CN112613611A - 一种基于知识图谱的税务知识库*** - Google Patents

一种基于知识图谱的税务知识库*** Download PDF

Info

Publication number
CN112613611A
CN112613611A CN202011592779.2A CN202011592779A CN112613611A CN 112613611 A CN112613611 A CN 112613611A CN 202011592779 A CN202011592779 A CN 202011592779A CN 112613611 A CN112613611 A CN 112613611A
Authority
CN
China
Prior art keywords
knowledge
module
tax
data
graph
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
Application number
CN202011592779.2A
Other languages
English (en)
Inventor
胡乃庄
邓志勇
黄金
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.)
Shanghai Yongxiao Intelligent Technology Co ltd
Original Assignee
Shanghai Yongxiao Intelligent 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 Shanghai Yongxiao Intelligent Technology Co ltd filed Critical Shanghai Yongxiao Intelligent Technology Co ltd
Priority to CN202011592779.2A priority Critical patent/CN112613611A/zh
Publication of CN112613611A publication Critical patent/CN112613611A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • 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
    • 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
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/313—Selection or weighting of terms for indexing
    • 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
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • 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
    • G06N5/027—Frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及税务知识库技术领域，且公开了一种基于知识图谱的税务知识库***，数据模块、知识模块以及测试评估模块，所述知识模块包括：知识获取模块、知识融合模块、知识计算模块、知识表示模块、知识构建模块、知识存储模块以及知识运维模块。本发明中，通过设置知识获取模块、知识融合模块、知识计算模块、知识表示模块、知识构建模块、知识存储模块以及知识运维模块，达到解决税务领域知识结构复杂又难以构建，知识关系不容易梳理构建，税务领域知识具有时效性，传统方法构建可能存在刚刚构建好就失效的情况，税务领域业务知识量巨大，税务领域业务知识和其他行业知识有交叉，税务领域业务知识构建需要具有专业背景的人才等问题。

Description

一种基于知识图谱的税务知识库***
技术领域
本发明涉及税务知识库技术领域，具体为一种基于知识图谱的税务知识库***。
背景技术
税务***是具有共同税收目标又相互关联的各税务机构所组成的有机整体。从组织结构的角度分析，一个税务机关可以看成一个税收***。它所属的各职能部门如基层征收机构，以及人事、票证、会计、统计和计划等就是组成税务机关***的部分，它们共同的目标就是完成税收任务。
现有的税务知识库***在使用过程中，存在以下问题：
1、税务领域知识结构复杂又难以构建，知识关系不容易梳理构建。
2、税务领域知识具有时效性，传统方法构建可能存在刚刚构建好就失效的情况。
3、税务领域业务知识量巨大。
4、税务领域业务知识和其他行业知识有交叉。
5、税务领域业务知识构建需要具有专业背景的人才。为此，我们提出一种基于知识图谱的税务知识库***。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于知识图谱的税务知识库***。
(二)技术方案
为实现上述目的，本发明提供如下技术方案：一种基于知识图谱的税务知识库***，数据模块、知识模块以及测试评估模块，所述知识模块包括：知识获取模块、知识融合模块、知识计算模块、知识表示模块、知识构建模块、知识存储模块以及知识运维模块；
所述数据模块具体为：
a)作为知识获取来源，分为结构化数据，半结构化数据，非结构化数据，数据最终的结构为:实体-属性-值；
b)结构化数据，关系型数据库中相关数据；
i.业务:完税证明打印；
ii.属性:包含上游未完成业务；
iii.值:实名认证；
c)半结构化数据，为日志相关，第三方接口数据等其他数据源；
i.半结构化数据中可能只包含实体-属性，实体-值，属性-值；
ii.需要通过数据整合，第三方接口，算法预测等方式进行数据补全；
iii.非结构化数据，需要实体抽取，属性抽取，值预测，值关联等方式进行补全；
iv.实体抽取,属性抽取会在知识获取中介绍。
作为优选，所述知识获取模块具体为：
a)知识获取作为整个引擎中关键组件，主要完成信息抽，实体识别，关系抽取，属性抽取等功能；
b)税务概念抽取，知识图谱知识库构建的第一步，关键是如何从异构数据中自动抽取信息到候选的知识单元中；
c)实体抽取，采用Bi.LSTM.CRE,模型进行抽取；
i.数据输入:税务语料，爬取的政策，税务报告，资料，书籍；
ii.输出结果:税务业务，税务政策，税务规则；
d)关系抽取，经过实体抽取，会得到一些税务业务实体，但是这些实
体都是离散的，为了得到语义信息，还需要将这些抽取到这些实体之间的关系才能将这些实体联系到一起；
i.关系抽取采用模型四种方式进行Ensemble；
ii.有监督学习方法:对于已知的关系，模型为:Bi-LSTM；
1).输入为:实体语料；
2).输出为:关系；
iii.半监督学习方法:采用BootStrapping进行关系抽取，设定若干种子语料，找到对应的关系；
1).业务:完税证明打印；
2).属性:-包含上游未完成业务；
3).值:-实名认证；
4).找—些和他类似的关系数据，这个种子相当于模板；
iv.无监督方法:采用句法分析，依存分析得到句子的结构性分析结果，在通过关系短语进行抽取；
v.规则抽取方法：
1).设定规则词〔关系词)，比如还需要，需要完成，实名认证；
2).检测到规则词，做实体抽取,抽取到相应的业务得到的关系。
作为优选，所述知识融合模块具体为：知识融合主要是将一些关联的知识图谱，知识库融合到一起的技术。
作为优选，所述知识计算模块具体为：
a).知识计算主要功能就是进行知识推理，由一个知识如何推理到另外一个知识，推理机制；
b).知识统计，通过统计推断的方式进行推理计算；
c).图计算。
作为优选，所述知识表示模块具体为：
a)符号表示法RDF三元组；
i.Subject-主语；
ii.Predicate-谓词；
iii.Object-宾语；
iv.举例
1).主语:完税证明打印；
2).谓词:设置起始日期；
3).宾语:起始日期；
b)VSM表示法
i.基于空间向量模型的表示方法；
ii.将实体建模为列向量，关系建模为矩阵，通过实体向量和关机矩阵的象形变换,最后与尾实体进行点击操作来确定实体之间的关系；
iii.典型的方法包括基于向量的三角形法则和范数原理的-TansE模型，通过超平面转化或线性变换处理多元关系的TransH、TransR.,和TransD.模型，通过增加一个稀疏度参数向量解决异构多元关系的·TranSparse·模型。
作为优选，所述知识构建模块具体为：
a).概念上下位关系生成；
b).属性识别；
c).规则建模；
d).时空建模。
作为优选，所述知识存储模块具体为：
a)知识存储即将知识三元组和向量化表示进行存储；
b)基于表结构，即将三元组存储于关系型数据库；
c)基于图结构，图数据库基于有向图，其理论基础是图论，节点、边和属性是图数据库的核心概念。
作为优选，所述知识运维模块具体为：
a).知识协同；
b).知识确认；
c).知识校正。
作为优选，所述测试评估名模块具体为：
a)准确性评估，每次模型上线会有准确率，试运行的评估报告以供参阅；
b)覆盖率评估，定期更新知识库中所有知识点的触发次数和未回答占比；
c)性能评估，定期评估当前知识库的响应和负载性能。
(三)有益效果
与现有技术相比，本发明提供了一种基于知识图谱的税务知识库***，具备以下有益效果：
该基于知识图谱的税务知识库***，通过设置知识获取模块、知识融合模块、知识计算模块、知识表示模块、知识构建模块、知识存储模块以及知识运维模块，达到解决税务领域知识结构复杂又难以构建，知识关系不容易梳理构建，税务领域知识具有时效性，传统方法构建可能存在刚刚构建好就失效的情况，税务领域业务知识量巨大，税务领域业务知识和其他行业知识有交叉，税务领域业务知识构建需要具有专业背景的人才等问题。
附图说明
图1为本发明的整体框架图；
图2为本发明的流程图。
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。
请参阅图1-2，一种基于知识图谱的税务知识库***，数据模块、知识模块以及测试评估模块，所述知识模块包括：知识获取模块、知识融合模块、知识计算模块、知识表示模块、知识构建模块、知识存储模块以及知识运维模块；
所述数据模块具体为：
a)作为知识获取来源，分为结构化数据，半结构化数据，非结构化数据，数据最终的结构为:实体-属性-值；
b)结构化数据，关系型数据库中相关数据；
i.业务:完税证明打印；
ii.属性:包含上游未完成业务；
iii.值:实名认证；
c)半结构化数据，为日志相关，第三方接口数据等其他数据源；
i.半结构化数据中可能只包含实体-属性，实体-值，属性-值；
ii.需要通过数据整合，第三方接口，算法预测等方式进行数据补全；
iii.非结构化数据，需要实体抽取，属性抽取，值预测，值关联等方式进行补全；
iv.实体抽取,属性抽取会在知识获取中介绍。
所述知识获取模块具体为：
a)知识获取作为整个引擎中关键组件，主要完成信息抽，实体识别，关系抽取，属性抽取等功能；
b)税务概念抽取，知识图谱知识库构建的第一步，关键是如何从异构数据中自动抽取信息到候选的知识单元中；
c)实体抽取，采用Bi.LSTM.CRE,模型进行抽取；
i.数据输入:税务语料，爬取的政策，税务报告，资料，书籍；
ii.输出结果:税务业务，税务政策，税务规则；
d)关系抽取，经过实体抽取，会得到一些税务业务实体，但是这些实
体都是离散的，为了得到语义信息，还需要将这些抽取到这些实体之间的关系才能将这些实体联系到一起；
i.关系抽取采用模型四种方式进行Ensemble；
ii.有监督学习方法:对于已知的关系，模型为:Bi-LSTM；
1).输入为:实体语料；
2).输出为:关系；
iii.半监督学习方法:采用BootStrapping进行关系抽取，设定若干种子语料，找到对应的关系；
1).业务:完税证明打印；
2).属性:-包含上游未完成业务；
3).值:-实名认证；
4).找—些和他类似的关系数据，这个种子相当于模板；
iv.无监督方法:采用句法分析，依存分析得到句子的结构性分析结果，在通过关系短语进行抽取；
v.规则抽取方法：
1).设定规则词〔关系词)，比如还需要，需要完成，实名认证；
2).检测到规则词，做实体抽取,抽取到相应的业务得到的关系。
所述知识融合模块具体为：知识融合主要是将一些关联的知识图谱，知识库融合到一起的技术。
所述知识计算模块具体为：
a).知识计算主要功能就是进行知识推理，由一个知识如何推理到另外一个知识，推理机制；
b).知识统计，通过统计推断的方式进行推理计算；
c).图计算。
所述知识表示模块具体为：
a)符号表示法RDF三元组；
i.Subject-主语；
ii.Predicate-谓词；
iii.Object-宾语；
iv.举例
1).主语:完税证明打印；
2).谓词:设置起始日期；
3).宾语:起始日期；
b)VSM表示法
i.基于空间向量模型的表示方法；
ii.将实体建模为列向量，关系建模为矩阵，通过实体向量和关机矩阵的象形变换,最后与尾实体进行点击操作来确定实体之间的关系；
iii.典型的方法包括基于向量的三角形法则和范数原理的-TansE模型，通过超平面转化或线性变换处理多元关系的TransH、TransR.,和TransD.模型，通过增加一个稀疏度参数向量解决异构多元关系的·TranSparse·模型。
所述知识构建模块具体为：
a).概念上下位关系生成；
b).属性识别；
c).规则建模；
d).时空建模。
所述知识存储模块具体为：
a)知识存储即将知识三元组和向量化表示进行存储；
b)基于表结构，即将三元组存储于关系型数据库；
c)基于图结构，图数据库基于有向图，其理论基础是图论，节点、边和属性是图数据库的核心概念。
所述知识运维模块具体为：
a).知识协同；
b).知识确认；
c).知识校正。
所述测试评估名模块具体为：
a)准确性评估，每次模型上线会有准确率，试运行的评估报告以供参阅；
b)覆盖率评估，定期更新知识库中所有知识点的触发次数和未回答占比；
c)性能评估，定期评估当前知识库的响应和负载性能。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种基于知识图谱的税务知识库***，数据模块、知识模块以及测试评估模块，其特征在于：所述知识模块包括：知识获取模块、知识融合模块、知识计算模块、知识表示模块、知识构建模块、知识存储模块以及知识运维模块；
所述数据模块具体为：
a)作为知识获取来源，分为结构化数据，半结构化数据，非结构化数据，数据最终的结构为:实体-属性-值；
b)结构化数据，关系型数据库中相关数据；
i.业务:完税证明打印；
ii.属性:包含上游未完成业务；
iii.值:实名认证；
c)半结构化数据，为日志相关，第三方接口数据等其他数据源；
i.半结构化数据中可能只包含实体-属性，实体-值，属性-值；
ii.需要通过数据整合，第三方接口，算法预测等方式进行数据补全；
iii.非结构化数据，需要实体抽取，属性抽取，值预测，值关联等方式进行补全；
iv.实体抽取,属性抽取会在知识获取中介绍。
2.根据权利要求1所述的一种基于知识图谱的税务知识库***，其特征在于：所述知识获取模块具体为：
a)知识获取作为整个引擎中关键组件，主要完成信息抽，实体识别，关系抽取，属性抽取等功能；
b)税务概念抽取，知识图谱知识库构建的第一步，关键是如何从异构数据中自动抽取信息到候选的知识单元中；
c)实体抽取，采用Bi.LSTM.CRE,模型进行抽取；
i.数据输入:税务语料，爬取的政策，税务报告，资料，书籍；
ii.输出结果:税务业务，税务政策，税务规则；
d)关系抽取，经过实体抽取，会得到一些税务业务实体，但是这些实
体都是离散的，为了得到语义信息，还需要将这些抽取到这些实体之间的关系才能将这些实体联系到一起；
i.关系抽取采用模型四种方式进行Ensemble；
ii.有监督学习方法:对于已知的关系，模型为:Bi-LSTM；
1).输入为:实体语料；
2).输出为:关系；
iii.半监督学习方法:采用BootStrapping进行关系抽取，设定若干种子语料，找到对应的关系；
1).业务:完税证明打印；
2).属性:-包含上游未完成业务；
3).值:-实名认证；
4).找—些和他类似的关系数据，这个种子相当于模板；
iv.无监督方法:采用句法分析，依存分析得到句子的结构性分析结果，在通过关系短语进行抽取；
v.规则抽取方法：
1).设定规则词〔关系词)，比如还需要，需要完成，实名认证；
2).检测到规则词，做实体抽取,抽取到相应的业务得到的关系。
3.根据权利要求1所述的一种基于知识图谱的税务知识库***，其特征在于：所述知识融合模块具体为：知识融合主要是将一些关联的知识图谱，知识库融合到一起的技术。
4.根据权利要求1所述的一种基于知识图谱的税务知识库***，其特征在于：所述知识计算模块具体为：
a).知识计算主要功能就是进行知识推理，由一个知识如何推理到另外一个知识，推理机制；
b).知识统计，通过统计推断的方式进行推理计算；
c).图计算。
5.根据权利要求1所述的一种基于知识图谱的税务知识库***，其特征在于：所述知识表示模块具体为：
a)符号表示法RDF三元组；
i.Subject-主语；
ii.Predicate-谓词；
iii.Object-宾语；
iv.举例
1).主语:完税证明打印；
2).谓词:设置起始日期；
3).宾语:起始日期；
b)VSM表示法
i.基于空间向量模型的表示方法；
ii.将实体建模为列向量，关系建模为矩阵，通过实体向量和关机矩阵的象形变换,最后与尾实体进行点击操作来确定实体之间的关系；
iii.典型的方法包括基于向量的三角形法则和范数原理的-TansE模型，通过超平面转化或线性变换处理多元关系的TransH、TransR.,和TransD.模型，通过增加一个稀疏度参数向量解决异构多元关系的·TranSparse·模型。
6.根据权利要求1所述的一种基于知识图谱的税务知识库***，其特征在于：所述知识构建模块具体为：
a).概念上下位关系生成；
b).属性识别；
c).规则建模；
d).时空建模。
7.根据权利要求1所述的一种基于知识图谱的税务知识库***，其特征在于：所述知识存储模块具体为：
a)知识存储即将知识三元组和向量化表示进行存储；
b)基于表结构，即将三元组存储于关系型数据库；
c)基于图结构，图数据库基于有向图，其理论基础是图论，节点、边和属性是图数据库的核心概念。
8.根据权利要求1所述的一种基于知识图谱的税务知识库***，其特征在于：所述知识运维模块具体为：
a).知识协同；
b).知识确认；
c).知识校正。
9.根据权利要求1所述的一种基于知识图谱的税务知识库***，其特征在于：所述测试评估名模块具体为：
a)准确性评估，每次模型上线会有准确率，试运行的评估报告以供参阅；
b)覆盖率评估，定期更新知识库中所有知识点的触发次数和未回答占比；
c)性能评估，定期评估当前知识库的响应和负载性能。
CN202011592779.2A 2020-12-29 2020-12-29 一种基于知识图谱的税务知识库*** Pending CN112613611A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011592779.2A CN112613611A (zh) 2020-12-29 2020-12-29 一种基于知识图谱的税务知识库***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011592779.2A CN112613611A (zh) 2020-12-29 2020-12-29 一种基于知识图谱的税务知识库***

Publications (1)

Publication Number Publication Date
CN112613611A true CN112613611A (zh) 2021-04-06

Family

ID=75248807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011592779.2A Pending CN112613611A (zh) 2020-12-29 2020-12-29 一种基于知识图谱的税务知识库***

Country Status (1)

Country Link
CN (1) CN112613611A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139068A (zh) * 2021-05-10 2021-07-20 内蒙古工业大学 知识图谱构建方法及装置、电子设备和存储介质
CN113849659A (zh) * 2021-08-18 2021-12-28 国网天津市电力公司 一种审计制度时序知识图谱的构建方法
CN114358287A (zh) * 2021-12-01 2022-04-15 中国人民解放军国防科技大学 一种基于图谱聚类的大宗运输需求分解方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105843897A (zh) * 2016-03-23 2016-08-10 青岛海尔软件有限公司 一种面向垂直领域的智能问答***
US10042836B1 (en) * 2012-04-30 2018-08-07 Intuit Inc. Semantic knowledge base for tax preparation
CN111428053A (zh) * 2020-03-30 2020-07-17 西安交通大学 一种面向税务领域知识图谱的构建方法
CN111488465A (zh) * 2020-04-14 2020-08-04 税友软件集团股份有限公司 一种知识图谱构建方法及相关装置
CN111914094A (zh) * 2019-05-10 2020-11-10 中国人民大学 一种基于三元交互的知识图谱表示学习方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10042836B1 (en) * 2012-04-30 2018-08-07 Intuit Inc. Semantic knowledge base for tax preparation
CN105843897A (zh) * 2016-03-23 2016-08-10 青岛海尔软件有限公司 一种面向垂直领域的智能问答***
CN111914094A (zh) * 2019-05-10 2020-11-10 中国人民大学 一种基于三元交互的知识图谱表示学习方法
CN111428053A (zh) * 2020-03-30 2020-07-17 西安交通大学 一种面向税务领域知识图谱的构建方法
CN111488465A (zh) * 2020-04-14 2020-08-04 税友软件集团股份有限公司 一种知识图谱构建方法及相关装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WANG, S.等: "Geographic Knowledge Graph (GeoKG): A Formalized Geographic Knowledge Representation", 《ISPRS INT. J. GEO-INF.》, vol. 8, no. 4, 8 April 2019 (2019-04-08), pages 1 - 24 *
蒋秉川等: "多源异构数据的大规模地理知识图谱构建", 《测绘学报》, vol. 47, no. 8, 15 August 2018 (2018-08-15), pages 1051 - 1061 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139068A (zh) * 2021-05-10 2021-07-20 内蒙古工业大学 知识图谱构建方法及装置、电子设备和存储介质
CN113139068B (zh) * 2021-05-10 2023-05-09 内蒙古工业大学 知识图谱构建方法及装置、电子设备和存储介质
CN113849659A (zh) * 2021-08-18 2021-12-28 国网天津市电力公司 一种审计制度时序知识图谱的构建方法
CN114358287A (zh) * 2021-12-01 2022-04-15 中国人民解放军国防科技大学 一种基于图谱聚类的大宗运输需求分解方法

Similar Documents

Publication Publication Date Title
WO2021103492A1 (zh) 一种企业经营风险预测方法和***
WO2021196520A1 (zh) 一种面向税务领域知识图谱的构建方法及***
CN112559766B (zh) 一种法律知识图谱构建***
CN112613611A (zh) 一种基于知识图谱的税务知识库***
CN112612902A (zh) 一种电网主设备的知识图谱构建方法及设备
CN111967761B (zh) 一种基于知识图谱的监控预警方法、装置及电子设备
CN103440287B (zh) 一种基于产品信息结构化的Web问答检索***
CN107679221B (zh) 面向减灾任务的时空数据获取与服务组合方案生成方法
Jabbar et al. A methodology of real-time data fusion for localized big data analytics
CN111078780A (zh) 一种ai优化数据治理的方法
CN112036842B (zh) 一种科技服务智能匹配装置
CN106407216A (zh) 基于语义网构建路径开发的线索追溯稽核***及其构建方法
CN115438199A (zh) 一种基于智慧城市场景数据中台技术的知识平台***
CN111061679A (zh) 一种基于rete和drools规则的科技创新政策速配的方法和***
Anand et al. Uncertainty analysis in ontology-based knowledge representation
CN115827797A (zh) 一种基于大数据的环境数据分析整合方法及***
Zhang et al. A knowledge graph system for the maintenance of coal mine equipment
CN114792145A (zh) 一种基于知识图谱的标准数字化管理维护***及方法
Tang et al. Automatic schema construction of electrical graph data platform based on multi-source relational data models
CN116842195A (zh) 一种基于知识图谱和大模型自动化生成研报方法
Shi et al. Human resources balanced allocation method based on deep learning algorithm
CN115827885A (zh) 一种运维知识图谱的构建方法、装置及电子设备
Lu et al. Overview of knowledge mapping construction technology
Yerashenia et al. Semantic data pre-processing for machine learning based bankruptcy prediction computational model
Belhadef A new bidirectional method for ontologies matching

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