CN117745035A - 区域治理策略的生成方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种区域治理策略的生成方法、装置、计算机设备和存储介质。方法包括：根据区域内各类目标实体及关系构建动态多层异质信息网络并进行优化切片，其中，切片网络包括治理需求指定的目标网络层级，根据目标网络层级中目标实体节点之间的连接关系，生成目标对象在各所述目标实体节点之间的动态关系，其中，目标实体节点用于表征所述目标区域中的实体对象，根据动态数据流以及所述切片网络中的网络结构特征、实体、关系及属性信息进行挖掘分析，生成目标区域对应的治理策略。采用本方法能够为资源配置、治理体系分析、产业治理等策略提供有效且可靠的数据支持，也使得最终形成的治理策略更加智能可靠。

Description

区域治理策略的生成方法、装置、计算机设备和存储介质

技术领域

本申请涉及智慧城市技术领域，特别是涉及一种区域治理策略的生成方法、装置、计算机设备和存储介质。

背景技术

智慧城市是指运用物联网、云计算、大数据、人工智能、空间地理信息等新一代信息技术，促进城市规划、建设、管理和服务智慧化的新理念和新模式。另外，随着信息技术的不断发展进步，提出了图信息网络技术，以图的形式将现实世界中实体和关系有效融合的数据结构，这种数据结构能更真实刻画当前物联网、大数据中研究的现实世界。

因此，传统技术方案提出了将图信息网络技术应用于智慧城市治理，能够将城市治理实体及实体间的关系进行最大程度融合。但是，在对智慧城市进行管理的实际场景中，由于各个实体对象的信息数据量庞大，并且各个实体对象之间的关系纷繁复杂，导致传统方案中基于实体对象形成的信息网络模型，其可用性相对较低，无法为资源调配策略提供可靠的数据支持。

发明内容

基于此，有必要针对上述技术问题，提供一种可用性更高区域治理策略的生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种区域治理策略的生成方法。所述方法包括：

根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，其中，所述动态多层异质信息网络用于表征目标区域中所有实体对象之间的各类关系，所述切片网络包括所述治理需求指定的X个目标网络层级，其中，X为正整数；

根据所述X个目标网络层级中目标实体节点之间的连接关系，生成所述目标对象在各所述目标实体节点之间的动态关系，其中，所述目标实体节点用于表征所述目标区域中的实体对象；

根据所述动态数据流以及所述切片网络中的网络结构特征、实体、关系属性进行挖掘分析，生成所述目标区域对应的治理策略。

在其中一个实施例中，构建动态多层异质信息网络的方式，包括：

根据目标区域中的所有实体对象，生成动态多层异质信息网络中的初始实体节点；

根据实体对象对应的实体类型，将所述初始实体节点进行聚类得到实体节点集合；

根据所述实体节点集合生成动态多层异质信息网络，所述动态多层异质信息网络的网络层级数量与所述实体节点集合的数量相同。

在其中一个实施例中，所述根据所述实体节点集合生成动态多层异质信息网络，包括：

根据所述实体节点集合对应的划分逻辑规则，确定所述动态多层异质信息网络对应的网络层级；

根据所述网络层级，以及所述实体节点集合中各个初始实体节点之间的连接关系，构建得到动态多层异质信息网络。

在其中一个实施例中，在根据所述网络层级，以及所述实体节点集合中各个初始实体节点之间的连接关系，构建得到动态多层异质信息网络之后，所述方法还包括：

获取所述多个实体对象对应的时序动态变化信息；

根据所述时序动态变化信息中的节点变化信息和关系变化信息对所述动态多层异质信息网络进行更新。

在其中一个实施例中，所述根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，包括：

对所述动态多层异质信息网络中的初始实体节点进行张量化处理，生成所述动态多层异质信息网络对应的初始张量矩阵；其中，初始张量矩阵中的张量用于表征节点连接和层级连接各自对应的动态时序关系；

确定所述目标对象对应的目标张量和所述治理需求中目标网络的逻辑层级；

根据所述目标张量和所述目标网络的逻辑层级，对所述初始张量矩阵进行划分，根据划分结果形成切片网络。

在其中一个实施例中，所述根据所述目标张量和所述目标网络的逻辑层级，对所述初始张量矩阵进行划分，根据划分结果形成切片网络，包括：

若所述目标网络的逻辑层级对应的维度唯一，则确定所述目标张量在所述初始张量矩阵中的目标行列信息，根据所述目标行列信息和所述目标张量对应的节点连接关系，对所述初始张量矩阵进行划分，根据划分结果形成切片网络；

若所述目标网络的逻辑层级对应的维度不唯一，则根据所述逻辑层级对应的维度信息和所述目标张量对应的节点连接关系，对所述初始张量矩阵进行划分，根据划分结果形成切片网络。

第二方面，本申请还提供了一种区域治理策略的生成装置。所述装置包括：

网络切片模块，用于根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，其中，所述动态多层异质信息网络用于所有实体对象以及所述实体对象之间的动态关联关系，所述切片网络包括所述治理需求指定的X个目标网络层级，其中，X为正整数；

数据分析模块，用于根据所述X个目标网络层级中目标实体节点之间的连接关系，生成所述目标对象在各所述目标实体节点之间的动态数据流，其中，所述目标实体节点用于表征所述目标区域中的实体对象；

策略生成模块，用于根据所述动态数据流以及所述切片网络中的网络结构特征、实体、关系属性进行挖掘分析，生成所述目标区域对应的治理策略。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，其中，所述动态多层异质信息网络用于表征目标区域中所有实体对象以及所述实体对象之间的动态关联关系，所述切片网络包括所述治理需求指定的X个目标网络层级，其中，X为正整数；

根据所述X个目标网络层级中目标实体节点之间的连接关系，生成所述目标对象在各所述目标实体节点之间的动态数据流，其中，所述目标实体节点用于表征所述目标区域中的实体对象；

根据所述动态数据流以及所述切片网络中的网络结构特征、实体、关系属性进行挖掘分析，生成所述目标区域对应的治理策略。

第四方面，本申请还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，其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以下步骤：

根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，其中，所述动态多层异质信息网络用于表征目标区域中所有实体对象以及所述实体对象之间的动态关联关系，所述切片网络包括所述治理需求指定的X个目标网络层级，其中，X为正整数；

根据所述X个目标网络层级中目标实体节点之间的连接关系，生成所述目标对象在各所述目标实体节点之间的动态数据流，其中，所述目标实体节点用于表征所述目标区域中的实体对象；

根据所述动态数据流以及所述切片网络中的网络结构特征、实体、关系属性进行挖掘分析，生成所述目标区域对应的治理策略。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，其中，所述动态多层异质信息网络用于表征目标区域中所有实体对象以及所述实体对象之间的动态关联关系，所述切片网络包括所述治理需求指定的X个目标网络层级，其中，X为正整数；

根据所述X个目标网络层级中目标实体节点之间的连接关系，生成所述目标对象在各所述目标实体节点之间的动态数据流，其中，所述目标实体节点用于表征所述目标区域中的实体对象；

根据所述动态数据流以及所述切片网络中的网络结构特征、实体、关系属性进行挖掘分析，生成所述目标区域对应的治理策略。

本申请提供了一种区域治理策略的生成方法、装置、计算机设备和存储介质，在对智慧城市目标区域中的实体对象进行调配时，首先基于治理需求，确定需要进行资源调配目标区域对应的动态多层异质信息网络；该动态多层异质信息网络能够有效地对各个实体对象之间的数据流转和交互情况进行了梳理，为后续的处理过程提供了清楚、可靠的数据基础。进一步地，根据治理需求中所指定切片层级确定对动态多层异质信息网络的切片方式，得到切片网络；根据切片网络中包含的目标网络层级和目标实体节点形成目标对象对应的动态数据流，结合切片网络的网络结构特征、实体、关系属性进行挖掘分析，生成该治理需求对应的调配策略；通过对动态多层异质信息网络进行切片，能够有效地将对实体对象数据的分析维度，更加聚焦于实体对象数据在相同层级或不同层级中的数据流转情况，能够为区域治理提供有效且可靠的数据支持，也使得最终形成的治理策略更加准确可靠。

附图说明

图1为一个实施例中区域治理策略的生成方法的应用环境图；

图2为一个实施例中区域治理策略的生成方法的流程示意图；

图3为一个实施例中构建动态多层异质信息网络的子步骤的流程示意图；

图4为一个实施例中构建的动态多层异质信息网络的结构示意图；

图5为另一个实施例中动态多层异质信息网络的生成方法的流程示意图；

图6为一个实施例中区域治理策略的生成装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如背景技术中指出，在现实应用中，尤其智慧城市这种大型应用中实体数量和关系数量较大，图信息网络维度较高，特征分析不够精准，导致网络分析与挖掘难度加大。例如，传统技术方案中对通信网络进行拓扑设计，将机群、基础设施、网关进行多层立体组织，减小了网络延迟；但是在现实应用中网络结构可能会发生动态变化；同时这种拓扑设计忽略了每一层不同实体和关系的异质性。又例如，传统技术方案中还提出根据不同时刻网络结构的变化，形成一个时间序列数据，以此来形成单层静态异质信息网络；但是这一方法针对某一信息挖掘需求时需要计算大量的无效特征，导致特征分析不够精准，基于异质信息网络的数据挖掘效率较低。

因此，为了能够有效地解决传统技术方案中明显存在的技术问题或技术缺陷，本申请提出了一种区域治理策略的生成方法，可以应用于智慧城市治理的应用环境中。其中，终端通过网络与服务器进行通信。在该应用环境中，服务器还可以存储有各个区域中的各类实体对象信息，以及根据实体对象信息所构建形成的网络模型等数据。并且，实施例中的服务器可以通过分布式或者集群的方式实现。另外，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机以及平板电脑等。

具体在智慧城市治理的应用环境中，终端能通过其交互操作界面或者交互控件获取治理需求，并通过通信连接传输至服务器。服务器基于这一治理需求，根据治理需求所指定的目标区域，从数据存储系统中加载该目标区域对应的动态多层异质信息网络。如图1所示，该动态多层异质信息网络能够表征该目标区域中所有实体对象的分布和所有实体对象之间的数据流动。具体地，该动态多层异质信息网络包括多个初始网络层级，并且每个初始网络层级中均包含有多个初始实体节点，每个初始实体节点用于表征特定的实体对象，例如交通实体节点所表征的是在目标区域中可以进行调配的交通资源，又例如电力实体节点所表征的是在目标区域中可以进行调度的变电站或发电站等。服务器进一步对治理需求进行解析，确定在该指令中所指定的切片层级，该切片层级决定了对动态多层异质信息网络进行切片的方式。基于确定的切片方式对该动态多层异质信息网络进行切片，形成切片网络。服务器针对切片网络中所包含的目标网络层级以及每个目标网络层级中所包括的目标实体节点进行融合整理，以形成目标对象在各目标实体节点之间的动态数据流。该动态数据流能够明确待调配存在数据关联的其他实体对象；因此基于该动态数据流，以及切片网络的网络结构特征、实体、关系属性，进行深度挖掘和学习预测，最终形成治理需求对应的调配策略。基于该调配策略对带目标对象进行调配；并且对牵涉的其他实体对象进行同步调配处理，从而实现对智慧城市的各类实体对象更为准确且合理的调配。

在一个实施例中，如图2所示，提供了一种区域治理策略的生成方法，以该方法应用于智慧城市治理中搭建的服务器为例进行说明，包括以下步骤：

步骤202，根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，其中，动态多层异质信息网络用于表征目标区域中所有实体对象以及实体对象之间的动态关联关系，切片网络包括治理需求指定的X个目标网络层级，其中，X为正整数。

在实施例中，实体对象是指在智慧城市治理场景中，将城市中的各种行为主体等，进行数据化和数字化表征的结果；其中，行为主体包括但不限于教育、电力、医疗、卫生、交通、安全、生态以及住房等资源主体，同时还包括行为人或社群等主体。进而，实施例中的目标对象则是在治理需求中明确指定进行变更、修改或者调整的实体对象。在实施例中，目标对象对应的治理需求，则是用于形成该目标对象的调配治理指令的信息内容，并且，这一信息内容具体不仅指定了需要进行调配或治理的目标对象，还可以携带有基于动态多层异质信息网络对目标对象进行分析的方式，例如，对前述动态多层异质信息网络进行切片或信息筛选的方式。

实施例中的动态多层异质信息网络是图信息网络的一种具体实现方式，动态多层异质信息网络包含多种类型实体节点和节点连接边的信息网络，也称为异质图。具体地，实施例中动态多层异质信息网络能够更全面地描述多种实体对象在目标区域中的分布情况，例如在目标区域中分布的数量以及各个资源的类型等；另外，动态多层异质信息网络还能够描述各个实体对象之间的动态关联关系，该动态关联关系能够表征实体对象之间形成的动态交互关系或数据传输关系等内容。动态多层异质信息网络可以包括多个初始网络层级，而每个初始网络层级中包含了多个初始实体节点，每个初始实体节点用于表征网络模型中能够进行调配的实体对象。初始网络层级形成了动态多层异质信息网络的纵向分层，网络中的每个初始网络层用描述具有一定相似属性的实体节点。例如，实施例中的动态多层异质信息网络中存在一个基础设施的层级，因此，智慧城市中所有属于基础设施的实体对象均保存在这一基础设施的层级中。实施例中初始实体节点是将可调配实体对象的属性、名称等数据信息进行抽象映射后所形成的网络节点，即初始实体节点与可调配实体对象之间严格的映射关系。另外，实施例中网络中动态多层异质信息网络还可以将各个可调配实体对象之间的动态关联关系进行抽象并形成各个初始实体节点之间的连接关系。

示例性地，实施例中通过终端的交互操作界面通过点触操作，将治理需求的信息内容转化为调配指令，例如，该调配指令中所指定进行调配的实体对象是公共交通资源。服务器侧在接收到这一治理需求之后，对该指令进行初步的解析，确定指令中指定进行调配的目标区域。根据确定的目标区域，在服务器的数据存储系统中进行匹配搜索；在数据存储系统中可以预先存储多个动态多层异质信息网络，每个动态多层异质信息网络均是将所有可调配实体对象对应的实体节点按照特定的逻辑维度进行分层所形成的网络模型。具体地，实施例中匹配搜索的过程，是将目标区域对应的信息与网络模型对应的区域信息进行逐一匹配校验，在确定两者信息相同时，则对相应的动态多层异质信息网络进行调用，加载至服务器的缓存空间。

进一步地，在实施例中，网络切片是将复杂的动态多层异质信息网络进行切分拆解，得到多个结构更精简、更具有针对性子网络的过程。实施例中网络切片可以从多个角度和层次进行，包括基于节点度的切片、基于层级结构的切片、基于节点边权重的切片等。因此，实施例中的切片网络，是基于治理需求所指定的切片方式，对动态多层异质信息网络进行拆解之后所得到子网络。需要说明的是，前述的治理需求中还可以指定特定的目标对象进行调配，因此进行网络切片之后所得到的切片网络中应当包括前述待调度资源对应的实体节点；也就是说，实施例中的通过网络切片之后得到异构网络切片包含了目标对象对应的实体节点以及该实体节点与其他节点之间的关联关系等隐藏信息。

示例性地，服务器通过信息匹配筛选得到了特定城市片区的动态多层异质信息网络，并且在对该网络进行加载的过程中确定了交通资源的实体节点处于该动态多层异质信息网络中的基础设施资源层级中。在前述服务器对治理需求中的目标对象的信息进行解析的过程中，还将指令中所指定的切片层级进行解析，以确定具体的切片方式。例如，实施例中治理需求中所指定进行切片的网络层级为单层，因此，在确定交通资源的实体节点处于基础设施资源层级的情况下，服务器采取横向切片的方式，仅保留原始的动态多层异质信息网络中的基础设施资源层级，以此得到切片处理之后的切片网络。

步骤204，根据X个目标网络层级中目标实体节点之间的连接关系，生成目标对象在各目标实体节点之间的动态数据流，其中，目标实体节点用于表征目标区域中的实体对象。

在实施例中，目标网络层级是指通过网络切片之后，在切片网络中得以保留的初始网络层级。实施例中的目标实体节点则是指在切片网络中目标网络层级中得到保留的实体节点；另外，在目标网络层级中的目标网络节点，其同样保持在原始的动态多层异质信息网络中关联关系以及相同属性。实施例中的动态数据流则是切片网络中所反映的实体对象之间的数据流向，具体的数据流向信息是根据切片网络中包括目标对象对应实体节点在内的所有目标节点之间的数据流向关系；以及在切片网络中目标网络层级不唯一的情况下，目标对象对应实体节点与所处层级之外的其他层级中的实体节点之间的数据关系。

示例性地，实施例中通过前述步骤对动态多层异质信息网络进行切片得到切片网络之后；需要基于目标对象对应的实体节点，以及该实体节点与其他实体检点之间的关联关系进行整理，以形成与该目标对象强相关的动态数据流。例如，实施例中以横向切片方式，得到了包含交通资源的实体节点的切片网络。在得到的切片网络中仅保留了初始网络层级中的基础设施资源这一层级，因此基础设施资源层级作为目标网络层级，该层级中包含的其他基础设施资源设施的实体节点，例如教育、医疗、文娱、安全等基础设施的实体节点及为目标节点。在动态多层异质信息网络或者在其切片网络中，各个实体节点之间的边（或节点连线）反映了两个实体节点之间的关联程度或者影响权重。

更为具体地，实施例中的关联程度或者影响权重可以是通过两个实体节点对应的实体对象之间所产生数据交互或协同的记录进行统计，并通过数字化以及标准化的量化处理过程所以得到具体的数值，数值越大则表明两种实体对象之间的额数据交互更为频繁，故影响权重越大；反之则影响权重越小。根据与交通资源的实体节点存在节点连线的实体节点进行筛选，并同时记录节点之间的关联程度或者影响权重，服务器能够预测生成在进行区域治理策略的生成的过程中交通资源的动态数据流。

步骤206，根据动态数据流以及切片网络中的网络结构特征、实体、关系属性进行挖掘分析，生成目标区域对应的治理策略。

在实施例中，区域治理策略的生成的过程，可以通过是通过机器学习或者深度学习的方式，将整理所形成动态数据流作为输入，输出得到相应区域治理方式或区域治理策略，然后基于区域治理策略执行相应治理动作。在实施例中，网络结构特征包括但不限于切片网络中的网络层级以及网络层级之间的逻辑关联关系；实体即为切片网络中得以保留的实体节点；关系属性则是用于描述切片网络中相同网络层级中或者不同网络层级之间各个实体节点的连接关系。

示例性地，实施例中可以通过训练深度学习模型的方式，通过记录各个区域的历史治理策略，以及历史治理策略所对应的多个实体节点相关的历史数据流，对初始化的深度学习模型进行训练，通过计算损失函数等方式对深度学习模型进行参数优化调整，最终得到训练后的深度学习模型。在服务器生成了能够反映待调配对象的实体节点，并与其他实体节点之间的数据流之后，服务器进一步调用已经训练后的深度学习模型。通过深度学习模型对切片网络中的所有特征（包括网络结构、节点、关系属性以及动态数据流）进行分析挖掘，最终得到前述治理需求对应的调配策略。最终，基于这一调配策略对智慧城市中目标对象以及与该调配策略中明确与该目标对象存在强关联的其他实体对象进行调配。

上述区域治理策略的生成方法中，在对智慧城市目标区域中的实体对象进行调配时，首先基于治理需求，确定需要进行资源调配目标区域对应的动态多层异质信息网络；该动态多层异质信息网络能够有效地对各个实体对象之间的数据流转和交互情况进行了梳理，为后续的处理过程提供了清楚、可靠的数据基础。进一步地，根据治理需求中所指定切片层级确定对动态多层异质信息网络的切片方式，得到切片网络；根据切片网络中包含的目标网络层级和目标实体节点形成目标对象对应的动态数据流，结合切片网络的网络结构特征、实体、关系属性进行挖掘分析，生成该治理需求对应的调配策略；方法通过对动态多层异质信息网络进行切片，能够有效地将对实体对象数据的分析维度，更加聚焦于实体对象数据在相同层级或不同层级中的数据交互和数据流动情况，能够为区域治理提供有效且可靠的数据支持，也使得最终形成的治理策略更加准确可靠。

在一个实施例中，如图3所示，在响应于治理需求，获取治理需求中目标对象所对应的动态多层异质信息网络之前，上述方法还包括以下步骤：

步骤302，根据目标区域中的所有实体对象，生成动态多层异质信息网络中的初始实体节点。

具体在实施例中，服务器可以通过接入公共数据库的方式获取智慧城市治理体系中可以进行调配的各项实体对象的原始数据进行采集。在收集到各项实体对象的原始数据后，需要进行数据预处理；包括数据清洗、格式转换以及缺失值处理等。然后，服务器通过自然语言处理技术或机器学习算法来识别和提取各项原始数据的关键信息，基于提取得到的关键信息对各项实体对象进行节点对象的抽象，以形成多个初始实体节点。

步骤304，根据实体对象对应的实体类型，将初始实体节点进行聚类得到实体节点集合。

在实施例中，实体对象的实体类型是指实体对象的种类或分类方式，用于描述各个实体对象的属性和特征。需要说明的是，在不同的实施场景中，由于实施例中构建动态多层异质信息网络的方式不同，实体类型的定义和分类方式可能不同；例如，实施例中可以从底层依赖到服务对象的逻辑结构作为各项实体对象的实体类型象征。

示例性地，实施中的实体类型可以是基于实体对象从底层依赖到服务对象的逻辑结构，可将智慧城市治理体系实体划分为基础设施资源、应用服务平台以及服务对象三个初始网络层级。可以理解的是，实施例中的初始网络层级所对应描述的是不同逻辑结构的实体对象，因此，基于构建形成的三个初始网络层级，服务器可以将前述步骤所生成的实体节点进行聚类处理。需要说明的是，实施例中每个初始实体节点所记录的关键信息中包括其对应的实体对象的逻辑结构信息。进一步，服务器能够基于每个初始实体节点对应的逻辑结构信息将初始节点进行聚类，形成多个实体节点的实体节点集合，并且每个实体节点集合中的实体节点的逻辑结构是相同的。

步骤306，根据实体节点集合生成动态多层异质信息网络，其中，动态多层异质信息网络的网络层级数量与实体节点集合的数量相同。

示例性地，从底层依赖到服务对象的逻辑结构，可将智慧城市治理体系对应的动 态多层异质信息网络划分为基础设施资源、应用服务平台以及服务对象三个初始网络层 级，然后根据前述步骤所形成的实体节点集合，以及实体节点集合之间所呈现的纵向分层 结构，将各个实体节点集合中的实体节点映射至各个初始网络层级之中，形成智慧城市治 理体系对应的动态多层异质信息网络。如图4所示，实施例中构建的智慧城市治理体系对应 的动态多层异质信息网络，从底层依赖到服务对象的逻辑结构形成了网络的纵向分层，形 成了三个初始网络层级；每个初始网络层级中还根据实体对象的具体种类进行了横向分 类。具体地，在图4所示的动态多层异质信息网络中，第一层级相当于城市基础设施资源 层，包括电力、通讯以及消防安全等基础设施实体对应的节点；第二层级相当于智慧应用 服务平台层，包括智慧医疗、智慧交通、天气或者灾害预测平台、平安小区、电子商务、文化 娱乐、远程教育等应用服务实体对应的节点，相当于智慧城市服务对象层，包括在智慧城 市中的自然人以及活跃社群实体对应的节点，实施例中可根据不同群体进行分类划分。实 施例中通过动态多层异质信息网络的设计，实现了实体对象或其他实体横向打通、纵向贯 通的实体对象管理。

在一个实施例中，上述方法中根据多个实体节点集合构建动态多层异质信息网络的过程，可以包括以下步骤：

步骤一，根据实体节点集合对应的划分逻辑规则，确定动态多层异质信息网络对应的网络层级。

步骤二，根据网络层级，以及实体节点集合中各个初始实体节点之间的连接关系，构建得到动态多层异质信息网络。

在实施例中，划分逻辑规则是指在对根据实体对象进行聚类时，每个聚类对所对应实体类型之间的逻辑关联关系所形成的规则，并且实施例中这一划分逻辑规则可以是通过预设节点的聚类规则时对应形成的。各个初始实体节点之间的连接关系所描述的是在同一个实体节点集合中的任意两个实体节点，各自所对应的实体对象之间的关联程度或者影响权重；或者是两个不同实体节点集合中任意两个实体节点，各自所对应的实体对象之间的关联程度或者影响权重。更为具体地，实施例中节点之间的关联程度或者影响权重，是通过两个实体节点对应的实体对象之间所产生数据交互或协同的记录进行统计，并通过数字化以及标准化的量化处理过程所以得到具体的数值。进而，实施例中节点连接关系所描述的是在单个网络层级中实体节点之间的连接关系，并且该连接关系也携带有相应的权重值。

示例性地，如图4所示，首先，需要根据构建动态多层异质信息网络时，对实体节点进行聚类时，所遵循实体类型的划分规则形成网络的划分逻辑规则，例如，根据划分逻辑规则进行对动态多层异质信息网络的网络层级进行规划，确定有基础设施资源、应用服务平台以及服务对象三个初始网络层级。基于划分逻辑规则以及动态多层异质信息网络中各个初始网络层级与实体节点集合之间的对应关系，确定动态多层异质信息网络的网络层级。然后，再将所有实体节点均映射至各个初始网络层级之后，服务器需要进一步形成各个节点以及各个网络层级之间的交互关系。具体地，服务器对各项实体对象的原始数据进行整理与分析。通过聚类以及语义分析形成各项实体对象之间的数据交互或协同工作的记录；进一步，通过自然语言处理以及关键字识别的方式，对数据交互或协同工作的记录进行数值化和标准化处理，得到关联程度。若两个实体节点之间存在数据交互或协同工作的记录，即在动态多层异质信息网络中将两个实体节点进行连接，并且所形成的节点连接也将基于关联程度来体现连接的权重值。可以理解的是，在相同网络层级之间形成的节点连接即为节点连接关系；在不同网络层级之间形成的节点连接即为层级连接关系。至此，服务器根据多个实体节点集合、层级连接关系以及节点连接关系成功构建了动态多层异质信息网络。

在一个实施例中，上述方法在基于多个实体节点集合、层级连接关系以及节点连接关系构建动态多层异质信息网络之后，还可以包括以下步骤：

步骤一，获取多个实体对象对应的时序动态变化信息。

步骤二，根据动态变化信息中的节点变化信息和关系变化信息对动态多层异质信息网络进行更新。

在实施例中，时序动态变化信息是通过对智慧城市中可调控实体对象的实时状态进行监测并采集所形成的变化信息；其中，时序动态变化信息包括但不限于节点变化信息和关系变化信息。

具体在实施例中，时序动态变化信息能够用于描述动态多层异质信息网络中的节 点变化，例如，某项实体对象由可调配状态转换为不可调配状态，则该项实体对象对应的实 体节点则需要从动态多层异质信息网络中进行移除。关系变化信息则是根据实时的数据交 互或协同工作的情况形成的新的关联程度值。基于关系变化信息对各个节点之间的连接关 系进行更新。例如，在如图4所示的动态多层异质信息网络中，各个节点之间虚线表示在不 同时刻动态演化的关系；另外，虚线图形所描述的即为基不同时刻动态演化所新增可调 配实体对象对应的实体节点。实施例中的动态多层异质信息网络的网络结构随着时序动态 变化，从而组合成一个多层动态异构网络，能够为调配决策提供更可靠的数据支持。

在一个实施例中，上述方法中根据目标对象对应的治理需求，对动态多层异质信息网络进行切片，得到切片网络的过程，可以包括以下步骤：

步骤一，对动态多层异质信息网络中的初始实体节点进行张量化处理，生成动态多层异质信息网络对应的初始张量矩阵。

步骤二，确定目标对象对应的目标张量和治理需求中目标网络的逻辑层级。

步骤三，根据目标张量和目标网络的逻辑层级，对初始张量矩阵进行划分，根据划分结果形成切片网络。

在实施例中，张量（Tensor）是一个数学概念，用于表示在一些矢量、标量和其他张量之间的线性关系。这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。因此，在实施例中基于其与数组和矩阵非常相似的数据结构特征，通过将网络的节点连接关系和层级连接关系，以及连接关系的动态时序关系进行表征，具体地，可以通过张量的秩或阶中具体的数值来描述其与其他实体节点之间的连接。其中，动态时序关系可以是指因动态变化按照时序在节点之间形成数据流通的关系或先后顺序，即动态时序关系用于表征动态变化发生的时间顺序。实施例中的对初始张量矩阵的划分结果，是基于横向、纵向或者其他维度的切片方式，从动态多层异质信息网络所对应的初始张量矩阵中筛选符合切片方式的张量所形成的矩阵。这一矩阵也是对切片网络中所包含的实体节点进行张量表征所形成的矩阵。

在实施例中，目标张量是基于治理需求中所确定的目标对象，根据该目标对象所在动态多层异质信息网络中对应的实体节点的张量表现形式。另外，由于切片方式的不同，对动态多层异质信息网络的切片方式也不同，所得到的切片网络中所包含初始网络层级的数量，即所形成的切片网络的维度也不同。例如，对应在初始张量矩阵中，不同切片方式所对应的切片层级表征了对初始张量矩阵进行拆解之后所要保留的矩阵行。而目标网络则是指在治理需求中，通过指定切片方式对动态多层异质信息网络进行切片之后的预期网络结构；更为具体地，在该预期网络结构中得以保留的网络层级，以及网络层级之间的划分关系，即为实施例中目标网络的逻辑层级。

示例性地，实施例中的动态多层异质信息网络包括、以及三个层级，并 且，实施例中服务器对每一个逻辑层的实体用动态的动态多层异质信息网络进行组织，并 以张量的数据结构形式对动态异构网络进行描述如下：

其中，所表征的是在网络的层级中的各个实体节点对应的张量。因此，在 对动态的动态多层异质信息网络进行切片时，服务器将根据治理需求中所明确的切片层 级，对应在动态多层异质信息网络的初始张量矩阵中，根据治理需求中由切片层级所指定 的矩阵行，对初始张量矩阵进行筛选，并根据筛选得到的多个张量形成目标子网络。进一步 地，服务器根据目标子网络中得以保留的张量，确定其对应的实体节点；并进一步基于张量 中记录的节点连接关系和层级连接关系等节点信息，对切片网络结构进行还原，从而得到 最终的切片网络。

在一个实施例中，上述方法中根据治理需求中的切片层级和目标对象对应的目标张量，从初始张量矩阵中划分得到目标子网络的过程，包括以下步骤中的至少之一：

步骤一，若目标网络的逻辑层级对应的维度唯一，则确定目标张量在初始张量矩阵中的目标行列信息，根据目标行列信息和目标张量对应的节点连接关系，对初始张量矩阵进行划分，根据划分结果形成切片网络；

步骤二，若目标网络的逻辑层级对应的维度不唯一，则根据逻辑层级对应的维度信息和目标张量对应的节点连接关系，对初始张量矩阵进行划分，根据划分结果形成切片网络。

在实施例中，逻辑层级对应的维度，不仅表征了最终得到的切片网络中网络层级数量，还表征在对动态多层异质信息网络进行切片时所采用的切片方式。例如，在逻辑层级对应的维度唯一时，则说明最终切片所形成的切片网络中仅包括一个初始网络层级，也就是采用横向切片方式对动态多层异质信息网络进行切片。若目标网络的逻辑层级对应的维度不唯一，则是指切片网络中可以包括多个初始网络层级，即以纵向切片的方式动态多层异质信息网络进行切片。例如，采用纵向切片方式，在初始张量矩阵中仅保留目标张量所处的当前列，根据当前中的所有其他张量，以及各个张量中所记录的连接关系（反映节点之间的动态数据流），形成相应的切片网络。另外，实施例中在切片目标网络的逻辑层级对应的维度不唯一时，可采用的切片方式还包括按照初始张量矩阵中的对角线或平行于对角线的方式进行切片，又或者在治理需求中预先指定了需要分析的数据流方向，基于该数据流方向进行切片形成相应的切片网络。

示例性地，在实施例中若治理需求中指定了仅保留目标对象的实体节点所处网络层级，即对动态多层异质信息网络进行横向切片。对应在数据处理层面，服务器确定目标对象对应的目标张量，并且确定该目标张量在初始张量矩阵所处行；在切片处理时，首先仅保留与目标张量所处同一行的张量，再根据目标张量中记录的存在有节点连接关系的张量进行保留，从而形成目标子网络；然后基于目标子网络对网络结构进行还原并形成动态数据流。相类似地，若治理需求中指定需要对目标对象存在数据交互的所有网络层级进行保留，即对动态多层异质信息网络进行纵向切片。在数据处理层面，服务器首先确定目标张量，并根据目标张量中记录的层级连接关系，对其他网络层级对应的矩阵行中的张量进行筛选，若存在与目标张量对应的实体节点存在层级连接关系的信息记录，该张量被保留的同时该张量对应的实体节点所处的初始网络层级也得以保留。得到目标子网络；然后基于目标子网络对网络结构进行还原并形成动态数据流。

在实施例中虽然对网络中的实体节点升级为高维张量，但通过逻辑分块与分层之后，可以根据具体数据分析需求，从纵向、横向有针对性进行切片，作为智能算法输入，不仅降低数据分析维度，还避免无效特征的分析计算。例如对服务对象横向切片，通过分析切片网络的动态数据流，对市民社交网络分析挖掘；对某应用服务平台进行纵向切片，并对切片结构和动态数据流进行分析，可实现社会资源高效协同与配置。总之通过对智慧城市多层动态异构网络分析挖掘，可实现从城市治理体系全局对车路协同、安全监测、城市安全、应急保障、灾害预测、资源协同、数据流通等城市智能治理能力提升。

结合说明书附图5，对本申请动态多层异质信息网络的生成及应用过程进行完整的过程描述如下：

步骤一，梳理智慧城市治理涉及的所有实体，例如数据中心、通信基站、视频监控、智能传感器、交通调度枢纽、各类软件服务平台以及服务对象等。

步骤二，将所有实体从纵向划分为{基础设施、应用服务和服务对象}三个层面；将每一层实体从横向划分为{教育、医疗、卫生、交通、安全、生态、住房等}。

步骤三，梳理所有实体之间的关系，关系类型包括社交、应用、依赖、协同等。

步骤四，根据不同时刻t的实体、实体的层级、类型以及关系、关系类型构建多层动态异构网络。

步骤五，形成智慧城市治理体系的张量，通过单次或多次纵、横向切片抽取数据。

步骤六，根据切片网络结构和实时数据流，综合运用时间序列、异质信息网络表示等方法，分别对网络实体和关系进行低维嵌入。

步骤七，针对车路协同、安全监测、城市安全、应急保障、灾害预测、资源协同、数据流通等需求，借助人工智能模型对多层动态异构网络的节点和关系表示进行分析，为智慧城市治理从体系化角度提供智能决策。

更为具体地，以电力资源调配的场景为例，对本申请所提供的区域治理策略的生成方法进行完整的过程描述如下：

步骤一，将用电负荷量超出负荷预期的城市区域确定为目标区域，并且形成该区域的电力策略生成指令。在选定城市区域之后，将调用该城市区域对应的动态多层异质信息网络，并且在该动态多层异质信息网络中根据基础设施、应用服务和服务对象划分为三个层级，并且根据电力资源设备或站点的民生属性，电力实体对象所对应的实体节点均分布在网络的基础设施层级中。在该场景中需要明确电力资源与其他层级中各个资源的资源流转情况，因此，实施例中电力策略生成指令指定了采取纵向切片的方式对动态多层异质信息网络进行切片。因此，根据电力实体对象所对应各个实体节点，例如变电站节点或发电站节点等，与其他类型的实体节点之间的连接关系，遵照网络层级的纵向分布进行切片，将其他层级中，与变电站节点或发电站节点等不存在资源流转关系的节点进行删除，形成切片网络。

步骤二，根据切片网络中所得以保留网络层级，以及网络层级中保留各个节点，根据节点之间的连接关系进行数据流转情况的梳理，形成电力资源的动态数据流。其中，切片网络之间的连接关系能够以权重的形式，反映节点之间关联程度的大小，因此，将切片网络中所有节点之间的连接关系进行整理，能够确定对电力资源依赖程度更高的其他类型资源。例如，切片网络中的应用服务层级中的医疗资源节点和交通资源节点均与电力资源节点存在联系，因此，所形成的动态数据流中记录有医疗资源与交通资源对电力资源的依赖情况。具体地，某个医疗资源节点与电力资源节点之间连接关系对应的权重值为0.8；而某个交通资源节点与电力资源节点之间的权重值为0.5；因此，在进行电力资源的调配时，则优先满足医疗资源的用电需求。

步骤三，进行策略生成。具体地，根据步骤二所形成动态数据流，并根据动态数据流中其他类型资源对于电力资源的关联程度，对电力资源进行调配；优先满足关联程度更大的其他资源的用电需求。

更为具体地，以灾区医疗资源调配的场景为例，对本申请所提供的区域治理策略的生成方法进行完整的过程描述如下：

首先明确受灾区域，并获取受灾区域对应的动态多层异质信息网络。根据接收到的医疗资源调度需求，确定医疗资源处于动态多层异质信息网络中的应用服务层级。为了能够对医疗资源的合理分配，实施例中需要通过横向切片的方式，了解在应用服务层级中，各个医疗资源节点之间的资源流转情况。因此，实施例中通过横向切片的方式，对动态多层异质信息网络进行切片，形成医疗资源对应的切片网络。

进一步地，在形成的切片网络中，保留了受灾区域中所有医疗资源之间的资源流转情况，例如，各个医院之间的医疗器材、药品以及病患的转移情况。在切片网络中，通过节点之间的连接关系，将数据化处理之后的医疗器材、药品以及病患的转移情况进行表征。因此，所形成切片网络能够详细地描述的受灾区域中医疗动态数据流。除了各个医院节点之间的连接关系之外，在通过纵向的方式所形成的切片网络中还包含了各个医院节点与服务层级中的其他节点之间的交互情况。例如，切片网络中还包括了通信基站和交通设施的节点，且各个医院节点与前述通信基站和交通设施的节点之间均存在数据流动或交互。

最后，将前一步骤中所形成的医疗动态数据流，通过深度学习模型进行调配策略的预测，基于预测得到的调配策略，对医疗资源，例如各个医院中医疗器材、药品以及病患进行合理的调配，实现各个医院的资源平衡，同时也实现了医疗资源与通信资源和交通资源之间的资源协同。

又例如，在对智慧城市进行社群管理的场景中，在接收到社群治理需求的情况下，需要通过横向切片的方式以得到服务对象层对应的切片网络。具体地，实施例中通过对动态多层异质信息网络的服务对象层进行切片，所形成的切片网络中包含了若干个独立分散的自然人节点，以及多个整体的社群节点，同时，在该切片网络中也记录有相同类型节点之间以及不同类型节点之间的数据交互情况，通过节点之间的连接线（边）进行表示。并且该连接线（边）被赋予相应的权值，用于表征节点之间的交互程度或数据交互的频次。进而，根据切片网络中所各个节点之间所形成的动态数据流，通过社群预测模型，预测得到各个分散的自然人节点所归属的社群；从而将独立分散的自然人节点加入至响应的社群节点中，最终完成对智慧城市的社群治理。

应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的区域治理策略的生成方法的区域治理策略的生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个区域治理策略的生成装置实施例中的具体限定可以参见上文中对于区域治理策略的生成方法的限定，在此不再赘述。

在一个实施例中，如图6所示，提供了一种区域治理策略的生成装置600，包括：网络切片模块601、数据分析模块602和策略生成模块603，其中：

网络切片模块601，用于根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，其中，治理需求动态多层异质信息网络用于表征目标区域中所有实体对象以及实体对象之间的动态关联关系，治理需求切片网络包括治理需求指定的X个目标网络层级，其中，X为正整数。

数据分析模块602，用于根据治理需求X个目标网络层级中目标实体节点之间的连接关系，生成治理需求目标对象在各治理需求目标实体节点之间的动态数据流，其中，治理需求目标实体节点用于表征治理需求目标区域中的实体对象。

策略生成模块603，用于根据治理需求动态数据流以及治理需求切片网络中的网络结构特征、实体、关系属性进行挖掘分析，生成治理需求目标区域对应的治理策略。

在一个实施例中，装置600还包括模型构建模块，该模块用于根据目标区域中的所有实体对象，生成动态多层异质信息网络中的初始实体节点；根据实体对象对应的实体类型，将初始实体节点进行聚类得到实体节点集合；根据实体节点集合生成动态多层异质信息网络，动态多层异质信息网络的网络层级数量与实体节点集合的数量相同。

在一个实施例中，模型构建模块还用于根据实体节点集合对应的划分逻辑规则，确定动态多层异质信息网络对应的网络层级；根据网络层级，以及实体节点集合中各个初始实体节点之间的连接关系，构建得到动态多层异质信息网络。

在一个实施例中，模型构建模块还用于获取多个实体对象对应的时序动态变化信息；根据时序动态变化信息中的节点变化信息和关系变化信息对动态多层异质信息网络进行更新。

在一个实施例中，网络切片模块601还用于对动态多层异质信息网络中的初始实体节点进行张量化处理，生成动态多层异质信息网络对应的初始张量矩阵；其中，初始张量矩阵中的张量用于表征初始实体节点的节点连接关系和层级连接的动态时序关系；确定目标对象对应的目标张量和治理需求中目标网络的逻辑层级；根据目标张量和目标网络的逻辑层级，对初始张量矩阵进行划分，根据划分结果形成切片网络。

在一个实施例中，网络切片模块601还用于若目标网络的逻辑层级对应的维度唯一，则确定目标张量在初始张量矩阵中的目标行列信息，根据目标行列信息和目标张量对应的节点连接关系，对初始张量矩阵进行划分，根据划分结果形成切片网络；若目标网络的逻辑层级对应的维度不唯一，则根据逻辑层级对应的维度信息和目标张量对应的节点连接关系，对初始张量矩阵进行划分，根据划分结果形成切片网络。

上述区域治理策略的生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储实体对象的各项数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种区域治理策略的生成方法。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种区域治理策略的生成方法，其特征在于，所述方法包括：

根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，其中，所述动态多层异质信息网络用于表征目标区域中所有实体对象以及所述实体对象之间的动态关联关系，所述切片网络包括所述治理需求中指定的X个目标网络层级，其中，X为正整数；

根据所述X个目标网络层级中目标实体节点之间的连接关系，生成所述目标对象在各所述目标实体节点之间的动态数据流，其中，所述目标实体节点用于表征所述目标区域中的实体对象；

根据所述动态数据流以及所述切片网络中的网络结构特征、实体、关系属性进行挖掘分析，生成所述目标区域对应的治理策略。

2.根据权利要求1所述的方法，其特征在于，构建动态多层异质信息网络的方式，包括：

根据目标区域中的所有实体对象，生成动态多层异质信息网络中的初始实体节点；

根据实体对象对应的实体类型，将所述初始实体节点进行聚类得到实体节点集合；

根据所述实体节点集合生成动态多层异质信息网络，所述动态多层异质信息网络的网络层级数量与所述实体节点集合的数量相同。

3.根据权利要求2所述的方法，其特征在于，所述根据所述实体节点集合生成动态多层异质信息网络，包括：

根据所述实体节点集合对应的划分逻辑规则，确定所述动态多层异质信息网络对应的网络层级；

根据所述网络层级，以及所述实体节点集合中各个初始实体节点之间的连接关系，构建得到动态多层异质信息网络。

4.根据权利要求3所述的方法，其特征在于，在根据所述网络层级，以及所述实体节点集合中各个初始实体节点之间的连接关系，构建得到动态多层异质信息网络之后，所述方法还包括：

获取所述多个实体对象对应的时序动态变化信息；

根据所述时序动态变化信息中的节点变化信息和关系变化信息对所述动态多层异质信息网络进行更新。

5.根据权利要求1所述的方法，其特征在于，所述根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，包括：

对所述动态多层异质信息网络中的初始实体节点进行张量化处理，生成所述动态多层异质信息网络对应的初始张量矩阵；其中，初始张量矩阵中的张量用于表征节点连接和层级连接各自对应的动态时序关系；

确定所述目标对象对应的目标张量和所述治理需求中目标网络的逻辑层级；

根据所述目标张量和所述目标网络的逻辑层级，对所述初始张量矩阵进行划分，根据划分结果形成切片网络。

6.根据权利要求5所述的方法，其特征在于，所述根据所述目标张量和所述目标网络的逻辑层级，对所述初始张量矩阵进行划分，根据划分结果形成切片网络，包括：

若所述目标网络的逻辑层级对应的维度唯一，则确定所述目标张量在所述初始张量矩阵中的目标行列信息，根据所述目标行列信息和所述目标张量对应的节点连接关系，对所述初始张量矩阵进行划分，根据划分结果形成切片网络；

若所述目标网络的逻辑层级对应的维度不唯一，则根据所述逻辑层级对应的维度信息和所述目标张量对应的节点连接关系，对所述初始张量矩阵进行划分，根据划分结果形成切片网络。

7.一种区域治理策略的生成装置，其特征在于，所述装置包括：

网络切片模块，用于根据目标对象对应的治理需求，构建动态多层异质信息网络并进行切片，得到切片网络，其中，所述动态多层异质信息网络用于表征目标区域中所有实体对象以及所述实体对象之间的动态关联关系，所述切片网络包括所述治理需求指定的X个目标网络层级，其中，X为正整数；

数据分析模块，用于根据所述X个目标网络层级中目标实体节点之间的连接关系，生成所述目标对象在各所述目标实体节点之间的动态数据流，其中，所述目标实体节点用于表征所述目标区域中的实体对象；

策略生成模块，用于根据所述动态数据流以及所述切片网络中的网络结构特征、实体、关系属性进行挖掘分析，生成所述目标区域对应的治理策略。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。