CN114911943A - 基于知识图谱的经营指标体系构建方法和系统 - Google Patents
基于知识图谱的经营指标体系构建方法和系统 Download PDFInfo
- Publication number
- CN114911943A CN114911943A CN202111276437.4A CN202111276437A CN114911943A CN 114911943 A CN114911943 A CN 114911943A CN 202111276437 A CN202111276437 A CN 202111276437A CN 114911943 A CN114911943 A CN 114911943A
- Authority
- CN
- China
- Prior art keywords
- index
- knowledge
- database
- index system
- establishing
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明提供了一种基于知识图谱的经营指标体系构建方法及系统,包括:以知识图谱作为核心框架,基于业务系统数据源构建指标字典,建立指标字典关系型数据库;基于指标字典关系型数据库通过知识图谱工具构建指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱;基于指标体系关系型数据库和指标体系图数据库构建指标体系管理系统,基于指标管理系统修改指标字典中单条指标信息或指标体系中指标与指标之间的联络关系。本发明通过知识图谱的结构,将分散在各管控体系、各级别、各归属部门的经营管理指标串联在一起,解决了多属性指标无法定位、不同体系指标间无法打通、指标间因果关系无法推导、全量指标不易管理等问题。
Description
技术领域
本发明涉及数据处理技术领域,具体地,涉及基于知识图谱的经营指标体系构建方法和系统。
背景技术
目前大数据分析领域,业务系统会沉淀大量涉及经营管理的指标。由于一个数据指标往往被多出引用,且不同业务系统引用数据指标的方式多种多样,进而不利于业务系统的解耦和未来业务升级。现有技术引入数据仓库,并针对数据仓库,有众多指标管理方法。
专利文献CN105335401B(申请号:201410351744.8)公开了一种数据仓库指标管理方法和装置及系统,该数据仓库指标管理方法包括接收数据集市通过第一接口输出的指标,所述第一接口是数据集市与中间层之间的统一接口,所述中间层是预设的位于数据集市与业务系统之间的接口层;将所述指标保存在对应的指标池中;通过第二接口将所述指标输出给对应的业务系统,所述第二接口是所述中间层与所述业务系统之间的统一接口。该方法能够解决传统方式以表级进行管理引起的问题,从而避免口径不一致,重复开发以及难以管理的问题。但是指标之间联系、指标间共同属性等信息仍无法统一在一个数据模型中,复用性和扩展性受限。并且指标间潜在联系难以挖掘清楚、诸如穿透式的应用开发难度大,适用场景有限。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于知识图谱的经营指标体系构建方法及系统。
根据本发明提供的一种基于知识图谱的经营指标体系构建方法,包括:
步骤S1:以知识图谱作为核心框架,基于业务系统数据源构建指标字典,建立指标字典关系型数据库;
步骤S2:基于指标字典关系型数据库通过知识图谱工具构建指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱;
步骤S3:基于指标体系关系型数据库和指标体系图数据库构建指标体系管理系统,基于指标管理系统修改指标字典中单条指标信息或指标体系中指标与指标之间的联络关系。
优选地,所述建立指标字典关系型数据库采用:对业务系统数据源进行数据预处理,得到预处理后的业务系统数据源,基于预处理后的业务系统数据源抽取各业务指标,构建指标字典,建立指标字典关系型数据库;
所述各业务指标包括等级、管控体系、数据来源以及计算逻辑;
所述管控体系包括生产、质量、设备以及环保。
优选地,所述建立指标体系知识图谱采用:基于指标字典,将各指标、指标属性以及相关知识抽象为知识图谱中的节点;将指标间的从属关系、指标属性以及指标关键词之间的逻辑关系抽象为知识图谱的边;将所有节点和边的组合构成指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱。
优选地,所述建立指标体系知识图谱采用:
步骤S2.1:指标字典单条指标建模;其属性若为非结构化数据,使用自然语言处理工具,按不同目标处理为结构化数据;
步骤S2.2:对指标、指标属性、指标相关知识以及指标关键词建模,抽象为知识图谱中的节点结构;
步骤S2.3:将指标间关系、指标与指标属性关系、指标涉及关键词关系建模,抽象为知识图谱中的边结构;
步骤S2.4:将知识图谱的节点结构和知识图谱的边结构生成的数据依据数理逻辑以及知识推理算法,归并知识图谱中的重复关系,修正相斥关系,扩充未发现的节点间潜在关联关系,建立指标体系关系型数据库和指标体系图数据库;
步骤S2.5:基于指标体系关系型数据库和指标体系图数据库更新指标体系知识图谱。
优选地,在所述节点结构中,节点结构的信息存储至一个关系型数据库,并提供增删、修正接口。
优选地,在所述边结构中,边结构是一个三元结构为基础的结构,存储至一个图数据库,并基于图数据库查询语言提供增删、修正接口。
优选地,所述搭建指标体系管理系统采用:根据指标体系关系型数据库和指标体系图数据库,基于维基百科框架,构建指标体系管理系统,利用可视化展示接口,维护和修正指标字典;并基于知识推理算法,自动更新指标体系知识图谱。
根据本发明提供的一种基于知识图谱的经营指标体系构建系统,包括:
模块M1:以知识图谱作为核心框架,基于业务系统数据源构建指标字典,建立指标字典关系型数据库;
模块M2:基于指标字典关系型数据库通过知识图谱工具构建指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱;
模块M3:基于指标体系关系型数据库和指标体系图数据库构建指标体系管理系统,基于指标管理系统修改指标字典中单条指标信息或指标体系中指标与指标之间的联络关系。
优选地,所述建立指标字典关系型数据库采用:对业务系统数据源进行数据预处理,得到预处理后的业务系统数据源,基于预处理后的业务系统数据源抽取各业务指标,构建指标字典,建立指标字典关系型数据库;
所述各业务指标包括等级、管控体系、数据来源以及计算逻辑;
所述管控体系包括生产、质量、设备以及环保;
所述搭建指标体系管理系统采用:根据指标体系关系型数据库和指标体系图数据库,基于维基百科框架,构建指标体系管理系统,利用可视化展示接口,维护和修正指标字典;并基于知识推理算法,自动更新指标体系知识图谱。
优选地,所述建立指标体系知识图谱采用:基于指标字典,将各指标、指标属性以及相关知识抽象为知识图谱中的节点;将指标间的从属关系、指标属性以及指标关键词之间的逻辑关系抽象为知识图谱的边;将所有节点和边的组合构成指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱;
所述建立指标体系知识图谱采用:
模块M2.1:指标字典单条指标建模;其属性若为非结构化数据,使用自然语言处理工具,按不同目标处理为结构化数据;
模块M2.2:对指标、指标属性、指标相关知识以及指标关键词建模,抽象为知识图谱中的节点结构;
模块M2.3:将指标间关系、指标与指标属性关系、指标涉及关键词关系建模,抽象为知识图谱中的边结构;
模块M2.4:将知识图谱的节点结构和知识图谱的边结构生成的数据依据数理逻辑以及知识推理算法,归并知识图谱中的重复关系,修正相斥关系,扩充未发现的节点间潜在关联关系,建立指标体系关系型数据库和指标体系图数据库;
模块M2.5:基于指标体系关系型数据库和指标体系图数据库更新指标体系知识图谱;
在所述节点结构中,节点结构的信息存储至一个关系型数据库,并提供增删、修正接口;
在所述边结构中,边结构是一个三元结构为基础的结构,存储至一个图数据库,并基于图数据库查询语言提供增删、修正接口。
与现有技术相比,本发明具有如下的有益效果:
本发明通过知识图谱的结构,将分散在各管控体系、各级别、各归属部门的经营管理指标串联在一起,解决了多属性指标无法定位、不同体系指标间无法打通、指标间因果关系无法推导、全量指标不易管理等问题。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为基于知识图谱的经营指标体系构建系统示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明以知识图谱作为核心框架,从业务系统源数据出发,构建指标字典以及指标体系,通过知识图谱将企业各部门、各管控体系、各等级指标串联起来。系统实现还包括一系列指标体系知识图谱的管理工具以及指标体系算法应用。
实施例1
根据本发明提供的一种基于知识图谱的经营指标体系构建方法,包括:
步骤S1:以知识图谱作为核心框架,基于业务系统数据源构建指标字典,建立指标字典关系型数据库;
步骤S2:基于指标字典关系型数据库通过知识图谱工具构建指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱;
步骤S3:基于指标体系关系型数据库和指标体系图数据库构建指标体系管理系统,基于指标管理系统修改指标字典中单条指标信息或指标体系中指标与指标之间的联络关系。
所述指标字典是指标体系的基础,指标字典中的单个条目也显示了其对应的指标具体属性,可供使用者和管理者查看;
指标体系是对于工业制造企业管理者来说,需要监控大量生产、经营、管理、环保等指标,监测企业各环节的异常表现,并逐层钻取分析了解异常的原因、提出解决方案;指标体系即是通过知识图谱工具将企业关注的的所有指标串联在一起、展现指标间复杂的拓扑结构(相对于传统的单向逐层结构);知识图谱中多样的搜索、查询、机器学习算法赋予管理者从指标体系中发现异常点并快速定位异常发生原因的能力。
具体地,所述构建指标字典采用:所述建立指标字典关系型数据库采用:对业务系统数据源进行数据预处理,得到预处理后的业务系统数据源,基于预处理后的业务系统数据源抽取各业务指标,构建指标字典,建立指标字典关系型数据库;
所述各业务指标包括等级、管控体系、数据来源以及计算逻辑;
所述管控体系包括生产、质量、设备以及环保。
具体地,所述建立指标体系知识图谱采用:基于指标字典,将各指标、指标属性以及相关知识抽象为知识图谱中的节点;将指标间的从属关系、指标属性以及指标关键词之间的逻辑关系抽象为知识图谱的边;将所有节点和边的组合构成指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱。此处需要选择合适的数据库存储相关信息(例如关系型数据库或图数据库)
具体地,建立指标体系知识图谱采用:
步骤S2.1:指标字典单条指标建模;其属性若为非结构化数据,使用自然语言处理工具,按不同目标处理为结构化数据,如提取指标说明文档关键词、对指标说明文档打标记(TAG)等;
够建指标字典的源数据中,包含大量的非结构化数据(文本、图像等),使用NLP(自然语言处理)工具,从文本中抽取关键信息,赋予单个指标关键属性。例如从制造企业需要监测的环保项目说明文档中,需要提取出具体的环保指标是什么,其计算过程中使用了什么公式,公式中使用的数据从哪些系统中获取,哪些管理部门需要负责这些指标的监测和运营,这些指标的异常值要设置怎样的阈值来指导判断等。此过程主要涵盖的技术路径包括实体识别提取、实体关系识别、实体对齐与统一等。
步骤S2.2:对指标、指标属性、指标相关知识以及指标关键词建模,抽象为知识图谱中的节点结构;节点结构的信息存储至一个关系型数据库,并提供增删、修正接口。
步骤S2.3:将指标间关系、指标与指标属性关系、指标涉及关键词关系建模,抽象为知识图谱中的边结构;边模型是一个(起始节点,终止节点,节点关系)三元结构为基础的结构,存储至一个图数据库,并基于图数据库查询语言提供操作接口。
步骤S2.4:将知识图谱的节点结构和知识图谱的边结构生成的数据依据数理逻辑以及知识推理算法,归并知识图谱中的重复关系,修正相斥关系,扩充未发现的节点间潜在关联关系,建立指标体系关系型数据库和指标体系图数据库;
步骤S2.5:基于指标体系关系型数据库和指标体系图数据库更新指标体系知识图谱。
具体地,在所述节点结构中,节点结构的信息存储至一个关系型数据库,并提供增删、修正接口。
具体地,在所述边结构中,边结构是一个三元结构为基础的结构,存储至一个图数据库,并基于图数据库查询语言提供增删、修正接口。
具体地,所述搭建指标体系管理系统采用:根据指标体系关系型数据库和指标体系图数据库,基于维基百科框架,构建指标体系管理系统,利用可视化展示接口,维护和修正指标字典;并基于知识推理算法,自动更新指标体系知识图谱。此处还需要借助力导向等算法,提供指标体系的可视化展示和运维系统。
构建指标体系应用,基于指标体系管理系统以及指标体系知识图谱,植入包括图神经网络在内的算法模块,实现包括穿透式预警、指标预警原因追溯等应用。
根据本发明提供的一种基于知识图谱的经营指标体系构建系统,如图1所示,包括:
模块M1:以知识图谱作为核心框架,基于业务系统数据源构建指标字典,建立指标字典关系型数据库;
模块M2:基于指标字典关系型数据库通过知识图谱工具构建指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱;
模块M3:基于指标体系关系型数据库和指标体系图数据库构建指标体系管理系统,基于指标管理系统修改指标字典中单条指标信息或指标体系中指标与指标之间的联络关系。
所述指标字典是指标体系的基础,指标字典中的单个条目也显示了其对应的指标具体属性,可供使用者和管理者查看;
指标体系是对于工业制造企业管理者来说,需要监控大量生产、经营、管理、环保等指标,监测企业各环节的异常表现,并逐层钻取分析了解异常的原因、提出解决方案;指标体系即是通过知识图谱工具将企业关注的的所有指标串联在一起、展现指标间复杂的拓扑结构(相对于传统的单向逐层结构);知识图谱中多样的搜索、查询、机器学习算法赋予管理者从指标体系中发现异常点并快速定位异常发生原因的能力。
具体地,所述构建指标字典采用:所述建立指标字典关系型数据库采用:对业务系统数据源进行数据预处理,得到预处理后的业务系统数据源,基于预处理后的业务系统数据源抽取各业务指标,构建指标字典,建立指标字典关系型数据库;
所述各业务指标包括等级、管控体系、数据来源以及计算逻辑;
所述管控体系包括生产、质量、设备以及环保。
具体地,所述建立指标体系知识图谱采用:基于指标字典,将各指标、指标属性以及相关知识抽象为知识图谱中的节点;将指标间的从属关系、指标属性以及指标关键词之间的逻辑关系抽象为知识图谱的边;将所有节点和边的组合构成指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱。此处需要选择合适的数据库存储相关信息(例如关系型数据库或图数据库)
具体地,建立指标体系知识图谱采用:
模块M2.1:指标字典单条指标建模;其属性若为非结构化数据,使用自然语言处理工具,按不同目标处理为结构化数据,如提取指标说明文档关键词、对指标说明文档打标记(TAG)等;
够建指标字典的源数据中,包含大量的非结构化数据(文本、图像等),使用NLP(自然语言处理)工具,从文本中抽取关键信息,赋予单个指标关键属性。例如从制造企业需要监测的环保项目说明文档中,需要提取出具体的环保指标是什么,其计算过程中使用了什么公式,公式中使用的数据从哪些系统中获取,哪些管理部门需要负责这些指标的监测和运营,这些指标的异常值要设置怎样的阈值来指导判断等。此过程主要涵盖的技术路径包括实体识别提取、实体关系识别、实体对齐与统一等。
模块M2.2:对指标、指标属性、指标相关知识以及指标关键词建模,抽象为知识图谱中的节点结构;节点结构的信息存储至一个关系型数据库,并提供增删、修正接口。
模块M2.3:将指标间关系、指标与指标属性关系、指标涉及关键词关系建模,抽象为知识图谱中的边结构;边模型是一个(起始节点,终止节点,节点关系)三元结构为基础的结构,存储至一个图数据库,并基于图数据库查询语言提供操作接口。
模块M2.4:将知识图谱的节点结构和知识图谱的边结构生成的数据依据数理逻辑以及知识推理算法,归并知识图谱中的重复关系,修正相斥关系,扩充未发现的节点间潜在关联关系,建立指标体系关系型数据库和指标体系图数据库;
模块M2.5:基于指标体系关系型数据库和指标体系图数据库更新指标体系知识图谱。
具体地,在所述节点结构中,节点结构的信息存储至一个关系型数据库,并提供增删、修正接口。
具体地,在所述边结构中,边结构是一个三元结构为基础的结构,存储至一个图数据库,并基于图数据库查询语言提供增删、修正接口。
具体地,所述搭建指标体系管理系统采用:根据指标体系关系型数据库和指标体系图数据库,基于维基百科框架,构建指标体系管理系统,利用可视化展示接口,维护和修正指标字典;并基于知识推理算法,自动更新指标体系知识图谱。此处还需要借助力导向等算法,提供指标体系的可视化展示和运维系统。
构建指标体系应用,基于指标体系管理系统以及指标体系知识图谱,植入包括图神经网络在内的算法模块,实现包括穿透式预警、指标预警原因追溯等应用。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于知识图谱的经营指标体系构建方法,其特征在于,包括:
步骤S1:以知识图谱作为核心框架,基于业务系统数据源构建指标字典,建立指标字典关系型数据库;
步骤S2:基于指标字典关系型数据库通过知识图谱工具构建指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱;
步骤S3:基于指标体系关系型数据库和指标体系图数据库构建指标体系管理系统,基于指标管理系统修改指标字典中单条指标信息或指标体系中指标与指标之间的联络关系。
2.根据权利要求1所述的基于知识图谱的经营指标体系构建方法,其特征在于,所述建立指标字典关系型数据库采用:对业务系统数据源进行数据预处理,得到预处理后的业务系统数据源,基于预处理后的业务系统数据源抽取各业务指标,构建指标字典,建立指标字典关系型数据库;
所述各业务指标包括等级、管控体系、数据来源以及计算逻辑;
所述管控体系包括生产、质量、设备以及环保。
3.根据权利要求1所述的基于知识图谱的经营指标体系构建方法,其特征在于,所述建立指标体系知识图谱采用:基于指标字典,将各指标、指标属性以及相关知识抽象为知识图谱中的节点;将指标间的从属关系、指标属性以及指标关键词之间的逻辑关系抽象为知识图谱的边;将所有节点和边的组合构成指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱。
4.根据权利要求3所述的基于知识图谱的经营指标体系构建方法,其特征在于,所述建立指标体系知识图谱采用:
步骤S2.1:指标字典单条指标建模;其属性若为非结构化数据,使用自然语言处理工具,按不同目标处理为结构化数据;
步骤S2.2:对指标、指标属性、指标相关知识以及指标关键词建模,抽象为知识图谱中的节点结构;
步骤S2.3:将指标间关系、指标与指标属性关系、指标涉及关键词关系建模,抽象为知识图谱中的边结构;
步骤S2.4:将知识图谱的节点结构和知识图谱的边结构生成的数据依据数理逻辑以及知识推理算法,归并知识图谱中的重复关系,修正相斥关系,扩充未发现的节点间潜在关联关系,建立指标体系关系型数据库和指标体系图数据库;
步骤S2.5:基于指标体系关系型数据库和指标体系图数据库更新指标体系知识图谱。
5.根据权利要求4所述的基于知识图谱的经营指标体系构建方法,其特征在于,在所述节点结构中,节点结构的信息存储至一个关系型数据库,并提供增删、修正接口。
6.根据权利要求4所述的基于知识图谱的经营指标体系构建方法,其特征在于,在所述边结构中,边结构是一个三元结构为基础的结构,存储至一个图数据库,并基于图数据库查询语言提供增删、修正接口。
7.根据权利要求1所述的基于知识图谱的经营指标体系构建方法,其特征在于,所述搭建指标体系管理系统采用:根据指标体系关系型数据库和指标体系图数据库,基于维基百科框架,构建指标体系管理系统,利用可视化展示接口,维护和修正指标字典;并基于知识推理算法,自动更新指标体系知识图谱。
8.一种基于知识图谱的经营指标体系构建系统,其特征在于,包括:
模块M1:以知识图谱作为核心框架,基于业务系统数据源构建指标字典,建立指标字典关系型数据库;
模块M2:基于指标字典关系型数据库通过知识图谱工具构建指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱;
模块M3:基于指标体系关系型数据库和指标体系图数据库构建指标体系管理系统,基于指标管理系统修改指标字典中单条指标信息或指标体系中指标与指标之间的联络关系。
9.根据权利要求8所述的基于知识图谱的经营指标体系构建系统,其特征在于,所述建立指标字典关系型数据库采用:对业务系统数据源进行数据预处理,得到预处理后的业务系统数据源,基于预处理后的业务系统数据源抽取各业务指标,构建指标字典,建立指标字典关系型数据库;
所述各业务指标包括等级、管控体系、数据来源以及计算逻辑;
所述管控体系包括生产、质量、设备以及环保;
所述搭建指标体系管理系统采用:根据指标体系关系型数据库和指标体系图数据库,基于维基百科框架,构建指标体系管理系统,利用可视化展示接口,维护和修正指标字典;并基于知识推理算法,自动更新指标体系知识图谱。
10.根据权利要求8所述的基于知识图谱的经营指标体系构建系统,其特征在于,所述建立指标体系知识图谱采用:基于指标字典,将各指标、指标属性以及相关知识抽象为知识图谱中的节点;将指标间的从属关系、指标属性以及指标关键词之间的逻辑关系抽象为知识图谱的边;将所有节点和边的组合构成指标体系关系型数据库和指标体系图数据库,建立指标体系知识图谱;
所述建立指标体系知识图谱采用:
模块M2.1:指标字典单条指标建模;其属性若为非结构化数据,使用自然语言处理工具,按不同目标处理为结构化数据;
模块M2.2:对指标、指标属性、指标相关知识以及指标关键词建模,抽象为知识图谱中的节点结构;
模块M2.3:将指标间关系、指标与指标属性关系、指标涉及关键词关系建模,抽象为知识图谱中的边结构;
模块M2.4:将知识图谱的节点结构和知识图谱的边结构生成的数据依据数理逻辑以及知识推理算法,归并知识图谱中的重复关系,修正相斥关系,扩充未发现的节点间潜在关联关系,建立指标体系关系型数据库和指标体系图数据库;
模块M2.5:基于指标体系关系型数据库和指标体系图数据库更新指标体系知识图谱;
在所述节点结构中,节点结构的信息存储至一个关系型数据库,并提供增删、修正接口;
在所述边结构中,边结构是一个三元结构为基础的结构,存储至一个图数据库,并基于图数据库查询语言提供增删、修正接口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111276437.4A CN114911943A (zh) | 2021-10-29 | 2021-10-29 | 基于知识图谱的经营指标体系构建方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111276437.4A CN114911943A (zh) | 2021-10-29 | 2021-10-29 | 基于知识图谱的经营指标体系构建方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114911943A true CN114911943A (zh) | 2022-08-16 |
Family
ID=82762192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111276437.4A Pending CN114911943A (zh) | 2021-10-29 | 2021-10-29 | 基于知识图谱的经营指标体系构建方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114911943A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115271683A (zh) * | 2022-09-26 | 2022-11-01 | 西南交通大学 | 基于标准知识图谱元结构的bim自动标准审查系统 |
CN117057425A (zh) * | 2023-10-11 | 2023-11-14 | 人民法院信息技术服务中心 | 一种规律型知识分析方法及装置 |
CN117076484A (zh) * | 2023-09-04 | 2023-11-17 | 北京大学 | 基于时序知识图谱的人力资源数据分析方法 |
-
2021
- 2021-10-29 CN CN202111276437.4A patent/CN114911943A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115271683A (zh) * | 2022-09-26 | 2022-11-01 | 西南交通大学 | 基于标准知识图谱元结构的bim自动标准审查系统 |
CN115271683B (zh) * | 2022-09-26 | 2023-01-13 | 西南交通大学 | 基于标准知识图谱元结构的bim自动标准审查系统 |
CN117076484A (zh) * | 2023-09-04 | 2023-11-17 | 北京大学 | 基于时序知识图谱的人力资源数据分析方法 |
CN117076484B (zh) * | 2023-09-04 | 2024-04-19 | 北京大学 | 基于时序知识图谱的人力资源数据分析方法 |
CN117057425A (zh) * | 2023-10-11 | 2023-11-14 | 人民法院信息技术服务中心 | 一种规律型知识分析方法及装置 |
CN117057425B (zh) * | 2023-10-11 | 2023-12-22 | 人民法院信息技术服务中心 | 一种规律型知识分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889556B (zh) | 一种企业经营风险特征数据信息提取方法和提取系统 | |
CN114911943A (zh) | 基于知识图谱的经营指标体系构建方法和系统 | |
CN104731596A (zh) | 一种支持多人在线编辑xbrl的分类编辑方法 | |
CN112580831B (zh) | 一种基于知识图谱的电力通信网智能辅助运维方法及系统 | |
CN111026874A (zh) | 知识图谱的数据处理方法及服务器 | |
Gröger et al. | The deep data warehouse: link-based integration and enrichment of warehouse data and unstructured content | |
Mezni et al. | Reusing process fragments for fast service composition: a clustering-based approach | |
US20210312311A1 (en) | Designing plans using requirements knowledge graph | |
CN111292201A (zh) | 一种基于Apriori和RETE的电力通信网现场运维信息推送的方法 | |
CN115809348A (zh) | 基于sbom+fta框架模型的知识图谱构建方法及系统 | |
CN115630151A (zh) | 一种适用于基础设施工程知识管理方法、系统及存储介质 | |
CN115618007A (zh) | 基于知识图谱的监察数据分析系统 | |
Canito et al. | Using sensor data to detect time-constraints in ontology evolution | |
Miao et al. | Intelligent auxiliary operation and maintenance system of power communication network based on knowledge graph | |
CN111552847A (zh) | 一种变更对象数量的方法和装置 | |
Ragala et al. | Construction and Application of Knowledge Graph for railway rolling stock failure tree | |
Sharma et al. | Data Modeling Best Practices Key to Data Mining and Data Standardization | |
CN116501788B (zh) | 一种库仓湖一体化数据管控平台 | |
Oghenekaro et al. | A hierarchical temporal memory based framework for mining event logs | |
US20240078473A1 (en) | Systems and methods for end-to-end machine learning with automated machine learning explainable artificial intelligence | |
Weijie et al. | Research on the big data construction of equipment support | |
Zhang | Mining Complex Feature Correlations from Large Software Product Line Configurations | |
CN116886509A (zh) | 告警数据处理方法、装置和计算机可读存储介质 | |
CN116701666A (zh) | 一种基于知识图谱的智能it运维系统及方法 | |
US20140201706A1 (en) | Creating pluggable analysis viewpoints for an optimization system model |
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 |