一种基于特征融合的人员信息的知识图谱构建方法及系统技术方案

本发明专利技术公开了一种基于特征融合的人员信息的知识图谱构建方法及系统，方法包括：对获取的历史非结构化数据和历史半结构化数据进行知识抽取，并将抽取的特征进行特征融合，得到历史结构化数据；对历史结构化数据进行离线计算挖掘关系数据，得到第一关系数据；对获取的实时结构化数据进行实时计算挖掘关系数据得到第二关系数据；根据各个关系数据构建人员信息的知识图谱

【技术实现步骤摘要】
一种基于特征融合的人员信息的知识图谱构建方法及系统


[0001]本专利技术属于知识图谱构建
，尤其涉及一种基于特征融合的人员信息的知识图谱构建方法及系统
。

技术介绍

[0002]在公共安全领域应用过程中，如何在冗杂
、
海量的数据中选择有效信息，并在公共安全领域搭建人员的信息体系，是未来的发展趋势
。
同时，人员关系挖掘与社会信息综合性评估在公共安全领域也发挥着越来越重要的作用，但目前基于通用社交网络的分析方法无法满足在公共安全领域中的特定研判分析要求与应用，比如，在挖掘高风险人员的用户画像或者对犯罪团伙时不能进行有效的算法分析
、
建模研判
、
可视化呈现等
。

技术实现思路

[0003]本专利技术提供一种基于特征融合的人员信息的知识图谱构建方法及系统，用于通过利用多种数据建立人员关系，深入挖掘人员信息，形成人员关系图谱
。
[0004]第一方面，本专利技术提供一种基于特征融合的人员信息的知识图谱构建方法，包括：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于特征融合的人员信息的知识图谱构建方法，其特征在于，包括：获取不同来源的历史非结构化数据和历史半结构化数据；对所述历史非结构化数据和历史半结构化数据进行知识抽取，并将抽取的特征进行特征融合，得到历史结构化数据；对所述历史结构化数据进行离线计算挖掘关系数据，得到第一关系数据；对获取的实时结构化数据进行实时计算挖掘关系数据得到第二关系数据；将得到的所述第一关系数据和所述第二关系数据基于不同类别存储至图数据库；根据所述图数据库中的各个关系数据构建人员信息的知识图谱
。2.
根据权利要求1所述的一种基于特征融合的人员信息的知识图谱构建方法，其特征在于，所述对所述历史非结构化数据和历史半结构化数据进行知识抽取包括：对所述历史非结构化数据和历史半结构化数据进行数据抽取；对所述历史非结构化数据和历史半结构化数据进行实体抽取；对所述历史非结构化数据和历史半结构化数据进行关系抽取
。3.
根据权利要求2所述的一种基于特征融合的人员信息的知识图谱构建方法，其特征在于，所述对所述历史非结构化数据和历史半结构化数据进行数据抽取包括：对所述历史半结构化数据进行数据清洗并建立索引，并基于预设的结构化模板将清洗后的历史半结构化数据通过数据映射进行数据抽取；对所述历史非结构化数据基于预设的人员
ID
视觉标签进行数据抽取
。4.
根据权利要求2所述的一种基于特征融合的人员信息的知识图谱构建方法，其特征在于，所述对所述历史非结构化数据和历史半结构化数据进行实体抽取包括：基于长短期记忆网络的
BiLSTM
‑
CRF
模型对所述历史非结构化数据和历史半结构化数据进行实体抽取
。5.
根据权利要求2所述的一种基于特征融合的人员信息的知识图谱构建方法，其特征在于，所述对所述历史非结构化数据和历史半结构化数据进行关系抽取包括：基于句法分析方法对所述历史非结构化数据和历史半结构化数据进行关系抽取
。6.
根据权利要求1所述的一种基于特征融合的人员信息的知识图谱构建方法，其特征在于，所述将抽取的特征进行特征融合，得到历史结构化数据包括：采集历史非结构化数据中各个文件的预设各项属性信息，以及将历史结构化数据转换...

【专利技术属性】
技术研发人员：胡少文，王康，付康，叶宁，施炜利，黄浪鑫，余里辉，李文，龚枭，饶兰香，孙丹，胡卡，严冰，
申请(专利权)人：江西省科技基础条件平台中心江西省计算中心，
类型：发明
国别省市：