[發(fā)明專利]基于時空關聯(lián)的目標關系探測方法、系統(tǒng)及存儲介質

在審

• 申請?zhí)枺?/td>: 202010720486.1
• 申請日: 2020-07-24
• 公開（公告）號: CN112052337A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設計）人: 馬夢成
• 申請（專利權）人: 廣東水利電力職業(yè)技術學院（廣東省水利電力技工學校）
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/9537;G06K9/62
• 代理公司: 廣州恒成智道知識產(chǎn)權代理有限公司 44575
• 代理人: 劉挺;龔潔

1.基于時空關聯(lián)的目標關系探測方法，其特征在于，所述基于時空關聯(lián)的目標關系探測方法包括以下步驟：

基于在采集區(qū)域所采集的信息，構建知識圖譜；

基于所述知識圖譜，輸入目標的已知特征，確定表示目標的節(jié)點；

基于所述表示目標的節(jié)點，篩選出與目標相關的候選節(jié)點集；

計算所述候選節(jié)點集中的各節(jié)點與所述表示目標的節(jié)點間的相似度；

基于所述相似度，確定與所述目標強相關的群體。

2.根據(jù)權利要求1所述的基于時空關聯(lián)的目標關系探測方法，其特征在于，基于在采集區(qū)域所采集的信息，構建知識圖譜，進一步包括以下步驟：

調取在所述采集區(qū)域預先設置的采集設備所采集的信息；

基于所述采集設備所采集的信息，生成相應圖層的子圖；

對所述子圖的信息進行關聯(lián)，進而得到相應的知識圖譜。

3.根據(jù)權利要求2所述的基于時空關聯(lián)的目標關系探測方法，其特征在于，與目標相關的信息至少包括目標出現(xiàn)的地點信息和時間信息。

4.根據(jù)權利要求3所述的基于時空關聯(lián)的目標關系探測方法，其特征在于，基于所述與目標相關的信息，篩選出與目標相關的候選節(jié)點集，進一步包括以下步驟：

基于目標出現(xiàn)的地點信息和時間信息，篩選出滿足預設時間范圍內出現(xiàn)在目標出現(xiàn)的地點的預設范圍內的節(jié)點；

將所述篩選出的節(jié)點歸入候選節(jié)點集，調取所述篩選出的節(jié)點的其他信息并進行關聯(lián)存儲。

5.根據(jù)權利要求4所述的基于時空關聯(lián)的目標關系探測方法，其特征在于，計算所述候選節(jié)點集中的各節(jié)點與所述表示目標的節(jié)點間的相似度，進一步包括以下步驟：

通過Node2vec算法將候選節(jié)點集中的各節(jié)點向量化，以得到相應的節(jié)點向量；

基于所述節(jié)點向量的信息，利用余弦相似度算法計算所述節(jié)點向量的相似度。

6.根據(jù)權利要求5所述的基于時空關聯(lián)的目標關系探測方法，其特征在于，基于所述節(jié)點向量的信息，利用余弦相似度算法計算所述節(jié)點向量的相似度之后，還包括以下步驟：

將滿足預設的相同的相似度范圍的節(jié)點向量劃分至同一簇；

計算各簇的模塊度；

將所述各簇的模塊度與預設的模塊度閾值比較，當所述各簇的模塊度未達到預設的模塊度閾值時，則調整所述節(jié)點向量，并重復上述步驟，否則，結束當前步驟。

7.根據(jù)權利要求6所述的基于時空關聯(lián)的目標關系探測方法，其特征在于，基于所述相似度，確定與所述目標強相關的群體，進一步包括以下步驟：

將所述任意兩相鄰的節(jié)點向量的最終的相似度與預設的相似度閾值作比較，當所述節(jié)點向量的相似度低于所述預設的相似度閾值時，則判斷所述節(jié)點與所述目標不存在關系，并將該節(jié)點及其所連接的邊刪除；否則，則判斷所述節(jié)點與所述目標不存在關系，保留該節(jié)點及其所連接的邊，保留的節(jié)點為與所述目標強相關的群體。

8.一種實現(xiàn)如權利要求1-7任一項所述的一種基于時空關聯(lián)的目標關系探測方法的系統(tǒng)，其特征在于，包括：

構建模塊，用于基于所述采集設備所采集的信息構建所述知識圖譜；

獲取模塊，用于基于所述目標的已知特征，獲取與目標相關的信息；

篩選模塊，用于基于所述與目標相關的信息，篩選出與所述目標相關的候選節(jié)點集；

計算模塊，用于計算所述候選節(jié)點集中的各節(jié)點與所述表示目標的節(jié)點間的相似度；

確定模塊，用于基于計算模塊所計算的相似度，確定與所述目標強相關的群體。

9.一種存儲介質，其特征在于，所述存儲介質存儲有多條指令，所述指令適于處理器進行加載，以執(zhí)行如權利要求1-7任一項所述的方法。