CN114676266B - 基于多层关系图谱的冲突识别方法、装置、设备及介质 - Google Patents
基于多层关系图谱的冲突识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114676266B CN114676266B CN202210320403.9A CN202210320403A CN114676266B CN 114676266 B CN114676266 B CN 114676266B CN 202210320403 A CN202210320403 A CN 202210320403A CN 114676266 B CN114676266 B CN 114676266B
- Authority
- CN
- China
- Prior art keywords
- data
- conflict
- service data
- entity
- topological graph
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012216 screening Methods 0.000 claims abstract description 82
- 230000004044 response Effects 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 22
- 238000013075 data extraction Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 6
- 230000005856 abnormality Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004900 laundering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于多层关系图谱的冲突识别方法、装置、设备及介质。本发明涉及大数据技术领域。该方法包括：响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联；基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据；按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果。本发明的技术方案，能够快速发现数据之间的关联关系和异常，达到提高数据分析人员的数据分析和查询效率、节约高端人力资源、快速形成业务数据资产的技术效果。
Description
技术领域
本发明涉及大数据技术领域，尤其涉及一种基于多层关系图谱的冲突识别方法、装置、设备及介质。
背景技术
随着信息技术的发展，神经网络、自然语言处理、知识图谱等算法技术越来越广泛的应用于监督检查业务的数据分析工作中。
虽然知识图谱已在一些领域取得不错的分析效果，但是目前的知识图谱业务分析人员需要根据经验来找到数据之间的关联关系，需要耗费大量人力资源和时间，导致数据查询和分析的效率缓慢。同时局限于对单张关系图谱的分析，没有比较不同关系图谱间的差异。
发明内容
本发明提供了一种基于多层关系图谱的冲突识别方法、装置、设备及介质，通过构建不同业务数据之间的关系，使用多张图叠加分析找出差异，能够快速发现数据之间的关联关系和异常，达到提高数据分析人员的数据分析和查询效率、节约高端人力资源、快速形成业务数据资产的技术效果。
根据本发明的一方面，提供了一种基于多层关系图谱的冲突识别方法，包括：
响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联；
基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据；
按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果。
可选的，在响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图之前，所述方法还包括：
对业务数据进行网格化重构，得到各业务数据表；
根据各业务数据表中的实体和属性数据，基于业务数据筛选规则确定实体和目标属性数据；其中，所述实体包括点实体和线实体；
依据业务数据表的实体和目标属性数据，生成业务数据拓扑图。
可选的，基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据，包括：
基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，得到多层关系图谱；
分析所述多层关系图谱是否存在差异冲突；其中，差异冲突包括多层关系图谱中的冲突点、时序波动以及关系闭环；
若存在，则提取差异冲突数据。
可选的，按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果，包括：
按照预设筛选规则对所述差异冲突数据进行筛选；
将满足所述筛选规则的差异冲突数据确定为冲突识别结果。
可选的，在对业务数据进行网格化重构，得到各业务数据表之前，所述方法还包括：
根据业务数据的报送时间或者生成时间设置批量处理规则；
根据所述批量处理规则触发对业务数据进行网格化重构。
可选的，在得到冲突识别结果之后，还包括：
展示冲突识别结果中的点实体相关的至少一度关系的相关点实体。
可选的，所述第一业务数据和所述第二业务数据互为跨机构数据、跨类型数据或者跨区域数据。
根据本发明的另一方面，提供了一种基于多层关系图谱的冲突识别装置，包括：
拓扑图确定模块，用于响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联；
冲突数据提取模块，用于基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据；
冲突结果获得模块，用于按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于多层关系图谱的冲突识别方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于多层关系图谱的冲突识别方法。
根据本发明的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如本发明实施例中任一所述的基于多层关系图谱的冲突识别方法。
本发明实施例的技术方案，通过响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联；基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据；按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果。本发明的技术方案，能够快速发现数据之间的关联关系和异常，达到提高数据分析人员的数据分析和查询效率、节约高端人力资源、快速形成业务数据资产的技术效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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他的附图。
图1是根据本发明实施例一提供的一种基于多层关系图谱的冲突识别方法的流程图；
图2是根据本发明实施例二提供的一种基于多层关系图谱的冲突识别方法的流程图；
图3是根据本发明实施例三提供的一种基于多层关系图谱的冲突识别装置的结构示意图；
图4是根据本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
实施例一
图1是根据本发明实施例一提供的一种基于多层关系图谱的冲突识别方法的流程图，本实施例可适用于对多层关系图谱的冲突进行识别的情况，该方法可以由基于多层关系图谱的冲突识别装置来执行，该基于多层关系图谱的冲突识别装置可以采用硬件和/或软件的形式实现，该基于多层关系图谱的冲突识别装置可配置于具有数据处理能力的电子设备中。如图1所示，该方法包括：
S110、响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联。
本实施例的技术方案可以由冲突识别平台执行。本实施例可以用于所有涉及监督检查的领域(包括但不限于审计、监管以及风险防控等)的数据分析挖掘。本实施例的技术方案通过将多种拓扑图叠加进行差异冲突分析，根据筛选规则进行自定义筛选，得到冲突结果，从而实现大数据情况下关系图谱构建效率提升，以及更灵活满足图谱分析需求。
其中，拓扑图可以是以点线形式具象化实体间关联关系的可视化展示方式。本实施例中可以通过从基础数据层以图论的方式将所有的业务数据进行网络化重构，对结构化的数据进行分析，找到不同业务数据表中的实体和对象，并将结构化的数据抽象为点实体和线实体数据；根据使用者所选择的业务数据表，以抽象后的点、线数据作为实体，创建点实体和线实体之间的关系，从而生成相应的业务数据拓扑图。
其中，拓扑图选择操作可以是使用者根据业务需求进行选择的不同类型的业务数据拓扑图。第一业务数据拓扑图和第二业务数据拓扑图可以存在点实体关联吗。其中，第二业务数据拓扑图可以是至少一个，也就是说可以是一个或多个第二业务数据拓扑图。具体的，第一业务数据拓扑图和第二业务数据拓扑图的业务数据可以是互为跨机构数据、跨类型数据或者跨区域数据。
本实施例中的拓扑图可以根据使用者选择的业务数据表生成对应的拓扑图，冲突识别平台可以根据响应使用者的选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图，实现生成拓扑图和查询数据的分离，有效地提高了使用者的查询效率。
S120、基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据。
其中，关联的点实体可以是第一业务数据拓扑图和至少一个第二业务数据拓扑图具有相关联的点实体。差异冲突数据可以包括多层关系图谱中的冲突点、时序波动以及关系闭环等数据。基于所关联的点实体对不同类型的业务数据拓扑图进行叠加，示例性的，将资金交易明细图和供应商关系图进行叠加分析或者将资金交易明细图和法人关系图进行叠加分析。
本实施例中冲突识别平台可以基于业务数据图片所关联的点实体对第一业务数据拓扑图和至少一个第二业务数据拓扑图进行叠加，提取出多层关系图谱中的冲突点、时序波动以及关系闭环等数据。
S130、按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果。
其中，预设筛选规则可以是预先设置的对差异冲突数据进行筛选的条件，可以根据实际需求进行设置。预设筛选规则可以是对叠加得到的多层关系图谱上的点实体和线实体的属性进行个性化筛选的规则。冲突结果可以是根据预设筛选规则对差异冲突数据进行筛选得到的结果。
本实施例中冲突识别平台可以使用者可以根据所选的业务图谱，对不同业务图谱上的点实体和线实体的属性进行个性化筛选，可以按照预设筛选规则对差异冲突数据进行筛选，得到冲突识别结果。
本发明实施例的技术方案，通过响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联；基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据；按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果。本发明的技术方案，能够快速发现数据之间的关联关系和异常，达到提高数据分析人员的数据分析和查询效率、节约高端人力资源、快速形成业务数据资产的技术效果。
实施例二
图2是根据本发明实施例二提供的一种基于多层关系图谱的冲突识别方法的流程图。本实施例以上述实施例为基础进行优化。具体优化为：在响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图之前，所述方法还包括：对业务数据进行网格化重构，得到各业务数据表；根据各业务数据表中的实体和属性数据，基于业务数据筛选规则确定实体和目标属性数据；其中，所述实体包括点实体和线实体；依据业务数据表的实体和目标属性数据，生成业务数据拓扑图。
如图2所示，该方法包括：
S210，对业务数据进行网格化重构，得到各业务数据表。
其中，业务数据可以包含资金流动的数据，例如，存款或者贷款等业务数据。本实施例中可以通过从基础数据层以图论的方式将所有的业务数据进行网络化重构，从而得到各业务数据表。
S220，根据各业务数据表中的实体和属性数据，基于业务数据筛选规则确定实体和目标属性数据；其中，所述实体包括点实体和线实体。
其中，实体可以包括点实体和线实体。点实体可以用于定义事物的概念，例如业务数据表中的人、物以及企业可以作为点实体。线实体可以是用于定义表达事物间关系的概念，也就是体现点实体之间的关系；例如线实体可以用来体现业务数据表中的人、物以及企业之间的关系。属性数据可以是业务数据表的原始表中的一些条件属性，可以是实体的属性数据。业务数据筛选规则可以是使用者根据实际业务需求进行设置的对业务数据表中的数据进行筛选的规则。目标属性数据可以是使用者根据业务数据筛选规则确定的。目标属性可以是对点实体或者是实体的属性数据进行筛选确定的。例如业务数据原始表是资金交易明细表，它的属性数据可以是加上筛选条件，目标属性可以为取一个字段叫做资金交易类型，作为关键的字段数据。
本实施例冲突识别平台根据各业务数据中的实体和属性数据，基于使用者根据实际业务需求设置的业务数据筛选规则确定实体和目标属性数据。本实施例中使用者可以通过使用点实体和线实体的属性筛选对生成拓扑图的数据进行更精细化的管理，这个过程能大量地减少非必要数据进入到生成拓扑图的过程，减少计算资源的浪费，提高了生成拓扑图的效率。
S230，依据业务数据表的实体和目标属性数据，生成业务数据拓扑图。
本实施例冲突识别平台可以依据确定的业务数据表的实体和目标属性数据，生成业务数据拓扑图。
本实施例的业务数据拓扑图首先考虑基于关系的事实存在性，建立两个事物实体间的关联关系，而不是对事物间发生的每一次关联建立关系。
本实施例通过根据各业务数据表按照业务需求增加业务属性数据，根据业务数据筛选规则确定实体和目标属性数据以生成拓扑图，使得拓扑图生成过程中就筛选出关键的核心业务数据，而不是把整个原始表的数据都拿过来，从而避免了数据的冗余。
S240，响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联。
S250，基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据。
S260，按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果。
本发明实施例的技术方案，可以通过使用点实体和线实体的属性筛选对生成拓扑图的数据进行更精细化的管理，这个过程能大量地减少非必要数据进入到生成拓扑图的过程，减少计算资源的浪费，提高了生成拓扑图的效率，还通过使用多张拓扑图进行叠加分析得到冲突识别结果，能够快速发现数据之间的关联关系和异常，达到提高数据分析人员的数据分析和查询效率、节约高端人力资源、快速形成业务数据资产的技术效果。
在本实施例中，可选的，基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据，包括：基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，得到多层关系图谱；分析所述多层关系图谱是否存在差异冲突；其中，差异冲突包括多层关系图谱中的冲突点、时序波动以及关系闭环；若存在，则提取差异冲突数据。
其中，关联的点实体可以是第一业务数据拓扑图和至少一个第二业务数据拓扑图具有相关联的点实体。多层关系图谱可以是具有关联的点实体的第一业务数据拓扑图和至少一个第二业务数据拓扑图进行叠加得到的。示例性的，相当于有相关联的点实体才能进行叠加，如第一业务数据拓扑图可以是资金交易明细图，点实体可以代表个人或者企业。如第二业务数据拓扑图可以是匹配供应商关系，大多数是企业和供应商有对应的关系，就需要定义公司和供应商存在匹配，这里面企业的这个点实体是共通的，所以才可以进行叠加得到多层关系图谱。
其中，差异冲突可以包括多层关系图谱中的冲突点、时序波动以及关系闭环。其中，冲突点可以是多层关系图谱中点实体和线实体对应的关系存在冲突；示例性的，比如有一张死亡人的明细表与一个资金交易明细进行叠加得到的多层关系图谱。例如这个资金交易明细中包含A转给B的资金交易信息，如果B已经去世，这个就是冲突点。如果去世后频繁有与其他人的资金往来，就会存在冲突点。时序波动可以是资金关系的交易存在的时间顺序有波动；示例性的，某公司应该先买原材料，销售产品，才有资金收入，但是如果并没有买原材料以及销售产品，却只有资金收入，这就不符合时间顺序的逻辑，也就是具有时序波动的差异冲突。关系闭环可以理解为多层关系图谱中的实体的关系存在闭环；示例性的，几个人存在资金圈的关系，例如A转给B，B转给C，C转给A，就可能存在洗钱行为，也就是具有关系闭环的差异冲突。差异冲突数据可以是多层关系图谱中存在差异冲突的具体数据内容。
本实施例中冲突识别平台基于所关联的点实体对第一业务数据拓扑图和至少一个第二数据拓扑图进行叠加，得到多层关系图谱；并对多层关系图谱进行分析是否存在差异冲突，若存在，则提取多层关系图谱中的差异冲突数据内容。此外，多层关系图谱还可以设置高亮出存在差异冲突的部分，也可以通过不同颜色的深浅展示冲突差异的大小，同时也可以选择优先展示关系闭环等，以此来帮助使用者快速识别出不同业务图谱中的冲突点。
此外，本实施例中的冲突识别平台还可以对同类型的关系图谱进行拼接。支持轻量化灵活性的关系图谱拼接，在无法获取全量数据的情况下，支持使用者基于现有数据先生成部分关系图谱，后续基于增量数据生成部分新图谱后，可以与之前的图谱进行拼接，最终逐步构建形成完成的关系图谱。示例性的，建设银行只能获得在建设银行内部发生的数据，如果建设银行账户的人转给工商银行的账户的人的数据，建设银行就没办法追踪到相关的数据。但是如果建行和工行进行拼接，就能够把转账的链路更加清晰以形成完整的关系图谱。
本实施例中可以基于数据的可获得性，分批分部分生成关系图谱后，再对生成的图谱进行拼接形成完整的关系图谱，解决存在数据隔离情况(跨机构、跨地域等)的关系图谱生成问题。
本方案通过这样的设置，可以根据不同关系类型相同实体节点的关系图谱的叠加进行差异分析，使用者可根据需要选择图谱叠加，发现存在差异冲突的疑点问题；还可以根据不同时段的相同类型图谱叠加进行时序分析，使用者可基于此分析关系变化，发现差异冲突的疑点问题。而且，本实施例将所发现的多层关系图谱中的差异冲突进行结构化存储以及可视化展示，有利于使用者通过图谱更加直观地发现分散在不同业务数据表间的关联关系，更加快速地发现监管疑点，提高使用者分析数据的效率。
在本实施例中，可选的，按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果，包括：按照预设筛选规则对所述差异冲突数据进行筛选；将满足所述筛选规则的差异冲突数据确定为冲突识别结果。
其中，预设筛选规则可以是对多层关系图谱上的点实体和线实体的属性进行个性化筛选的规则；可以根据所选择的属性不同，进行预设不同可供选择的筛选规则。示例性的，如果是与金额相关的线实体属性，则可以预设大于、小于、等于以及偏离度等与数值相适应的筛选规则；而对于已有固定数值的点实体则预设可选范围的数值列表的筛选规则。冲突识别结果可以是满足预设的筛选条件的差异冲突数据。
本实施例中冲突识别平台按照预设筛选规则对差异冲突数据进行筛选，将满足筛选规则的差异冲突数据确定为冲突识别结果。
本方案通过这样的设置，使用者可以根据不同的点实体和线实体的属性对差异冲突数据进行筛选得到冲突识别结果，有利于使用者进行个性化分析，适用范围广。
在本实施例中，可选的，在对业务数据进行网格化重构，得到各业务数据表之前，所述方法还包括：根据业务数据的报送时间或者生成时间设置批量处理规则；根据所述批量处理规则触发对业务数据进行网格化重构。
其中，报送时间可以是业务数据进行报送的时间。生成时间可以是业务数据生成的时间。批量处理规则可以是根据业务数据的报送时间或者生成时间的规律设置的规则。
本实施例中冲突识别平台可以对于一些需要被频繁使用的且所使用的原始数据表结构固定的拓扑图，使用者可以根据业务数据的报送时间或生成时间的规律，在前端界面对于拓扑图的批量处理规则进行设置，根据批量处理规则对业务数据进行网格化重构，从而批量生成各业务数据报表。
本方案通过这样的设置，冲突识别平台将会根据使用者所设定的拓扑图批量处理规则完成拓扑图的自动跑批，减少了使用者的重复操作，提升了使用者的使用体验。
在本实施例中，可选的，在得到冲突识别结果之后，还包括：展示冲突识别结果中的点实体相关的至少一度关系的相关点实体。
其中，一度关系可以理解为与一个点实体之间存在直接关联的就是一度；与一个点实体之间存在直接关联的点实体所关联的其他点实体称之为二度关系，以此类推。本实施例中展示冲突识别结果会自动展示与所选点实体相关的至少一度关系的相关点实体关系，同时支持使用者展开点实体间关系的上限是六度关系。
此外，多层关系图谱的展示方式是将同一线编码的数据进行整合，在图谱上只展示为一条关系线，但使用者通过点击每一条关系线就可以展开单条关系线的明细信息。而通过点击每一个点实体，使用者可以查看单个点实体的具体属性信息。其中，线编码就是两者之间的关系有一个唯一的标识码。示例性的，A和B之间每个月往复转账100次，则这100次交易都只用一条线，线编码不变。
本方案通过这样的设置，能够灵活对冲突识别结果进行展示，是冲突识别结果更加清楚详细。
在本实施例中，可选的，所述第一业务数据和所述第二业务数据互为跨机构数据、跨类型数据或者跨区域数据。
其中，跨机构数据可以理解为不同机构的数据，例如，建行和工行两个结构的业务数据。跨类型数据可以理解为不同类型的业务数据。跨区域数据可以理解为不同区域的业务数据。
本实施例中的第一业务数据和第二业务数据互为跨机构数据、跨类型数据或者跨区域数据。
本实施例中能够灵活的选择不同机构，不同类型或是不同区域的业务数据进行叠加分析，适用范围广。
实施例三
图3是根据本发明实施例三提供的一种基于多层关系图谱的冲突识别装置的结构示意图。如图3所示，该装置包括：
拓扑图确定模块310，用于响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联。
冲突数据提取模块320，用于基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据。
冲突结果获得模块330，用于按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果。
可选的，所述装置还包括：
业务数据表获得模块，用于在响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图之前，对业务数据进行网格化重构，得到各业务数据表；
业务数据筛选模块，用于根据各业务数据表中的实体和属性数据，基于业务数据筛选规则确定实体和目标属性数据；其中，所述实体包括点实体和线实体；
业务数据拓扑图生成模块，用于依据业务数据表的实体和目标属性数据，生成业务数据拓扑图。
可选的，所述冲突数据提取模块320，具体用于：
基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，得到多层关系图谱；
分析所述多层关系图谱是否存在差异冲突；其中，差异冲突包括多层关系图谱中的冲突点、时序波动以及关系闭环；
若存在，则提取差异冲突数据。
可选的，所述冲突结果获得模块330，具体用于：
按照预设筛选规则对所述差异冲突数据进行筛选；
将满足所述筛选规则的差异冲突数据确定为冲突识别结果。
可选的，所述装置还包括：
批量处理模块，用于在对业务数据进行网格化重构，得到各业务数据表之前，根据业务数据的报送时间或者生成时间设置批量处理规则；
业务数据处理模块，用于根据所述批量处理规则触发对业务数据进行网格化重构。
可选的，所述装置还包括：
展示模块，用于展示冲突识别结果中的点实体相关的至少一度关系的相关点实体。
可选的，所述第一业务数据和所述第二业务数据互为跨机构数据、跨类型数据或者跨区域数据。
本发明实施例所提供的一种基于多层关系图谱的冲突识别装置可执行本发明任意实施例所提供的一种基于多层关系图谱的冲突识别方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4是根据本发明实施例四提供的一种电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如基于多层关系图谱的冲突识别方法。
在一些实施例中，基于多层关系图谱的冲突识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的基于多层关系图谱的冲突识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于多层关系图谱的冲突识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
实施例五
本发明实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现如本申请任一实施例所提供的基于多层关系图谱的冲突识别方法。
计算机程序产品在实现的过程中，可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (6)
1.一种基于多层关系图谱的冲突识别方法，其特征在于，包括：
响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联，所述拓扑图是以点线形式具象化实体间关联关系的可视化展示方式；所述第一业务数据拓扑图和所述第二业务数据拓扑图的业务数据是互为跨机构数据、跨类型数据或者跨区域数据；
基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据；
按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果；
在响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图之前，所述方法还包括：
对业务数据进行网格化重构，得到各业务数据表；
根据各业务数据表中的实体和属性数据，基于业务数据筛选规则确定实体和目标属性数据；其中，所述实体包括点实体和线实体；
依据业务数据表的实体和目标属性数据，生成业务数据拓扑图；
基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据，包括：
基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，得到多层关系图谱；
分析所述多层关系图谱是否存在差异冲突；其中，差异冲突包括多层关系图谱中的冲突点、时序波动以及关系闭环；所述冲突点是所述多层关系图谱中所述点实体和所述线实体对应的关系存在冲突的点；
若存在，则提取差异冲突数据;
按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果，包括：
按照预设筛选规则对所述差异冲突数据进行筛选；
将满足所述筛选规则的差异冲突数据确定为冲突识别结果；
其中，所述筛选规则是对所述多层关系图谱上的点实体和线实体的属性数据进行筛选的规则；其中，所述筛选规则是根据选择的属性数据确定的包括：若所述属性数据为金额相关的线实体的属性数据，则确定与预设数值进行比较的筛选规则；若所述属性数据为固定数值的点实体的属性数据，则确定设定范围数值列表的筛选规则。
2.根据权利要求1所述的方法，其特征在于，在对业务数据进行网格化重构，得到各业务数据表之前，所述方法还包括：
根据业务数据的报送时间或者生成时间设置批量处理规则；
根据所述批量处理规则触发对业务数据进行网格化重构。
3.根据权利要求1所述的方法，其特征在于，在得到冲突识别结果之后，还包括：
展示冲突识别结果中的点实体相关的至少一度关系的相关点实体。
4.一种基于多层关系图谱的冲突识别装置，其特征在于，包括：
拓扑图确定模块，用于响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图；其中，所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图存在点实体关联，所述拓扑图是以点线形式具象化实体间关联关系的可视化展示方式；所述第一业务数据拓扑图和所述第二业务数据拓扑图的业务数据是互为跨机构数据、跨类型数据或者跨区域数据；
冲突数据提取模块，用于基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，提取差异冲突数据；
冲突结果获得模块，用于按照预设筛选规则对所述差异冲突数据进行筛选，得到冲突识别结果；
业务数据表获得模块，用于在响应于拓扑图选择操作，确定第一业务数据拓扑图和至少一个第二业务数据拓扑图之前，对业务数据进行网格化重构，得到各业务数据表；
业务数据筛选模块，用于根据各业务数据表中的实体和属性数据，基于业务数据筛选规则确定实体和目标属性数据；其中，所述实体包括点实体和线实体；
业务数据拓扑图生成模块，用于依据业务数据表的实体和目标属性数据，生成业务数据拓扑图；
所述冲突数据提取模块，具体用于：
基于所关联的点实体对所述第一业务数据拓扑图和所述至少一个第二业务数据拓扑图进行叠加，得到多层关系图谱；
分析所述多层关系图谱是否存在差异冲突；其中，差异冲突包括多层关系图谱中的冲突点、时序波动以及关系闭环；所述冲突点是所述多层关系图谱中所述点实体和所述线实体对应的关系存在冲突的点；
若存在，则提取差异冲突数据；
所述冲突结果获得模块，具体用于：按照预设筛选规则对所述差异冲突数据进行筛选；将满足所述筛选规则的差异冲突数据确定为冲突识别结果；其中，所述筛选规则是对所述多层关系图谱上的点实体和线实体的属性数据进行筛选的规则；其中，所述筛选规则是根据选择的属性数据确定的包括：若所述属性数据为金额相关的线实体的属性数据，则确定与预设数值进行比较的筛选规则；若所述属性数据为固定数值的点实体的属性数据，则确定设定范围数值列表的筛选规则。
5.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的基于多层关系图谱的冲突识别的方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-3中任一项所述的基于多层关系图谱的冲突识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210320403.9A CN114676266B (zh) | 2022-03-29 | 2022-03-29 | 基于多层关系图谱的冲突识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210320403.9A CN114676266B (zh) | 2022-03-29 | 2022-03-29 | 基于多层关系图谱的冲突识别方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114676266A CN114676266A (zh) | 2022-06-28 |
| CN114676266B true CN114676266B (zh) | 2024-02-27 |
Family
ID=82075191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210320403.9A Active CN114676266B (zh) | 2022-03-29 | 2022-03-29 | 基于多层关系图谱的冲突识别方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114676266B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116756052B (zh) * | 2023-08-18 | 2023-11-14 | 建信金融科技有限责任公司 | 一种数据处理方法和装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105361855A (zh) * | 2016-01-11 | 2016-03-02 | 东南大学 | 一种有效获取脑磁图信号中事件相关磁场信息的方法 |
| CN108536799A (zh) * | 2018-03-30 | 2018-09-14 | 上海乂学教育科技有限公司 | 自适应教学监测与洞察信息处理方法 |
| CN110941664A (zh) * | 2019-12-11 | 2020-03-31 | 北京百度网讯科技有限公司 | 知识图谱的构建方法、检测方法、装置、设备及存储介质 |
| CN111626854A (zh) * | 2020-04-16 | 2020-09-04 | 苏宁金融科技(南京)有限公司 | 可疑业务筛查图谱生成方法、装置、计算机设备 |
| CN111737471A (zh) * | 2020-06-28 | 2020-10-02 | 中国农业科学院农业信息研究所 | 一种基于知识图谱的档案管理模型构建方法及系统 |
| CN111833182A (zh) * | 2020-07-27 | 2020-10-27 | 中国工商银行股份有限公司 | 识别风险对象的方法和装置 |
| CN111896845A (zh) * | 2020-08-31 | 2020-11-06 | 山东科技大学 | 基于多源信息融合的配电网故障诊断方法及系统 |
| CN112487208A (zh) * | 2020-12-14 | 2021-03-12 | 杭州安恒信息技术股份有限公司 | 一种网络安全数据关联分析方法、装置、设备及存储介质 |
| CN112800231A (zh) * | 2021-03-31 | 2021-05-14 | 南方电网数字电网研究院有限公司 | 电力数据校验方法、装置、计算机设备和存储介质 |
| CN112925920A (zh) * | 2021-03-23 | 2021-06-08 | 西安电子科技大学昆山创新研究院 | 一种智慧社区大数据知识图谱网络社团检测方法 |
| CN113792159A (zh) * | 2021-09-16 | 2021-12-14 | 支付宝(杭州)信息技术有限公司 | 一种知识图谱数据融合方法和系统 |
| CN114218403A (zh) * | 2021-12-20 | 2022-03-22 | 平安付科技服务有限公司 | 基于知识图谱的故障根因定位方法、装置、设备及介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102280581B1 (ko) * | 2017-03-21 | 2021-07-22 | 엘지전자 주식회사 | 이동 단말기 및 그 제어 방법 |
| US20220083876A1 (en) * | 2020-09-17 | 2022-03-17 | International Business Machines Corporation | Shiftleft topology construction and information augmentation using machine learning |
-
2022
- 2022-03-29 CN CN202210320403.9A patent/CN114676266B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105361855A (zh) * | 2016-01-11 | 2016-03-02 | 东南大学 | 一种有效获取脑磁图信号中事件相关磁场信息的方法 |
| CN108536799A (zh) * | 2018-03-30 | 2018-09-14 | 上海乂学教育科技有限公司 | 自适应教学监测与洞察信息处理方法 |
| CN110941664A (zh) * | 2019-12-11 | 2020-03-31 | 北京百度网讯科技有限公司 | 知识图谱的构建方法、检测方法、装置、设备及存储介质 |
| CN111626854A (zh) * | 2020-04-16 | 2020-09-04 | 苏宁金融科技(南京)有限公司 | 可疑业务筛查图谱生成方法、装置、计算机设备 |
| CN111737471A (zh) * | 2020-06-28 | 2020-10-02 | 中国农业科学院农业信息研究所 | 一种基于知识图谱的档案管理模型构建方法及系统 |
| CN111833182A (zh) * | 2020-07-27 | 2020-10-27 | 中国工商银行股份有限公司 | 识别风险对象的方法和装置 |
| CN111896845A (zh) * | 2020-08-31 | 2020-11-06 | 山东科技大学 | 基于多源信息融合的配电网故障诊断方法及系统 |
| CN112487208A (zh) * | 2020-12-14 | 2021-03-12 | 杭州安恒信息技术股份有限公司 | 一种网络安全数据关联分析方法、装置、设备及存储介质 |
| CN112925920A (zh) * | 2021-03-23 | 2021-06-08 | 西安电子科技大学昆山创新研究院 | 一种智慧社区大数据知识图谱网络社团检测方法 |
| CN112800231A (zh) * | 2021-03-31 | 2021-05-14 | 南方电网数字电网研究院有限公司 | 电力数据校验方法、装置、计算机设备和存储介质 |
| CN113792159A (zh) * | 2021-09-16 | 2021-12-14 | 支付宝(杭州)信息技术有限公司 | 一种知识图谱数据融合方法和系统 |
| CN114218403A (zh) * | 2021-12-20 | 2022-03-22 | 平安付科技服务有限公司 | 基于知识图谱的故障根因定位方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114676266A (zh) | 2022-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210319329A1 (en) | Method and apparatus for generating knowledge graph, method for relation mining | |
| CN112000849A (zh) | 统一标签库管理方法、装置、设备及存储介质 | |
| CN111382956A (zh) | 企业集团关系的挖掘方法和装置 | |
| CN114676266B (zh) | 基于多层关系图谱的冲突识别方法、装置、设备及介质 | |
| US11442930B2 (en) | Method, apparatus, device and storage medium for data aggregation | |
| CN114021156A (zh) | 漏洞自动化聚合的整理方法、装置、设备以及存储介质 | |
| CN113538137A (zh) | 一种基于双图谱融合计算的资金流监控方法及装置 | |
| CN116611411A (zh) | 一种业务系统报表生成方法、装置、设备及存储介质 | |
| CN116400888A (zh) | 供应链业务数据预警方法、装置、电子设备及存储介质 | |
| CN115328621B (zh) | 基于区块链的事务处理方法、装置、设备及存储介质 | |
| CN116226256A (zh) | Etl流程的可视化方法、装置、设备及存储介质 | |
| CN116227951A (zh) | 一种配电网项目筛选方法、系统、电子设备及存储介质 | |
| CN115761770A (zh) | 实体识别模型的训练方法、图像识别方法、装置及设备 | |
| CN114661918A (zh) | 知识图谱构建方法、装置、存储介质及电子设备 | |
| CN114881521A (zh) | 业务评估方法、装置、电子设备以及存储介质 | |
| CN114723548A (zh) | 数据处理方法、装置、设备、介质和程序产品 | |
| CN112307356A (zh) | 信息搜索方法、装置、电子设备及存储介质 | |
| CN116432169B (zh) | 基于共享策略的自动化任务权限控制方法、系统及设备 | |
| CN114780021B (zh) | 副本修复方法、装置、电子设备及存储介质 | |
| US20230153644A1 (en) | Machine learning enabled supplier data association | |
| CN115878810A (zh) | 一种事件预测方法及装置 | |
| CN116595234A (zh) | 一种数据筛查方法、装置及设备 | |
| CN118193389A (zh) | 一种测试案例生成方法、装置、设备、存储介质及产品 | |
| CN118095944A (zh) | 指标配置方法、装置、电子设备及存储介质 | |
| CN116029660A (zh) | 一种数据融合处理方法、系统及计算机可读存储介质 |
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 |