于知识图谱的社会治安综合治理领域数据融合方法,解决了社会治安综合治理信息系统中各个模块数据存在的物理隔离和数据融合困难的问题。
Description
技术领域
本发明属于计算机信息处理领域,具体涉及一种基于知识图谱的社会治安综合治理领域数据融合方法。
背景技术
随着信息技术和智能终端的快速发展和普及,互联网上的数据量呈爆炸式增长,大数据逐渐成为国家重要的基础性战略资源,大数据产业发展也在逐步从理论研究走向实际应用之路。
GB/T 31000-2015《社会治安综合治理基础数据规范》中指出,社会治安综合治理信息系统应包括九大基础应用模块,包括综治组织及综合业务、实有人口、特殊人群、重点青少年、非公有制经济组织和社会组织、社会治安、矛盾纠纷排查化解、校园及周边安全、护路护线等。在社会治安综合治理场景下,九大基础应用模块各自独立运行,业务数据物理隔离,并且由于缺乏融合模型和机制,使得社会治安综合治理领域大数据发展面临着跨模块数据融合困难的问题。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于知识图谱的社会治安综合治理领域数据融合方法。本发明要解决的技术问题通过以下技术方案实现:
本发明提供了一种基于知识图谱的社会治安综合治理领域数据融合方法,包括:
构建社会治安综合治理领域数据的融合本体模型;
将社会治安综合治理信息系统数据库映射到所述融合本体模型上,得到映射文件,根据所述映射文件对所述社会治安综合治理信息系统数据库中的数据进行抽取;
将抽取后的知识存储到Jena图数据库中;
根据所述融合本体模型建立推理规则,根据所述推理规则得到与查询实体相关的新知识;
根据所述与查询实体相关的新知识,对所述Jena图数据库中的数据进行融合。
在本发明的一个实施例中,构建社会治安综合治理领域数据的融合本体模型,包括:
获取所述社会治安综合治理领域数据的数据要素;
确定所述数据要素的多种属性;
利用所述数据要素以及对应的所述多种属性构建所述社会治安综合治理领域数据的融合本体模型。
在本发明的一个实施例中,所述数据要素包括人员、地点、物品、组织、事件。
在本发明的一个实施例中,所述数据要素的多种属性包括数据属性和对象属性。
在本发明的一个实施例中,将社会治安综合治理信息系统数据库映射到所述融合本体模型上,得到映射文件,根据所述映射文件对所述社会治安综合治理信息系统数据库中的数据进行抽取,包括:
使用D2RQ将社会治安综合治理信息系统数据库映射到所述融合本体模型上,得到映射文件;
通过所述映射文件将所述社会治安综合治理信息系统数据库中的结构化数据抽取为RDF或者N-TRIPLE格式的知识。
在本发明的一个实施例中,根据所述融合本体模型建立推理规则,根据所述推理规则得到与查询实体相关的新知识,包括:
根据所述对象属性建立与其对应推理规则;
通过Jena Fuseki的推理引擎GenericRuleReasoner执行所述推理规则,得到与查询实体相关的新知识。
在本发明的一个实施例中,根据所述与查询实体相关的新知识,对所述Jena图数据库中的数据进行融合,包括:
步骤1:获取待融合的实体列表;
步骤2:依次将所述待融合的实体列表中的待融合实体作为知识的主语进行SPARQL查询;
步骤3:确认查询结果中是否存在所述与查询实体相关的新知识的SPO三元组,若存在,则执行步骤4,否则返回步骤2,继续对下一个所述待融合实体进行SPARQL查询;
步骤4:将所述SPO三元组中的Object作为Subject继续进行SPARQL查询;
步骤5:将查询结果添加到所述待融合实体中;
步骤6:判断所述待融合实体列表中的全部待融合实体是否查询完毕,如果查询完毕,结束融合流程,输出融合后的实体信息,否则,返回步骤2继续对下一个所述待融合实体进行SPARQL查询。
与现有技术相比,本发明的有益效果在于:
本发明的基于知识图谱的社会治安综合治理领域数据融合方法,采用知识图谱这种新型的知识表达和数据组织方式,通过设计数据融合本体,解决了社会治安综合治理信息系统中各个模块数据存在的物理隔离和数据融合困难的问题,为社会治安综合治理领域下海量多源数据的互通、共融应用提供了有效融合方案。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本发明实施例提供的一种基于知识图谱的社会治安综合治理领域数据融合方法流程示意图;
图2是本发明实施例提供的一种对Jena图数据库中的数据进行融合的流程示意图。
具体实施方式
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及具体实施方式,对依据本发明提出的一种基于知识图谱的社会治安综合治理领域数据融合方法进行详细说明。
有关本发明的前述及其他技术内容、特点及功效,在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明,可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解,然而所附附图仅是提供参考与说明之用,并非用来对本发明的技术方案加以限制。
实施例一
知识图谱是一种被用于自然语言处理中的新型知识表达方式和数据组织方式,可以将真实世界中的概念关系表示为“实体-关系-实体”的三元组合,通过这样的组合将所有实体相关链接,从而形成网状的知识表示结构,同时添加“实体-属性-属性值”组合来辅助描述。知识图谱通过结构化的知识表示方式,能更方便的存储和读取信息数据及其对应的关系,极大降低了后期数据处理和分析的计算复杂度。
请参见图1,图1是本发明实施例提供的一种基于知识图谱的社会治安综合治理领域数据融合方法流程示意图,如图所示,本实施例的基于知识图谱的社会治安综合治理领域数据融合方法,包括:
S1:构建社会治安综合治理领域数据的融合本体模型;
具体地,包括:
S11:获取社会治安综合治理领域数据的数据要素;
其中,数据要素包括人员、地点、物品、组织、事件。
S12:确定数据要素的多种属性;
其中,数据要素的多种属性包括数据属性和对象属性。
S13:利用数据要素以及对应的多种属性构建社会治安综合治理领域数据的融合本体模型。
在本实施例中,根据GB/T 31000-2015《社会治安综合治理基础数据规范》中提供的基础业务数据项,确定数据要素为人员、地点、物品、组织、事件,根据数据要素,确定融合本体模型的层次结构,并列举出每个要素包含的概念类。其中,概念类包含的具体数据项及取值类型即数据属性,概念类之间的关系及约束限制即对象属性。然后,采用自顶向下的本体构建方法,使用本体开发工具Protégé构建社会治安综合治理领域数据的融合本体模型。
具体地,融合本体模型的顶层为Thing,确定5大二级类目包括:Event(事件),Location(地点),Organization(组织),Population(人员)和Goods(物品),以及33个三级类目。
其中,Event下包括:ContradictionDefuse,Homicide,LargeEven,RouteSafetyCase,SchoolSafetyCase。Location下包括:KeyArea,RentHouse,RouteProtect,School。Organization下包括:DelierySafetyManagement,Grid,NonPublicEconomicOrganization,QfqzDw,QfqzZz,SocialOrganization,ZzCenter,ZzDw,ZzJg,ZzslwCenter。Population下包括:AidsPopulation,BuildingMaster,CommunityCorrectionPopulation,DrugPopulation,FlowPopulation,FocusTeenPopulation,HomicideSuspect,HomicideVictim,ReleasePopulation,ResidencePopulation,SchoolAroundFocusPeople,StayPopulation,TroublemakingPopulation。Goods下包括CommunityMonitor。
在本实施例中,数据属性的取值类型包括int、double、string和date,对象属性中自定义了25种概念类之间的关系,具体包括以下情况:
需要说明的是,在本实施例中,三级类目的分类可以根据数据表包含的内容归纳分类,概念类之间的关系可以根据数据表包含的内容归纳总结,不限于本实施例中归纳分类的33个三级类目以及25种概念类之间的关系。
S2:将社会治安综合治理信息系统数据库映射到融合本体模型上,得到映射文件,根据映射文件对社会治安综合治理信息系统数据库中的数据进行抽取;
具体地,包括:
S21:使用D2RQ将社会治安综合治理信息系统数据库映射到融合本体模型上,得到映射文件;
需要说明的是,在本实施例中,根据GB/T 31000-2015《社会治安综合治理基础数据规范》中提供的基础业务数据以及数据规范,用来模拟社会治安综合治理信息系统数据库。
具体地,使用D2RQ对建立的数据库进行映射,构造映射文件,并根据融合本体模型对映射文件进行修改,如添加本体前缀、修改属性名称等,得到最终的映射文件。
S22:通过映射文件将社会治安综合治理信息系统数据库中的结构化数据抽取为RDF或者N-TRIPLE格式的知识。
S3:将抽取后的知识存储到Jena图数据库中;
具体地,使用Jena提供的tdbloader命令将RDF或N-TRIPLE格式转为TDB格式,同时通过Jena Fuseki配置文件指定数据集名称、存储位置等,以支持Jena内置的存储和查询功能。
S4:根据融合本体模型建立推理规则,根据推理规则得到与查询实体相关的新知识;
具体地,包括:
S41:根据对象属性建立与其对应推理规则;
需要说明的是,在本实施例中,根据自定义的每一种概念类之间的关系(即对象属性)分别建立其对应的推理规则。
具体地,在步骤S1中在建立对象属性时,会定义对象属性的Domain(定义域)和Ranges(值域),其中,Domain和Ranges分别对应于前述列举出的概念类,在建立推理规则时,对照对象属性中的Domain和Ranges,分析之间存在关联的数据属性,然后使用推理引擎能够识别的语法将规则构造出来。
S42:通过Jena Fuseki的推理引擎GenericRuleReasoner执行推理规则,得到与查询实体相关的新知识。
以出租房模块为例,对如何建立推理规则进行具体说明:
当人口信息中的身份证号码与出租房信息中的房主身份证号码或者承租人身份证号码一致时,构造如下推理规则,建立出租房实体与承租人实体或者房主实体之间的链接。
[ruleRent:(?p:gmsfzh?m),(?q:tenant_sfzh?m)->(?p:rent?q)]
[ruleTenant:(?p:gmsfzh?m),(?q:tenant_sfzh?m)->(?q:tenant?p)]
[ruleOwn:(?p:gmsfzh?m),(?q:card_number?m),(?q rdf:type:rent_hou se)->(?p:own?q)]
[ruleHouseOwner:(?p:gmsfzh?m),(?q:card_number?m),(?q rdf:type:rent_house)->(?q:house_owner?p)]
然后,通过Jena Fuseki提供的推理引擎GenericRuleReasoner执行上述的推理规则,即可在查询实体时自动推理出与该实体相关的新知识。
S5:根据与查询实体相关的新知识,对Jena图数据库中的数据进行融合。
请参见图2,图2是本发明实施例提供的一种对Jena图数据库中的数据进行融合的流程示意图。如图所示,在本实施例中,根据与查询实体相关的新知识,对所述Jena图数据库中的数据进行融合,也就是知识融合过程,包括:
步骤1:获取待融合的实体列表;
在本实施例中,根据指定专题获取待融合的实体列表,其中,待融合的实体列表中包括若干个待融合实体。例如,该专题可以是出租房专题,待融合的实体列表中包括若干个出租房基本信息实体。
步骤2:依次将待融合的实体列表中的待融合实体作为知识的主语进行SPARQL查询;
步骤3:确认查询结果中是否存在与查询实体相关的新知识的SPO三元组,若存在,则执行步骤4,否则返回步骤2,继续对下一个待融合实体进行SPARQL查询;
其中,与查询实体相关的新知识的SPO三元组,也就是根据推理规则生成的SPO[Subject,Predicate,Object]三元组。
步骤4:将SPO三元组中的Object作为Subject继续进行SPARQL查询;
步骤5:将查询结果添加到待融合实体中;
需要说明的是,查询结果包括多个SPO三元组,在本实施例中,根据实际情况将有效的SPO三元组添加到待融合实体中。
步骤6:判断待融合实体列表中的全部待融合实体是否查询完毕,如果查询完毕,结束融合流程,输出融合后的实体信息,否则,返回步骤2继续对下一个待融合实体进行SPARQL查询。
在本实施例中,根据融合后的实体信息,构建得到相应专题下的知识库。
以构建出租房专题知识库为例,对知识融合过程进行具体说明:
首先,获取到所有类型为出租房的实体列表;其次,依次将每个出租房实体作为Subject进行SPARQL查询,如果查询结果中包含出租房与房主实体、承租人实体之间的链接,分别以房主实体、承租人实体作为Subject进行查询并将查询结果添加到出租房实体中,直至出租房的实体列表中的出租房实体全部遍历完毕;最后,输出融合的出租房实体信息,将其存储到出租房专题知识库中,得到出租房专题知识库。
本实施例的基于知识图谱的社会治安综合治理领域数据融合方法,采用知识图谱这种新型的知识表达和数据组织方式,通过设计数据融合本体,解决了社会治安综合治理信息系统中各个模块数据存在的物理隔离和数据融合困难的问题,为社会治安综合治理领域下海量多源数据的互通、共融应用提供了有效融合方案。
应当说明的是,在本文中,术语“包括”、“包含”或者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物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。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (5)
1.一种基于知识图谱的社会治安综合治理领域数据融合方法,其特征在于,包括:
构建社会治安综合治理领域数据的融合本体模型;包括:
获取所述社会治安综合治理领域数据的数据要素;
确定所述数据要素的多种属性;
利用所述数据要素以及对应的所述多种属性构建所述社会治安综合治理领域数据的融合本体模型;其中,采用自顶向下的本体构建方法,使用本体开发工具构建社会治安综合治理领域数据的融合本体模型;
将社会治安综合治理信息系统数据库映射到所述融合本体模型上,得到映射文件,根据所述映射文件对所述社会治安综合治理信息系统数据库中的数据进行抽取;
将抽取后的知识存储到Jena图数据库中;
根据所述融合本体模型建立推理规则,根据所述推理规则得到与查询实体相关的新知识;
根据所述与查询实体相关的新知识,对所述Jena图数据库中的数据进行融合,包括:
步骤1:获取待融合的实体列表;
其中,根据指定专题获取所述待融合的实体列表,其中,待融合的实体列表中包括若干个待融合实体;
步骤2:依次将所述待融合的实体列表中的待融合实体作为知识的主语进行SPARQL查询;
步骤3:确认查询结果中是否存在所述与查询实体相关的新知识的SPO三元组,若存在,则执行步骤4,否则返回步骤2,继续对下一个所述待融合实体进行SPARQL查询;
步骤4:将所述SPO三元组中的Object作为Subject继续进行SPARQL查询;
步骤5:将查询结果添加到所述待融合实体中;
步骤6:判断所述待融合实体列表中的全部待融合实体是否查询完毕,如果查询完毕,结束融合流程,输出融合后的实体信息,否则,返回步骤2继续对下一个所述待融合实体进行SPARQL查询。
2.根据权利要求1所述的基于知识图谱的社会治安综合治理领域数据融合方法,其特征在于,所述数据要素包括人员、地点、物品、组织、事件。
3.根据权利要求1所述的基于知识图谱的社会治安综合治理领域数据融合方法,其特征在于,所述数据要素的多种属性包括数据属性和对象属性。
4.根据权利要求1所述的基于知识图谱的社会治安综合治理领域数据融合方法,其特征在于,将社会治安综合治理信息系统数据库映射到所述融合本体模型上,得到映射文件,根据所述映射文件对所述社会治安综合治理信息系统数据库中的数据进行抽取,包括:
使用D2RQ将社会治安综合治理信息系统数据库映射到所述融合本体模型上,得到映射文件;
通过所述映射文件将所述社会治安综合治理信息系统数据库中的结构化数据抽取为RDF或者N-TRIPLE格式的知识。
5.根据权利要求3所述的基于知识图谱的社会治安综合治理领域数据融合方法,其特征在于,根据所述融合本体模型建立推理规则,根据所述推理规则得到与查询实体相关的新知识,包括:
根据所述对象属性建立与其对应推理规则;
通过Jena Fuseki的推理引擎GenericRuleReasoner执行所述推理规则,得到与查询实体相关的新知识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110714419.3A CN113468255B (zh) | 2021-06-25 | 2021-06-25 | 基于知识图谱的社会治安综合治理领域数据融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110714419.3A CN113468255B (zh) | 2021-06-25 | 2021-06-25 | 基于知识图谱的社会治安综合治理领域数据融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113468255A CN113468255A (zh) | 2021-10-01 |
CN113468255B true CN113468255B (zh) | 2023-04-07 |
Family
ID=77873070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110714419.3A Active CN113468255B (zh) | 2021-06-25 | 2021-06-25 | 基于知识图谱的社会治安综合治理领域数据融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468255B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109992672A (zh) * | 2019-04-11 | 2019-07-09 | 华北科技学院 | 基于灾害场景的知识图谱构建方法 |
CN110019844A (zh) * | 2019-02-20 | 2019-07-16 | 众安信息技术服务有限公司 | 一种保险行业知识图谱问答系统构建方法及装置 |
CN110825887A (zh) * | 2019-11-14 | 2020-02-21 | 北京京航计算通讯研究所 | 知识图谱融合方法 |
WO2020143184A1 (zh) * | 2019-01-11 | 2020-07-16 | 平安科技(深圳)有限公司 | 知识融合方法、装置、计算机设备和存储介质 |
WO2021051630A1 (zh) * | 2019-09-19 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于数据关系分析的知识融合方法、装置、计算机设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9406020B2 (en) * | 2012-04-02 | 2016-08-02 | Taiger Spain Sl | System and method for natural language querying |
CN104933031B (zh) * | 2015-06-29 | 2018-11-06 | 华东师范大学 | 一种基于语义网无监督的自动问答方法 |
US10437810B2 (en) * | 2016-09-30 | 2019-10-08 | Microsoft Technology Licensing, Llc | Systems and methods for maintaining cardinality schema to prevent corruption in databases indifferent to cardinality |
CN111159418A (zh) * | 2018-11-08 | 2020-05-15 | 北京航天长峰科技工业集团有限公司 | 一种公安专题知识图谱系统的构建方法 |
CN110347843B (zh) * | 2019-07-10 | 2022-04-15 | 陕西师范大学 | 一种基于知识图谱的中文旅游领域知识服务平台构建方法 |
-
2021
- 2021-06-25 CN CN202110714419.3A patent/CN113468255B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020143184A1 (zh) * | 2019-01-11 | 2020-07-16 | 平安科技(深圳)有限公司 | 知识融合方法、装置、计算机设备和存储介质 |
CN110019844A (zh) * | 2019-02-20 | 2019-07-16 | 众安信息技术服务有限公司 | 一种保险行业知识图谱问答系统构建方法及装置 |
CN109992672A (zh) * | 2019-04-11 | 2019-07-09 | 华北科技学院 | 基于灾害场景的知识图谱构建方法 |
WO2021051630A1 (zh) * | 2019-09-19 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于数据关系分析的知识融合方法、装置、计算机设备和存储介质 |
CN110825887A (zh) * | 2019-11-14 | 2020-02-21 | 北京京航计算通讯研究所 | 知识图谱融合方法 |
Non-Patent Citations (3)
Title |
---|
Bin Yu 等.Research and implementation of data fusion method based on RDF.IEEE.2018,第1-5页. * |
宋伟 ; 张游杰 ; .基于环境信息融合的知识图谱构建方法.计算机系统应用.2020,(第06期),第121-125页. * |
林晓庆 ; 马宗民 ; .基于压缩实体摘要图的RDF数据关键词查询.东北大学学报(自然科学版).2017,(第01期),第22-26页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113468255A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710701B (zh) | 一种用于公共安全领域大数据知识图谱的自动化构建方法 | |
CN110688495B (zh) | 一种事件信息的知识图谱模型构建方法、装置、存储介质 | |
CN102279894B (zh) | 基于语义的查找、集成和提供评论信息的方法及搜索系统 | |
CN108595449A (zh) | 调度自动化系统知识图谱的构建与应用方法 | |
CN111026874A (zh) | 知识图谱的数据处理方法及服务器 | |
CA2413208A1 (en) | System and method for sharing data between relational and hierarchical databases | |
CN111427968A (zh) | 一种基于知识图谱的重点人员全息档案构建方法及装置 | |
US20230075655A1 (en) | Systems and methods for context-independent database search paths | |
CN106294520A (zh) | 使用从文档提取的信息来标识关系 | |
CN110097278A (zh) | 一种科技资源智能共享融合训练系统和应用系统 | |
CN114792145B (zh) | 一种基于知识图谱的标准数字化管理维护系统及方法 | |
CN107943810A (zh) | 楼宇信息地图的构建方法 | |
Xu et al. | Application of rough concept lattice model in construction of ontology and semantic annotation in semantic web of things | |
CN111431962B (zh) | 基于情景感知计算的跨域资源接入物联网服务发现方法 | |
CN113468255B (zh) | 基于知识图谱的社会治安综合治理领域数据融合方法 | |
WO2021186287A1 (en) | Vector embedding models for relational tables with null or equivalent values | |
CN117076590A (zh) | 地址标准化方法、装置、计算机设备及可读存储介质 | |
CN116028467A (zh) | 智能服务大数据建模方法、系统、存储介质及计算机设备 | |
Zhang et al. | Towards an interoperable online volunteered geographic information system for disaster response | |
Huang et al. | Research on precision marketing of real estate market based on data mining | |
CN110781213B (zh) | 一种以人员为中心的多源海量数据关联搜索方法和系统 | |
CN113032353A (zh) | 数据共享方法、系统、电子设备及介质 | |
CN111639479A (zh) | 一种基于深度学习的智能辅助办案方法 | |
CN110704421A (zh) | 数据处理方法、装置、设备和计算机可读存储介质 | |
CN118036735A (zh) | 一种知识图谱可视化动态交互工具构建方法及系统 |
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 |