[发明专利]基于知识图谱的车辆画像方法、计算机设备和存储介质有效
申请号: | 202010912546.X | 申请日: | 2020-09-03 |
公开(公告)号: | CN111767440B | 公开(公告)日: | 2021-01-05 |
发明(设计)人: | 刘建林 | 申请(专利权)人: | 平安国际智慧城市科技股份有限公司 |
主分类号: | G06F16/906 | 分类号: | G06F16/906;G06F16/33;G06F16/36 |
代理公司: | 广州华进联合专利商标代理有限公司 44224 | 代理人: | 毛丹 |
地址: | 518000 广东省深圳市前海深港合*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 知识 图谱 车辆 画像 方法 计算机 设备 存储 介质 | ||
1.一种基于知识图谱的车辆画像方法,所述方法包括:
获取原始车辆数据的数据结构化程度,并根据所述数据结构化程度,确定原始车辆数据的分类;所述原始车辆数据包括车辆业务数据、车辆数据、车型数据、警情数据以及舆情数据;根据与不同分类的原始车辆数据对应的预处理方式,对相应原始车辆数据进行数据处理,生成对应的三元组车辆数据;
对所述三元组车辆数据进行知识融合处理,生成对车辆的完整描述知识;
基于所述完整描述知识,构建车辆图谱知识库;所述车辆图谱知识库包括自建实体库、基于第三方数据接口的半自建库、车辆事件库、车辆关系库和车辆标签库;
基于所构建的各所述车辆图谱知识库,进行知识计算,确定对应车辆的缺失标签;
结合所确定的车辆的缺失标签以及预先获取的初始车辆标签,生成车辆画像结果;
所述知识计算包括相似度计算和关联分析;所述基于所构建的各所述车辆图谱知识库,进行知识计算,确定对应车辆的缺失标签,包括:
基于所述构建的各所述车辆图谱知识库,进行相似度计算,确定候选车辆;
将各所述候选车辆进行语义关联,基于车辆基础信息进行随机游走,生成随机游走结果;
基于所述随机游走结果进行关联分析,确定与所述车辆基础信息存在潜在关联的实体;
提取与所述车辆基础信息存在潜在关联的实体的实体标签,并将所提取的所述实体标签确定为对应车辆的缺失标签。
2.根据权利要求1所述的方法,其特征在于,所述原始车辆数据的分类包括半结构化车辆数据、结构化车辆数据和非结构化车辆数据;所述根据与不同分类的原始车辆数据对应的预处理方式,对相应原始车辆数据进行数据处理,生成对应的三元组车辆数据,包括:
获取所述非结构化车辆数据对应的抽取对象;所述抽取对象包括实体、实体的属性信息以及各实体间的关联关系;
根据所述抽取对象,确定与所述非结构化车辆数据对应的第一预设处理方式;
根据所述第一预设处理方式,从所述非结构化车辆数据中抽取出已命名的各所述实体、各所述实体的属性信息以及各所述实体之间的关联关系;
根据已命名的各所述实体、与各所述实体分别对应的属性信息、以及各所述实体间的关联关系,生成与所述非结构化车辆数据对应的三元组车辆数据;
根据与所述半结构化车辆数据对应的第二预处理方式,将所述半结构化车辆数据从网页页面抽取出来,并调用预设包装器,将所抽取的半结构化车辆数据还原成结构化车辆数据;
根据与所述结构化车辆数据对应的第三预处理方式,将所述结构化车辆数据转换成三元组车辆数据。
3.根据权利要求1所述的方法,其特征在于,所述知识融合处理包括数据整合处理、知识消歧处理以及数据融合处理;所述知识消歧处理包括实体对齐处理和属性对齐处理;所述对所述三元组车辆数据进行知识融合处理,生成对车辆的完整描述知识,包括:
对所述三元组车辆数据进行数据整合处理,生成与所述三元组车辆数据对应的完整数据描述;
对所述三元组车辆数据的完整数据描述,进行实体对齐处理和属性对齐处理,生成标准知识表示;
对所述标准知识表示进行数据融合处理,生成对所述车辆的完整描述知识。
4.根据权利要求1至3任意一项所述的方法,其特征在于,所述车辆图谱知识库还包括车辆基础信息库和车辆违章业务库;所述基于所述完整描述知识,构建车辆图谱知识库,包括:
基于所述完整描述知识,确定与所述三元组车辆数据对应的车辆基础信息和车辆违章信息;
根据所述车辆基础信息,构建与所述三元组车辆数据对应的车辆基础信息库;
根据所述车辆违章信息,确定与所述三元组车辆数据对应的车辆违章业务,并根据所述车辆违章业务构建所述车辆违章业务库;
从所述完整知识描述中,提取与所述三元组车辆数据对应的车辆事件,基于所述车辆事件构建对应的车辆事件库。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安国际智慧城市科技股份有限公司,未经平安国际智慧城市科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010912546.X/1.html,转载请声明来源钻瓜专利网。