[发明专利]一种基于命名规则和缓存机制的知识图谱构的操作方法

说明书

本发明提供了一种基于命名规则和缓存机制的知识图谱构的操作方法，包括以下步骤：数据采集‑知识图谱schema设计‑制定缓存策略‑命名规则制定‑图谱数据管理模块开发‑实体关系数据抽取‑数据缓存及更新校对‑图谱生成及二次校对‑缓存数据备份及管理。本发明能够利用缓存机制提升海量数据情况下的知识图谱构建生成效率、降低知识图谱构建过程中的数据校对和日志生成管理难度、支撑知识图谱数据回滚功能的实现；能够利用合理的命名规则和功能模块降低知识图谱数据管理的难度并实现缓存文件的自动处理、对比、知识图谱数据导入更新以及回滚，从而降低图谱构建和管理的难度、提升图谱构建速度、支撑图谱构建使用全生命周期管理需求的实现。

技术领域

本发明涉及一种基于命名规则和缓存机制的知识图谱构的操作方法，属于知识图谱构建和数据存储管理利用技术领域，具体涉及一种基于命名规则和缓存机制的知识图谱构建更新回滚和知识图谱数据管理。

背景技术

随着计算机技术、信息通信技术和互联网技术的不断发展，电子数据呈现爆发式增长，推动了大数据、人工智能等一系列领域和相关技术的发展，从海量数据中挖掘分析有效信息的技术和能力也愈发重要。尽管目前以机器学习和深度学习为代表的大数据挖掘分析相关技术已经取得众多成果，但是海量数据的挖掘分析依旧存在重复性工作占比高、海量数据频繁处理导致的资源消耗大、部分分析过程可解释性差等问题。为解决上述问题，知识图谱相关理论和技术迎来了新的机遇和发展。

知识图谱能把海量的数据、不同领域的知识通过数据挖掘分析、信息处理、数据融合、知识抽取和表示、知识融合推理和图形绘制而表示出来，以更为简洁直观的方式揭示知识领域的动态发展规律，支撑基于知识的更高一层的数据分析和挖掘，为学科研究提供切实的、有价值的参考和数据、技术支撑。

知识图谱的构建属于一个不断迭代和完善的过程，随着人工经验和数据体量的不断增加，知识图谱的规模也会越来越大，实体关系网络复杂程度呈倍数增长，相应的数据更新、校验和问题的发现也就越来越困难。不仅如此，由于现有大部分知识图谱数据库技术方案和硬件条件的优化策略，使得少量多频次的大规模知识图谱的数据更新速度较慢，不如大批量低频次的数据更新迅速，而且许多知识图谱数据库不具备传统关系型数据库所具备的过程日志和回滚功能，一旦出错难以进行问题和数据的追溯，使得知识图谱数据更新和管理存在较大困难。

为了保证计算机数据的可用性、时效性、准确性和稳定性，在计算机存储、网页浏览器等众多场景下均使用了缓存这一设计。因此借鉴于缓存这一设计，结合大规模数据挖掘分析计算中中间层数据的设计，通过合理规范的命名规则、数据缓存策略和数据备份策略，在海量数据和人工经验分析处理与知识图谱构建管理之间设计一个过渡层，以提升知识图谱构建的自动化程度、数据校对的细致程度，降低知识图谱构建和使用的难度，支持知识图谱数据库数据的快速拆分、融合、备份，支持知识图谱构建管理过程中的数据回滚、问题追溯等需求的实现，进而实现知识图谱构建使用的全过程有效管理，以更好地支撑知识图谱相关技术的研究和应用的实现。

发明内容

为解决上述技术问题，本发明提供了一种基于命名规则和缓存机制的知识图谱构的操作方法，该基于命名规则和缓存机制的知识图谱构的操作方法通过制定内容更为丰富的知识图谱schema、合理的命名规范、详细的数据缓存策略，开发集成多个功能为一体的图谱数据管理模块、日志管理模块，在知识图谱数据库和图谱构成数据之间增加缓存层，实现知识图谱的快速构建、全过程管理、数据校对及问题追溯、回滚操作等。

本发明通过以下技术方案得以实现。

本发明提供的一种基于命名规则和缓存机制的知识图谱构的操作方法，包括以下步骤：

①数据采集：通过接口、爬虫获取构建知识图谱的多模态数据；

②建立知识图谱schema：建立用于指导知识图谱实体数据、关联数据挖掘存储的图谱schema；