CN113590839A - 知识图谱的构建方法、目标业务的执行方法及装置 - Google Patents
知识图谱的构建方法、目标业务的执行方法及装置 Download PDFInfo
- Publication number
- CN113590839A CN113590839A CN202110875665.7A CN202110875665A CN113590839A CN 113590839 A CN113590839 A CN 113590839A CN 202110875665 A CN202110875665 A CN 202110875665A CN 113590839 A CN113590839 A CN 113590839A
- Authority
- CN
- China
- Prior art keywords
- service
- target
- instances
- decision
- node
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000010276 construction Methods 0.000 title claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 95
- 238000012795 verification Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000002604 ultrasonography Methods 0.000 description 39
- 230000001575 pathological effect Effects 0.000 description 20
- 238000003745 diagnosis Methods 0.000 description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 17
- 230000007170 pathology Effects 0.000 description 17
- 201000010099 disease Diseases 0.000 description 13
- 208000009453 Thyroid Nodule Diseases 0.000 description 9
- 208000024770 Thyroid neoplasm Diseases 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 7
- 230000001788 irregular Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011895 specific detection 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
- G06F16/30—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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例中提供了一种知识图谱的构建方法、目标业务的执行方法及装置。知识图谱的构建方法包括：获取目标业务对应的语义网络以及业务规则，业务规则至少包括若干第一实例和第二实例间对应的决策规则，若干第一实例中的任一当前实例在语义网络中所属的实体不同于第二实例在语义网络中所属的实体；根据语义网络和业务规则构建目标业务对应的知识图谱，知识图谱中至少包括若干第一实例、第二实例以及用于指示决策规则的决策节点，若干第一实例和第二实例间通过决策节点连接。
Description
技术领域
本说明书一个或多个实施例涉及计算机领域，尤其涉及知识图谱的构建方法、目标业务的执行方法及装置。
背景技术
知识图谱(Knowledge Graph)的建模过程，主要依赖由本体知识组成的语义网络，其中本体知识通常可以利用SPO(Subject-Predicate-Object)三元组进行表示，单个本体知识用于描述两个不同实体(概念或对象)间的关系。知识图谱中作为节点的实体实质上是业务规则中的并且属于语义网络中的实体的实例，因此可以基于知识图谱提供相应的信息检索和信息抽取等能力，但是知识图谱自身并不能直接反映业务规则。
希望有一种新的技术方案，以期使知识图谱能够反映业务规则。
发明内容
本说明书一个或多个实施例中提供了一种知识图谱的构建方法、目标业务的执行方法及装置。
第一方面，提供了一种知识图谱的构建方法，包括：获取目标业务对应的语义网络，以及获取目标业务对应的业务规则，所述业务规则至少包括若干第一实例和第二实例间对应的决策规则，所述若干第一实例中的任一当前实例在所述语义网络中所属的实体，不同于所述第二实例在所述语义网络中所属的实体；根据所述语义网络和所述业务规则构建目标业务对应的知识图谱，所述知识图谱中至少包括所述若干第一实例、所述第二实例以及用于指示所述决策规则的决策节点，所述若干第一实例和所述第二实例间通过所述决策节点连接。
在一种可能的实施方式中，所述若干第一实例中的任一当前实例在所述语义网络中所属的实体，与所述第二实例在所述语义网络中所属的实体直接连接。
在一种可能的实施方式中，所述知识图谱用于在执行目标业务时确定业务数据对应的业务决策结果。
在一种可能的实施方式中，所述知识图谱中包括起点实例和终点实例，所述起点实例和所述终点实例对应的联通路径上包括所述若干第一实例、所述决策节点和所述第二实例；所述知识图谱中还包括作为节点的所述业务决策结果，所述业务决策结果与所述终点实例直接连接。
在一种可能的实施方式中，所述目标业务包括核保业务，所述业务决策结果用于指示业务数据是否通过验证，业务数据通过验证属于业务对象的承保条件。
在一种可能的实施方式中，所述目标业务包括核赔业务，所述业务决策结果用于指示业务数据是否通过验证，业务数据通过验证属于业务对象的理赔条件。
在一种可能的实施方式中，所述决策规则包括逻辑判断规则，所述决策节点包括逻辑决策节点；或者，所述决策规则包括算术判断规则，所述决策节点包括算术决策节点。
第二方面，提供了一种目标业务的执行方法，包括：根据终端提供的对应于目标业务的业务数据确定若干目标实例；根据目标业务对应的起点实例和若干终点实例，从目标业务对应的知识图谱中查询所述起点实例和所述若干终点实例间的若干联通路径，单个所述联通路径中包括决策节点以及通过其连接的若干第一实例和第二实例；根据所述若干目标实例，确定所述若干联通路径中是否存在与所述业务数据相匹配的目标联通路径；当存在目标联通路径时，向终端返回目标联通路径。
在一种可能的实施方式中，还包括：确定与目标联通路径相对应的业务决策结果，并向终端返回所述业务决策结果。
在一种可能的实施方式中，确定与目标联通路径相对应的业务决策结果包括：从所述知识图谱中获取与目标联通路径中的终点实例相连接的所述业务决策结果。
在一种可能的实施方式中，目标业务包括核保业务，所述业务决策结果用于指示所述业务数据是否通过验证，所述业务数据通过验证属于业务对象的承保条件。
在一种可能的实施方式中，目标业务包括核赔业务，所述业务决策结果用于指示所述业务数据是否通过验证，所述业务数据通过验证属于业务对象的理赔条件。
在一种可能的实施方式中，根据所述若干目标实例，确定所述若干联通路径中是否存在与所述业务数据相匹配的目标联通路径，包括：确定所述若干联通路径的优先级顺序；根据所述若干联通路径的优先级顺序依次选择当前联通路径；根据所述若干目标实例，确定所述当前联通路径是否为与所述业务数据相匹配的目标联通路径。
在一种可能的实施方式中，根据所述若干目标实例，确定所述当前联通路径是否为与所述业务数据相匹配的目标联通路径，包括：对于所述当前联通路径中的N个节点，根据所述若干目标实例依次确定所述N个节点中的第i个节点是否为匹配节点；当所述N个节点均为匹配节点的情况下，将所述当前联通路径确定为与所述业务数据相匹配的目标联通路径。
在一种可能的实施方式中，根据所述若干目标实例依次确定所述N个节点中的第i个节点是否为匹配节点，包括：当所述第i个节点属于所述若干第一实例或所述第二实例时，确定所述若干目标实例中是否存在与所述第i个节点相同的当前实例；如果是，确定所述第i个节点为匹配节点。
在一种可能的实施方式中，根据所述若干目标实例依次确定所述N个节点中的第i个节点是否为匹配节点，包括：当所述第i个节点属于所述决策节点时，根据所述若干目标实例中与所述若干第一实例相同的若干当前实例，以及所述决策节点指示的决策规则，确定所述第i个节点是否为匹配节点。
在一种可能的实施方式中，还包括：当不存在目标联通路径时，根据所述若干联通路径确定所述业务数据对应的缺失信息；向终端返回指示信息，所述指示信息用于指示所述缺失信息。
第三方面，提供了一种知识图谱的构建装置，包括：信息获取单元，配置为获取目标业务对应的语义网络，以及获取目标业务对应的业务规则，所述业务规则至少包括若干第一实例和第二实例间对应的决策规则，所述若干第一实例中的任一当前实例在所述语义网络中所属的实体，不同于所述第二实例在所述语义网络中所属的实体；图谱构建单元，配置为根据所述语义网络和所述业务规则构建目标业务对应的知识图谱，所述知识图谱中至少包括所述若干第一实例、所述第二实例以及用于指示所述决策规则的决策节点，所述若干第一实例和所述第二实例间通过所述决策节点连接。
第四方面，提供了一种目标业务的执行装置，包括：数据处理单元，配置为根据终端提供的对应于目标业务的业务数据确定若干目标实例；图谱查询单元，配置为根据目标业务对应的起点实例和若干终点实例，从目标业务对应的知识图谱中查询所述起点实例和所述若干终点实例间的若干联通路径，单个所述联通路径中包括决策节点以及通过其连接的若干第一实例和第二实例；路径匹配单元，配置为根据所述若干目标实例，确定所述若干联通路径中是否存在与所述业务数据相匹配的目标联通路径；通信处理单元，配置为当存在目标联通路径时，向终端返回目标联通路径。
第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算设备中执行时，计算设备执行前述的第一方面或第二方面中任一项所述的方法。
第六方面，提供了一种计算设备，包括存储器和处理器，存储器中存储有可执行代码，处理器执行所述可执行代码时，实现前述的第一方面或第二方面中任一项所述的方法。
通过本说明书一个或多个实施例中提供的方法及装置，通过将业务规则包含的若干实例若干决策规则沉淀在目标业务对应的知识图谱中，知识图谱则能够直接且清楚的反映目标业务对应的业务规则，使得知识图谱能够直接提供与业务规则对应的决策能力，有利于在实际业务场景中基于知识图谱执行目标业务时，工作人员以及目标业务涉及的业务对象快速且直观的获知目标业务对应的业务规则，从而提高用户体验。
附图说明
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本说明书实施例中示例性提供的一种语义网络的示意图；
图2为本说明书实施例中提供的一种知识图谱的构建方法的流程图；
图3为本说明书实施例中示例性提供的一种知识图谱的示意图；
图4为本说明书实施例中提供的一种目标业务的执行方法的流程图；
图5为本说明书实施例中基于优先级规则确定业务数据与联通路径是否匹配的示意图；
图6为本说明书实施例中提供的一种知识图谱的构建装置的示意图；
图7为本说明书实施例中提供的一种目标业务的执行装置的示意图。
具体实施方式
下面结合附图，对本说明书所提供的各个非限制性实施例进行详细描述。
语义网络是较典型的知识表达模式，其通过相互连接的实体和边来表示知识。语义网络中的实体为对象或概念，边可以表征其连接的实体间的关系，通过边连接的实体对应利用SPO三元组进行表示的本体知识。其中需要说明的是，语义网络通常可以结合实际业务场景的业务需求进行灵活配置。
对于期望执行的目标业务而言，可以首先结合业务需求获取/配置若干本体知识，利用若干本体知识构建目标业务对应的语义网络；例如，对于某个特定人身保险产品相关的核保业务或核赔业务，可以配置若干本体知识并基于该若干本体知识构建如图1所示的语义网络。接着，可以基于已确定的语义网络配置目标业务对应的业务规则；其中该业务规则可以包含若干实例以及若干决策规则，单个决策规则用于表征若干第一实例在何种情况下才能决策出相应的第二实例，若干第一实例和第二实例均属于业务规则所包含的若干实例，单个实例属于语义网络中作为节点的某个实体。最后，可以基于已确定的语义网络和业务规则构建目标业务对应的知识图谱，并基于知识图谱执行目标业务。
基于目标业务对应的语义网络和业务规则构建知识图谱时，由于语义网络能够表明业务规则中包含的若干实例间的连接关系，因此可以基于语义网络对业务规则中包含的若干实例进行连接而获得目标业务对应的知识图谱。这样的知识图谱可以提供相应的信息检索能力和信息抽取能力，但是其并不能直接反映业务规则中包含的若干决策规则，即不能直接反映目标业务的业务规则。与之相应的，由于目标业务对应的知识图谱不能直接反映目标业务的业务规则，在实际业务场景中基于知识图谱执行目标业务时，可能导致包含工作人员(例如负责承销/理赔人身保险产品的工作人员)以及目标业务涉及的业务对象(例如购买人身保险产品的用户或者其指定的受益人及相关方)，无法快速且直观的获知目标业务对应的业务规则，影响用户体验；而且，执行目标业务的过程中还需要具体根据业务规则进行相应的决策，影响目标业务的执行效率。
有鉴于此，本说明书实施例中至少提供的一种知识图谱的构建方法、目标业务的执行方法及装置，以期使得知识图谱能够直接反映目标业务的业务规则，从而提高用户体验，并提高目标业务的执行效率。
图2为本说明书实施例中提供的一种知识图谱的构建方法的流程图。该方法中的各方法步骤可以由任何具有计算/处理能力的装置、设备或平台执行。如图2所示，该方法可以包括：步骤201，获取目标业务对应的语义网络，以及获取目标业务对应的业务规则，所述业务规则至少包括若干第一实例和第二实例间对应的决策规则，所述若干第一实例中的任一当前实例在所述语义网络中所属的实体，不同于所述第二实例在所述语义网络中所属的实体；步骤203，根据所述语义网络和所述业务规则构建目标业务对应的知识图谱，所述知识图谱中至少包括所述若干第一实例、所述第二实例以及用于指示所述决策规则的决策节点，所述若干第一实例和所述第二实例间通过所述决策节点连接。
下面具体以目标业务是相关于特定人身保险产品的核保业务为例，结合前述图1所示的语义网络对图2所示方法实施例中的各步骤进行详细说明。其中需要首先说明的是，前述图1所示的语义网络是示例性的，其并未图示全部边各自表征的实体间的关系，而且在实际业务场景中可能包含更多或更少的节点。此外知识图谱中作为节点的实例也可以被表述为实体，这里主要是为了准确体现知识图谱中的节点和其依赖的语义网络中的节点的关系，才采用不同的表述方式来表述知识图谱和其依赖的语义网络中的节点。
首先，在步骤201，获取目标业务对应的语义网络，以及目标业务对应的业务规则。
目标业务对应的业务规则，可以通过文本或相应的树形结构进行呈现。其中如前所述的是，业务规则中可以包含若干实例以及若干决策规则，单个决策规则用于表征若干第一实例在何种情况下才能决策出相应的第二实例，若干第一实例和第二实例均属于业务规则包含的若干实例；单个实例属于语义网络中作为节点的一个实体，不同的实例可以属于语义网络中相同或不同的实体。更具体地，可以对通过文本呈现的业务规则进行实体抽取，获得业务规则中包含的若干实体，对通过文本呈现的业务规则进行语义分析或其它处理，获得业务规则包含的若干决策规则。
目标业务可以包括但不限于前述的核保业务或核赔业务。例如，目标业务还可以是基于特定的检测策略对电子设备中的各个装置进行检测，并基于检测结果评估电子设备的折旧程度以及性能等等。
目标业务对应的业务规则可以基于其对应的语义网络进行配置。以图1所示的对应核保业务/核赔业务的语义网络为例，核保业务/核赔业务对应的业务规则中可以限定内容：
人身保险产品要求进行健康告知的病症包括“甲状腺结节”；
“甲状腺结节”对应的诊疗项目包括“超声”和“病理”；
“超声”对应的诊疗指标包括“边界”、“形态”、“回声”和“超声检查时间”；
“病理”对应的诊疗指标包括“病理检查时间”、“位置”和“性质”；
“边界”对应的指标值包括“清晰”或“不清晰”，“形态”对应的指标值包括“规则”或“不规则”，“回声”对应的指标值包括“正常”或“点状”，“超声检查时间”对应的指标值包括时刻“t1”；
“病理检查时间”对应的指标值记为时刻“t2”，“位置”对应的指标值包括“扩散”或“未扩散”，“性质”对应的指标值包括“恶性”或“非恶性”；
决策规则1，“边界”的指标值为“不清晰”、“形态”的指标值为“不规则”或者“回声”的指标值为“点状”，决策出诊疗结论“超声异常”；
决策规则2，“边界”的指标值为“清晰”、“形态”的指标值为“规则”并且“回声”的指标值为“回声正常”时，决策出诊疗结论“超声正常”；
决策规则3，t1与t2的时间差大于1年，决策出诊疗结论“超声比病理晚一年以上”；
决策规则4，t1与t2的时间差不大于1年，决策出诊疗结论“超声比病理晚一年以内”；
决策规则5，“位置”的指标值为“未扩散”并且“性质”的指标值为“非恶性”时，决策出诊疗结论“病理正常”；
决策规则6，“位置”的指标值为“扩散”或者“性质”的指标值为“恶性”时，决策出诊疗结论“病理异常”；
决策规则7，诊疗结论包括“超声正常”和“病理正常”，决策出病症程度“超声正常，病理正常”；
决策规则8，诊疗结论包括“超声正常”和“病理异常”，决策出病症程度“超声正常，病理异常”；
决策规则9，诊疗结论包括“超声异常”、“病理正常”，决策出病症程度“超声异常，病理异常”；
决策规则10，诊疗结论包括“超声异常”、“病理正常”和“超声比病理晚一年以上”，决策出病症程度“超声异常，病理异常，相差一年外”；
决策规则11，诊疗结论包括“超声异常”、“病理正常”和“超声比病理晚一年以内”，决策出病症程度“超声异常，病理异常，相差一年内”。
前述示例的业务规则中，通过双引号标记了属于语义网络中的实体的实例，例如“甲状腺结节”为属于语义网络中的实体“健告病症”的一个实例，“超声比病理外一年以内”为属于语义网络中的实体“诊疗结论”的一个实例。
在一种可能的实施方式中，目标业务的业务规则中还可以包括与业务决策结果对应的判定规则。例如，前述示例的业务规则中还可以限定以下判定规则：
病症程度为“超声正常，病理正常”，对应的业务决策结果为“通过”；
病症程度为“超声正常，病理异常”，对应的业务决策结果为“不通过”；
病症程度为“超声异常，病理异常”，对应的业务决策结果为“不通过”；
病症程度为“超声异常，病理正常，相差一年外”，对应的业务决策结果为“通过”；
病症程度为“超声异常，病理正常，相差一年内”，对应的业务决策结果为“不通过”。
业务决策结果用于决策业务数据是否通过验证。更具体地，目标业务包括核保业务时，业务决策结果用于指示业务数据是否通过验证，业务数据通过验证属于业务对象的承保条件；目标业务包括核赔业务时，业务决策结果用于指示业务数据是否通过验证，业务数据通过验证属于业务对象的理赔条件。
在一种可能的实施方式中，业务规则包含的若干实例中具体可以一个起点实例以及一个或多个终点实例；其中在业务规则中包括多个终点实例时，业务规则中还可以包括多个终点实例的优先级规则。例如，前述示例的业务规则中，属于语义网络中“病症”的实例“甲状腺结节”可以为起点实例，属于语义网络中“病症程度”的“超声正常，病理正常”、“超声正常，病理异常”、“超声异常，病理异常”、“超声异常，病理正常，相差一年外”、“超声异常，病理正常，相差一年内”均可以为终点实例，在业务规则中可以通过相应的优先级规则限定前述各个终点实例的优先级顺序。
在一种可能的实施方式中，决策规则具体可以划分为逻辑决策规则和算术决策规则两种类型。例如，前述示例的业务规则所包含的各个决策规则中：决策规则3和决策规则4通过对数值进行计算及比较来进行决策，因此决策规则3和决策规则4属于算术决策规则；与之相应的是，决策规则1、决策规则2以及决策规则5-决策规则11属于逻辑决策规则。
在步骤203，根据所述语义网络和所述业务规则构建目标业务对应的知识图谱。
构建知识图谱的过程中，不仅基于语义网络表明的业务规则中的若干实例间的连接关系对若干实例进行连接，而且需要综合考虑业务规则中包含的若干决策规则。其中对于每个决策规则而言，知识图谱中可以设置用于指示该决策规则的决策节点，并通过该决策节点连接其对应的若干第一实例和第二实例。
与决策规则的类型相对应，可以将决策节点划分为逻辑决策节点和算计决策节点两种类型。例如，前述示例的决策规则1-决策规则11中，决策规则3和决策规则4所对应的决策节点则为算术决策节点，其余决策规则所对应的决策节点则为逻辑决策节点。
对于前述示例的决策规则1而言，其描述了作为第一实例的“不清晰”、“不规则”和“点状”，在何种情况下才能决策出第二实例“超声异常”。与之相应的，请参考图1示例的语义网络和图3示例的知识图谱，虽然“不清晰”、“不规则”和“点状”在语义网络中所属的“指标值”，与“超声异常”在语义网络中所属的“诊疗结论”直接连接，但是在知识图谱中并不将“不清晰”、“不规则”和“点状”与“超声异常”直接连接，而是通过用于指示决策规则1的决策节点“或”，将“不清晰”、“不规则”和“点状”与“超声异常”进行连接。如此，用户可基于相应的决策节点“或”，清楚且直观的获知“不清晰”、“不规则”和“点状”等属于“指标值”的第一实例，与属于“诊疗结论”的实例“超声异常”间对应的决策规则。与决策规则1类似的，对于前述示例的决策规则2-决策规则11，图2示例的知识图谱中包括与决策规则2-决策规则11相对应的多个决策节点，并通过每个决策节点分别连接其各自对应的若干第一实例和第二实例。
对于业务规则中包含的任意两个实例，当语义网络中指示了该两个实例间存在直接的连接关系，而且业务规则中并不存在将该两个实例分别作为第一实例和第二实例的决策规则时，可以在知识图谱中对该两个实例进行直接连接。请继续参考图3，前述示例的业务规则中包含属于“病症”的实例“甲状腺结节”以及属于“诊疗项目”的实例“超声”，语义网络中直接连接的“病症”和“诊疗项目”指示了“甲状腺结节”和“超声”存在连接关系，而业务规则中并不存在将“甲状腺结节”作为第一实例并且将“超声”作为第二实例的决策规则，因此可以在知识图谱中对“甲状腺结节”和“超声”进行直接连接。
需要说明的是，确保知识图谱中的决策节点能够用于指示其对应的决策规则即可，决策节点在知识图谱中可能具有其它形态。例如，图3示例的知识图谱中的决策节点“且”可以对应的替换为“and”，决策节点“或”可以对应的替换为“or”。
在一些实施例中，当业务规则中包括与业务决策结果对应的判定规则时，还可以基于该判定规则在知识图谱中设置一个或多个用于表征业务决策结果的节点，并将这些节点与其关联的终点实例连接。例如，请继续参考图3，基于前述示例的与业务决策结果对应的判定规则，可以在知识图谱中设置表征业务决策结果为“通过”的节点，并且将该节点与其对应的并且属于“病症程度”的终点实例“超声正常，病理正常”连接；类似的，还可以在知识图谱中设置表征业务决策结果的其它节点，并将这些其它节点与其它属于“病症程度”的终点实例对应连接。
在一些实施例中，业务规则中包括多个终点实例的优先级规则时，可以在知识图谱中设置用于指示优先级规则的节点。例如，请继续参考图2，可以设置节点“优先级规则”，并将其与知识图谱中的各个终点实例或者表征业务决策结果的节点直接连接。
通过前述各个实施例中提供的知识图谱的构建方法，将业务规则包含的若干实例若干决策规则沉淀在目标业务对应的知识图谱中，知识图谱能够直接且清楚的反映目标业务对应的业务规则，使得知识图谱能够直接提供与业务规则对应的决策能力，有利于在实际业务场景中基于知识图谱执行目标业务时，工作人员以及目标业务涉及的业务对象快速且直观的获知目标业务对应的业务规则，从而提高用户体验。此外，由于知识图谱能够直接反映业务规则，有利于基于知识图谱对本体知识和业务规则进行维护及更新。
通过前述各个实施例构建知识图谱后，还可以基于完成构建的知识图谱执行目标业务。
图4为本说明书实施例中提供的一种目标业务的执行方法。该方法中的各方法步骤可以由任何具有计算/处理能力并且与终端连接的装置、设备或平台执行。如图4所示，该方法可以包括：步骤401，根据终端提供的对应于目标业务的业务数据确定若干目标实例；步骤403，根据目标业务对应的起点实例和若干终点实例，从目标业务对应的知识图谱中查询所述起点实例和所述若干终点实例间的若干联通路径，所述联通路径中包括决策节点以及通过其连接的若干第一实例和第二实例；步骤405，根据所述若干目标实例，确定所述若干联通路径中是否存在与所述业务数据相匹配的目标联通路径；步骤407，当存在目标联通路径时，向终端返回目标联通路径。
下面具体以目标业务是相关于特定人身保险产品的核保业务为例，结合前述图3所示的知识图谱对图4所示方法实施例中的各步骤进行详细说明。其中需要首先说明的是，前述图3所示的知识图谱是示例性的，其并未图示全部节点/实例间的关系，而且不同的目标业务可能构建出不同的知识图谱。
首先，在步骤401，根据终端提供的对应于目标业务的业务数据确定若干目标实例。
对应于目标业务的业务数据可以是非结构化数据、半结构化数据或者结构化数据，例如图片、文本或者经过自然语言处理(Natural Language Processing，NLP)得到的具有特定格式的表格或文档。可以通过实体识别或者其它数据处理方式从业务数据中确定出若干目标实例。对于前述示例的核保业务或核赔业务而言，其对应的业务数据例如是体检报告。
接着，在步骤403，根据目标业务对应的起点实例和若干终点实例，从目标业务对应的知识图谱中查询所述起点实例和所述若干终点实例间的若干联通路径。
起点实例和单个终点实例对应的间对应的联通路径上，可以包括一个或多个决策节点，每个决策节点各自用于指示其连接的若干第一实例和第二实例所对应的决策规则。请继续参考图3，核保业务/核赔业务对应的起点实例包括“甲状腺结节”，终点实例包括属于“病症程度”的“超声正常，病理正常”、“超声正常，病理异常”、“超声异常，病理异常”、“超声异常，病理正常，相差一年外”以及“超声异常，病理正常，相差一年内”；与之相应的，可以从图3示例的知识图谱中查询到5个联通路径。
接着，在步骤405，根据所述若干目标实例，确定所述若干联通路径中是否存在与所述业务数据相匹配的目标联通路径。
依赖于具体的业务数据，若干联通路径中可能并不存在与业务数据相匹配的目标联通路径，也可能存在一个或多个与业务数据相匹配的。
在一种可能的实施方式中，当业务规则中包括多个终点实例时，即步骤403中查询到多个联通路径时，请参考图5，可以通过如下步骤4051-步骤4055确定若干联通路径中是否存在与所述业务数据相匹配的目标联通路径。
步骤4051，确定所述若干联通路径的优先级顺序。
不同联通路径对应不同的终点实例，因此若干联通路径的优先级顺序可以基于若干终点实例的优先级规则进行确定。在一个更为具体的示例中，可以从知识图谱中查询用于指示优先级规则的节点，然后基于该节点获取若干终点实例的优先级顺序，从而基于若干终点实例的优先级顺序确定出若干联通路径的优先级顺序。
步骤4053，根据所述若干联通路径的优先级顺序依次选择当前联通路径。
步骤4055，根据所述若干目标实例，确定所述当前联通路径是否为与所述业务数据相匹配的目标联通路径。
当前联通路径中可以包括多个作为节点的实例以及一个或多个决策节点。对于当前联通路径中的N个节点，可以根据若干目标实例依次确定N个节点中的第i个节点是否为匹配节点，即依次确定N个节点是否成立；当N个节点均为匹配节点的情况下，即N个节点均成立的情况下，则可将当前联通路径确定为与业务数据相匹配的目标联通路径。
对于当前联通路径包含的N个节点中任意的第i个节点，当第i个节点为属于语义网络中的实体的实例时，比如为与决策节点连接的第一实例或第二实例时，可以确定若干目标实例中是否存在与第i个节点相同的当前实例；如果是则确定该第i个节点为匹配节点。
对于当前联通路径包含的N个节点中任意的第i个节点，当第i个节点为决策节点时，可以根据若干目标实例中与若干第一实例相同的若干当前实例，以及该决策节点指示的决策规则，确定该第i个节点是否为匹配节点。例如，请继续参考图3，当第i个节点为算术决策节点“t1-t2>1”时，如果若干目标实例中包括与t1和t2相同的实例，即可进一步判断若干目标实例中的t1与t2的差值是否大于1，如果是则确定该第i个节点为匹配节点，否则确定该第i个节点不是匹配节点。又如，请继续参考图3，当第i个节点为与第一实例“清晰”连接的逻辑决策节点“且”时，如果若干目标实例中包括与该逻辑决策节点“且”连接的第一实例“清晰”、“规则”和“回声正常”，则确定该第i个决策节点为匹配节点，否则确定该第i个决策节点不是匹配节点。
步骤4055中首次确定出当前联通路径是与业务数据相匹配的目标联通路径后，即可继续执行步骤407；当步骤4055中确定出当前联通路径不是与业务数据相匹配的目标联通路径时，可以重新执行步骤4053。在一些实施例中，也可以通过前述步骤4051-步骤4055确定出若干联通路径中与业务数据相匹配的全部目标联通路径后，才继续执行步骤407。
在步骤407，当存在目标联通路径时，向终端返回目标联通路径。
在一些实施例中，还可以获取目标联通路径对应的业务决策结果，并向终端返回该目标联通路径对应的业务决策结果。具体地，目标联通路径对应的业务决策结果，可以是目标联通路径中包含的终点实例所关联的业务决策结果；例如可以从知识图谱中，获取目标联通路径中的终点实例所连接的业务决策结果，并将该业务决策结果作为目标联通路径所对应的业务决策结果。举例来说，请继续参考图3，与业务数据相匹配的目标联通路径中包括终点实例“超声正常，病理正常”，可以从知识图谱中获取该终点实例连接的业务决策结果“通过”，并将该业务决策结果和目标联通路径返回给终端。
在一些实施例中，当若干联通路径中不存在与业务数据相匹配的目标联通路径时，可以根据该若干联通路径确定业务数据对应的缺失信息，并且向终端返回用于指示该缺失信息的指示信息。例如，请继续参考图3，起点实例和各个终点实例对应在知识图谱中的每个联通路径上，均包括属于“边界”对应的指标值的实例“清晰”或者“不清晰”；假设业务数据对应的若干目标实例中并没有“边界”对应的指标值“清晰”和“不清晰”，那么对于任意联通路径而言，属于指标值的节点“清晰”和“不清晰”均不会被确定为匹配节点，“边界”对应的指标值则属于业务数据对应的缺失信息，此时可以向终端返回用于指示该缺失信息的指示信息。
通过前述各个实施例中提供的目标业务的执行方法，将业务规则中的决策规则与本体知识无缝衔接，使知识图谱成为了推理决策的中心引擎，执行目标业务的过程中无需再根据决策规则进行推理决策，目标业务的执行效率更高。用户可以基于返回给终端的目标联通路径获知推理决策出其关联的业务决策结果的决策依据和计算逻辑，用户体验更好。此外，在没有与业务数据相匹配的目标联通路径时，即无法得出目标业务对应的业务决策结果时，通过指示信息来指示业务数据对应的缺失信息，使得用户可以根据指示信息完善业务数据，以便基于更加完善的业务数据重新执行目标业务。
与前述方法实施例基于相同的构思，本说明书实施例中还提供了一种知识图谱的构建装置。如图6所示，该装置包括：信息获取单元601，配置为获取目标业务对应的语义网络，以及获取目标业务对应的业务规则，所述业务规则至少包括若干第一实例和第二实例间对应的决策规则，所述若干第一实例中的任一当前实例在所述语义网络中所属的实体，不同于所述第二实例在所述语义网络中所属的实体；图谱构建单元603，配置为根据所述语义网络和所述业务规则构建目标业务对应的知识图谱，所述知识图谱中至少包括所述若干第一实例、所述第二实例以及用于指示所述决策规则的决策节点，所述若干第一实例和所述第二实例间通过所述决策节点连接。
与前述方法实施例基于相同的构思，本说明书实施例中还提供了一种目标业务的执行装置。如图7所示，该装置包括：数据处理单元701，配置为根据终端提供的对应于目标业务的业务数据确定若干目标实例；图谱查询单元703，配置为根据目标业务对应的起点实例和若干终点实例，从目标业务对应的知识图谱中查询所述起点实例和所述若干终点实例间的若干联通路径，单个所述联通路径中包括决策节点以及通过其连接的若干第一实例和第二实例；路径匹配单元705，配置为根据所述若干目标实例，确定所述若干联通路径中是否存在与所述业务数据相匹配的目标联通路径；通信处理单元707，配置为当存在目标联通路径时，向终端返回目标联通路径。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本说明书所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能所对应的计算机程序存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令/代码进行传输，以便这些功能所对应的计算机程序被计算机执行时，通过计算机实现本说明书任意一个实施例中所述的方法。
本说明书实施例中还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算设备中执行时，计算设备执行本说明书任意一个实施例中提供的知识图谱的构建方法或目标业务的执行方法。
本说明书实施例中还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现本说明书任意一个实施例中提供的知识图谱的构建方法或目标业务的执行方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例中相同、相似的部分互相参见即可，每个实施例中重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (21)
1.一种知识图谱的构建方法，包括：
获取目标业务对应的语义网络，以及获取目标业务对应的业务规则，所述业务规则至少包括若干第一实例和第二实例间对应的决策规则，所述若干第一实例中的任一当前实例在所述语义网络中所属的实体，不同于所述第二实例在所述语义网络中所属的实体；
根据所述语义网络和所述业务规则构建目标业务对应的知识图谱，所述知识图谱中至少包括所述若干第一实例、所述第二实例以及用于指示所述决策规则的决策节点，所述若干第一实例和所述第二实例间通过所述决策节点连接。
2.根据权利要求1所述的方法，其中，所述若干第一实例中的任一当前实例在所述语义网络中所属的实体，与所述第二实例在所述语义网络中所属的实体直接连接。
3.根据权利要求1所述的方法，其中，所述知识图谱用于在执行目标业务时确定业务数据对应的业务决策结果。
4.根据权利要求3所述的方法，其中，所述知识图谱中包括起点实例和终点实例，所述起点实例和所述终点实例对应的联通路径上包括所述若干第一实例、所述决策节点和所述第二实例；所述知识图谱中还包括作为节点的所述业务决策结果，所述业务决策结果与所述终点实例直接连接。
5.根据权利要求3所述的方法，其中，所述目标业务包括核保业务，所述业务决策结果用于指示业务数据是否通过验证，业务数据通过验证属于业务对象的承保条件。
6.根据权利要求3所述的方法，其中，所述目标业务包括核赔业务，所述业务决策结果用于指示业务数据是否通过验证，业务数据通过验证属于业务对象的理赔条件。
7.根据权利要求1-6中任一项所述的方法，其中，所述决策规则包括逻辑判断规则，所述决策节点包括逻辑决策节点；或者，所述决策规则包括算术判断规则，所述决策节点包括算术决策节点。
8.一种目标业务的执行方法，包括：
根据终端提供的对应于目标业务的业务数据确定若干目标实例；
根据目标业务对应的起点实例和若干终点实例，从目标业务对应的知识图谱中查询所述起点实例和所述若干终点实例间的若干联通路径，单个所述联通路径中包括决策节点以及通过其连接的若干第一实例和第二实例；
根据所述若干目标实例，确定所述若干联通路径中是否存在与所述业务数据相匹配的目标联通路径；
当存在目标联通路径时，向终端返回目标联通路径。
9.根据权利要求8所述的方法，其中，还包括：确定与目标联通路径相对应的业务决策结果，并向终端返回所述业务决策结果。
10.根据权利要求9所述的方法，其中，确定与目标联通路径相对应的业务决策结果包括：从所述知识图谱中获取与目标联通路径中的终点实例相连接的所述业务决策结果。
11.根据权利要求9所述的方法，其中，目标业务包括核保业务，所述业务决策结果用于指示所述业务数据是否通过验证，所述业务数据通过验证属于业务对象的承保条件。
12.根据权利要求9所述的方法，其中，目标业务包括核赔业务，所述业务决策结果用于指示所述业务数据是否通过验证，所述业务数据通过验证属于业务对象的理赔条件。
13.根据权利要求8-12中任一项所述的方法，其中，根据所述若干目标实例，确定所述若干联通路径中是否存在与所述业务数据相匹配的目标联通路径，包括：
确定所述若干联通路径的优先级顺序；
根据所述若干联通路径的优先级顺序依次选择当前联通路径；
根据所述若干目标实例，确定所述当前联通路径是否为与所述业务数据相匹配的目标联通路径。
14.根据权利要求13所述的方法，其中，根据所述若干目标实例，确定所述当前联通路径是否为与所述业务数据相匹配的目标联通路径，包括：
对于所述当前联通路径中的N个节点，根据所述若干目标实例依次确定所述N个节点中的第i个节点是否为匹配节点；
当所述N个节点均为匹配节点的情况下，将所述当前联通路径确定为与所述业务数据相匹配的目标联通路径。
15.根据权利要求14所述的方法，其中，根据所述若干目标实例依次确定所述N个节点中的第i个节点是否为匹配节点，包括：当所述第i个节点属于所述若干第一实例或所述第二实例时，确定所述若干目标实例中是否存在与所述第i个节点相同的当前实例；如果是，确定所述第i个节点为匹配节点。
16.根据权利要求14所述的方法，其中，根据所述若干目标实例依次确定所述N个节点中的第i个节点是否为匹配节点，包括：当所述第i个节点属于所述决策节点时，根据所述若干目标实例中与所述若干第一实例相同的若干当前实例，以及所述决策节点指示的决策规则，确定所述第i个节点是否为匹配节点。
17.根据权利要求8-12中任一项所述的方法，其中，还包括：
当不存在目标联通路径时，根据所述若干联通路径确定所述业务数据对应的缺失信息；
向终端返回指示信息，所述指示信息用于指示所述缺失信息。
18.一种知识图谱的构建装置，包括：
信息获取单元，配置为获取目标业务对应的语义网络，以及获取目标业务对应的业务规则，所述业务规则至少包括若干第一实例和第二实例间对应的决策规则，所述若干第一实例中的任一当前实例在所述语义网络中所属的实体，不同于所述第二实例在所述语义网络中所属的实体；
图谱构建单元，配置为根据所述语义网络和所述业务规则构建目标业务对应的知识图谱，所述知识图谱中至少包括所述若干第一实例、所述第二实例以及用于指示所述决策规则的决策节点，所述若干第一实例和所述第二实例间通过所述决策节点连接。
19.一种目标业务的执行装置，包括：
数据处理单元，配置为根据终端提供的对应于目标业务的业务数据确定若干目标实例；
图谱查询单元，配置为根据目标业务对应的起点实例和若干终点实例，从目标业务对应的知识图谱中查询所述起点实例和所述若干终点实例间的若干联通路径，单个所述联通路径中包括决策节点以及通过其连接的若干第一实例和第二实例；
路径匹配单元，配置为根据所述若干目标实例，确定所述若干联通路径中是否存在与所述业务数据相匹配的目标联通路径；
通信处理单元，配置为当存在目标联通路径时，向终端返回目标联通路径。
20.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算设备中执行时，计算设备执行权利要求1-17中任一项所述的方法。
21.一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-17中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110875665.7A CN113590839A (zh) | 2021-07-30 | 2021-07-30 | 知识图谱的构建方法、目标业务的执行方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110875665.7A CN113590839A (zh) | 2021-07-30 | 2021-07-30 | 知识图谱的构建方法、目标业务的执行方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113590839A true CN113590839A (zh) | 2021-11-02 |
Family
ID=78253108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110875665.7A Pending CN113590839A (zh) | 2021-07-30 | 2021-07-30 | 知识图谱的构建方法、目标业务的执行方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113590839A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113986241A (zh) * | 2021-10-25 | 2022-01-28 | 北京元年科技股份有限公司 | 一种基于知识图谱的业务规则的配置方法以及装置 |
| CN117313855A (zh) * | 2023-11-28 | 2023-12-29 | 支付宝(杭州)信息技术有限公司 | 规则决策方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020007224A1 (zh) * | 2018-07-06 | 2020-01-09 | 中兴通讯股份有限公司 | 知识图谱构建及智能应答方法、装置、设备及存储介质 |
| CN110765317A (zh) * | 2019-09-18 | 2020-02-07 | 上海生腾数据科技有限公司 | 一种企业受益人运算系统及方法 |
| WO2020034808A1 (zh) * | 2018-08-14 | 2020-02-20 | 平安医疗健康管理股份有限公司 | 决策数据获取方法、装置、计算机设备和存储介质 |
| CN111737400A (zh) * | 2020-06-15 | 2020-10-02 | 上海理想信息产业（集团）有限公司 | 一种基于知识推理的大数据业务标签的扩展方法及系统 |
| CN111753100A (zh) * | 2020-06-30 | 2020-10-09 | 广州小鹏车联网科技有限公司 | 一种针对车载应用的知识图谱生成方法和服务器 |
| CN112579797A (zh) * | 2021-02-20 | 2021-03-30 | 支付宝(杭州)信息技术有限公司 | 针对知识图谱的业务处理方法及装置 |
-
2021
- 2021-07-30 CN CN202110875665.7A patent/CN113590839A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020007224A1 (zh) * | 2018-07-06 | 2020-01-09 | 中兴通讯股份有限公司 | 知识图谱构建及智能应答方法、装置、设备及存储介质 |
| WO2020034808A1 (zh) * | 2018-08-14 | 2020-02-20 | 平安医疗健康管理股份有限公司 | 决策数据获取方法、装置、计算机设备和存储介质 |
| CN110765317A (zh) * | 2019-09-18 | 2020-02-07 | 上海生腾数据科技有限公司 | 一种企业受益人运算系统及方法 |
| CN111737400A (zh) * | 2020-06-15 | 2020-10-02 | 上海理想信息产业（集团）有限公司 | 一种基于知识推理的大数据业务标签的扩展方法及系统 |
| CN111753100A (zh) * | 2020-06-30 | 2020-10-09 | 广州小鹏车联网科技有限公司 | 一种针对车载应用的知识图谱生成方法和服务器 |
| CN112579797A (zh) * | 2021-02-20 | 2021-03-30 | 支付宝(杭州)信息技术有限公司 | 针对知识图谱的业务处理方法及装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113986241A (zh) * | 2021-10-25 | 2022-01-28 | 北京元年科技股份有限公司 | 一种基于知识图谱的业务规则的配置方法以及装置 |
| CN113986241B (zh) * | 2021-10-25 | 2022-09-16 | 北京元年科技股份有限公司 | 一种基于知识图谱的业务规则的配置方法以及装置 |
| CN117313855A (zh) * | 2023-11-28 | 2023-12-29 | 支付宝(杭州)信息技术有限公司 | 规则决策方法和装置 |
| CN117313855B (zh) * | 2023-11-28 | 2024-03-15 | 支付宝(杭州)信息技术有限公司 | 规则决策方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jagadeesh Chandra Bose et al. | Abstractions in process mining: A taxonomy of patterns | |
| CN110574338B (zh) | 根本原因发现方法及系统 | |
| CN113590839A (zh) | 知识图谱的构建方法、目标业务的执行方法及装置 | |
| CN112527838B (zh) | 基于规则引擎的业务决策方法、装置、设备及存储介质 | |
| US11847130B2 (en) | Extract, transform, load monitoring platform | |
| US20170351821A1 (en) | System and method for dynamic healthcare insurance claims decision support | |
| US10365945B2 (en) | Clustering based process deviation detection | |
| US20160154692A1 (en) | Systems and/or methods for handling erroneous events in complex event processing (cep) applications | |
| CN109491857B (zh) | 一种基于规则引擎的数据监控方法、系统及终端设备 | |
| CN113722520B (zh) | 图数据的查询方法及装置 | |
| US10713573B2 (en) | Methods and systems for identifying and prioritizing insights from hidden patterns | |
| US20220019742A1 (en) | Situational awareness by fusing multi-modal data with semantic model | |
| CN109190776A (zh) | 汽车故障的复检方法、装置、终端设备及存储介质 | |
| CN114091610A (zh) | 智能决策方法及装置 | |
| CN114297411A (zh) | 知识图谱中实体的配置方法、分析方法及装置 | |
| US10824663B2 (en) | Adverse information based ontology reinforcement | |
| CN114491037A (zh) | 基于知识图谱的故障诊断方法、装置、设备及介质 | |
| WO2012088761A1 (zh) | 基于数据分析的安全性信息交互监测系统及方法 | |
| Fang et al. | Discovery of process variants based on trace context tree | |
| CN110489416B (zh) | 一种基于数据处理的信息存储方法及相关设备 | |
| Liang et al. | Optimal granulation selection for similarity measure-based multigranulation intuitionistic fuzzy decision-theoretic rough sets | |
| CN109947715A (zh) | 日志告警方法及装置 | |
| CN109409411B (zh) | 基于运维管理的问题定位方法、装置及存储介质 | |
| JP2019502969A (ja) | スーパーコンピュータの保守および最適化を支援するための方法およびシステム | |
| US20230076662A1 (en) | Automatic suppression of non-actionable alarms with machine learning |
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 |