CN113568998A - 一种知识服务资源处理方法、装置、设备及存储介质 - Google Patents
一种知识服务资源处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113568998A CN113568998A CN202110679470.5A CN202110679470A CN113568998A CN 113568998 A CN113568998 A CN 113568998A CN 202110679470 A CN202110679470 A CN 202110679470A CN 113568998 A CN113568998 A CN 113568998A
- Authority
- CN
- China
- Prior art keywords
- resource
- knowledge service
- knowledge
- user
- hierarchical structure
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005065 mining Methods 0.000 claims description 9
- 238000009792 diffusion process Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 235000019580 granularity Nutrition 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06F16/31—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
- G06F16/30—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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供一种知识服务资源处理方法、装置、设备及存储介质，方法包括：对第一资源集合中的各知识服务资源进行分类，得到多个第二资源集合；获取各第二资源集合中各知识服务资源的实体概念模型，分别将各第二资源集合映射到预设数据结构模型，得到与多个第二资源集合对应的分层递阶结构；分层递阶结构中的知识服务资源采用多元组方式存储；从客户端接收关键词，若匹配到与关键词关联的目标知识服务资源实体，则以目标知识服务资源实体与知识服务资源属性之间的对应关系为索引，在分层递阶结构中进行遍历得到目标知识服务资源并向客户端发送。本方案能够实现资源的动态加入与退出、扩展与更新、屏蔽异构，实时动态更新资源和柔性存储。
Description
技术领域
本申请涉及大数据技术领域，具体涉及一种知识服务资源处理方法、装置、设备及存储介质。
背景技术
出版行业虽然能够为用户提供知识服务资源，但是，现有知识服务资源的内部组织依赖于传统的分层体系结构，缺乏针对数字传播领域中知识服务资源的统一描述标准，且难以解决海量异构知识服务资源的存储、快速检索。
因此，导致基于分层体系架构进行存储时的存储效率一般，以及进行检索的效率无法保持实时性。
发明内容
本申请实施例提供一种知识服务资源处理方法、装置、设备及存储介质，能够提高响应用户的速度以及提供更准确的知识服务资源，以及不断的优化知识服务资源标签体系，以及丰富知识服务资源标签体系中的知识服务资源，进而为用户提供更丰富多样、更全面的知识服务资源。
第一方面，本申请实施例提供了一种知识服务资源处理方法，所述方法包括：
获取待处理的第一资源集合，所述第一资源集合包括多个知识服务资源，所述多个知识服务资源至少包括一个异构知识服务资源；
对所述第一资源集合中的各知识服务资源进行分类，得到多个第二资源集合；
获取各第二资源集合中各知识服务资源的实体概念模型，所述实体概念模型包括知识服务资源实体与知识服务资源属性之间的对应关系；
分别将各所述第二资源集合映射到预设数据结构模型，得到与多个第二资源集合对应的分层递阶结构；所述分层递阶结构中的知识服务资源采用多元组方式存储；
从客户端接收用户的查询消息，所述查询消息携带关键词；
若匹配到与所述关键词关联的目标知识服务资源实体，则以目标知识服务资源实体与知识服务资源属性之间的对应关系为索引，在所述分层递阶结构中进行遍历，得到目标知识服务资源；
向所述客户端发送所述目标知识服务资源。
第二方面，本申请实施例还提供一种资源处理装置，所述资源处理装置包括：
收发模块，用于获取待处理的第一资源集合，所述第一资源集合包括多个知识服务资源，所述多个知识服务资源至少包括一个异构知识服务资源；
处理模块，用于对所述第一资源集合中的各知识服务资源进行分类，得到多个第二资源集合；获取各第二资源集合中各知识服务资源的实体概念模型，所述实体概念模型包括知识服务资源实体与知识服务资源属性之间的对应关系；分别将各所述第二资源集合映射到预设数据结构模型，得到与多个第二资源集合对应的分层递阶结构；所述分层递阶结构中的知识服务资源采用多元组方式存储；
所述收发模块还用于从客户端接收用户的查询消息，所述查询消息携带关键词；
所述处理模块还用于若匹配到与所述关键词关联的目标知识服务资源实体，则以目标知识服务资源实体与知识服务资源属性之间的对应关系为索引，在所述分层递阶结构中进行遍历，得到目标知识服务资源；通过所述收发模块向所述客户端发送所述目标知识服务资源。
第三方面，本申请实施例还提供了一种处理设备，包括处理器和存储器，存储器中存储有计算机程序，处理器调用存储器中的计算机程序时执行本申请实施例提供的任一种知识服务资源处理方法中的步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行本申请实施例提供的任一种知识服务资源处理方法中的步骤。
从以上内容可得出，本申请具有以下的有益效果：
通过结合知识图谱(即实体与属性的对应关系)，分析知识服务资源的本体建模层次结构(即分层递阶结构)，对于不同的类型数据模型，拟采用多元组方式进行存储。以及利用层次概念网络来建立资源模型到数据结构模型的映射，实现资源的动态加入与退出、扩展与更新，屏蔽异构、实现资源实时动态更新和柔性存储，更好地支撑上层应用的开发，提高存储效率和资源利用率。
附图说明
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是本申请中知识服务资源处理方法的一种流程示意图；
图2是本申请中资源处理装置的一种结构示意图；
图3是本申请处理设备的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在以下的说明中，本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存***中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实***置，其具有由该数据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本申请的原理使用许多其它泛用性或特定目的运算、通信环境或组态来进行操作。所熟知的适合用于本申请的运算***、环境与组态的范例可包括(但不限于)手持电话、个人计算机、服务器、多处理器***、微电脑为主的***、主架构型计算机、及分布式运算环境，其中包括了任何的上述***或装置。
本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。
首先，在介绍本申请实施例之前，先介绍下本申请关于应用背景的相关内容。
知识的粒度性反映了人类认识世界的基本特征，用户对知识的需求表现为不同的粒度：知识点(节)、知识单元(章)、课程(书)、专业(领域)知识体系等，一种知识需求(如二次函数优化问题)对应多种资源(课件、微课、试题等)。此外，不同用户的认知能力与学习目的不同，对资源的难易程度、呈现形式(文本或多媒体)等需求不同。为精准服务用户，绑定与推送用户所需资源或资源包，需要对知识服务资源进行多粒度划分(知识碎片化)，明确知识需求与资源之间的多粒度映射关系，构建标准化的多粒度资源标签体系。而传统知识服务仍以单粒度知识服务(书)为主，知识服务资源也只有简单的标签标识(如作者、出版社、ISBN等)，无法满足用户对个性化多粒度知识服务的需求。针对该问题，本项目基于统一知识服务资源库中分布式多样化的动态资源，以图书、期刊、试题等出版物为核心，研究基于语义的多粒度知识服务资源融合技术，包括知识服务资源粒度空间模型、多粒度标签体系构建技术和标签体系更新技术，在知识层面满足个性化知识供应体系的需要。
本申请提供的知识服务资源处理方法的执行主体可以为本申请提供的装置，或者集成了该违装置的服务器。
下面，开始介绍本申请提供的知识服务资源处理方法。
参阅图1，图1示出了本申请知识服务资源处理方法的一种流程示意图，本申请提供的方法，具体可包括如下步骤：
101、获取待处理的第一资源集合。
其中，所述第一资源集合包括多个知识服务资源，所述多个知识服务资源至少包括一个异构知识服务资源。异构知识服务资源可包括线下教材，网络音频、视频、作业题及答案等文本内容，以及线上即问即答的音视频与文本内容等。
102、对所述第一资源集合中的各知识服务资源进行分类，得到多个第二资源集合。
103、获取各第二资源集合中各知识服务资源的实体概念模型。
其中，所述实体概念模型包括知识服务资源实体与知识服务资源属性之间的对应关系。
104、分别将各所述第二资源集合映射到预设数据结构模型，得到与多个第二资源集合对应的分层递阶结构。
其中，所述分层递阶结构中的知识服务资源采用多元组方式存储。
一些实施方式中，可利用层次概念网络来建立资源模型(例如第二资源集合)到预设数据结构模型的映射，实现知识服务资源的动态加入与退出、扩展与更新、屏蔽异构、实时动态更新和柔性存储，更好地支撑上层应用的开发。
105、从客户端接收用户的查询消息。
其中，所述查询消息携带关键词。
106、若匹配到与所述关键词关联的目标知识服务资源实体，则以目标知识服务资源实体与知识服务资源属性之间的对应关系为索引，在所述分层递阶结构中进行遍历，得到目标知识服务资源。
107、向所述客户端发送所述目标知识服务资源。
一些实施例中，知识服务资源的粒度性反映了人类认识世界的基本特征，用户对知识的需求表现为不同的粒度：知识点(节)、知识单元(章)、课程(书)、专业(领域)知识体系等，一种知识需求(如二次函数优化问题)对应多种知识服务资源(课件、微课、试题等)。
为精准服务用户，绑定与推送用户所需资源或资源包，需要对知识服务资源进行多粒度划分(知识碎片化)，明确知识需求与资源之间的多粒度映射关系。即为满足用户对个性化多粒度知识服务的需求，可针对统一知识服务资源库中分布式多样化的动态资源，设计概念空间模型，由基于本体概念相似度的模糊等价关系实现论域的粒度划分，进一步由本体属性约束实现子空间的粒度划分，描述知识服务资源粒度间的层次结构关系。
一些实施例中，为精准服务用户，打造个性化知识服务体系，本项目融合用户时空行为信息，通过对用户时空行为的数据挖掘和细粒度分析，获取用户动态兴趣，快速准确地向用户推送所需要的知识服务资源，满足特定场景的用户个性化知识服务需求。一些实施方式中，可基于时空特征的用户动态兴趣获取方式实现。具体来说，用户动态兴趣获取方式分为三个部分：
a、基于时空行为轨迹挖掘用户在未来的显式兴趣；
具体来说，基于超网络的用户兴趣预测，用户在未来时间内感兴趣的知识服务资源，即预测显式兴趣。
b、基于社交网络和兴趣领域挖掘用户的隐式兴趣；
具体来说，基于兴趣点之间的语义距离，借鉴热传导理论研究兴趣扩散机制，挖掘包含用户的潜在兴趣的知识服务资源，即挖掘隐式兴趣。
c、基于时空特征对用户兴趣演化。
具体来说，基于社交网络(外部扩散)和兴趣网络(内部扩散)对用户兴趣进行演化，得到用户的新兴趣点和兴趣度变化数据。
一些实施例中，传统大规模知识服务模式低成本、高效率地为用户提供大量相同或相似地多个独立知识资源，无法满足用户个性化及深度学习的需求，本申请基于知识服务链的大规模定制技术，可快速响应多领域多角色用户需求，高效率、低成本地为用户提供一条深度知识服务链。具体来说，所述方法还包括：
挖掘的用户时空兴趣特征；
分析面向出版行业多个领域下多角色用户在不同时空特征下对知识服务资源的个性化需求；
确定用户兴趣和不同服务质量(Qos)参数(其中，Qos参数包括服务价格、响应时间、可用性、信誉、描述符合度等)下不同服务链结构的Qos计算方法；
确定基于用户情境的成本约束下服务质量参数的优化方式。
可见，该实施例能够实现读者效用最优目标下的知识服务链大规模定制。
可见，本申请实施例中，通过结合知识图谱(即实体与属性的对应关系)，分析知识服务资源的本体建模层次结构(即分层递阶结构)，对于不同的类型数据模型，拟采用多元组方式进行存储。以及利用层次概念网络来建立资源模型到数据结构模型的映射，实现资源的动态加入与退出、扩展与更新，屏蔽异构、实现资源实时动态更新和柔性存储，更好地支撑上层应用的开发，提高存储效率和资源利用率。
为便于更好的实施本申请方法，本申请实施例还提供资源处理装置20。
请参阅图2，图2为本申请资源处理装置20的一种结构示意图，其中该资源处理装置20具体可包括如下结构：
收发模块201，用于获取待处理的第一资源集合，所述第一资源集合包括多个知识服务资源，所述多个知识服务资源至少包括一个异构知识服务资源；
处理模块202，用于对所述第一资源集合中的各知识服务资源进行分类，得到多个第二资源集合；获取各第二资源集合中各知识服务资源的实体概念模型，所述实体概念模型包括知识服务资源实体与知识服务资源属性之间的对应关系；分别将各所述第二资源集合映射到预设数据结构模型，得到与多个第二资源集合对应的分层递阶结构；所述分层递阶结构中的知识服务资源采用多元组方式存储；
所述收发模块201还用于从客户端接收用户的查询消息，所述查询消息携带关键词；
所述处理模块202还用于若匹配到与所述关键词关联的目标知识服务资源实体，则以目标知识服务资源实体与知识服务资源属性之间的对应关系为索引，在所述分层递阶结构中进行遍历，得到目标知识服务资源；通过所述收发模块201向所述客户端发送所述目标知识服务资源。
一种实施例中，所述处理模块202具体用于：
设计概念空间模型；
由基于本体概念相似度的模糊等价关系对各第二资源集合进行域的粒度划分，得到第三资源集合；
以本体属性为约束条件对所述第三资源集合进行子空间的粒度划分，得到所述分层递阶结构，所述分层递阶结构用于描述知识服务资源粒度间的层次结构关系。
一种实施例中，所述处理模块202还用于：
基于超网络的用户兴趣预测，用户在未来时间内感兴趣的知识服务资源；
基于兴趣点之间的语义距离，借鉴热传导理论研究兴趣扩散机制，挖掘包含用户的潜在兴趣的知识服务资源；
基于社交网络和兴趣网络对用户兴趣进行演化，得到用户的新兴趣点和兴趣度变化数据。
一种实施例中，所述处理模块202还用于：
挖掘的用户时空兴趣特征；
分析面向出版行业多个领域下多角色用户在不同时空特征下对知识服务资源的个性化需求；
确定用户兴趣和不同服务质量参数下不同服务链结构的服务质量的计算方式；
确定基于用户情境的成本约束下服务质量参数的优化方式。
本申请还提供了处理设备，参阅图3，图3示出了本申请处理设备的一种结构示意图，具体的，本申请提供的处理设备包括处理器，处理器用于执行存储器中存储的计算机程序时实现如图1对应的实施例的各步骤；或者，处理器用于执行存储器中存储的计算机程序时实现如图2对应实施例中各模块的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器中，并由处理器执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
处理设备可包括，但不仅限于处理器、存储器。本领域技术人员可以理解，示意仅仅是处理设备的示例，并不构成对处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如处理设备还可以包括输入输出设备、网络接入设备、总线等，处理器、存储器、输入输出设备以及网络接入设备等通过总线相连。
处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，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、分立硬件组件等。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，处理器是处理设备的控制中心，利用各种接口和线路连接整个处理设备的各个部分。
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据处理设备的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
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，上述描述的装置、处理设备及其相应模块的具体工作过程，可以参考本申请实施例中知识服务资源处理方法的说明，具体在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例中知识服务资源处理方法的步骤，具体操作可参考如图1对应的任意实施例的说明，在此不再赘述。
其中，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令，可以执行本申请实施例中知识服务资源处理方法的步骤，因此，可以实现本申请如图1对应的实施例所能实现的有益效果，详见前面的说明，在此不再赘述。
以上对本申请提供的一种知识服务资源处理方法、装置、处理设备及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种知识服务资源处理方法，其特征在于，所述方法包括：
获取待处理的第一资源集合，所述第一资源集合包括多个知识服务资源，所述多个知识服务资源至少包括一个异构知识服务资源；
对所述第一资源集合中的各知识服务资源进行分类，得到多个第二资源集合；
获取各第二资源集合中各知识服务资源的实体概念模型，所述实体概念模型包括知识服务资源实体与知识服务资源属性之间的对应关系；
分别将各所述第二资源集合映射到预设数据结构模型，得到与多个第二资源集合对应的分层递阶结构；所述分层递阶结构中的知识服务资源采用多元组方式存储；
从客户端接收用户的查询消息，所述查询消息携带关键词；
若匹配到与所述关键词关联的目标知识服务资源实体，则以目标知识服务资源实体与知识服务资源属性之间的对应关系为索引，在所述分层递阶结构中进行遍历，得到目标知识服务资源；
向所述客户端发送所述目标知识服务资源。
2.根据权利要求1所述的方法，其特征在于，所述分别将各所述第二资源集合映射到预设数据结构模型，得到与多个第二资源集合对应的分层递阶结构，包括：
设计概念空间模型；
由基于本体概念相似度的模糊等价关系对各第二资源集合进行域的粒度划分，得到第三资源集合；
以本体属性为约束条件对所述第三资源集合进行子空间的粒度划分，得到所述分层递阶结构，所述分层递阶结构用于描述知识服务资源粒度间的层次结构关系。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
基于超网络的用户兴趣预测，用户在未来时间内感兴趣的知识服务资源；
基于兴趣点之间的语义距离，借鉴热传导理论研究兴趣扩散机制，挖掘包含用户的潜在兴趣的知识服务资源；
基于社交网络和兴趣网络对用户兴趣进行演化，得到用户的新兴趣点和兴趣度变化数据。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
挖掘的用户时空兴趣特征；
分析面向出版行业多个领域下多角色用户在不同时空特征下对知识服务资源的个性化需求；
确定用户兴趣和不同服务质量参数下不同服务链结构的服务质量的计算方式；
确定基于用户情境的成本约束下服务质量参数的优化方式。
5.一种资源处理装置，其特征在于，所述资源处理装置包括：
收发模块，用于获取待处理的第一资源集合，所述第一资源集合包括多个知识服务资源，所述多个知识服务资源至少包括一个异构知识服务资源；
处理模块，用于对所述第一资源集合中的各知识服务资源进行分类，得到多个第二资源集合；获取各第二资源集合中各知识服务资源的实体概念模型，所述实体概念模型包括知识服务资源实体与知识服务资源属性之间的对应关系；分别将各所述第二资源集合映射到预设数据结构模型，得到与多个第二资源集合对应的分层递阶结构；所述分层递阶结构中的知识服务资源采用多元组方式存储；
所述收发模块还用于从客户端接收用户的查询消息，所述查询消息携带关键词；
所述处理模块还用于若匹配到与所述关键词关联的目标知识服务资源实体，则以目标知识服务资源实体与知识服务资源属性之间的对应关系为索引，在所述分层递阶结构中进行遍历，得到目标知识服务资源；通过所述收发模块向所述客户端发送所述目标知识服务资源。
6.根据权利要求5所述的装置，其特征在于，所述处理模块具体用于：
设计概念空间模型；
由基于本体概念相似度的模糊等价关系对各第二资源集合进行域的粒度划分，得到第三资源集合；
以本体属性为约束条件对所述第三资源集合进行子空间的粒度划分，得到所述分层递阶结构，所述分层递阶结构用于描述知识服务资源粒度间的层次结构关系。
7.根据权利要求5或6所述的装置，其特征在于，所述处理模块还用于：
基于超网络的用户兴趣预测，用户在未来时间内感兴趣的知识服务资源；
基于兴趣点之间的语义距离，借鉴热传导理论研究兴趣扩散机制，挖掘包含用户的潜在兴趣的知识服务资源；
基于社交网络和兴趣网络对用户兴趣进行演化，得到用户的新兴趣点和兴趣度变化数据。
8.根据权利要求7所述的装置，其特征在于，所述处理模块还用于：
挖掘的用户时空兴趣特征；
分析面向出版行业多个领域下多角色用户在不同时空特征下对知识服务资源的个性化需求；
确定用户兴趣和不同服务质量参数下不同服务链结构的服务质量的计算方式；
确定基于用户情境的成本约束下服务质量参数的优化方式。
9.一种处理设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行如权利要求1至6任一项所述的方法。
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存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110679470.5A CN113568998A (zh) | 2021-06-18 | 2021-06-18 | 一种知识服务资源处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110679470.5A CN113568998A (zh) | 2021-06-18 | 2021-06-18 | 一种知识服务资源处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113568998A true CN113568998A (zh) | 2021-10-29 |
Family
ID=78162280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110679470.5A Pending CN113568998A (zh) | 2021-06-18 | 2021-06-18 | 一种知识服务资源处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113568998A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519131A (zh) * | 2021-12-29 | 2022-05-20 | 航天科工网络信息发展有限公司 | 一种面向异构资源的知识融合处理方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017076263A1 (zh) * | 2015-11-03 | 2017-05-11 | 中兴通讯股份有限公司 | 融合知识库处理方法和装置及知识库管理***、存储介质 |
| CN107203388A (zh) * | 2017-06-14 | 2017-09-26 | 浙江工业大学 | 一种面向REST架构风格的Web服务快速开发方法 |
| CN109726296A (zh) * | 2018-12-27 | 2019-05-07 | 武汉理工数字传播工程有限公司 | 基于知识图谱的海量知识资源存储方法 |
| CN109800249A (zh) * | 2018-12-24 | 2019-05-24 | 北京航天智造科技发展有限公司 | 一种基于工业服务云平台用户行为感知的知识服务方法和*** |
| CN110704411A (zh) * | 2019-09-27 | 2020-01-17 | 京东方科技集团股份有限公司 | 适用于艺术领域的知识图谱搭建方法及装置、电子设备 |
| CN111444351A (zh) * | 2020-03-24 | 2020-07-24 | 清华苏州环境创新研究院 | 一种行业工艺领域知识图谱构建方法及装置 |
-
2021
- 2021-06-18 CN CN202110679470.5A patent/CN113568998A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017076263A1 (zh) * | 2015-11-03 | 2017-05-11 | 中兴通讯股份有限公司 | 融合知识库处理方法和装置及知识库管理***、存储介质 |
| CN107203388A (zh) * | 2017-06-14 | 2017-09-26 | 浙江工业大学 | 一种面向REST架构风格的Web服务快速开发方法 |
| CN109800249A (zh) * | 2018-12-24 | 2019-05-24 | 北京航天智造科技发展有限公司 | 一种基于工业服务云平台用户行为感知的知识服务方法和*** |
| CN109726296A (zh) * | 2018-12-27 | 2019-05-07 | 武汉理工数字传播工程有限公司 | 基于知识图谱的海量知识资源存储方法 |
| CN110704411A (zh) * | 2019-09-27 | 2020-01-17 | 京东方科技集团股份有限公司 | 适用于艺术领域的知识图谱搭建方法及装置、电子设备 |
| CN111444351A (zh) * | 2020-03-24 | 2020-07-24 | 清华苏州环境创新研究院 | 一种行业工艺领域知识图谱构建方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 齐小谦;张睿;司召峰;王炳翮;夏丛亮;: "基于知识图谱的直升机飞行指挥模型研究", 无线电工程, no. 01, pages 10 - 14 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519131A (zh) * | 2021-12-29 | 2022-05-20 | 航天科工网络信息发展有限公司 | 一种面向异构资源的知识融合处理方法和装置 |
| CN114519131B (zh) * | 2021-12-29 | 2023-07-25 | 航天科工网络信息发展有限公司 | 一种面向异构资源的知识融合处理方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gupta et al. | A study of big data evolution and research challenges | |
| Wang et al. | Towards felicitous decision making: An overview on challenges and trends of Big Data | |
| Power et al. | Decision support, analytics, and business intelligence | |
| WO2020228416A1 (zh) | 一种应答方法和装置 | |
| Tommasini et al. | Vocals: Vocabulary and catalog of linked streams | |
| Mohanty | Big data: An introduction | |
| Zhu et al. | Cyber-physical-social-thinking modeling and computing for geological information service system | |
| Jiang et al. | Application intelligent search and recommendation system based on speech recognition technology | |
| CN113569007B (zh) | 一种处理知识服务资源的方法、装置及存储介质 | |
| Murthy et al. | Evaluation and development of data mining tools for social network analysis | |
| Berko et al. | Information resources analysis system of dynamic integration semi-structured data in a web environment | |
| US11361031B2 (en) | Dynamic linguistic assessment and measurement | |
| CN113568998A (zh) | 一种知识服务资源处理方法、装置、设备及存储介质 | |
| Janev | Semantic intelligence in big data applications | |
| Kharb et al. | A contingent exploration on big data tools | |
| De Santo et al. | Interacting with linked data: A survey from the sigchi perspective | |
| Ramannavar et al. | A proposed contextual model for big data analysis using advanced analytics | |
| Al-Barhamtoshy et al. | A data analytic framework for unstructured text | |
| Jiang et al. | Method of Online Teaching Resource Recommendation Towards International Communication Based on. NET Platform | |
| Batista et al. | A system for multi-label classification of learning objects | |
| Haav | Linked data connections with emerging information technologies: A survey. | |
| Kalfoglou et al. | On interoperability of ontologies for web-based educational systems | |
| Baru | Data in the 21 st Century | |
| Merizig et al. | An Extended Data as a Service Description Model for Ensuring Cloud Platform Portability | |
| Akerkar et al. | Analytics and big data |
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 |