CN116431826A - 知识图谱的更新方法、装置、设备及存储介质 - Google Patents
知识图谱的更新方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116431826A CN116431826A CN202310341440.2A CN202310341440A CN116431826A CN 116431826 A CN116431826 A CN 116431826A CN 202310341440 A CN202310341440 A CN 202310341440A CN 116431826 A CN116431826 A CN 116431826A
- Authority
- CN
- China
- Prior art keywords
- target
- sample
- keyword
- updating
- vector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 127
- 238000004891 communication Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 11
- 238000004140 cleaning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000007670 refining Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G06F16/30—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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种知识图谱的更新方法、装置、设备及存储介质,涉及互联网技术领域,可以提高构建知识图谱的速度,且可以提高构建的知识图谱的准确率。该方法包括:获取目标文本对;目标文本对包括第一目标关键词和第二目标关键词;调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量;根据第一目标向量和第二目标向量确定目标关联参数;目标关联参数用于表征第一目标关键词和第二目标关键词的关联程度的大小;基于第一目标向量、第二目标向量、以及目标关联参数对当前知识图谱进行更新。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种知识图谱的更新方法、装置、设备及存储介质。
背景技术
目前,在工业互联网场景中,可以通过知识图谱来描述工业互联网场景中一些知识,从而可以通过人机交互(比如,知识问答)等形式向工业互联网从业者或其他需求者提供知识查询功能。以计件加工场景为例,可以从工作人员录入的各种工业产品的加工信息中,提炼出各种工业产品的工艺链条,并根据提炼出的各工艺链条构建知识图谱,用于描述计件加工场景中的加工知识。
然而,由于工作人员录入的加工信息的不规范,目前提炼工艺链条并构建知识图谱的过程一般由人工处理。现有由人工提炼工艺链条并构建知识图谱的方式,不仅效率低,影响了构建知识图谱的速度,而且受人为主观因素影响,构建出的知识图谱的准确率也不高。
发明内容
本申请提供一种知识图谱的更新方法、装置、设备及存储介质,可以提高构建知识图谱的速度,且可以提高构建的知识图谱的准确率。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供一种知识图谱的更新方法,包括:获取目标文本对;目标文本对包括第一目标关键词和第二目标关键词;调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量;根据第一目标向量和第二目标向量确定目标关联参数;目标关联参数用于表征第一目标关键词和第二目标关键词的关联程度的大小;基于第一目标向量、第二目标向量、以及目标关联参数对当前知识图谱进行更新。
本申请提供的技术方案中,在获取到计件加工场景中的目标文本对后,可以先调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量。其中,预设语义模型可以是预先训练好的语义模型,用于对获取到的目标文本对进行标准化处理。具体的,当获取到的目标文本对为某个加工信息的不规范表达时,可以通过预设语义模型将该目标文本对转化为该加工信息的规范表达所对应的目标向量。之后,可以根据第一目标向量和第二目标向量确定目标关联参数,并基于第一目标向量、第二目标向量、以及目标关联参数对当前知识图谱进行更新。由于目标关联参数用于表征第一目标关键词和第二目标关键词的关联程度的大小,而知识图谱中相邻两节点组成的边关系表征的是两节点所对应的两个关键词的关联程度,所以,基于目标关联参数以及第一目标关键词和第二目标关键词所对应的目标向量,可以实现对当前知识图谱的自动更新。可以看出,本申请通过预设语义模型对目标文本对进行处理,可以实现对人为录入的不规范加工信息的标准化,并且可以通过对目标文本对的向量表示以及目标关联参数来实现对知识图谱的自动化更新。因此,本申请可以提高构建知识图谱的速度,且可以提高构建的知识图谱的准确率。
可选的,在一种可能的设计方式中,上述“基于第一目标向量、第二目标向量、以及目标关联参数对当前知识图谱进行更新”可以包括:
若确定目标关联参数大于或等于关联参数阈值,则基于第一目标向量、第二目标向量、以及目标关联参数,在当前知识图谱中更新第一目标关键词对应的第一目标节点、以及第二目标关键词对应的第二目标节点。
可选的,在另一种可能的设计方式中,上述“基于第一目标向量、第二目标向量、以及目标关联参数,在当前知识图谱中更新第一目标关键词对应的第一目标节点、以及第二目标关键词对应的第二目标节点”可以包括:
根据第一目标向量更新第一目标节点的向量表示,并根据第二目标向量更新第二目标节点的向量表示,且根据目标关联参数更新第一目标节点和第二目标节点组成的边关系的边权重。
可选的,在另一种可能的设计方式中,上述“调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量”之前,还可以包括:
获取历史录入信息表;历史录入信息表中包括有预设历史时间段内的各条历史录入信息,各条历史录入信息分别包括有序排布的至少两个录入字段;基于各条历史录入信息中的各录入字段的排布顺序,确定各条历史录入信息中的各样本文本对;各样本文本对分别包括第一样本关键词和第二样本关键词;其中,第一样本关键词和第二样本关键词,分别对应各条历史录入信息中的各录入字段中的两个连续字段;基于各样本文本对,构建初始的当前知识图谱。
可选的,在另一种可能的设计方式中,上述“基于各样本文本对,构建初始的当前知识图谱”可以包括:
基于各样本文本对的文本对数量、以及各样本文本对的关联文本对的文本对数量,分别确定各样本文本对的样本关联参数;其中,对于各样本文本对,当前样本文本对的关联文本对为各样本文本对中,第一样本关键词与当前样本文本对的第一样本关键词相同,且第二样本关键词与当前样本文本对的第二样本关键词不同的样本文本对;对于各样本文本对,以当前样本文本对的第一样本关键词作为初始的当前知识图谱中的第一初始节点,并以当前样本文本对的第二样本关键词作为初始的当前知识图谱中的第二初始节点,且以当前样本文本对的样本关联参数作为第一初始节点和第二初始节点组成的边关系的边权重。
可选的,在另一种可能的设计方式中,上述“基于各样本文本对,构建初始的当前知识图谱”之后,还可以包括:
调用预设语义模型对当前样本文本对进行处理,确定当前样本文本对的第一样本关键词对应的第一样本向量、以及当前样本文本对的第二样本关键词对应的第二样本向量,并基于第一样本向量和第二样本向量更新第一初始节点和第二初始节点的向量表示。
可选的,在另一种可能的设计方式中,对于各条历史录入信息,当前历史录入信息中的各录入字段包括:录入人员标识字段、录入产品标识字段、以及至少一个录入工序标识字段。
第二方面,本申请提供一种知识图谱的更新装置,包括:获取模块、确定模块以及更新模块;
获取模块,用于获取目标文本对;目标文本对包括第一目标关键词和第二目标关键词;确定模块,用于调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量;确定模块,还用于根据第一目标向量和第二目标向量确定目标关联参数;目标关联参数用于表征第一目标关键词和第二目标关键词的关联程度的大小;更新模块,用于基于第一目标向量、第二目标向量、以及目标关联参数对当前知识图谱进行更新。
可选的,在一种可能的设计方式中,更新模块具体用于:
若确定目标关联参数大于或等于关联参数阈值,则基于第一目标向量、第二目标向量、以及目标关联参数,在当前知识图谱中更新第一目标关键词对应的第一目标节点、以及第二目标关键词对应的第二目标节点。
可选的,在另一种可能的设计方式中,更新模块具体还用于:
根据第一目标向量更新第一目标节点的向量表示,并根据第二目标向量更新第二目标节点的向量表示,且根据目标关联参数更新第一目标节点和第二目标节点组成的边关系的边权重。
可选的,在另一种可能的设计方式中,本申请提供的知识图谱的更新装置还可以包括构建模块;
获取模块,还用于在确定模块调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量之前,获取历史录入信息表;历史录入信息表中包括有预设历史时间段内的各条历史录入信息,各条历史录入信息分别包括有序排布的至少两个录入字段;
确定模块,还用于基于各条历史录入信息中的各录入字段的排布顺序,确定各条历史录入信息中的各样本文本对;各样本文本对分别包括第一样本关键词和第二样本关键词;其中,第一样本关键词和第二样本关键词,分别对应各条历史录入信息中的各录入字段中的两个连续字段;
构建模块,用于基于各样本文本对,构建初始的当前知识图谱。
可选的,在另一种可能的设计方式中,构建模块具体用于:
基于各样本文本对的文本对数量、以及各样本文本对的关联文本对的文本对数量,分别确定各样本文本对的样本关联参数;其中,对于各样本文本对,当前样本文本对的关联文本对为各样本文本对中,第一样本关键词与当前样本文本对的第一样本关键词相同,且第二样本关键词与当前样本文本对的第二样本关键词不同的样本文本对;
对于各样本文本对,以当前样本文本对的第一样本关键词作为初始的当前知识图谱中的第一初始节点,并以当前样本文本对的第二样本关键词作为初始的当前知识图谱中的第二初始节点,且以当前样本文本对的样本关联参数作为第一初始节点和第二初始节点组成的边关系的边权重。
可选的,在另一种可能的设计方式中,确定模块,还用于在构建模块基于各样本文本对,构建初始的当前知识图谱之后调用预设语义模型对当前样本文本对进行处理,确定当前样本文本对的第一样本关键词对应的第一样本向量、以及当前样本文本对的第二样本关键词对应的第二样本向量,并基于第一样本向量和第二样本向量更新第一初始节点和第二初始节点的向量表示。
可选的,在另一种可能的设计方式中,对于各条历史录入信息,当前历史录入信息中的各录入字段包括:录入人员标识字段、录入产品标识字段、以及至少一个录入工序标识字段。
第三方面,本申请提供一种知识图谱的更新设备,包括存储器、处理器、总线和通信接口;存储器用于存储计算机执行指令,处理器与存储器通过总线连接;当知识图谱的更新设备运行时,处理器执行存储器存储的计算机执行指令,以使知识图谱的更新设备执行如上述第一方面提供的知识图谱的更新方法。
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当计算机执行指令时,使得计算机执行如第一方面提供的知识图谱的更新方法。
第五方面,本申请提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在计算机上运行时,使得计算机执行如第一方面提供的知识图谱的更新方法。
需要说明的是,上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中,计算机可读存储介质可以与知识图谱的更新设备的处理器封装在一起的,也可以与知识图谱的更新设备的处理器单独封装,本申请对此不做限定。
本申请中第二方面、第三方面、第四方面以及第五方面的描述,可以参考第一方面的详细描述;并且,第二方面、第三方面、第四方面以及第五方面的描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
在本申请中,对于上述涉及到的设备或功能模块的名称不构成限定,在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似,均属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种知识图谱的更新方法的流程示意图;
图2为本申请实施例提供的一种初始的当前知识图谱的部分示意图;
图3为本申请实施例提供的一种知识图谱和预设语义模型的迭代关系示意图;
图4为本申请实施例提供的另一种知识图谱的更新方法的流程示意图;
图5为本申请实施例提供的一种知识图谱的更新装置的结构示意图;
图6为本申请实施例提供的一种知识图谱的更新设备的结构示意图。
具体实施方式
下面结合附图对本申请实施例提供的知识图谱的更新方法、装置、设备及存储介质进行详细地描述。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选的还包括其他没有列出的步骤或单元,或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
另外,本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
目前,在工业互联网场景中,可以通过知识图谱来描述工业互联网场景中一些知识,从而可以通过人机交互(比如,知识问答)等形式向工业互联网从业者或其他需求者提供知识查询功能。以计件加工场景为例,可以从工作人员录入的各种工业产品的加工信息中,提炼出各种工业产品的工艺链条,并根据提炼出的各工艺链条构建知识图谱,用于描述计件加工场景中的加工知识。
然而,由于工作人员录入的加工信息的不规范,目前提炼工艺链条并构建知识图谱的过程一般由人工处理。现有由人工提炼工艺链条并构建知识图谱的方式,不仅效率低,影响了构建知识图谱的速度,而且受人为主观因素影响,构建出的知识图谱的准确率也不高。
针对上述现有技术中存在的问题,本申请实施例提供了一种知识图谱的更新方法,该方法通过预设语义模型对目标文本对进行处理,可以实现对人为录入的不规范加工信息的标准化,并且可以通过对目标文本对的向量表示以及目标关联参数来实现对知识图谱的自动化更新。因此,本申请可以提高构建知识图谱的速度和构建的知识图谱的准确率。
本申请实施例提供的知识图谱的更新方法可以由本申请实施例提供的知识图谱的更新装置来执行,该装置可以通过软件和/或硬件的方式实现,并集成在执行本方法的知识图谱的更新设备中。
下面结合附图对本申请实施例提供的知识图谱的更新方法进行详细说明。
参照图1,本申请实施例提供的知识图谱的更新方法包括S101-S104:
S101、获取目标文本对。
本申请实施例提供的知识图谱的更新方法可以应用于计件加工场景中,目标文本对可以是从计件加工场景中的工作人员录入的加工信息(也即是本申请实施例中的录入信息)中确定出的待处理的文本对。
另外,本申请实施例为了实现对加工信息的自动处理,从而实现对知识图谱的自动更新,工作人员录入的加工信息可以是按照事先确定的格式录入的信息。加工信息可以包括多个字段,且多个字段基于预先设定好的顺序排布,示例性的,加工信息可以是:工作人员A;产品A;工序A;工序B,该条加工信息可以表征,工作人员A录入了一条产品A的加工工艺信息,且产品A的加工工艺有两条工序,第一道工序为工序A,第二道工序为工序B。对于该条加工信息,可以确定出三个目标文本对,分别是(工作人员A,产品A)、(产品A,工序A)、以及(工序A,工序B)。本申请实施例对于不同的目标文本对的处理过程相同,下面将以对任意一个目标文本对的处理过程为例展开说明。
其中,目标文本对包括第一目标关键词和第二目标关键词。示例性的,以目标文本对是(工作人员A,产品A)为例,第一目标关键词可以是“工作人员A”,第一目标关键词可以是“产品A”。
S102、调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量。
其中,预设语义模型可以是预先确定的模型。示例性的,预设语义模型可以是bert(Bidirectional Encoder Representation from Transformers,一种预训练的语言表征模型)模型,可以将文本对中的两个关键词分别转化为两个向量表示。具体将关键词转化为向量表示的方法可以参照现有技术中的相关描述,本申请实施例对此不再限定。
另外,预设语义模型,可以实现对不规范表达的目标文本的标准化。具体的,可以将不规范表达的目标文本转化为与该不规范表达的目标文本对应的规范表达所对应的目标向量。示例性的,若产品A的某道加工工序为工序C,工序C的规范表达为“清洗”,某工作人员在录入加工信息时,将工序C录入为不规范表达的“清洁”,则将包括有关键词“清洁”的目标文本对输入预设语义模型后,预设语义模型可以自动将关键词“清洁”识别为与“清洗”语义相同的关键词,从而可以将关键词“清洁”转化为与“清洗”对应的目标向量。
可选的,在调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量之前,本申请实施例提供的知识图谱的更新方法还可以包括:获取历史录入信息表;基于各条历史录入信息中的各录入字段的排布顺序,确定各条历史录入信息中的各样本文本对;基于各样本文本对,构建初始的当前知识图谱。
其中,历史录入信息表中包括有预设历史时间段内的各条历史录入信息,各条历史录入信息分别包括有序排布的至少两个录入字段。预设历史时间段可以是人为事先确定的历史时间段,比如预设历史时间段可以是历史7天内。
在一种可能的实现方式中,每条历史录入信息均包含有时间戳,知识图谱的更新设备在接收到工作人员录入的录入信息(即本申请实施例中的加工信息)时,可以基于接收时间为录入信息添加时间戳,并将添加有时间戳的录入信息存入历史录入信息库中。在构建初始的当前知识图谱时,知识图谱的更新设备可以基于历史录入信息库中的历史录入信息的时间戳,从历史录入信息库中筛选出预设历史时间段内的各条历史录入信息,也即是得到本申请实施例中的历史录入信息表。
在另一种可能的实现方式中,录入信息中还可以包含录入时间字段,该录入时间字段位于各录入字段的固定位置,比如首位或末位。在构建初始的当前知识图谱时,知识图谱的更新设备可以基于历史录入信息库中的历史录入信息的录入时间字段,从历史录入信息库中筛选出预设历史时间段内的各条历史录入信息,也即是得到本申请实施例中的历史录入信息表。
可选的,对于各条历史录入信息,当前历史录入信息中的各录入字段包括:录入人员标识字段、录入产品标识字段、以及至少一个录入工序标识字段。
本申请实施例中,录入信息在历史录入信息库中的存储形式为表格形式,历史录入信息表的表格形式即与历史录入信息库的表格形式相同。示例性的,参照表1,为本申请实施例提供的一种历史录入信息表:
表1
如表1所示,历史录入信息表中包括6条历史录入信息,这6条历史录入信息中均包含录入人员标识字段、录入产品标识字段、以及至少一个录入工序标识字段。并且,各录入字段按照录入人员标识字段、录入产品标识字段、及录入工序标识字段的顺序排列,且每条历史录入信息中的多个录入工序标识字段按照工序的先后顺序排列。示例性的,以表1中的首条历史录入信息为例,该条历史录入信息用于表征,在生产产品A的过程中,加工工序依次为工序A1、工序A2、工序A3、工序A4。
本申请实施例中,在获取到历史录入信息表之后,可以先基于各条历史录入信息中的各录入字段的排布顺序确定出历史录入信息表中的所有文本对,然后将相同的文本对划分为同一样本文本对。
其中,各样本文本对分别包括第一样本关键词和第二样本关键词;第一样本关键词和第二样本关键词,分别对应各条历史录入信息中的各录入字段中的两个连续字段。
示例性的,以表1中的首条历史录入信息为例,可以基于该条历史录入信息中的各录入字段的排布顺序确定出(人员A,产品A)、(产品A,工序A1)、(工序A1,工序A2)、(工序A2,工序A3)、以及(工序A3,工序A4)共5个文本对。类似的,可以对表1中的每条历史录入信息进行文本对的识别,然后对相同的文本对进行合并。比如,从表1中的第2条历史录入信息、第3条历史录入信息、以及第4条历史录入信息中均可以识别出(产品B,工序B1)这一文本对,则可以对这三个文本对进行合并得到一个样本文本对(产品B,工序B1),并确定该样本文本对(产品B,工序B1)的文本对数量为3,该样本文本对中的第一样本关键词为“产品B”,第二样本关键词为“工序B1”。
可选的,基于各样本文本对,构建初始的当前知识图谱,包括:基于各样本文本对的文本对数量、以及各样本文本对的关联文本对的文本对数量,分别确定各样本文本对的样本关联参数;对于各样本文本对,以当前样本文本对的第一样本关键词作为初始的当前知识图谱中的第一初始节点,并以当前样本文本对的第二样本关键词作为初始的当前知识图谱中的第二初始节点,且以当前样本文本对的样本关联参数作为第一初始节点和第二初始节点组成的边关系的边权重。
其中,对于各样本文本对,当前样本文本对的关联文本对为各样本文本对中,第一样本关键词与当前样本文本对的第一样本关键词相同,且第二样本关键词与当前样本文本对的第二样本关键词不同的样本文本对。示例性的,以表1为例,可以识别出样本文本对(人员A,产品A),且该样本文本对的关联文本对为(人员A,产品B)。
在一种可能的实现方式中,若人员A在预设历史时间段内共录入了n1条数据,其中,录入了n2条产品A的数据,录入了n3条其他产品的数据,即n1=n2+n3。那么,样本文本对(人员A,产品A)的文本对数量为n2,样本文本对(人员A,产品A)的关联文本对的文本对数量为n3,则样本文本对(人员A,产品A)的样本关联参数=n2/n1。示例性的,参照图2,提供了一种初始的当前知识图谱的部分示意图。如图2所示,初始的当前知识图谱中包括有“人员A”、“产品A”、“工序A1”、以及“工序A2”这四个节点。以“人员A”对应的节点和“产品A”对应的节点为例,这两个节点组成的边关系的边权重=n2/n1。
可选的,以当前样本文本对的样本关联参数作为第一初始节点和第二初始节点组成的边关系的边权重之后,本申请实施例提供的知识图谱的更新方法可以包括:调用预设语义模型对当前样本文本对进行处理,确定当前样本文本对的第一样本关键词对应的第一样本向量、以及当前样本文本对的第二样本关键词对应的第二样本向量,并基于第一样本向量和第二样本向量更新第一初始节点和第二初始节点的向量表示。
本申请实施例中,可以通过预设语义模型来更新知识图谱中的节点的嵌入表示。并且,在加载预设语义模型生成知识图谱中的节点的嵌入表示的过程中,预设语义模型中的参数也在不断更新。也即是,预设语义模型的更新过程和知识图谱的更新过程相互迭代,这样,可以在自动更新知识图谱的过程中,提高预设语义模型对目标文本对的向量转化的准确率,从而可以提高确定出的知识图谱的准确率。
参照图3,为本申请实施例提供的一种知识图谱和预设语义模型的迭代关系示意图。如图3所示,通过预设语义模型可以更新知识图谱中的节点的嵌入表示,同时,预设语义模型每加载一次知识图谱中的节点的嵌入表示,预设语义模型内部的参数会微调一次。
S103、根据第一目标向量和第二目标向量确定目标关联参数。
其中,目标关联参数用于表征第一目标关键词和第二目标关键词的关联程度的大小。
本申请实施例中,可以对比第一目标向量和第二目标向量中参数的相似度来确定第一目标向量和第二目标向量的相关性大小,并将该相关性大小确定为第一目标向量和第二目标向量对应的目标关联参数。
S104、基于第一目标向量、第二目标向量、以及目标关联参数对当前知识图谱进行更新。
可选的,基于第一目标向量、第二目标向量、以及目标关联参数对当前知识图谱进行更新,可以包括:若确定目标关联参数大于或等于关联参数阈值,则基于第一目标向量、第二目标向量、以及目标关联参数,在当前知识图谱中更新第一目标关键词对应的第一目标节点、以及第二目标关键词对应的第二目标节点。
其中,关联参数阈值为事先确定的值,比如,关联参数阈值可以是0.6。
示例性的,若目标关联参数为0.7,则可以基于第一目标向量、第二目标向量、以及目标关联参数,在当前知识图谱中更新第一目标关键词对应的第一目标节点、以及第二目标关键词对应的第二目标节点。
本申请实施例中,当某个目标文本对中的两个目标关键词的目标关联参数过小时,表示两个目标关键词的关联程度很小,此时在知识图谱中添加这两个目标关键词对应的节点是无意义的。所以,本申请实施例在对当前知识图谱进行更新的过程中,可以通过关联参数阈值对两个目标关键词的关联程度小的目标文本对进行过滤,以保证更新后的知识图谱的准确率。
可选的,基于第一目标向量、第二目标向量、以及目标关联参数,在当前知识图谱中更新第一目标关键词对应的第一目标节点、以及第二目标关键词对应的第二目标节点,可以包括:根据第一目标向量更新第一目标节点的向量表示,并根据第二目标向量更新第二目标节点的向量表示,且根据目标关联参数更新第一目标节点和第二目标节点组成的边关系的边权重。
在一种可能的实现方式中,在当前知识图谱中包括有第一目标关键词对应的第一目标节点和第二目标关键词对应的第二目标节点的情况下,可以将第一目标节点的向量表示更新为第一目标向量,且将第二目标节点的向量表示更新为第二目标向量,之后将第一目标节点和第二目标节点组成的边关系的边权重更新为目标关联参数。
在另一种可能的实现方式中,在当前知识图谱中不包括第一目标关键词对应的第一目标节点和第二目标关键词对应的第二目标节点的情况下,可以先在当前知识图谱中添加第一目标节点和第二目标节点,然后根据第一目标向量更新第一目标节点的向量表示,并根据第二目标向量更新第二目标节点的向量表示,且根据目标关联参数更新第一目标节点和第二目标节点组成的边关系的边权重。
综合以上描述,本申请实施例提供的知识图谱的更新方法中,在获取到计件加工场景中的目标文本对后,可以先调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量。其中,预设语义模型可以是预先训练好的语义模型,用于对获取到的目标文本对进行标准化处理。具体的,当获取到的目标文本对为某个加工信息的不规范表达时,可以通过预设语义模型将该目标文本对转化为该加工信息的规范表达所对应的目标向量。之后,可以根据第一目标向量和第二目标向量确定目标关联参数,并基于第一目标向量、第二目标向量、以及目标关联参数对当前知识图谱进行更新。由于目标关联参数用于表征第一目标关键词和第二目标关键词的关联程度的大小,而知识图谱中相邻两节点组成的边关系表征的是两节点所对应的两个关键词的关联程度,所以,基于目标关联参数以及第一目标关键词和第二目标关键词所对应的目标向量,可以实现对当前知识图谱的自动更新。可以看出,本申请实施例通过预设语义模型对目标文本对进行处理,可以实现对人为录入的不规范加工信息的标准化,并且可以通过对目标文本对的向量表示以及目标关联参数来实现对知识图谱的自动化更新。因此,本申请实施例可以提高构建知识图谱的速度,且可以提高构建的知识图谱的准确率。
可选的,如图4所示,本申请实施例还提供了一种知识图谱的更新方法,包括S401-S409:
S401、获取历史录入信息表。
S402、基于各条历史录入信息中的各录入字段的排布顺序,确定各条历史录入信息中的各样本文本对。
S403、基于各样本文本对的文本对数量、以及各样本文本对的关联文本对的文本对数量,分别确定各样本文本对的样本关联参数。
S404、对于各样本文本对,以当前样本文本对的第一样本关键词作为初始的当前知识图谱中的第一初始节点,并以当前样本文本对的第二样本关键词作为初始的当前知识图谱中的第二初始节点,且以当前样本文本对的样本关联参数作为第一初始节点和第二初始节点组成的边关系的边权重。
S405、对于各样本文本对,调用预设语义模型对当前样本文本对进行处理,确定当前样本文本对的第一样本关键词对应的第一样本向量、以及当前样本文本对的第二样本关键词对应的第二样本向量,并基于第一样本向量和第二样本向量更新第一初始节点和第二初始节点的向量表示。
S406、获取目标文本对。
S407、调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量。
S408、根据第一目标向量和第二目标向量确定目标关联参数。
S409、若确定目标关联参数大于或等于关联参数阈值,则根据第一目标向量更新第一目标节点的向量表示,并根据第二目标向量更新第二目标节点的向量表示,且根据目标关联参数更新第一目标节点和第二目标节点组成的边关系的边权重。
如图5所示,本申请实施例还提供了一种知识图谱的更新装置,该装置可以包括:获取模块11、确定模块21、以及更新模块31。
其中,获取模块11执行上述方法实施例中的S101,确定模块21执行上述方法实施例中的S102和S103,更新模块31执行上述方法实施例中的S104。
获取模块11,用于获取目标文本对;目标文本对包括第一目标关键词和第二目标关键词;
确定模块21,用于调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量;
确定模块21,还用于根据第一目标向量和第二目标向量确定目标关联参数;目标关联参数用于表征第一目标关键词和第二目标关键词的关联程度的大小;
更新模块31,用于基于第一目标向量、第二目标向量、以及目标关联参数对当前知识图谱进行更新。
可选的,在一种可能的设计方式中,更新模块31具体用于:
若确定目标关联参数大于或等于关联参数阈值,则基于第一目标向量、第二目标向量、以及目标关联参数,在当前知识图谱中更新第一目标关键词对应的第一目标节点、以及第二目标关键词对应的第二目标节点。
可选的,在另一种可能的设计方式中,更新模块31具体还用于:
根据第一目标向量更新第一目标节点的向量表示,并根据第二目标向量更新第二目标节点的向量表示,且根据目标关联参数更新第一目标节点和第二目标节点组成的边关系的边权重。
可选的,在另一种可能的设计方式中,本申请提供的知识图谱的更新装置还可以包括构建模块;
获取模块11,还用于在确定模块21调用预设语义模型对目标文本对进行处理,确定第一目标关键词对应的第一目标向量、以及第二目标关键词对应的第二目标向量之前,获取历史录入信息表;历史录入信息表中包括有预设历史时间段内的各条历史录入信息,各条历史录入信息分别包括有序排布的至少两个录入字段;
确定模块21,还用于基于各条历史录入信息中的各录入字段的排布顺序,确定各条历史录入信息中的各样本文本对;各样本文本对分别包括第一样本关键词和第二样本关键词;其中,第一样本关键词和第二样本关键词,分别对应各条历史录入信息中的各录入字段中的两个连续字段;
构建模块,用于基于各样本文本对,构建初始的当前知识图谱。
可选的,在另一种可能的设计方式中,构建模块具体用于:
基于各样本文本对的文本对数量、以及各样本文本对的关联文本对的文本对数量,分别确定各样本文本对的样本关联参数;其中,对于各样本文本对,当前样本文本对的关联文本对为各样本文本对中,第一样本关键词与当前样本文本对的第一样本关键词相同,且第二样本关键词与当前样本文本对的第二样本关键词不同的样本文本对;
对于各样本文本对,以当前样本文本对的第一样本关键词作为初始的当前知识图谱中的第一初始节点,并以当前样本文本对的第二样本关键词作为初始的当前知识图谱中的第二初始节点,且以当前样本文本对的样本关联参数作为第一初始节点和第二初始节点组成的边关系的边权重。
可选的,在另一种可能的设计方式中,确定模块21,还用于在构建模块基于各样本文本对,构建初始的当前知识图谱之后调用预设语义模型对当前样本文本对进行处理,确定当前样本文本对的第一样本关键词对应的第一样本向量、以及当前样本文本对的第二样本关键词对应的第二样本向量,并基于第一样本向量和第二样本向量更新第一初始节点和第二初始节点的向量表示。
可选的,在另一种可能的设计方式中,对于各条历史录入信息,当前历史录入信息中的各录入字段包括:录入人员标识字段、录入产品标识字段、以及至少一个录入工序标识字段。
可选的,知识图谱的更新装置还可以包括存储模块,存储模块用于存储该知识图谱的更新装置的程序代码等。
如图6所示,本申请实施例还提供一种知识图谱的更新设备,包括存储器41、处理器(比如图6中的42-1和42-2)、总线43和通信接口44;存储器41用于存储计算机执行指令,处理器与存储器41通过总线43连接;当知识图谱的更新设备运行时,处理器执行存储器41存储的计算机执行指令,以使知识图谱的更新设备执行如上述实施例提供的知识图谱的更新方法。
在具体的实现中,作为一种实施例,处理器可以包括一个或多个中央处理器(central processing unit,CPU),例如图6中所示的CPU0和CPU1。且作为一种实施例,知识图谱的更新设备可以包括多个处理器,例如图6中所示的处理器42-1和处理器42-2。这些处理器中的每一个CPU可以是一个单核处理器(single-CPU),也可以是一个多核处理器(multi-CPU)。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
存储器41可以是只读存储器41(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器41可以是独立存在,通过总线43与处理器相连接。存储器41也可以和处理器集成在一起。
在具体的实现中,存储器41,用于存储本申请中的数据和执行本申请的软件程序对应的计算机执行指令。处理器可以通过运行或执行存储在存储器41内的软件程序,以及调用存储在存储器41内的数据,知识图谱的更新设备的各种功能。
通信接口44,使用任何收发器一类的设备,用于与其他设备或通信网络通信,如控制系统、无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。通信接口44可以包括接收单元实现接收功能,以及发送单元实现发送功能。
总线43,可以是工业标准体系结构(industry standard architecture,ISA)总线、外部设备互连(peripheral component interconnect,PCI)总线或扩展工业标准体系结构(extended industry standard architecture,EISA)总线等。该总线43可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
作为一个示例,结合图5,知识图谱的更新装置中的确定模块实现的功能与图6中的处理器实现的功能相同。当知识图谱的更新装置包括有存储模块时,存储模块实现的功能与图6中的存储器实现的功能相同。
本实施例中相关内容的解释可参考上述方法实施例,此处不再赘述。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,设备和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当计算机执行该指令时,使得计算机执行上述实施例提供的知识图谱的更新方法。
其中,计算机可读存储介质,例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、RAM、ROM、可擦式可编程只读存储器(erasable programmable read only memory,EPROM)、寄存器、硬盘、光纤、CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(application specificintegrated circuit,ASIC)中。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,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 (10)
1.一种知识图谱的更新方法,其特征在于,包括:
获取目标文本对;所述目标文本对包括第一目标关键词和第二目标关键词;
调用预设语义模型对所述目标文本对进行处理,确定所述第一目标关键词对应的第一目标向量、以及所述第二目标关键词对应的第二目标向量;
根据所述第一目标向量和所述第二目标向量确定目标关联参数;所述目标关联参数用于表征所述第一目标关键词和所述第二目标关键词的关联程度的大小;
基于所述第一目标向量、所述第二目标向量、以及所述目标关联参数对当前知识图谱进行更新。
2.根据权利要求1所述的知识图谱的更新方法,其特征在于,所述基于所述第一目标向量、所述第二目标向量、以及所述目标关联参数对当前知识图谱进行更新,包括:
若确定所述目标关联参数大于或等于关联参数阈值,则基于所述第一目标向量、所述第二目标向量、以及所述目标关联参数,在所述当前知识图谱中更新所述第一目标关键词对应的第一目标节点、以及所述第二目标关键词对应的第二目标节点。
3.根据权利要求2所述的知识图谱的更新方法,其特征在于,所述基于所述第一目标向量、所述第二目标向量、以及所述目标关联参数,在所述当前知识图谱中更新所述第一目标关键词对应的第一目标节点、以及所述第二目标关键词对应的第二目标节点,包括:
根据所述第一目标向量更新所述第一目标节点的向量表示,并根据所述第二目标向量更新所述第二目标节点的向量表示,且根据所述目标关联参数更新所述第一目标节点和所述第二目标节点组成的边关系的边权重。
4.根据权利要求1所述的知识图谱的更新方法,其特征在于,所述调用预设语义模型对所述目标文本对进行处理,确定所述第一目标关键词对应的第一目标向量、以及所述第二目标关键词对应的第二目标向量之前,所述方法还包括:
获取历史录入信息表;所述历史录入信息表中包括有预设历史时间段内的各条历史录入信息,所述各条历史录入信息分别包括有序排布的至少两个录入字段;
基于所述各条历史录入信息中的各所述录入字段的排布顺序,确定所述各条历史录入信息中的各样本文本对;所述各样本文本对分别包括第一样本关键词和第二样本关键词;其中,所述第一样本关键词和所述第二样本关键词,分别对应所述各条历史录入信息中的各所述录入字段中的两个连续字段;
基于所述各样本文本对,构建初始的所述当前知识图谱。
5.根据权利要求4所述的知识图谱的更新方法,其特征在于,所述基于所述各样本文本对,构建初始的所述当前知识图谱,包括:
基于所述各样本文本对的文本对数量、以及所述各样本文本对的关联文本对的文本对数量,分别确定所述各样本文本对的样本关联参数;其中,对于所述各样本文本对,当前样本文本对的关联文本对为所述各样本文本对中,第一样本关键词与当前样本文本对的第一样本关键词相同,且第二样本关键词与当前样本文本对的第二样本关键词不同的样本文本对;
对于所述各样本文本对,以当前样本文本对的第一样本关键词作为初始的所述当前知识图谱中的第一初始节点,并以当前样本文本对的第二样本关键词作为初始的所述当前知识图谱中的第二初始节点,且以当前样本文本对的样本关联参数作为所述第一初始节点和所述第二初始节点组成的边关系的边权重。
6.根据权利要求5所述的知识图谱的更新方法,其特征在于,所述以当前样本文本对的样本关联参数作为所述第一初始节点和所述第二初始节点组成的边关系的边权重之后,所述方法包括:
调用所述预设语义模型对当前样本文本对进行处理,确定当前样本文本对的第一样本关键词对应的第一样本向量、以及当前样本文本对的第二样本关键词对应的第二样本向量,并基于所述第一样本向量和所述第二样本向量更新所述第一初始节点和所述第二初始节点的向量表示。
7.根据权利要求4-6任意一项所述的知识图谱的更新方法,其特征在于,对于所述各条历史录入信息,当前历史录入信息中的各所述录入字段包括:录入人员标识字段、录入产品标识字段、以及至少一个录入工序标识字段。
8.一种知识图谱的更新装置,其特征在于,包括:
获取模块,用于获取目标文本对;所述目标文本对包括第一目标关键词和第二目标关键词;
确定模块,用于调用预设语义模型对所述目标文本对进行处理,确定所述第一目标关键词对应的第一目标向量、以及所述第二目标关键词对应的第二目标向量;
所述确定模块,还用于根据所述第一目标向量和所述第二目标向量确定目标关联参数;所述目标关联参数用于表征所述第一目标关键词和所述第二目标关键词的关联程度的大小;
更新模块,用于基于所述第一目标向量、所述第二目标向量、以及所述目标关联参数对当前知识图谱进行更新。
9.一种知识图谱的更新设备,其特征在于,包括存储器、处理器、总线和通信接口;所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过所述总线连接;
当所述知识图谱的更新设备运行时,处理器执行所述存储器存储的所述计算机执行指令,以使所述知识图谱的更新设备执行如权利要求1-7任意一项所述的知识图谱的更新方法。
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中存储有指令,当计算机执行所述指令时,使得所述计算机执行如权利要求1-7任意一项所述的知识图谱的更新方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310341440.2A CN116431826A (zh) | 2023-03-31 | 2023-03-31 | 知识图谱的更新方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310341440.2A CN116431826A (zh) | 2023-03-31 | 2023-03-31 | 知识图谱的更新方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116431826A true CN116431826A (zh) | 2023-07-14 |
Family
ID=87080915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310341440.2A Pending CN116431826A (zh) | 2023-03-31 | 2023-03-31 | 知识图谱的更新方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116431826A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116910277A (zh) * | 2023-09-13 | 2023-10-20 | 之江实验室 | 知识图谱构建方法、资源查找方法、计算机设备和介质 |
-
2023
- 2023-03-31 CN CN202310341440.2A patent/CN116431826A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116910277A (zh) * | 2023-09-13 | 2023-10-20 | 之江实验室 | 知识图谱构建方法、资源查找方法、计算机设备和介质 |
CN116910277B (zh) * | 2023-09-13 | 2024-02-27 | 之江实验室 | 知识图谱构建方法、资源查找方法、计算机设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110221145B (zh) | 电力设备故障诊断方法、装置及终端设备 | |
CN109325009A (zh) | 日志解析的方法及装置 | |
CN111199054B (zh) | 一种数据脱敏方法、装置及数据脱敏设备 | |
CN116431826A (zh) | 知识图谱的更新方法、装置、设备及存储介质 | |
CN109298882A (zh) | 接口的管理方法、计算机可读存储介质和终端设备 | |
CN114116065B (zh) | 获取拓扑图数据对象的方法、装置、及电子设备 | |
CN112199516A (zh) | 一种构建知识图谱的方法、装置、终端和存储介质 | |
CN115860717A (zh) | 一种基于知识图谱的故障诊断方法、装置及电子设备 | |
CN111159115A (zh) | 相似文件检测方法、装置、设备及存储介质 | |
CN114050974B (zh) | 一种拓扑准确度的确定方法、装置及计算机可读存储介质 | |
CN116226350A (zh) | 一种文档查询方法、装置、设备和存储介质 | |
CN113487138A (zh) | 一种基于数字孪生的机场应急演练方法和系统 | |
CN110489598B (zh) | 一种用户社团划分方法及装置 | |
CN108280608B (zh) | 产品寿命分析方法及终端设备 | |
CN109299353A (zh) | 一种网页信息搜索方法及装置 | |
CN112435151B (zh) | 一种基于关联分析的政务信息数据处理方法及系统 | |
CN114970495A (zh) | 人名消歧方法、装置、电子设备及存储介质 | |
CN110852077B (zh) | 动态调整Word2Vec模型词典的方法、装置、介质及电子设备 | |
CN114564502A (zh) | 一种基于Redis缓存技术的电力数据补抄方法和系统 | |
CN103678072A (zh) | 一种系统测试的方法和装置 | |
CN113535458A (zh) | 异常误报的处理方法及装置、存储介质、终端 | |
CN112184701A (zh) | 检测结果的确定方法、装置及系统 | |
CN115757787A (zh) | 文本类别的确定方法、装置、设备及存储介质 | |
CN110851508A (zh) | 一种城市大数据处理的方法及装置 | |
CN106528577B (zh) | 一种设置待清理文件的方法和装置 |
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 |