CN116502716A - 一种知识图谱的布局方法、装置、设备及介质 - Google Patents

一种知识图谱的布局方法、装置、设备及介质 Download PDF

Info

Publication number
CN116502716A
CN116502716A CN202310763025.6A CN202310763025A CN116502716A CN 116502716 A CN116502716 A CN 116502716A CN 202310763025 A CN202310763025 A CN 202310763025A CN 116502716 A CN116502716 A CN 116502716A
Authority
CN
China
Prior art keywords
node
knowledge graph
target node
force
connection
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.)
Granted
Application number
CN202310763025.6A
Other languages
English (en)
Other versions
CN116502716B (zh
Inventor
周虹
康健梓
陈小军
李俊杰
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN202310763025.6A priority Critical patent/CN116502716B/zh
Publication of CN116502716A publication Critical patent/CN116502716A/zh
Application granted granted Critical
Publication of CN116502716B publication Critical patent/CN116502716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • G06N5/022Knowledge engineering; Knowledge acquisition
    • G06N5/025Extracting rules from data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • G06N5/027Frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Document Processing Apparatus (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
  • Image Generation (AREA)

Abstract

本申请适用于知识图谱技术领域,提供一种知识图谱的布局方法、装置、设备及介质。方法包括:获取已构建的知识图谱;根据知识图谱中各个节点的标签类型,得到每个节点受到的同吸异排力;其中,任意一个目标节点受到的同吸异排力等于目标节点周边预设范围内的每个节点对目标节点施加的吸引力或排斥力的合力,目标节点周边预设范围内的每个与目标节点的标签类型相同的节点对目标节点施加的力为吸引力,目标节点周边预设范围内的每个与目标节点的标签类型不同的节点对目标节点施加的力为排斥力;对各个节点施加同吸异排力,得到布局后的知识图谱。本申请对各个节点施加同吸异排力,令标签类型相同各个节点的分布较为聚集,提高了知识图谱的可读性。

Description

一种知识图谱的布局方法、装置、设备及介质
技术领域
本申请属于知识图谱技术领域,尤其涉及一种知识图谱的布局方法、装置、设备及介质。
背景技术
在传统的知识图谱的布局方法中,通常通过确定知识图谱具有的各个节点之间的多体力和具有关系的节点之间的连接力,再对知识图谱中的施加多体力和连接力,得到布局后的知识图谱。可以看出,传统的知识图谱的布局方法没有考虑到各个节点的标签之间的关系,因此得到的知识图谱中标签类型相同的各个节点的分布较为分散,进而降低了知识图谱的可读性。
发明内容
有鉴于此,本申请实施例提供了一种知识图谱的布局方法、装置、设备及介质,以解决现有的知识图谱的可读性较低的技术问题。
第一方面,本申请实施例提供一种知识图谱的布局方法,包括:
获取已构建的知识图谱;
根据所述知识图谱中各个节点的标签类型,计算得到所述知识图谱中每个节点受到的同吸异排力;其中,所述知识图谱的任意一个目标节点受到的同吸异排力等于所述目标节点周边预设范围内的每个节点对所述目标节点施加的吸引力或排斥力的合力,所述目标节点周边预设范围内的每个与所述目标节点的标签类型相同的节点对所述目标节点施加的力为吸引力,所述目标节点周边预设范围内的每个与所述目标节点的标签类型不同的节点对所述目标节点施加的力为排斥力;
对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱。
可选的,所述目标节点受到的同吸异排力通过以下方式计算:
确定处于所述目标节点周边预设范围内的每个节点;
根据所述目标节点的标签类型、处于所述目标节点周边预设范围内的每个节点的标签类型、所述目标节点周边预设范围的半径、所述知识图谱具有的节点数量、所述目标节点与处于所述目标节点周边预设范围内的每个节点之间的距离,计算得到所述目标节点受到的同吸异排力。
可选的,在获取已构建的知识图谱之后,还包括:
根据所述知识图谱中各个节点的连接关系具有的标签类型,计算得到所述知识图谱中每个节点受到的总连接标签力;其中,所述目标节点受到的总连接标签力等于所述目标节点的所有连接关系对所述目标节点施加的连接标签力的合力,所述目标节点的任一连接关系对所述目标节点施加的连接标签力根据所述目标节点的所有连接关系中与所述任一连接关系的标签类型相同的连接关系的数量确定;
所述对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱,包括:
对所述知识图谱的各个节点施加所述同吸异排力和所述总连接标签力,得到布局后的所述知识图谱。
可选的,所述任一连接关系对所述目标节点施加的连接标签力通过以下方式计算:
确定所述目标节点的所有连接关系中与所述任一连接关系的标签类型相同的连接关系的数量对应的数量排名;
根据所述数量排名、所述知识图谱具有的连接关系数量和节点数量,计算得到所述任一连接关系对所述目标节点施加的连接标签力;其中,若所述数量排名越靠前,则所述任一连接关系对所述目标节点施加的连接标签力越大。
可选的,在获取已构建的知识图谱之后,还包括:
根据所述知识图谱中各个节点具有的度的大小,计算得到所述知识图谱中每个节点受到的总节点度力;其中,所述目标节点受到的节点度力等于所述目标节点的所有连接关系对所述目标节点施加的节点度力的合力,所述目标节点的任一连接关系对所述目标节点施加的节点度力根据所述任一连接关系的两端节点具有的连接关系数量确定;
所述对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱,包括:
对所述知识图谱的各个节点施加所述同吸异排力和所述总节点度力,得到布局后的所述知识图谱。
可选的,所述任一连接关系对所述目标节点施加的节点度力通过以下方式计算:
获取所述任一连接关系的两端节点分别具有的第一度值和第二度值,以及所述知识图谱中度值最大的节点具有的第三度值;
根据所述第一度值、所述第二度值和所述第三度值,计算得到所述任一连接关系对所述目标节点施加的节点度力。
可选的,在获取已构建的知识图谱之后,还包括:
使用力导向布局方法,计算得到所述知识图谱中所有节点之间的多体力和具有关系的节点之间的连接力;
所述对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱,包括:
对所述知识图谱的各个节点施加所述多体力、所述连接力和所述同吸异排力,得到布局后的所述知识图谱。
第二方面,本申请实施例提供一种知识图谱的布局装置,包括:
获取单元,用于获取已构建的知识图谱;
第一计算单元,用于根据所述知识图谱中各个节点的标签类型,计算得到所述知识图谱中每个节点受到的同吸异排力;其中,所述知识图谱的任意一个目标节点受到的同吸异排力等于所述目标节点周边预设范围内的每个节点对所述目标节点施加的吸引力或排斥力的合力,所述目标节点周边预设范围内的每个与所述目标节点的标签类型相同的节点对所述目标节点施加的力为吸引力,所述目标节点周边预设范围内的每个与所述目标节点的标签类型不同的节点对所述目标节点施加的力为排斥力;
得到单元,用于对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱。
第三方面,本申请实施例提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面任一项所述知识图谱的布局方法中的各步骤。
第四方面,本申请实施例提供一种计算机可读存储介质所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面任一项所述的知识图谱的布局方法中的各步骤。
第五方面,本申请实施例提供一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行如上述第一方面任一项所述的知识图谱的布局方法中的各步骤。
本申请实施例提供的知识图谱的布局方法的方法、装置、设备及介质具有以下有益效果:
本申请实施例提供的知识图谱的布局方法,通过获取已构建的知识图谱,再根据知识图谱中各个节点的标签类型,计算得到知识图谱中每个节点受到的同吸异排力;其中,知识图谱的任意一个目标节点受到的同吸异排力等于目标节点周边预设范围内的每个节点对目标节点施加的吸引力或排斥力的合力,目标节点周边预设范围内的每个与目标节点的标签类型相同的节点对目标节点施加的力为吸引力,目标节点周边预设范围内的每个与目标节点的标签类型不同的节点对目标节点施加的力为排斥力;最后对知识图谱的各个节点施加同吸异排力,得到布局后的知识图谱。采用本申请实施例提供的知识图谱的布局方法,通过计算每个节点受到的同吸异排力,并对各个节点施加该同吸异排力,可以令在周边预设范围内的标签类型相同的各个节点相互吸引,并可以令在周边预设范围内的标签类型不同的各个节点相互排斥,进而可以使得标签类型相同各个节点的分布较为聚集,因此提高了知识图谱的可读性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术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性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种知识图谱的布局方法的实现流程图;
图2为本申请实施例提供的一种已构建的知识图谱的示意图;
图3为本申请实施例提供的一种计算得到目标节点受到的同吸异排力的流程示意图;
图4为本申请实施例提供的一种得到布局后的知识图谱的示意图;
图5为本申请实施例提供的一种计算得到任一连接关系对目标节点施加的连接标签力的流程示意图;
图6为本申请另一实施例提供的一种得到布局后的知识图谱的示意图;
图7为本申请实施例提供的一种计算得到任一连接关系对目标节点施加的节点度力的流程示意图;
图8为本申请另一实施例提供的一种已构建的知识图谱的示意图;
图9为本申请又一实施例提供的一种得到布局后的知识图谱的示意图;
图10为本申请实施例提供的通过传统的知识图谱的布局方法得到的布局后的知识图谱的示意图;
图11为本申请实施例提供的一种对各个节点施加多体力、连接力、同吸异排力、总连接标签力以及总节点度力以得到布局后的知识图谱的示意图;
图12为本申请实施例提供的另一种对各个节点施加多体力、连接力、同吸异排力、总连接标签力以及总节点度力以得到布局后的知识图谱的示意图;
图13为本申请实施例提供的一种知识图谱的布局装置的结构示意图;
图14为本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
需要说明的是,本申请实施例使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。在本申请实施例的描述中,除非另有说明,“多个”是指两个或多于两个,“至少一个”、“一个或多个”是指一个、两个或两个以上。术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”特征可以明示或者隐含地包括一个或者更多个该特征。
在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的一种知识图谱的布局方法的执行主体可以为终端设备。终端设备可以包括于手机、平板电脑、笔记本电脑及台式电脑等电子设备。
本申请实施例提供的一种知识图谱的布局方法可以应用于对未进行布局的知识图谱进行布局,以得到可读性较好的布局后的知识图谱。具体的,当用户想要对目标知识图谱进行布局时,用户可以通过终端设备执行本申请实施例提供的一种知识图谱的布局方法的各个步骤,从而能够得到可读性较好的布局后的知识图谱。
请参阅图1,图1为本申请实施例提供的一种知识图谱的布局方法的实现流程图,该知识图谱的布局方法可以包括S101~S103,详述如下:
在S101中,获取已构建的知识图谱。
在本申请实施例中,当用户想要得到布局后的知识图谱时,可以将已构建的知识图谱输入至终端设备中,以令终端设备获取到已构建的知识图谱。其中,上述已构建的知识图谱可以是未进行布局的知识图谱。
已构建的知识图谱上可以包括若干个节点,每个节点可以对应一个标签类型,两个有关系的节点之间可以包括一条连接线。其中,两个节点的标签类型可以相同也可以不同。标签类型可以描述该节点的属性,示例性的,在医疗领域的知识图谱中,节点的标签类型可以包括“疾病”、“药品”、“高频症状”、“中频症状”以及“低频症状”等,名称为“新生儿窒息”的节点的标签类型可以为“疾病”,名称为“盐酸洛贝林注射”的节点和名称为“细胞色素c注射”的节点的标签类型可以为“药品”,由于名称为“盐酸洛贝林”的节点和名称为“细胞色素c”的节点的标签类型都为“药品”,则名称为“盐酸洛贝林”的节点和名称为“细胞色素c”的节点具有相同的标签类型,由于名称为“新生儿窒息”的节点的标签类型为“疾病”,而名称为“盐酸洛贝林”的节点的标签类型为“药品”,则名称为“新生儿窒息”的节点和名称为“盐酸洛贝林”的节点具有不同的标签类型。其中,各个节点的标签类型可以通过终端设备根据该节点的内容自动生成,也可以通过人为设置。
示例性的,请参阅图2,图2为本申请实施例提供的一种已构建的知识图谱的示意图。如图2所示,该知识图谱可以包括若干个节点,两个有关系的节点之间可以包括一条连接线,每一个节点对应一个标签类型,在图2中,不同图案的节点可以表示该不同图案的节点具有不同的标签类型,相同图案的节点可以表示该相同图案的节点具有相同的标签类型,示例性的,节点a、节点b、节点c以及节点d具有相同的标签类型,同理,节点e、节点i以及节点j具有相同的标签类型,节点k、节点l以及节点h具有相同的标签类型,节点g和节点m具有相同的标签类型,节点a与除了节点b、节点c以及节点d以外的各个节点具有不同的标签类型,以此类推。
在S102中,根据知识图谱中各个节点的标签类型,计算得到知识图谱中每个节点受到的同吸异排力。
其中,知识图谱的任意一个目标节点受到的同吸异排力等于目标节点周边预设范围内的每个节点对目标节点施加的吸引力或排斥力的合力,目标节点周边预设范围内的每个与目标节点的标签类型相同的节点对目标节点施加的力为吸引力,目标节点周边预设范围内的每个与目标节点的标签类型不同的节点对目标节点施加的力为排斥力。示例性的,如图2所示,节点a受到的同吸异排力可以为节点b、节点c以及节点d向其施加的吸引力以及节点e、节点f、节点g、节点h、节点i、节点j、节点k、节点l以及节点m向其施加的排斥力的合力。
在本申请实施例中,终端设备在获取已构建的知识图谱后,可以根据该知识图谱中各个节点的标签类型,计算得到该知识图谱中每个节点受到的同吸异排力。具体的,可以分别将该知识图谱中的每个节点作为目标节点,在每将一个节点作为目标节点后,计算得到目标节点受到的同吸异排力,进而可以得到该知识图谱中每个节点受到的同吸异排力。
示例性的,用户可以预先输入第一预设程序至终端设备中,终端设备可以在获取到需要进行布局的知识图谱后,通过执行该预设程序计算得到知识图谱中每个节点受到的同吸异排力。其中,第一预设程序用于指示终端设备根据知识图谱中各个节点的标签类型,计算得到知识图谱中每个节点受到的同吸异排力。
在一种可能的实现方式中,可以通过如图3所示的S201~S202来计算得到目标节点受到的同吸异排力,图3为本申请实施例提供的一种计算得到目标节点受到的同吸异排力的流程示意图,详述如下:
在S201中,确定处于目标节点周边预设范围内的每个节点。
在本实现方式中,终端设备可以先确定该目标节点的周边预设范围,该目标节点受到在该周边预设范围内的所有节点对其施加的同吸异排力;其中,各个目标节点的周边预设范围可以根据实际应用设定,此处不作限定。
终端设备在确定了该目标节点的周边预设范围后,可以根据该目标节点的周边预设范围确定处于该目标节点的周边预设范围内的每个节点。
在S202中,根据目标节点的标签类型、处于目标节点周边预设范围内的每个节点的标签类型、目标节点周边预设范围的半径、目标节点与处于目标节点周边预设范围内的每个节点之间的距离,计算得到目标节点受到的同吸异排力。
在本实现方式中,终端设备在确定了该目标节点的周边预设范围后,还可以确定目标节点的周边预设范围的半径;终端设备在确定处于该目标节点的周边预设范围内的每个节点后,还可以确定处于目标节点周边预设范围内的每个节点的标签类型,并可以确定目标节点与处于目标节点周边预设范围内的每个节点之间的距离,之后,终端设备可以根据目标节点的标签类型、处于目标节点周边预设范围内的每个节点的标签类型、目标节点周边预设范围的半径、知识图谱具有的节点数量、目标节点与处于目标节点周边预设范围内的每个节点之间的距离,计算得到目标节点受到的同吸异排力。
具体的,可以通过以下公式计算得到目标节点受到的同吸异排力:
其中,是节点/>受到附近节点/>的吸引力或者排斥力。/>是节点/>受到同吸异排力的合力。/>表示/>是节点/>的标签。/>是节点/>附近结点集合。/>是节点/>与节点/>的距离。/>是目标节点周边预设范围的半径。正负符号表示吸引力或排斥力。/>是知识图谱具有的节点数量。
可以看出,当目标节点与在该目标节点周边预设范围的半径内的任意节点的标签类型相同时,该任意节点对该目标节点施加的同吸异排力为吸引力,当目标节点与在该目标节点周边预设范围的半径内的任意节点的标签类型不同时,该任意节点对该目标节点施加的同吸异排力为排斥力。而该任意节点对该目标节点施加的同吸异排力的数值与目标节点周边预设范围的半径、目标节点与该任意节点的距离以及知识图谱具有的节点数量有关。
目标节点受到的同吸异排力等于该目标节点周边预设范围的半径内的各个节点对该目标节点施加的同吸异排力之和。
可以将知识图谱上的各个节点分别作为目标节点,进而计算得到各个节点作为目标节点时受到的同吸异排力,最终得到该知识图谱上的各个节点受到的同吸异排力。
在S103中,对知识图谱的各个节点施加同吸异排力,得到布局后的知识图谱。
在本申请实施例中,终端设备在计算得到知识图谱中每个节点受到的同吸异排力后,可以对知识图谱的各个节点施加同吸异排力,以令知识图谱的各个节点产生速度和位移,进而可以得到布局后的知识图谱。
示例性的,用户可以预先输入第二预设程序至终端设备中,终端设备可以在计算得到知识图谱中每个节点受到的同吸异排力后,通过执行该第二预设程序对知识图谱的各个节点施加同吸异排力,以得到布局后的知识图谱。其中,第二预设程序用于指示终端设备对知识图谱的各个节点施加同吸异排力,得到布局后的知识图谱。
具体的,终端设备可以预先给知识图谱上的各个节点设置一个预设质量,在一种可能的实现方式中,知识图谱上的各个节点的预设质量可以设置为相等,示例性的,知识图谱上的各个节点的预设质量可以均设置为1,以令各个节点在受到力后的速度和位移只与该节点受到的力有关,而与该节点的预设质量无关。
终端设备在计算得到知识图谱中每个节点受到的同吸异排力后,可以通过每个节点受到的同吸异排力以及每个节点的预设质量,计算得到每个节点在开始运动时刻与速度减为0的静止时刻之间每个时刻的速度,进而计算得到每个节点在开始运动时刻与速度减为0的静止时刻之间的位移,之后,终端设备可以根据每个节点在开始运动时刻的位置以及在开始运动时刻与速度减为0的静止时刻之间的位移确定每个节点的在速度减为0的静止时刻的位置,在确定了每个节点在速度减为0的静止时刻的位置之后,则可以将速度减为0的静止时刻的知识图谱确定为布局后的知识图谱。
请参阅图4,图4为本申请实施例提供的一种得到布局后的知识图谱的示意图。如图4所示,在对图2中的知识图谱中的各个节点施加同吸异排力后,可以得到如图4所示的布局后的知识图谱。通过对比图4和图2可以看出,通过对知识图谱的各个节点施加同吸异排力,可以令在周边预设范围内的标签类型相同的各个节点相互吸引,并可以令在周边预设范围内的标签类型不同的各个节点相互排斥,进而可以使得标签类型相同各个节点的分布较为聚集,因此提高了知识图谱的可读性。
以上可以看出,本申请实施例提供的知识图谱的布局方法,通过获取已构建的知识图谱,再根据知识图谱中各个节点的标签类型,计算得到知识图谱中每个节点受到的同吸异排力;其中,知识图谱的任意一个目标节点受到的同吸异排力等于目标节点周边预设范围内的每个节点对目标节点施加的吸引力或排斥力的合力,目标节点周边预设范围内的每个与目标节点的标签类型相同的节点对目标节点施加的力为吸引力,目标节点周边预设范围内的每个与目标节点的标签类型不同的节点对目标节点施加的力为排斥力;最后对知识图谱的各个节点施加同吸异排力,得到布局后的知识图谱。采用本申请实施例提供的知识图谱的布局方法,通过得到每个节点受到的同吸异排力,并对各个节点施加该同吸异排力,可以令在周边预设范围内的标签类型相同的各个节点相互吸引,并可以令在周边预设范围内的标签类型不同的各个节点相互排斥,进而可以使得标签类型相同各个节点的分布较为聚集,因此提高了知识图谱的可读性。
在本申请实施例中,在S101之后,可以还包括步骤A,详述如下:
在步骤A中,根据知识图谱中各个节点的连接关系具有的标签类型,计算得到知识图谱中每个节点受到的总连接标签力。
其中,目标节点受到的总连接标签力等于目标节点的所有连接关系对目标节点施加的连接标签力的合力,目标节点的任一连接关系对目标节点施加的连接标签力根据目标节点的所有连接关系中与任一连接关系的标签类型相同的连接关系的数量确定。
在本申请实施例中,终端设备在获取已构建的知识图谱后,还可以根据知识图谱中各个节点的连接关系具有的标签类型,计算得到知识图谱中每个节点受到的总连接标签力。具体的,可以分别将该知识图谱中的每个节点作为目标节点,在每将一个节点作为目标节点后,计算得到目标节点受到的总连接标签力,进而可以得到该知识图谱中每个节点受到的总连接标签力。
需要说明的是,终端设备计算知识图谱中每个节点受到的总连接标签力的具体实现方式可以参阅S102对应的实施例,此处不再赘述。
基于此,终端设备可以对知识图谱的各个节点施加同吸异排力和总连接标签力,进而得到布局后的知识图谱。
需要说明的是,终端设备还可以只对知识图谱的各个节点施加总连接标签力,进而得到布局后的知识图谱。
在一种可能的实现方式中,可以通过如图5所示的S301~S302计算得到任一连接关系对目标节点施加的连接标签力,图5为本申请实施例提供的一种计算得到任一连接关系对目标节点施加的连接标签力的流程示意图,详述如下:
在S301中,确定目标节点的所有连接关系中与任一连接关系的标签类型相同的连接关系的数量对应的数量排名。
在本实现方式中,若知识图谱上的目标节点与任一其他节点之间存在连接线,则可以认为该目标节点与该任一其他节点之间存在连接关系,如图2所示,目标节点f与图2中的各个其他节点均存在连接关系,任一连接关系均可以对目标节点f施加连接标签力。而任一连接关系对目标节点f施加的连接标签力的大小与该连接关系的标签类型相同的连接关系的数量有关,具体的,任一连接关系对目标节点f施加的连接标签力的大小与该连接关系的标签类型相同的连接关系的数量对应的数量排名有关。
示例性的,请参阅图2,图2中的节点a、节点b、节点c以及节点d具有相同的标签类型,节点e、节点i以及节点j具有相同的标签类型,节点g与节点m具有相同的标签类型,节点h、节点k以及节点l具有相同的标签类型,每个连接关系也对应一个标签类型,若两个节点具有相同的标签类型,则该两个节点与目标节点之间的两个连接关系也具有相同的标签类型,因此,节点a与目标节点f的连接关系、节点b与目标节点f的连接关系、节点c与目标节点f的连接关系以及节点d与目标节点f的连接关系的标签类型均相同,以此类推,节点e与目标节点f的连接关系、节点i与目标节点f的连接关系以及节点j与目标节点f的连接关系的标签类型均相同,节点g与目标节点f的连接关系以及节点m与目标节点f的连接关系的标签类型均相同,节点h与目标节点f的连接关系、节点k与目标节点f的连接关系以及节点l与目标节点f的连接关系均相同。基于以上,与节点a与目标节点f的连接关系的标签类型相同的连接关系有:节点b与目标节点f的连接关系、节点c与目标节点f的连接关系以及节点d与目标节点f的连接关系,因此,与节点a与目标节点f的连接关系的标签类型相同的连接关系的数量为3,以此类推,与节点b与目标节点f的连接关系的标签类型相同的连接关系的数量为3,与节点c与目标节点f的连接关系的标签类型相同的连接关系的数量为3,与节点d与目标节点f的连接关系的标签类型相同的连接关系的数量为3;与节点e与目标节点f的连接关系的标签类型相同的连接关系的数量为2,与节点i与目标节点f的连接关系的标签类型相同的连接关系的数量为2,与节点j与目标节点f的连接关系的标签类型相同的连接关系的数量为2;与节点g与目标节点f的连接关系的标签类型相同的连接关系的数量为1,与节点m与目标节点f的连接关系的标签类型相同的连接关系的数量为1;与节点h与目标节点f的连接关系的标签类型相同的连接关系的数量为2,与节点k与目标节点f的连接关系的标签类型相同的连接关系的数量为2,与节点l与目标节点f的连接关系的标签类型相同的连接关系的数量为2。由于3>2=2>1,因此,节点a、b、c和d与目标节点f的连接关系对应的数量排名均为1,节点e、i和j与目标节点f的连接关系对应的数量排名均为2,节点h、k和l与目标节点f的连接关系对应的数量排名均为2,节点g和节点m与目标节点f的连接关系对应的数量排名均为3。
在S302中,根据数量排名、知识图谱具有的连接关系数量和节点数量,计算得到任一连接关系对目标节点施加的连接标签力。
其中,若连接关系对应的数量排名越靠前,则该连接关系对目标节点施加的连接标签力越大。
在本实现方式中,终端设备在确定目标节点的所有连接关系中与任一连接关系的标签类型相同的连接关系的数量对应的数量排名后,还可以确定知识图谱具有的连接关系数量和节点数量,之后,终端设备可以根据数量排名、知识图谱具有的连接关系数量和节点数量,计算得到任一连接关系对目标节点施加的连接标签力。
具体的,可以通过以下公式计算得到任一连接关系对目标节点施加的连接标签力:
其中是目标节点受到的连接关系/>带来的连接标签力。/>代表连接关系/>对应的数量排名。/>,/>分别是知识图谱具有的连接关系数量和节点数量。
示例性的,当需要计算节点a与目标节点f的连接关系对目标节点f施加的连接标签力时,由于节点a与目标节点f的连接关系对应的数量排名为1,则可以通过上述公式中的进行运算,则可以计算得到节点a与目标节点f的连接关系对目标节点f施加的连接标签力,以此类推,可以计算得到各个节点与目标节点f的连接关系对目标节点施加的连接标签力。
在本实现方式中,终端设备在计算得到知识图谱中每个节点受到的总连接标签力后,可以对知识图谱的各个节点施加同吸异排力和总连接标签力,进而得到布局后的知识图谱,终端设备还可以只对知识图谱的各个节点施加总连接标签力,进而得到布局后的知识图谱。对知识图谱施加力的类型可以根据实际需求设置,此处不做限定。
需要说明的是,终端设备对知识图谱上的节点施加总连接标签力的具体实现方式可以参阅S103对应的实施例中,此处不再赘述。
由于总连接标签力是斥力,且总连接标签力会根据数量排名决定力的大小,且数量排名越靠前,则任一连接关系对目标节点施加的连接标签力越大,数量排名越靠后,则任一连接关系对目标节点施加的连接标签力越小,因此,总连接标签力可以令各个节点中标签类型相同的节点出现在同一个圆弧上,令知识图谱上的各个节点中标签类型不同的节点分布在不同的圆弧上,可以呈现出同心圆结构,实现了根据节点的标签类型对节点进行分层。请一并参阅图2和图6,节点a、节点b、节点c以及节点d具有相同标签类型,节点a、节点b、节点c以及节点d与目标节点f的连接关系对目标节点f施加的连接标签力均相同,因此可以认为节点a、节点b、节点c以及节点d对目标节点f施加了相同的排斥力,因此可以令节点a、节点b、节点c以及节点d出现在同一个圆弧(如图6所示),且由于节点a、节点b、节点c以及节点d对应的数量排名最靠前(数量排名为1),因此于节点a、节点b、节点c以及节点d对目标节点f施加的排斥力比该知识图谱上的其他节点对目标节点f施加的排斥力大,因此,节点a、节点b、节点c以及节点d出现在最外面的圆弧上(如图6所示)。以此类推,节点h、节点k、节点l、节点i、几点j以及节点e对应的数量排名相同,因此均对目标节点f施加了相同的排斥力,则节点h、节点k、节点l、节点i、几点j以及节点e出现在同一个圆弧(如图6所示),且节点h、节点k、节点l、节点i、几点j以及节点e对应的数量排名靠中间(数量排名为2),因此节点h、节点k、节点l、节点i、几点j以及节点e出现在最中间的圆弧上(如图6所示),同理得节点g和节点m出现在同一个圆弧,且出现在最里面的圆弧(如图6所示)。
请参阅图6,图6为本申请另一实施例提供的一种得到布局后的知识图谱的示意图。如图6所示,在对图2中的知识图谱中的各个节点施加总连接标签力后,可以得到如图6所示的布局后的知识图谱。通过对比图6和图2可以看出,通过对知识图谱的各个节点施加总连接标签力,可以令知识图谱上的各个节点中标签类型相同的节点分布在同一个圆弧上,并令知识图谱上的各个节点中标签类型不同的节点分布在不同的圆弧上,因此提高了知识图谱的可读性。
在本申请实施例中,在S101之后,可以还包括步骤B,详述如下:
在步骤B中,根据知识图谱中各个节点具有的度的大小,计算得到知识图谱中每个节点受到的总节点度力。
其中,目标节点受到的节点度力等于目标节点的所有连接关系对目标节点施加的节点度力的合力,目标节点的任一连接关系对目标节点施加的节点度力根据任一连接关系的两端节点具有的连接关系数量确定。
在本申请实施例中,终端设备在获取已构建的知识图谱后,还可以根据知识图谱中各个节点具有的度的大小,计算得到知识图谱中每个节点受到的总节点度力,其中,节点具有的度的大小等于该节点具有的连接关系的数量。具体的,可以分别将该知识图谱中的每个节点作为目标节点,在每将一个节点作为目标节点后,计算得到目标节点受到的总节点度力,进而可以得到该知识图谱中每个节点受到的总节点度力。
需要说明的是,终端设备计算知识图谱中每个节点受到的总节点度力的具体实现方式可以参阅S102对应的实施例,此处不再赘述。
基于此,终端设备可以对知识图谱的各个节点施加同吸异排力和总节点度力,进而得到布局后的知识图谱。
终端设备还可以只对知识图谱的各个节点施加总节点度力,进而得到布局后的知识图谱;终端设备还可以对知识图谱的各个节点施加总节点度力和总连接标签力,进而得到布局后的知识图谱;终端设备还可以对知识图谱的各个节点施加同吸异排力、总连接标签力以及总节点度力,进而得到布局后的知识图谱。
需要说明的是,终端设备对知识图谱上的节点施加总节点度力的具体实现方式可以参阅S103对应的实施例中,此处不再赘述。
在一种可能的实现方式中,可以通过如图7所示的S401~S402计算得到任一连接关系对目标节点施加的节点度力,图7为本申请实施例提供的一种计算得到任一连接关系对目标节点施加的节点度力的流程示意图,详述如下:
在S401中,获取任一连接关系的两端节点分别具有的第一度值和第二度值,以及知识图谱中度值最大的节点具有的第三度值。
其中,第一度值、第二度值以及第三度值分别为对应节点具有的连接关系的数量,即第一度值则为两端节点中其中一个节点具有的连接关系数量(第一连接关系数量),第二度值则为两端节点中其中的另一个节点具有的连接关系数量(第二连接关系数量),第三度值则为该知识图谱中具有连接关系数量最多的节点具有的连接关系数量(第三连接关系数量)。具体的,终端设备可以获取任一连接关系的两端节点分别具有的第一连接关系数量和第二连接关系数量以及知识图谱具有的连接关系数量最多的节点具有的第三连接关系数量。
在本实现方式中,图8为本申请另一实施例提供的一种已构建的知识图谱的示意图,目标节点可以为如图8所示的节点n,节点n上具有的连接关系可以包括节点n与如图8所示的节点o、节点p、节点q以及节点r。以目标节点为节点n,任一连接关系为节点n与节点o之间的连接关系为例,终端设备可以获取节点n与节点o之间的连接关系的两端节点分别具有的第一连接关系数量和第二连接关系数量,即节点n具有的第一连接关系数量和节点o具有的第二连接关系数量,终端设备还可以获取知识图谱具有的连接关系数量最多的节点具有的第三连接关系数量,示例性的,获取知识图谱具有的连接关系数量最多的节点可以为节点s(未图示),节点s具有的连接关系数量为第三连接关系数量。
在S402中,根据所述第一度值、所述第二度值和所述第三度值,计算得到所述任一连接关系对所述目标节点施加的节点度力。
在本实现方式中,终端设备在确定第一连接关系数量、第二连接关系数量以及第三连接关系数量后,可以根据第一连接关系数量、第二连接关系数量和第三连接关系数量,计算得到该任一连接关系对目标节点施加的节点度力。
具体的,可以通过以下公式计算得到任一连接关系对目标节点施加的节点度力:
其中是目标节点受到的任一连接关系带来的节点度力。/>、/>是第一连接关系数量、第二连接关系数量,/>是知识图谱具有的连接关系数量最多的节点具有的第三连接关系数量。
示例性的,当目标节点为节点n,且需要计算任一连接关系为节点n与节点o之间的连接关系对节点n施加的节点度力时,可以获取节点n具有的第一连接关系数量、节点o具有的第二连接关系数量以及知识图谱具有的连接关系数量最多的节点具有的第三连接关系数量,将第一连接关系数量、第二连接关系数量以及第三连接关系数量带入上述公式后,则可以得到该连接关系对节点n施加的节点度力,以此类推,分别计算节点n具有的各个连接关系对节点n施加的节点度力,进而可以计算得到节点n受到的总节点度力,再通过上述方法计算得到知识图谱上的各个节点受到的总节点度力,则可以得到知识图谱上每个节点受到的总节点度力。
由于总节点度力是吸引力,且总节点度力的大小根据两端节点的连接关系数量决定,因此,两端节点的连接关系数量越多,总节点度力越大,因此,总节点度力可以令具有连接关系数量较大的两个具有关系的节点更加靠近,进而可以让用户容易发现知识图谱中具有关系的两个关键节点。
请参阅图9,图9为本申请另一实施例提供的一种得到布局后的知识图谱的示意图。如图9所示,在对图8中的知识图谱中的各个节点施加总节点度力后,可以得到如图9所示的布局后的知识图谱。如图8所示,节点o和节点n为具有连接关系数量较大的两个节点,在对图8中的知识图谱中的各个节点施加总节点度力后,如图9所示,具有连接关系数量较大的节点o和节点n相比于其他节点相距更近,因此可以让用户容易发现知识图谱中具有关系的两个关键节点,进而提高了知识图谱的可读性。
在本申请实施例中,在S101之后,可以还包括步骤C,详述如下:
在步骤C中,使用力导向布局方法,计算得到知识图谱中所有节点之间的多体力和具有关系的节点之间的连接力。
在本申请实施例中,终端设备在获取已构建的知识图谱之后,可以使用力导向布局方法,计算得到知识图谱中所有节点之间的多体力和具有关系的节点之间的连接力。其中,所有节点之间的多体力可以为所有节点之间的斥力,具体的,知识图谱中任一节点均受到知识图谱中的其他节点对该任一节点施加的斥力;由于通过计算得到知识图谱中所有节点之间的多体力和具有关系的节点之间的连接力进行布局是传统的知识图谱的布局方法,此处不作赘述。
基于此,终端设备可以对各个节点施加多体力、连接力和同吸异排力,得到布局后的知识图谱。
需要说明的是,终端设备可以对各个节点施加本申请实施例提及的五种力(多体力、连接力、同吸异排力、总连接标签力以及总节点度力)中任意一种或多种的排列组合,进而得到布局后的知识图谱。示例性的,终端设备可以对各个节点施加多体力、连接力、同吸异排力、总连接标签力以及总节点度力以得到布局后的知识图谱,终端设备还可以对各个节点施加多体力、连接力、同吸异排力以及总节点度力以得到布局后的知识图谱,终端设备且可以对各个节点施加多体力、连接力、同吸异排力以及总连接标签力以得到布局后的知识图谱,依次类推。具体对各个节点施加的力的种类和数量可以根据实际需求设置,此处不作限定。
在一种优选的实现方式中,可以计算得到知识图谱上各个节点的多体力、连接力、同吸异排力、总连接标签力以及总节点度力,并对各个节点施加多体力、连接力、同吸异排力、总连接标签力以及总节点度力以得到布局后的知识图谱,进而可以最大地提高知识图谱的可读性。
在传统的知识图谱的布局方法中,通常只向知识图谱的各个节点施加多体力和连接力,请同时参阅图10和图11,图10为本申请实施例提供的通过传统的知识图谱的布局方法得到的布局后的知识图谱的示意图,图11为本申请实施例提供的一种对各个节点施加多体力、连接力、同吸异排力、总连接标签力以及总节点度力以得到布局后的知识图谱的示意图。
如图10和图11所示,各个节点上标注有该节点对应的名称,该节点的图案可以表示该节点的类型,若两个节点的图案相同,则这两个节点的标签类型相同。如名称为“新生儿窒息”的节点的标签类型可以为“疾病”,名称为“盐酸洛贝林”的节点和名称为“细胞色素c”的节点的标签类型可以为“药品”,名称为“呼吸困难”的节点、名称为“惊厥”的节点以及名称为“脑干损伤”的节点的标签类型可以为“中频症状”,名称为“面色青紫”的节点、名称为“心力衰竭”的节点以及名称为“呼吸抑制”的节点的标签类型可以为“高频症状”,名称为“草迷”的节点、名称为“初生不啼”的节点、名称为“梦生”的节点以及名称为“假死症”的节点的标签类型可以为“低频症状”。
如图10和图11所示,通过传统的知识图谱的布局方法(即只对各个节点施加多体力和连接力)并不能使得标签类型相同各个节点的分布较为聚集,也不能令知识图谱上的各个节点中标签类型相同的节点分布在同一个圆弧上,且不能令知识图谱上的各个节点中标签类型不同的节点分布在不同的圆弧上,因此可读性较低。而通过对各个节点施加多体力、连接力、同吸异排力、总连接标签力以及总节点度力之后,则可以使得标签类型相同各个节点的分布较为聚集,也可以令知识图谱上的各个节点中标签类型相同的节点分布在同一个圆弧上,且可以令知识图谱上的各个节点中标签类型不同的节点分布在不同的圆弧上。需要说明的是,图11仅可以看出同吸异排力和总连接标签力对应的技术效果,而总节点度力对应的技术效果可以如图12所示。
请参阅图12,图12为本申请实施例提供的另一种对各个节点施加多体力、连接力、同吸异排力、总连接标签力以及总节点度力以得到布局后的知识图谱的示意图。如12所示,图12左边的图为通过传统的知识图谱的布局方法(即只对各个节点施加多体力和连接力)得到的知识图谱,其并不能令具有连接关系数量较大的两个具有关系的节点更加靠近,图12右边的图对各个节点施加多体力、连接力、同吸异排力、总连接标签力以及总节点度力以得到布局后的知识图谱,可以看出其令具有连接关系数量较大(图中节点越大则表示具有连接关系数量越大)的两个具有关系的节点更加靠近。
基于上述实施例提供的知识图谱的布局方法,本申请实施例进一步给出实现上述方法实施例的知识图谱的布局装置,请参阅图13,图13为本申请实施例提供的一种知识图谱的布局装置的结构示意图。如图13所示,该知识图谱的布局装置130可以包括获取单元131、第一计算单元132以及得到单元133。其中:
获取单元131用于获取已构建的知识图谱。
第一计算单元132用于根据知识图谱中各个节点的标签类型,计算得到知识图谱中每个节点受到的同吸异排力;其中,知识图谱的任意一个目标节点受到的同吸异排力等于目标节点周边预设范围内的每个节点对目标节点施加的吸引力或排斥力的合力,目标节点周边预设范围内的每个与目标节点的标签类型相同的节点对目标节点施加的力为吸引力,目标节点周边预设范围内的每个与目标节点的标签类型不同的节点对目标节点施加的力为排斥力。
得到单元133用于对知识图谱的各个节点施加同吸异排力,得到布局后的知识图谱。
可选的,第一计算单元132具体用于确定处于目标节点周边预设范围内的每个节点;
根据目标节点的标签类型、处于目标节点周边预设范围内的每个节点的标签类型、目标节点周边预设范围的半径、知识图谱具有的节点数量、目标节点与处于目标节点周边预设范围内的每个节点之间的距离,计算得到目标节点受到的同吸异排力。
可选的,该知识图谱的布局装置130可以还包括第二计算单元,其中:
第二计算单元用于根据知识图谱中各个节点的连接关系具有的标签类型,计算得到知识图谱中每个节点受到的总连接标签力;其中,目标节点受到的总连接标签力等于目标节点的所有连接关系对目标节点施加的连接标签力的合力,目标节点的任一连接关系对目标节点施加的连接标签力根据目标节点的所有连接关系中与任一连接关系的标签类型相同的连接关系的数量确定。
得到单元133具体用于对知识图谱的各个节点施加同吸异排力和总连接标签力,得到布局后的知识图谱。
可选的,第二计算单元具体用于确定目标节点的所有连接关系中与任一连接关系的标签类型相同的连接关系的数量对应的数量排名;
根据数量排名、知识图谱具有的连接关系数量和节点数量,计算得到任一连接关系对目标节点施加的连接标签力;其中,若数量排名越靠前,则任一连接关系对目标节点施加的连接标签力越大。
可选的,该知识图谱的布局装置130可以还包括第三计算单元,其中:
第三计算单元用于根据知识图谱中各个节点具有的连接关系的数量,计算得到知识图谱中每个节点受到的总节点度力;其中,目标节点受到的节点度力等于目标节点的所有连接关系对目标节点施加的节点度力的合力,目标节点的任一连接关系对目标节点施加的节点度力根据任一连接关系的两端节点具有的连接关系数量确定;
得到单元133具体用于对知识图谱的各个节点施加同吸异排力和总节点度力,得到布局后的知识图谱。
第三计算单元具体用于获取所述任一连接关系的两端节点分别具有的第一度值和第二度值,以及所述知识图谱中度值最大的节点具有的第三度值;
根据所述第一度值、所述第二度值和所述第三度值,计算得到所述任一连接关系对所述目标节点施加的节点度力。
可选的,该知识图谱的布局装置130可以还包括第四计算单元,其中:
第四计算单元用于使用力导向布局方法,计算得到知识图谱中所有节点之间的多体力和具有关系的节点之间的连接力
得到单元133具体用于对知识图谱的各个节点施加多体力、连接力和同吸异排力,得到布局后的知识图谱。
需要说明的是,上述单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参照方法实施例部分,此处不再赘述。
请参阅图14,图14为本申请实施例提供的一种终端设备的结构示意图。如图14所示,本实施例提供的终端设备14可以包括:处理器140、存储器141以及存储在存储器141中并可在处理器140上运行的计算机程序142。例如知识图谱的布局方法对应的程序。处理器140执行计算机程序142时实现上述应用于知识图谱的布局方法实施例中的步骤,例如图1所示的S101~S103、图3所示的S201~S202、图5中的S301~ S302以及图7中的S401~ S402。或者,处理器140执行计算机程序142时实现上述终端设备14对应的实施例中各模块/单元的功能,例如图13所示的单元131~133的功能。
示例性的,计算机程序142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141中,并由处理器140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142在终端设备14中的执行过程。例如,计算机程序142可以被分割成获取单元131、第一计算单元132以及得到单元133,各单元的具体功能请参阅图13对应的实施例中的相关描述,此处不赘述。
本领域技术人员可以理解,图14仅仅是终端设备14的示例,并不构成对终端设备14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。
处理器140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。
存储器141可以是终端设备14的内部存储单元,例如终端设备14的硬盘或内存。存储器141也可以是终端设备14的外部存储设备,例如终端设备14上配备的插接式硬盘、智能存储卡(smart media card,SMC)、安全数字(secure digital,SD)卡或闪存卡(flashcard)等。进一步地,存储器141还可以既包括终端设备14的内部存储单元也包括外部存储设备。存储器141用于存储计算机程序以及终端设备所需的其他程序和数据。存储器141还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元完成,即将知识图谱的布局装置的内部结构划分成不同的功能单元,以完成以上描述的全部或者部分功能。实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,该计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备实现上述各个方法实施例中的步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参照其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。

Claims (10)

1.一种知识图谱的布局方法,其特征在于,包括:
获取已构建的知识图谱;
根据所述知识图谱中各个节点的标签类型,计算得到所述知识图谱中每个节点受到的同吸异排力;其中,所述知识图谱的任意一个目标节点受到的同吸异排力等于所述目标节点周边预设范围内的每个节点对所述目标节点施加的吸引力或排斥力的合力,所述目标节点周边预设范围内的每个与所述目标节点的标签类型相同的节点对所述目标节点施加的力为吸引力,所述目标节点周边预设范围内的每个与所述目标节点的标签类型不同的节点对所述目标节点施加的力为排斥力;
对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱。
2.根据权利要求1所述的布局方法,其特征在于,所述目标节点受到的同吸异排力通过以下方式计算:
确定处于所述目标节点周边预设范围内的每个节点;
根据所述目标节点的标签类型、处于所述目标节点周边预设范围内的每个节点的标签类型、所述目标节点周边预设范围的半径、所述知识图谱具有的节点数量、所述目标节点与处于所述目标节点周边预设范围内的每个节点之间的距离,计算得到所述目标节点受到的同吸异排力。
3.根据权利要求1所述的布局方法,其特征在于,在获取已构建的知识图谱之后,还包括:
根据所述知识图谱中各个节点的连接关系具有的标签类型,计算得到所述知识图谱中每个节点受到的总连接标签力;其中,所述目标节点受到的总连接标签力等于所述目标节点的所有连接关系对所述目标节点施加的连接标签力的合力,所述目标节点的任一连接关系对所述目标节点施加的连接标签力根据所述目标节点的所有连接关系中与所述任一连接关系的标签类型相同的连接关系的数量确定;
所述对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱,包括:
对所述知识图谱的各个节点施加所述同吸异排力和所述总连接标签力,得到布局后的所述知识图谱。
4.根据权利要求3所述的布局方法,其特征在于,所述任一连接关系对所述目标节点施加的连接标签力通过以下方式计算:
确定所述目标节点的所有连接关系中与所述任一连接关系的标签类型相同的连接关系的数量对应的数量排名;
根据所述数量排名、所述知识图谱具有的连接关系数量和节点数量,计算得到所述任一连接关系对所述目标节点施加的连接标签力;其中,若所述数量排名越靠前,则所述任一连接关系对所述目标节点施加的连接标签力越大。
5.根据权利要求1所述的布局方法,其特征在于,在获取已构建的知识图谱之后,还包括:
根据所述知识图谱中各个节点具有的度的大小,计算得到所述知识图谱中每个节点受到的总节点度力;其中,所述目标节点受到的节点度力等于所述目标节点的所有连接关系对所述目标节点施加的节点度力的合力,所述目标节点的任一连接关系对所述目标节点施加的节点度力根据所述任一连接关系的两端节点具有的连接关系数量确定;
所述对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱,包括:
对所述知识图谱的各个节点施加所述同吸异排力和所述总节点度力,得到布局后的所述知识图谱。
6.根据权利要求5所述的布局方法,其特征在于,所述任一连接关系对所述目标节点施加的节点度力通过以下方式计算:
获取所述任一连接关系的两端节点分别具有的第一度值和第二度值,以及所述知识图谱中度值最大的节点具有的第三度值;
根据所述第一度值、所述第二度值和所述第三度值,计算得到所述任一连接关系对所述目标节点施加的节点度力。
7.根据权利要求1所述的布局方法,其特征在于,在获取已构建的知识图谱之后,还包括:
使用力导向布局方法,计算得到所述知识图谱中所有节点之间的多体力和具有关系的节点之间的连接力;
所述对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱,包括:
对所述知识图谱的各个节点施加所述多体力、所述连接力和所述同吸异排力,得到布局后的所述知识图谱。
8.一种知识图谱的布局装置,其特征在于,包括:
获取单元,用于获取已构建的知识图谱;
第一计算单元,用于根据所述知识图谱中各个节点的标签类型,计算得到所述知识图谱中每个节点受到的同吸异排力;其中,所述知识图谱的任意一个目标节点受到的同吸异排力等于所述目标节点周边预设范围内的每个节点对所述目标节点施加的吸引力或排斥力的合力,所述目标节点周边预设范围内的每个与所述目标节点的标签类型相同的节点对所述目标节点施加的力为吸引力,所述目标节点周边预设范围内的每个与所述目标节点的标签类型不同的节点对所述目标节点施加的力为排斥力;
得到单元,用于对所述知识图谱的各个节点施加所述同吸异排力,得到布局后的所述知识图谱。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述知识图谱的布局方法中的各步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述知识图谱的布局方法中的各步骤。
CN202310763025.6A 2023-06-27 2023-06-27 一种知识图谱的布局方法、装置、设备及介质 Active CN116502716B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310763025.6A CN116502716B (zh) 2023-06-27 2023-06-27 一种知识图谱的布局方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310763025.6A CN116502716B (zh) 2023-06-27 2023-06-27 一种知识图谱的布局方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN116502716A true CN116502716A (zh) 2023-07-28
CN116502716B CN116502716B (zh) 2023-09-26

Family

ID=87325174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310763025.6A Active CN116502716B (zh) 2023-06-27 2023-06-27 一种知识图谱的布局方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116502716B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050108217A1 (en) * 2003-08-29 2005-05-19 Horst Werner Methods and systems for providing a visualization graph
US8805845B1 (en) * 2013-07-31 2014-08-12 LinedIn Corporation Framework for large-scale multi-label classification
US20180067996A1 (en) * 2016-07-12 2018-03-08 Autodesk, Inc. Automated graph layout using metadata
CN111897973A (zh) * 2020-08-10 2020-11-06 厦门渊亭信息科技有限公司 一种基于WebGL的海量节点知识图谱可视化布局方法及***
CN112989030A (zh) * 2021-03-15 2021-06-18 中国美术学院 一种相似产品关系的可视化方法和***
CN113254670A (zh) * 2021-06-16 2021-08-13 中国科学院自动化研究所 基于力导向的知识图谱可视化方法
CN114090838A (zh) * 2022-01-18 2022-02-25 杭州欧若数网科技有限公司 大数据可视化展示的方法、***、电子装置和存储介质
CN115630698A (zh) * 2022-12-08 2023-01-20 国家电网有限公司客户服务中心 基于力引导图的知识图谱可视化方法、装置及电子设备
CN116012161A (zh) * 2023-01-17 2023-04-25 支付宝(杭州)信息技术有限公司 一种用户群体的风险分析方法、装置及设备
CN116186274A (zh) * 2021-11-29 2023-05-30 上海交通大学 基于Android的知识图谱可视化***
CN116308375A (zh) * 2022-12-12 2023-06-23 支付宝(杭州)信息技术有限公司 数据处理方法、装置及设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050108217A1 (en) * 2003-08-29 2005-05-19 Horst Werner Methods and systems for providing a visualization graph
US8805845B1 (en) * 2013-07-31 2014-08-12 LinedIn Corporation Framework for large-scale multi-label classification
US20180067996A1 (en) * 2016-07-12 2018-03-08 Autodesk, Inc. Automated graph layout using metadata
CN111897973A (zh) * 2020-08-10 2020-11-06 厦门渊亭信息科技有限公司 一种基于WebGL的海量节点知识图谱可视化布局方法及***
CN112989030A (zh) * 2021-03-15 2021-06-18 中国美术学院 一种相似产品关系的可视化方法和***
CN113254670A (zh) * 2021-06-16 2021-08-13 中国科学院自动化研究所 基于力导向的知识图谱可视化方法
CN116186274A (zh) * 2021-11-29 2023-05-30 上海交通大学 基于Android的知识图谱可视化***
CN114090838A (zh) * 2022-01-18 2022-02-25 杭州欧若数网科技有限公司 大数据可视化展示的方法、***、电子装置和存储介质
CN115630698A (zh) * 2022-12-08 2023-01-20 国家电网有限公司客户服务中心 基于力引导图的知识图谱可视化方法、装置及电子设备
CN116308375A (zh) * 2022-12-12 2023-06-23 支付宝(杭州)信息技术有限公司 数据处理方法、装置及设备
CN116012161A (zh) * 2023-01-17 2023-04-25 支付宝(杭州)信息技术有限公司 一种用户群体的风险分析方法、装置及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JANEZ DEMŠAR等: "FreeViz—An intelligent multivariate visualization approach to explorative analysis of biomedical data", 《SCIENCEDIRECT》, pages 1 - 11 *

Also Published As

Publication number Publication date
CN116502716B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
US20210151180A1 (en) Systems and methods for managing regimen adherence
US11670415B2 (en) Data driven analysis, modeling, and semi-supervised machine learning for qualitative and quantitative determinations
Lin et al. A cloud-based framework for Home-diagnosis service over big medical data
Mabotuwana et al. An ontology-based similarity measure for biomedical data–Application to radiology reports
CN104376037A (zh) 用于对数据进行建模的***及方法
CN104537103A (zh) 数据处理方法和数据处理装置
US20230100772A1 (en) Training a knowledge graph alignment model based on predicted alignment probabilities and alignment difficulty degrees of entity pairs
Westra et al. Modeling flowsheet data to support secondary use
CN111785383B (zh) 数据处理方法及相关设备
CN102354350A (zh) 实现快速录入电子病历信息的方法
CN109741038A (zh) 基于区块链账户的token处理方法、计算机可读存储介质及电子设备
CN113130052A (zh) 医生推荐方法、医生推荐装置、终端设备及存储介质
WO2019067090A1 (en) ANONYMOUS RESEARCH TECHNIQUE OF MEDICAL PROVIDERS
Gu et al. Discovering and visualizing knowledge evolution of chronic disease research driven by emerging technologies
CN108492234A (zh) 健康宣教的方法、装置、终端和计算机可读存储介质
CN103606120A (zh) 基于模板的病程记录的录入装置及其录入方法
WO2022227171A1 (zh) 关键信息提取方法、装置、电子设备及介质
CN116502716B (zh) 一种知识图谱的布局方法、装置、设备及介质
Althagafi et al. Knowledge, attitude, and practice of antibiotics use among primary healthcare physicians, Ministry of Health, Jeddah
US10437351B2 (en) Method for detecting input device and detection device
CN105701330A (zh) 健康信息处理方法及***
Nguyen et al. A bibliometric analysis of technology in digital health: Exploring health metaverse and visualizing emerging healthcare management trends
CN111785343A (zh) 随访方法、装置、电子设备及存储介质
RU2624571C2 (ru) Виртуальный обход пациента с контекстно-ориентированной поддержкой клинического решения
JP2016218684A (ja) 医療処方提示システム及び方法

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
GR01 Patent grant
GR01 Patent grant