CN115098784A - 一种数据挖掘方法及数据挖掘系统 - Google Patents
一种数据挖掘方法及数据挖掘系统 Download PDFInfo
- Publication number
- CN115098784A CN115098784A CN202210844858.0A CN202210844858A CN115098784A CN 115098784 A CN115098784 A CN 115098784A CN 202210844858 A CN202210844858 A CN 202210844858A CN 115098784 A CN115098784 A CN 115098784A
- Authority
- CN
- China
- Prior art keywords
- data
- mining
- target
- analysis module
- knowledge 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.)
- Pending
Links
- 238000007418 data mining Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005065 mining Methods 0.000 claims abstract description 76
- 238000007405 data analysis Methods 0.000 claims abstract description 43
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000010224 classification analysis Methods 0.000 claims description 5
- 238000009412 basement excavation Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 13
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002054 transplantation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F16/90—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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据挖掘方法及数据挖掘系统,涉及大数据处理技术领域,解决了现有技术在数据挖掘过程中,数据处理量巨大,导致数据挖掘效率低,不利于数据挖掘程序移植的技术问题;本发明中数据分析模块获取挖掘需求之后,结合数据采集模块对基础数据进行层层筛选并构建目标知识图谱,再根据预设条件从目标知识图谱中检索数据,以完成数据挖掘,能够减少大量数据挖掘过程中的数据处理量,提高数据挖掘效率的同时方便移植;本发明在数据库更新时,会对目标知识图谱进行更新,保证数据挖掘所获取数据的时效性和准确性;在挖掘的数据与预期不符时,灵活调节挖掘类型和设定条件,能够保证挖掘的数据尽可能符合预期。
Description
技术领域
本发明属于大数据处理领域,涉及数据挖掘技术,具体是一种数据挖掘方法及数据挖掘系统。
背景技术
数据挖掘是指从数据库中揭示出隐含的、先前未知的并有潜在价值信息的过程。数据挖掘根据挖掘需求从不同维度进行数据挖掘,但是过多的数据量和不同的维度会导致数据挖掘难度增大,影响数据挖掘效率。
现有技术(申请号2019107283381的发明专利)公开了一种大数据挖掘方法,对不同兴趣度量维度的业务数据进行聚类之后,保证不同兴趣度量维度在不同大数据挖掘项目中性能表现更加统一,提高数据挖掘准确性。现有技术对大量业务数据进行聚类分析,数据分析量会随着时间和业务维度的增加而增大,导致数据挖掘效率低,不利于数据挖掘程序的移植;因此,亟须一种数据挖掘方法及数据挖掘系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了一种数据挖掘方法及数据挖掘系统,用于解决现有技术在数据挖掘过程中,数据处理量巨大,导致数据挖掘效率低,不利于数据挖掘程序移植的技术问题。
为实现上述目的,本发明的第一方面提供了一种数据挖掘系统,包括数据分析模块,以及与之相连接的数据采集模块和智能终端;
数据采集模块:通过数据库获取基础数据,根据挖掘主题对所述基础数据进行初步筛选之后发送至所述数据分析模块;
数据分析模块:通过所述智能终端获取挖掘需求,根据所述挖掘主题对所述基础数据进行分析获取目标数据;其中,挖掘需求包括挖掘主题、挖掘类型和预设条件;以及
基于所述目标数据和挖掘类型构建目标知识图谱;将所述目标知识图谱和所述预设条件结合完成数据挖掘。
优选的,所述数据分析模块分别与所述数据采集模块和所述智能终端通信和/或电气连接;其中,智能终端包括手机和电脑;
所述数据采集模块与数据库通信和/或电气连接;数据库中的数据定期跟新,且数据库为数据挖掘的目标。
优选的,在所述数据采集模块获取所述基础数据之后,通过所述数据分析模块获取所述挖掘主题;
将所述基础数据中与所述挖掘主题完全不相关的数据剔除之后,发送至所述数据分析模块。
优选的,所述数据分析模块基于挖掘主题对所述基础数据进行归类分析,获取所述目标数据,包括:
通过所述智能终端获取挖掘主题;
为所述挖掘主题设置特征样本数据;其中,特征样本数据包括特征样本以及对应的样本标签;
将所述特征样本数据和有监督机器学习算法结合,从所述基础数据中获取所述目标数据。
优选的,有监督机器学习算法在解析特征样本数据的过程中,进行学习训练;在数据库定期更新时,有监督机器学习算法对更新的数据进行解析,进而更新所述目标数据。
优选的,在获取所述目标数据之后,所述数据分析模块基于所述目标数据构建目标知识图谱,包括:
提取所述挖掘类型;其中,挖掘类型用于表示需要挖掘的数据类型;
通过所述挖掘类型对所述目标数据进一步筛选,解析获取筛选之后数据中的若干实体以及若干实体之间的关系;
根据若干实体以及若干实体之间的关系构建所述目标知识图谱。
优选的,在所述目标知识图谱构建之后,根据预设条件的限定从所述目标知识图谱中进行数据挖掘;其中,预设条件包括时间、区域或者实体;
所述目标知识图谱根据数据库中的数据更新而更新。
本发明的第二方面提供了一种数据挖掘方法,包括:
通过与数据采集模块相连接的数据库获取基础数据,通过挖掘主题对基础数据进行初步筛选之后发送至数据分析模块;
数据分析模块在接收到基础数据后,结合挖掘主题对基础数据进行有监督归类分析获取目标数据;
数据分析模块将目标数据和挖掘类型结合获取目标知识图谱,并将预设条件和目标知识图谱结合进行数据挖掘。
与现有技术相比,本发明的有益效果是:
1、本发明中数据分析模块获取挖掘需求之后,结合数据采集模块对基础数据进行层层筛选并构建目标知识图谱,再根据预设条件从目标知识图谱中检索数据,以完成数据挖掘,能够减少大量数据挖掘过程中的数据处理量,提高数据挖掘效率的同时方便移植。
2、本发明在数据库更新时,会对目标知识图谱进行更新,保证数据挖掘所获取数据的时效性和准确性;在挖掘的数据与预期不符时,灵活调节挖掘类型和设定条件,能够保证挖掘的数据尽可能符合预期。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明的工作步骤示意图;
图2为本发明的系统原理示意图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
现有技术对数据进行挖掘时,需要对大量业务数据进行归类分析以对业务数据进行分类,再根据挖掘需求在分类基础上完成数据挖掘,因此数据分析量会随着时间和业务维度的增加而增大,进而导致数据挖掘效率低,以及对应的数据挖掘方法不利于移植。
本发明通过智能终端获取挖掘需求,通过挖掘需求对基础数据进行层层筛选并构建目标知识图谱,再根据预设条件从目标知识图谱中检索数据,以完成数据挖掘,能够减少大量数据挖掘过程中的数据处理量;本发明在数据库更新时,会对目标知识图谱进行更新,保证数据挖掘所获取数据的时效性和准确性。
请参阅图1-图2,本发明第一方面实施例提供了一种数据挖掘系统,包括数据分析模块,以及与之相连接的数据采集模块和智能终端;
数据采集模块:通过数据库获取基础数据,根据挖掘主题对基础数据进行初步筛选之后发送至数据分析模块;
数据分析模块:通过智能终端获取挖掘需求,根据挖掘主题对基础数据进行分析获取目标数据;以及基于目标数据和挖掘类型构建目标知识图谱;将目标知识图谱和预设条件结合完成数据挖掘。
本发明申请中的数据分析模块相当于服务器,主要负责数据处理工作,分别与数据采集模块和智能终端连接;数据采集模块相当于数据中转站,具有一定的数据处理能力,主要负责数据采集工作。数据分析模块和数据采集模块可以是设备,也可以是构建的虚拟平台;数据分析模块和数据采集模块应属于一体,以便于随时迁移。
数据分析模块提供接口或者通信线路与智能终端相连接,智能终端主要用于生成发送数据挖掘需求。挖掘需求包括挖掘主题、挖掘类型和预设条件;挖掘主题范围较大,用于表示数据挖掘需求与什么相关,如公共交通、环境监测等;挖掘类型则规定了数据挖掘应该从哪些数据入手,如文字数据、视频数据等;预设条件则是进一步缩小数据范围,如时间范围、区域范围等。
数据采集模块与数据库通信和/或电气连接;数据库中的数据定期跟新,且数据库为数据挖掘的目标。当数据库更新时,所获取的基础数据也会更新,则后续的目标数据以及目标知识图谱都随之更新。
需要理解的是,挖掘需求中挖掘主题不可为空,而挖掘类型和预设条件可以为空;当挖掘类型和预设条件越详细,则数据挖掘的结果越精准。
本发明申请在数据采集模块获取基础数据之后,通过数据分析模块获取挖掘主题;将基础数据中与挖掘主题完全不相关的数据剔除之后,发送至数据分析模块。
数据采集模块在将基础数据发送至数据分析模块之前,需要对基础数据进行初步筛选,即通过挖掘主题将基础数据中不相关数据剔除,如挖掘主题为公共交通,则基础数据中的海洋生物数据即为非相关数据,则初步筛选之后的基础数据基本都与挖掘主题相关,避免后续处理还需要处理大量不相关数据。
本发明申请中的数据分析模块基于挖掘主题对基础数据进行归类分析,获取目标数据,包括:
通过智能终端获取挖掘主题;为挖掘主题设置特征样本数据;将特征样本数据和有监督机器学习算法结合,从基础数据中获取目标数据。
特征样本数据包括特征样本以及对应的样本标签,通过工作人员提前设置;特征样本数据可以理解为数据挖掘的主导人员实际想要得到的数据,包括数据类型、数据属性等。工作人员根据挖掘主题预先设置部分特征样本数据,特征样本数据的覆盖面要广才能保证数据划分的准确性。
有监督机器学习算法包括深度卷积神经网络模型、RBF神经网络模型等,通过有监督学习算法解析特征样本数据,再通过学习完成的有监督学习算法将基础数据归类成目标数据和其他数据,也能够节省后续数据处理的时间。
有监督机器学习算法不需要将基础数据划分为多个类,只需要将基础数据中与特征样本数据相似的数据归类出来形成目标数据即可。而聚类算法属于无监督机器学习算法,会自动将基础数据划分成多个类别,但其中很多类别的数据并不需要,徒增数据处理量。需要注意的是,当判断出基础数据所属类别较少时,也可以使用聚类分析方法对基础数据进行处理,从处理结果中选择需要的数据类别即可,而不需要设置特征样本数据。
本发明申请在获取目标数据之后,数据分析模块基于目标数据构建目标知识图谱,包括:
提取挖掘类型;通过挖掘类型对目标数据进一步筛选,解析获取筛选之后数据中的若干实体以及若干实体之间的关系;根据若干实体以及若干实体之间的关系构建目标知识图谱。
挖掘类型用于表示需要挖掘的数据类型,挖掘类型可以有多种,根据挖掘类型可以对目标数据进一步筛选,对筛选之后的数据进行分析,获取若干实体以及若干实体之间的关系,以公共交通为例,实体包括公共汽车、地铁等,而实体之间的关系则可以是公共汽车和地铁的交汇点。
在目标知识图谱构建之后,根据预设条件的限定从目标知识图谱中进行数据挖掘;目标知识图谱根据数据库中的数据更新而更新。从目标知识图谱中可以获取与预设条件相关度极高的数据,即数据挖掘高效且精准。
值得注意的是,在挖掘需求的基础上,挖掘结果不满意时,可以随时调整挖掘类型和预设条件,具备强大的灵活性,进一步保证数据挖掘的效果。
本发明第二方面实施例提供了一种数据挖掘方法,包括:
通过与数据采集模块相连接的数据库获取基础数据,通过挖掘主题对基础数据进行初步筛选之后发送至数据分析模块;
数据分析模块在接收到基础数据后,结合挖掘主题对基础数据进行有监督归类分析获取目标数据;
数据分析模块将目标数据和挖掘类型结合获取目标知识图谱,并将预设条件和目标知识图谱结合进行数据挖掘。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种数据挖掘系统,包括数据分析模块,以及与之相连接的数据采集模块和智能终端,其特征在于:
数据采集模块:通过数据库获取基础数据,根据挖掘主题对所述基础数据进行初步筛选之后发送至所述数据分析模块;
数据分析模块:通过所述智能终端获取挖掘需求,根据所述挖掘主题对所述基础数据进行分析获取目标数据;其中,挖掘需求包括挖掘主题、挖掘类型和预设条件;以及
基于所述目标数据和挖掘类型构建目标知识图谱;将所述目标知识图谱和所述预设条件结合完成数据挖掘。
2.根据权利要求1所述的一种数据挖掘系统,其特征在于,在所述数据采集模块获取所述基础数据之后,通过所述数据分析模块获取所述挖掘主题;
将所述基础数据中与所述挖掘主题完全不相关的数据剔除之后,发送至所述数据分析模块。
3.根据权利要求2所述的一种数据挖掘系统,其特征在于,所述数据分析模块基于挖掘主题对所述基础数据进行归类分析,获取所述目标数据,包括:
通过所述智能终端获取挖掘主题;
为所述挖掘主题设置特征样本数据;其中,特征样本数据包括特征样本以及对应的样本标签;
将所述特征样本数据和有监督机器学习算法结合,从所述基础数据中获取所述目标数据。
4.根据权利要求3所述的一种数据挖掘系统,其特征在于,有监督机器学习算法在解析特征样本数据的过程中,进行学习训练;在数据库定期更新时,有监督机器学习算法对更新的数据进行解析,进而更新所述目标数据。
5.根据权利要求3所述的一种数据挖掘系统,其特征在于,在获取所述目标数据之后,所述数据分析模块基于所述目标数据构建目标知识图谱,包括:
提取所述挖掘类型;其中,挖掘类型用于表示需要挖掘的数据类型;
通过所述挖掘类型对所述目标数据进一步筛选,解析获取筛选之后数据中的若干实体以及若干实体之间的关系;
根据若干实体以及若干实体之间的关系构建所述目标知识图谱。
6.根据权利要求5所述的一种数据挖掘系统,其特征在于,在所述目标知识图谱构建之后,根据预设条件的限定从所述目标知识图谱中进行数据挖掘;其中,预设条件包括时间和实体;
所述目标知识图谱根据数据库中的数据更新而更新。
7.根据权利要求1所述的一种数据挖掘系统,其特征在于,所述数据分析模块分别与所述数据采集模块和所述智能终端通信和/或电气连接;其中,智能终端包括手机和电脑;
所述数据采集模块与数据库通信和/或电气连接;数据库中的数据定期跟新,且数据库为数据挖掘的目标。
8.一种数据挖掘方法,基于权利要求1至7任意一项所述的一种数据挖掘系统运行,其特征在于,包括:
通过与数据采集模块相连接的数据库获取基础数据,通过挖掘主题对基础数据进行初步筛选之后发送至数据分析模块;
数据分析模块在接收到基础数据后,结合挖掘主题对基础数据进行有监督归类分析获取目标数据;
数据分析模块将目标数据和挖掘类型结合获取目标知识图谱,并将预设条件和目标知识图谱结合进行数据挖掘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210844858.0A CN115098784A (zh) | 2022-07-18 | 2022-07-18 | 一种数据挖掘方法及数据挖掘系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210844858.0A CN115098784A (zh) | 2022-07-18 | 2022-07-18 | 一种数据挖掘方法及数据挖掘系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115098784A true CN115098784A (zh) | 2022-09-23 |
Family
ID=83299108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210844858.0A Pending CN115098784A (zh) | 2022-07-18 | 2022-07-18 | 一种数据挖掘方法及数据挖掘系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115098784A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723215A (zh) * | 2020-06-19 | 2020-09-29 | 国家计算机网络与信息安全管理中心 | 基于文本挖掘的生物技术信息知识图谱构建装置与方法 |
CN112732781A (zh) * | 2020-12-30 | 2021-04-30 | 深圳市网联安瑞网络科技有限公司 | 融合数据质量多维度评估的网情态势动态绘制系统及方法 |
CN112800241A (zh) * | 2020-09-01 | 2021-05-14 | 张富平 | 基于区块链离线支付的大数据处理方法及大数据处理系统 |
CN113779272A (zh) * | 2021-09-15 | 2021-12-10 | 上海泓笛数据科技有限公司 | 基于知识图谱的数据处理方法、装置、设备及存储介质 |
CN113779273A (zh) * | 2021-09-16 | 2021-12-10 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的企业信息挖掘方法、装置、计算机及介质 |
US20220019905A1 (en) * | 2020-07-20 | 2022-01-20 | Microsoft Technology Licensing, Llc | Enterprise knowledge graph building with mined topics and relationships |
CN114168608A (zh) * | 2021-12-16 | 2022-03-11 | 中科雨辰科技有限公司 | 一种用于更新知识图谱的数据处理系统 |
WO2022116430A1 (zh) * | 2020-12-02 | 2022-06-09 | 平安科技(深圳)有限公司 | 基于大数据挖掘的模型部署方法、装置、设备及存储介质 |
-
2022
- 2022-07-18 CN CN202210844858.0A patent/CN115098784A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723215A (zh) * | 2020-06-19 | 2020-09-29 | 国家计算机网络与信息安全管理中心 | 基于文本挖掘的生物技术信息知识图谱构建装置与方法 |
US20220019905A1 (en) * | 2020-07-20 | 2022-01-20 | Microsoft Technology Licensing, Llc | Enterprise knowledge graph building with mined topics and relationships |
CN112800241A (zh) * | 2020-09-01 | 2021-05-14 | 张富平 | 基于区块链离线支付的大数据处理方法及大数据处理系统 |
WO2022116430A1 (zh) * | 2020-12-02 | 2022-06-09 | 平安科技(深圳)有限公司 | 基于大数据挖掘的模型部署方法、装置、设备及存储介质 |
CN112732781A (zh) * | 2020-12-30 | 2021-04-30 | 深圳市网联安瑞网络科技有限公司 | 融合数据质量多维度评估的网情态势动态绘制系统及方法 |
CN113779272A (zh) * | 2021-09-15 | 2021-12-10 | 上海泓笛数据科技有限公司 | 基于知识图谱的数据处理方法、装置、设备及存储介质 |
CN113779273A (zh) * | 2021-09-16 | 2021-12-10 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的企业信息挖掘方法、装置、计算机及介质 |
CN114168608A (zh) * | 2021-12-16 | 2022-03-11 | 中科雨辰科技有限公司 | 一种用于更新知识图谱的数据处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245165B (zh) | 风险传导关联图谱优化方法、装置和计算机设备 | |
CN113392646A (zh) | 一种数据中台系统、构建方法及装置 | |
CN113688490A (zh) | 网络共建共享处理方法、装置、设备及存储介质 | |
CN114760172A (zh) | 射频基带综合特征信号识别方法与装置 | |
CN114996525A (zh) | 一种大数据的分析方法及系统 | |
CN113660687B (zh) | 网络差小区处理方法、装置、设备及存储介质 | |
CN116821777B (zh) | 一种新型基础测绘数据整合方法及系统 | |
CN112989124B (zh) | 多网联动数据协同配置方法、装置、计算设备及存储介质 | |
CN116091796B (zh) | 基于人工智能的无人机采集数据处理方法及系统 | |
CN115098784A (zh) | 一种数据挖掘方法及数据挖掘系统 | |
CN110880020B (zh) | 一种自适应的跨区域基站能耗模型迁移与补偿方法 | |
CN112837754A (zh) | 一种基于特征基因的单细胞自动分类方法和装置 | |
CN116090554A (zh) | 交互式知识图谱数据编辑计算机设备及方法 | |
CN115292361A (zh) | 一种分布式能源异常数据的筛选方法及系统 | |
CN115660730A (zh) | 基于分类算法的流失用户分析方法及系统 | |
CN115660538A (zh) | 一种货物运输方法及系统 | |
CN115935231A (zh) | 一种数据分类方法、装置、设备及存储介质 | |
CN112486676B (zh) | 一种基于边缘计算的数据共享分发装置 | |
CN109976271B (zh) | 一种利用信息表征方法计算信息结构有序度的方法 | |
Skapa et al. | K-mean clustering and correlation analysis in recognition of weather impact on radio signal | |
CN111988252A (zh) | 基于深度学习的信号调制方式识别方法 | |
CN111080150A (zh) | 生产数据分析方法、装置、设备及介质 | |
CN111460046A (zh) | 一种基于大数据的科技信息聚类方法 | |
CN111079809A (zh) | 电连接器智能统型方法 | |
CN116662415B (zh) | 基于数据挖掘的智能匹配方法及系统 |
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 |