CN114328981A - 基于模式映射的知识图谱建立和数据获取方法、装置 - Google Patents
基于模式映射的知识图谱建立和数据获取方法、装置 Download PDFInfo
- Publication number
- CN114328981A CN114328981A CN202210244793.6A CN202210244793A CN114328981A CN 114328981 A CN114328981 A CN 114328981A CN 202210244793 A CN202210244793 A CN 202210244793A CN 114328981 A CN114328981 A CN 114328981A
- Authority
- CN
- China
- Prior art keywords
- data
- concept
- knowledge graph
- database
- semantic similarity
- 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.)
- Granted
Links
Images
Landscapes
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于模式映射的知识图谱建立和数据获取方法、装置，所述方法包括：连接数据库，提取数据库中的数据和数据关系，输出概念属性数据关系模式；基于语义相似度，将数据库的数据与知识图谱中的概念属性进行匹配，判断数据库的关系模式与知识图谱的关系模式是否存在冲突；若不存在冲突，基于语义相似度，将数据库的关系模式映射至知识图谱的关系模式之中；将概念数据作为topic注册至Kafka消息中间件，令知识图谱进行订阅，数据经过消息中间件存储至知识图谱之中。采用上述技术方案，避免数据库的关系模式和知识图谱的关系模式之间的冲突，保障数据平稳存储至知识图谱中。
Description
技术领域
本发明涉及知识图谱数据处理技术领域，尤其涉及一种基于模式映射的知识图谱建立和数据获取方法、装置。
背景技术
数据信息服务和系统需要以数据库为技术和服务基础，在数据库中需要存储并管理海量数据信息。
由于信息化系统建设分散、数据来源广、规模大、格式杂，难以自动、高效抽取、存储于知识图谱中，并且因为不同的数据库的关系模式设置存在区别，因此在将数据从数据库引入知识图谱的过程中，容易发生与知识图谱现存关系模式的冲突。另外，由于数据量十分庞大，知识图谱获取并存储数据的效率也较低，且容易发生服务负载过荷。
发明内容
发明目的：本发明提供一种基于模式映射的知识图谱建立和数据获取方法、装置，旨在通过语义相似度，将数据库的数据与知识图谱的数据进行匹配，判断是否存在关系模式的冲突；通过Kafka消息中间件的设置，保障数据平稳存储至知识图谱中。
技术方案：本发明提供一种基于模式映射的知识图谱建立和数据获取方法，包括：连接数据库，提取数据库中的数据和数据关系，输出概念属性数据关系模式；其中，属性数据隶属于概念数据，数据关系包括概念属性数据之间的关系；基于语义相似度，将数据库的数据与知识图谱中的概念属性进行匹配，判断数据库的关系模式与知识图谱的关系模式是否存在冲突；若不存在冲突，基于语义相似度，将数据库的关系模式映射至知识图谱的关系模式之中；将概念数据作为topic注册至Kafka消息中间件，令知识图谱进行订阅，数据经过消息中间件存储至知识图谱之中。
具体的，所述数据库包括mysql、oracle、mongodb和gbase。
具体的，将数据库的概念数据基于语义匹配映射至知识图谱概念数据，将数据库的属性数据基于语义匹配映射至知识图谱属性数据。
具体的，判断数据库的概念属性关系与知识图谱的概念属性关系是否一致。
具体的，所述基于语义相似度，将数据库的数据与知识图谱中的概念属性进行匹配，判断数据库的关系模式与知识图谱的关系模式是否存在冲突，包括：计算数据库概念数据与知识图谱概念数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，计算数据库属性数据与知识图谱属性数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，根据选取的知识图谱概念属性数据之间是否存在关系确定是否关系一致；纳入计算的数据库概念数据和属性数据之间存在关系。
具体的，根据所述选取的知识图谱概念属性数据之间的关系，将数据库的概念属性数据进行相应的映射；存在多个知识图谱概念数据，或者所述选取的知识图谱概念属性数据之间存在多个关系时，根据其中语义相似度最高的进行映射。
具体的，语义相似度的计算包括：
若字符数相同，则采用基于路径距离、本体特征和特征参数值的混合式语义相似度计算数据之间的语义相似度，公式如下：
Sim(SE1,SE2)=1/(α+β+μ)×(αSimP(SE1,SE2)+βSimψ(SE1,SE2)+μSimν(SE1,SE2 ))，
其中，Sim(SE1,SE2)表示数据SE1和SE2之间的语义相似度，SimP(SE1,SE2)表示路径距离部分的语义相似度，Simψ(SE1,SE2)表示本体特征部分的语义相似度，Simν(SE1,SE2 )表示特征参数值部分的语义相似度，α、β和μ分别表示路径距离、本体特征和特征参数值的权重；
若字符数不相同，则采用基于编辑距离计算语义相似度，公式如下：
sim(SE1,SE2)=2i/(m+n)，
其中，数据SE1的长度为n，SE2的长度为m，n＞m，i表示SE1和SE2在前m个字符中相同的字符数量。
本发明还提供一种基于模式映射的知识图谱建立和数据获取装置，包括：数据连接单元、冲突检测单元、模式映射单元和数据获取单元，其中：所述数据连接单元，用于连接数据库，提取数据库中的数据和数据关系，输出概念属性数据关系模式；其中，属性数据隶属于概念数据，数据关系包括概念属性数据之间的关系；所述冲突检测单元，用于基于语义相似度，将数据库的数据与知识图谱中的概念属性进行匹配，判断数据库的关系模式与知识图谱的关系模式是否存在冲突；所述模式映射单元，用于若不存在冲突，基于语义相似度，将数据库的关系模式映射至知识图谱的关系模式之中；所述数据获取单元，用于将概念数据作为topic注册至Kafka消息中间件，令知识图谱进行订阅，数据经过消息中间件存储至知识图谱之中。
具体的，所述冲突检测单元，用于计算数据库概念数据与知识图谱概念数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，计算数据库属性数据与知识图谱属性数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，根据选取的知识图谱概念属性数据之间是否存在关系确定是否关系一致；纳入计算的数据库概念数据和属性数据之间存在关系。
具体的，所述模式映射单元，用于根据所述选取的知识图谱概念属性数据之间的关系，将数据库的概念属性数据进行相应的映射；存在多个知识图谱概念数据，或者所述选取的知识图谱概念属性数据之间存在多个关系时，根据其中语义相似度最高的进行映射。
有益效果：与现有技术相比，本发明具有如下显著优点：避免数据库的关系模式和知识图谱的关系模式之间的冲突，保障数据平稳存储至知识图谱中。
附图说明
图1为本发明提供的基于模式映射的知识图谱建立和数据获取方法的流程示意图；
图2为本发明提供的数据获取的示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
参阅图1，其为本发明提供的基于模式映射的知识图谱建立和数据获取方法的流程示意图。
步骤1，连接数据库，提取数据库中的数据和数据关系，输出概念属性数据关系模式。
本发明实施例中，属性数据隶属于概念数据，数据关系包括概念属性数据之间的关系。
本发明实施例中，所述数据库包括mysql、oracle、mongodb和gbase。
在具体实施中，数据库中包括了实体数据和数据关系，以mysql为例，选择数据库表m1、m2和mrel，其中m1是实体表，记录了实体数据，m2也是实体表，同样记录了实体数据，mrel是关系表，记录了表m1与表m2实体数据之间的关系。基于实体数据本身和数据关系，可以输出概念属性关系模式和数据关系模式。在概念属性关系模式中，数据可以被划分为概念数据和属性数据，其中属性数据隶属于概念数据，是用于描述概念数据的，例如“人”属于概念数据，而“年龄”属于属性数据，用于描述“人”，那么“人”和“年龄”之间存在关系（概念属性数据关系模式）。
步骤2，基于语义相似度，将数据库的数据与知识图谱中的概念属性进行匹配，判断数据库的关系模式（概念属性数据关系模式）与知识图谱的关系模式（概念属性数据关系模式）是否存在冲突。
本发明实施例中，将数据库的概念数据基于语义匹配映射至知识图谱概念数据，将数据库的属性数据基于语义匹配映射至知识图谱属性数据。
本发明实施例中，判断数据库的概念属性关系与知识图谱的概念属性关系是否一致。
在具体实施中，由于数据库中的概念数据和属性数据与知识图谱的概念数据和属性数据并不完全一致，因此在冲突检测过程中，可以将数据库的数据基于语义相似度匹配至语义接近的知识图谱的数据，由此比对数据库数据的关系模式和知识图谱数据的关系模式，进而判断两者的关系模式是否一致。
本发明实施例中，计算数据库概念数据与知识图谱概念数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，计算数据库属性数据与知识图谱属性数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，根据选取的知识图谱概念属性数据之间是否存在关系确定是否关系一致；纳入计算的数据库概念数据和属性数据之间存在关系。
在具体实施中，如前述，数据库中的概念数据和属性数据与知识图谱的概念数据和属性数据并不完全一致，并且由于中文语言的多样性，知识图谱难以涵盖所有概念属性关系，因此，为了确定数据库的概念属性关系模式与知识图谱的概念熟悉关系模式之间是否存在冲突，可以根据相似度较高的知识图谱概念属性数据之间的关系判断是否存在冲突。
在具体实施中，进行举例说明，数据库的概念数据为X，计算得到在知识图谱中与概念数据X的语义相似度在标准相似度以上的知识图谱概念数据包括Y1、Y2和Y3，与概念数据X存在关系的属性数据为x1、x2和x3，与属性数据x1、x2和x3的语义相似度在标准相似度以上的知识图谱属性数据包括y11、y12、y13、y21、y22、y23、y31、y32和y33，根据知识图谱属性数据y11、y12、y13、y21、y22、y23、y31、y32和y33，与知识图谱概念数据Y1、Y2和Y3之间是否存在概念属性关系模式，判断是否存在冲突，可以是只要存在关系，即认定不存在冲突，也即说明知识图谱中是存在相类似的概念属性关系，为了提高认定标准，也可以是在关系数量与知识图谱属性数据总数之间的比例达到设定的一致标准值（可以根据实际应用情况进行设定）时，认定不存在冲突。
在具体实施中，通过将数据库的数据基于语义相似度匹配至语义接近的知识图谱的数据，由此比对数据库数据的关系模式和知识图谱数据的关系模式，由此可以避免因为中文语言的多样性以及知识图谱难以涵盖所有概念属性关系等原因，将原本可以归入知识图谱的数据排除出去。
步骤3，若不存在冲突，基于语义相似度，将数据库的关系模式（概念属性数据关系模式）映射至知识图谱的关系模式（概念属性数据关系模式）之中。
本发明实施例中，根据所述选取的知识图谱概念属性数据之间的关系，将数据库的概念属性数据进行相应的映射；存在多个知识图谱概念数据，或者所述选取的知识图谱概念属性数据之间存在多个关系时，根据其中语义相似度最高的进行映射。
在具体实施中，选取的知识图谱概念属性数据，是指在冲突检测过程中选取的概念属性数据，也即在前例中的Y1、Y2和Y3，与Y1、Y2和Y3之间存在概念属性关系的知识图谱属性数据，将数据库的概念数据和属性数据映射至与其语义相似度最高的知识图谱的概念数据和属性数据。
在具体实施中，关系映射是指，数据库的数据存入知识图谱之后，数据之间的关系保留映射入知识图谱的关系。
本发明实施例中，语义相似度的计算包括：
若字符数相同，则采用基于路径距离、本体特征和特征参数值的混合式语义相似度计算数据之间的语义相似度，公式如下：
Sim(SE1,SE2)=1/(α+β+μ)×(αSimP(SE1,SE2)+βSimψ(SE1,SE2)+μSimν(SE1,SE2 ))，
其中，Sim(SE1,SE2)表示数据SE1和SE2之间的语义相似度，SimP(SE1,SE2)表示路径距离部分的语义相似度，Simψ(SE1,SE2)表示本体特征部分的语义相似度，Simν(SE1,SE2 )表示特征参数值部分的语义相似度，α、β和μ分别表示路径距离、本体特征和特征参数值的权重；
若字符数不相同，则采用基于编辑距离计算语义相似度，公式如下：
sim(SE1,SE2)=2i/(m+n)，
其中，数据SE1的长度为n，SE2的长度为m，n＞m，i表示SE1和SE2在前m个字符中相同的字符数量。
在具体实施中，记字符串 SE1的长度为n，字符串SE2的长度为 m，k=n–m，SE1和SE2在前m个字符中相同的字符数量i。若使用 m–i 个字符替换操作，能够使得字符串SE1的前m个字符与字符串SE2完全相同，之后对SE2字符串进行编辑，进行 k 次字符插入，最终其与SE1一致。该流程下编辑距离表示为m-i+k = m-i+n-m = n-i,进一步可得m + n - n + i =m + i。从实际操作出发，字符替换可以视作删除、插入两步操作，因此若对上述算法进行加权，将删除、插入操作的代价视作1，将替换的代价视作2，如此得到改进后的字段相似度计算公式为sim(SE1,SE2)=2i/(m+n)。
步骤4，将概念数据作为topic注册至Kafka消息中间件，令知识图谱进行订阅，数据经过消息中间件存储至知识图谱之中。
在具体实施中，Kafka以Topic作为基础逻辑单元来对消息进行存储、消费等操作。为了使得Kafka的吞吐率可以线性提高，Kafka在物理上把Topic分成一个或多个分区（Partition），每个分区通过创建一定数目的副本并分散存储在各个不同的机器上来支持容错。Kafka通过集成分布式协调服务Zookeeper实现元数据存储以及集群管理等功能，从而支持集群的动态水平扩展。
在具体实施中，如图2所示，将概念数据作为topic注册到消息中心Kafka中，同时知识图谱订阅这些topic。在执行数据抽取时，基于概念数据和概念数据与属性数据之间的关系，可以源源不断地从数据库表中把概念数据以及相关的属性数据抽取到消息中间件中，再从消息中心转储到图谱中。实现图谱概念下实体知识生成，完成大规模的实体抽取，显著的提高数据传输效率。
本发明还提供一种基于模式映射的知识图谱建立和数据获取装置，包括：数据连接单元、冲突检测单元、模式映射单元和数据获取单元，其中：所述数据连接单元，用于连接数据库，提取数据库中的数据和数据关系，输出概念属性关系模式和数据关系模式；其中，属性数据隶属于概念数据，数据关系包括概念属性数据之间的关系；所述冲突检测单元，用于基于语义相似度，将数据库的数据与知识图谱中的概念属性进行匹配，判断数据库的关系模式与知识图谱的关系模式是否存在冲突；所述模式映射单元，用于若不存在冲突，基于语义相似度，将数据库的关系模式映射至知识图谱的关系模式之中；所述数据获取单元，用于将关系模式作为topic注册至Kafka消息中间件，令知识图谱进行订阅，数据经过消息中间件存储至知识图谱之中。
本发明实施例中，所述冲突检测单元，用于将数据库的概念数据基于语义匹配映射至知识图谱概念数据，将数据库的属性数据基于语义匹配映射至知识图谱属性数据。
本发明实施例中，所述冲突检测单元，用于判断数据库的概念属性关系与知识图谱的概念属性关系是否一致。
本发明实施例中，所述冲突检测单元，用于计算数据库概念数据与知识图谱概念数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，计算数据库属性数据与知识图谱属性数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，根据选取的知识图谱概念属性数据之间是否存在关系确定是否关系一致；纳入计算的数据库概念数据和属性数据之间存在关系。
本发明实施例中，所述模式映射单元，用于根据所述选取的知识图谱概念属性数据之间的关系，将数据库的概念属性数据进行相应的映射；存在多个知识图谱概念数据，或者所述选取的知识图谱概念属性数据之间存在多个关系时，根据其中语义相似度最高的进行映射。
本发明实施例中，语义相似度的计算包括：
若字符数相同，则采用基于路径距离、本体特征和特征参数值的混合式语义相似度计算数据之间的语义相似度，公式如下：
Sim(SE1,SE2)=1/(α+β+μ)×(αSimP(SE1,SE2)+βSimψ(SE1,SE2)+μSimν(SE1,SE2 ))，
其中，Sim(SE1,SE2)表示数据SE1和SE2之间的语义相似度，SimP(SE1,SE2)表示路径距离部分的语义相似度，Simψ(SE1,SE2)表示本体特征部分的语义相似度，Simν(SE1,SE2 )表示特征参数值部分的语义相似度，α、β和μ分别表示路径距离、本体特征和特征参数值的权重；
若字符数不相同，则采用基于编辑距离计算语义相似度，公式如下：
sim(SE1,SE2)=2i/(m+n)，
其中，数据SE1的长度为n，SE2的长度为m，n＞m，i表示SE1和SE2在前m个字符中相同的字符数量。
Claims (10)
1.一种基于模式映射的知识图谱建立和数据获取方法，其特征在于，包括：
连接数据库，提取数据库中的数据和数据关系，输出概念属性数据关系模式；其中，属性数据隶属于概念数据，数据关系包括概念属性数据之间的关系；
基于语义相似度，将数据库的数据与知识图谱中的概念属性进行匹配，判断数据库的关系模式与知识图谱的关系模式是否存在冲突；
若不存在冲突，基于语义相似度，将数据库的关系模式映射至知识图谱的关系模式之中；
将概念数据作为topic注册至Kafka消息中间件，令知识图谱进行订阅，数据经过消息中间件存储至知识图谱之中。
2.根据权利要求1所述的基于模式映射的知识图谱建立和数据获取方法，其特征在于，所述数据库包括mysql、oracle、mongodb和gbase。
3.根据权利要求1所述的基于模式映射的知识图谱建立和数据获取方法，其特征在于，所述将数据库的数据与知识图谱中的概念属性进行匹配，包括：
将数据库的概念数据基于语义匹配映射至知识图谱概念数据，将数据库的属性数据基于语义匹配映射至知识图谱属性数据。
4.根据权利要求3所述的基于模式映射的知识图谱建立和数据获取方法，其特征在于，所述判断数据库的关系模式与知识图谱的关系模式是否存在冲突，包括：
判断数据库的概念属性关系与知识图谱的概念属性关系是否一致。
5.根据权利要求4所述的基于模式映射的知识图谱建立和数据获取方法，其特征在于，所述基于语义相似度，将数据库的数据与知识图谱中的概念属性进行匹配，判断数据库的关系模式与知识图谱的关系模式是否存在冲突，包括：
计算数据库概念数据与知识图谱概念数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，计算数据库属性数据与知识图谱属性数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，根据选取的知识图谱概念属性数据之间是否存在关系确定是否关系一致；纳入计算的数据库概念数据和属性数据之间存在关系。
6.根据权利要求5所述的基于模式映射的知识图谱建立和数据获取方法，其特征在于，所述若不存在冲突，基于语义相似度，将数据库的关系模式映射至知识图谱的关系模式之中，包括：
根据所述选取的知识图谱概念属性数据之间的关系，将数据库的概念属性数据进行相应的映射；存在多个知识图谱概念数据，或者所述选取的知识图谱概念属性数据之间存在多个关系时，根据其中语义相似度最高的进行映射。
7.根据权利要求6所述的基于模式映射的知识图谱建立和数据获取方法，其特征在于，语义相似度的计算包括：
若字符数相同，则采用基于路径距离、本体特征和特征参数值的混合式语义相似度计算数据之间的语义相似度，公式如下：
Sim(SE1,SE2)=1/(α+β+μ)×(αSimP(SE1,SE2)+βSimψ(SE1,SE2)+μSimν(SE1,SE2 ))，
其中，Sim(SE1,SE2)表示数据SE1和SE2之间的语义相似度，SimP(SE1,SE2)表示路径距离部分的语义相似度，Simψ(SE1,SE2)表示本体特征部分的语义相似度，Simν(SE1,SE2 )表示特征参数值部分的语义相似度，α、β和μ分别表示路径距离、本体特征和特征参数值的权重；
若字符数不相同，则采用基于编辑距离计算语义相似度，公式如下：
sim(SE1,SE2)=2i/(m+n)，
其中，数据SE1的长度为n，SE2的长度为m，n＞m，i表示SE1和SE2在前m个字符中相同的字符数量。
8.一种基于模式映射的知识图谱建立和数据获取装置，其特征在于，包括：数据连接单元、冲突检测单元、模式映射单元和数据获取单元，其中：
所述数据连接单元，用于连接数据库，提取数据库中的数据和数据关系，输出概念属性数据关系模式；其中，属性数据隶属于概念数据，数据关系包括概念属性数据之间的关系；
所述冲突检测单元，用于基于语义相似度，将数据库的数据与知识图谱中的概念属性进行匹配，判断数据库的关系模式与知识图谱的关系模式是否存在冲突；
所述模式映射单元，用于若不存在冲突，基于语义相似度，将数据库的关系模式映射至知识图谱的关系模式之中；
所述数据获取单元，用于将概念数据作为topic注册至Kafka消息中间件，令知识图谱进行订阅，数据经过消息中间件存储至知识图谱之中。
9.根据权利要求8所述的基于模式映射的知识图谱建立和数据获取装置，其特征在于，所述冲突检测单元，用于计算数据库概念数据与知识图谱概念数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，计算数据库属性数据与知识图谱属性数据之间的语义相似度，选取标准相似度以上的知识图谱概念数据，根据选取的知识图谱概念属性数据之间是否存在关系确定是否关系一致；纳入计算的数据库概念数据和属性数据之间存在关系。
10.根据权利要求9所述的基于模式映射的知识图谱建立和数据获取装置，其特征在于，所述模式映射单元，用于根据所述选取的知识图谱概念属性数据之间的关系，将数据库的概念属性数据进行相应的映射；存在多个知识图谱概念数据，或者所述选取的知识图谱概念属性数据之间存在多个关系时，根据其中语义相似度最高的进行映射。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210244793.6A CN114328981B (zh) | 2022-03-14 | 2022-03-14 | 基于模式映射的知识图谱建立和数据获取方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210244793.6A CN114328981B (zh) | 2022-03-14 | 2022-03-14 | 基于模式映射的知识图谱建立和数据获取方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114328981A true CN114328981A (zh) | 2022-04-12 |
| CN114328981B CN114328981B (zh) | 2022-06-24 |
Family
ID=81033459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210244793.6A Active CN114328981B (zh) | 2022-03-14 | 2022-03-14 | 基于模式映射的知识图谱建立和数据获取方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114328981B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115082010A (zh) * | 2022-06-02 | 2022-09-20 | 云南电网有限责任公司信息中心 | 一种电力领域元数据智能管理方法、存储介质及系统 |
| CN115809311A (zh) * | 2022-12-22 | 2023-03-17 | 企查查科技有限公司 | 知识图谱的数据处理方法、装置及计算机设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190311003A1 (en) * | 2015-03-19 | 2019-10-10 | Semantic Technologies Pty Ltd | Semantic knowledge base |
| CN112328810A (zh) * | 2020-11-11 | 2021-02-05 | 河海大学 | 一种基于自适应混合本体映射的知识图谱融合方法 |
| CN112364046A (zh) * | 2020-10-29 | 2021-02-12 | 北京航空航天大学 | 一种基于知识图谱的异构环境下主数据管理方法 |
-
2022
- 2022-03-14 CN CN202210244793.6A patent/CN114328981B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190311003A1 (en) * | 2015-03-19 | 2019-10-10 | Semantic Technologies Pty Ltd | Semantic knowledge base |
| CN112364046A (zh) * | 2020-10-29 | 2021-02-12 | 北京航空航天大学 | 一种基于知识图谱的异构环境下主数据管理方法 |
| CN112328810A (zh) * | 2020-11-11 | 2021-02-05 | 河海大学 | 一种基于自适应混合本体映射的知识图谱融合方法 |
Non-Patent Citations (1)
| Title |
|---|
| 梅发国 等: "基于知识图谱的战场目标关系融合技术", 《指挥信息系统与技术》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115082010A (zh) * | 2022-06-02 | 2022-09-20 | 云南电网有限责任公司信息中心 | 一种电力领域元数据智能管理方法、存储介质及系统 |
| CN115082010B (zh) * | 2022-06-02 | 2024-05-24 | 云南电网有限责任公司信息中心 | 一种电力领域元数据智能管理方法、存储介质及系统 |
| CN115809311A (zh) * | 2022-12-22 | 2023-03-17 | 企查查科技有限公司 | 知识图谱的数据处理方法、装置及计算机设备 |
| CN115809311B (zh) * | 2022-12-22 | 2024-08-16 | 企查查科技股份有限公司 | 知识图谱的数据处理方法、装置及计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114328981B (zh) | 2022-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114328981B (zh) | 基于模式映射的知识图谱建立和数据获取方法、装置 | |
| CN111506621B (zh) | 一种数据统计方法及装置 | |
| CN110609865B (zh) | 一种信息同步方法，装置及系统 | |
| CN110795417A (zh) | 一种知识图谱的存储系统及方法 | |
| US8880463B2 (en) | Standardized framework for reporting archived legacy system data | |
| US20210182237A1 (en) | Source data assignment based on metadata | |
| CN112182036A (zh) | 数据的发送与写入方法、装置、电子设备及可读存储介质 | |
| CN111723161A (zh) | 一种数据处理方法、装置及设备 | |
| CN108140022B (zh) | 数据查询方法和数据库系统 | |
| CN111666344B (zh) | 异构数据同步方法及装置 | |
| CN117743369A (zh) | 数据查询方法、装置、存储介质及终端设备 | |
| CN117708164A (zh) | 基于并行处理数据库的数据存储方法、装置和设备 | |
| CN110569243B (zh) | 一种数据查询方法、数据查询插件和数据查询服务器 | |
| CN112163127A (zh) | 关系图谱构建方法、装置、电子设备及存储介质 | |
| CN111143329A (zh) | 一种数据处理方法及装置 | |
| CN115794861A (zh) | 基于特征摘要的离线数据查询复用方法及其应用 | |
| CN113064914A (zh) | 数据提取方法及装置 | |
| CN112507131A (zh) | 一种电力调度知识图谱构建方法、设备及系统 | |
| CN106230646B (zh) | 一种获取网管告警信息的方法及测试系统 | |
| CN118364033B (zh) | 一种数据库集群间的数据处理方法、装置及相关设备 | |
| CN114266227B (zh) | json数据处理方法、装置、设备及机器可读存储介质 | |
| CN114840686B (zh) | 基于元数据的知识图谱构建方法、装置、设备及存储介质 | |
| CN118585548A (zh) | 数据流批处理方法、装置、设备和计算机存储介质 | |
| CN114064649A (zh) | 基于MongoDB的数据存储方法及装置 | |
| CN116820874A (zh) | 一种企业级大数据组件及应用监控和告警的方法 |
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 |