[發明專利]基于社交網絡知識圖譜的知識推理系統及方法

有效

• 申請號: 201710179112.1
• 申請日: 2017-03-23
• 公開（公告）號: CN107016072B
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 白云;閔圣捷;彭京;趙敬千;楊偉華;張仕洪;石葆梅;賀晨陽;李建;賴宇;姜淮韜;謝伯棟;楊春勇;周洋;肖青山;張銘東;楊軒
• 申請（專利權）人: 成都市公安科學技術研究所;中電科華云信息技術有限公司;成都市公安局;四川省公安廳;四川省公安科研中心
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06Q50/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 郭國中

本發明公開了一種基于社交網絡知識圖譜的知識推理系統及方法，該系統包括數據源模塊、多重圖網絡引擎模塊、知識圖譜發現模塊、分布式圖形數據庫模塊、核心子算法模塊，數據源模塊、知識圖譜發現模塊、分布式圖形數據庫模塊、核心子算法模塊都與多重圖網絡引擎模塊相連，分布式圖形數據庫模塊與核心子算法模塊相連。本發明能夠通過社交網絡的知識圖譜發現更多的社會關系，按需查找社交網絡的知識圖譜中的隱性關系，根據算法模型，對圖模型定期增量進行更新和獲得更具有創新與更準確的關系模型。

技術領域

本發明涉及一種知識推理系統及方法，特別是涉及一種基于社交網絡知識圖譜的知識推理系統及方法。

背景技術

目前的基于社交網絡知識圖譜的分析方法，通常的方法都是基于實體庫，屬性庫，關系庫三大基本數據源來進行多重圖網的分析，然后經過知識圖譜來發現其中的知識信息。由于實體庫，屬性庫，關系庫屬于基本的數據庫，雖然數據量龐大且種類豐富。正因量大類多，所以不能按需找出具體有用的圖形數據，很難產出高效有用的圖譜模型，且對應關系方法的分析準確率較低。實體庫，屬性庫，關系庫都是比較顯性的圖形數據，可以直接查詢出來一些通常的圖形數據，缺少很多創新型的圖形模式。很多隱性的圖形數據信息必須通過具體的算法來分析得出，往往這些隱性的圖形數據信息才是核心重要的信息。

發明內容

本發明所要解決的技術問題是提供一種基于社交網絡知識圖譜的知識推理系統及方法，其能夠通過社交網絡的知識圖譜發現更多的社會關系，按需查找社交網絡的知識圖譜中的隱性關系，根據算法模型，對圖模型定期增量進行更新和獲得更具有創新與更準確的關系模型。

本發明是通過下述技術方案來解決上述技術問題的：一種基于社交網絡知識圖譜的知識推理系統，其包括數據源模塊、多重圖網絡引擎模塊、知識圖譜發現模塊、分布式圖形數據庫模塊、核心子算法模塊，數據源模塊、知識圖譜發現模塊、分布式圖形數據庫模塊、核心子算法模塊都與多重圖網絡引擎模塊相連，分布式圖形數據庫模塊與核心子算法模塊相連。

優選地，所述數據源模塊包括社交網絡的數據中的實體庫、屬性庫、關系庫，這三大數據源的數據共同支撐了整個社交網絡的基本知識圖譜。

優選地，所述多重圖網絡引擎模塊，根據數據源的數據信息以及社交網絡的人物實體與屬性實體，以及實體與實體間的關系來將數據進行整理，形成多重復雜的網絡式關系網。

優選地，所述知識圖譜發現模塊是基于多重網絡引擎所產生的多重復雜的網絡式關系網，根據一系列的方法來分析發現出具有一定價值的知識圖譜。

優選地，所述分布式圖形數據庫模塊由于海量數據經過多重圖網絡引擎所形成的圖形數據，根據挖掘構建知識所產生的新的圖形模式數據與定期增量的圖模型信息。

優選地，所述核心子算法模塊包括頻繁行為發現模塊、數據共振關聯模塊、收入水平發現模塊、社團發現模塊、團體關鍵人物發現模塊、可增加的氣體其他模塊，頻繁行為發現模塊與數據共振關聯模塊相連，社團發現模塊位于數據共振關聯模塊和社團發現模塊之間，社團發現模塊與團體關鍵人物發現模塊相連，團體關鍵人物發現模塊與可增加的氣體其他模塊相連，通過這些模塊來發現出社交網絡知識圖譜中需要的隱性關系，其算法模塊不僅是極具創新的算法模型，氣精確度也非常高，能夠精確地定位到具體的圖形關系。

本發明還提供一種基于社交網絡知識圖譜的知識推理方法，其包括以下步驟：

步驟一，構建多重關系圖模型；根據社交網絡的人物實體與屬性實體，以及實體與實體間的關系構建多重關系圖模型，并利用分布式圖形數據庫將圖模型持久化存儲；

步驟二，判斷是否需要走知識圖譜推理流程；當輸入查詢條件時，系統首先查詢分布式圖形數據庫，若該條件對應的邊完整則轉步驟五，反之則轉步驟三，當再次輸入同樣的查詢條件時，則轉步驟五，這樣極大提高系統的效率；