CN111949744A - 基于知识图谱的关联信息挖掘方法及装置 - Google Patents
基于知识图谱的关联信息挖掘方法及装置 Download PDFInfo
- Publication number
- CN111949744A CN111949744A CN202010757677.5A CN202010757677A CN111949744A CN 111949744 A CN111949744 A CN 111949744A CN 202010757677 A CN202010757677 A CN 202010757677A CN 111949744 A CN111949744 A CN 111949744A
- Authority
- CN
- China
- Prior art keywords
- information
- entity
- obtaining
- nodes
- association
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000010276 construction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06F16/20—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
- G06F16/288—Entity relationship models
-
- 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
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的关联信息挖掘方法及装置,关联信息挖掘方法包括:步骤S1:从数据中提取多个实体信息,根据多个所述实体信息构建知识图谱数据库;步骤S2:根据Dijkstra算法通过所述知识图谱数据库获得任意实体之间的关联信息;步骤S3:输出所述关联信息。本发明基于知识图谱极强的数据表现和关系推演能力来搭知识图谱数据库,从而可快速和准确获得目标之间关联关系。
Description
技术领域
本发明涉及一种关联信息挖掘方法及装置,具体地说,特别涉及一种基于知识图谱的关联信息挖掘方法及装置。
背景技术
随着互联网技术的发展,目前互联网营销的重度和大部分用户年轻化,受多元化媒体信息影响,每天获取的信息量零碎且庞大,如何在零碎且庞大的信息中准确找出目标之间最优的关联信息,以成为一项急需解决的问题。
举例来说,在广告营销中,用户的价值观审美观等多角度都在不断提升,以往的品牌植入式广告推广已经无法吸引用户,甚至遭受用户反感吐槽,所以品牌主在重点发力营销模式的升级转变,注重和用户互动,将广告营销与影视内容融为一体,引起用户共鸣,使品牌形象深入用户心里。所以品牌和影视剧目是否契合式营销能否成功的关键点。
目前品牌和影视剧目(剧目和综艺)互选一般是通过一些大数据分析洞察产品帮助提供数据决策,此类产品通过搭建数据指标分析模型来给品牌主推荐如何优选影视剧目。但是现有技术存在数据指标类型单一的问题,获得的关联信息并不准确,无法在品牌与影视剧互选的前期提供清晰的选择依据,只能提供一些根据已有数据生成的效果进行预测,往往无法真正帮助品牌和影视剧找到契合点,因此无法深入多方位给出品牌与影视剧目是否契合的评估结果。
因此亟需开发一种克服上述缺陷基于知识图谱的关联信息挖掘方法及装置。
发明内容
针对上述问题,本发明提供一种基于知识图谱的关联信息挖掘方法,其中,包括:
步骤S1:从数据中提取多个实体信息,根据多个所述实体信息构建知识图谱数据库;
步骤S2:根据Dijkstra算法通过所述知识图谱数据库获得任意实体之间的关联信息;
步骤S3:输出所述关联信息。
上述的关联信息挖掘方法,其中,所述实体信息包括实体类型信息、实体属性信息及实体关系信息。
上述的关联信息挖掘方法,其中,所述步骤S1中包括:
步骤S11:从数据中提取所述实体类型信息及所述实体属性信息;
步骤S12:根据所述实体类型信息及所述实体属性信息获得所述实体关系信息;
步骤S13:根据所述实体类型信息及/或所述实体属性信息设置节点;
步骤S14:根据所述实体关系信息对节点进行关联后获得所述知识图谱数据库。
上述的关联信息挖掘方法,其中,所述步骤S2中根据Dijkstra算法通过所述知识图谱数据库获得目标节点之间的路径。
上述的关联信息挖掘方法,其中,所述步骤S2包括:
步骤S21:设置目标点集合,包括起始目标节点、终止目标节点及多个中间节点;
步骤S22:根据节点之间的距离获得所述起始目标节点经过至少一所述中间节点至所述终点目标节点的最短的路径;
步骤S23:根据路径获得所述关联信息。
本发明还提供一种基于知识图谱的关联信息挖掘装置,其中,包括:
知识图谱数据库构建单元,从数据中提取多个实体信息,根据多个所述实体信息构建知识图谱数据库;
关联信息获得单元,根据Dijkstra算法通过所述知识图谱数据库获得任意实体之间的关联信息;
关联信息输出单元,输出所述关联信息。
上述的关联信息挖掘装置,其中,所述实体信息包括实体类型信息、实体属性信息及实体关系信息。
上述的关联信息挖掘装置,其中,所述知识图谱数据库构建单元包括:
提取模块,从数据中提取所述实体类型信息及所述实体属性信息;
实体关系信息构建模块,根据所述实体类型信息及所述实体属性信息获得所述实体关系信息;
节点设置模块,根据所述实体类型信息及/或所述实体属性信息设置节点;
关联模块,根据所述实体关系信息对节点进行关联后获得所述知识图谱数据库。
上述的关联信息挖掘装置,其中,所述关联信息获得单元根据Dijkstra算法通过所述知识图谱数据库获得目标节点之间的路径。
上述的关联信息挖掘装置,其中,所述关联信息获得单元包括:
集合构建模块,设置目标点集合,包括起始目标节点、终止目标节点及多个中间节点;
计算模块,根据节点之间的距离获得所述起始目标节点经过至少一所述中间节点至所述终点目标节点的最短的路径;
关联信息获得模块,根据路径获得所述关联信息。
综上所述,本发明相对于现有技术其功效在于:本发明基于知识图谱极强的数据表现和关系推演能力来搭知识图谱数据库,从而可快速和准确获得目标之间关联关系。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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为本发明的关联信息挖掘方法的流程图;
图2为图1中步骤S1的分步骤流程图;
图3为图1中步骤S2的分步骤流程图;
图4为知识图谱的示意图;
图5为本发明的关联信息挖掘装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整地说明,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等,均为开放性的用语,即意指包含但不限于。
请参照图1,图1为本发明的关联信息挖掘方法的流程图。如图1所示,本发明的关联信息挖掘方法包括:
步骤S1:从数据中提取多个实体信息,根据多个所述实体信息构建知识图谱数据库。
其中,所述实体信息包括实体类型信息、实体属性信息及实体关系信息,实体类型信息及实体属性信息如下表所示:
进一步地,请参照图2,图2为图1中步骤S1的分步骤流程图。如图2所示,所述步骤S1中包括:
步骤S11:从数据中提取所述实体类型信息及所述实体属性信息;
步骤S12:根据所述实体类型信息及所述实体属性信息获得所述实体关系信息;
举例来说,实体关系信息为:品牌(关联)影视节目、明星(参演)影视节目、明星(代言)品牌、明星(受众)人群、影视节目(播出)媒体频道、明星(关联)话题、品牌(关联)话题、影视节目(关联)话题。
步骤S13:根据所述实体类型信息及/或所述实体属性信息设置节点;
步骤S14:根据所述实体关系信息对节点进行关联后获得所述知识图谱数据库。
具体地说,本发明中将将所有的实体属性和关系都存放成关系,原本的关系作为实体,属性作为虚体,所有的都采用节点和边的形式存储在图数据库中,每个节点实体都是一个索引,都可以被直接搜索,即每一所述实体类型信息及所述实体属性信息作为节点,实体关系信息作为边(参见图4)。
步骤S2:根据Dijkstra算法通过所述知识图谱数据库获得任意实体之间的关联信息,具体地说,所述步骤S2中根据Dijkstra算法通过所述知识图谱数据库获得目标节点之间的路径。
再进一步地,请参照图3,图3为图1中步骤S2的分步骤流程图。如图3所示,
所述步骤S2包括:
步骤S21:设置目标点集合,包括起始目标节点、终止目标节点及多个中间节点;
步骤S22:根据节点之间的距离获得所述起始目标节点经过至少一所述中间节点至所述终点目标节点的最短的路径;
步骤S23:根据路径获得所述关联信息。
举例来说,请参照图4,图4为知识图谱的示意图。如图4所示,具体说明路径获得过程:
DijkstraDijkstra思路是维护一个集合s,集合内的点是已经确定最短路的点,可以视为一个大整体,每次操作找出与集合相邻且距离起点最近的点加入集合中,并确定它的最短路为它的上一节点的最短路+该边权值,存在disdis中。
第一步,我们先把aa加入集合,不加粗的点为集合中的点,下同(s=\{a\}s={a};dis[]=\{0,∞,∞,∞,∞,∞,∞,∞\}dis[]={0,∞,∞,∞,∞,∞,∞,∞}):
第二步,我们找出与集合相邻且距离起点最近的点bb,把它加入集合,并确定它的最短路0+2=2,存入数组(s=\{a,b\}s={a,b};dis[]=\{0,2,∞,∞,∞,∞,∞,∞\}dis[]={0,2,∞,∞,∞,∞,∞,∞}):
第三步,我们找出与集合相邻且距离起点最近的点dd,把它加入集合,并确定它的最短路2+1=3,存入数组(s=\{a,b,d\}s={a,b,d};dis[]=\{0,2,∞,3,∞,∞,∞,∞\}dis[]={0,2,∞,3,∞,∞,∞,∞}):
第四步,我们找出与集合相邻且距离起点最近的点ee,把它加入集合,并确定它的最短路3+2=5(s=\{a,b,d,e\}s={a,b,d,e};dis[]=\{0,2,∞,3,5,∞,∞,∞\}dis[]={0,2,∞,3,5,∞,∞,∞}):
第五步,我们找出与集合相邻且距离起点最近的点ff,把它加入集合,并确定它的最短路0+9=9(s=\{a,b,d,e,f\}s={a,b,d,e,f};dis[]=\{0,2,∞,3,5,9,∞,∞\}dis[]={0,2,∞,3,5,9,∞,∞}):
第六步,我们找出与集合相邻且距离起点最近的点gg,把它加入集合,并确定它的最短路5+7=12(s=\{a,b,d,e,f,g\}s={a,b,d,e,f,g};dis[]=\{0,2,∞,3,5,9,12,∞\}dis[]={0,2,∞,3,5,9,12,∞}):
第七步,我们找出与集合相邻且距离起点最近的点cc,把它加入集合,并确定它的最短路5+8=13(s=\{a,b,c,d,e,f,g\}s={a,b,c,d,e,f,g};dis[]=\{0,2,13,3,5,9,12,∞\}dis[]={0,2,13,3,5,9,12,∞}):
第八步,也是最后一步,我们找出与集合相邻且距离起点最近的点hh,把它加入集合,并确定它的最短路13+5=18(s=\{a,b,c,d,e,f,g,h\}s={a,b,c,d,e,f,g,h};dis[]=\{0,2,13,3,5,9,12,18\}dis[]={0,2,13,3,5,9,12,18}):
至此,整个图的最短路被我们求了出来,从目标A(a)到目标B(h)的最短路径和经历的节点就生成好了。
步骤S3:输出所述关联信息。
举例来说,本发明应用于广告营销中,不论从影视剧目优选品牌出发还是品牌优选影视剧出发,用户在图谱中输出目标A和目标B即可直接找到两个目标之前的所有关联,该搜索支持输入目标A(必填)、目标B(必填)、途径C(非必填)
如客户在图谱中输入目标A:“品牌”名称,输入目标B:“影视节目”名称,即可通过图计算找到两者之间关联关系,会途径其他实体与其关联,两者之间关联的路径可能有多种方式实现,选择路径最短的进行查看,可以找到链接两者之间的所有实体(可能是讨论的话题、关键词、人群特征、调性等等)
客户也可以在图谱中输入目标A:“品牌”名称,输入目标B:“人群”名称,即客户想要触达的人群,然后找到之间所有关联的节点,从中发现如何引起用户共鸣。也可以输入途径C(影视剧目)则可以直接输出包含影视剧目实体类型的所有从目标A到目标B的路径。从中找到是什么影视剧目和其之间存在营销契合点。
本发明基于知识图谱的强大关系推演的数据分析模型可以帮助品牌和影视节目相互选择时都找到彼此的契合点(比如某一类关键话题、某一种生活态度),从而品牌可以实现触达真正的目标用户,引起消费者共鸣,走进消费者心里;影视节目可以找到适合自己的品牌,从而实现影视效果炸裂,收视率创新,帮助品牌主带来收益转化,实现双赢。
请参照图5,图5为本发明的关联信息挖掘装置的结构示意图。如图5所示,本发明基于知识图谱的关联信息挖掘装置包括:
知识图谱数据库构建单元11,从数据中提取多个实体信息,根据多个所述实体信息构建知识图谱数据库;
关联信息获得单元12,根据Dijkstra算法通过所述知识图谱数据库获得任意实体之间的关联信息;
关联信息输出单元13,输出所述关联信息。
其中,所述实体信息包括实体类型信息、实体属性信息及实体关系信息。
进一步地,所述知识图谱数据库构建单元11包括:
提取模块111,从数据中提取所述实体类型信息及所述实体属性信息;
实体关系信息构建模块,根据所述实体类型信息及所述实体属性信息获得所述实体关系信息;
节点设置模块112,根据所述实体类型信息及/或所述实体属性信息设置节点;
关联模块113,根据所述实体关系信息对节点进行关联后获得所述知识图谱数据库。
再进一步地,所述关联信息获得单元12根据Dijkstra算法通过所述知识图谱数据库获得目标节点之间的路径。
更进一步地,所述关联信息获得单元12包括:
集合构建模块121,设置目标点集合,包括起始目标节点、终止目标节点及多个中间节点;
计算模块122,根据节点之间的距离获得所述起始目标节点经过至少一所述中间节点至所述终点目标节点的最短的路径;
关联信息获得模块123,根据路径获得所述关联信息。
综上所述,本发明是基于知识图谱极强的数据表现和关系推演能力,来搭建围绕品牌、影视节目之间的知识图谱,可快速的定位一个品牌或者影视剧目所有相关关系的实体及属性信息,快速的支撑品牌了解影视剧目存在的关系网络,以及这些关系和属性中哪些将是品牌的契合点。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于知识图谱的关联信息挖掘方法,其特征在于,包括:
步骤S1:从数据中提取多个实体信息,根据多个所述实体信息构建知识图谱数据库;
步骤S2:根据Dijkstra算法通过所述知识图谱数据库获得任意实体之间的关联信息;
步骤S3:输出所述关联信息。
2.如权利要求1所述的关联信息挖掘方法,其特征在于,所述实体信息包括实体类型信息、实体属性信息及实体关系信息。
3.如权利要求2所述的关联信息挖掘方法,其特征在于,所述步骤S1中包括:
步骤S11:从数据中提取所述实体类型信息及所述实体属性信息;
步骤S12:根据所述实体类型信息及所述实体属性信息获得所述实体关系信息;
步骤S13:根据所述实体类型信息及/或所述实体属性信息设置节点;
步骤S14:根据所述实体关系信息对节点进行关联后获得所述知识图谱数据库。
4.如权利要求3所述的关联信息挖掘方法,其特征在于,所述步骤S2中根据Dijkstra算法通过所述知识图谱数据库获得目标节点之间的路径。
5.如权利要求4所述的关联信息挖掘方法,其特征在于,所述步骤S2包括:
步骤S21:设置目标点集合,包括起始目标节点、终止目标节点及多个中间节点;
步骤S22:根据节点之间的距离获得所述起始目标节点经过至少一所述中间节点至所述终点目标节点的最短的路径;
步骤S23:根据路径获得所述关联信息。
6.一种基于知识图谱的关联信息挖掘装置,其特征在于,包括:
知识图谱数据库构建单元,从数据中提取多个实体信息,根据多个所述实体信息构建知识图谱数据库;
关联信息获得单元,根据Dijkstra算法通过所述知识图谱数据库获得任意实体之间的关联信息;
关联信息输出单元,输出所述关联信息。
7.如权利要求6所述的关联信息挖掘装置,其特征在于,所述实体信息包括实体类型信息、实体属性信息及实体关系信息。
8.如权利要求7所述的关联信息挖掘装置,其特征在于,所述知识图谱数据库构建单元包括:
提取模块,从数据中提取所述实体类型信息及所述实体属性信息;
实体关系信息构建模块,根据所述实体类型信息及所述实体属性信息获得所述实体关系信息;
节点设置模块,根据所述实体类型信息及/或所述实体属性信息设置节点;
关联模块,根据所述实体关系信息对节点进行关联后获得所述知识图谱数据库。
9.如权利要求8所述的关联信息挖掘装置,其特征在于,所述关联信息获得单元根据Dijkstra算法通过所述知识图谱数据库获得目标节点之间的路径。
10.如权利要求9所述的关联信息挖掘装置,其特征在于,所述关联信息获得单元包括:
集合构建模块,设置目标点集合,包括起始目标节点、终止目标节点及多个中间节点;
计算模块,根据节点之间的距离获得所述起始目标节点经过至少一所述中间节点至所述终点目标节点的最短的路径;
关联信息获得模块,根据路径获得所述关联信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757677.5A CN111949744A (zh) | 2020-07-31 | 2020-07-31 | 基于知识图谱的关联信息挖掘方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757677.5A CN111949744A (zh) | 2020-07-31 | 2020-07-31 | 基于知识图谱的关联信息挖掘方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111949744A true CN111949744A (zh) | 2020-11-17 |
Family
ID=73338962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010757677.5A Pending CN111949744A (zh) | 2020-07-31 | 2020-07-31 | 基于知识图谱的关联信息挖掘方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949744A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445875A (zh) * | 2020-12-14 | 2021-03-05 | 招商局金融科技有限公司 | 数据关联及检验方法、装置、电子设备及存储介质 |
CN112667753A (zh) * | 2020-12-24 | 2021-04-16 | 平安科技(深圳)有限公司 | 一种挖掘实体节点路径的方法及计算机设备 |
CN112671716A (zh) * | 2020-12-03 | 2021-04-16 | 中国电子科技网络信息安全有限公司 | 基于图谱的漏洞知识挖掘方法及*** |
CN113420677A (zh) * | 2021-06-25 | 2021-09-21 | 联仁健康医疗大数据科技股份有限公司 | 确定合理图像的方法、装置、电子设备及存储介质 |
CN114996371A (zh) * | 2022-08-03 | 2022-09-02 | 广东中盈盛达数字科技有限公司 | 基于图论算法的关联企业反欺诈模型构建方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107665252A (zh) * | 2017-09-27 | 2018-02-06 | 深圳证券信息有限公司 | 一种创建知识图谱的方法及装置 |
CN108038136A (zh) * | 2017-11-23 | 2018-05-15 | 上海斯睿德信息技术有限公司 | 基于图模型的企业知识图谱的建立方法和图形化查询方法 |
CN109189867A (zh) * | 2018-10-23 | 2019-01-11 | 中山大学 | 基于公司知识图谱的关系发现方法、装置及存储介质 |
CN110209834A (zh) * | 2019-04-19 | 2019-09-06 | 广东省智能制造研究所 | 一种针对制造业加工设备信息图谱的超图构建方法 |
CN110362692A (zh) * | 2019-07-23 | 2019-10-22 | 中南大学 | 一种基于知识图谱的学术圈构建方法 |
CN111274332A (zh) * | 2020-01-19 | 2020-06-12 | 中国科学院计算技术研究所 | 一种基于知识图谱的专利智能检索方法及*** |
-
2020
- 2020-07-31 CN CN202010757677.5A patent/CN111949744A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107665252A (zh) * | 2017-09-27 | 2018-02-06 | 深圳证券信息有限公司 | 一种创建知识图谱的方法及装置 |
CN108038136A (zh) * | 2017-11-23 | 2018-05-15 | 上海斯睿德信息技术有限公司 | 基于图模型的企业知识图谱的建立方法和图形化查询方法 |
CN109189867A (zh) * | 2018-10-23 | 2019-01-11 | 中山大学 | 基于公司知识图谱的关系发现方法、装置及存储介质 |
CN110209834A (zh) * | 2019-04-19 | 2019-09-06 | 广东省智能制造研究所 | 一种针对制造业加工设备信息图谱的超图构建方法 |
CN110362692A (zh) * | 2019-07-23 | 2019-10-22 | 中南大学 | 一种基于知识图谱的学术圈构建方法 |
CN111274332A (zh) * | 2020-01-19 | 2020-06-12 | 中国科学院计算技术研究所 | 一种基于知识图谱的专利智能检索方法及*** |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112671716A (zh) * | 2020-12-03 | 2021-04-16 | 中国电子科技网络信息安全有限公司 | 基于图谱的漏洞知识挖掘方法及*** |
CN112671716B (zh) * | 2020-12-03 | 2022-07-05 | 中国电子科技网络信息安全有限公司 | 基于图谱的漏洞知识挖掘方法及*** |
CN112445875A (zh) * | 2020-12-14 | 2021-03-05 | 招商局金融科技有限公司 | 数据关联及检验方法、装置、电子设备及存储介质 |
CN112445875B (zh) * | 2020-12-14 | 2024-03-01 | 招商局金融科技有限公司 | 数据关联及检验方法、装置、电子设备及存储介质 |
CN112667753A (zh) * | 2020-12-24 | 2021-04-16 | 平安科技(深圳)有限公司 | 一种挖掘实体节点路径的方法及计算机设备 |
CN112667753B (zh) * | 2020-12-24 | 2023-08-18 | 平安科技(深圳)有限公司 | 一种挖掘实体节点路径的方法及计算机设备 |
CN113420677A (zh) * | 2021-06-25 | 2021-09-21 | 联仁健康医疗大数据科技股份有限公司 | 确定合理图像的方法、装置、电子设备及存储介质 |
CN113420677B (zh) * | 2021-06-25 | 2024-06-11 | 联仁健康医疗大数据科技股份有限公司 | 确定合理图像的方法、装置、电子设备及存储介质 |
CN114996371A (zh) * | 2022-08-03 | 2022-09-02 | 广东中盈盛达数字科技有限公司 | 基于图论算法的关联企业反欺诈模型构建方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111949744A (zh) | 基于知识图谱的关联信息挖掘方法及装置 | |
CN110430471B (zh) | 一种基于瞬时计算的电视推荐方法和*** | |
US7870140B2 (en) | System and method of incorporating user preferences in image searches | |
US8732154B2 (en) | Method and system for providing sponsored information on electronic devices | |
JP5735087B2 (ja) | 個人化されたリソースをオンデマンドで消費者デバイスアプリケーションに広帯域ネットワークを介して提供すること | |
CN104199896B (zh) | 基于特征分类的视频相似度确定及视频推荐方法 | |
US8189685B1 (en) | Ranking video articles | |
US8176068B2 (en) | Method and system for suggesting search queries on electronic devices | |
US9414006B2 (en) | System for generating recommendation keyword of multimedia contents and method thereof | |
TWI395108B (zh) | Recommendation information evaluation device, recommendation information evaluation method | |
US7243085B2 (en) | Hybrid personalization architecture | |
US20090006368A1 (en) | Automatic Video Recommendation | |
De Pessemier et al. | Context aware recommendations for user-generated content on a social network site | |
US8478759B2 (en) | Information presentation apparatus and mobile terminal | |
US20070288965A1 (en) | Recommended program information providing method and apparatus | |
JP5358395B2 (ja) | ユーザ嗜好適合アイテム推薦装置 | |
KR100970335B1 (ko) | 사용자의 관심 키워드를 업데이트 하는 방법과 그 방법을수행하기 위한 시스템 | |
CN101681372A (zh) | 将相关信息提供给本地网中的装置的用户的方法和*** | |
CN105653572A (zh) | 一种资源的处理方法及装置 | |
CN109982155B (zh) | 一种播单推荐方法及*** | |
US20070277218A1 (en) | Interactive television system | |
CN110188277A (zh) | 一种资源的推荐方法及装置 | |
JP3850013B2 (ja) | コンテンツ選択装置、コンテンツ選択方法および記録媒体 | |
KR101563625B1 (ko) | 온톨로지 기반 메타 데이터 간 연관성을 이용한 영상 콘텐츠 추천 시스템 및 방법 | |
JP2001275056A (ja) | 番組ガイド装置、推論装置および推論方法 |
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 |