[发明专利]基于多层关联知识图谱的信息预测方法、装置、设备及介质

权利要求书

1.一种基于多层关联知识图谱的信息预测方法，其特征在于，所述方法包括：

根据预置的聚合规则对预存的历史数据信息中包含的历史数据进行聚合得到对应的多个数据点；

根据预置的特征提取模型及每一所述数据点对应的历史数据，从每一所述数据点中提取得到对应的特征信息；

根据每一所述数据点的特征信息对所述数据点进行分层得到多个数据层；

根据所述历史数据之间的连接关系及每一所述数据层中数据点的特征信息生成多层关联知识图谱；

若接收到用户输入的新增数据信息，根据所述特征提取模型获取与所述新增数据信息对应的新增数据特征信息；

根据预置的判断条件及所述新增数据特征信息对所述多层关联知识图谱中是否包含与所述新增数据信息相匹配的数据节点进行判断；

若所述多层关联知识图谱中包含与所述新增数据信息相匹配的数据节点，获取所述多层关联知识图谱中与所述数据节点相匹配的索引连接信息作为对应的预测结果。

2.根据权利要求1所述的基于多层关联知识图谱的信息预测方法，其特征在于，所述聚合规则包括关键词集合、相似度计算公式及相似度阈值，所述根据预置的聚合规则对预存的历史数据信息中包含的历史数据进行聚合得到对应的多个数据点，包括：

对每一所述历史数据是否为文本信息进行判断；

若所述历史数据为文本信息，从所述关键词集合中获取与历史数据相匹配的多个关键词；

对包含相同关键词的多条所述历史数据进行聚合，得到对应的一个数据点；

若所述历史数据不为文本信息，根据所述相似度计算公式对所述历史数据之间的相似度进行计算；

对互相之间相似度大于所述相似度阈值的多条所述历史数据进行聚合，得到对应的一个数据点。

3.根据权利要求1所述的基于多层关联知识图谱的信息预测方法，其特征在于，所述特征提取模型包括文本编码词典、特征提取神经网络及图像特征提取规则，所述根据预置的特征提取模型及每一所述数据点对应的历史数据，从每一所述数据点中提取得到对应的特征信息，包括：

对所述数据点对应的历史数据是否均为文本信息进行判断；

若所述数据点对应的历史数据均为文本信息，根据所述文本编码词典对每一所述数据点对应的多个关键词进行转换，得到每一所述数据点的编码信息；

将所述编码信息输入所述特征提取神经网络进行计算，得到每一所述数据点的特征信息；

若所述数据点对应的历史数据不均为文本信息，根据所述图像特征提取规则从所述数据点对应的历史数据中提取得到与所述数据点对应的特征信息。

4.根据权利要求3所述的基于多层关联知识图谱的信息预测方法，其特征在于，所述图像特征提取规则包括对比度计算公式及溶解比例值，所述根据所述图像特征提取规则从所述数据点对应的历史数据中提取得到与所述数据点对应的特征信息，包括：

对每一所述数据点对应的历史数据进行叠加得到每一数据点对应的叠加图像；

根据所述对比度计算公式计算得到每一所述叠加图像的像素对比度信息；

根据每一所述叠加图像的像素对比度信息及所述溶解比例值对每一所述叠加图像进行像素溶解得到图像轮廓信息；

从每一所述叠加图像的图像轮廓信息中提取得到对应的轮廓尺寸信息及轮廓像素信息作为所述特征信息。

5.根据权利要求1所述的基于多层关联知识图谱的信息预测方法，其特征在于，所述根据每一所述数据点的特征信息对所述数据点进行分层得到多个数据层，包括：

根据所述历史数据的类型及每一所述数据点对应的历史数据对每一所述数据点进行分类得到多个数据点集；

根据预置的聚类规则及所述数据点的特征信息，对每一所述数据点集包含的数据点进行聚类得到对应的多个数据层。