CN113609827B - 基于意图驱动的dikw的内容处理方法及系统 - Google Patents

基于意图驱动的dikw的内容处理方法及系统 Download PDF

Info

Publication number
CN113609827B
CN113609827B CN202110909286.5A CN202110909286A CN113609827B CN 113609827 B CN113609827 B CN 113609827B CN 202110909286 A CN202110909286 A CN 202110909286A CN 113609827 B CN113609827 B CN 113609827B
Authority
CN
China
Prior art keywords
data
map
information
resources
filled
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
Application number
CN202110909286.5A
Other languages
English (en)
Other versions
CN113609827A (zh
Inventor
段玉聪
黄越
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan University
Original Assignee
Hainan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hainan University filed Critical Hainan University
Priority to CN202110909286.5A priority Critical patent/CN113609827B/zh
Publication of CN113609827A publication Critical patent/CN113609827A/zh
Application granted granted Critical
Publication of CN113609827B publication Critical patent/CN113609827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/174—Form filling; Merging
    • 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
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
    • G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种基于意图驱动的DIKW的内容处理方法及系统，获取用户意图和待填充表格中表项之间的资源，构建资源对应的图谱，通过用户意图和各个图谱间的关联关系，将数据图谱、意图图谱和信息图谱进行关联，得到关联结果，通过关联结果，对图谱进行转化得到目标图谱，将目标图谱的对应信息填充至待填充表格中的表项。通过上述方案，将得到的包含数据图谱、意图图谱和信息图谱之间的关联关系的关联结果，对各个图谱进行转化，使得将存在相关性的数据整合起来，得到稳定的、完整的且具有方向性的目标图谱，通过目标图谱的相应信息对待填充表格的表项进行填充得到填充结果，提高填充结果的确定性和完整性。

Description

基于意图驱动的DIKW的内容处理方法及系统
技术领域
本申请涉及数据处理技术领域，更具体地说，涉及一种基于意图驱动的DIKW的内容处理方法及系统。
背景技术
数据(data)是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。数据可以是连续的值，比如声音、图像，称为模拟数据，也可以是离散的，如符号、文字，称为数字数据。
当通过数据对表格的表项进行填充时，由于数据是由直接观察得到的离散元素，在没有上下文的情况下，仅仅通过一些数据的组合，无法体现出数据的具体意义，例如，基于数据(天气)和数据(30)，得到的结果可能是天气的温度是30摄氏度，也可能是天气的湿度是30％。从而使得通过数据对表格的表项进行填充时，得到的填充结果存在不确定性和不完整性。
因此，现有技术中通过数据对表格的表项进行填充时，得到的填充结果的确定性和完整性低。
发明内容
有鉴于此，本申请公开了一种基于意图驱动的DIKW的内容处理方法及系统，旨在提高对待填充表格的表项进行填充得到填充结果的确定性和完整性。
为了实现上述目的，其公开的技术内容如下：
本申请第一方面公开了一种基于意图驱动的DIKW的内容处理方法，所述方法包括：
获取用户意图和待填充表格中表项之间的资源，所述资源包括数据资源、意图资源、信息资源和知识资源中至少部分类型的资源；所述用户意图为用户获取目标图谱的目的；
构建所述资源对应的图谱；所述图谱包括数据图谱、意图图谱、信息图谱和知识图谱；
通过所述用户意图和所述图谱间的关联关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果；
通过所述关联结果，对所述图谱进行转化，得到所述目标图谱；
将所述目标图谱的相应信息填充至所述待填充表格中的表项。
优选的，所述获取用户意图和待填充表格中表项之间的资源，包括：
获取用户意图和待填充表格中表项内填充的原始数据，并确定所述原始数据为数据资源；
基于预先获取到的意图资源与所述数据资源，得到信息资源；
基于所述数据资源和所述信息资源，得到知识资源。
优选的，所述构建所述资源对应的图谱，包括：
对待填充表格进行分类，得到表项分类模型；所述待填充表格中至少包括多个表项；
通过所述表项分类模型，建立所述待填充表格中表项之间的所述数据资源对应的数据图谱；
通过所述表项分类模型，建立所述待填充表格中表项之间的所述意图资源对应的意图图谱；
通过所述表项分类模型，建立所述待填充表格中表项之间的所述信息资源对应的信息图谱；
通过所述表项分类模型，建立所述待填充表格中表项之间的所述知识资源对应的知识图谱。
优选的，所述通过所述用户意图和所述图谱间的关联关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果，包括：
确定所述数据图谱与所述意图图谱之间的逻辑关系；
确定所述数据图谱和所述意图图谱与所述信息图谱之间的包含关系；
通过所述用户意图、所述逻辑关系和所述包含关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果。
优选的，所述通过所述关联结果，对所述图谱进行转化，得到所述目标图谱，包括：
通过所述关联结果，将待填充表格中各个表项之间的多个数据图谱进行转化，生成新数据图谱，并确定所述新数据图谱为目标图谱；
和/或，通过所述关联结果，将待填充表格中各个表项之间的多个数据图谱与意图图谱进行转化，生成第一新信息图谱，并确定所述第一新信息图谱为目标图谱；
和/或，通过所述关联结果，将待填充表格中各个表项之间的多个数据图谱与信息图谱进行转化，生成新知识图谱，并确定所述新知识图谱为目标图谱；
和/或，通过所述关联结果，将待填充表格中各个表项之间的多个数据图谱与知识图谱进行转化，得到第二新信息图谱，并确定所述第二新信息图谱为目标图谱。
优选的，还包括：
若待填充表格中各个表项之间的数据图谱为数值型的数据图谱，通过所述关联结果，将所述数值型图谱转化为范围型的数据图谱，并确定所述范围型的数据图谱为目标图谱。
本申请第二方面公开了一种基于意图驱动的DIKW的内容处理系统，所述系统包括：
获取单元，用于获取用户意图和待填充表格中表项之间的资源，所述资源包括数据资源、意图资源、信息资源和知识资源中至少部分类型的资源；所述用户意图为用户获取目标图谱的目的；
构建单元，用于构建所述资源对应的图谱；所述图谱包括数据图谱、意图图谱、信息图谱和知识图谱；
关联单元，用于通过所述用户意图和所述图谱间的关联关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果；
转化单元，用于通过所述关联结果，对所述各个图谱进行转化，得到所述目标图谱；
填充单元，用于将所述目标图谱的相应信息填充至所述待填充表格中的表项。
优选的，所述获取单元，包括：
第一获取模块，用于获取用户意图和待填充表格中表项内填充的原始数据，并确定所述原始数据为数据资源；
第二获取模块，用于基于预先获取到的意图资源与所述数据资源，得到信息资源；
第三获取模块，用于基于所述数据资源和所述信息资源，得到知识资源。
优选的，所述构建单元，包括：
分类模块，用于对待填充表格进行分类，得到表项分类模型；所述待填充表格中至少包括多个表项；
第一建立模块，用于通过所述表项分类模型，建立所述待填充表格中表项之间的所述数据资源对应的数据图谱；
第二建立模块，用于通过所述表项分类模型，建立所述待填充表格中表项之间的所述意图资源对应的意图图谱；
第三建立模块，用于通过所述表项分类模型，建立所述待填充表格中表项之间的所述信息资源对应的信息图谱；
第四建立模块，用于通过所述表项分类模型，建立所述待填充表格中表项之间的所述知识资源对应的知识图谱。
优选的，所述关联单元，包括：
第一确定模块，用于确定所述数据图谱与所述意图图谱之间的逻辑关系；
第二确定模块，用于确定所述数据图谱和所述意图图谱与所述信息图谱之间的包含关系；
关联模块，用于通过所述用户意图、所述逻辑关系和所述包含关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果。
经由上述技术方案可知，获取用户意图和待填充表格中表项之间的资源，资源包括数据资源、意图资源、信息资源和知识资源中至少部分类型的资源；用户意图为用户获取目标图谱的目的，构建资源对应的图谱，图谱包括数据图谱、意图图谱、信息图谱和知识图谱，通过用户意图和图谱间的关联关系，将数据图谱、意图图谱和信息图谱进行关联，得到关联结果，通过关联结果，对各个图谱进行转化，得到目标图谱；将目标图谱的相应信息填充至待填充表格中的表项。通过上述方案，将得到的包含数据图谱、意图图谱和信息图谱之间的关联关系的关联结果，对各个图谱进行转化，使得将存在相关性的数据整合起来，得到稳定的、完整的且具有方向性的目标图谱，通过目标图谱对待填充表格的表项进行填充得到填充结果，提高填充结果的确定性和完整性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种基于意图驱动的DIKW的内容处理方法的流程示意图；
图2为本申请实施例公开的数据资源、意图资源、信息资源和知识资源之间的关联过程的示意图；
图3为本申请实施例公开的数据图谱的示意图；
图4为本申请实施例公开的意图图谱的示意图；
图5为本申请实施例公开的信息图谱的示意图；
图6为本申请实施例公开的一种生成第一新信息图谱的过程的示意图；
图7为本申请实施例公开的另一种生成第一新信息图谱的过程的示意图；
图8为本申请实施例公开的生成新知识图谱的过程的示意图；
图9为本申请实施例公开的一种生成第二新信息图谱的过程的示意图；
图10为本申请实施例公开的另一种生成第二新信息图谱的过程的示意图；
图11为本申请实施例公开的给数值型图谱加入相关的DIK的示意图；
图12为本申请实施例公开的加入相关知识图谱和数据图谱获取意图图谱，对数据图谱进行确定的示意图；
图13为本申请实施例公开的结合信息图谱或知识图谱降低不确定性得到信息图谱的示意图；
图14为本申请实施例公开的一种将数值型图谱转化为范围型的数据图谱，并确定范围型的数据图谱为目标图谱的示意图；
图15为本申请实施例公开的另一种将数值型图谱转化为范围型的数据图谱，并确定范围型的数据图谱为目标图谱的示意图；
图16为本申请实施例公开的数值型数据图谱，结合意图图谱转化为信息图谱的示意图；
图17为本申请实施例公开的一种基于意图驱动的DIKW的内容处理系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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。
在本申请中，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、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，或者是还包括为这种过程、方法、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知，由于数据是由直接观察得到的离散元素，在没有上下文的情况下，仅仅通过一些数据的组合，无法体现出数据的具体意义，因此，现有技术中通过数据对表格的表项进行填充时，得到的填充结果的确定性和完整性低。
为了解决该问题，本申请实施例公开了一种基于意图驱动的(Data-to-Information-to-Knowledge-to-Wisdom Mode，DIKW)的内容处理方法及系统，将得到的包含数据图谱、意图图谱和信息图谱之间的关联关系的关联结果，对各个图谱进行转化，使得将存在相关性的数据整合起来，得到稳定的、完整的且具有方向性的目标图谱，通过目标图谱对待填充表格的表项进行填充得到填充结果，提高填充结果的确定性和完整性。具体实现方式通过下述实施例进行说明。
参考图1所示，为本申请实施例公开的一种基于意图驱动的DIKW的内容处理方法的流程示意图，该基于意图驱动的DIKW的内容处理方法主要包括如下步骤：
S101：获取用户意图和待填充表格中表项之间的资源，资源包括数据资源、意图资源、信息资源和知识资源中至少部分类型的资源；用户意图为用户获取目标图谱的目的。
在S101中，数据资源是由直接观察得到的离散元素，在没有上下文的情况下不体现出具体意义的，与特定的意图资源相结合后会产生信息资源，根据数据资源本身之间的关系建立数据图谱，主要关系为继承。
具体获取用户意图和待填充表格中表项之间的资源的过程如下：
首先，获取用户意图和待填充表格中表项内填充的原始数据，并确定原始数据为数据资源，然后，基于预先获取到的意图资源与数据资源，得到信息资源，最后，基于数据资源和信息资源，得到知识资源。
其中，用户意图根据用户输入得到。
数据资源的个数可以为多个。
数据资源(DAT)以及其之间关系用元组形式化表达：DAT(bird)＝<DAT(animal)，Ris_a>。其中，DAT代表数据资源，R代表关系，继承最简单的表达形式为“is_a”。
意图资源(PUP)是人类具有的与特定事物相关的隐含或明确的目的或目标。在DIKW模型中，意图资源主要与数据资源进行关联，单个数据资源或多个数据资源可以与一个或多个意图资源进行关联。
意图资源本身之间的主要关系为与或非以及包含，一个意图资源可划分出几个子意图资源。例如，与“某人进行会谈”这个意图资源，可以由“提前知会某人”、“了解某人是否有空”和“定下日期”等3个子意图资源构成，而“提前知会某人”和“了解某人是否有空”又都包含“得到某人的联系方式”，进一步可以划分成“QQ和wechat等信息”、“电话”和“邮件”等子意图资源。
信息资源(INF)由数据资源与人类的特定意图资源所结合，是对数据资源按特定意图资源的回应。信息资源是一种有方向性的表达，在认识层面才有意义，因而只对有认识能力的生命体才有意义。多个意图资源可以与数据资源或信息资源相关，通过将目标数据与至少一个意图资源联系起来，实现从数据类型资源到信息类型资源的概念转换。
知识资源(KNG)由数据资源和信息资源经过结构化形式化的推导演绎获得，在信息资源的基础上进一步凝练得到，形成一种知识规则，反应一定的规律性，具有一定的稳定性、可重复利用性。
具体数据资源、意图资源、信息资源和知识资源之间的关联，可参考图2所示。
图2中，意图资源驱动数据资源，得到信息资源(得到信息资源的表达式为D+DIKP＝I，其中，D为数据资源、DIKP为DIKW模型中的意图资源，I为信息资源)，信息资源通过统计与推理操作，得到知识资源，知识资源作用于意图资源和数据资源。信息资源去除意图资源后退变成数据资源(退变成数据资源的表达式为I-DIKP＝D)，数据资源可以与其他特定的意图资源进行结合形成其他信息资源。
S102：构建资源对应的图谱；图谱包括数据图谱、意图图谱、信息图谱和知识图谱。
在S102中，图谱是为了通过图像更好的了解事物的一种形式，系统地编辑起来的、根据实物描绘或摄制的图。
具体构建资源对应的图谱的过程如A1-A5所示。
A1：对待填充表格进行分类，得到表项分类模型；待填充表格中至少包括多个表项。
其中，表格中存在表项、表项备选内容、多个临近表项构成的表项块以及表项的先后顺序等，这些内容统称为表格类型资源(TRDIK)，通过意图图谱和概念化处理将其分类为数据图谱(DataDIK)，信息图谱(InformationDIK)和知识图谱(KnowledgeDIK)，以及建立数据图谱，信息图谱和知识图谱之间的转化。
在对表项进行内容填充时构造对应的处理算法来获取，面向搜索代价和特定精度等限制时，能够选择搜索的广度与深度，从而在不完整、不充分、不精确的数据资源、信息资源、知识资源下实现搜索代价期望和搜索目标执行的实际代价在特定精度等限制下的匹配，从而达到内容填充的智能与合理。
A2：通过表项分类模型，建立待填充表格中表项之间的数据资源对应的数据图谱。
其中，通过表项分类模型中的数据分类结构，建立待填充表格中表项之间的数据资源对应的数据图谱。
A3：通过表项分类模型，建立待填充表格中表项之间的意图资源对应的意图图谱。
其中，通过表项分类模型中的意图分类结构，建立待填充表格中表项之间的意图资源对应的意图图谱。
A4：通过表项分类模型，建立待填充表格中表项之间的信息资源对应的信息图谱。
其中，通过表项分类模型中的信息分类结构，建立待填充表格中表项之间的信息资源对应的信息图谱。
A5：通过表项分类模型，建立待填充表格中表项之间的知识资源对应的知识图谱。
其中，通过表项分类模型中的知识分类结构，建立待填充表格中表项之间的知识资源对应的知识图谱。
A2-A5为并列关系。
具体数据图谱的结构，可参考图3所示。
图3中，DAT(animal)、DAT(bird)、DAT(fish)、DAT(cat)、DAT(eagle)、DAT(swallow)、DAT(shark)、DAT(carp)、DAT(lion)和DAT(tiger)均为数据图谱。
DAT(animal)与DAT(bird)、DAT(fish)、DAT(cat)、DAT(eagle)、DAT(swallow)、DAT(shark)、DAT(carp)、DAT(lion)、DAT(tiger)的关系为继承关系。
具体意图图谱的结构，可参考图4进行举例说明。
图4中，使用元组来形式化表达意图图谱中意图之间的关系：PUP(having ameeting with sb)＝<PUP(Inform sb in advance)，PUP(Know if sb is free)，PUP(Seta date)，Rinclude>，PUP(get contact)＝<PUP(send mail)，PUP(phone)，PUP(sendmessage)>，PUP代表意图图谱中的意图，R代表关系，其下标的与或非表达形式为“and/or/nor”，包含表达形式为“include”。
PUP(having a meeting with sb)、PUP(inform sb in advance)、PUP(konw ifsb is free)、PUP(set a date)、PUP(get contact)、PUP(send mail)、PUP(phone)和PUP(send message)均为意图图谱。
具体信息图谱的结构，可参考图5进行举例说明。
图5中，信息图谱表达形式为“DAT+DIKPUP＝INF”，用元组形式存储表达INF(Manneed energy to survive)＝<DAT(Man)，DAT(energy)，PUP(for survive)>。INF(Man needenergy to survive)＝<INF(Man need carbohydrates to survive)，INF(Man needproteins to survive)，INF(Man need lipids to survive)，Rinclude>。信息图谱之间具有关系，根据一个信息图谱可以得出所属的几个子信息图谱，通过信息图谱之间的关系建立信息模型，其主要关系为包含，包含表达形式为“include”。
图5中，INF(Animals need energy to survive)、INF(Man need energy tosurvive)、INF(Man need carbohydrates to survive)、INF(Man need proteins tosurvive)和INF(Man need lipdis to survive)均为信息图谱，DAT(Animals)，DAT(Man)、DAT(energy)、DAT(carbohydrates)、DAT(protelns)和DAT(lipids)均为数据图谱，DIK为数据图谱与意图图谱之间的联系和转化。
S103：通过用户意图和图谱间的关联关系，将数据图谱、意图图谱和信息图谱进行关联，得到关联结果。
在S103中，首先，确定数据图谱与意图图谱之间的逻辑关系，然后，确定数据图谱和意图图谱与信息图谱之间的包含关系，最后通过用户意图、逻辑关系和包含关系，将数据图谱、意图图谱和信息图谱进行关联，得到关联结果。
关联结果用于指示数据图谱、意图图谱和信息图谱之间的关联关系。
通过将用户意图(意图元素)以“D+P＝I”等模式把数据图谱、意图图谱和信息图谱进行关联，得到关联结果，从而能将相应的关联、转化等处理带入D\P\I的树状体系，进一步构建D\P\I\K之间的联系和转化，从而整合为一个良好的读表模型(DIKW模型)。
S104：通过所述关联结果，对图谱进行转化，得到目标图谱。
在S104中，具体通过关联结果，对图谱进行转化，得到目标图谱的过程如下：
通过关联结果，将待填充表格中各个表项之间的多个数据图谱进行转化，生成新数据图谱，并确定新数据图谱为目标图谱。
其中，单纯的数据图谱是意义不明显的，往往实际中一个数据图谱实体存在不同的数据表示形式，在已存在的数据图谱中可以实现数据图谱之间的转化，这种转化既可以在单个数据图谱之间实现，也可以在多个数据图谱间结合实现。如DAT(Christmas)—>DAT(Dec.25th)，DAT(Christmas)—>DAT(圣诞节)；DAT(first name)+DIKDAT(last name)—>DAT(name)。
和/或，通过关联结果，将待填充表格中各个表项之间的多个数据图谱与意图图谱进行转化，生成第一新信息图谱，并确定第一新信息图谱为目标图谱。
和/或，通过关联结果，将待填充表格中各个表项之间的多个数据图谱与信息图谱进行转化，生成新知识图谱，并确定新知识图谱为目标图谱；
和/或，通过关联结果，将待填充表格中各个表项之间的多个数据图谱与知识图谱进行转化，得到第二新信息图谱，并确定第二新信息图谱为目标图谱。
具体通过关联结果，将待填充表格中各个表项之间的多个数据图谱与意图图谱进行转化，生成第一新信息图谱的过程，可参考图6和图7所示。
图6中，数据资源可与一个或多个特定的意图资源存在联系，通过意图资源将可存在相关性的数据整合起来，如DAT(Hainan)+DIKDAT(30)在没有意图资源的情况下显然不具有任何方向性的信息，但是加入PUP(Temperature condition)则变成INF(Hainantemperature is 30℃)，加入PUP(GDP ranking)则变成INF(Hainan GDP is ranked30th)。元组形式表现为INF(Hainan temperature is 30℃)＝<DAT(Hainan)，DAT(30)，PUP(Temperature condition)>和INF(Hainan GDP is ranked 30th)＝<DAT(Hainan)，DAT(30)，PUP(GDP ranking)>。
图6中，DAT(Hainan)和DAT(30)为数据图谱，PUP(Temperature condition)和PUP(GDP ranking)均为意图图谱，INF(Hainan temperature is 30℃)和INF(Hainan GDP isranked 30th)均为信息图谱。
图7中，信息间通过意图可以结合进一步转化得到其它的信息，这些信息与原信息存在着关系，如先得到两条信息，再将两条信息结合意图得到另外的信息。信息图谱1：INF(Jack is 170cm in height)＝<DAT(Jack)，DAT(170)，PUP(Height)>，信息图谱2：INF(Jack weight 90kg)＝<DAT(Jack)，DAT(90)，PUP(Weight)>，由信息图谱1和信息图谱2加上意图可以得到信息图谱3：INF(Jack is fat)＝<INF(Jack is 170cm in height)，INF(Jack weight 90kg)，PUP(Health)>。
图7中，INF(Jack is 170cm in height)、INF(Jack weight 90kg)和INF(Jack is170cm in height)均为信息图谱，PUP(Health)为意图图谱，DIK为数据图谱与意图图谱之间的联系和转化。
具体通过关联结果，将待填充表格中各个表项之间的多个数据图谱与信息图谱进行转化，生成新知识图谱的过程，可参考图8进行所示。
图8中，数据图谱与信息图谱通过统计与推理可以得到知识规则(知识图谱)，此过程是规律性的概括与总结。知识图谱是相对稳定的、有价值的结果。表达形式为INF(humansneed carbohydrate，protein and lipid to survival)＝<DAT(human)，DAT(carbohydrate)，DAT(protein)，DAT(lipids)，PUP(survival)>INF(cats need proteinand lipid to survival)＝<DAT(cat)，DAT(protein)，DAT(lipids)，PUP(survival)>。
图8中，在数据图谱中DAT(Animal)包括DAT(human)、DAT(Man)和DAT(cats)；DAT(energy)包括DAT(carbohydrates)、DAT(proteins)和DAT(lipids)等。DAT(human)和DAT(cats)均能与PUP(survival)结合得到信息图谱，于是从数据体系和信息体系中进行统计与推理得到KNG(animal need energy to survival)。
图8中，INF(humans need carbohydrate，protein and lipid to survival)和INF(cats need protein and lipid to survival)均为信息图谱，DAT(Animal)、DAT(Man)、DAT(energy)、DAT(carbohydrate)、DAT(proteins)和DAT(lipids)均为数据图谱，KNG(animal need energy to survival)为知识图谱，DIK为数据图谱与意图图谱之间的联系和转化。
具体通过关联结果，将待填充表格中各个表项之间的多个数据图谱与知识图谱进行转化，得到第二新信息图谱的过程，可参考图9和图10进行举例说明。
图9中，数据图谱在特定的知识图谱下结合意图图谱可得到较为特定的信息图谱。例如对于一个地理学家来说，他具有地理学方面的知识，当他面对DAT(Hainan)和DAT(18-20)这两个数据图谱想要弄明白海南的冬季气候情况时，他可能会将DAT(18-20)这个数据图谱看作是海南的纬度，北纬18到20度，所以其表达式为：INF(Hainan do not snow inwinter)＝<DAT(Hainan)，DAT(18-20)，PUP(Winter climate)，KNG(Low latitude areasgenerally have high temperature in winter and no snow)>。
图9中，DAT(Hainan)和DAT(18-20)为数据图谱，PUP(Winter climate)为意图图谱，INF(Hainan do not snow in winter)为信息图谱，KNG(Low latitude areasgenerally have high temperature in winter and no snow)为知识图谱，DIK为数据图谱与意图图谱之间的联系和转化。
图10中，当一个普通人想要了解海南的冬季气候情况时，他的知识可能是“如果温度较高就不会下雪”，KNG(If the temperature is high，itwon't snow)，那么他在他面对DAT(Hainan)和DAT(18-20)这两个数据图谱时，他可能会将DAT(18-20)这个数据图谱看作是海南的气温温度。
图10中，PUP(Winter climate)为意图图谱，KNG(If the temperature is high,it won't snow)为知识图谱，INF(Hainan do not snow in winter)为信息图谱，DIK为数据图谱与意图图谱之间的联系和转化。
可以看出，地理学家和普通人在具有同一个意图图谱和同样的数据图谱的情况下，得出的信息图谱是相似的，但是在其知识图谱下对数据图谱的看法却是不同的。
信息图谱去除了意图图谱之后退变成数据图谱，难以从数据图谱中得到具有方向性的信息。如INF(Hainan's temperature is 30℃)-DIKPUP(temperature condition)＝<DAT(Hainan)，DAT(30)>，信息在剥离出意图图谱之后留下的数据图谱可以与其它特定意图图谱进行结合形成其它的信息图谱，如DAT(Hainan)+DIKDAT(30)+DIKPUP(GDP ranking)＝INF(Hainan’s GDP is ranked 30th)。
如果是单纯的数值型、逻辑型是难以和意图结合产生信息的，如数字和字母，单纯的“1”分辨不出是数值型、逻辑型还是字符型的含义，更难以与意图图谱结合。
这种与意图结合的不确定性是难以消除的，而且我们实际中解决问题大多也都是基于这种不确定，不充分，不完整。但是可以想办法将这种不确定性降低，可以给数值型图谱加入相关的DIK来降低其不确定性，具体参考图11所示。
图11中，如给“1”这个数据加上其它数据，就可以与意图结合得到信息，INF(Thereis a man in the house)＝<DAT(1)，DAT(Person)，DAT(House)，PUP(Person’s number)>。
图11中，DAT(1)、DAT(Person)和DAT(House)为数据图谱，PUP(Person’s number)为意图图谱，DIK为数据图谱与意图图谱之间的联系和转化，INF(There is a man in thehouse)为信息图谱。
加入相关知识图谱和数据图谱来对DAT(1)这个数据图谱获取意图图谱，对DAT(1)数据图谱进行确定，具体可参考图12所示。
图12中，如DAT(1)在结合已有KNG(“1”can represent logic truth value incomputer field)知识图谱的情况下加上DAT(result)和DAT(program)得到INF(theresult is ture)。
图12中，DAT(1)、DAT(result)和DAT(program)为数据图谱，DIK为数据图谱与意图图谱之间的联系和转化，PUP(Ture or false)为意图图谱，INF(The result is ture)为信息图谱，KNG(“1”can represent logic truth value in computer field)为知识图谱。
范围性数据图谱在结合意图图谱上的不确定性较数值型数据图谱低，在结合信息图谱或知识图谱能很好地降低不确定性得到信息图谱，得到的信息图谱可信度较数值型图谱高，具体可参考图13所示。
图13中，如18岁以下DAT(Under 18)这个范围性数据图谱，加上高中生DAT(Highschool student)与PUP(Age range)得到信息高中生的年龄范围在18岁以下—INF(Highschool students are under 18 years old)。
图13中，DAT(Under 18)和DAT(High school student)为数据图谱，DIK为数据图谱与意图图谱之间的联系和转化，PUP(Age range)为意图图谱，INF(High schoolstudents are under 18 years old)为信息图谱。
可选的，若待填充表格中各个表项之间的数据图谱为数值型的数据图谱，通过关联结果，将数值型数据图谱转化为范围型的数据图谱，并确定范围型的数据图谱为目标图谱。
结合学生存在较晚上学和留级现象—INF(Students'late attendance andrepetition)这个信息图谱能够智能地得到更符合实际的信息INF(Most high schoolstudents are under 18 years old，not all)，不是所有高中生都是18岁以下，这个范围只是个大致范围。具体可参考图14和图15所示。
图14中，DAT(Under 18)和DAT(High school student)为数据图谱，DIK为数据图谱与意图图谱之间的联系和转化，INF(Students'late attendance and repetition)和INF(Most high school students are under 18 years old，not all)为信息图谱，PUP(Age range)为意图图谱。
DAT(Under 18)结合知识判定对年龄界限十分敏感—KNG(Legal decisions aresensitive to age limits)与—KNG(The penalty of juvenile delinquency can bereduced)，那么18岁以下这个界限就确定了，多一天都不行，INF(Zhang San can reducethe penalty)＝<DAT(Under 18)，DAT(Zhang San)，PUP(Legal judgment)，INF(Under 18is a juvenile)>。
图15中，DAT(Under 18)和DAT(Zhang San)为数据图谱，INF(Under 18 is ajuvenile)和INF(Zhang San can reduce the penalty)为信息图谱，PUP(Legaljudgment)为意图图谱，DIK为数据图谱与意图图谱之间的联系和转化，KNG(Legaldecisions are sensitive to age limits)和KNG(The penalty of juveniledelinquency can be reduced)为知识图谱。
DAT(17)为数值型数据图谱，可以结合意图图谱将其转化为信息图谱，具体可参考图16所示。
图16中，INF(Younger than Zhang San)＝<DAT(17)，PUP(Compare with ZhangSan)，INF(Zhang San is 20)>，也可以将其转化为范围型数据，DAT(17)—>DAT(未成年)，DAT(17)—>DAT(<18)，DAT(17)—>DAT(青少年)等。
其中，DAT(17)、DAT(未成年)、DAT(青少年)和DAT(<18)为数据图谱，PUP(Comparewith Zhang San)为意图图谱，INF(Zhang San is 20)为信息图谱，DIK为数据图谱与意图图谱之间的联系和转化，INF(Younger than Zhang San)为信息图谱。
S105：将目标图谱的相应信息填充至所述待填充表格中的表项。
在S105中，将得到稳定的、完整的且具有方向性的目标图谱，通过目标图谱的相应信息对待填充表格的表项进行填充得到填充结果，提高填充结果的确定性和完整性。
本申请实施例中，将得到的包含数据图谱、意图图谱和信息图谱之间的关联关系的关联结果，对各个图谱进行转化，使得将存在相关性的数据整合起来，得到稳定的、完整的且具有方向性的目标图谱，通过目标图谱对待填充表格的表项进行填充得到填充结果，提高填充结果的确定性和完整性。
基于上述实施例图1公开的一种基于意图驱动的DIKW的内容处理方法，本申请实施例还对应公开了一种基于意图驱动的DIKW的内容处理系统，如图17所示，该基于意图驱动的DIKW的内容处理系统主要包括获取单元1701、构建单元1702、关联单元1703、转化单元1704和填充单元1705。
获取单元1701，用于获取用户意图和待填充表格中表项之间的资源，资源包括数据资源、意图资源、信息资源和知识资源中至少部分类型的资源；用户意图为用户获取目标图谱的目的。
构建单元1702，用于构建资源对应的图谱；图谱包括数据图谱、意图图谱、信息图谱和知识图谱。
关联单元1703，用于通过用户意图和图谱间的关联关系，将数据图谱、意图图谱和信息图谱进行关联，得到关联结果。
转化单元1704，用于通过关联结果，对图谱进行转化，得到目标图谱。
填充单元1705，用于将目标图谱的相应信息填充至待填充表格中的表项。
进一步的，获取单元1701包括第一获取模块、第二获取模块和第三获取模块。
第一获取模块，用于获取用户意图和待填充表格中表项内填充的原始数据，并确定原始数据为数据资源。
第二获取模块，用于基于预先获取到的意图资源与数据资源，得到信息资源。
第三获取模块，用于基于数据资源和信息资源，得到知识资源。
进一步的，构建单元1702包括分类模块、第一建立模块、第二建立模块、第三建立模块和第四建立模块。
分类模块，用于对待填充表格进行分类，得到表项分类模型；待填充表格中至少包括多个表项。
第一建立模块，用于通过表项分类模型，建立待填充表格中表项之间的数据资源对应的数据图谱。
第二建立模块，用于通过表项分类模型，建立待填充表格中表项之间的意图资源对应的意图图谱。
第三建立模块，用于通过表项分类模型，建立待填充表格中表项之间的信息资源对应的信息图谱。
第四建立模块，用于通过表项分类模型，建立待填充表格中表项之间的知识资源对应的知识图谱。
进一步的，关联单元1703包括第一确定模块、第二确定模块和关联模块。
第一确定模块，用于确定数据图谱与意图图谱之间的逻辑关系。
第二确定模块，用于确定数据图谱和意图图谱与信息图谱之间的包含关系。
关联模块，用于通过用户意图、逻辑关系和包含关系，将数据图谱、意图图谱和信息图谱进行关联，得到关联结果。
进一步的，转化单元1704包括第三确定模块。
第三确定模块，用于通过关联结果，将待填充表格中各个表项之间的多个数据图谱进行转化，生成新数据图谱，并确定新数据图谱为目标图谱。
和/或，转化单元1704包括第四确定模块。
第四确定模块，用于通过关联结果，将待填充表格中各个表项之间的多个数据图谱与意图图谱进行转化，生成第一新信息图谱，并确定第一新信息图谱为目标图谱。
和/或，转化单元1704包括第五确定模块。
第五确定模块，用于通过关联结果，将待填充表格中各个表项之间的多个数据图谱与信息图谱进行转化，生成新知识图谱，并确定新知识图谱为目标图谱。
和/或，转化单元1704包括第六确定模块。
第六确定模块，用于通过关联结果，将待填充表格中各个表项之间的多个数据图谱与知识图谱进行转化，得到第二新信息图谱，并确定第二新信息图谱为目标图谱。
进一步的，还包括确定单元。
确定单元，用于若待填充表格中各个表项之间的数据图谱为数值型的数据图谱，通过关联结果，将数值型图谱转化为范围型的数据图谱，并确定范围型的数据图谱为目标图谱。
本申请实施例中，将得到的包含数据图谱、意图图谱和信息图谱之间的关联关系的关联结果，对各个图谱进行转化，使得将存在相关性的数据整合起来，得到稳定的、完整的且具有方向性的目标图谱，通过目标图谱对待填充表格的表项进行填充得到填充结果，提高填充结果的确定性和完整性。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统类实施例而言，由于其与方法实施例基本相似，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。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (3)

1.一种基于意图驱动的DIKW的内容处理方法，其特征在于，所述方法包括：
获取用户意图和待填充表格中表项之间的资源，所述资源包括数据资源、意图资源、信息资源和知识资源中至少部分类型的资源；所述用户意图为用户获取目标图谱的目的；
构建所述资源对应的图谱；所述图谱包括数据图谱、意图图谱、信息图谱和知识图谱；
通过所述用户意图和所述图谱间的关联关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果；
通过所述关联结果，对所述图谱进行转化，得到所述目标图谱；
将所述目标图谱的相应信息填充至所述待填充表格中的表项；
所述获取用户意图和待填充表格中表项之间的资源，包括：
获取用户意图和待填充表格中表项内填充的原始数据，并确定所述原始数据为数据资源；
基于预先获取到的意图资源与所述数据资源，得到信息资源；
基于所述数据资源和所述信息资源，得到知识资源；
所述构建所述资源对应的图谱，包括：
对待填充表格进行分类，得到表项分类模型；所述待填充表格中至少包括多个表项；
通过所述表项分类模型，建立所述待填充表格中表项之间的所述数据资源对应的数据图谱；
通过所述表项分类模型，建立所述待填充表格中表项之间的所述意图资源对应的意图图谱；
通过所述表项分类模型，建立所述待填充表格中表项之间的所述信息资源对应的信息图谱；
通过所述表项分类模型，建立所述待填充表格中表项之间的所述知识资源对应的知识图谱；
所述通过所述用户意图和所述图谱间的关联关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果，包括：
确定所述数据图谱与所述意图图谱之间的逻辑关系；
确定所述数据图谱和所述意图图谱与所述信息图谱之间的包含关系；
通过所述用户意图、所述逻辑关系和所述包含关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果；
所述通过所述关联结果，对所述图谱进行转化，得到所述目标图谱，包括：
通过所述关联结果，将待填充表格中各个表项之间的多个数据图谱进行转化，生成新数据图谱，并确定所述新数据图谱为目标图谱；
和/或，通过所述关联结果，将待填充表格中各个表项之间的多个数据图谱与意图图谱进行转化，生成第一新信息图谱，并确定所述第一新信息图谱为目标图谱；
和/或，通过所述关联结果，将待填充表格中各个表项之间的多个数据图谱与信息图谱进行转化，生成新知识图谱，并确定所述新知识图谱为目标图谱；
和/或，通过所述关联结果，将待填充表格中各个表项之间的多个数据图谱与知识图谱进行转化，得到第二新信息图谱，并确定所述第二新信息图谱为目标图谱。
2.根据权利要求1所述的方法，其特征在于，还包括：
若待填充表格中各个表项之间的数据图谱为数值型的数据图谱，通过所述关联结果，将所述数值型图谱转化为范围型的数据图谱，并确定所述范围型的数据图谱为目标图谱。
3.一种基于意图驱动的DIKW的内容处理系统，其特征在于，所述系统包括：
获取单元，用于获取用户意图和待填充表格中表项之间的资源，所述资源包括数据资源、意图资源、信息资源和知识资源中至少部分类型的资源；所述用户意图为用户获取目标图谱的目的；
构建单元，用于构建所述资源对应的图谱；所述图谱包括数据图谱、意图图谱、信息图谱和知识图谱；
关联单元，用于通过所述用户意图和所述图谱间的关联关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果；
转化单元，用于通过所述关联结果，对所述各个图谱进行转化，得到所述目标图谱；
填充单元，用于将所述目标图谱的相应信息填充至所述待填充表格中的表项；
所述获取单元，包括：
第一获取模块，用于获取用户意图和待填充表格中表项内填充的原始数据，并确定所述原始数据为数据资源；
第二获取模块，用于基于预先获取到的意图资源与所述数据资源，得到信息资源；
第三获取模块，用于基于所述数据资源和所述信息资源，得到知识资源；
所述构建单元，包括：
分类模块，用于对待填充表格进行分类，得到表项分类模型；所述待填充表格中至少包括多个表项；
第一建立模块，用于通过所述表项分类模型，建立所述待填充表格中表项之间的所述数据资源对应的数据图谱；
第二建立模块，用于通过所述表项分类模型，建立所述待填充表格中表项之间的所述意图资源对应的意图图谱；
第三建立模块，用于通过所述表项分类模型，建立所述待填充表格中表项之间的所述信息资源对应的信息图谱；
第四建立模块，用于通过所述表项分类模型，建立所述待填充表格中表项之间的所述知识资源对应的知识图谱；
所述关联单元，包括：
第一确定模块，用于确定所述数据图谱与所述意图图谱之间的逻辑关系；
第二确定模块，用于确定所述数据图谱和所述意图图谱与所述信息图谱之间的包含关系；
关联模块，用于通过所述用户意图、所述逻辑关系和所述包含关系，将所述数据图谱、所述意图图谱和所述信息图谱进行关联，得到关联结果。
CN202110909286.5A 2021-08-09 2021-08-09 基于意图驱动的dikw的内容处理方法及系统 Active CN113609827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110909286.5A CN113609827B (zh) 2021-08-09 2021-08-09 基于意图驱动的dikw的内容处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110909286.5A CN113609827B (zh) 2021-08-09 2021-08-09 基于意图驱动的dikw的内容处理方法及系统

Publications (2)

Publication Number Publication Date
CN113609827A CN113609827A (zh) 2021-11-05
CN113609827B true CN113609827B (zh) 2023-05-26

Family

ID=78340044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110909286.5A Active CN113609827B (zh) 2021-08-09 2021-08-09 基于意图驱动的dikw的内容处理方法及系统

Country Status (1)

Country Link
CN (1) CN113609827B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013118225A1 (ja) * 2012-02-08 2013-08-15 日本電気株式会社 最適クエリ生成装置、最適クエリ抽出方法および判別モデル学習方法
CN110263180A (zh) * 2019-06-13 2019-09-20 北京百度网讯科技有限公司 意图知识图谱生成方法、意图识别方法及装置
CN111651670A (zh) * 2020-05-26 2020-09-11 中国平安财产保险股份有限公司 基于用户行为图谱的内容检索方法、装置终端和存储介质
WO2021003819A1 (zh) * 2019-07-05 2021-01-14 平安科技（深圳）有限公司 基于知识图谱的人机对话方法及人机对话装置
CN112925921A (zh) * 2021-04-21 2021-06-08 海南大学 基于dikw图谱的资源识别方法、相关装置及可读介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013118225A1 (ja) * 2012-02-08 2013-08-15 日本電気株式会社 最適クエリ生成装置、最適クエリ抽出方法および判別モデル学習方法
CN110263180A (zh) * 2019-06-13 2019-09-20 北京百度网讯科技有限公司 意图知识图谱生成方法、意图识别方法及装置
WO2021003819A1 (zh) * 2019-07-05 2021-01-14 平安科技（深圳）有限公司 基于知识图谱的人机对话方法及人机对话装置
CN111651670A (zh) * 2020-05-26 2020-09-11 中国平安财产保险股份有限公司 基于用户行为图谱的内容检索方法、装置终端和存储介质
CN112925921A (zh) * 2021-04-21 2021-06-08 海南大学 基于dikw图谱的资源识别方法、相关装置及可读介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于DIKW图谱的虚拟社区用户性格分类与转换方法;雷羽潇 段玉聪;《应用科学学报》(2020年第5期);全文 *

Also Published As

Publication number Publication date
CN113609827A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
Yang et al. PACE: a PA th-CE ntric paradigm for stochastic path finding
CN108804633B (zh) 基于行为语义知识网络的内容推荐方法
CN106355449B (zh) 用户选取方法和装置
Hansen et al. Predicting walleye recruitment as a tool for prioritizing management actions
Morin Evidence for declines in human population densities during the early Upper Paleolithic in western Europe
Chen et al. General functional matrix factorization using gradient boosting
CN109255586B (zh) 一种面向电子政务办事的在线个性化推荐方法
CN109919316A (zh) 获取网络表示学习向量的方法、装置和设备及存储介质
Toczydlowski et al. Poor data stewardship will hinder global genetic diversity surveillance
Mantzouni et al. Hierarchical modelling of temperature and habitat size effects on population dynamics of North Atlantic cod
Lundgren et al. Functional traits of the world’s late Quaternary large-bodied avian and mammalian herbivores
Grée et al. Cloud-based big data platform for vehicle-to-grid (v2g)
Coro et al. Estimating absence locations of marine species from data of scientific surveys in OBIS
Westwood et al. Prioritizing areas for land conservation and forest management planning for the threatened Canada warbler (Cardellina canadensis) in the Atlantic northern forest of Canada
O'Brien et al. Modeling demersal fish and benthic invertebrate assemblages in support of marine conservation planning
CN113609827B (zh) 基于意图驱动的dikw的内容处理方法及系统
Lee et al. When males live longer: Resource-driven territorial behavior drives sex-specific survival in snakes
Raynal et al. Cost-based feature selection for network model choice
KR102277653B1 (ko) 영양 성분 프로파일링 기반 사료추천 시스템
Dolan et al. Age structure augments the predictive power of time series for fisheries and conservation
Aalto et al. Stock-of-origin catch estimation of Atlantic bluefin tuna (Thunnus thynnus) based on observed spatial distributions
CN114862065A (zh) 社工任务规划方法、装置、电子设备及存储介质
Akita Estimating contemporary migration numbers of adults based on kinship relationships in iteroparous species
Desprez et al. Nine tips for ecologists using machine learning
Bai et al. The subspace global skyline query processing over dynamic databases

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