【技术实现步骤摘要】
本专利技术涉及视图数据处理领域，特别涉及基于视图知识图谱的人员关系抽取和推理分析方法及系统。
技术介绍
1、在大数据时代，伴随着视频ai算法的日趋成熟，规模庞大的视频图像数据资源的实战应用价值也正在被人们重视，如何从这些视图数据中提取有价值的信息，构建视图知识图谱，并进行有效的关系推理分析，发现视频图像背后的目标显性和隐性关系，正成为一项重要挑战。
2、目前基于视频图像数据进行人员关系分析主要通过对视频图像数据进行人、车目标结构化解析，然后将解析的结构化语义文本、特征值等数据，统一存入视频图像信息库，即视图库，根据需要分析的目标或目标群体的体貌特征、出行规律等特点，编写设定分析条件的目标关系分析模型，通过大数据平台的分布式任务调度引擎，进行实时和离线计算，得到相应的目标关系分析结果，再有人工介入，对模型分析结果进行二次分析，找出有价值的目标关系数据。但该方法在实际运用过程中存在以下问题：(1)当视图库数据规模大于百亿时，对全量数据进行建模分析的gpu、cpu算力和时间消耗巨大，一般只能基于近1-3个月的视图数据进行目标关系分析；(2)无法利用更直观、更高性能的图关系挖掘算法；(3)每次关系分析的结果都是临时存储，不能持久化存储，下次分析时需要重新计算；(4)由于不能持久化关系存储，则无法进行目标关系的持续优化更新。因此，如何基于视图知识图谱对人员关系抽取和推理分析成为亟待解决的问题。
技术实现思路
1、为实现上述目的，专利技术人提供了一种基于视图知识图谱的人员关系抽取和
2、s1，获取人脸聚类档案数据，构建人员实体，并结合人脸聚类档案数据补充人员实体的基础属性；
3、s2，获取设备、车辆和/或场所信息，分别构建设备实体、车辆实体和/或场所实体，并分别补充设备实体属性、车辆实体属性和/或场所实体属性；
4、s3，基于分类规则和深度学习模型对人员实体关系进行抽取，分析得到人与其他实体之间的关系，并将其定义为实体基础关系或实体显性关系；
5、s4，使用图嵌入方法将视图知识图谱中的人员实体和关系映射到低维空间，得到相应的实体向量数据；
6、s5，根据行业知识和业务需求，定义和/或学习推理规则；
7、s6，利用学习到的图嵌入实体向量数据和定义的推理规则，对视图知识图谱中的实体和关系进行推理分析，得到人与其他实体之间新的关系；
8、s7，将得到的人与其他实体之间的扩展关系，作为图数据关系的关系边，更新到对应人员实体。
9、作为本专利技术的一种优选方式，步骤s1中，获取人脸聚类档案数据包括通过外接人脸聚类分析系统，获取人脸聚类档案数据。
10、作为本专利技术的一种优选方式，所述人员实体的基础属性包括姓名、性别、年龄、发型、是否戴眼镜和/或衣着。
11、作为本专利技术的一种优选方式，步骤s2中，获取设备、车辆和/或场所信息，分别构建设备实体、车辆实体和/或场所实体，并分别补充设备实体属性、车辆实体属性和/或场所实体属性包括：通过对接设备资产库，获取完整的系统设备信息，构建设备实体，并挑选设备资产库中关键字段，作为设备实体属性；通过对接视频图像信息库，根据车牌号码检索得到车辆实体，并根据车辆结构化信息和车辆库的登记注册数据，补充车辆实体属性；通过对接aoi数据，构建场所实体，补充场所实体属性。
12、作为本专利技术的一种优选方式，所述设备资产库中关键字段包括设备名称、设备ip、安装地址、设备标签、经度和纬度。
13、作为本专利技术的一种优选方式，步骤s3中，分析得到人与其他实体之间的关系包括人与人、人与设备、人与场所、人与车的关系。
14、作为本专利技术的一种优选方式，步骤s3中，基于分类规则和深度学习模型对人员实体关系进行抽取，分析得到人与其他实体之间的关系，并将其定义为实体基础关系或实体显性关系包括步骤：
15、s301，特征提取，提取与人员实体相关的特征；
16、s302，构建分类规则，根据行业人员实体特点，构建实体基础关系分类规则数据；
17、s303，训练深度学习模型，使用提取的特征和实体基础关系分类规则数据，训练深度学习模型；
18、s304，融合模型，采用规则与模型结果的加权融合策略，将分类规则和深度学习模型进行融合；
19、s305，抽取关系，使用融合后的模型对新的视图知识图谱进行人员实体关系抽取；
20、s306，结果评估，定义评估指标，对抽取结果进行评估；
21、s307，优化模型，根据评估结构，对模型进行优化。
22、作为本专利技术的一种优选方式，步骤s4中，使用图嵌入方法将视图知识图谱中的人员实体和关系映射到低维空间，得到相应的实体向量数据包括步骤：
23、s401，选择视图知识图谱中的第一个节点开始随机游走，在每次游走中，根据预设的概率选择下一个相邻节点，直到达到一定的游走长度或其他停止条件；
24、s402，将随机游走得到的节点序列视为句子；
25、s403，使用词向量学习方法，对生成的句子进行训练，通过训练，学习到节点的向量表示，使得在图中相近的节点在向量空间中也具有相近的表示；
26、s404，训练完成后，得到的节点向量为图的嵌入表示，图中的结构信息和节点之间的关系，即为实体向量数据。
27、作为本专利技术的一种优选方式，还包括步骤：s8，通过关系可视化组件，进行人员和其他实体的关系查询展示，和/或通过可视化关系展示页面，进行手动多层关系挖掘分析。
28、为实现上述目的，专利技术人提供了一种基于视图知识图谱的人员关系抽取和推理分析系统，包括：
29、人员实体构建模块，用于获取人脸聚类档案数据，构建人员实体，并结合人脸聚类档案数据补充人员实体的基础属性；
30、其他实体构建模块，用于获取设备、车辆和/或场所信息，分别构建设备实体、车辆实体和/或场所实体，并分别补充设备实体属性、车辆实体属性和/或场所实体属性；
31、人员实体关系抽取与分析模块，用于基于分类规则和深度学习模型对人员实体关系进行抽取，分析得到人与其他实体之间的关系，并将其定义为实体基础关系或实体显性关系；
32、人员实体和关系映射模块，用于使用图嵌入方法将视图知识图谱中的人员实体和关系映射到低维空间，得到相应的实体向量数据；
33、推理规则定义模块，用于根据行业知识和业务需求，定义和/或学习推理规则；
34、实体与关系推理分析模块，用于利用学习到的图嵌入实体向量数据和定义的推理规则，对视图知识图谱中的实体和关系进行推理分析，得到人与其他实体之间的扩展关系；
35、数据关系更新模块，用于将得到的人与其他实体之间的扩展关系，作为图数据关系的一条关系边，更新到对应人员实体。
36、作为本专利技术的一种优选方式，还包括可视化查询与挖掘模块本文档来自技高网...
【技术保护点】
1.一种基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于：步骤S1中，获取人脸聚类档案数据包括通过外接人脸聚类分析系统，获取人脸聚类档案数据；所述人员实体的基础属性包括姓名、性别、年龄、发型、是否戴眼镜和/或衣着。
3.根据权利要求1所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于，步骤S2中，获取设备、车辆和/或场所信息，分别构建设备实体、车辆实体和/或场所实体，并分别补充设备实体属性、车辆实体属性和/或场所实体属性包括：通过对接设备资产库，获取完整的系统设备信息，构建设备实体，并挑选设备资产库中关键字段，作为设备实体属性；通过对接视频图像信息库，根据车牌号码检索得到车辆实体，并根据车辆结构化信息和车辆库的登记注册数据，补充车辆实体属性；通过对接AOI数据，构建场所实体，补充场所实体属性。
4.根据权利要求3所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于：所述设备资产库中关键字段包括设备名称、设备IP、安装地
5.根据权利要求1所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于：步骤S3中，分析得到人与其他实体之间的关系包括人与人、人与设备、人与场所、人与车的关系。
6.根据权利要求1所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于，步骤S3中，基于分类规则和深度学习模型对人员实体关系进行抽取，分析得到人与其他实体之间的关系，并将其定义为实体基础关系或实体显性关系包括步骤：
7.根据权利要求1所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于，步骤S4中，使用图嵌入方法将视图知识图谱中的人员实体和关系映射到低维空间，得到相应的实体向量数据包括步骤：
8.根据权利要求1至7任意一项所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于，还包括步骤：
9.一种基于视图知识图谱的人员关系抽取和推理分析系统，其特征在于，包括：
10.根据权利要求9所述的基于视图知识图谱的人员关系抽取和推理分析系统，其特征在于，还包括：可视化查询与挖掘模块，用于通过关系可视化组件，进行人员和其他实体的关系查询展示，和/或通过可视化关系展示页面，进行手动多层关系挖掘分析。
...【技术特征摘要】
1.一种基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于：步骤s1中，获取人脸聚类档案数据包括通过外接人脸聚类分析系统，获取人脸聚类档案数据；所述人员实体的基础属性包括姓名、性别、年龄、发型、是否戴眼镜和/或衣着。
3.根据权利要求1所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于，步骤s2中，获取设备、车辆和/或场所信息，分别构建设备实体、车辆实体和/或场所实体，并分别补充设备实体属性、车辆实体属性和/或场所实体属性包括：通过对接设备资产库，获取完整的系统设备信息，构建设备实体，并挑选设备资产库中关键字段，作为设备实体属性；通过对接视频图像信息库，根据车牌号码检索得到车辆实体，并根据车辆结构化信息和车辆库的登记注册数据，补充车辆实体属性；通过对接aoi数据，构建场所实体，补充场所实体属性。
4.根据权利要求3所述的基于视图知识图谱的人员关系抽取和推理分析方法，其特征在于：所述设备资产库中关键字段包括设备名称、设备ip、安装地址、设备标签、经度和纬度。
5.根据权利...
【专利技术属性】
技术研发人员：孙靖宇，赵伟伟，高希，焦广宇，
申请(专利权)人：南京启数智能系统有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。