CN114780864B - 一种基于知识图谱的人-物-空间交互模型构建方法 - Google Patents
一种基于知识图谱的人-物-空间交互模型构建方法 Download PDFInfo
- Publication number
- CN114780864B CN114780864B CN202210298126.6A CN202210298126A CN114780864B CN 114780864 B CN114780864 B CN 114780864B CN 202210298126 A CN202210298126 A CN 202210298126A CN 114780864 B CN114780864 B CN 114780864B
- Authority
- CN
- China
- Prior art keywords
- knowledge
- graph
- chain
- human
- data
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 37
- 238000010276 construction Methods 0.000 title abstract description 12
- 238000005516 engineering process Methods 0.000 claims abstract description 43
- 230000004927 fusion Effects 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000008447 perception Effects 0.000 claims abstract description 16
- 239000012634 fragment Substances 0.000 claims description 33
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012550 audit Methods 0.000 claims description 2
- 238000006116 polymerization reaction Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000000605 extraction Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的人‑物‑空间交互模型构建方法，属于知识图谱构建和智慧社区技术领域。一种基于知识图谱的人‑物‑空间交互模型构建方法，包含以下步骤：S1：从大量的有源、无源感知设备中获取信息，构建知识库；S2：融合S1中所构建的知识库中的感知信息，形成实体‑关系‑实体的结构型数据，构建具有实体‑关系属性的通用知识图谱概念模型；本发明提供一种基于知识图谱的人‑物‑空间交互模型构建方法，能够有效克服智慧社区环境中感知技术通用性差、实体关系复杂时，造成的多源信息抽取困难、异质数据无法融合、人‑物‑空间无法交互等技术性问题，为智慧社区中危险事件监测预警和社区环境态势感知提供方法支撑。
Description
技术领域
本发明属于知识图谱构建和智慧社区技术领域，涉及多源异构信息抽象技术、分片融合技术以及基于图的复杂关系网络表达，尤其是一种基于知识图谱的人-物-空间交互模型构建方法。
背景技术
智慧社区是万物互联时代下一种新的社区模式；智慧社区是将5G、边缘计算、云计算和各种感知技术应用在社区的基础建设上，通过互联网和物联网将所有的智能设备整合起来，使社区能“看”、能“听”、能“识别”、能“预测”，为社区居民打造治安安全、居住舒适、生活便利、充满智慧的居住环境，从而形成设备智能化、生活信息化、管理透明化的社区新模式；目前在智慧社区的安全监测与预警的技术中，主要的技术是将获取的物联设备数据输入到预先训练好的模型中进行数据特征融合，进而提取行为特征数据，再将特征数据传输至分析平台，通过传统的主成分分析法、线性判别分析法或统计学分析法等进行分析处理，最后由中央处理平台反馈安全监测结果和社区态势安全趋势。
该方法的缺陷在于：解决的问题通常是面向传感器数量少、数据种类单一情况下的安全监测，而且将收集到的数据简单的整体输入到分析模型中，当面对人-物-空间场景下海量、复杂关系的数据挑战时，就会极大的削弱传统分析方法的准确性；目前各行各业都在广泛应用知识图谱技术，也在构建各自领域的知识图谱模型，例如针对特定医疗、动态金融等领域的知识图谱，知识图谱常以三元组的结构表达复杂的关系网络，通过识别所描述知识数据中的实体进行关系抽取，再以图的形式表达出实体-关系-实体的关系；故本发明提供一种基于知识图谱的人-物-空间交互模型构建方法，能够有效克服智慧社区环境中感知技术通用性差、实体关系复杂时，造成的多源信息抽取困难、异质数据无法融合、人-物-空间无法交互等技术性问题，为智慧社区中危险事件监测预警和社区环境态势感知提供方法支撑。
发明内容
(一)本发明要解决的技术问题：
本发明的目的在于提供一种多源异质数据交互模型构建方法，能够有效克服智慧社区环境中感知技术通用性差、实体关系复杂时，造成的多源信息抽取困难、异质数据无法融合、人-物-空间无法交互等技术性问题，为智慧社区中危险事件监测预警和社区环境态势感知提供方法支撑。
(二)为了实现上述目的，本发明采用了如下技术方案：
一种基于知识图谱的人-物-空间交互模型构建方法，包含以下步骤：
S1：从大量的有源、无源感知设备中获取信息，构建知识库；
S2：融合S1中所构建的知识库中的感知信息，形成实体-关系-实体的结构型数据，构建具有实体-关系属性的通用知识图谱概念模型；
S3：将不同地理位置下的人-物-空间信息实体化，构建多层交互知识图谱实体模型，并维护各自区块链；
S4：利用区块链跨链融合技术，形成可溯源的多层知识图谱模型；
S5：对于底层中由地理位置组织的多个分片知识图谱，通过特征聚类进行相似片区聚合，产生知识图谱簇；
S6：自底向上融合知识图谱的实体、关系，进一步抽象上层知识图谱信息，最终生成顶端具有高度抽象信息的全局知识图谱。
优选的，实施S1的具体步骤如下：
S101：从数据源获取实体信息和实体之间的直接关系；所述数据源包括互联网、智慧社区边缘计算设备和边缘传感器等数据感知获取设备，采用上述数据感知设备以获取温度信息、视频信息、车牌信息和用户信息等数据信息；
S102：采用一系列自动化或者半自动化的技术手段，从原始数据中提取出知识要素，并将所提取的知识要素存入知识库的模式层和数据层。
优选的，实施S2的具体步骤如下：
S201：在抽象成知识要素之后，通过对基本属性知识、关联知识、事件知识进行知识储存；
S202：从各种类型的数据源中提取出实体、属性以及实体间的相互关系；
S203：再对新知识进行整合，消除矛盾和歧义；
S204：并对融合的新知识进行质量评估；
S205：通过上述四个阶段的反复迭代更新，构建知识图谱。
优选的，实施S3的具体步骤如下：
S301：将不同地理位置下生成的人-物-空间交互知识图谱分片，每个知识图谱分片维护各自的一个私有链；对于同一地理位置，来自不同源的异构数据均需上传至私有链，经由链上所有节点审计完成达成共识后，保留有效的异构数据进入到下一步的跨链融合阶段，进而形成可溯源的多层知识图谱模型；
S302：在采集异构数据时，使用不同源的设备的安全元素作为权益内容；同时采用实时分簇技术，缓存不同的实时流数据并验证数据；利用私有链的去中心化结构，可以更容易达成共识，使整个系统速度响应速度更快，效率更高；共识机制采用验证池共识机制，基于传统的分布式一致性技术以及数据验证技术，适合这种去中心化程度较弱的场景。
优选的，实施S4的具体步骤如下：
S401：不同知识图谱分片各自维护的私有链基于侧链或中继链的多层多链架构，通过跨链数据融合技术完成可溯源的多源知识图谱分片融合；
S402：跨链确保了是用技术而非机构或人来提供安全、可靠、高效的链上信息交互途径，各个知识图谱分片所维护的私有链作为侧链，与主区块链并行工作，来自主区块链的节点向侧链连接或者被侧链连接；
S403：侧链独立于主区块链进行单一地理位置多源设备异构数据的采集操作或者与主区块链共同进行异构数据的数据融合工作。
优选的，实施S5中，最初的知识图谱分片是由地理位置进行组织的，虽然分片之间的地理位置较近，但是由于数据的复杂性和异构性，两个相邻的知识图谱分片可能仍然存在较大的差异；因此采用以下方案：
S501：通过特征工程来提取各个知识图谱分片的主要特征；
S502：采用机器学习的特征聚类的方法，对一系列的知识图谱分片进行分类，使得分类之后，同一类的知识图谱分片之间具有相似的节点信息和节点数，方便之后的查询与存储。
优选的，实施S6中进行知识图谱的分层抽象的具体步骤如下：
S601：在底层位置是随处可查询的全局知识图谱，对由S5产生的知识图谱簇进行抽象融合，其中同一类知识图谱簇进行融合，得到更高一层的抽象知识图谱；利用区块链的跨链融合技术，将层层抽象的知识图谱存储起来，在最高层存储的知识图谱类似于根节点，查询时从最高层存储的知识图谱逐渐向下搜索以获取更加具体的信息。
(三)本发明搭建的模型鲁棒性强，适用性广泛，可部署在感知技术通用性差、人-物交互复杂等一般系统难以工作的环境下；创新的利用知识图谱技术将环境中复杂的人、物、人-物空间交互等信息节点化建模，并利用区块链技术实现跨链融合；本技术方案具有很强的应用价值和科研价值，可以为智慧社区危险事件监测与态势感知方法提供模型支持，具体的有益效果包括以下三点：
(1)在多源设备环境下，感知空间中无线信号复杂且难以量化，遵照的协议也多种多样，极大地限制了客观模型构建和查询的效率；本发明采用跨源知识图谱信息提取与融合技术，知识图谱在解决数据量庞大、关系复杂等挑战中效果优异，通过采用实体-关系-实体的三元组结构，以图网络节点和边的连接方式，有效表达复杂的关系网络，创建诸如智慧社区等复杂环境下人-物-空间交互模型范式。
(2)本发明首次采用可溯源的知识图谱分片融合技术，解决人-物-空间的信息识别与对齐问题；在复杂的人-物-空间环境中，多源异构数据很可能产生数据歧义的现象，即信号发射源和信号无法形成正确的映射关系，无法在多源系统中进行信号身份管理；利用不同知识图谱分片融合和可溯源技术，在不同地理位置下生成人-物-空间交互知识图谱，每张图谱下包含着该地理位置内所有人、物节点和人-物交互连接；多个地点形成了一簇图谱，再通过跨链融合技术将主链和侧链连接，形成可溯源的多源知识图谱分片融合。
(3)本发明创新的采用多层知识图谱信息抽象技术，解决人-物-空间复杂环境下的知识图谱存储压力，同时降低了查询效率；对于底层中由不同地理位置产生的多个分片知识图谱，通过特征聚类进行相似片区的聚合，形成了自底向上进行融合知识图谱的实体，将实体间关系进一步抽象，最终形成顶端具有高度抽象信息的全局知识图谱，以优化知识图谱的存储、提高查询效率。
附图说明
图1为本发明提出的一种基于知识图谱的人-物-空间交互模型构建方法中的流程图；
图2为本发明提出的一种基于知识图谱的人-物-空间交互模型构建方法中的知识表示流程图；
图3为本发明提出的一种基于知识图谱的人-物-空间交互模型构建方法中的知识图谱概念模型图；
图4为本发明提出的一种基于知识图谱的人-物-空间交互模型构建方法中的多源设备上链示意图；
图5为本发明提出的一种基于知识图谱的人-物-空间交互模型构建方法中的主链和侧链数据融合示意图；
图6为本发明提出的一种基于知识图谱的人-物-空间交互模型构建方法中的模型构建示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
实施例1：
请参阅图1，一种基于知识图谱的人-物-空间交互模型构建方法，包含以下步骤：
S1：从大量的有源、无源感知设备中获取信息，构建知识库；
S2：融合S1中所构建的知识库中的感知信息，形成实体-关系-实体的结构型数据，构建具有实体-关系属性的通用知识图谱概念模型；
S3：将不同地理位置下的人-物-空间信息实体化，构建多层交互知识图谱实体模型，并维护各自区块链；
S4：利用区块链跨链融合技术，形成可溯源的多层知识图谱模型；
S5：对于底层中由地理位置组织的多个分片知识图谱，通过特征聚类进行相似片区聚合，产生知识图谱簇；
S6：自底向上融合知识图谱的实体、关系，进一步抽象上层知识图谱信息，最终生成顶端具有高度抽象信息的全局知识图谱；
在多源设备环境下，感知空间中无线信号复杂且难以量化，遵照的协议也多种多样，极大地限制了客观模型构建和查询的效率；本发明采用跨源知识图谱信息提取与融合技术，知识图谱在解决数据量庞大、关系复杂等挑战中效果优异，通过采用实体-关系-实体的三元组结构，以图网络节点和边的连接方式，有效表达复杂的关系网络，创建诸如智慧社区等复杂环境下人-物-空间交互模型范式；通过本发明搭建的模型鲁棒性强，适用性广泛，可部署在感知技术通用性差、人-物交互复杂等一般系统难以工作的环境下；创新的利用知识图谱技术将环境中复杂的人、物、人-物空间交互等信息节点化建模，并利用区块链技术实现跨链融合；本技术方案具有很强的应用价值和科研价值，可以为智慧社区危险事件监测与态势感知方法提供模型支持。
实施例2：
基于实施例1又有所不同的是：
本发明提供了一种基于知识图谱的人-物-空间交互模型构建方法，本发明具体实施例的模型构建示意图如图6所示，具体实施过程包括：
S101：在智慧社区环境中存在众多复杂的WiFi、摄像头、蓝牙、ZigBee、RFID等信号，从互联网、智慧社区、社区中部署的边缘计算设备和边缘传感器等数据源获取实体信息和实体之间的直接关系；采集的众多感知信息如温度信息、视频信息、车牌信息、用户信息等，可能是结构化、非结构化、半结构化的形式，然后采用技术手段，来从原始数据中提取出知识要素，并将其存入知识库的模式层和数据层，如图2所示；
S201：在抽象成知识要素之后，通过对基本属性知识、关联知识、事件知识进行知识储存；
S202：从各种类型的数据源中提取出实体、属性以及实体间的相互关系；
S203：再对新知识进行整合，消除矛盾和歧义；
S204：并对融合的新知识进行质量评估；
S205：通过上述四个阶段的反复迭代更新，构建知识图谱，如图3所示；
S301：将不同地理位置下生成不同的人-物-空间交互知识图谱分片，每个知识图谱分片维护各自的一个私有链；对于同一地理位置，来自不同源的异构数据均需上传至私有链，经由链上所有节点审计完成达成共识后，保留有效的异构数据进入到下一步的跨链融合阶段，进而形成可溯源的多层知识图谱模型，如图4所示；
S302：在采集异构数据时，使用不同源的设备安全元素作为权益内容；同时采用实时分簇技术，缓存不同的实时流数据并验证数据；利用私有链的去中心化结构，可以更容易达成共识，使整个系统速度响应速度更快，效率更高；同时，采用验证池共识机制，基于传统的分布式一致性技术以及数据验证技术，适合去中心化程度较弱的场景；
S401：不同知识图谱分片各自维护的私有链基于侧链或中继链的多层多链架构，通过跨链数据融合技术完成可溯源的多源知识图谱分片融合；
S402：跨链确保用技术而非机构或人来提供安全、可靠、高效的链上信息传输途径，各个知识图谱分片所维护的私有链作为侧链，与主区块链并行工作，来自主区块链的节点可以向侧链连接，也可以被侧链连接，如图5所示；
S403：侧链既可以独立于主区块链进行操作，独立进行单一地理位置多源设备异构数据的采集，也可以在需要时与主区块链共同工作，与主区块链进行异构数据的数据融合；
S501：通过特征工程来提取各个知识图谱分片的主要特征，例如知识图谱分片中的中心节点的实体、实体的数量、实体间关系等；
S502：采用机器学习的特征聚类的方法，对一系列的知识图谱分片进行分类，同一类的知识图谱分片之间具有相似的节点信息和节点数，方便之后的查询与存储；
S601：在底层位置是随处可查询的全局知识图谱，对产生的知识图谱簇进行抽象融合；其中同一类知识图谱簇进行融合，得到更高一层的抽象知识图谱，利用区块链的跨链融合技术，将层层抽象的知识图谱存储起来，形成自底向上的金字塔型信息抽象模型，在最高层存储的知识图谱类似于根节点，当查询时从最高层存储的知识图谱逐渐向下搜索以获取更加具体的信息；
本发明首次采用可溯源的知识图谱分片融合技术，解决人-物-空间的信息识别与对齐问题；在复杂的人-物-空间环境中，多源异构数据很可能产生数据歧义的现象，即信号发射源和信号无法形成正确的映射关系，无法在多源系统中进行信号身份管理；而本发明利用不同知识图谱分片融合和可溯源技术，在不同地理位置下生成人-物-空间交互知识图谱，每张图谱下包含着该地理位置内所有人、物节点和人-物交互连接，多个地点形成了一簇图谱，再通过跨链融合技术将主链和侧链连接，形成可溯源的多源知识图谱分片融合；
本发明采用多层知识图谱信息抽象技术，解决人-物-空间复杂环境下的知识图谱存储压力，同时降低了查询效率；对于底层中由不同地理位置产生的多个分片知识图谱，通过特征聚类进行相似片区的聚合，形成了自底向上进行融合知识图谱的实体，将实体间关系进一步抽象，最终形成顶端具有高度抽象信息的全局知识图谱，以优化知识图谱的存储、提高查询效率。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其改进构思加以等同替换或改变，都应涵盖在本发明的保护范围内。
Claims (3)
1.一种基于知识图谱的人-物-空间交互模型构建方法，其特征在于：包含以下步骤：
S1：从大量的有源、无源感知设备中获取信息，构建知识库；
S2：融合S1中所构建的知识库中的感知信息，形成实体-关系-实体的结构型数据，构建具有实体-关系属性的通用知识图谱概念模型；
S3：将不同地理位置下的人-物-空间信息实体化，构建多层交互知识图谱实体模型，并维护各自区块链；
实施S3的具体步骤如下：
S301：将不同地理位置下生成的人-物-空间交互知识图谱分片，每个知识图谱分片维护各自的一个私有链；对于同一地理位置，来自不同源的异构数据均需上传至私有链，经由链上所有节点审计完成达成共识后，保留有效的异构数据进入到下一步的跨链融合阶段，进而形成可溯源的多层知识图谱模型；
S302：在采集异构数据时，使用不同源的设备的安全元素作为权益内容；同时采用实时分簇技术，缓存不同的实时流数据并验证数据；
S4：利用区块链跨链融合技术，形成可溯源的多层知识图谱模型；
实施S4的具体步骤如下：
S401：不同知识图谱分片各自维护的私有链基于侧链或中继链的多层多链架构，通过跨链数据融合技术完成可溯源的多源知识图谱分片融合；
S402：各个知识图谱分片所维护的私有链作为侧链，与主区块链并行工作，来自主区块链的节点向侧链连接或者被侧链连接；
S403：侧链独立于主区块链进行单一地理位置多源设备异构数据的采集操作或者与主区块链共同进行异构数据的数据融合工作；
S5：对于底层中由地理位置组织的多个分片知识图谱，通过特征聚类进行相似片区聚合，产生知识图谱簇；
实施S5中进行相似片区聚合的具体步骤如下：
S501：通过特征工程来提取各个知识图谱分片的主要特征；
S502：采用机器学习的特征聚类的方法，对一系列的知识图谱分片进行分类；
S6：自底向上融合知识图谱的实体、关系，进一步抽象上层知识图谱信息，最终生成顶端具有高度抽象信息的全局知识图谱；
实施S6中进行知识图谱的分层抽象的具体步骤如下：
S601：在底层位置是随处可查询的全局知识图谱，对由S5产生的知识图谱簇进行抽象融合，其中同一类知识图谱簇进行融合，得到更高一层的抽象知识图谱；利用区块链的跨链融合技术，将层层抽象的知识图谱存储起来，查询时从最高层存储的知识图谱逐渐向下搜索以获取更加具体的信息。
2.根据权利要求1所述的一种基于知识图谱的人-物-空间交互模型构建方法，其特征在于：实施S1的具体步骤如下：
S101：从数据源获取实体信息和实体之间的直接关系；
S102：从原始数据中提取出知识要素，并将所提取的知识要素存入知识库的模式层和数据层。
3.根据权利要求2所述的一种基于知识图谱的人-物-空间交互模型构建方法，其特征在于：实施S2的具体步骤如下：
S201：在抽象成知识要素之后，通过对基本属性知识、关联知识、事件知识进行知识储存；
S202：从各种类型的数据源中提取出实体、属性以及实体间的相互关系；
S203：再对新知识进行整合，消除矛盾和歧义；
S204：并对融合的新知识进行质量评估；
S205：通过上述四个阶段的反复迭代更新，构建知识图谱。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210298126.6A CN114780864B (zh) | 2022-03-24 | 2022-03-24 | 一种基于知识图谱的人-物-空间交互模型构建方法 |
| US17/967,014 US11836637B2 (en) | 2022-03-24 | 2022-10-17 | Construction method of human-object-space interaction model based on knowledge graph |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210298126.6A CN114780864B (zh) | 2022-03-24 | 2022-03-24 | 一种基于知识图谱的人-物-空间交互模型构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114780864A CN114780864A (zh) | 2022-07-22 |
| CN114780864B true CN114780864B (zh) | 2023-01-31 |
Family
ID=82426058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210298126.6A Active CN114780864B (zh) | 2022-03-24 | 2022-03-24 | 一种基于知识图谱的人-物-空间交互模型构建方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11836637B2 (zh) |
| CN (1) | CN114780864B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116774569B (zh) * | 2023-07-25 | 2024-04-05 | 博纯材料股份有限公司 | 基于人工智能的氧氩分离设备运行系统更新方法及系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10938817B2 (en) * | 2018-04-05 | 2021-03-02 | Accenture Global Solutions Limited | Data security and protection system using distributed ledgers to store validated data in a knowledge graph |
| CN113495993A (zh) * | 2020-08-13 | 2021-10-12 | 青岛海信电子产业控股股份有限公司 | 社区知识图谱构建、居民的属性信息的查询方法 |
| US11783131B2 (en) * | 2020-09-10 | 2023-10-10 | International Business Machines Corporation | Knowledge graph fusion |
| CN113486187A (zh) * | 2021-03-24 | 2021-10-08 | 平安科技（深圳）有限公司 | 佛学知识图谱构建方法、装置、设备及存储介质 |
| CN112948508B (zh) * | 2021-04-15 | 2024-04-30 | 平安科技（深圳）有限公司 | 基于多层关联知识图谱的信息预测方法、装置、设备及介质 |
| CN113239375B (zh) * | 2021-05-13 | 2022-06-17 | 杭州趣链科技有限公司 | 基于区块链的隐私要素数据共享系统、方法、计算机设备及介质 |
-
2022
- 2022-03-24 CN CN202210298126.6A patent/CN114780864B/zh active Active
- 2022-10-17 US US17/967,014 patent/US11836637B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US20230306282A1 (en) | 2023-09-28 |
| US11836637B2 (en) | 2023-12-05 |
| CN114780864A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Siow et al. | Analytics for the internet of things: A survey | |
| Hamdi et al. | Spatiotemporal data mining: a survey on challenges and open problems | |
| Akbar et al. | Real-time probabilistic data fusion for large-scale IoT applications | |
| CN109410650B (zh) | 面向全系统信息管理的基于情景与语义的信息聚合方法 | |
| Sumi et al. | Sensor enabled Internet of Things for smart cities | |
| CN104702651A (zh) | 一种基于语义的物联网体系架构模型 | |
| CN103714185B (zh) | 主题事件更新方法库及城市多源时空信息并行更新方法 | |
| CN111260525A (zh) | 社区安全态势感知和预警方法、系统及存储介质 | |
| CN103258027B (zh) | 基于智能终端的情境感知服务平台 | |
| Kousiouris et al. | An integrated information lifecycle management framework for exploiting social network data to identify dynamic large crowd concentration events in smart cities applications | |
| Lee et al. | Building a generic platform for big sensor data application | |
| Aly et al. | Big data on internet of things: applications, architecture, technologies, techniques, and future directions | |
| Lourens et al. | Database management difficulties in the internet of things | |
| CN115775085B (zh) | 一种基于数字孪生的智慧城市管理方法及系统 | |
| Zhang et al. | A Big Data Mining and Blockchain‐Enabled Security Approach for Agricultural Based on Internet of Things | |
| CN114780864B (zh) | 一种基于知识图谱的人-物-空间交互模型构建方法 | |
| CN113282692A (zh) | 一种智慧城市的大数据共享方法及装置 | |
| CN113920739A (zh) | 基于信息物理融合系统的交通数据驱动框架及构建方法 | |
| CN116522272A (zh) | 一种基于城市信息单元的多源时空数据透明融合方法 | |
| CN104765763B (zh) | 一种基于概念格的异构空间信息服务分类的语义匹配方法 | |
| CN110287237B (zh) | 一种基于社会网络结构分析社团数据挖掘方法 | |
| CN111797856B (zh) | 建模方法、装置、存储介质及电子设备 | |
| Cardinale et al. | Semantic framework of event detection in emergency situations for smart buildings | |
| Zafeiropoulos et al. | Data management in sensor networks using semantic web technologies | |
| Tang et al. | Anomaly detection in social-aware IoT networks |
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 |