CN113961760B - 基于区块链的信息价值图谱构建方法 - Google Patents
基于区块链的信息价值图谱构建方法 Download PDFInfo
- Publication number
- CN113961760B CN113961760B CN202111249882.1A CN202111249882A CN113961760B CN 113961760 B CN113961760 B CN 113961760B CN 202111249882 A CN202111249882 A CN 202111249882A CN 113961760 B CN113961760 B CN 113961760B
- Authority
- CN
- China
- Prior art keywords
- information value
- data
- information
- block chain
- structured
- 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
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于区块链的信息价值图谱构建方法,将信息数据库的数据输入至信息价值数据结构化判断模块得出信息价值数据结构化判断结果;信息价值结构化数据将被直接输入至信息价值数据整合模块;得到三个维度上的信息价值实体及其信息价值;信息价值关系推理模块得到信息价值关系集合;将信息价值关系集合和信息价值数据输入至信息价值数据整合模块,并采用区块链方法构建基于区块链的信息价值图谱。本发明对数字经济的数据价值化和数据要素优化配置目标的实现起到关键作用。本发明充分发挥的区块链具有的去中心化共识性,实现了对信息价值认识的共识,为数字经济数据价值化打下从技术上实现统一认识的基础。
Description
技术领域
本发明属于区块链技术领域,具体涉及基于区块链的信息价值图谱构建方法。
背景技术
数字经济时代的到来,使数据价值化和数据要素优化配置的重要性日益突出,因而,对于新一代信息技术来说,信息价值及信息价值关系的表征和构建至关重要。当前,对信息价值及信息价值关系的研究和开发仍是以互联网为基础。由于互联网具有中心化决策性特征,采用先搜集信息到中心化平台,再由平台进行信息价值挖掘的方法,对信息价值没有进行充分的开发和挖掘,更没有建立和实现信息价值图谱,无法反映共识性的信息价值及信息价值关系。
发明内容
针对目前互联网技术对信息价值没有进行充分的开发和挖掘,没有建立信息价值图谱,无法反映共识性的信息价值及信息价值关系的问题,本发明公开了一种基于区块链的信息价值图谱构建方法。
本发明公开了一种基于区块链的信息价值图谱构建方法,所述的基于区块链的信息价值图谱指的是利用区块链技术表述信息价值实体和信息价值关系的图谱,该图谱以区块链节点代表信息价值实体,以区块链链接代表信息价值关系。数据时间包括数据的产生时间、交易时间、传输时间、销毁时间等。信息价值关系指的是信息价值在数据内容、传输和交易途径、数据时间三个维度上的价值关系,信息价值关系包括共性、差异、从属、等价、包含等的逻辑关系。
基于区块链的信息价值图谱的构建方法,其具体包括,将包含所有需要提取信息价值和与其他信息价值关系的信息数据的数据库称为信息数据库,将信息数据库的数据输入至信息价值数据结构化判断模块得出信息价值数据结构化判断结果,再将该判断结果输入信息价值数据结构化分类模块得到信息价值数据结构化分类结果。根据信息价值数据结构化判断结果和信息价值数据结构化分类结果,完全符合信息价值结构化数据的判断条件的数据称为信息价值结构化数据,信息价值结构化数据将被直接输入至信息价值数据整合模块;不完全符合信息价值结构化数据的判断条件的数据为信息价值半结构化数据和信息价值非结构化数据,将信息价值半结构化数据和信息价值非结构化数据输入信息价值抽取模块后,得到信息价值半结构化数据和信息价值非结构化数据在上述三个维度上的信息价值实体及其信息价值。将经过信息价值抽取模块得到的信息价值实体及其信息价值和信息价值结构化数据一起输入至信息价值关系推理模块,信息价值关系推理模块通过对信息数据间价值关系的推理,得到信息价值关系集合。将信息价值关系集合和信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据输入至信息价值数据整合模块,并采用区块链方法构建基于区块链的信息价值图谱。当有新信息数据要加入信息数据库时,通过新信息数据反馈判断与触发模块判断新信息数据加入信息数据库后,基于区块链的信息价值图谱是否发生改变,如果该图谱发生改变,则新信息数据将加入信息数据库,并上述的基于区块链的信息价值图谱的构建方法对基于区块链的信息价值图谱进行更新;否则,新信息数据将不被允许加入信息数据库,基于区块链的信息价值图谱不进行更新。
信息价值数据结构化判断模块用于判断数据的信息价值结构化类型,包括信息价值数据结构化模型训练模块和区块链信息价值数据结构化共识模块。信息价值数据结构化模型训练模块是通过对信息数据库进行数据分类和特征分析,描述并判断信息数据库的信息数据的结构化类型。信息价值结构化数据的判断条件是指对该信息数据仅利用数据统计方法即能判断其与信息数据库内的其他信息数据具有在三个维度上的价值差异性,符合这一条件的信息数据称为信息价值结构化数据。区块链信息价值数据结构化共识算法模块通过区块链的节点共识性,利用共识算法对信息价值数据结构化模型训练模块判断结果进行验证及修正,得出信息价值数据结构化判断模块的最终结果。
信息价值数据结构化模型训练模块通过对信息数据进行统计分析,提取出的信息数据库的信息数据在数据内容、传输和交易途径、数据时间三个维度上的相关部分,该相关部分称为信息价值标记结果。采用数据统计分类和特征分析的方法对上述的信息价值标记结果进行对比分析,将在上述三个维度上和信息数据库内其他数据的信息价值标记结果具有差异性的信息价值标记结果对应的数据称为信息价值结构化数据。差异性指的是不同的信息价值标记之间在数据内容上的不同部分超过一定阈值、传输和交易途径不同且数据时间差距达到一定阈值。信息价值结构化数据在三个维度的信息价值标记结果称为信息价值结构化数据的信息价值实体,与信息数据库内其他数据具有在三个维度上的价值差异性的信息价值标记结果称为信息价值实体在三个维度上的信息价值。将在上述三个维度上能够进行信息价值标记但不能满足信息价值数据结构化判断条件的数据称为信息价值半结构化数据。将在上述三个维度上不能进行信息价值标记的信息数据库的数据称为信息价值非结构化数据。
区块链信息价值数据结构化共识算法模块利用区块链节点实现共识算法,对信息价值数据结构化模型训练模块得到的对信息价值结构化数据、信息价值半结构化数据、信息价值非结构化数据的判断结果进行验证。其中,依据区块链节点认证、工作量及其安全性、稳定性,筛选出部分区块链节点作为实现用于信息价值结构化验证的区块链共识算法的区块链节点。如果经过验证,信息价值数据结构化模型训练模块的判断结果为正确,则将信息价值数据结构化模型训练模块的判断结果作为信息价值数据结构化判断模块最终结果;如果经过验证,信息价值数据结构化模型训练模块的判断结果为不正确,则由区块链信息价值数据结构化共识算法模块利用区块链节点,对未通过验证的信息价值数据结构化模型训练模块的部分判断结果进行共识,得到对该部分判断结果的修正方案并据此对该部分判断结果进行修正,将修正后的信息价值数据结构化模型训练模块的判断结果作为信息价值数据结构化判断模块最终结果。
信息价值数据结构化分类模块是按照信息价值数据结构化判断模块的判断结果,将信息数据库的数据分为信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据。其中,信息价值结构化数据不需要经过信息价值抽取过程,直接输入信息价值数据整合模块。信息价值半结构化数据和信息价值非结构化数据则需要经过信息价值抽取模块后,再输入到信息价值数据整合模块。
信息价值抽取模块利用信息价值抽取方法对信息价值半结构化数据和信息价值非结构化数据进行信息价值抽取,得到信息价值半结构化数据和信息价值非结构化数据在三个维度上的信息价值实体及其信息价值。信息价值抽取模块包括信息价值抽取模型训练模块和区块链信息价值抽取共识算法模块。信息价值抽取模型训练模块通过对信息价值半结构化数据和信息价值非结构化数据进行数据挖掘,从信息价值半结构化数据和信息价值非结构化数据中抽取出在三个维度上的信息价值实体及其信息价值。区块链信息价值抽取共识算法模块通过区块链的节点共识性,利用共识算法对信息价值抽取模型训练模块判断结果进行验证及修正,得出信息价值抽取模块的最终结果。
信息价值抽取模型训练模块通过对信息价值半结构化数据进行数据统计分析,提取出信息价值半结构数据在数据内容、传输和交易途径、数据时间三个维度上的相关部分,该相关部分称为信息价值半结构数据的信息价值标记结果;信息价值抽取模型训练模块通过对信息价值非结构数据进行模型训练和模式识别,提取出信息价值非结构数据在内容、传输和交易途径、时间三个维度上的相关部分,该相关部分称为信息价值非结构数据的信息价值标记结果;将信息价值半结构化数据和信息价值非结构化数据在该三个维度上的信息价值标记结果称为该三个维度上的信息价值实体。将信息价值半结构数据和信息价值非结构化数据的三个维度上的信息价值实体进行数据模型挖掘,根据挖掘结果,得出信息价值实体在三个维度上的信息价值。所述的数据模型挖掘,具体为:采用分类和特征分析的数据挖掘算法,对上述三个维度信息上的信息价值实体进行差异性对比分析,提取出在三个维度上和信息数据库内其他数据的信息价值标记结果具有差异性的信息价值标记结果,作为信息价值实体在三个维度上的信息价值。差异性指的是信息价值实体与其他数据在三个维度上的信息价值标记结果在数据内容上的不同部分超过一定阈值、数据传输和交易途径不同且数据时间差距达到一定阈值。
区块链信息价值抽取共识算法模块利用区块链节点实现共识算法,对信息价值抽取模型训练模块得出的信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值实体和信息价值结果进行验证,根据区块链节点认证、工作量及其安全性和稳定性,筛选出部分区块链节点作为实现用于信息价值抽取的区块链共识算法的区块链节点。如果经过验证,信息价值抽取模型训练模块得出的结果为正确,则将信息价值抽取模型训练模块得出的结果作为信息价值抽取模块的最终结果;如果经过验证,信息价值抽取模型训练模块得出的结果为不正确,则由区块链节点利用用于信息价值抽取的区块链共识算法,对未通过验证的信息价值抽取模型训练模块得出的部分结果进行共识,提出对该部分结果的修正方案并据此对信息价值抽取模型训练模块得出的结果进行修正,将修正后的信息价值抽取模型训练模块的结果作为信息价值抽取模块的最终结果。
信息价值关系推理模块包括信息价值推理模型训练模块和区块链信息价值推理共识算法模块。信息价值推理模型训练模块采用数据挖掘方法对信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值关系进行挖掘,得出信息价值关系集合。区块链信息价值推理共识算法模块通过区块链的节点共识性,利用用于信息价值推理的区块链共识算法对信息价值推理模型训练模块结果进行验证及修正,得出信息价值关系推理模块的最终结果。
信息价值推理模型训练模块采用数据挖掘方法挖掘信息价值的共性、差异、从属、等价、包含等逻辑关系,对信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值进行逻辑关系挖掘,得出信息价值在上述三个维度上的逻辑关系结果,将这些结果集合整合为信息价值关系集合,其具体步骤为:首先,整合信息价值数据结构化分类模块结果和信息价值抽取模块结果确定的信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值,并将这些数据按照信息价值所属的三个维度分别建立信息价值结构化、半结构化和信息价值非结构化数据的信息价值的三个维度集合。之后,采用分类或聚类等数据挖掘方法分别对信息价值的三个维度集合中的信息价值数据进行挖掘,得出信息价值数据在三个维度上的信息价值共性、等价及包含关系集合。采用分类或特征分析等数据挖掘方法分别对信息价值三个维度集合中的信息价值数据进行挖掘,得出信息价值数据在三个维度上的信息价值差异关系集合。采用回归分析、关联规则、变化和偏差分析等大数据挖掘算法分别对信息价值三个维度集合中的信息价值数据进行挖掘,得出信息价值数据在三个维度上的信息价值从属关系集合。信息价值数据在三个维度上的其他逻辑关系集合,采用分类、回归分析、聚类、关联规则、特征、变化和偏差分析等大数据挖掘算法得出。最后,将得到的信息价值共性、等价及包含关系集合、信息价值差异关系集合、信息价值从属关系集合和信息价值其他逻辑关系集合整合为信息价值关系集合。
区块链信息价值推理共识算法模块利用区块链节点实现用于信息价值推理的区块链共识算法,对信息价值推理模型训练模块得出的信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值在三个维度上的逻辑关系结果进行验证。根据区块链节点认证、工作量及其安全性和稳定性,筛选出部分区块链节点作为实现用于信息价值推理的区块链共识算法的区块链节点。如果经过验证,信息价值推理模型训练模块得出的结果为正确,则将信息价值推理模型训练模块得出的结果作为信息价值推理模型训练模块的最终结果;如果经过验证,信息价值推理模型训练模块得出的结果为不正确,则由实现用于信息价值推理的区块链共识算法的区块链节点,对未通过验证的信息价值推理模型训练模块的部分结果进行共识,提出对该部分结果的修正方案并据此对信息价值推理模型训练模块的结果进行修正,将修正后的信息价值推理模型训练模块的结果作为信息价值推理模型的最终结果。
信息价值数据整合模块用于对信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值实体和信息价值关系进行整合,以信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值实体为基准,链接并标记出该信息价值实体相关的信息价值关系。首先,整合信息价值数据结构化分类模块结果和信息价值抽取模块结果确定的信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值实体为信息价值实体集合。其次,以信息价值实体集合为基准,利用信息价值关系推理模块得到的信息价值关系与相关的信息价值实体的链接,得到包含信息价值实体和其相关信息价值关系的集合。
基于区块链的信息价值图谱的构建,以信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值实体为区块链节点,根据信息价值实体和信息价值关系的对应关系,建立信息价值图谱,并将其分别从数据内容、传输和交易途径、数据时间三个维度角度建立信息价值图谱的区块链接,最终构建基于区块链的信息价值图谱。
新信息数据反馈判断与触发模块用于判断新信息数据加入信息数据库后,是否会使基于区块链的信息价值图谱发生改变,其判断过程:将新信息数据与基于区块链的信息价值图谱均输入新信息数据反馈判断与触发模块,当新信息数据反馈判断与触发模块判断当新信息数据加入信息数据库后会使基于区块链的信息价值图谱发生变化时,新信息数据反馈判断与触发模块发出反馈触发信号,并将新信息数据加入信息数据库,之后重新采用上述构建方法开始对信息数据库进行基于区块链的信息价值图谱的构建,对基于区块链的信息价值图谱进行更新;当新信息数据反馈判断与触发模块判断当新信息数据加入信息数据库后不会使基于区块链的信息价值图谱发生变化时,新信息数据反馈判断与触发模块不发出反馈触发信号时,新信息数据不被允许加入信息数据库,基于区块链的信息价值图谱保持不变。
新信息数据反馈判断与触发模块在进行判断时,首先依据区块链节点认证、工作量及其安全性和稳定性,筛选出部分区块链节点作为参与区块链新信息数据反馈判断与触发共识的区块链节点。之后,由该区块链节点实现共识算法,对比基于区块链的信息价值图谱和新信息数据,判断新信息数据加入信息数据库是否会使基于区块链的信息价值图谱产生改变。
本发明的有益效果在于:
(一)、本发明提出一种基于区块链的信息价值图谱构建方法,和基于互联网的知识图谱、技术图谱具有本质区别。知识图谱、技术图谱本质上是信息与信息关系图谱。而信息价值图谱本质上是价值图谱,能够直观反映出信息价值及信息价值关系,对数字经济的数据价值化和数据要素优化配置目标的实现起到关键作用。
(二)、本发明提出一种基于区块链的信息价值图谱构建方法,充分发挥的区块链具有的去中心化共识性,实现了对信息价值认识的共识,为数字经济数据价值化打下从技术上实现统一认识的基础。
附图说明
图1为本发明方法的实现流程图。
具体实施方式
为了更好的了解本发明内容,这里给出一个实施例。图1为本发明方法的实现流程图。
本发明公开了一种基于区块链的信息价值图谱构建方法,所述的基于区块链的信息价值图谱指的是利用区块链技术表述信息价值实体和信息价值关系的图谱,该图谱以区块链节点代表信息价值实体,以区块链链接代表信息价值关系。其中,信息价值指的是信息在数据内容、传输和交易途径、数据时间三个维度上的价值体现。数据时间包括数据的产生时间、交易时间、传输时间、销毁时间等。信息价值关系指的是信息价值在数据内容、传输和交易途径、数据时间三个维度上的价值关系,信息价值关系包括共性、差异、从属、等价、包含等的逻辑关系。
基于区块链的信息价值图谱的构建方法,其具体包括,将包含所有需要提取信息价值和与其他信息价值关系的信息数据的数据库称为信息数据库,将信息数据库的数据输入至信息价值数据结构化判断模块得出信息价值数据结构化判断结果,再将该判断结果输入信息价值数据结构化分类模块得到信息价值数据结构化分类结果。根据信息价值数据结构化判断结果和信息价值数据结构化分类结果,完全符合信息价值结构化数据的判断条件的数据称为信息价值结构化数据,信息价值结构化数据将被直接输入至信息价值数据整合模块;不完全符合信息价值结构化数据的判断条件的数据为信息价值半结构化数据和信息价值非结构化数据,将信息价值半结构化数据和信息价值非结构化数据输入信息价值抽取模块后,得到信息价值半结构化数据和信息价值非结构化数据在上述三个维度上的信息价值实体及其信息价值。将经过信息价值抽取模块得到的信息价值实体及其信息价值和信息价值结构化数据一起输入至信息价值关系推理模块,信息价值关系推理模块通过对信息数据间价值关系的推理,得到信息价值关系集合。将信息价值关系集合和信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据输入至信息价值数据整合模块,并采用区块链方法构建基于区块链的信息价值图谱。当有新信息数据要加入信息数据库时,通过新信息数据反馈判断与触发模块判断新信息数据加入信息数据库后,基于区块链的信息价值图谱是否发生改变,如果该图谱发生改变,则新信息数据将加入信息数据库,并上述的基于区块链的信息价值图谱的构建方法对基于区块链的信息价值图谱进行更新;否则,新信息数据将不被允许加入信息数据库,基于区块链的信息价值图谱不进行更新。
信息价值数据结构化判断模块用于判断数据的信息价值结构化类型,包括信息价值数据结构化模型训练模块和区块链信息价值数据结构化共识模块。信息价值数据结构化模型训练模块是通过对信息数据库进行数据分类和特征分析,描述并判断信息数据库的信息数据的结构化类型。信息价值结构化数据的判断条件是指对该信息数据仅利用数据统计方法即能判断其与信息数据库内的其他信息数据具有在三个维度上的价值差异性,符合这一条件的信息数据称为信息价值结构化数据。信息价值数据的结构化类型包括信息价值数据的结构化、半结构化和非结构化。区块链信息价值数据结构化共识算法模块通过区块链的节点共识性,利用共识算法对信息价值数据结构化模型训练模块判断结果进行验证及修正,得出信息价值数据结构化判断模块的最终结果,保障了信息价值数据结构化判断的共识性和科学性。
信息价值数据结构化模型训练模块通过对信息数据进行统计分析,提取出的信息数据库的信息数据在数据内容、传输和交易途径、数据时间三个维度上的相关部分,该相关部分称为信息价值标记结果。采用数据统计分类和特征分析的方法对上述的信息价值标记结果进行对比分析,将在上述三个维度上和信息数据库内其他数据的信息价值标记结果具有差异性的信息价值标记结果对应的数据称为信息价值结构化数据。差异性指的是不同的信息价值标记之间在数据内容上的不同部分超过一定阈值、传输和交易途径不同且数据时间差距达到一定阈值。信息价值结构化数据在三个维度的信息价值标记结果称为信息价值结构化数据的信息价值实体,与信息数据库内其他数据具有在三个维度上的价值差异性的信息价值标记结果称为信息价值实体在三个维度上的信息价值。将在上述三个维度上能够进行信息价值标记但不能满足信息价值数据结构化判断条件的数据称为信息价值半结构化数据。将在上述三个维度上不能进行信息价值标记的信息数据库的数据称为信息价值非结构化数据。
区块链信息价值数据结构化共识算法模块利用区块链节点实现共识算法,对信息价值数据结构化模型训练模块得到的对信息价值结构化数据、信息价值半结构化数据、信息价值非结构化数据的判断结果进行验证。其中,依据区块链节点认证、工作量及其安全性、稳定性,筛选出部分区块链节点作为实现用于信息价值结构化验证的区块链共识算法的区块链节点。如果经过验证,信息价值数据结构化模型训练模块的判断结果为正确,则将信息价值数据结构化模型训练模块的判断结果作为信息价值数据结构化判断模块最终结果;如果经过验证,信息价值数据结构化模型训练模块的判断结果为不正确,则由区块链信息价值数据结构化共识算法模块利用区块链节点,对未通过验证的信息价值数据结构化模型训练模块的部分判断结果进行共识,得到对该部分判断结果的修正方案并据此对该部分判断结果进行修正,将修正后的信息价值数据结构化模型训练模块的判断结果作为信息价值数据结构化判断模块最终结果。
信息价值数据结构化分类模块是按照信息价值数据结构化判断模块的判断结果,将信息数据库的数据分为信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据。其中,信息价值结构化数据不需要经过信息价值抽取过程,直接输入信息价值数据整合模块。信息价值半结构化数据和信息价值非结构化数据则需要经过信息价值抽取模块后,再输入到信息价值数据整合模块。
信息价值抽取模块利用信息价值抽取方法对信息价值半结构化数据和信息价值非结构化数据进行信息价值抽取,得到信息价值半结构化数据和信息价值非结构化数据在三个维度上的信息价值实体及其信息价值。信息价值抽取模块包括信息价值抽取模型训练模块和区块链信息价值抽取共识算法模块。信息价值抽取模型训练模块通过对信息价值半结构化数据和信息价值非结构化数据进行数据挖掘,从信息价值半结构化数据和信息价值非结构化数据中抽取出在三个维度上的信息价值实体及其信息价值。区块链信息价值抽取共识算法模块通过区块链的节点共识性,利用共识算法对信息价值抽取模型训练模块判断结果进行验证及修正,得出信息价值抽取模块的最终结果,保障了信息价值抽取的共识性和科学性。
信息价值抽取模型训练模块通过对信息价值半结构化数据进行数据统计分析,提取出信息价值半结构数据在数据内容、传输和交易途径、数据时间三个维度上的相关部分,该相关部分称为信息价值半结构数据的信息价值标记结果;信息价值抽取模型训练模块通过对信息价值非结构数据进行模型训练和模式识别,提取出信息价值非结构数据在内容、传输和交易途径、时间三个维度上的相关部分,该相关部分称为信息价值非结构数据的信息价值标记结果;将信息价值半结构化数据和信息价值非结构化数据在该三个维度上的信息价值标记结果称为该三个维度上的信息价值实体。将信息价值半结构数据和信息价值非结构化数据的三个维度上的信息价值实体进行数据模型挖掘,根据挖掘结果,得出信息价值实体在三个维度上的信息价值。所述的数据模型挖掘,具体为:采用分类和特征分析的数据挖掘算法,对上述三个维度信息上的信息价值实体进行差异性对比分析,提取出在三个维度上和信息数据库内其他数据的信息价值标记结果具有差异性的信息价值标记结果,作为信息价值实体在三个维度上的信息价值。差异性指的是信息价值实体与其他数据在三个维度上的信息价值标记结果在数据内容上的不同部分超过一定阈值、数据传输和交易途径不同且数据时间差距达到一定阈值。
区块链信息价值抽取共识算法模块利用区块链节点实现共识算法,对信息价值抽取模型训练模块得出的信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值实体和信息价值结果进行验证,根据区块链节点认证、工作量及其安全性和稳定性,筛选出部分区块链节点作为实现用于信息价值抽取的区块链共识算法的区块链节点。如果经过验证,信息价值抽取模型训练模块得出的结果为正确,则将信息价值抽取模型训练模块得出的结果作为信息价值抽取模块的最终结果;如果经过验证,信息价值抽取模型训练模块得出的结果为不正确,则由区块链节点利用用于信息价值抽取的区块链共识算法,对未通过验证的信息价值抽取模型训练模块得出的部分结果进行共识,提出对该部分结果的修正方案并据此对信息价值抽取模型训练模块得出的结果进行修正,将修正后的信息价值抽取模型训练模块的结果作为信息价值抽取模块的最终结果。
信息价值关系推理模块包括信息价值推理模型训练模块和区块链信息价值推理共识算法模块。信息价值推理模型训练模块采用数据挖掘方法对信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值关系进行挖掘,得出信息价值关系集合。区块链信息价值推理共识算法模块通过区块链的节点共识性,利用用于信息价值推理的区块链共识算法对信息价值推理模型训练模块结果进行验证及修正,得出信息价值关系推理模块的最终结果,保障了信息价值关系推理的共识性和科学性。
信息价值推理模型训练模块采用数据挖掘方法挖掘信息价值的共性、差异、从属、等价、包含等逻辑关系,对信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值进行逻辑关系挖掘,得出信息价值在上述三个维度上的逻辑关系结果,将这些结果集合整合为信息价值关系集合,其具体步骤为:首先,整合信息价值数据结构化分类模块结果和信息价值抽取模块结果确定的信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值,并将这些数据按照信息价值所属的三个维度分别建立信息价值结构化、半结构化和信息价值非结构化数据的信息价值的三个维度集合。之后,采用分类、聚类等数据挖掘方法分别对信息价值的三个维度集合中的信息价值数据进行挖掘,得出信息价值数据在三个维度上的信息价值共性、等价及包含关系集合。采用分类、特征分析等数据挖掘方法分别对信息价值三个维度集合中的信息价值数据进行挖掘,得出信息价值数据在三个维度上的信息价值差异关系集合。采用回归分析、关联规则、变化和偏差分析等大数据挖掘算法分别对信息价值三个维度集合中的信息价值数据进行挖掘,得出信息价值数据在三个维度上的信息价值从属关系集合。信息价值数据在三个维度上的其他逻辑关系集合,采用分类、回归分析、聚类、关联规则、特征、变化和偏差分析等大数据挖掘算法得出。最后,将得到的信息价值共性、等价及包含关系集合、信息价值差异关系集合、信息价值从属关系集合和信息价值其他逻辑关系集合整合为信息价值关系集合。
区块链信息价值推理共识算法模块利用区块链节点实现用于信息价值推理的区块链共识算法,对信息价值推理模型训练模块得出的信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值在三个维度上的逻辑关系结果进行验证。根据区块链节点认证、工作量及其安全性和稳定性,筛选出部分区块链节点作为实现用于信息价值推理的区块链共识算法的区块链节点。如果经过验证,信息价值推理模型训练模块得出的结果为正确,则将信息价值推理模型训练模块得出的结果作为信息价值推理模型训练模块的最终结果;如果经过验证,信息价值推理模型训练模块得出的结果为不正确,则由实现用于信息价值推理的区块链共识算法的区块链节点,对未通过验证的信息价值推理模型训练模块的部分结果进行共识,提出对该部分结果的修正方案并据此对信息价值推理模型训练模块的结果进行修正,将修正后的信息价值推理模型训练模块的结果作为信息价值推理模型的最终结果。
信息价值数据整合模块用于对信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值实体和信息价值关系进行整合,以信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值实体为基准,链接并标记出该信息价值实体相关的信息价值关系。首先,整合信息价值数据结构化分类模块结果和信息价值抽取模块结果确定的信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值实体为信息价值实体集合。其次,以信息价值实体集合为基准,利用信息价值关系推理模块得到的信息价值关系与相关的信息价值实体的链接,得到包含信息价值实体和其相关信息价值关系的集合。
基于区块链的信息价值图谱的构建,以信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值实体为区块链节点,根据信息价值实体和信息价值关系的对应关系,建立信息价值图谱,并将其分别从数据内容、传输和交易途径、数据时间三个维度角度建立信息价值图谱的区块链接,最终构建基于区块链的信息价值图谱。
新信息数据反馈判断与触发模块用于判断新信息数据加入信息数据库后,是否会使基于区块链的信息价值图谱发生改变,其判断过程:将新信息数据与基于区块链的信息价值图谱均输入新信息数据反馈判断与触发模块,当新信息数据反馈判断与触发模块判断当新信息数据加入信息数据库后会使基于区块链的信息价值图谱发生变化时,新信息数据反馈判断与触发模块发出反馈触发信号,并将新信息数据加入信息数据库,之后重新采用上述构建方法开始对信息数据库进行基于区块链的信息价值图谱的构建,对基于区块链的信息价值图谱进行更新;当新信息数据反馈判断与触发模块判断当新信息数据加入信息数据库后不会使基于区块链的信息价值图谱发生变化时,新信息数据反馈判断与触发模块不发出反馈触发信号时,新信息数据不被允许加入信息数据库,基于区块链的信息价值图谱保持不变。
新信息数据反馈判断与触发模块在进行判断时,首先依据区块链节点认证、工作量及其安全性和稳定性,筛选出部分区块链节点作为参与区块链新信息数据反馈判断与触发共识的区块链节点。之后,由该区块链节点实现共识算法,对比基于区块链的信息价值图谱和新信息数据,判断新信息数据加入信息数据库是否会使基于区块链的信息价值图谱产生改变。
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。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (7)
1.一种基于区块链的信息价值图谱构建方法,其特征在于,所述的基于区块链的信息价值图谱指的是利用区块链技术表述信息价值实体和信息价值关系的图谱,该图谱以区块链节点代表信息价值实体,以区块链链接代表信息价值关系;数据时间包括数据的产生时间、交易时间、传输时间、销毁时间;信息价值关系指的是信息价值在数据内容、传输和交易途径、数据时间三个维度上的价值关系,信息价值关系包括共性、差异、从属、等价、包含的逻辑关系;
所述的基于区块链的信息价值图谱的构建方法,其具体包括,将包含所有需要提取信息价值和与其他信息价值关系的信息数据的数据库称为信息数据库,将信息数据库的数据输入至信息价值数据结构化判断模块得出信息价值数据结构化判断结果,再将该判断结果输入信息价值数据结构化分类模块得到信息价值数据结构化分类结果;根据信息价值数据结构化判断结果和信息价值数据结构化分类结果,完全符合信息价值结构化数据的判断条件的数据称为信息价值结构化数据,信息价值结构化数据将被直接输入至信息价值数据整合模块;不完全符合信息价值结构化数据的判断条件的数据为信息价值半结构化数据和信息价值非结构化数据,将信息价值半结构化数据和信息价值非结构化数据输入信息价值抽取模块后,得到信息价值半结构化数据和信息价值非结构化数据在上述三个维度上的信息价值实体及其信息价值;将经过信息价值抽取模块得到的信息价值实体及其信息价值和信息价值结构化数据一起输入至信息价值关系推理模块,信息价值关系推理模块通过对信息数据间价值关系的推理,得到信息价值关系集合;将信息价值关系集合和信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据输入至信息价值数据整合模块,并采用区块链方法构建基于区块链的信息价值图谱;当有新信息数据要加入信息数据库时,通过新信息数据反馈判断与触发模块判断新信息数据加入信息数据库后,基于区块链的信息价值图谱是否发生改变,如果该图谱发生改变,则新信息数据将加入信息数据库,并上述的基于区块链的信息价值图谱的构建方法对基于区块链的信息价值图谱进行更新;否则,新信息数据将不被允许加入信息数据库,基于区块链的信息价值图谱不进行更新;
信息价值数据结构化判断模块用于判断数据的信息价值结构化类型,包括信息价值数据结构化模型训练模块和区块链信息价值数据结构化共识模块;信息价值数据结构化模型训练模块是通过对信息数据库进行数据分类和特征分析,描述并判断信息数据库的信息数据的结构化类型;信息价值结构化数据的判断条件是指对该信息数据仅利用数据统计方法即能判断其与信息数据库内的其他信息数据具有在三个维度上的价值差异性,符合这一条件的信息数据称为信息价值结构化数据;区块链信息价值数据结构化共识算法模块通过区块链的节点共识性,利用共识算法对信息价值数据结构化模型训练模块判断结果进行验证及修正,得出信息价值数据结构化判断模块的最终结果;
信息价值数据结构化模型训练模块通过对信息数据进行统计分析,提取出的信息数据库的信息数据在数据内容、传输和交易途径、数据时间三个维度上的相关部分,该相关部分称为信息价值标记结果;采用数据统计分类和特征分析的方法对上述的信息价值标记结果进行对比分析,将在上述三个维度上和信息数据库内其他数据的信息价值标记结果具有差异性的信息价值标记结果对应的数据称为信息价值结构化数据;差异性指的是不同的信息价值标记之间在数据内容上的不同部分超过一定阈值、传输和交易途径不同且数据时间差距达到一定阈值;信息价值结构化数据在三个维度的信息价值标记结果称为信息价值结构化数据的信息价值实体,与信息数据库内其他数据具有在三个维度上的价值差异性的信息价值标记结果称为信息价值实体在三个维度上的信息价值;将在上述三个维度上能够进行信息价值标记但不能满足信息价值数据结构化判断条件的数据称为信息价值半结构化数据;将在上述三个维度上不能进行信息价值标记的信息数据库的数据称为信息价值非结构化数据;
区块链信息价值数据结构化共识算法模块利用区块链节点实现共识算法,对信息价值数据结构化模型训练模块得到的对信息价值结构化数据、信息价值半结构化数据、信息价值非结构化数据的判断结果进行验证;其中,依据区块链节点认证、工作量及其安全性、稳定性,筛选出部分区块链节点作为实现用于信息价值结构化验证的区块链共识算法的区块链节点;如果经过验证,信息价值数据结构化模型训练模块的判断结果为正确,则将信息价值数据结构化模型训练模块的判断结果作为信息价值数据结构化判断模块最终结果;如果经过验证,信息价值数据结构化模型训练模块的判断结果为不正确,则由区块链信息价值数据结构化共识算法模块利用区块链节点,对未通过验证的信息价值数据结构化模型训练模块的部分判断结果进行共识,得到对该部分判断结果的修正方案并据此对该部分判断结果进行修正,将修正后的信息价值数据结构化模型训练模块的判断结果作为信息价值数据结构化判断模块最终结果。
2.如权利要求1所述的基于区块链的信息价值图谱构建方法,其特征在于,
信息价值数据结构化分类模块是按照信息价值数据结构化判断模块的判断结果,将信息数据库的数据分为信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据;其中,信息价值结构化数据不需要经过信息价值抽取过程,直接输入信息价值数据整合模块;信息价值半结构化数据和信息价值非结构化数据则需要经过信息价值抽取模块后,再输入到信息价值数据整合模块。
3.如权利要求1所述的基于区块链的信息价值图谱构建方法,其特征在于,
信息价值抽取模块利用信息价值抽取方法对信息价值半结构化数据和信息价值非结构化数据进行信息价值抽取,得到信息价值半结构化数据和信息价值非结构化数据在三个维度上的信息价值实体及其信息价值;信息价值抽取模块包括信息价值抽取模型训练模块和区块链信息价值抽取共识算法模块;信息价值抽取模型训练模块通过对信息价值半结构化数据和信息价值非结构化数据进行数据挖掘,从信息价值半结构化数据和信息价值非结构化数据中抽取出在三个维度上的信息价值实体及其信息价值;区块链信息价值抽取共识算法模块通过区块链的节点共识性,利用共识算法对信息价值抽取模型训练模块判断结果进行验证及修正,得出信息价值抽取模块的最终结果;
信息价值抽取模型训练模块通过对信息价值半结构化数据进行数据统计分析,提取出信息价值半结构数据在数据内容、传输和交易途径、数据时间三个维度上的相关部分,该相关部分称为信息价值半结构数据的信息价值标记结果;信息价值抽取模型训练模块通过对信息价值非结构数据进行模型训练和模式识别,提取出信息价值非结构数据在内容、传输和交易途径、时间三个维度上的相关部分,该相关部分称为信息价值非结构数据的信息价值标记结果;将信息价值半结构化数据和信息价值非结构化数据在该三个维度上的信息价值标记结果称为该三个维度上的信息价值实体;将信息价值半结构数据和信息价值非结构化数据的三个维度上的信息价值实体进行数据模型挖掘,根据挖掘结果,得出信息价值实体在三个维度上的信息价值;所述的数据模型挖掘,具体为:采用分类和特征分析的数据挖掘算法,对上述三个维度信息上的信息价值实体进行差异性对比分析,提取出在三个维度上和信息数据库内其他数据的信息价值标记结果具有差异性的信息价值标记结果,作为信息价值实体在三个维度上的信息价值;差异性指的是信息价值实体与其他数据在三个维度上的信息价值标记结果在数据内容上的不同部分超过一定阈值、数据传输和交易途径不同且数据时间差距达到一定阈值;
区块链信息价值抽取共识算法模块利用区块链节点实现共识算法,对信息价值抽取模型训练模块得出的信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值实体和信息价值结果进行验证,根据区块链节点认证、工作量及其安全性和稳定性,筛选出部分区块链节点作为实现用于信息价值抽取的区块链共识算法的区块链节点;如果经过验证,信息价值抽取模型训练模块得出的结果为正确,则将信息价值抽取模型训练模块得出的结果作为信息价值抽取模块的最终结果;如果经过验证,信息价值抽取模型训练模块得出的结果为不正确,则由区块链节点利用用于信息价值抽取的区块链共识算法,对未通过验证的信息价值抽取模型训练模块得出的部分结果进行共识,提出对该部分结果的修正方案并据此对信息价值抽取模型训练模块得出的结果进行修正,将修正后的信息价值抽取模型训练模块的结果作为信息价值抽取模块的最终结果。
4.如权利要求1所述的基于区块链的信息价值图谱构建方法,其特征在于,
信息价值关系推理模块包括信息价值推理模型训练模块和区块链信息价值推理共识算法模块;信息价值推理模型训练模块采用数据挖掘方法对信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值关系进行挖掘,得出信息价值关系集合;区块链信息价值推理共识算法模块通过区块链的节点共识性,利用用于信息价值推理的区块链共识算法对信息价值推理模型训练模块结果进行验证及修正,得出信息价值关系推理模块的最终结果;
信息价值推理模型训练模块采用数据挖掘方法挖掘信息价值的共性、差异、从属、等价、包含的逻辑关系,对信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值进行逻辑关系挖掘,得出信息价值在上述三个维度上的逻辑关系结果,将这些结果集合整合为信息价值关系集合,其具体步骤为:首先,整合信息价值数据结构化分类模块结果和信息价值抽取模块结果确定的信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值,并将这些数据按照信息价值所属的三个维度分别建立信息价值结构化、半结构化和信息价值非结构化数据的信息价值的三个维度集合;之后,采用分类或聚类的数据挖掘方法分别对信息价值的三个维度集合中的信息价值数据进行挖掘,得出信息价值数据在三个维度上的信息价值共性、等价及包含关系集合;采用分类或特征分析数据挖掘方法分别对信息价值三个维度集合中的信息价值数据进行挖掘,得出信息价值数据在三个维度上的信息价值差异关系集合;采用回归分析、关联规则、变化和偏差分析的大数据挖掘算法分别对信息价值三个维度集合中的信息价值数据进行挖掘,得出信息价值数据在三个维度上的信息价值从属关系集合;信息价值数据在三个维度上的其他逻辑关系集合,采用分类、回归分析、聚类、关联规则、特征、变化和偏差分析的大数据挖掘算法得出;最后,将得到的信息价值共性、等价及包含关系集合、信息价值差异关系集合、信息价值从属关系集合和信息价值其他逻辑关系集合整合为信息价值关系集合;
区块链信息价值推理共识算法模块利用区块链节点实现用于信息价值推理的区块链共识算法,对信息价值推理模型训练模块得出的信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值在三个维度上的逻辑关系结果进行验证;根据区块链节点认证、工作量及其安全性和稳定性,筛选出部分区块链节点作为实现用于信息价值推理的区块链共识算法的区块链节点;如果经过验证,信息价值推理模型训练模块得出的结果为正确,则将信息价值推理模型训练模块得出的结果作为信息价值推理模型训练模块的最终结果;如果经过验证,信息价值推理模型训练模块得出的结果为不正确,则由实现用于信息价值推理的区块链共识算法的区块链节点,对未通过验证的信息价值推理模型训练模块的部分结果进行共识,提出对该部分结果的修正方案并据此对信息价值推理模型训练模块的结果进行修正,将修正后的信息价值推理模型训练模块的结果作为信息价值推理模型的最终结果。
5.如权利要求1所述的基于区块链的信息价值图谱构建方法,其特征在于,
信息价值数据整合模块用于对信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值实体和信息价值关系进行整合,以信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值实体为基准,链接并标记出该信息价值实体相关的信息价值关系;首先,整合信息价值数据结构化分类模块结果和信息价值抽取模块结果确定的信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据在数据内容、传输和交易途径、数据时间三个维度上的信息价值实体为信息价值实体集合;其次,以信息价值实体集合为基准,利用信息价值关系推理模块得到的信息价值关系与相关的信息价值实体的链接,得到包含信息价值实体和其相关信息价值关系的集合。
6.如权利要求1所述的基于区块链的信息价值图谱构建方法,其特征在于,
基于区块链的信息价值图谱的构建,以信息价值结构化数据、信息价值半结构化数据和信息价值非结构化数据的信息价值实体为区块链节点,根据信息价值实体和信息价值关系的对应关系,建立信息价值图谱,并将其分别从数据内容、传输和交易途径、数据时间三个维度角度建立信息价值图谱的区块链接,最终构建基于区块链的信息价值图谱。
7.如权利要求1所述的基于区块链的信息价值图谱构建方法,其特征在于,
新信息数据反馈判断与触发模块用于判断新信息数据加入信息数据库后,是否会使基于区块链的信息价值图谱发生改变,其判断过程:将新信息数据与基于区块链的信息价值图谱均输入新信息数据反馈判断与触发模块,当新信息数据反馈判断与触发模块判断当新信息数据加入信息数据库后会使基于区块链的信息价值图谱发生变化时,新信息数据反馈判断与触发模块发出反馈触发信号,并将新信息数据加入信息数据库,之后重新采用上述构建方法开始对信息数据库进行基于区块链的信息价值图谱的构建,对基于区块链的信息价值图谱进行更新;当新信息数据反馈判断与触发模块判断当新信息数据加入信息数据库后不会使基于区块链的信息价值图谱发生变化时,新信息数据反馈判断与触发模块不发出反馈触发信号时,新信息数据不被允许加入信息数据库,基于区块链的信息价值图谱保持不变;
新信息数据反馈判断与触发模块在进行判断时,首先依据区块链节点认证、工作量及其安全性和稳定性,筛选出部分区块链节点作为参与区块链新信息数据反馈判断与触发共识的区块链节点;之后,由该区块链节点实现共识算法,对比基于区块链的信息价值图谱和新信息数据,判断新信息数据加入信息数据库是否会使基于区块链的信息价值图谱产生改变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249882.1A CN113961760B (zh) | 2021-10-26 | 2021-10-26 | 基于区块链的信息价值图谱构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249882.1A CN113961760B (zh) | 2021-10-26 | 2021-10-26 | 基于区块链的信息价值图谱构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113961760A CN113961760A (zh) | 2022-01-21 |
CN113961760B true CN113961760B (zh) | 2022-04-19 |
Family
ID=79467291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111249882.1A Active CN113961760B (zh) | 2021-10-26 | 2021-10-26 | 基于区块链的信息价值图谱构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113961760B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019004672A2 (ko) * | 2017-06-30 | 2019-01-03 | ㈜올윈웨어 | 아이템의 가치 평가 방법 및 장치 |
CN110598073A (zh) * | 2018-05-25 | 2019-12-20 | 微软技术许可有限责任公司 | 基于拓扑关系图的实体网页链接的获取技术 |
CN110717816A (zh) * | 2019-07-15 | 2020-01-21 | 上海氪信信息技术有限公司 | 一种基于人工智能技术的全域金融风险知识图谱构建方法 |
CN111694968A (zh) * | 2020-06-15 | 2020-09-22 | 北京工商大学 | 基于半结构化数据的生鲜食品供应链知识图谱构建方法 |
CN112069249A (zh) * | 2020-10-14 | 2020-12-11 | 中国平安人寿保险股份有限公司 | 知识图谱关系挖掘方法、装置、计算机设备及存储介质 |
-
2021
- 2021-10-26 CN CN202111249882.1A patent/CN113961760B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019004672A2 (ko) * | 2017-06-30 | 2019-01-03 | ㈜올윈웨어 | 아이템의 가치 평가 방법 및 장치 |
CN110598073A (zh) * | 2018-05-25 | 2019-12-20 | 微软技术许可有限责任公司 | 基于拓扑关系图的实体网页链接的获取技术 |
CN110717816A (zh) * | 2019-07-15 | 2020-01-21 | 上海氪信信息技术有限公司 | 一种基于人工智能技术的全域金融风险知识图谱构建方法 |
CN111694968A (zh) * | 2020-06-15 | 2020-09-22 | 北京工商大学 | 基于半结构化数据的生鲜食品供应链知识图谱构建方法 |
CN112069249A (zh) * | 2020-10-14 | 2020-12-11 | 中国平安人寿保险股份有限公司 | 知识图谱关系挖掘方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
面向科研档案管理的知识图谱构建与应用研究;雷洁等;《数字图书馆论坛》;20200525(第05期);第1-3页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113961760A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889556B (zh) | 一种企业经营风险特征数据信息提取方法和提取系统 | |
CN111787090B (zh) | 一种基于区块链技术的智慧法治平台 | |
Li et al. | Making use of the most expressive jumping emerging patterns for classification | |
CN101568928B (zh) | 用于管理数字文档的计算机工具 | |
CN111340493B (zh) | 一种多维度分布式异常交易行为检测方法 | |
AU2020102543A4 (en) | Iot based trust modeling approach for cooperative autonomous driving and intelligent transport systems (its) | |
CN105681339A (zh) | 一种融合粗糙集与ds证据理论的增量式入侵检测方法 | |
CN104820750A (zh) | 一种基于判别分析的结构可靠度动态响应面方法 | |
CN112561624B (zh) | 一种基于区块链的多维度因子的动态信用评价方法及系统 | |
CN114022904B (zh) | 一种基于两阶段的噪声鲁棒行人重识别方法 | |
CN107133176A (zh) | 一种基于半监督聚类数据筛选的跨项目缺陷预测方法 | |
Ishikawa | Concepts in quality assessment for machine learning-from test data to arguments | |
Lu et al. | An efficient class association rule‐pruning method for unified intrusion detection system using genetic algorithm | |
CN113961760B (zh) | 基于区块链的信息价值图谱构建方法 | |
CN111651613A (zh) | 一种基于知识图谱嵌入的动态推荐方法及系统 | |
CN113886484B (zh) | 基于区块链的科技成果评估报告自动生成及更新方法 | |
KR102429139B1 (ko) | 공공데이터 및 오픈 api를 활용한 상권분석시스템 | |
Azimi et al. | A Layered Quality Framework for Machine Learning-driven Data and Information Models. | |
CN110688368B (zh) | 一种构件行为模型挖掘方法与装置 | |
CN115412336B (zh) | 联盟链账本篡改攻击检测方法、装置及电子设备 | |
CN109635008A (zh) | 一种基于机器学习的设备故障检测方法 | |
CN110955892A (zh) | 一种基于机器学习和电路行为级特征的硬件木马检测方法 | |
CN116541755A (zh) | 一种基于时序图表征学习的金融行为模式分析预测方法 | |
CN110457687A (zh) | 一种基于复合神经网络建模的数据挖掘与标注方法 | |
Haubeck et al. | Interaction of model-driven engineering and signal-based online monitoring of production systems: Towards Requirement-aware evolution |
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 |