CN115470355A - 轨道交通信息查询方法、装置、电子设备和存储介质 - Google Patents

轨道交通信息查询方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115470355A
CN115470355A CN202110647810.6A CN202110647810A CN115470355A CN 115470355 A CN115470355 A CN 115470355A CN 202110647810 A CN202110647810 A CN 202110647810A CN 115470355 A CN115470355 A CN 115470355A
Authority
CN
China
Prior art keywords
query
data
information
entity
database
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
Application number
CN202110647810.6A
Other languages
English (en)
Inventor
李哲君
付哲
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.)
Traffic Control Technology TCT Co Ltd
Original Assignee
Traffic Control Technology TCT 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 Traffic Control Technology TCT Co Ltd filed Critical Traffic Control Technology TCT Co Ltd
Priority to CN202110647810.6A priority Critical patent/CN115470355A/zh
Publication of CN115470355A publication Critical patent/CN115470355A/zh
Pending legal-status Critical Current

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • 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
    • G06F16/374—Thesaurus

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例提供了一种轨道交通信息查询方法、装置、电子设备和存储介质，所述方法包括：接收查询信息，根据查询信息向混合型知识图谱数据库发送查询请求，其中，混合型知识图谱数据库包括图数据库和关系型数据库，图数据库中存储有知识数据，关系型数据库中存储有非知识数据；基于查询请求在混合型知识图谱数据库中进行信息查询，获得查询信息对应的查询结果；输出查询结果。通过将轨道交通领域的知识数据与非知识数据分别存储至混合型的数据库的图数据库和关系型数据库中，减少了逻辑模型与物理模型之间的耦合性，增大了数据结构的灵活性，便于数据的高效存储及读取，提升轨道交通信息查询的效率。

Description

轨道交通信息查询方法、装置、电子设备和存储介质
技术领域
本申请涉及轨道交通技术，具体地，涉及一种轨道交通信息查询方法、装置、电子设备和存储介质。
背景技术
在计算机技术广泛应用和互联网飞速发展的背景下，城市轨道交通逐渐从业务驱动转向大数据驱动。城市轨道交通在运营过程中会产生大量数据，例如列车运行数据、客流量数据、列车维修数据等。
对轨道交通领域的数据进行充分的分析利用，可以有效加强运营管控，有利于轨道交通数据管理和监控。例如，运营人员可以对列车的运营情况进行查询，并根据查询结果对轨道交通的运营管控方式进行调整或加强。
目前，轨道交通领域的所有数据都存储在同一种类型的数据库中，数据结构的灵活性及可扩展性较低，不便对数据库的数据进行更新，导致信息查询的效率较低。
发明内容
本申请实施例中提供了一种轨道交通信息查询方法、装置、电子设备和存储介质，用于解决目前轨道交通领域的信息查询效率较低的问题。
根据本申请实施例的第一个方面，提供了一种轨道交通信息查询方法，所述方法包括：
接收查询信息，根据所述查询信息向混合型知识图谱数据库发送查询请求，其中，所述混合型知识图谱数据库包括图数据库和关系型数据库，所述图数据库中存储有知识数据，所述关系型数据库中存储有非知识数据；
基于所述查询请求在混合型知识图谱数据库中进行信息查询，获得所述查询信息对应的查询结果；
输出查询结果。
根据本申请实施例的第二个方面，提供了一种轨道交通信息查询装置，所述装置包括：
请求发送模块，用于接收查询信息，根据所述查询信息向混合型知识图谱数据库发送查询请求，其中，所述混合型知识图谱数据库包括图数据库和关系型数据库，所述图数据库中存储有知识数据，所述关系型数据库中存储有非知识数据；
查询模块，用于基于所述查询请求在混合型知识图谱数据库中进行信息查询，获得所述查询信息对应的查询结果；
输出模块，用于输出查询结果。
根据本申请实施例的第三个方面，提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行轨道交通信息查询方法。
根据本申请实施例的第四个方面，提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行轨道交通信息查询方法。
本申请实施例提供了一种轨道交通信息查询方法、装置、电子设备和存储介质，所述方法包括：接收查询信息，根据查询信息向混合型知识图谱数据库发送查询请求，其中，混合型知识图谱数据库包括图数据库和关系型数据库，图数据库中存储有知识数据，关系型数据库中存储有非知识数据；基于查询请求在混合型知识图谱数据库中进行信息查询，获得查询信息对应的查询结果；输出查询结果。通过将轨道交通领域的知识数据与非知识数据分别存储至混合型的数据库的图数据库和关系型数据库中，减少了逻辑模型与物理模型之间的耦合性，增大了数据结构的灵活性，便于数据的高效存储及读取，提升轨道交通信息查询的效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的轨道交通信息查询方法的流程图之一；
图2为本申请实施例提供的步骤S12的子步骤流程图；
图3为本申请实施例提供的轨道交通信息查询方法的流程图之二；
图4为本申请实施例提供的步骤S14的子步骤流程图；
图5为本申请实施例提供的数据存储的示意图；
图6为本申请实施例提供的数据导入示意图；
图7为本申请实施例提供的轨道交通信息查询装置的功能模块图；
图8为本申请实施例提供的电子设备的示意图。
具体实施方式
在实现本申请的过程中，发明人发现，目前，轨道交通领域的所有数据都存储在同一种类型的数据库中，数据结构的灵活性及可扩展性较低，不便对数据库的数据进行更新，导致信息查询的效率较低。
针对上述问题，本申请实施例中提供了一种轨道交通信息查询方法，所述方法包括：接收查询信息，根据查询信息向混合型知识图谱数据库发送查询请求，其中，混合型知识图谱数据库包括图数据库和关系型数据库，图数据库中存储有知识数据，关系型数据库中存储有非知识数据；基于查询请求在混合型知识图谱数据库中进行信息查询，获得查询信息对应的查询结果；输出查询结果。通过将轨道交通领域的知识数据与非知识数据分别存储至混合型的数据库的图数据库和关系型数据库中，减少了逻辑模型与物理模型之间的耦合性，增大了数据结构的灵活性，便于数据的高效存储及读取，提升轨道交通信息查询的效率。
本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
请参照图1，图1为本申请实施例提供的轨道交通信息查询方法的流程图之一。在本实施例中，轨道交通信息查询方法应用于电子设备，所述方法包括：
步骤S11，接收查询信息，根据查询信息向混合型知识图谱数据库发送查询请求。
其中，所述混合型知识图谱数据库包括图数据库和关系型数据库，所述图数据库中存储有知识数据，所述关系型数据库中存储有非知识数据。
步骤S12，基于查询请求在混合型知识图谱数据库中进行信息查询，获得查询信息对应的查询结果。
步骤S13，输出查询结果。
在上述步骤中，本实施例通过将轨道交通领域的知识数据与非知识数据分别存储至混合型的数据库的图数据库和关系型数据库中，减少了逻辑模型与物理模型之间的耦合性，增大了数据结构的灵活性，便于数据的高效存储及读取，提升轨道交通信息查询的效率。其中，知识数据是指具有逻辑关系的数据，可以是多个实体及各个实体之间的关系和属性，例如，知识数据可以包括ATS工作站(实体)、各个ATS工作站的类型、年份和ID等；非知识数据是指没有逻辑的数据，例如，非知识数据包括各个ATS工作站的异常信息、异常的解决方案和处理异常的工作人员等。
可选地，在本实施例中，电子设备上的信息查询系统接收运营人员输入的查询信息，然后根据查询信息向混合型知识图谱数据库发送对应的查询请求，然后基于查询请求在混合型知识图谱数据库中进行信息查询，获得多个查询结果，最后输出多个查询结果。
可选地，在本实施例中，混合型知识图谱数据库包括图数据库和关系型数据库。图数据库用于存储知识数据，将知识数据存储于图数据库的属性节点中，再将知识关系存储于图数据的节点连线中；关系型数据库用于对统计数据进行存储。
图数据库能够高效处理大量的、复杂的、互连的、多变的数据，计算效率远远高于传统的关系型数据库，例如Neo4j、OrientDB、ArangoDB等数据库。图数据库的每个节点代表一个实体，节点之间的连线代表实体之间的关系。图数据的节点可带标签，且节点和节点之间的连线都可以带有若干属性。
节点之间的连线可以将节点连接成任意的结构，例如一个列表，一棵树，一张地图，或者一个复杂的实体。通过图数据库存储数据，是最接近高性能的一种用于存储数据的数据结构方式之一，是因为图数据库能够通过建立索引，从而更高效的对节点进行检索，当信息浏览用户对知识进行查询时，便于后台业务对数据进行检索；另外由于图数据库没有关系型数据库严格的约束模式显得更加灵活、可扩展性强，从而能够便于进行图谱数据的快速修改。
在本实施例中，使用图数据存储数据能够提升数据的遍历效率，且由于图数据库的可扩展性强，便于添加新数据和数据之间的关系。
关系型数据库用于存储实体数据和特征，例如MySQL、Oracle、SQLServer、DB2等数据库。以MySQL为例，MySQL数据库包括实体名称(entity_name)(主键)、实体补充信息(entity_infomation)和实体静态特征(entity_feature)。
关系型数据库主要用于存储非关联型数据，通过后台对数据进行处理，获取多维度的统计数据，并将统计数据传至前端，支持前端的可视化。通过关系型数据库对统计数据进行存储，通过简单的表结构即可以完成对数据的描述，通过简单的SQL语句即可完成对数据进行操作。
可选地，在本实施例中，由于关系型数据库的数据量很大，直接访问数据库可能会造成数据库响应速度缓慢，因此，混合型知识图谱数据库还可以包括缓存数据库，用于存储缓存数据。
例如，可以采用Redis对平台数据以key-value的形式对缓存数据进行存储，保证了Redis作为中间缓存的数据响应速度提升。通过Redis的主从模式对数据进行缓存，和主从同步的设计，保证系统的流畅运行，减少向后台的请求次数，加大平台吞吐量。
可选地，请参照图2，图2为本申请实施例提供的步骤S12的子步骤流程图。在本实施例中，步骤S12包括：
步骤S121，基于查询请求在图数据库中进行信息查询，获得与查询信息对应的多个实体及与各个实体对应的实体属性。
步骤S122，根据各个实体及与实体对应的实体属性在关系型数据库中进行信息查询，获得与各个实体对应的查询结果。
在上述步骤中，混合型知识图谱数据库包括图数据库和关系型数据库。在进行信息查询时，首先根据查询请求在图数据库中获取与查询请求相关的多个实体及各个实体对应的实体属性。再根据实体及实体属性从关系型数据库中查询对应的实体数据及实体特征。
例如，若查询请求为：“查询ATS设备通信异常情况”，则首先从图数据库中查询获取多个实体，每个实体对应一个ATS设备，实体属性则为ATS设备的类型、时间、年份等信息。然后在根据实体及实体属性，从关系型数据库中获取每个ATS设备对应的实体数据及特征，例如每个ATS设备是否存在通信异常、通信异常发生的时间、异常解决方案以及处理异常的工作人员等信息。从而实现ATS设备的通信异常情况的查询。
可选地，在本实施例中，在输出的查询结果有多个的情况下，步骤S13，输出查询结果，包括：基于所述实体与所述查询信息的相似度对多个所述查询结果进行排序，并根据排序结果输出多个所述查询结果。
具体地，在本实施例中，所述基于所述实体与所述查询信息的相似度对多个所述查询结果进行排序，并根据排序结果输出多个所述查询结果，包括：
分别计算获取到的各个实体与所述查询信息的相似度；基于各个实体的静态特征及所述相似度，通过训练好的排序模型对所述查询结果进行排序，获得各个查询结果的排序分数，其中，所述静态特征包括各个实体的文本数据及非实体属性的结构化字段；根据各个查询结果的排序分数按从高到低的顺序输出多个所述查询结果。
在本实施例中，在输入一个查询信息后，可能会返回多个与查询信息相关的实体信息，因此需要对多个实体进行排序。
排序之前首先需要计算获取到的各个实体与查询信息的相似度。在计算相似度时，首先需要加载词向量词典(200维词向量)，其中，词向量词典是由预先通过大量的轨道交通领域的文本训练获得的word2vec生成的。然后将获得的实体和查询信息都放入词向量词典中进行查询，获得每个实体的词向量以及查询信息的词向量，然后再分别计算各个实体的词向量和查询信息的词向量之间的相似度(例如杰卡德相似系数)，基于杰卡德相似系数获得各个实体与查询信息的相似度。
其中，杰卡德相似系数是指集合A和集合B的交集元素在集合A和集合B的并集中所占的比例，可以使用符号J(A，B)表示。
值得说明的是，在本实施例中，杰卡德相似系数仅为本申请实施例提供的计算实体和查询信息的相似的其中一种计算方式，在本实施例的其他实施方式中，也可以使用其他相似度计算方式，比如通过欧几里得距离算法计算实体与查询信息的距离，使用距离表示相似度，或通过余弦相似度计算。
在计算获得各个实体和查询信息的相似度之后，即可将各个实体的静态特征及与查询信息的相似度输入至训练好的排序模型中，通过排序模型计算每个查询结果的排序分数，从而获得最终的排序结果。
可选地，在训练排序模型时，可以先通过人工标记的方式对各个实体进行排序标注，获得训练样本集，通过同样的方式还可以获得验证集和测试集，用于对训练模型进行验证和测试。例如，排序标注可以是3、2、1、0，分数越高，代表排序顺序越靠前。
在训练时，将静态特征、相似度特征相结合作为特征集，利用lambdaMart模型的listwise特性对训练样本进行排序训练，训练目标为人工标注的正确排序方式，并在训练过程中对模型参数进行修改，最后得到训练好的排序模型，然后通过验证集和测试集对训练模型进行验证和测试，评价指标为MAP(mean average precision)以及NDCG(NormalizedDiscounted Cumulative Gain)排序指标。
可选地，请参照图3，图3为本申请实施例提供的轨道交通信息查询方法的流程图之二。在本实施例中，轨道交通信息查询方法还包括：
步骤S14，将原始数据存储至混合型知识图谱数据库。
可选地，请参照图4，图4为本申请实施例提供的步骤S14的子步骤流程图。在本实施例中，步骤S14具体包括：
步骤S141，获取原始数据。
步骤S142，对原始数据进行实体抽取和统计，获得原始数据的多个实体、各个实体对应的实体属性及原始数据的非知识数据。
步骤S143，将实体及实体属性存储至图数据库中，将非知识数据存储至关系型数据库中。
在上述步骤中，由于混合型知识图谱包括图数据库和关系型数据库，且图数据库和关系型数据库存储的数据不同，因此，在获取到原始数据后，需要对原始数据进行实体抽取等处理，将实体和实体属性等知识数据存储至图数据库中，将实体对应的特征和非知识数据存储至关系型数据库中。然后可以将缓存数据存储至缓存数据库中。如图5所示，图5为本申请实施例提供的数据存储的示意图。在图5中，采用Neo4j及MySQL作为混合终端数据库，其中，Neo4j为图数据库，MySQL为关系型数据库，Redis缓存为缓存数据库。
平台对知识数据采用Neo4j的存储方式进行存储，每个节点表示一个实体，实体间关系使用连线表示，将实体属性直接存入节点中。因为Neo4j能够直接提供灵活的数据模型，可以随时添加或更新数据或数据类型。在修改知识图谱数据时会对数据结构进行修改，若采用MySQL等关系型数据库存储知识图谱数据，需要改变预先设计好的结构固定的二维数据表格，不利于数据的应用及表现。所以对于知识图谱数据采用Neo4j图数据库来存储，而对于统计数据、图表数据、报告数据等关系简单，表结构不会经常变动的数据来说，可以采用MySQL即可完成存储。
可选地，在本实施例中，可以通过下述任意一种或多种方法获取原始数据：
获取分布式数据流引擎导入的所述原始数据；获取通过可视化web页面输入的所述原始数据；根据数据库地址及端口信息获取其他数据库的原始数据；通过上传的数据文件获取所述原始数据。
在本实施例中，在导入原始数据时，可以通过多种方式导入数据，如图6所示，图6为本申请实施例提供的数据导入示意图。
第一种是轨道交通在运营过程给的实时数据，此种方法用于导入轨道交通的实时轨迹事件。当触发轨道交通特定事件时，可以通过捕获器捕获相关的信息。例如，当列车完成一次正常运行，停入终点站之后，捕获器捕获列车此处运行的运行速度、载客情况等数据，并通过分布式数据流引擎实时导入到数据库中。
事件流分为两种类型：冒泡型的事件流和捕获型的事件流。冒泡型数据流是指数据中心对主要的实时事件做数据流推送操作；捕获型数据流是指定时对数据中心的核心数据做主动拉取操作。
冒泡型的事件流从明确事件源到不明确的事件源依次向上响应，捕获型事件流从不确定事件源到确定事件源依次向下响应。事件流处理模式是通过将几种机理整合在一起实现实时操作的。首先，支持入处理，即输入的事件流一进入系统就马上开始流经连续的查询。在它们流动时，查询变换事件，连续地给出结果，这些处理步骤都是在内存中进行的，对磁盘存储的读或写操作是可选的，在很多情况下是被异步处理的。入处理克服了常规数据库管理系统使用的传统出处理的局限，在出处理中，数据必须插入数据库，并在开始任何处理之前建立索引。通过将磁盘存储排除在处理的关键路径之外，与传统的处理方法相比，事件流处理模式获得了明显的性能提高。
第二种是通过其他数据库导入数据。当用户已经拥有一个现有的图数据库时，用户可以直接选择链接数据库，信息查询平台能够根据用户填写的数据库地址以及端口信息链接指定的数据源。
在链接数据库时，首先将配置文件中的data Source设置成为默认的数据源，然后采用Bean的方式配置data Source，通过driverClassName.contains()判断数据库的类型，若数据库为Neo4j，则直接动态修改链接，再定义一个通过获取前端数据，从而改变数据库配置文件而后重启的方法，最后改变Application.java类，实现数据库的动态改变。
而如果判断数据库类型为MySQL，则需要对数据进行转换处理从MySQL导入Neo4j，首先安装neo4j-apoc-procedures插件和MySQL JDBC驱动，并设置环境变量，使用apoc.load.driver来存储过程加载驱动，然后执行MySQL查询语句即可完成在Neo4j创建节点和关系数据存入默认数据库。
第三种方式是通过可视化web页面进行数据源导入。具体地，当数据量很小或需要组建思路的时候，用户可以通过可视化的web页面输入数据节点名称进行数据导入。在可视化web界面的输入端，以树形结构呈现输入框，用户可以根据层级关系对数据进行输入，后台接收整个树结构对象，并将其转化为节点和关系，存入图数据库中。这种上传方法不涉及数据库的转换，所有添加的数据相当于在默认数据库中添加一个新的关系图谱。
第四种方式是直接上传数据文件。具体地，当数据量比较大的时候，用户往往不是拥有一个已经创建好的图数据库，更多的时候则是一个EXCEL、CSV、TXT或JSON等格式的数据文件，此时通过混合型知识图谱数据库的文件上传功能，将数据文件直接上传至数据库。混合型知识图谱数据库平台首先根据上传文件的格式，采用不同的方式对数据进行解析转换。
具体地，获取到文件数据后，首先对数据进行遍历，对数据进行清洗，剔除干扰数据，保证数据没有多余空格，在确保数据可用的情况下，对数据进行存储。可以采用neo4j-admin import将数据导入，由于neo4j-admin import要求数据使用CSV格式，因此需要将数据统一转化为.csv格式，然后进行导入存储。
综上所述，本申请实施例提供了一种轨道交通信息查询方法，所述方法包括：接收查询信息，根据查询信息向混合型知识图谱数据库发送查询请求，其中，混合型知识图谱数据库包括图数据库和关系型数据库，图数据库中存储有知识数据，关系型数据库中存储有非知识数据；基于查询请求在混合型知识图谱数据库中进行信息查询，获得查询信息对应的查询结果；输出查询结果。通过将轨道交通领域的知识数据与非知识数据分别存储至混合型的数据库的图数据库和关系型数据库中，减少了逻辑模型与物理模型之间的耦合性，增大了数据结构的灵活性，便于数据的高效存储及读取，提升轨道交通信息查询的效率。
请参照图7，图7为本申请实施例提供的轨道交通信息查询装置110的功能模块图，轨道交通信息查询装置110包括：
请求发送模块1101，用于接收查询信息，根据所述查询信息向混合型知识图谱数据库发送查询请求。
查询模块1102，用于基于所述查询请求在混合型知识图谱数据库中进行信息查询，获得所述查询信息对应的多个查询结果，其中，所述混合型知识图谱数据库包括图数据库和关系型数据库。
输出模块1103，用于输出多个查询结果。
本申请实施例还提供了一种电子设备，请参照图8，图8为本申请实施例提供的电子设备10的示意图。在本实施例中，电子设备10包括：处理器11、存储器12和总线13，所述存储器12存储有所述处理器11可执行的机器可读指令，当所述电子设备10运行时，所述处理器11与所述存储器12之间通过所述总线13通信，所述机器可读指令被所述处理器11执行时执行本申请实施例提供的轨道交通信息查询方法。
本申请实施例还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行本申请实施例提供的轨道交通信息查询方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种轨道交通信息查询方法，其特征在于，所述方法包括：
接收查询信息，根据所述查询信息向混合型知识图谱数据库发送查询请求，其中，所述混合型知识图谱数据库包括图数据库和关系型数据库，所述图数据库中存储有知识数据，所述关系型数据库中存储有非知识数据；
基于所述查询请求在混合型知识图谱数据库中进行信息查询，获得所述查询信息对应的查询结果；
输出查询结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述查询请求在混合型知识图谱数据库中进行信息查询，获得所述查询信息对应的查询结果，包括：
基于所述查询请求在所述图数据库中进行信息查询，获得与所述查询信息对应的多个实体及与各个实体对应的实体属性；
根据各个所述实体及与所述实体对应的实体属性在所述关系型数据库中进行信息查询，获得与各个所述实体对应的查询结果。
3.根据权利要求2所述的方法，其特征在于，在输出的查询结果有多个的情况下，所述输出查询结果，包括：
基于所述实体与所述查询信息的相似度对多个所述查询结果进行排序，并根据排序结果输出多个所述查询结果。
4.根据权利要求3所述的方法，其特征在于，所述基于所述实体与所述查询信息的相似度对多个所述查询结果进行排序，并根据排序结果输出多个所述查询结果，包括：
分别计算获取到的各个实体与所述查询信息的相似度；
基于各个实体的静态特征及所述相似度，通过训练好的排序模型对所述查询结果进行排序，获得各个查询结果的排序分数，其中，所述静态特征包括各个实体的文本数据及非实体属性的结构化字段；
根据各个查询结果的排序分数按从高到低的顺序输出多个所述查询结果。
5.根据权利要求4所述的方法，其特征在于，所述分别计算获取到的各个实体与所述查询信息的相似度，包括：
将各个实体及所述查询信息输入至训练好的词向量模型中，生成各个实体的词向量及所述查询信息的词向量；
针对每个实体，计算所述实体的词向量与所述查询信息的词向量的相似度，以获得各个实体与所述查询信息的相似度。
6.根据权利要求1-5任一所述的方法，其特征在于，所述方法还包括将原始数据存储至所述混合型知识图谱数据库的步骤，所述步骤包括：
获取原始数据；
对所述原始数据进行实体抽取和统计，获得所述原始数据的多个实体、各个实体对应的实体属性及所述原始数据的非知识数据；
将所述实体及实体属性存储至所述图数据库中，将所述非知识数据存储至所述关系型数据库中。
7.根据权利要求6所述的方法，其特征在于，所述获取原始数据，包括：
获取分布式数据流引擎导入的所述原始数据，和/或；
获取通过可视化web页面输入的所述原始数据，和/或；
根据数据库地址及端口信息获取其他数据库的原始数据，和/或；
通过上传的数据文件获取所述原始数据。
8.一种轨道交通信息查询装置，其特征在于，所述装置包括：
请求发送模块，用于接收查询信息，根据向混合型知识图谱数据库发送查询请求，其中，所述混合型知识图谱数据库包括图数据库和关系型数据库，所述图数据库中存储有知识数据，所述关系型数据库中存储有非知识数据；
查询模块，用于基于所述查询请求在混合型知识图谱数据库中进行信息查询，获得所述查询信息对应的查询结果；
输出模块，用于输出查询结果。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1-7任一项所述的方法。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-7任一项所述的方法。
CN202110647810.6A 2021-06-10 2021-06-10 轨道交通信息查询方法、装置、电子设备和存储介质 Pending CN115470355A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110647810.6A CN115470355A (zh) 2021-06-10 2021-06-10 轨道交通信息查询方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110647810.6A CN115470355A (zh) 2021-06-10 2021-06-10 轨道交通信息查询方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN115470355A true CN115470355A (zh) 2022-12-13

Family

ID=84363373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110647810.6A Pending CN115470355A (zh) 2021-06-10 2021-06-10 轨道交通信息查询方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115470355A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116303625A (zh) * 2023-05-17 2023-06-23 之江实验室 一种数据查询的方法、装置、存储介质及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116303625A (zh) * 2023-05-17 2023-06-23 之江实验室 一种数据查询的方法、装置、存储介质及电子设备
CN116303625B (zh) * 2023-05-17 2023-07-21 之江实验室 一种数据查询的方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
CN111522816B (zh) 基于数据库引擎的数据处理方法、装置、终端及介质
CN110096494B (zh) 使用源跟踪剖析数据
CN109240901B (zh) 性能分析方法、性能分析装置、存储介质和电子设备
US9971967B2 (en) Generating a superset of question/answer action paths based on dynamically generated type sets
US9916368B2 (en) Non-exclusionary search within in-memory databases
EP3788560A1 (en) Systems and methods for enriching modeling tools and infrastructure with semantics
CN110659282B (zh) 数据路由的构建方法、装置、计算机设备和存储介质
JP5791149B2 (ja) データベース・クエリ最適化のためのコンピュータで実装される方法、コンピュータ・プログラム、およびデータ処理システム
CN109408578B (zh) 一种针对异构环境监测数据融合方法
CN110597844B (zh) 异构数据库数据统一访问方法及相关设备
CN112000773B (zh) 基于搜索引擎技术的数据关联关系挖掘方法及应用
JP2008027072A (ja) データベース分析プログラム、データベース分析装置、データベース分析方法
CN111444220B (zh) 规则驱动和数据驱动相结合的跨平台sql查询优化方法
US9043321B2 (en) Enhancing cluster analysis using document metadata
CN113505128A (zh) 创建数据表的方法、装置、设备及存储介质
US20230120592A1 (en) Query Generation and Processing System
CN108073641B (zh) 查询数据表的方法和装置
CN114175007A (zh) 用于数据匹配的主动学习
CN113032642A (zh) 针对目标对象的数据处理方法、装置、介质及电子设备
CN115470355A (zh) 轨道交通信息查询方法、装置、电子设备和存储介质
US11954102B1 (en) Structured query language query execution using natural language and related techniques
CN111984745B (zh) 数据库字段动态扩展方法、装置、设备及存储介质
CN110008448B (zh) 将SQL代码自动转换为Java代码的方法和装置
CN116578700A (zh) 日志分类方法、日志分类装置、设备及介质
CN111221967A (zh) 一种基于区块链架构的语言数据分类存储系统

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