CN114817575B - 基于扩展模型的大规模电力事理图谱处理方法 - Google Patents

基于扩展模型的大规模电力事理图谱处理方法 Download PDF

Info

Publication number
CN114817575B
CN114817575B CN202210725654.5A CN202210725654A CN114817575B CN 114817575 B CN114817575 B CN 114817575B CN 202210725654 A CN202210725654 A CN 202210725654A CN 114817575 B CN114817575 B CN 114817575B
Authority
CN
China
Prior art keywords
node
event
nodes
expansion
extended
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
Application number
CN202210725654.5A
Other languages
English (en)
Other versions
CN114817575A (zh
Inventor
潘司晨
徐昱
袁翔
王艺丹
张辰
许飞
苏江文
张晓东
彭梁英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Fujian Yirong Information Technology Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Fujian Yirong Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Zhejiang Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd, Fujian Yirong Information Technology Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210725654.5A priority Critical patent/CN114817575B/zh
Publication of CN114817575A publication Critical patent/CN114817575A/zh
Application granted granted Critical
Publication of CN114817575B publication Critical patent/CN114817575B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/36—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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/027—Frames
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于扩展模型的大规模电力事理图谱处理方法，包括：扩展模型对预设时间段内所接收到的所有事件拓展请求进行统计，生成第一拓展节点集合；根据每个扩展事理节点的必选论元集合和可选论元集合对所有的扩展事理节点添加节点类型标签；对每个归类子集内的扩展事理节点进行二次排序得到第二拓展节点集合；根据每个拓展事件信息的必选论元集合和可选论元集合确定所对应的第一事理节点和第二事理节点；统计先前时刻得到的第一事理节点和第二事理节点生成已确定节点集合，基于已确定节点集合得到当前时刻所遍历的扩展事理节点相对应的第一事理节点和第二事理节点的节点位置，将扩展事理节点分别与第一事理节点和第二事理节点连接。

Description

基于扩展模型的大规模电力事理图谱处理方法
技术领域
本发明涉及数据处理技术领域，特别是涉及一种基于扩展模型的大规模电力事理图谱处理方法。
背景技术
传统知识图谱中的知识是静态的，描述的是实体以及实体之间的关系，这些关系是相对确定的静态的知识，而现实人类社会当中，知识是动态变化的，知识本身会因为外部条件的变化而失真。知识图谱在应用上具备局限性，知识图谱只能回答什么是什么的问题，对包括基于已知知识推断未知知识，对已知知识进行正确性校验的知识推理，从根本上来说也没有跳出“静态”这一属性。在诸如“怎么了”，“接下来会怎么样”，“为什么”，“怎么做”等问题上，知识图谱显得有些乏力。事理图谱能够对上述知识图谱的劣势进行解决，使图谱能够是“动态”的。
目前关于事理图谱的构建方式上，主要包括领域专家手动构建以及基于海量文本自动化获取两种方法。前者准确率高但构建成本较大，且规模难以快速增长；后者所见即所得，构建成本较低，规模可快速扩充，能够迅速挖掘出海量逻辑，但缺点是精确度受多方面因素影响，准确率较前者要低。
无论是何种类型构建的事理图谱，在后续使用过程中都需要对事理图谱中的事理节点、事件进行持续的更新，在对事件中的名词进行划分时，可以划分为必选论元和可选论元，必选论元是完成整个事件的必然主体，所以该必然主体所对应的实体节点与相应的事件节点关联性较强，可选论元是完成整个事件的非必然主体，所以该非必然主体所对应的实体节点与相应的事件节点关联性较弱，通过论元能够反映出两个新增节点在先前的事理图谱中的扩增关系，如果两个新增节点的可选论元和/或必选论元越接近，则新增的两个事理节点所连接的图谱先前的事理节点就越接近，当前还没有一种技术方案，能够根据新增节点中论元的对应关系，对事理图谱进行有序、有效的更新。
发明内容
本发明克服现有技术的缺点，提供一种基于扩展模型的大规模电力事理图谱处理方法，能够根据新增节点中论元的对应关系，对事理图谱中的事理节点进行有序、有效、持续的更新，提高大规模电力事理图内的事理节点的数量。
为了解决以上技术问题，本发明的技术方案如下：
本发明实施例提供一种基于扩展模型的大规模电力事理图谱处理方法，包括：
扩展模型对预设时间段内所接收到的所有事件拓展请求进行统计，根据每个事件拓展请求的所有扩展事理节点的请求时间进行一次排序，生成第一拓展节点集合；
根据所述扩展事理节点的拓展事件信息得到相对应的必选论元集合和可选论元集合，根据每个扩展事理节点的必选论元集合和可选论元集合对所有的扩展事理节点添加节点类型标签；
扩展模型基于所述节点类型标签对第一拓展节点集合进行归类处理得到多个归类子集，对每个归类子集内的扩展事理节点进行二次排序得到第二拓展节点集合；
在大规模电力事理图谱中按照所述第二拓展节点集合依次建立相对应的扩展事理节点，根据每个拓展事件信息的必选论元集合和可选论元集合确定所对应的第一事理节点和第二事理节点；
统计所有先前时刻得到的第一事理节点和第二事理节点生成已确定节点集合，基于已确定节点集合得到当前时刻所遍历的扩展事理节点相对应的第一事理节点和第二事理节点的节点位置，将所述扩展事理节点分别与第一事理节点和第二事理节点连接。
进一步的，所述扩展模型对预设时间段内所接收到的所有事件拓展请求进行统计，根据每个事件拓展请求的所有扩展事理节点的请求时间进行一次排序，生成第一拓展节点集合，包括：
每个事件拓展请求中至少包括一个扩展事理节点，以及相应扩展事理节点所对应的请求时间；
根据每个扩展事理节点的请求时间进行升序排序生成第一拓展节点集合。
进一步的，所述根据所述扩展事理节点的拓展事件信息得到相对应的必选论元集合和可选论元集合，根据每个扩展事理节点的必选论元集合和可选论元集合对所有的扩展事理节点添加节点类型标签，包括：
对所述拓展事件信息进行语义分析处理，得到拓展事件信息的多个事件词语，所述事件词语为名词种类、动词种类、主语种类、谓语种类以及宾语种类中的任意一种或多种；
根据所述事件词语生成相对应的必选论元集合和可选论元集合；
将任意两个扩展事理节点的必选论元集合和可选论元集合中的事件词语进行论元相似度的计算，将论元相似度大于等于预设相似度的两个扩展事理节点添加相同的节点类型标签。
进一步的，所述将任意两个扩展事理节点的必选论元集合和可选论元集合中的事件词语进行论元相似度的计算，将论元相似度大于等于预设相似度的两个扩展事理节点添加相同的节点类型标签，包括：
统计两个扩展事理节点的必选论元集合内相同事件词语的数量，得到第一相同数量，以及两个扩展事理节点的必选论元集合内所有事件词语的数量得到第一总数量；
统计两个扩展事理节点的可选论元集合内相同事件词语的数量，得到第二相同数量，以及两个扩展事理节点的可选论元集合内所有事件词语的数量得到第二总数量；
基于所述第一相同数量、第一总数量、第二相同数量以及第二总数量进行计算得到论元相似度；
将论元相似度大于等于预设相似度的两个扩展事理节点添加相同的节点类型标签。
进一步的，所述基于所述第一相同数量、第一总数量、第二相同数量以及第二总数量进行计算得到论元相似度，包括：
基于所述第一相同数量和第一总数量进行计算得到第一比例系数，基于第一相似权重对所述第一比例系数加权处理得到第一相似系数；
基于所述第二相同数量和第二总数量进行计算得到第二比例系数，基于第二相似权重对所述第二比例系数加权处理得到第二相似系数；
根据获取的大规模电力事理图谱中所有事理节点的数量得到第一偏移值，根据所述第一偏移值对所述第一相似系数和第二相似系数分别进行偏移处理，得到论元相似度。
进一步的，所述扩展模型基于所述节点类型标签对第一拓展节点集合进行归类处理得到多个归类子集，对每个归类子集内的扩展事理节点进行二次排序得到第二拓展节点集合，包括：
依次获取第一拓展节点集合内每个节点类型标签所对应的扩展事理节点的序列位置，将具有相同节点类型标签的扩展事理节点移动至最前部扩展事理节点的后一个位置处；
在对所有扩展事理节点移动完成后，将具有相同的节点类型标签的扩展事理节点归类为一个归类子集；
将每一个归类子集中的第一个扩展事理节点作为固定的扩展事理节点，根据其他扩展事理节点与固定的扩展事理节点的论元相似度进行降序排序，得到二次排序后的第二拓展节点集合。
进一步的，所述在大规模电力事理图谱中按照所述第二拓展节点集合依次建立相对应的扩展事理节点，根据每个拓展事件信息的必选论元集合和可选论元集合确定所对应的第一事理节点和第二事理节点，包括：
大规模电力事理图谱中的事理节点具有相对应的节点名词和节点位置；
选取大规模电力事理图谱中与必选论元集合所对应的事理节点作为第一事理节点，以及与可选论元集合所对应的事理节点作为第二事理节点；
所述第一事理节点具有第一节点名词和第一节点位置，所述第二事理节点具有第二节点名词和第二节点位置。
进一步的，所述统计所有先前时刻得到的第一事理节点和第二事理节点生成已确定节点集合，基于已确定节点集合得到当前时刻所遍历的扩展事理节点相对应的第一事理节点和第二事理节点的节点位置，将所述扩展事理节点分别与第一事理节点和第二事理节点连接，包括：
根据每个扩展事理节点所对应的节点维度标签对所有的第一事理节点和第二事理节点进行归类，得到已确定节点集合；
基于所有先前时刻的已确定节点集合生成第一节点遍历表，根据当前时刻所遍历的扩展事理节点的节点维度标签对第一节点遍历表更新；
按照所述第一节点遍历表获取与当前时刻的扩展事理节点所对应的第一事理节点和第二事理节点，提取第一事理节点和第二事理节点第一节点位置和第二节点位置；
基于第一节点位置和第二节点位置将所述扩展事理节点分别与所述第一事理节点和第二事理节点连接。
进一步的，所述基于所有先前时刻的已确定节点集合生成第一节点遍历表，根据当前时刻所遍历的扩展事理节点的节点维度标签对第一节点遍历表更新，包括：
在第一节点遍历表处划分第一遍历区域和第二遍历区域，所述第一遍历区域在所述第二遍历区域的前部；
将当前时刻所遍历的具有相同节点维度标签所得到的第一事理节点和第二事理节点存储至第一遍历区域；
将先前时刻所遍历的其他节点维度标签所得到的第一事理节点和第二事理节点存储至第二遍历区域；
在第一遍历区域所对应的节点维度标签的扩展事理节点被全部遍历后，将第一遍历区域的所有第一事理节点和第二事理节点存储至第二遍历区域。
进一步的，所述将先前时刻所遍历的其他节点维度标签所得到的第一事理节点和第二事理节点存储至第二遍历区域，包括：
若判断第二遍历区域内存在重复的第一事理节点和/或第二事理节点，则将重复的第一事理节点和/或第二事理节点删除。
本发明的有益效果是：
（1）本发明基于扩展模型的大规模电力事理图谱处理方法，通过扩展模型可以对预设时间段内的所有事件拓展请求进行统一的处理，并且会根据扩展事理节点的请求时间、扩展事理节点的必选论元集合和可选论元集合的不同对所有的扩展事理节点进行两次排序，使得在确定每个扩展事理节点所对应的第一事理节点和第二事理节点时，能够对相似、相对应的扩展事理节点所需要连接的第一事理节点和第二事理节点进行快速的定位，提高大规模电力事理图谱内新建、扩展事理节点的融合、连接效率，进而使进行拓展的大规模电力事理图谱具有拓展效率高的优势。
（2）本发明在得到两个扩展事理节点的相似度时，会综合考虑两个扩展事理节点的必选论元集合和可选论元集合的不同，根据必选论元集合和可选论元集合的相同词语数量、词语总数量以及大规模电力事理图谱中所有事理节点的数量等维度进行融合的计算，使得所计算的两个扩展事理节点的相似度、关联性更加的准确，进而使得本发明在对相似度较高的两个扩展事理节点与先前大规模电力事理图谱所存在的节点进行连接时，能够将相关联的扩展事理节点优先依次遍历，使得相关联的两个拓展时间节点所对应的相同的第一事理节点和第二事理节点能够被快速的锁定，提高大规模电力事理图谱中确定与拓展时间节点相对应的第一事理节点和第二事理节点的效率。
（3）本发明在依次遍历已确定节点集合内的第一事理节点和第二事理节点时，会根据第一节点遍历表进行相应的遍历处理，本发明会根据当前时刻所遍历的扩展事理节点的节点类型标签的不同，对第一节点遍历表内的第一遍历区域和第二遍历区域内的第一事理节点和第二事理节点进行更新，使得在确定某一个扩展事理节点所对应的第一事理节点和第二事理节点时，能够优先遍历其他较为相似的扩展事理节点的第一事理节点和第二事理节点，进而提高了所有扩展事理节点的连接效率。并且，本发明会使得第一遍历区域和第二遍历区域是动态变化的，使得每个时刻的第一遍历区域和第二遍历区域都是与当前时刻所遍历的拓展事理节点相对应的，进而形成对当前时刻所遍历的拓展事理节点最优的遍历、比对路径。并且，本发明会对重复的第一事理节点和/或第二事理节点进行删除处理，使得第一节点遍历表内的所有事理节点不具有重复的情况，避免出现重复遍历、 重复比对的情况，提高遍历比对的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明提供的基于扩展模型的大规模电力事理图谱处理方法的第一种实施方式的流程示意图。
具体实施方式
为使本发明的内容更容易被清楚地理解，下面根据具体实施方式并结合附图，对本发明作出进一步详细的说明。
本发明提供一种基于扩展模型的大规模电力事理图谱处理方法，如图1所示，包括：
步骤S1、扩展模型对预设时间段内所接收到的所有事件拓展请求进行统计，根据每个事件拓展请求的所有扩展事理节点的请求时间进行一次排序，生成第一拓展节点集合。每个事件拓展请求可以对应至少一个拓展事理节点，拓展事理节点例如“变电站维修时需要由监管人员记录”、“变电站维修时需要听从监管人员携带通讯设备统一指挥”、“变电站维修时需要听从监管人员确定区域断电范围”等等，每个事件拓展请求包括多个需要进行拓展的拓展事理节点。本发明会根据所有扩展事理节点的请求时间进行一次排序，此时的第一拓展节点集合内的所有扩展事理节点是按照时间的顺序所排列的。
本发明提供的技术方案，在一个可能的实施方式中，步骤S1包括：
每个事件拓展请求中至少包括一个扩展事理节点，以及相应扩展事理节点所对应的请求时间。扩展事理节点的请求时间可以是生成事件拓展请求时的时间，也可以是工作人员主动配置的请求时间，如果存在两个扩展事理节点具有相同的请求时间，则此时扩展模型对相同的请求时间分别添加区别的后缀，区别的后缀例如1、2、3等等。
根据每个扩展事理节点的请求时间进行升序排序生成第一拓展节点集合。此时，本发明会首先按照请求时间进行升序排序对所有的扩展事理节点进行排序，如果存在相同的请求时间，则此时将相同的请求时间根据区别的后缀进行升序的排序。通过以上的方式，使得本发明中的所有扩展事理节点能够根据时间顺序得到相对应的第一拓展节点集合。
步骤S2、根据所述扩展事理节点的拓展事件信息得到相对应的必选论元集合和可选论元集合，根据每个扩展事理节点的必选论元集合和可选论元集合对所有的扩展事理节点添加节点类型标签。本发明会根据扩展事理节点的拓展事件信息得到相对应的必选论元集合和可选论元集合，例如扩展事理节点为“变电站维修时需要听从监管人员携带通讯设备统一指挥”，此时的必选论元集合可以包括变电站、监管人员等等，此时的可选论元集合可以包括通讯设备等等。必用论元是一个事件中必须调用的词语，可用论元是一个事件中可以调用的词语，如果两个时间的可选论元和必选论元的相似度越大，则证明两个事件就越接近，在扩展后的图谱中，所关联的先前的事件图谱就越接近，所以可以提前对大规模电力事理图谱进行需要相连的事理节点进行统计。本发明会根据每个扩展事理节点的必选论元集合和可选论元集合对所有的扩展事理节点添加节点类型标签，使得较为接近的扩展事理节点具有相同、相近的节点类型标签。
本发明提供的技术方案，在一个可能的实施方式中，步骤S2包括：
对所述拓展事件信息进行语义分析处理，得到拓展事件信息的多个事件词语，所述事件词语为名词种类、动词种类、主语种类、谓语种类以及宾语种类中的任意一种或多种。本发明会对拓展事件信息进行语义分析处理，此时会得到多个相对应的事件词语，例如对“变电站维修时需要听从监管人员携带通讯设备统一指挥”进行语义分析处理，此时的变电站、监管人员以及通讯设备可以是名词，维修、听从、携带可以是动词。此时的变电站可以是主语，维修、听从是谓语，监管人员、通讯设备是宾语等等。多个事件词语即包括了上述的变电站、监管人员等等。
根据所述事件词语生成相对应的必选论元集合和可选论元集合。此时的必选论元集合和可选论元集合可以是基于现有技术中的分词方式进行词语分类处理，也可以是根据人工的方式进行分类处理，也可以是根据词性进行分类处理，例如将名词全部归类为必选论元集合，动词归类为可选论元集合等等。对于必选论元集合和可选论元集合的生成方式本发明不做任何限定。
将任意两个扩展事理节点的必选论元集合和可选论元集合中的事件词语进行论元相似度的计算，将论元相似度大于等于预设相似度的两个扩展事理节点添加相同的节点类型标签。
本发明会分别对必选论元集合和可选论元集合中的事件词语进行论元相似度的计算，可以这样理解，如果存在两个扩展事理节点与第三个拓展事理节点中的论元相似的状况是不同的，其中第一个扩展事理节点的必选论元的相同数量为2、可选论元的相同数量为0。第二个扩展事理节点的必选论元的相同数量为0、可选论元的相同数量为2。第一个扩展事理节点与第三个拓展事理节点的关联性是远大于第二个扩展事理节点与第三个拓展事理节点的关联性的。所以本发明需要将必选论元集合和可选论元集合的事件词语进行分别的比对，进而得到两个扩展事理节点更加准确的论元相似度。
本发明提供的技术方案，在一个可能的实施方式中，所述将任意两个扩展事理节点的必选论元集合和可选论元集合中的事件词语进行论元相似度的计算，将论元相似度大于等于预设相似度的两个扩展事理节点添加相同的节点类型标签，包括：
统计两个扩展事理节点的必选论元集合内相同事件词语的数量，得到第一相同数量，以及两个扩展事理节点的必选论元集合内所有事件词语的数量得到第一总数量。如果第一相同数量越大，则此时两个扩展事理节点越相近，如果第一总数量越小，则证明扩展事理节点的所有必选论元的事件词语越少，此时的两个扩展事理节点越相近。
统计两个扩展事理节点的可选论元集合内相同事件词语的数量，得到第二相同数量，以及两个扩展事理节点的可选论元集合内所有事件词语的数量得到第二总数量。如果第二相同数量越大，则此时两个扩展事理节点越相近，如果第二总数量越小，则证明扩展事理节点的所有可选论元的事件词语越少，此时的两个扩展事理节点越相近。
基于所述第一相同数量、第一总数量、第二相同数量以及第二总数量进行计算得到论元相似度。本发明会结合所统计的论元的相同数量、总数量得到最终的论元相似度，进而通过论元相似度确定两个新扩增的事理节点的相近性。
本发明提供的技术方案，在一个可能的实施方式中，所述基于所述第一相同数量、第一总数量、第二相同数量以及第二总数量进行计算得到论元相似度，包括：
基于所述第一相同数量和第一总数量进行计算得到第一比例系数，基于第一相似权重对所述第一比例系数加权处理得到第一相似系数。第一相似权重可以是工作人员根据实际场景设置的、训练的。
基于所述第二相同数量和第二总数量进行计算得到第二比例系数，基于第二相似权重对所述第二比例系数加权处理得到第二相似系数。第二相似权重可以是工作人员根据实际场景设置的、训练的。
在实际的工作场景中，由于必选论元相同相较于可选论元相同具有更高的相近度，所以第一相似权重是大于第二相似权重的，即使得必选论元相较于可选论元具有更高的相近情况。
根据获取的大规模电力事理图谱中所有事理节点的数量得到第一偏移值，根据所述第一偏移值对所述第一相似系数和第二相似系数分别进行偏移处理，得到论元相似度。本发明会获取大规模电力事理图谱中所有事理节点的数量得到第一偏移值，如果大规模电力事理图谱中所有事理节点的数量越大，则证明事理图谱中的节点种类、实体名词就越多，所以两个扩展事理节点相近度高的可能就会降低，所以此时需要根据大规模电力事理图谱中所有事理节点的数量得到第一偏移值，并且大规模电力事理图谱中所有事理节点的数量与第一偏移值是成正比的。
本发明提供的技术方案，在一个可能的实施方式中，可以通过公式计算论元相似度，
Figure 583210DEST_PATH_IMAGE001
其中，
Figure 382539DEST_PATH_IMAGE002
为论元相似度，
Figure 466776DEST_PATH_IMAGE003
为第一相同数量，
Figure 958937DEST_PATH_IMAGE004
为第一总数量，
Figure 262879DEST_PATH_IMAGE005
为第一 相似权重，
Figure 600320DEST_PATH_IMAGE006
为第二相同数量，
Figure 604310DEST_PATH_IMAGE007
为第二总数量，
Figure 736214DEST_PATH_IMAGE008
为第二相似权重，
Figure 896761DEST_PATH_IMAGE009
为大规模 电力事理图谱中所有事理节点的数量，
Figure 303472DEST_PATH_IMAGE010
为预设数量值，t 为数量归一化值，
Figure 926083DEST_PATH_IMAGE011
为数量 常数值，
Figure 792670DEST_PATH_IMAGE012
为第一偏移值。
Figure 805625DEST_PATH_IMAGE013
为第一比例系数，通过
Figure 750448DEST_PATH_IMAGE014
可以得到第一相 似系数。
Figure 460521DEST_PATH_IMAGE015
为第二比例系数，通过
Figure 199807DEST_PATH_IMAGE016
可以得到第二相似系数。
通过以上的方式，使得本发明在得到论元相似度时，不仅能够根据必选论元和可选论元的不同得到相似度，还可以根据大规模电力事理图谱中所有事理节点的数量对计算论元相似度的公式进行实时、动态的调整，使得在大规模电力事理图谱中不同量级的事理图谱所计算的论元相似度的标准也不同，进而使得在确定两个扩展事理节点的相似情况时更加的准确。
将论元相似度大于等于预设相似度的两个扩展事理节点添加相同的节点类型标签。本发明会将论元相似度大于等于预设相似度的两个扩展事理节点化为接近的两个扩展事理节点，并为两个扩展事理节点添加相应的节点类型标签。
步骤S3、扩展模型基于所述节点类型标签对第一拓展节点集合进行归类处理得到多个归类子集，对每个归类子集内的扩展事理节点进行二次排序得到第二拓展节点集合。在所有的扩展事件节点都具有相应的节点类型标签后，本发明会根据每个扩展事件节点的类型标签对第一拓展节点集合进行归类，得到相对应的归类子集，本发明会再次对扩展事理节点进行二次排序得到第二拓展节点集合，此时的第二拓展节点集合可以看作是扩展事理节点聚类后得到的。
本发明提供的技术方案，在一个可能的实施方式中，步骤S3包括：
依次获取第一拓展节点集合内每个节点类型标签所对应的扩展事理节点的序列 位置，将具有相同节点类型标签的扩展事理节点移动至最前部扩展事理节点的后一个位置 处。本发明会依次获取第一拓展节点集合内每个节点类型标签所对应的扩展事理节点的序 列位置，例如第一拓展节点集合X内具有n个扩展事理节点，
Figure 231217DEST_PATH_IMAGE017
，其中，如果扩展事理节点
Figure 215616DEST_PATH_IMAGE018
与扩展事理节点
Figure 547240DEST_PATH_IMAGE019
具有相 同的节点类型标签，则此时会将
Figure 723007DEST_PATH_IMAGE019
移动至扩展事理节点
Figure 444975DEST_PATH_IMAGE018
的后部，即
Figure 26873DEST_PATH_IMAGE017
。
在对所有扩展事理节点移动完成后，将具有相同的节点类型标签的扩展事理节点 归类为一个归类子集。在所有的扩展事理节点移动完成后，则证明较为相似的扩展事理节 点都会被聚类，此时将具有相同的节点类型标签的扩展事理节点归类为一个归类子集，例 如其中一个归类子集为
Figure 681845DEST_PATH_IMAGE020
。
将每一个归类子集中的第一个扩展事理节点作为固定的扩展事理节点，根据其他 扩展事理节点与固定的扩展事理节点的论元相似度进行降序排序，得到二次排序后的第二 拓展节点集合。此时固定的扩展事理节点即为
Figure 762933DEST_PATH_IMAGE018
，本发明会根据其他扩展事理节点与固定 的扩展事理节点的论元相似度进行降序排序，例如扩展事理节点
Figure 535980DEST_PATH_IMAGE021
与扩展事理节点
Figure 626295DEST_PATH_IMAGE018
的 论元相似度为百分之61.2、扩展事理节点
Figure 604616DEST_PATH_IMAGE021
与扩展事理节点
Figure 151878DEST_PATH_IMAGE018
的论元相似度为百分之 81.75，此时根据论元相似度进行降序排序的归类子集即为
Figure 848439DEST_PATH_IMAGE020
。
步骤S4、在大规模电力事理图谱中按照所述第二拓展节点集合依次建立相对应的扩展事理节点，根据每个拓展事件信息的必选论元集合和可选论元集合确定所对应的第一事理节点和第二事理节点。扩展模型在建立相对应的扩展事理节点时，会根据第二拓展节点集合内所有的拓展事件节点的顺序进行建立，并且根据必选论元集合和可选论元集合确定所对应的第一事理节点和第二事理节点。例如必选论元集合具有事件名词为变压器，则此时会将扩展事理节点与变压器的实体节点（第一事理节点）建立连接，必选论元集合具有事件名词为通讯设备，则此时会与通讯设备的实体节点（第二事理节点）建立连接。该种方式能够实现将新建的拓展事件节点与大规模电力事理图谱中先前具有的节点进行连接。
步骤S5、统计所有先前时刻得到的第一事理节点和第二事理节点生成已确定节点 集合，基于已确定节点集合得到当前时刻所遍历的扩展事理节点相对应的第一事理节点和 第二事理节点的节点位置，将所述扩展事理节点分别与第一事理节点和第二事理节点连 接。本发明会首先得到已确定节点集合，可以这样理解，如果当前时刻所遍历的扩展事理节 点为
Figure 273604DEST_PATH_IMAGE018
，则此时已确定节点集合为空集，先前时刻所遍历的扩展事理节点为
Figure 873475DEST_PATH_IMAGE022
，则此时已 确定节点集合为扩展事理节点
Figure 827524DEST_PATH_IMAGE018
所对应的第一事理节点
Figure 73698DEST_PATH_IMAGE023
等等。第二事 理节点
Figure 750491DEST_PATH_IMAGE024
等等。本发明在遍历完成已确定节点集合内的所有第一事理节 点和第二事理节点后，如果还存在未与必选论元和可选论元相对应的第一事理节点和第二 事理节点，则会再次遍历大规模电力事理图谱内的每个事理节点，确定相对应的第一事理 节点和第二事理节点，通过该种方式，使得每个必选论元和可选论元都具有相对应的事理 节点。进而使得所新增的扩展事理节点与大规模电力事理图谱内的所有先前的事理节点充 分连接。
本发明提供的技术方案，在一个可能的实施方式中，步骤S5包括：
大规模电力事理图谱中的事理节点具有相对应的节点名词和节点位置。每个事理节点具有相对应的节点名词和节点位置，例如其中一个事理节点为变电站，变电站即为节点名词，节点位置可以是该事理节点的位置标签，例如10111等等，通过位置标签可以快速的确定相对应的节点位置，将相关联的扩展事理节点、第一事理节点或第二事理节点相连接。
选取大规模电力事理图谱中与必选论元集合所对应的事理节点作为第一事理节点，以及与可选论元集合所对应的事理节点作为第二事理节点。本发明会将与必选论元集合所对应的事理节点作为第一事理节点，第一事理节点所对应的实体可以看作是扩展事理节点中事件的必要主体。本发明会将与可选论元集合所对应的事理节点作为第二事理节点，第二事理节点所对应的实体可以看作是扩展事理节点中事件的可选主体。
所述第一事理节点具有第一节点名词和第一节点位置，所述第二事理节点具有第二节点名词和第二节点位置。此时可以这样理解，每个事理节点都会具有与其对应的节点位置，可以根据第一节点位置和第二节点位置将新建的扩增事件节点相连接。
本发明提供的技术方案，在一个可能的实施方式中，所述统计所有先前时刻得到的第一事理节点和第二事理节点生成已确定节点集合，基于已确定节点集合得到当前时刻所遍历的扩展事理节点相对应的第一事理节点和第二事理节点的节点位置，将所述扩展事理节点分别与第一事理节点和第二事理节点连接，包括：
根据每个扩展事理节点所对应的节点维度标签对所有的第一事理节点和第二事理节点进行归类，得到已确定节点集合。本发明会根据维度标签对第一事理节点和第二事理节点进行归类，此时的第一事理节点和第二事理节点或具有与相对应的扩展事理节点的相连接的倾向性，此时的已确定节点集合具有被确定过的第一事理节点和第二事理节点以及相对应的集合维度类型标签，集合维度类型标签可以是与扩展事理节点所对应的节点维度标签相关联、相对应的。
基于所有先前时刻的已确定节点集合生成第一节点遍历表，根据当前时刻所遍历的扩展事理节点的节点维度标签对第一节点遍历表更新。本发明会根据第一节点遍历表，在每确定一个扩展事理节点所对应的一事理节点和第二事理节点后，会对第一节点遍历表更新，因为此时可能会向已确定节点集合内添加新的第一事理节点和/或第二事理节点。
按照所述第一节点遍历表获取与当前时刻的扩展事理节点所对应的第一事理节点和第二事理节点，提取第一事理节点和第二事理节点第一节点位置和第二节点位置。本发明在根据第一节点遍历表得到与当前时刻的扩展事理节点所对应的第一事理节点和第二事理节点后，会得到相对应的节点位置。
基于第一节点位置和第二节点位置将所述扩展事理节点分别与所述第一事理节点和第二事理节点连接。通过该种方式，将扩展事理节点与原始的第一事理节点和第二事理节点连接。
本发明提供的技术方案，在一个可能的实施方式中，所述基于所有先前时刻的已确定节点集合生成第一节点遍历表，根据当前时刻所遍历的扩展事理节点的节点维度标签对第一节点遍历表更新，包括：
在第一节点遍历表处划分第一遍历区域和第二遍历区域，所述第一遍历区域在所述第二遍历区域的前部。本发明会对第一节点遍历表进行分区域的处理，使得不同维度的第一事理节点和第二事理节点所对应的实体节点名词会存储于不同的区域内。
将当前时刻所遍历的具有相同节点维度标签所得到的第一事理节点和第二事理节点存储至第一遍历区域。本发明会在为某一个扩展事理节点遍历相对应的第一事理节点和第二事理节点时，会统计所有的第一事理节点和第二事理节点存储至第一遍历区域，此时的第一遍历区域是持续动态变化的。
将先前时刻所遍历的其他节点维度标签所得到的第一事理节点和第二事理节点存储至第二遍历区域。本发明会将其他、先前时刻得到的第一事理节点和第二事理节点存储至第二遍历区域，使得第二遍历区域内的所有事理节点都是与当前的扩展事理节点是具有不同的维度标签的。
在第一遍历区域所对应的节点维度标签的扩展事理节点被全部遍历后，将第一遍历区域的所有第一事理节点和第二事理节点存储至第二遍历区域。此时即需要遍历具有其他点维度标签的扩展事理节点，所以此时需要将先前的第一遍历区域内的所有第一事理节点和第二事理节点存储至第二遍历区域。通过以上方式，实现在对某个节点维度标签的扩展事理节点进行遍历时，优先遍历相对应的维度的第一事理节点和第二事理节点，提高所扩增的扩展事理节点与第一事理节点或第二事理节点的连接效率。
本发明提供的技术方案，在一个可能的实施方式中，所述将先前时刻所遍历的其他节点维度标签所得到的第一事理节点和第二事理节点存储至第二遍历区域，包括：
若判断第二遍历区域内存在重复的第一事理节点和/或第二事理节点，则将重复的第一事理节点和/或第二事理节点删除。本发明会持续对第二遍历区域内的所有第一事理节点和第二事理节点进行持续的更新，将重复的第一事理节点和/或第二事理节点进行删除，避免出现对第一事理节点或第二事理节点重复遍历的情况。
除上述实施例外，本发明还可以有其他实施方式；凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (7)

1.基于扩展模型的大规模电力事理图谱处理方法，其特征在于，包括：
扩展模型对预设时间段内所接收到的所有事件拓展请求进行统计，根据每个事件拓展请求的所有扩展事理节点的请求时间进行一次排序，生成第一拓展节点集合；
根据所述扩展事理节点的拓展事件信息得到相对应的必选论元集合和可选论元集合，根据每个扩展事理节点的必选论元集合和可选论元集合对所有的扩展事理节点添加节点类型标签；
扩展模型基于所述节点类型标签对第一拓展节点集合进行归类处理得到多个归类子集，对每个归类子集内的扩展事理节点进行二次排序得到第二拓展节点集合；
在大规模电力事理图谱中按照所述第二拓展节点集合依次建立相对应的扩展事理节点，根据每个拓展事件信息的必选论元集合和可选论元集合确定所对应的第一事理节点和第二事理节点；
统计所有先前时刻得到的第一事理节点和第二事理节点生成已确定节点集合，基于已确定节点集合得到当前时刻所遍历的扩展事理节点相对应的第一事理节点和第二事理节点的节点位置，将所述扩展事理节点分别与第一事理节点和第二事理节点连接；
所述在大规模电力事理图谱中按照所述第二拓展节点集合依次建立相对应的扩展事理节点，根据每个拓展事件信息的必选论元集合和可选论元集合确定所对应的第一事理节点和第二事理节点，包括：
大规模电力事理图谱中的事理节点具有相对应的节点名词和节点位置；
选取大规模电力事理图谱中与必选论元集合所对应的事理节点作为第一事理节点，以及与可选论元集合所对应的事理节点作为第二事理节点；
所述第一事理节点具有第一节点名词和第一节点位置，所述第二事理节点具有第二节点名词和第二节点位置；
所述统计所有先前时刻得到的第一事理节点和第二事理节点生成已确定节点集合，基于已确定节点集合得到当前时刻所遍历的扩展事理节点相对应的第一事理节点和第二事理节点的节点位置，将所述扩展事理节点分别与第一事理节点和第二事理节点连接，包括：
根据每个扩展事理节点所对应的节点维度标签对所有的第一事理节点和第二事理节点进行归类，得到已确定节点集合；
基于所有先前时刻的已确定节点集合生成第一节点遍历表，根据当前时刻所遍历的扩展事理节点的节点维度标签对第一节点遍历表更新；
按照所述第一节点遍历表获取与当前时刻的扩展事理节点所对应的第一事理节点和第二事理节点，提取第一事理节点和第二事理节点所对应的第一节点位置和第二节点位置；
基于第一节点位置和第二节点位置将所述扩展事理节点分别与所述第一事理节点和第二事理节点连接；
所述基于所有先前时刻的已确定节点集合生成第一节点遍历表，根据当前时刻所遍历的扩展事理节点的节点维度标签对第一节点遍历表更新，包括：
在第一节点遍历表处划分第一遍历区域和第二遍历区域，所述第一遍历区域在所述第二遍历区域的前部；
将当前时刻所遍历的具有相同节点维度标签所得到的第一事理节点和第二事理节点存储至第一遍历区域；
将先前时刻所遍历的其他节点维度标签所得到的第一事理节点和第二事理节点存储至第二遍历区域；
在第一遍历区域所对应的节点维度标签的扩展事理节点被全部遍历后，将第一遍历区域的所有第一事理节点和第二事理节点存储至第二遍历区域。
2.根据权利要求1所述的基于扩展模型的大规模电力事理图谱处理方法，其特征在于，
所述扩展模型对预设时间段内所接收到的所有事件拓展请求进行统计，根据每个事件拓展请求的所有扩展事理节点的请求时间进行一次排序，生成第一拓展节点集合，包括：
每个事件拓展请求中至少包括一个扩展事理节点，以及相应扩展事理节点所对应的请求时间；
根据每个扩展事理节点的请求时间进行升序排序生成第一拓展节点集合。
3.根据权利要求1所述的基于扩展模型的大规模电力事理图谱处理方法，其特征在于，
所述根据所述扩展事理节点的拓展事件信息得到相对应的必选论元集合和可选论元集合，根据每个扩展事理节点的必选论元集合和可选论元集合对所有的扩展事理节点添加节点类型标签，包括：
对所述拓展事件信息进行语义分析处理，得到拓展事件信息的多个事件词语，所述事件词语为名词种类、动词种类、主语种类、谓语种类以及宾语种类中的任意一种或多种；
根据所述事件词语生成相对应的必选论元集合和可选论元集合；
将任意两个扩展事理节点的必选论元集合和可选论元集合中的事件词语进行论元相似度的计算，将论元相似度大于等于预设相似度的两个扩展事理节点添加相同的节点类型标签。
4.根据权利要求3所述的基于扩展模型的大规模电力事理图谱处理方法，其特征在于，
所述将任意两个扩展事理节点的必选论元集合和可选论元集合中的事件词语进行论元相似度的计算，将论元相似度大于等于预设相似度的两个扩展事理节点添加相同的节点类型标签，包括：
统计两个扩展事理节点的必选论元集合内相同事件词语的数量，得到第一相同数量，以及两个扩展事理节点的必选论元集合内所有事件词语的数量得到第一总数量；
统计两个扩展事理节点的可选论元集合内相同事件词语的数量，得到第二相同数量，以及两个扩展事理节点的可选论元集合内所有事件词语的数量得到第二总数量；
基于所述第一相同数量、第一总数量、第二相同数量以及第二总数量进行计算得到论元相似度；
将论元相似度大于等于预设相似度的两个扩展事理节点添加相同的节点类型标签。
5.根据权利要求4所述的基于扩展模型的大规模电力事理图谱处理方法，其特征在于，
所述基于所述第一相同数量、第一总数量、第二相同数量以及第二总数量进行计算得到论元相似度，包括：
基于所述第一相同数量和第一总数量进行计算得到第一比例系数，基于第一相似权重对所述第一比例系数加权处理得到第一相似系数；
基于所述第二相同数量和第二总数量进行计算得到第二比例系数，基于第二相似权重对所述第二比例系数加权处理得到第二相似系数；
根据获取的大规模电力事理图谱中所有事理节点的数量得到第一偏移值，根据所述第一偏移值对所述第一相似系数和第二相似系数分别进行偏移处理，得到论元相似度。
6.根据权利要求3所述的基于扩展模型的大规模电力事理图谱处理方法，其特征在于，
所述扩展模型基于所述节点类型标签对第一拓展节点集合进行归类处理得到多个归类子集，对每个归类子集内的扩展事理节点进行二次排序得到第二拓展节点集合，包括：
依次获取第一拓展节点集合内每个节点类型标签所对应的扩展事理节点的序列位置，将具有相同节点类型标签的扩展事理节点移动至最前部扩展事理节点的后一个位置处；
在对所有扩展事理节点移动完成后，将具有相同的节点类型标签的扩展事理节点归类为一个归类子集；
将每一个归类子集中的第一个扩展事理节点作为固定的扩展事理节点，根据其他扩展事理节点与固定的扩展事理节点的论元相似度进行降序排序，得到二次排序后的第二拓展节点集合。
7.根据权利要求1所述的基于扩展模型的大规模电力事理图谱处理方法，其特征在于，
所述将先前时刻所遍历的其他节点维度标签所得到的第一事理节点和第二事理节点存储至第二遍历区域，包括：
若判断第二遍历区域内存在重复的第一事理节点和/或第二事理节点，则将重复的第一事理节点和/或第二事理节点删除。
CN202210725654.5A 2022-06-24 2022-06-24 基于扩展模型的大规模电力事理图谱处理方法 Active CN114817575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210725654.5A CN114817575B (zh) 2022-06-24 2022-06-24 基于扩展模型的大规模电力事理图谱处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210725654.5A CN114817575B (zh) 2022-06-24 2022-06-24 基于扩展模型的大规模电力事理图谱处理方法

Publications (2)

Publication Number Publication Date
CN114817575A CN114817575A (zh) 2022-07-29
CN114817575B true CN114817575B (zh) 2022-09-02

Family

ID=82521579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210725654.5A Active CN114817575B (zh) 2022-06-24 2022-06-24 基于扩展模型的大规模电力事理图谱处理方法

Country Status (1)

Country Link
CN (1) CN114817575B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114996483B (zh) * 2022-08-03 2022-10-21 国网浙江省电力有限公司信息通信分公司 基于变分自编码器的事理图谱的数据处理方法
CN115860588B (zh) * 2023-03-02 2023-06-16 北京智盟信通科技有限公司 基于知识图谱和可拓展模型的断路器自定义健康评价方法

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108055255A (zh) * 2017-12-07 2018-05-18 华东师范大学 一种事件库、可扩展数据管理系统及其管理方法
CN109710942A (zh) * 2018-12-28 2019-05-03 零犀(北京)科技有限公司 图谱的构建方法及装置、电子设备
CN110110870A (zh) * 2019-06-05 2019-08-09 厦门邑通软件科技有限公司 一种基于事件图谱技术的设备故障智能监控方法
CN110427496A (zh) * 2019-08-05 2019-11-08 北京百度网讯科技有限公司 用于文本处理的知识图谱扩充方法及装置
CN110704413A (zh) * 2019-09-30 2020-01-17 东莞市盟大塑化科技有限公司 一种基于深度学习的知识图谱构建方法
CN110781317A (zh) * 2019-10-29 2020-02-11 北京明略软件系统有限公司 事件图谱的构建方法、装置及电子设备
CN110968700A (zh) * 2019-11-01 2020-04-07 数地科技(北京)有限公司 一种融合多类事理与实体知识的领域事件图谱构建方法和装置
CN111368095A (zh) * 2020-02-28 2020-07-03 河海大学 基于水利知识-事理耦合网络的决策支持系统架构与方法
CN111949390A (zh) * 2020-08-13 2020-11-17 深圳市极限网络科技有限公司 基于事理图谱的多种类大规模任务自动化调度方法及系统
CN112182242A (zh) * 2020-09-27 2021-01-05 武汉大学 一种面向电力作业全过程的安全管控知识图谱构建方法
CN112199512A (zh) * 2020-10-15 2021-01-08 北京大学 面向科技服务的事理图谱构建方法、装置、设备及存储介质
CN112241457A (zh) * 2020-09-22 2021-01-19 同济大学 一种融合扩展特征的事理知识图谱事件检测方法
CN112559656A (zh) * 2020-12-09 2021-03-26 河海大学 基于水文事件的事理图谱构建方法
CN112948552A (zh) * 2021-02-26 2021-06-11 北京信息科技大学 一种事理图谱在线扩展方法及装置
CN113050928A (zh) * 2021-04-13 2021-06-29 山东浪潮通软信息科技有限公司 一种工作流程中的事件扩展的方法、系统、设备、介质
CN113312490A (zh) * 2021-04-28 2021-08-27 乐山师范学院 一种针对突发事件的事件知识图谱构建方法
CN113379214A (zh) * 2021-06-02 2021-09-10 国网福建省电力有限公司 基于事理图谱的电网事故信息自动填报及辅助决策的方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4292789B2 (ja) * 2002-11-20 2009-07-08 日本電気株式会社 ブラウザ機能拡張方法
US8566273B2 (en) * 2010-12-15 2013-10-22 Siemens Aktiengesellschaft Method, system, and computer program for information retrieval in semantic networks
US8943009B2 (en) * 2011-11-20 2015-01-27 International Business Machines Corporation Method of adapting an event processing component having a plurality of event processing agents which carry out a plurality of rules complying with at least one correctness requirement to process a plurality of events
US10740398B2 (en) * 2017-11-27 2020-08-11 International Business Machines Corporation Structuring incoherent nodes by superimposing on a base knowledge graph
CN111428049B (zh) * 2020-03-20 2023-07-21 北京百度网讯科技有限公司 一种事件专题的生成方法、装置、设备和存储介质

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108055255A (zh) * 2017-12-07 2018-05-18 华东师范大学 一种事件库、可扩展数据管理系统及其管理方法
CN109710942A (zh) * 2018-12-28 2019-05-03 零犀(北京)科技有限公司 图谱的构建方法及装置、电子设备
CN110110870A (zh) * 2019-06-05 2019-08-09 厦门邑通软件科技有限公司 一种基于事件图谱技术的设备故障智能监控方法
CN110427496A (zh) * 2019-08-05 2019-11-08 北京百度网讯科技有限公司 用于文本处理的知识图谱扩充方法及装置
CN110704413A (zh) * 2019-09-30 2020-01-17 东莞市盟大塑化科技有限公司 一种基于深度学习的知识图谱构建方法
CN110781317A (zh) * 2019-10-29 2020-02-11 北京明略软件系统有限公司 事件图谱的构建方法、装置及电子设备
CN110968700A (zh) * 2019-11-01 2020-04-07 数地科技(北京)有限公司 一种融合多类事理与实体知识的领域事件图谱构建方法和装置
CN111368095A (zh) * 2020-02-28 2020-07-03 河海大学 基于水利知识-事理耦合网络的决策支持系统架构与方法
CN111949390A (zh) * 2020-08-13 2020-11-17 深圳市极限网络科技有限公司 基于事理图谱的多种类大规模任务自动化调度方法及系统
CN112241457A (zh) * 2020-09-22 2021-01-19 同济大学 一种融合扩展特征的事理知识图谱事件检测方法
CN112182242A (zh) * 2020-09-27 2021-01-05 武汉大学 一种面向电力作业全过程的安全管控知识图谱构建方法
CN112199512A (zh) * 2020-10-15 2021-01-08 北京大学 面向科技服务的事理图谱构建方法、装置、设备及存储介质
CN112559656A (zh) * 2020-12-09 2021-03-26 河海大学 基于水文事件的事理图谱构建方法
CN112948552A (zh) * 2021-02-26 2021-06-11 北京信息科技大学 一种事理图谱在线扩展方法及装置
CN113050928A (zh) * 2021-04-13 2021-06-29 山东浪潮通软信息科技有限公司 一种工作流程中的事件扩展的方法、系统、设备、介质
CN113312490A (zh) * 2021-04-28 2021-08-27 乐山师范学院 一种针对突发事件的事件知识图谱构建方法
CN113379214A (zh) * 2021-06-02 2021-09-10 国网福建省电力有限公司 基于事理图谱的电网事故信息自动填报及辅助决策的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Construction of Causality Event Evolutionary Graph of Aviation Accident;Hong Wang et.al;《2019 5th International Conference on Transportation Information and Safety》;20191028;全文 *
基于事理图谱的电力安全事故预控方法;林穿等;《中国安全生产科学技术》;20211031;第17卷(第10期);第39-45页 *
基于图谱融合的人工智能司法数据库构件研究;朱福勇等;《扬州大学学报（人文社会科学版）》;20191130;第23卷(第6期);第89-96页 *

Also Published As

Publication number Publication date
CN114817575A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN114817575B (zh) 基于扩展模型的大规模电力事理图谱处理方法
CN110674840B (zh) 一种多方证据关联模型构建方法和证据链提取方法及装置
CN110825877A (zh) 一种基于文本聚类的语义相似度分析方法
CN105045875B (zh) 个性化信息检索方法及装置
CN108470022B (zh) 一种基于运维管理的智能工单质检方法
CN110458324B (zh) 风险概率的计算方法、装置和计算机设备
CN108664599B (zh) 智能问答方法、装置、智能问答服务器及存储介质
CN113254643B (zh) 文本分类方法、装置、电子设备和
CN110310012B (zh) 数据分析方法、装置、设备及计算机可读存储介质
CN108027814A (zh) 停用词识别方法与装置
CN103544307A (zh) 一种不依赖文档库的多搜索引擎自动化对比评测方法
CN114491034B (zh) 一种文本分类方法及智能设备
CN114491081A (zh) 基于数据血缘关系图谱的电力数据溯源方法及系统
CN112489689B (zh) 基于多尺度差异对抗的跨数据库语音情感识别方法及装置
CN111339258B (zh) 基于知识图谱的大学计算机基础习题推荐方法
JP3182169B2 (ja) 故障診断方法
CN117010373A (zh) 一种电力设备资产管理数据所属类别和组的推荐方法
CN116610810A (zh) 基于调控云知识图谱血缘关系的智能搜索方法及系统
CN113505863B (zh) 基于级联均值向量综合评分的图片多级分类方法及系统
CN116756373A (zh) 基于知识图谱更新的项目评审专家筛选方法、系统及介质
CN107577690B (zh) 海量信息数据的推荐方法及推荐装置
Ryman et al. Application of source code plagiarism detection and grouping techniques for short programs
CN111767730B (zh) 一种事件类型识别方法及装置
CN105786929A (zh) 一种信息监测方法及装置
CN114417010A (zh) 面向实时工作流的知识图谱构建方法、装置和存储介质

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