CN114510562A - 构建事项关联图谱的方法、事项查询方法、装置和设备 - Google Patents
构建事项关联图谱的方法、事项查询方法、装置和设备 Download PDFInfo
- Publication number
- CN114510562A CN114510562A CN202210148430.2A CN202210148430A CN114510562A CN 114510562 A CN114510562 A CN 114510562A CN 202210148430 A CN202210148430 A CN 202210148430A CN 114510562 A CN114510562 A CN 114510562A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- transaction
- item
- determining
- 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
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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种构建事项关联图谱的方法,可以应用于政务技术领域。该构建事项关联图谱的方法包括:将事项名称作为事项关联图谱的节点,得到多个节点;采用局部敏感哈希算法,根据事项名称确定多个节点中的两个节点之间的相似度;在两个节点之间的相似度大于等于第一预定阈值的情况下,连接两个节点,得到两个节点之间的边;以及基于节点和边,构建事项关联图谱。本公开还提供了一种事项查询方法、装置、设备、存储介质和程序产品。
Description
技术领域
本公开涉及计算机技术领域,可以应用于政务技术领域,更具体地涉及一种构建事项关联图谱的方法、事项查询方法、装置、电子设备、存储介质和程序产品。
背景技术
目前挖掘事项关联性的方法为利用人工的经验,从业务角度手动梳理事项间直接的关联。例如,传统的挖掘事项关联性的方法为利用一些业务的专家经验规则建立模型,从业务角度人工梳理事项直接的关联。
然而,利用人工的经验挖掘事项关联性,存在效率低、主观因素大以及适应性较差等缺点。
发明内容
鉴于上述问题,本公开提供了提高政务服务业务办理效率的构建事项关联图谱的方法、装置、设备、介质和程序产品。
根据本公开的第一个方面,提供了一种构建事项关联图谱的方法,包括:将事项名称作为事项关联图谱的节点,得到多个节点;采用局部敏感哈希算法,根据事项名称确定多个节点中的两个节点之间的相似度;在两个节点之间的相似度大于等于第一预定阈值的情况下,连接两个节点,得到两个节点之间的边;以及基于节点和边,构建事项关联图谱。
根据本公开的实施例,采用局部敏感哈希算法,根据事项名称确定多个节点中的两个节点之间的相似度,包括:根据事项名称,确定两个节点之间是否存在关联关系;在确定存在关联关系的情况下,确定第一节点和第二节点;采用局部敏感哈希算法,确定第一节点与第二节点之间的相似度。
根据本公开的实施例,采用局部敏感哈希算法,确定第一节点与第二节点之间的相似度,包括:确定与第一节点对应的办理结果物;确定与第二节点对应的申请材料名称;采用局部敏感哈希算法,根据办理结果物与申请材料名称之间的相似度,确定第一节点与第二节点间的相似度。
根据本公开的实施例,所述方法还包括:边为有向边;有向边用于表示:与第一节点对应的办理结果物是第二节点对应的申请材料。
根据本公开的实施例,所述方法还包括:基于办理结果物中能够作为申请材料的数量,确定有向边的关联强度值。
根据本公开的实施例,所述方法还包括:将第二节点作为第一节点的出度;计算第一节点的出度数量;在出度数量大于等于第二预定阈值的情况下,将第一节点定义为事项中心。
根据本公开的实施例,所述方法还包括:采用弗洛伊德算法确定任意两个节点间存在的路径;基于路径,和与路径对应的关联强度值,确定路径紧密度。
根据本公开的实施例,所述方法还包括:获取与事项相关的数据;与事项相关的数据包括:事项目录数据、与事项目录对应的实施清单申请材料数据和与事项目录对应的实施清单办理结果物数据中的一种或多种;针对与事项相关的数据进行分词处理,得到与事项名称对应的办理结果物名称和与事项名称对应的申请材料名称。
根据本公开的实施例,所述方法还包括:基于分词处理后的数据集,采用词向量模型将数据集转成包含词的句子向量;数据集包括与办理结果物名称对应的数据集和与申请材料名称对应的数据集。
本公开的第二方面提供了一种事项查询方法,包括:获取查询数据;以及根据事项关联图谱,得到与查询数据相对应查询结果;其中,事项关联图谱是根据本公开提供的方法构建的
本公开的第三方面提供了一种构建事项关联图谱的装置,包括:确定节点模块,用于将事项名称作为事项关联图谱的节点,得到多个节点;确定相似度模块,用于采用局部敏感哈希算法,根据事项名称确定多个节点中的两个节点之间的相似度;确定边模块,用于在两个节点之间的相似度大于等于第一预定阈值的情况下,连接两个节点,得到两个节点之间的边;以及构建模块,用于基于节点和边,构建事项关联图谱。
本公开的第四方面提供了一种事项查询装置,包括:获取模块,用于获取查询数据;以及查询模块,用于根据事项关联图谱,得到与查询数据相对应查询结果;其中,事项关联图谱是根据本公开提供的装置构建的。
本公开的第五方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述公开的方法。
本公开的第六方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述公开的方法。
本公开的第七方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述公开的方法。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的构建事项关联图谱的方法、事项查询方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的构建事项关联图谱的方法的流程图;
图3示意性示出了根据本公开一实施例的事项关联图谱的示意图;
图4示意性示出了根据本公开另一实施例的事项关联图谱的示意图;
图5示意性示出了根据本公开另一实施例的事项关联图谱的示意图;
图6示意性示出了根据本公开另一实施例的事项关联图谱的示意图;
图7示意性示出了根据本公开实施例的事项查询方法的流程图;
图8示意性示出了根据本公开实施例的构建事项关联图谱的装置的结构框图;
图9示意性示出了根据本公开实施例的事项查询装置的结构框图;以及
图10示意性示出了根据本公开实施例的适于实现构建事项关联图谱的方法和/或事项查询方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种构建事项关联图谱的方法和装置,将事项名称作为事项关联图谱的节点,得到多个节点;采用局部敏感哈希算法,根据事项名称确定多个节点中的两个节点之间的相似度;在两个节点之间的相似度大于等于第一预定阈值的情况下,连接两个节点,得到两个节点之间的边;以及基于节点和边,构建事项关联图谱。
图1示意性示出了根据本公开实施例的构建事项关联图谱的方法、事项查询方法、装置、设备、介质和程序产品的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的构建事项关联图谱的方法和/或事项查询方法一般可以由服务器105执行。相应地,本公开实施例所提供的构建事项关联图谱的装置和/或事项查询装置一般可以设置于服务器105中。本公开实施例所提供的构建事项关联图谱的方法和/或事项查询方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的构建事项关联图谱的装置和/或事项查询装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2对公开实施例的构建事项关联图谱的方法进行详细描述。
图2示意性示出了根据本公开实施例的构建事项关联图谱的方法的流程图。
如图2所示,该实施例包括操作S210~操作S240,该构建事项关联图谱的方法可以通过服务器执行。
在操作S210,将事项名称作为事项关联图谱的节点,得到多个节点。
图谱中包括节点和节点之间的边。本实施例将事项名称作为事项关联图谱的节点。事项名称可以为针对行政权力事项的事项名称,还可以为公共服务事项。例如,节点A的事项名称为办理居民身份证,节点B的事项名称为结婚登记,节点C的事项名称为办理离婚证,节点D的事项名称为办理交通罚款,节点E的事项名称为办理交通罚款回执单等等。
在操作S220,采用局部敏感哈希算法,根据事项名称确定多个节点中的两个节点之间的相似度。
局部敏感哈希算法是一种针对海量高维数据的快速最近邻查找算法。如果原有的向量在现有的空间内是相似的,那么经过映射或投影变换(projection)后,这两个数据点在新的数据空间中仍然相邻的概率很大,而不相邻的数据点被映射到同一个桶的概率很小。具体的操作是使用一系列的LSH簇(LSH family,局部敏感哈希)将特征向量通过哈希算法映射变换后,原始的数据会落入到不同的桶(buckets)中,基于原有的假设原来空间相邻的点更有可能会落入到同一个哈希桶中,不相邻的点不太可能落入同一个桶中。
采用局部敏感哈希算法,可以根据事项名称确定多个节点中的两个节点之间的相似度。在本实施例中,例如:可以采用局部敏感哈希算法遍历节点,再根据节点A1的事项名称,与节点B1的事项名称确定两个节点之间的相似度值,如节点A1的事项名称为办理居民身份证,节点B1的事项名称为注销居民身份证;可以根据节点A2的事项名称,与节点B2的申请材料确定两个节点之间的相似度值,如节点A2的事项名称为办理身份证,节点B2的事项名称为办理驾驶证,办理驾驶证的申请材料需要身份证,因此可以确定两个节点(A2,B2)之间的相似度值;可以根据节点A2的办理结果物,与节点B3的申请材料确定两个节点之间的相似度值,如节点A2的事项名称为办理身份证,节点B3的事项名称为结婚登记,进行结婚登记时的申请材料需要身份证,因此可以确定两个节点(A2,B3)之间的相似度值;可以根据节点A3的办理结果物,与节点B4的事项名称确定两个节点之间的相似度值,如节点A3的事项名称为办理交通罚款,节点B4的事项名称为打印交通罚款回执单,因此可以确定两个节点(A3,B4)之间的相似度值;可以根据与节点A4事项名称对应的申请材料,与节点B5事项名称对应的申请材料确定两个节点之间的相似度值,从而可以确定两个节点(A4,B5)之间的相似度值。
在操作S230,在两个节点之间的相似度大于等于第一预定阈值的情况下,连接两个节点,得到两个节点之间的边。
可以理解的,采用设定第一预定阈值的方式,确定两个节点之间的相似度是否满足预设要求,如在两个节点之间的相似度大于等于第一预定阈值的情况下,连接两个节点,得到两个节点之间的边,即构成事项关联图谱的边。
在操作S240,基于节点和边,构建事项关联图谱。
可以理解的,基于操作S210中确定的节点,和操作S230中确定的边,构建事项关联图谱。
图3示意性示出了根据本公开一实施例的事项关联图谱的示意图,如图3所示,该事项关联图谱存在多个节点A~O。如A和C两个节点之间的相似度为5,第一预定阈值=3,则连接A和C两个节点,得到两个节点之间的边;如A和H两个节点之间的相似度为2,第一预定阈值=3,则在该事项关联图谱中不存在A和H两个节点之间的边;类似地,遍历多个节点A~O,确定边的结果,并基于节点和边,构建事项关联图谱。
本实施例提供的构建事项关联图谱的方法,为挖掘事项关联性提供了一种事项关联图谱,利用该事项关联图谱能够避免过度依赖业务专家对事项规则的理解,从而避免主观因素的影响。在构建该事项关联图谱的过程中,将事项名称作为事项关联图谱的节点,该事项名称可以是任意事项的名称,使该事项关联图谱具有较高的适用性;在构建该事项关联图谱的过程中,通过局部敏感哈希算法遍历节点,有利于快速准确的在海量的与事项相关的数据中确定构成事项关联图谱的边;在构建该事项关联图谱的过程中,采用设定第一预定阈值的方式,确定两个节点之间的相似度是否满足预设要求,有利于控制边的数量,从而有利于满足用户对准确度的要求。
采用局部敏感哈希算法,根据事项名称确定多个节点中的两个节点之间的相似度,包括:根据事项名称,确定两个节点之间是否存在关联关系;在确定存在关联关系的情况下,确定第一节点和第二节点;采用局部敏感哈希算法,确定第一节点与第二节点之间的相似度。
为了提升构建事项关联图谱的效率,可以减少计算节点间相似度的数量。例如,存在多个节点A~Z,根据多个节点分别对应的事项名称,可以发现之间的依赖关系,确定是否存在关联关系,如采用比较字的相似度、词的相似度、或词义相似度、或存储了依赖关系的关系数据结构等。如节点A与节点B、节点C存在依赖关系,具体依赖关系为A(结婚证)依赖B(身份证),C(离婚证)依赖A(结婚证),则在节点A和B之间,确定第一节点为节点B,第二节点为节点A;类似的在节点A和C之间,确定第一节点为节点A,第二节点为节点C。例如节点D为(办理驾驶证),可以理解的,办理驾驶证与办理结婚证不存在关联关系;例如节点F为(驾驶证科目一考试),可以理解的,驾驶证科目一考试与办理结婚证不存在关联关系。因此由于节点A与多个节点D~Z不存在关联关系,则无需计算节点A与节点D、E、F等之间的相似度,从而减少了计算节点间相似度的数量。
本实施例提供的构建事项关联图谱的方法,通过根据事项名称,确定两个节点之间是否存在关联关系;在确定存在关联关系的情况下,确定第一节点和第二节点;采用局部敏感哈希算法,确定第一节点与第二节点之间的相似度,能够减少了计算节点间相似度的数量,有利于提升构建事项关联图谱的效率。
采用局部敏感哈希算法,确定第一节点与第二节点之间的相似度,包括:确定与第一节点对应的办理结果物;确定与第二节点对应的申请材料名称;采用局部敏感哈希算法,根据办理结果物与申请材料名称之间的相似度,确定第一节点与第二节点间的相似度。
举例来说,在节点A和V之间,与第一节点A对应的办理结果物包括A1、A2、A3和A4,与第二节点V对应的申请材料名称包括A2、B1、C3和D4,确定节点A和V之间的相似度为1个单位;在节点M和V之间与第一节点V对应的办理结果物包括V1、V2、V3和V4,与第二节点M对应的申请材料名称包括V1、V2、C3和D4,确定节点M和V之间的相似度为2个单位,在节点J和K之间与第一节点J对应的办理结果物包括J1、J2、J3、J4、J5和J6,与第二节点K对应的申请材料名称包括J1、J2、J3、J4和J5,确定节点J和K之间的相似度为5个单位等。
本实施例提供的构建事项关联图谱的方法,采用局部敏感哈希算法遍历节点,确定各节点间的相似度,从而有利于后续确定节点间的关联强度。
构建事项关联图谱的方法还包括:边为有向边;有向边用于表示:与第一节点对应的办理结果物是第二节点对应的申请材料。
图4示意性示出了根据本公开另一实施例的事项关联图谱的示意图,如图4所示,如确定了节点A和节点C之间,节点A为第一节点,节点C为第二节点,与第一节点A对应的办理结果物是第二节点C对应的申请材料,则确定节点A和节点C之间的有向边:A→C;如确定了节点O和节点M之间,节点O为第一节点,节点M为第二节点,与第一节点O对应的办理结果物是第二节点M对应的申请材料,则确定节点O和节点M之间的有向边:O→M,类似地,确定多个有向边的结果,并构建事项关联图谱。
本实施例提供的构建事项关联图谱的方法,将事项关联图谱的边构建为有向边。由于有向边用于表示:与第一节点对应的办理结果物是第二节点对应的申请材料,有利于更直观地确定事项关联图谱中节点间的关联关系,如哪个节点依赖于哪个节点,如哪个节点又被哪个节点依赖。
构建事项关联图谱的方法还包括:基于办理结果物中能够作为申请材料的数量,确定有向边的关联强度值。
在本实施例中,有向边的关联强度值是基于办理结果物中能够作为申请材料的数量,例如节点O(办理学业证书)的办理结果物包括:四级证书、毕业证和学位证;节点P(办理入职申请)的申请材料包括英语四级证书、毕业证、健康证和学位证;节点U(申请英语六级考试)的申请材料包括英语四级证书和身份证,则可以确定节点O与节点P之间有向边的关联强度值为3。还可以确定节点O与节点U之间有向边的关联强度值为1。
举例来说,采用局部敏感哈希算法,得到事项关联结果表,如表1所示:
表1事项关联结果表
出度 | 入度 | 关联强度 |
A | B | 1 |
A | C | 1 |
… | … | … |
A | N | 2 |
B | D | 2 |
C | G | 2 |
… | … | … |
H | O | 3 |
E | O | 3 |
可以基于表1所示,构建事项关联图谱,如图5所示。针对边,采用不同的粗细程度表示了相应的关联强度,参见图5,关联强度值越大则相应的线条越粗,如A-C之间的关联强度值为1、C-G之间的关联强度值为2、A-B之间的关联强度值为1、D-B之间的关联强度值为2、E-O之间的关联强度值为3。
本实施例提供的构建事项关联图谱的方法,基于办理结果物中能够作为申请材料的数量,确定有向边的关联强度值,有利于进行事项逻辑关联模式的挖掘,从而可以使用户清楚在办理某一事项前需要提前办理哪些准备事项。
构建事项关联图谱的方法还包括:将第二节点作为第一节点的出度;计算第一节点的出度数量;在出度数量大于等于第二预定阈值的情况下,将第一节点定义为事项中心。
可以理解的,图可分为有向图和无向图。有向图的所有边都有方向,即确定了顶点到顶点的一个指向。顶点的度是指和该顶点相连的边的条数,对于有向图来说,顶点的出边条数称之为该顶点的出度,顶点的入边条数称至为顶点的入度。
本实施例将第二节点作为第一节点的出度,从而可以确定第一节点的出度数量,并采用设定第二预定阈值的方式,确定两个节点之间的相似度是否满足预设要求,如在出度数量大于等于第二预定阈值的情况下,将第一节点定义为事项中心,从而实现构建事项关联图谱中的事项中心。
举例来说,参见表1,如设定第二预定阈值为4,则将第一节点A和第一节点H作为事项中心。基于确定的事项中心,构建事项关联图谱,该事项关联图谱如图6所示。
本实施例提供的构建事项关联图谱的方法,通过构建的事项中心,能够挖掘事件中心,如可以找到能够为其他很多事项提供材料的事项。
构建事项关联图谱的方法还包括:采用弗洛伊德算法确定任意两个节点间存在的路径;基于路径,和与路径对应的关联强度值,确定路径紧密度。
弗洛伊德算法是解决任意两点间路径的算法并且可以找到两点间的最短路径,可以正确处理有向图的最短路径问题。
举例来说:在事项关联图谱中,两个节点之间可以存在多条路径。参见图5,关联强度值越大则相应的线条越粗,如A-C之间的关联强度值为1、C-G之间的关联强度值为2、A-B之间的关联强度值为1、D-B之间的关联强度值为2、E-O之间的关联强度值为3。在节点A与节点G之间的路径包括:第一条路径A→C→G和第二条路径A→B→D→G。下面计算该第一条路径的路径紧密度,可以为(1+2)/2=1.5;计算该第一条路径的路径紧密度,可以为(1+2+1)/3=1.33;计算方法可以包括关联强度之和除以边数。基于路径紧密度的计算结果可以确定最短路径。在存在多条路径时,可以对所有路径紧密度结果从高到低排序,得到路径短且关联强度大的事项关联关系。
本实施例提供的构建事项关联图谱的方法,采用弗洛伊德算法确定任意两个节点间存在的路径;基于路径,和与路径对应的关联强度值,确定路径紧密度,能够发现事项关联路径,从而挖掘事项关联路径,有利于发现两个事项连接中间所经历的路径,并且能够找到两个事项关联最为紧密的路径,如路径紧密度值最大的路径。
构建事项关联图谱的方法还包括:还包括:获取与事项相关的数据;与事项相关的数据包括:事项目录数据、与事项目录对应的实施清单申请材料数据和与事项目录对应的实施清单办理结果物数据中的一种或多种;针对与事项相关的数据进行分词处理,得到与事项名称对应的办理结果物名称和与事项名称对应的申请材料名称。
在构建事项关联图谱过程中,需要获取数据,本实例获取的数据为与事项相关的数据;与事项相关的数据包括:事项目录数据、与事项目录对应的实施清单申请材料数据和与事项目录对应的实施清单办理结果物数据中的一种或多种;在获取到与事项相关的数据后,需要进行分词处理,如对实施清单申请材料数据和实施清单办理结果物数据进行中文分词,可以得到与事项名称对应的办理结果物名称和与事项名称对应的申请材料名称,有利于构建事项关联图谱的边。
构建事项关联图谱的方法,还包括:基于分词处理后的数据集,采用词向量模型将数据集转成包含词的句子向量;数据集包括与办理结果物名称对应的数据集和与申请材料名称对应的数据集。
在本实施例中,还采用了词向量模型,如词向量模型Word2Vector、词向量模型CBOW、词向量模型glove等。如,利用词向量模型Word2Vector将分词处理后的数据转化成包含词的句子向量。
本实施例提供的构建事项关联图谱的方法,利用了词向量模型提升句子向量的输出效率,从而通过局部敏感哈希算法计算文本向量的相似度,确定关联关系。
图7示意性示出了根据本公开实施例的事项查询方法的流程图。
如图7所示,该实施例包括操作S710~操作S720,该事项查询方法可以通过服务器执行。
在操作710,获取查询数据。
例如,第一查询数据可以为查询办理α事项(节点O)之前需要办理哪些事项;第二查询数据可以为查询存在多少个事项中心;第三查询节点A与节点G之间最便捷的路径等。
在操作720,根据事项关联图谱,得到与查询数据相对应查询结果。
例如,根据图5示意性示出的事项关联图谱,针对第一查询数据,根据事项关联图谱,得到查询结果可以为:节点E所对应的事项名称和节点H所对应的事项名称。
例如,根据图6示意性示出的事项关联图谱,针对第二查询数据,根据事项关联图谱,得到查询结果可以为:节点A和节点H。
例如,根据图6示意性示出的事项关联图谱,针对第二查询数据,根据事项关联图谱,得到查询结果可以为:节点A→节点C→节点G。
例如,事项关联图谱是根据本公开实施例的事项关联图谱构建方法来构建的。
本实施例提供的事项查询方法,能够方便用户根据事项关联图谱,得到与查询数据相对应查询结果,方便快捷,适用性强,准确率高。
为了更好的理解本公开,下面结合实施例进一步阐述本公开的内容,但本公开不仅仅局限于下面实施例。
本实施例通过比较两个事项的申请材料的关系,以及一个事项的结果物与另一个事项的申请材料的关系,构建事项关联图谱;并利用弗洛伊德算法求两两事项之间所有路径,并且找到两个事项关联最为紧密的路径(如路径权重最小且关联强度最大的路径)。
举例来说,对事项目录数据、事项目录申请材料数据和事项目录结果物数据进行数据清洗;还可以对事项目录数据、事项目录申请材料数据和事项目录结果物数据中事项编码相同的数据去重。
基于局部敏感哈希算法,计算事项之间的关联:通过节点A对应的办理结果物的名称与节点B对应的办理所需材料物名称之间的强相似度建立关联,例如:
1、首先分别对与事项名称对应的办理结果物、与事项名称对应的申请材料名称进行中文分词;
2、利用词向量模型Word2Vector将分好词的二个数据集转成包含词的句子向量,得到若干个办理结果物文本和申请材料文本;
3、通过局部敏感哈希(LSH)计算短文本向量的相似度来计算事项之间的依赖关系,如A-->材料--->结果材料-->B,确定了事项之间的关联,也即节点A和节点B之间的关联,得到多个节点间的关联结果。
以上述关联结果为基础构建事项关系图谱,如将每个事项作为一个节点,以节点A的办理结果物与节点B的申请材料是否相同为关联维度(申请材料越多,关联强度越大,则边越粗),满足每一条关联关系的事项连一条边,构成事项关系图谱。例如:可以用圆圈代表不同的事项,圆圈内标号代表事项名称,有向边表示起始节点事项的办理结果是终点节点的申请材料,边的粗细代表申请材料多少(即关联强度)。
利用弗洛伊德算法求两两事项节点之间所有路径,并且找到两个事项节点间关联最为紧密的路径,如路径权重最小且关联强度(即申请材料)最大的路径。
图8示意性示出了根据本公开实施例的构建事项关联图谱的装置的结构框图。
如图8所示,该实施例的构建事项关联图谱的装置800包括确定节点模块810、确定相似度模块820、确定边模块830和构建模块840。
确定节点模块810,用于将事项名称作为事项关联图谱的节点,得到多个节点;确定相似度模块820,用于采用局部敏感哈希算法,根据事项名称确定多个节点中的两个节点之间的相似度;确定边模块830,用于在两个节点之间的相似度大于等于第一预定阈值的情况下,连接两个节点,得到两个节点之间的边;以及构建模块840,用于基于节点和边,构建事项关联图谱。
在一些实施例中,确定相似度模块,包括:第一子模块、第二子模块和第三子模块;其中,第一子模块,用于根据事项名称,确定两个节点之间是否存在关联关系;第二子模块,用于在确定存在关联关系的情况下,确定第一节点和第二节点;第三子模块,用于采用局部敏感哈希算法,确定第一节点与第二节点之间的相似度。
在一些实施例中,第三子模块,包括:第一单元、第二单元和第三单元;其中,第一单元,用于确定与第一节点对应的办理结果物;第二单元,用于确定与第二节点对应的申请材料名称;第三单元,用于采用局部敏感哈希算法,根据办理结果物与申请材料名称之间的相似度,确定第一节点与第二节点间的相似度。
在一些实施例中,边为有向边;有向边用于表示:与第一节点对应的办理结果物是第二节点对应的申请材料。
在一些实施例中,还包括:确定关联强度值模块,用于基于办理结果物中能够作为申请材料的数量,确定有向边的关联强度值。
在一些实施例中,还包括:确定事项中心模块,用于将第二节点作为第一节点的出度;计算第一节点的出度数量;在出度数量大于等于第二预定阈值的情况下,将第一节点定义为事项中心。
在一些实施例中,还包括:确定路径紧密度模块,用于采用弗洛伊德算法确定任意两个节点间存在的路径;基于路径,和与路径对应的关联强度值,确定路径紧密度。
在一些实施例中,还包括:第一处理模块,用于获取与事项相关的数据;与事项相关的数据包括:事项目录数据、与事项目录对应的实施清单申请材料数据和与事项目录对应的实施清单办理结果物数据中的一种或多种:针对与事项相关的数据进行分词处理,得到与事项名称对应的办理结果物名称和与事项名称对应的申请材料名称。
在一些实施例中,还包括:第二处理模块,用于基于分词处理后的数据集,采用词向量模型将数据集转成包含词的句子向量;数据集包括与办理结果物名称对应的数据集和与申请材料名称对应的数据集。
根据本公开的实施例,确定节点模块810、确定相似度模块820、确定边模块830和构建模块840中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,确定节点模块810、确定相似度模块820、确定边模块830和构建模块840中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,确定节点模块810、确定相似度模块820、确定边模块830和构建模块840中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图9示意性示出了根据本公开实施例的事项查询装置的结构框图。
如图9所示,该实施例的事项查询装置900包括获取模块910、和查询模块920。
获取模块910,用于获取查询数据;以及查询模块920,用于根据事项关联图谱,得到与查询数据相对应查询结果;
例如,事项关联图谱是根据图8提供的装置构建的。
根据本公开的实施例,获取模块910和查询模块920中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块910和查询模块920中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块910和查询模块920中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图10示意性示出了根据本公开实施例的适于实现构建事项关联图谱的方法和/或事项查询方法的电子设备的方框图。
如图10所示,根据本公开实施例的电子设备1000包括处理器1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中,存储有电子设备1000操作所需的各种程序和数据。处理器1001、ROM1002以及RAM1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1002和RAM1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备1000还可以包括输入/输出(I/O)接口1005,输入/输出(I/O)接口1005也连接至总线1004。电子设备1000还可以包括连接至I/O接口1005的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的构建事项关联图谱的方法和事项查询方法。
在该计算机程序被处理器1001执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分1009被下载和安装,和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (15)
1.一种构建事项关联图谱的方法,包括:
将事项名称作为所述事项关联图谱的节点,得到多个节点;
采用局部敏感哈希算法,根据所述事项名称确定多个节点中的两个节点之间的相似度;
在所述两个节点之间的相似度大于等于第一预定阈值的情况下,连接所述两个节点,得到所述两个节点之间的边;以及
基于所述节点和所述边,构建所述事项关联图谱。
2.根据权利要求1所述的方法,其中,所述采用局部敏感哈希算法,根据所述事项名称确定多个节点中的两个节点之间的相似度,包括:
根据所述事项名称,确定两个节点之间是否存在关联关系;
在确定存在关联关系的情况下,确定第一节点和第二节点;
采用局部敏感哈希算法,确定所述第一节点与所述第二节点之间的相似度。
3.根据权利要求2所述的方法,其中,所述采用局部敏感哈希算法,确定所述第一节点与所述第二节点之间的相似度,包括:
确定与所述第一节点对应的办理结果物;
确定与所述第二节点对应的申请材料名称;
采用局部敏感哈希算法,根据所述办理结果物与所述申请材料名称之间的相似度,确定所述第一节点与所述第二节点间的相似度。
4.根据权利要求3所述的方法,还包括:
所述边为有向边;所述有向边用于表示:与所述第一节点对应的办理结果物是所述第二节点对应的申请材料。
5.根据权利要求4所述的方法,还包括:
基于所述办理结果物中能够作为申请材料的数量,确定所述有向边的关联强度值。
6.根据权利要求4所述的方法,还包括:
将所述第二节点作为所述第一节点的出度;
计算所述第一节点的出度数量;
在所述出度数量大于等于第二预定阈值的情况下,将所述第一节点定义为事项中心。
7.根据权利要求4所述的方法,还包括:
采用弗洛伊德算法确定任意两个节点间存在的路径;
基于所述路径,和与所述路径对应的关联强度值,确定路径紧密度。
8.根据权利要求1所述的方法,还包括:
获取与事项相关的数据;所述与事项相关的数据包括:事项目录数据、与事项目录对应的实施清单申请材料数据和与事项目录对应的实施清单办理结果物数据中的一种或多种;
针对所述与事项相关的数据进行分词处理,得到与所述事项名称对应的办理结果物名称和与所述事项名称对应的申请材料名称。
9.根据权利要求8所述的方法,还包括:
基于所述分词处理后的数据集,采用词向量模型将所述数据集转成包含词的句子向量;所述数据集包括与所述办理结果物名称对应的数据集和与所述申请材料名称对应的数据集。
10.一种事项查询方法,包括:
获取查询数据;以及
根据事项关联图谱,得到与所述查询数据相对应查询结果;
其中,所述事项关联图谱是根据权利要求1-9之一所述的方法构建的。
11.一种构建事项关联图谱的装置,包括:
确定节点模块,用于将事项名称作为所述事项关联图谱的节点,得到多个节点;
确定相似度模块,用于采用局部敏感哈希算法,根据所述事项名称确定多个节点中的两个节点之间的相似度;
确定边模块,用于在所述两个节点之间的相似度大于等于第一预定阈值的情况下,连接所述两个节点,得到所述两个节点之间的边;以及
构建模块,用于基于所述节点和所述边,构建所述事项关联图谱。
12.一种事项查询装置,包括:
获取模块,用于获取查询数据;以及
查询模块,用于根据事项关联图谱,得到与所述查询数据相对应查询结果;
其中,所述事项关联图谱是根据权利要求11所述的装置构建的。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行根据权利要求1~10中任一项的方法。
14.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~10中任一项的方法。
15.一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现根据权利要求1~10中任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210148430.2A CN114510562A (zh) | 2022-02-17 | 2022-02-17 | 构建事项关联图谱的方法、事项查询方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210148430.2A CN114510562A (zh) | 2022-02-17 | 2022-02-17 | 构建事项关联图谱的方法、事项查询方法、装置和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114510562A true CN114510562A (zh) | 2022-05-17 |
Family
ID=81552312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210148430.2A Pending CN114510562A (zh) | 2022-02-17 | 2022-02-17 | 构建事项关联图谱的方法、事项查询方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114510562A (zh) |
-
2022
- 2022-02-17 CN CN202210148430.2A patent/CN114510562A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109614402B (zh) | 多维数据查询方法和装置 | |
CN111523977B (zh) | 波次订单集合的创建方法、装置、计算设备和介质 | |
CN111046237B (zh) | 用户行为数据处理方法、装置、电子设备及可读介质 | |
CN111427971B (zh) | 用于计算机系统的业务建模方法、装置、系统和介质 | |
CN111274341A (zh) | 一种网点选址方法和装置 | |
CN112330382B (zh) | 物品推荐方法、装置、计算设备和介质 | |
CN111210109A (zh) | 基于关联用户预测用户风险的方法、装置和电子设备 | |
CN110245684B (zh) | 数据处理方法、电子设备和介质 | |
US20170155571A1 (en) | System and method for discovering ad-hoc communities over large-scale implicit networks by wave relaxation | |
US10474688B2 (en) | System and method to recommend a bundle of items based on item/user tagging and co-install graph | |
CN113742564A (zh) | 目标资源的推送方法和装置 | |
CN116308704A (zh) | 产品推荐方法、装置、电子设备、介质和计算机程序产品 | |
CN113869904B (zh) | 可疑数据识别方法、装置、电子设备、介质和计算机程序 | |
CN114510562A (zh) | 构建事项关联图谱的方法、事项查询方法、装置和设备 | |
CN110874386A (zh) | 建立类目映射关系的方法和装置 | |
CN113362097B (zh) | 一种用户确定方法和装置 | |
US10896193B2 (en) | Cache fetching of OLAP based data using client to client relationships and data encoding | |
CN111768258B (zh) | 识别异常订单的方法、装置、电子设备和介质 | |
CN107870679B (zh) | 多音字处理方法及系统 | |
CN113868383A (zh) | 由电子设备执行的问答方法及装置 | |
CN110895760A (zh) | 数据处理方法和装置 | |
CN114547090A (zh) | 数据查询方法、装置、电子设备及存储介质 | |
CN116467613A (zh) | 应用分级方法及装置、电子设备和计算机可读存储介质 | |
CN117076741A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN116306630A (zh) | 业务架构的定位方法、装置、电子设备、介质和程序产品 |
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 |