CN117312415B - 一种图数据库上的家族关系推理方法及装置 - Google Patents

一种图数据库上的家族关系推理方法及装置 Download PDF

Info

Publication number
CN117312415B
CN117312415B CN202311590717.1A CN202311590717A CN117312415B CN 117312415 B CN117312415 B CN 117312415B CN 202311590717 A CN202311590717 A CN 202311590717A CN 117312415 B CN117312415 B CN 117312415B
Authority
CN
China
Prior art keywords
node
nodes
attribute information
reasoning
relationship
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.)
Active
Application number
CN202311590717.1A
Other languages
English (en)
Other versions
CN117312415A (zh
Inventor
王昌圆
叶小萌
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.)
Hangzhou Yueshu Technology Co ltd
Original Assignee
Hangzhou Yueshu Technology 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 Hangzhou Yueshu Technology Co ltd filed Critical Hangzhou Yueshu Technology Co ltd
Priority to CN202311590717.1A priority Critical patent/CN117312415B/zh
Publication of CN117312415A publication Critical patent/CN117312415A/zh
Application granted granted Critical
Publication of CN117312415B publication Critical patent/CN117312415B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465Query processing support for facilitating data mining operations in structured databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/901Indexing; Data structures therefor; Storage structures
    • G06F16/9024Graphs; Linked lists
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • G06F16/90335Query processing
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及图数据库和数据挖掘技术领域,解决了现有技术中当家族人员众多且整体数据量达到TB级别时,查询性能急剧下降的问题,公开了一种图数据库上的家族关系推理方法及装置,包括:获取图数据库中已知的节点以及节点之间的关系,根据已知的节点以及节点之间的关系为每个节点添加属性信息,将节点的属性信息发送给邻居节点,根据所述属性信息推理出邻居节点与属性信息中所包含节点之间的关系,该方法通过维护各个节点的属性信息,在图数据库之上对图数据进行关系推理,高效的推理出所有未显示的表明家族关系的新的关系数据。

Description

一种图数据库上的家族关系推理方法及装置
技术领域
本申请涉及图数据库和数据挖掘技术领域,尤其是一种图数据库上的家族关系推理方法及装置。
背景技术
保险领域的家族网络图谱关系主要包括血缘关系和婚姻关系,在公安领域和保险风险控制中有重要意义。目前查询家族图谱关系的方式是通过查找投保人与被保人关系进行确定,对于没有直接关系的同家族人员无法直接获取到,需要通过一层层的关联查询才能查到与指定人员有关的家族人员信息。这种方式对于家族人员少、整体数据体量小的数据集而言可以使用,但当家族人员众多且整体数据量达到TB级别时,查询性能急剧下降,并且查询次数将达到上百上千次,同时需要人力对查询结果进行分析比对,耗时耗力。
发明内容
本申请的目的在于克服现有技术中当家族人员众多且整体数据量达到TB级别时,查询性能急剧下降的问题,提供一种图数据库上的隐藏的家族关系的推理方法及装置。
第一方面,提供了一种图数据库上的家族关系推理方法,包括:
S101、获取图数据库中已知的节点以及节点之间的关系;
S102、根据已知的节点以及节点之间的关系为每个节点添加属性信息,其中,所述属性信息包括至少一个相同关系的节点集合;
S103、将节点的属性信息发送给邻居节点;
S104、根据所述属性信息推理出邻居节点与属性信息中所包含节点之间的关系。
进一步的,所述节点之间的关系包括配偶关系、父母关系、子女关系、兄弟姐妹关系、爷奶关系和子孙关系。
进一步的,所述属性信息包括以下信息中的至少一种:配偶信息、父母信息、子女信息、兄弟姐妹信息、爷奶信息、子孙信息。
进一步的,在将节点的属性信息发送给邻居节点时根据推理规则进行发送。
进一步的,所述推理规则为:将节点的属性信息中相同关系的节点集合发送给该节点集合中的所有节点。
进一步的,根据步骤S104中的推理结果对属性信息进行更新,并重复执行步骤S103-步骤S104以进行迭代推理,直至推理出所需的节点关系。
第二方面,提供了一种图数据库上的家族关系推理装置,包括:
获取模块,用于获取图数据库中已知的节点以及节点之间的关系;
属性添加模块,用于根据已知的节点以及节点之间的关系为每个节点添加属性信息,其中,所述属性信息包括至少一个相同关系的节点集合;
属性发送模块,用于将节点的属性信息发送给邻居节点;
推理模块,用于根据所述属性信息推理出邻居节点与属性信息中所包含节点之间的关系。
进一步的,还包括:迭代推理模块,用于根据推理模块的推理结果对属性信息进行更新,并重复运行属性发送模块和推理模块以进行迭代推理,直至推理出所需的节点关系。
第三方面,提供了一种计算机可读存储介质,所述计算机可读介质存储用于设备执行的程序代码,该程序代码包括用于执行如第一方面中的任意一种实现方式中方法的步骤。
第四方面,提供了一种电子设备,所述电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面中的任意一种实现方式中的方法。
本申请具有如下有益效果:本申请通过以节点为中心的推理计算方式,只关注当前节点的推理信息,无需关注原图谱中的关联关系,并且通过维护各个节点的属性信息,在图数据库之上对图数据进行关系推理,高效的推理出所有未显示的表明家族关系的新的关系数据,丰富家族图谱的关联性,便于查询展示出更完善的家族关系。
附图说明
构成本申请的一部分的附图用于来提供对本申请的进一步理解,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。
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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是本申请实施例1的图数据库上的家族关系推理方法的流程图;
图2是本申请实施例1的图数据库上的家族关系推理方法中示例一的推理示意图;
图3是本申请实施例1的图数据库上的家族关系推理方法中示例二的推理示意图;
图4是本申请实施例1的图数据库上的家族关系推理方法中示例三的推理示意图;
图5是本申请实施例1的图数据库上的家族关系推理方法中示例四的推理示意图;
图6是本申请实施例1的图数据库上的家族关系推理方法中示例五的推理示意图;
图7是本申请实施例1的图数据库上的家族关系推理方法中示例六的推理示意图;
图8是本申请实施例1的图数据库上的家族关系推理方法中示例七的推理示意图;
图9是本申请实施例2的图数据库上的家族关系推理装置的结构框图;
图10是本申请实施例4的电子设备的内部结构示意图。
附图标记:
100、获取模块;200、属性添加模块;300、属性发送模块;400、推理模块;500、迭代推理模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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作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。
实施例1
本申请实施例1所涉及的一种图数据库上的家族关系推理方法,包括:获取图数据库中已知的节点以及节点之间的关系;根据已知的节点以及节点之间的关系为每个节点添加属性信息,其中,所述属性信息包括至少一个相同关系的节点集合;将节点的属性信息发送给邻居节点;根据所述属性信息推理出邻居节点与属性信息中所包含节点之间的关系,该方法通过以节点为中心的推理计算方式,只关注当前节点的推理信息,无需关注原图谱中的关联关系,并且通过维护各个节点的属性信息,在图数据库之上对图数据进行关系推理,高效的推理出所有未显示的表明家族关系的新的关系数据,丰富家族图谱的关联性,便于查询展示出更完善的家族关系。
具体的,图1示出了申请实施例1中的图数据库上的家族关系推理方法的流程图,包括:
S101、获取图数据库中已知的节点以及节点之间的关系;
具体的,所述节点之间的关系包括配偶关系、父母关系、子女关系、兄弟姐妹关系、爷奶关系和子孙关系,当然还可以包括其它家族关系,例如:姑叔关系、舅姨关系、外公外婆关系等等,其次,为了更精细的划分家族关系,所述节点之间的关系也可以是更为具体的关系,例如:父亲、母亲、儿子、女儿、哥哥、姐姐、弟弟、表弟、堂弟等等。
S102、根据已知的节点以及节点之间的关系为每个节点添加属性信息,其中,所述属性信息包括至少一个相同关系的节点集合;
具体的,所述属性信息包括以下信息中的至少一种:配偶信息、父母信息、子女信息、兄弟姐妹信息、爷奶信息、子孙信息,当然,属性信息还可以包括其它家族自己的关系信息,例如:姑叔关系、舅姨关系、外公外婆关系等等,其次,为了更精细的划分家族关系,属性信息也可以是更为具体的关系,例如:儿子、女儿、哥哥、姐姐、弟弟、表弟、堂弟等等,需要说明的是,在节点A的父母信息中包含该节点的父亲节点信息和母亲节点信息,例如:将父亲节点的信息和母亲节点的信息放在父母信息的集合中,信息中可以包括性别、年龄以及与节点A之间的关系等,这样根据父亲节点和母亲节点的性别信息即可判断出谁是父亲谁是母亲,在兄弟姐妹信息中也能够根据年龄和性别信息来的解决兄弟姐妹的排序问题。
S103、将节点的属性信息发送给邻居节点;
可选的,在将节点的属性信息发送给邻居节点时根据推理规则进行发送,其中,所述推理规则为:将节点的属性信息中相同关系的节点集合发送给该节点集合中的所有节点,例如:节点A的所有子女信息要发送给节点A的所有孩子,这样子女们会互相收到父母(即节点A)的其他孩子的信息,进而得知自己的兄弟姐妹的信息,从而建立节点A的所有子女之间的相互关系,效率非常的高效。
S104、根据所述属性信息推理出邻居节点与属性信息中所包含节点之间的关系。
在进一步的实施例中,根据步骤S104中的推理结果对属性信息进行更新,并重复执行步骤S103-步骤S104以进行迭代推理,直至推理出所需的节点关系。
具体的,下面通过七个示例对推理过程进行说明:
示例一:
如图2所示,已知边AB是父母关系以及边AC是配偶关系,需要推理出边CB的关系。推理过程为:在第一次迭代推理时,节点C和节点A是配偶关系,C会将自身节点id发送给节点A作为A的配偶,并将自身属性维护的子女集合发送给节点A 作为节点A的子女;在第二次迭代推理时,节点A和节点B是父亲和儿子关系,节点A会将自身发送给节点B作为节点B的父母,并将自身属性维护的子女集合发送给节点B作为节点B的兄弟姐妹,将自身属性维护的配偶作为节点B的父母。经过两轮迭代后,节点B的属性中有父母节点A和C。最后对所有节点与节点维护的属性节点建立边,即B—A是一条父母关系边,B—C是也是一条父母关系边,此时便建立起B和C的直接关系,通过节点A和节点C的性别即可判断谁是节点B的父亲谁是节点B的母亲。
示例二:
如图3所示,已知边AC是父母关系,边AB是父母关系,需要推理出边CB的关系。推理过程为:在第一次迭代推理时,节点C和节点A是父母关系,节点C会将自身节点id发送给节点A作为节点A的父母,并将自身属性维护的子女集合发送给节点A作为节点A的兄弟姐妹;在第二次迭代推理时,节点A和节点B作为父母关系,节点A会将自身发送给节点B作为节点B的子女,会将自身属性维护的父母集合发送给节点B作为节点B的配偶,并将自身属性维护的兄弟姐妹集合发送给节点B作为节点B的子女。经过两轮迭代后,节点B的属性中有配偶节点C。最后对所有节点与节点所维护的属性节点建立边,便会建立起B—C是的配偶关系边。
示例三:
如图4所示,已知边AB是父母关系,边AC是父母关系,需要推理出边BC的关系。推理过程为:在第一次迭代推理时,节点C和节点A是父母关系,节点C会将自身节点id发送给节点A作为节点A的子女。在第二次迭代推理时,节点A和节点B是父母关系,节点A会将自身节点发送给节点B作为节点B的父母,并将自身属性维护的子女集合发送给节点B作为节点B的兄弟姐妹。经过两轮迭代后,B节点的属性中有兄弟姐妹集合,最后对所有节点与节点所维护的属性节点建立边,便会建立起B—C的兄弟姐妹关系。
示例四:
如图5所示,已知边AC是兄弟姐妹关系,边AB是兄弟姐妹关系,需要推理出边BC的关系。推理过程为:在第一次迭代推理时,节点C和节点A是兄弟关系,节点C会将自身节点id发送给节点A作为节点A的兄弟姐妹,会将节点C自身属性所维护的兄弟姐妹集合发送给节点A作为节点A的兄弟姐妹。在第二次迭代推理时,节点A和节点B是兄弟姐妹,节点A会将自身节点发送给节点B作为节点B的兄弟姐妹,节点A也会将自己维护的兄弟姐妹集合发送给节点B作为节点B的兄弟姐妹。经过两轮迭代后,节点B的属性中有兄弟姐妹集合,最后对所有节点与节点所维护的属性节点建立边,便建立起B—C的兄弟姐妹关系。
示例五:
如图6所示,已知边AC是兄弟姐妹关系,边AB是父母关系,需要推理出边BC的关系。推理过程如下:在第一次迭代推理时,节点C和节点A是兄弟关系,节点C会将自身节点id发送给节点A作为节点A的兄弟姐妹关系,会将自身属性维护的兄弟姐妹集合发送给节点A作为节点A的兄弟姐妹关系。在第二次迭代推理时,节点A和节点B是父母关系,节点A会将自身节点发送给节点B作为节点B的子女,节点A会将自身节点属性维护的兄弟姐妹集合发送给节点B作为节点B的子女。经过两轮迭代后,节点B的属性中有子女集合的信息,最后对所有节点与节点所维护的属性节点建立边,便建立起B—C的子女关系。
示例六:
如图7所示,已知边AC是父母关系,节点C是节点A的父母,边AB是父母关系,节点A是节点B的父母,需要推理出边BC的关系,推理过程如下:在第一次迭代推理时,节点C和节点A是父母关系,节点C会将自身节点id发送给节点A作为节点A的父母节点。在第二次迭代推理时,节点A和节点B是父母关系,节点A会将自身节点id发送给节点B作为节点B的父母节点,节点A会将自身属性维护的父母节点发送给节点B作为节点B的爷奶节点。反过来,第一次迭代时节点B会将自身节点发送给节点A作为节点A的子女节点,第二次迭代时节点A会将自身节点发送给节点C作为节点C的子女节点,并且会将节点A属性维护的子女节点发送给节点C作为节点C的子孙节点。经过两轮迭代后,节点B的属性中有爷奶集合的信息,节点C的属性中有子孙集合的信息。最后对所有节点与节点所维护的属性节点建立边,便建立起B—C的爷奶子孙关系。
示例七:
如图8所示,已知边AC是兄弟姐妹关系,边AB是父母关系,需要推理出边BC的关系(如果要细化这层关系,可以将节点的兄弟姐妹关系进行区分开,区分成兄弟关系和姐妹关系)。推理过程如下:在第一次迭代推理时,节点C和节点A是兄弟姐妹关系,节点C会将自身节点信息发送给节点A作为节点A的兄弟姐妹,第二次迭代推理时,边AB是父母关系,节点A会将节点A维护的兄弟姐妹关系发送给节点B作为节点B的叔姑。反过来第一次迭代时节点B会将自身节点发送给节点A作为节点A的子女,第二次迭代推理时,节点A将自身属性维护的子女信息发送给兄弟姐妹节点C作为节点C的侄子。经过两轮迭代后,节点B的属性中有叔姑信息,节点C的属性中有侄子信息,最后对所有节点与属性中维护的节点建立边,便建立起B—C的叔姑关系,其中,若要得知节点B与节点C之间更具体的关系,则可根据年龄(年龄包括节点B和节点C的年龄,以及节点B的父亲节点的年龄)和性别来进行进一步的推理。
需要说明的是,以上示例中列出的推理过程,在实际实现时是可以汇总在一起进行的。比如第一轮迭代时可以把节点A的所有属性信息如子女节点、父母节点、兄弟姐妹节点、叔姑节点、侄子节点等发送给其邻居节点,根据节点A与邻居节点的关系确定发送的节点信息与邻居节点的关系,算法迭代结束后,每个节点的属性中都维护了与自己有父母、子女、兄弟姐妹、配偶、爷奶、子孙、叔姑、侄子等关系的节点。每个节点与节点所维护的所有节点建立一条边,则得到家族中所有存在的父母关系边、子女关系边、配偶关系边、兄弟姐妹关系边、爷孙关系边、姑侄关系边、叔侄关系边等。
实施例2
如图9所示,本申请实施例2所涉及的一种图数据库上的家族关系推理装置,包括:
获取模块100,用于获取图数据库中已知的节点以及节点之间的关系;
属性添加模块200,用于根据已知的节点以及节点之间的关系为每个节点添加属性信息,其中,所述属性信息包括至少一个相同关系的节点集合;
属性发送模块300,用于将节点的属性信息发送给邻居节点;
推理模块400,用于根据所述属性信息推理出邻居节点与属性信息中所包含节点之间的关系。
在进一步的实施例中,进一步的,还包括:迭代推理模块500,用于根据推理模块400的推理结果对属性信息进行更新,并重复运行属性发送模块300和推理模块400以进行迭代推理,直至推理出所需的节点关系。
需要说明的是,本发明实施例中图数据库上的家族关系推理装置的其他具体实施方式,可参见上述图数据库上的家族关系推理方法的具体实施方式,为避免冗余,此处不再赘述。
实施例3
本申请实施例3所涉及的一种计算机可读存储介质,所述计算机可读介质存储用于设备执行的程序代码,该程序代码包括用于执行如本申请实施例1中的任意一种实现方式中方法的步骤;
其中,计算机可读存储介质可以是只读存储器(read only memory,ROM),静态存储设备,动态存储设备或者随机存取存储器(random access memory,RAM);计算机可读存储介质可以存储程序代码,当计算机可读存储介质中存储的程序被处理器执行时,处理器用于执行如本申请实施例1中的任意一种实现方式中方法的步骤。
实施例4
如图10所示,本申请实施例4所涉及的一种电子设备,所述电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如本申请实施例1中的任意一种实现方式中的方法;
其中,处理器可以采用通用的中央处理器(central processing unit,CPU),微处理器,应用专用集成电路(application specific integrated circuit,ASIC),图形处理器(graphics processing unit,GPU)或者一个或多个集成电路,用于执行相关程序,以实现本申请实施例1中的任意一种实现方式中的方法。
处理器还可以是一种集成电路电子设备,具有信号的处理能力。在实现过程中,本申请实施例1中的任意一种实现方式中方法的各个步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
上述处理器还可以是通用处理器、数字信号处理器、专用集成电路(ASIC)、现成可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成本申请实施例的数据处理的装置中包括的单元所需执行的功能,或者执行本申请实施例1中的任意一种实现方式中方法。
以上,仅为本申请较佳的具体实施方式;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,根据本申请的技术方案及其改进构思加以等同替换或改变,都应涵盖在本申请的保护范围内。

Claims (8)

1.一种图数据库上的家族关系推理方法,其特征在于,包括:
S101、获取图数据库中已知的节点以及节点之间的关系;
S102、根据已知的节点以及节点之间的关系为每个节点添加属性信息,其中,所述属性信息包括至少一个相同关系的节点集合;
S103、将节点的属性信息发送给邻居节点,其中,在将节点的属性信息发送给邻居节点时根据推理规则进行发送,所述推理规则为:将节点的属性信息中相同关系的节点集合发送给该节点集合中的所有节点;
S104、根据所述属性信息推理出邻居节点与属性信息中所包含节点之间的关系。
2.根据权利要求1所述的图数据库上的家族关系推理方法,其特征在于,所述节点之间的关系包括配偶关系、父母关系、子女关系、兄弟姐妹关系、爷奶关系和子孙关系。
3.根据权利要求1所述的图数据库上的家族关系推理方法,其特征在于,所述属性信息包括以下信息中的至少一种:配偶信息、父母信息、子女信息、兄弟姐妹信息、爷奶信息、子孙信息。
4.根据权利要求1所述的图数据库上的家族关系推理方法,其特征在于,还包括:根据步骤S104中的推理结果对属性信息进行更新,并重复执行步骤S103-步骤S104以进行迭代推理,直至推理出所需的节点关系。
5.一种图数据库上的家族关系推理装置,其特征在于,包括:
获取模块,用于获取图数据库中已知的节点以及节点之间的关系;
属性添加模块,用于根据已知的节点以及节点之间的关系为每个节点添加属性信息,其中,所述属性信息包括至少一个相同关系的节点集合;
属性发送模块,用于将节点的属性信息发送给邻居节点,其中,在将节点的属性信息发送给邻居节点时根据推理规则进行发送,所述推理规则为:将节点的属性信息中相同关系的节点集合发送给该节点集合中的所有节点;
推理模块,用于根据所述属性信息推理出邻居节点与属性信息中所包含节点之间的关系。
6.根据权利要求5所述的图数据库上的家族关系推理装置,其特征在于,还包括:
迭代推理模块,用于根据推理模块的推理结果对属性信息进行更新,并重复运行属性发送模块和推理模块以进行迭代推理,直至推理出所需的节点关系。
7.一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存储用于设备执行的程序代码,该程序代码包括用于执行如权利要求1-4中任一项所述方法的步骤。
8.一种电子设备,其特征在于,所述电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-4中任一项所述的方法。
CN202311590717.1A 2023-11-27 2023-11-27 一种图数据库上的家族关系推理方法及装置 Active CN117312415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311590717.1A CN117312415B (zh) 2023-11-27 2023-11-27 一种图数据库上的家族关系推理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311590717.1A CN117312415B (zh) 2023-11-27 2023-11-27 一种图数据库上的家族关系推理方法及装置

Publications (2)

Publication Number Publication Date
CN117312415A CN117312415A (zh) 2023-12-29
CN117312415B true CN117312415B (zh) 2024-04-30

Family

ID=89273868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311590717.1A Active CN117312415B (zh) 2023-11-27 2023-11-27 一种图数据库上的家族关系推理方法及装置

Country Status (1)

Country Link
CN (1) CN117312415B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100098029A (ko) * 2009-02-27 2010-09-06 주식회사 솔트룩스 통신 기록에 기반한 사회 관계 분석 방법 및 시스템
US8775356B1 (en) * 2011-04-06 2014-07-08 Emc Corporation Query enhancement of semantic wiki for improved searching of unstructured data
CN106445913A (zh) * 2016-09-06 2017-02-22 中南大学 基于MapReduce的语义推理方法及系统
CN115203484A (zh) * 2022-07-19 2022-10-18 重庆紫光华山智安科技有限公司 一种家族关系图谱呈现方法、装置、电子设备和存储介质
CN116108238A (zh) * 2023-04-12 2023-05-12 杭州悦数科技有限公司 一种图数据库中多跳查询的优化方法、系统和装置
CN116244751A (zh) * 2023-03-22 2023-06-09 中国工商银行股份有限公司 数据脱敏方法、装置、电子设备、存储介质和程序产品
CN117035070A (zh) * 2023-08-09 2023-11-10 国网福建省电力有限公司超高压分公司 一种知识图谱嵌入表示方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10169355B2 (en) * 2014-10-27 2019-01-01 Tata Consultancy Services Limited Knowledge representation in a multi-layered database
GB2566257A (en) * 2017-08-29 2019-03-13 Sky Cp Ltd System and method for content discovery
US11227018B2 (en) * 2019-06-27 2022-01-18 International Business Machines Corporation Auto generating reasoning query on a knowledge graph

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100098029A (ko) * 2009-02-27 2010-09-06 주식회사 솔트룩스 통신 기록에 기반한 사회 관계 분석 방법 및 시스템
US8775356B1 (en) * 2011-04-06 2014-07-08 Emc Corporation Query enhancement of semantic wiki for improved searching of unstructured data
CN106445913A (zh) * 2016-09-06 2017-02-22 中南大学 基于MapReduce的语义推理方法及系统
CN115203484A (zh) * 2022-07-19 2022-10-18 重庆紫光华山智安科技有限公司 一种家族关系图谱呈现方法、装置、电子设备和存储介质
CN116244751A (zh) * 2023-03-22 2023-06-09 中国工商银行股份有限公司 数据脱敏方法、装置、电子设备、存储介质和程序产品
CN116108238A (zh) * 2023-04-12 2023-05-12 杭州悦数科技有限公司 一种图数据库中多跳查询的优化方法、系统和装置
CN117035070A (zh) * 2023-08-09 2023-11-10 国网福建省电力有限公司超高压分公司 一种知识图谱嵌入表示方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Learning Nonparametric Relational Models by Conjugately Incorporating Node Information in a Network";Xuhui Fan等;《IEEE Transactions on Cybernetics ( Volume: 47, Issue: 3, March 2017)》;20160211;第1-4页 *
"基于概率推理的动态知识集群及其应用研究";廖开际等;《情报学报》;20110930;第956-962页 *
基于SWRL规则推理的隐含关系挖掘;丁晟春;江超男;;现代图书情报技术(03);参照摘要,第1-3节 *

Also Published As

Publication number Publication date
CN117312415A (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
CN111563192B (zh) 实体对齐方法、装置、电子设备及存储介质
JP2002507796A (ja) システムを環境設定しかつ/又は最適化するのに有用なデータベース及びそのデータベースを生成するための方法
US10503782B2 (en) Metafutures-based graphed data lookup
US20230133683A1 (en) Feature interaction via edge search
CN114417064A (zh) 数据处理方法、装置、计算机设备、存储介质
CN114117032A (zh) 一种基于实时应急数据生成预案的方法及装置、电子设备
CN114418836B (zh) 数据处理方法、装置、设备以及介质
CN117312415B (zh) 一种图数据库上的家族关系推理方法及装置
CN115441502A (zh) 基于分布式电源的供电恢复方法、装置、设备及存储介质
Kuhlman et al. A general-purpose graph dynamical system modeling framework
CN113836454A (zh) 一种内容展示页面的展示方法、装置、介质及设备
Csirmaz Inner approximation algorithm for solving linear multiobjective optimization problems
US10943353B1 (en) Handling untrainable conditions in a network architecture search
CN111539517A (zh) 基于图结构矩阵特征向量的图卷积神经网络生成方法
CN115794849A (zh) 一种基于树形模型的分布式数据的批量更新方法及装置
US20220414067A1 (en) Autoregressive graph generation machine learning models
CN113052712B (zh) 社交数据的分析方法、系统及存储介质
CN116775893A (zh) 知识图谱划分方法、装置、设备和存储介质
CN115238134A (zh) 用于生成图数据结构的图向量表示的方法及装置
US7840506B1 (en) System and method for geodesic data mining
Brisaboa et al. Rank-based strategies for cleaning inconsistent spatial databases
Højsgaard et al. Gaussian graphical models
CN108108472B (zh) 数据处理方法以及服务器
CN116431835B (zh) 汽车认证领域自动化知识图谱构建方法、设备和介质
CN112184592A (zh) 一种图像修复方法、装置、设备及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant