CN116028678A

CN116028678A - 一种知识图谱中全量路径查找方法及系统

Info

Publication number: CN116028678A
Application number: CN202310304541.2A
Authority: CN
Inventors: 范曌; 罗剑桥; 陈洲
Original assignee: China Certification Information Technology Service Co ltd
Current assignee: China Certification Information Technology Service Co ltd
Priority date: 2023-03-27
Filing date: 2023-03-27
Publication date: 2023-04-28

Abstract

本申请提供了一种知识图谱中全量路径查找方法及系统，涉及知识图谱技术领域。在执行所述方法时，先确定知识图谱中待进行路径查找的第一实体和第二实体，得到第一子图，第二子图，然后获取第一子图与第二子图的交点，获取第一起点与交点之间路径上的所有实体和关系边，获取第二起点与交点之间路径上的所有实体和关系边，生成并集图，以得到第一实体和第二实体之间的全量路径。这样，通过对知识图谱中待进行路径查找的第一实体和第二实体同时进行路径查找，大大缩短了对两个实体之间进行全量路径的查找时间，提高了知识图谱中实体之间的路径查找效率，减少了查找时间。

Description

一种知识图谱中全量路径查找方法及系统

技术领域

本申请涉及知识图谱技术领域，尤其涉及一种知识图谱中全量路径查找方法及系统。

背景技术

知识图谱是一种基于图模型的数据组织存储模型，最早应用于搜索引擎的语义检索，后来被广泛运用在金融、交通运输等多个行业领域。知识图谱以图数据库为存储引擎，相对于传统关系型数据库的主要优势是能够提供高效的关联查找功能。在知识图谱中，用户可以通过查找特定实体和实体的关联边而快速获取与该实体相联系的另一实体，避免了传统关系型数据库中十分耗时的多表关联操作，从而使得关联查找更为高效。

然而在大数据的时代，面对海量的实体关系数据和用户查找需求，知识图谱的关联查找功能依然成为制约应用系统性能和规模的主要瓶颈。在实践中，知识图谱存储的实体数量可能达到千万级乃至更高，而用户一次深度关联查找所涉及的路径数量会随着关联深度的增长以指数级增加，因此常规的查找方法往往成为性能瓶颈。而且，实体之间的路径数量会随着查找深度的增加而增加，使得计算量过大。因而使得现有的查找方法具有耗时过长的弊端，不利于实现全量路径发现的业务场景。

本申请针对上述缺点，提出一种知识图谱中全量路径查找方法，能够提高知识图谱中实体之间的路径查找效率，减少查找时间。

发明内容

有鉴于此，本申请提供了一种知识图谱中全量路径查找方法及系统，旨在降低关联路径查找计算的时间复杂度，从而能够在较短时间内找出知识图谱中任意两个实体之间存在的全部关联路径，提高知识图谱中最常用的路径查找功能的性能，为知识图谱在金融等行业领域的应用场景贡献较大价值，提高知识图谱中实体之间的路径查找效率，减少查找时间。

第一方面，本申请提供了一种知识图谱中全量路径查找方法，所述方法包括：

确定知识图谱中待进行路径查找的第一实体和第二实体；

以所述第一实体为第一起点，查找所述第一实体的关联路径，得到第一子图；

以所述第二实体为第二起点，查找所述第二实体的关联路径，得到第二子图；

获取所述第一子图与所述第二子图的交点，获取所述第一起点与所述交点之间路径上的所有实体和关系边，获取所述第二起点与所述交点之间路径上的所有实体和关系边，利用所述第一起点与所述交点之间路径上的所有实体和关系边以及所述第二起点与所述交点之间路径上的所有实体和关系边生成并集图，得到所述第一实体和所述第二实体之间的全量路径。

可选的，所述确定知识图谱中待进行路径查找的第一实体和第二实体之前，所述方法还包括：

构建知识图谱，所述知识图谱中包括至少两个实体，及至少一条关系边，实体之间通过关系边进行连接。

可选的，所述构建知识图谱之后，所述方法还包括：

对所述知识图谱进行剪切，保留与核心实体关联度小于阈值的实体。

可选的，所述利用所述第一起点与所述交点之间路径上的所有实体和关系边以及所述第二起点与所述交点之间路径上的所有实体和关系边生成并集图之后，所述方法还包括：

对所述并集图进行剪枝，剪枝后的并集图中包括所述第一实体和所述第二实体之间的最短路径。

可选的，所述得到所述第一实体和所述第二实体之间的全量路径之后，所述方法还包括：

对所述全量路径中的实体和关系边设置属性值。

第二方面，本申请提供了一种知识图谱中全量路径查找系统，所述系统包括：

确定单元，用于确定知识图谱中待进行路径查找的第一实体和第二实体；

查找单元，用于以所述第一实体为第一起点，查找所述第一实体的关联路径，得到第一子图；

所述查找单元还用于，以所述第二实体为第二起点，查找所述第二实体的关联路径，得到第二子图；

生成单元，用于获取所述第一子图与所述第二子图的交点，获取所述第一起点与所述交点之间路径上的所有实体和关系边，获取所述第二起点与所述交点之间路径上的所有实体和关系边，利用所述第一起点与所述交点之间路径上的所有实体和关系边以及所述第二起点与所述交点之间路径上的所有实体和关系边生成并集图，得到所述第一实体和所述第二实体之间的全量路径。

可选的，所述系统还包括：

构建单元，用于构建知识图谱，所述知识图谱中包括至少两个实体及至少一条关系边，实体之间通过关系边进行连接。

可选的，所述系统还包括：

剪切单元，用于对所述知识图谱进行剪切，保留与核心实体关联度小于阈值的实体。

可选的，所述系统还包括剪枝单元，用于对所述并集图进行剪枝，剪枝后的并集图中包括所述第一实体和所述第二实体之间的最短路径。

可选的，所述系统还包括属性设置单元，用于对所述全量路径中的实体和关系边设置属性值。

第三方面，本申请提供了一种计算设备，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行前述第一方面任一项所述的方法。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现前述第一方面任一项所述的方法。

本申请提供了一种知识图谱中全量路径查找方法及系统。在执行所述方法时，先确定知识图谱中待进行路径查找的第一实体和第二实体，然后以所述第一实体为第一起点，查找所述第一实体的关联路径，得到第一子图，以所述第二实体为第二起点，查找所述第二实体的关联路径，得到第二子图，最后获取所述第一子图与所述第二子图的交点，获取所述第一起点与所述交点之间路径上的所有实体和关系边，获取所述第二起点与所述交点之间路径上的所有实体和关系边，利用所述第一起点与所述交点之间路径上的所有实体和关系边以及所述第二起点与所述交点之间路径上的所有实体和关系边生成并集图，得到所述第一实体和所述第二实体之间的全量路径。这样，通过对知识图谱中待进行路径查找的第一实体和第二实体同时进行路径查找，大大缩短了对两个实体之间进行全量路径的查找时间，达到了提高知识图谱中实体之间的路径查找效率，减少查找时间的效果。

附图说明

为更清楚地说明本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申请的一些实施例，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为本申请实施例提供的现有的对知识图谱中实体进行路径查找的示意图；

图2为本申请实施例提供的一种知识图谱中全量路径查找方法的流程图；

图3为本申请实施例提供的获取第一子图与第二子图的交点的示意图；

图4为本申请实施例提供的一种并集图示意图；

图5为本申请实施例提供的一种知识图谱示意图；

图6为本申请实施例提供的对知识图谱进行剪切后的示意图；

图7为本申请实施例提供的对并集图进行剪枝的示意图；

图8为本申请实施例提供的一种知识图谱中全量路径查找方法的结构示意图。

具体实施方式

目前，利用知识图谱，现有技术已经可以比较成熟的解决查找实体A和实体B之间的一条或多条路径，在查询性能和结果准确性上可满足需要。但是如果用户想要查找实体A和实体B之间的全量关联路径，尚无可靠的解决方案。对于全量路径发现问题，一般做法是从实体A出发沿着关联关系边不断迭代拓展到其他实体，直到发现实体B。通常，可以使用图查询语言Gremlin或声明式图查询语言Cypher进行知识图谱的查询语句描述。以Gremlin图查询语言为例，设待查询两家公司的ID分别是A和B，探索关联深度为N，在不考虑关系边的方向时，

具体查询语句为：

g.V().has("ID",A).repeat(bothE().otherV()).times(N).has("ID",B).path()；

在考虑关系边的具体方向时，则具体用到的查询语句为：

g.V().has("ID",A).repeat(outE().inV()).times(N).has("ID",B).path()。

参见图1，图1为本申请实施例提供的现有的对知识图谱中实体进行路径查找的示意图，假设知识图谱中每个实体的平均关联度数为d，那么使用现有技术在从实体A到实体B的N度关联查询路径中可能需要查找d^N数量级的实体、关系和路径，时间复杂度达到O(d^N)。然而在实践中，知识图谱存储的实体数量可能达到千万级乃至更高，而用户一次深度关联查询所涉及的路径数量会随着关联深度的增长和指数级增加，因此常规的查询方法往往成为性能瓶颈。在金融领域实际应用场景中，在超过千万级别实体的知识图谱中进行两家公司的全量路径发现，当两家公司的关联关系深度超过4度时，上述查询就无法在短时间内返回结果，极端情况可能要花费数分钟以上计算时间。这是因为路径数量随着深度的增加而指数增加，所以计算量过大。由于现有技术方法有时间复杂度过高和大数据场景耗时过长的弊端，不能实现全量路径发现的业务场景。

针对上述问题，本申请提供了一种知识图谱中全量路径查找方法，参见图2，图2为本申请实施例提供的一种知识图谱中全量路径查找方法的流程图，所述方法包括：

S101、确定知识图谱中待进行路径查找的第一实体和第二实体。

根据实际需求得到待进行路径查找的第一实体和第二实体，对第一实体和第二实体之间的全量路径进行查找。第一实体和第二实体具有属性值，具体的属性设置可以根据实际情况进行设置，在此不进行限定。例如，若当前需要对两个公司之间的全量路径进行查找，则需要确定待进行路径查找的公司A和公司B，公司即为实体的属性。

S102、以第一实体为第一起点，查找第一实体的关联路径，得到第一子图，以第二实体为第二起点，查找第二实体的关联路径，得到第二子图。

查找第一实体和第二实体之间的N度关联路径时，分别以第一实体和第二实体为起点，同时在知识图谱中进行查找，利用双向折半搜索算法来计算知识图谱中实体间的关联路径。设p(A,B)表示实体A和实体B之间的N度关联路径。不失一般性，假设N为偶数，即N=2K。那么任意一条从实体A到实体B的N度关联路径可以从路径中间位置的实体X处分开，得到实体A到实体X的路径p(A,X)和实体X到实体B的路径p(X,B)这两部分。例如，对于A到B的4度关联路径{A-A1-X-B1-B}，拆成{A-A1-X}和{X-B1-B} 的两个2度关联路径。由于在知识图谱中关系可以是双向的，因此路径p(X,B)实际上等同于路径p(B,X)的反向路径。需要说明的是，如果N是偶数，那么p(A,X)和p(B,X)分别是以实体A和实体B为起点的N/2度关联路径；如果N是奇数，那么p(A,X)和p(B,X)分别是以实体A和实体B为起点的(N-1)/2度、(N+1)/2度关联路径。需要说明的是，第一实体和第二实体位于同一知识图谱G中，G=(V,E)，V是多个实体的集合，E是多条关系边的集合，V和E的组合成关联路径形成图谱G。

设用户想要查找实体A和实体B之间的所有N度关联路径，设N为偶数，即N = 2K。实体A和实体B属于集合V，以第一实体为第一起点，查找第一实体的关联路径，得到第一子图g1，g1属于G。g1=(v1,e1)，实体A属于第一实体集合v1，e1为第一关系边集合，包括第一子图中的关系边。类似的，以第二实体为第二起点，查找第二实体的关联路径，得到第二子图g2，g2=(v2,e2)，实体B属于第二实体v2，e2为第二关系边集合，包括第二子图中的关系边。

以Gremlin图查询语言为例，若不区分关系边的方向，即查找无向关联路径，则具体查询语句为：

S1=g.V().has("ID",A).repeat(bothE().otherV())).times(K).path()

S2=g.V().has("ID",B).repeat(bothE().otherV())).times(K).path()；

若明确出关系边的方向，即查找有向关联路径，则具体查询语句为：

S1=g.V().has("ID",A).repeat(outE().inV())).times(K).path()

S2=g.V().has("ID",B).repeat(inE().outV())).times(K).path()

当考虑关系边的方向时，即关系边具有明确的方向时，分别以两个实体为起点进行关联路径查找的查找方向不同，例如以实体A查找关系边的方向为正方向，则以实体B进行关联路径查找的方向与实体A的查找方向相反。

需要说明的是，此处为方便起见，省略了与算法无关的点和关系边的标签、属性等判断条件，此时对实体A和实体B之间的所有N度关联路径的查找时间复杂度为。

S103、获取第一子图与第二子图的交点，获取第一起点与交点之间路径上的所有实体和关系边，获取第二起点与交点之间路径上的所有实体和关系边，利用第一起点与交点之间的所有实体和关系边以及第二起点与交点之间的所有实体和关系边生成并集图，得到第一实体和所述第二实体之间的全量路径。

第一子图和第二子图属于同一知识图谱，因此第一子图中有一个实体与第二子图中的一个实体相同，为第一子图和第二子图的交点，如图3所示，图3为本申请实施例提供的获取第一子图与第二子图的交点的示意图，图中实体标号A₂₂与实体标号B₂₃代表同一实体，即为两个子图的交点。将第一起点与交点之间的所有实体和用于连接实体之间的关系边以及第二起点与交点之间的所有实体和关系边构成并集图，例如图4所示，图4为本申请实施例提供的一种并集图示意图，其中实体A为第一起点，A₁₁为第一起点与交点之间的一个实体，实体B为第二起点，B₁₂为第二起点与交点之间的实体，各实体之间的箭头表示其关系边，关系边具有不同特定的属性，此处为了方便体现省去了各关系边的属性。

需要说明的是，任意一条实体A和实体B的N度关联路径上的点和关系边都会出现在并集子图gx中。设这条路径在从A出发经过K度的点是X。那么X会出现在S1集合的路径终点集合中，也会出现在S2集合的路径终点集合中，X到B的部分路径也是K度关联，因此这条完整路径都会保留到并集S中。

在得到并集图之后，还需要对并集图进行剪枝，去除第一实体和第二实体之间的重复路径。由于实体A和实体B之间可能存在较短的关联路径。例如对于2度路径A-X-B来说，若K>1则点X的一度关联(X-X1)会同时出现在点A、点B的2度关联路径中（即A-X-X1和B-X-X1），合并后得到A-X-X1-X-B，如图7所示，图7为本申请实施例提供的对并集图进行剪枝的示意图，图中X₁为无用实体。像这些从中间点X关联出去的点和边中是无用的，一般来说只保留实体A和实体B之间的所有简单路径，即不重复经过某个点的路径，不需要体现X1之后路径。无用点X1的特征是有且只有1个邻接点，且不是查询起点和终点。对一般情况，无用点可以采用递归的方式定义：满足所述特征的点，以及删除无用点后满足所述特征的点。需要对并集子图gx进行无用路径剪枝。剪枝方案为以当前邻接度数升序排序的顺序遍历实体集中的每个点，如果其邻接点只有一个，且不是实体A或实体B，则将其去除，即从实体中去除X1点，从关系边中去除X1的邻接点X1路径。

最后，可以对所述全量路径中的实体和关系边设置属性值。补充剪枝图的属性。算法在上述步骤后已得到实体A和实体B的N度关联路径集合。为了提高计算效率，上述计算过程只使用点和关系边的ID编号和关联信息，缺少点和关系边的属性信息，例如实体名称、边的各类标签等，因此还需要查询数据库获得集合中点和关系边的所有属性值，得到补充剪枝图中实体与关系边的属性。

在本申请实施例提供的一种方法中，确定预设知识图谱中待进行路径查找的第一实体和第二实体之前，还包括：构建知识图谱，所述知识图谱中包括至少两个实体，及至少一条关系边，实体之间通过关系边进行连接。

在利用知识图谱进行实体之间的全量路径查找之前，要构建知识图谱，构建多个实体之间的联系，例如可以构建以公司、自然人、信息为实体，以投资、任职为关系边的知识图谱。参见图5，图5为本申请实施例提供的一种知识图谱示意图，图中以公司、人、地址、邮箱、电话为实体，需要说明的是，实体的具体数量为根据实际情况而具体设定的，而不限于本实施例中所提及的几项。根据知识图谱中实体之间的关系，以实体之间的关系边对各实体进行连接，本申请实施例中的图5利用的是工商企业的基础数据和经营数据等数据，包含：工商企业基本信息数据、工商企业投资数据、工商企业股东数据、工商企业人员数据等。其次，基于工商数据来得到实体、关系和属性数据。通过开源工具Sqoop将数据表导入数据仓工具Hive中，并通过Hadoop、Spark等大数据技术手段实现数据处理来对数据进行分布式计算，抽取出符合图谱的实体、关系边以及属性的三元组图谱底版数据，将图谱底版数据存储在分布式文件系统HDFS上。

在得到知识图谱之后，需要对知识图谱进行剪切，保留与核心实体关联度小于阈值的关系边。核心实体为根据需要而选择的，例如选择上市公司为核心实体，以实体上市公司为起点，对上市公司N度以外的边缘数据进行剪切，保留下与上市公司高度关联的图谱数据，具体可以设置一个关联度阈值，衡量图谱数据中的关系边是否与上市公司为高度关联，关系边与核心实体的关联度小于关联度阈值则为高关联度，否则为低关联度，需要保留关联度小于关联度阈值的实体与关系边，剪去关联度较低的实体，例如预设关联度阈值为4，那么需要对图谱中与上市公司的关联度大于4度的关系边进行剪切，保留关联度在4度及4度以内的关系边数据，即剪去与上市公司关联度较低的关系边，以提高查找两个实体之间关联路径的效率。对知识图谱进行剪切可以采取标签传播算法模型，以核心实体为上市公司为例，以上市公司为起点，在全量数据中对外进行迭代计算，算法的迭代通过实体之间互相发送消息来完成，通过算法的迭代计算，基于给定的剪切图谱的范围（如N度以内的图数据）进行迭代计算，经过指定迭代次数计算之后，即可对N度以内的数据完成标记。计算结束之后，所有标注为有效状态的实体就是剪切完之后N度以内的图谱数据，参见图6，图6为本申请实施例提供的对知识图谱进行剪切后的示意图。从而将全量知识图谱缩小成一个N度以内的小范围图谱。

上述实施例提供了一种知识图谱中全量路径查找方法。在执行所述方法时，先确定知识图谱中待进行路径查找的第一实体和第二实体，然后以所述第一实体为第一起点，查找所述第一实体的关联路径，得到第一子图，以所述第二实体为第二起点，查找所述第二实体的关联路径，得到第二子图，最后获取所述第一子图与所述第二子图的交点，获取所述第一起点与所述交点之间路径上的所有实体和关系边，获取所述第二起点与所述交点之间路径上的所有实体和关系边，利用所述第一起点与所述交点之间路径上的所有实体和关系边以及所述第二起点与所述交点之间路径上的所有实体和关系边生成并集图，得到所述第一实体和所述第二实体之间的全量路径。这样，通过对知识图谱中待进行路径查找的第一实体和第二实体同时进行路径查找，大大缩短了对两个实体之间进行全量路径的查找时间，达到了提高知识图谱中实体之间的路径查找效率，减少查找时间的效果。

以上为本申请实施例提供的一种知识图谱中全量路径查找方法的一些具体实现方式，基于此，本申请还提供了对应的系统。下面将从功能模块化的角度对本申请实施例提供的系统进行介绍。

参见图8所示的一种知识图谱中全量路径查找系统的结构示意图，该系统包括：

确定单元800，用于确定知识图谱中待进行路径查找的第一实体和第二实体；

查找单元810，用于以所述第一实体为第一起点，查找所述第一实体的关联路径，得到第一子图；

生成单元820，用于获取所述第一子图与所述第二子图的交点，获取所述第一起点与所述交点之间路径上的所有实体和关系边，获取所述第二起点与所述交点之间路径上的所有实体和关系边，利用所述第一起点与所述交点之间路径上的所有实体和关系边以及所述第二起点与所述交点之间路径上的所有实体和关系边生成并集图，得到所述第一实体和所述第二实体之间的全量路径。

在本申请实施例提供的一种方法中，所述系统还包括：

在本申请实施例提供的一种方法中，所述系统还包括剪枝单元，用于对所述并集图进行剪枝，剪枝后的并集图中包括所述第一实体和所述第二实体之间的最短路径。

在本申请实施例提供的一种方法中，所述系统还包括属性设置单元，用于对所述全量路径中的实体和关系边设置属性值。

本申请实施例还提供了对应的设备以及计算机存储介质，用于实现本申请实施例提供的方案。

其中，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行本申请任一实施例所述的方法。

所述计算机存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现本申请任一实施例所述的方法。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器（英文：read-only memory，ROM）/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者诸如路由器等网络通信设备）执行本申请各个实施例或者实施例的某些部分所述的方法。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

还需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元提示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本申请的一种具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims

1.一种知识图谱中全量路径查找方法，其特征在于，所述方法包括：

确定知识图谱中待进行路径查找的第一实体和第二实体；

2.根据权利要求1所述的方法，其特征在于，所述确定知识图谱中待进行路径查找的第一实体和第二实体之前，所述方法还包括：

构建知识图谱，所述知识图谱中包括至少两个实体及至少一条关系边，实体之间通过关系边进行连接。

3.根据权利要求2所述的方法，其特征在于，所述构建知识图谱之后，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，所述利用所述第一起点与所述交点之间路径上的所有实体和关系边以及所述第二起点与所述交点之间路径上的所有实体和关系边生成并集图之后，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述得到所述第一实体和所述第二实体之间的全量路径之后，所述方法还包括：

对所述全量路径中的实体和关系边设置属性值。

6.一种知识图谱中全量路径查找系统，其特征在于，所述系统包括：

7.根据权利要求6所述的系统，其特征在于，所述系统还包括：

8.根据权利要求7所述的系统，其特征在于，所述系统还包括：

9.一种计算设备，其特征在于，所述设备包括：存储器、处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。