【技术实现步骤摘要】
本专利技术涉及知识图谱，尤其涉及一种产业链图谱关联规则挖掘方法、装置及存储介质。
技术介绍
1、产业链图谱是一种描述产业内各个环节及其相互关系的可视化工具。它通过整合企业、交易、行业、信息、热度等数据，形成丰富的知识图谱，将产业链上的各个环节及其关系，或其发展现状、趋势等以图形化的方式呈现出来。
2、乡村产业受市场、政策、环境等多种因素影响，其产业链结构和关联关系处于不断变化之中。现有的产业链图谱构建方法往往难以实时捕捉这些变化，导致图谱的时效性和准确性下降。
技术实现思路
1、本专利技术提供一种产业链图谱关联规则挖掘方法、装置及存储介质，用以解决现有技术中产业链图谱难以适应快速变化的乡村产业环境的缺陷，实现提高产业链关联关系信息挖掘的效率与准确性。
2、本专利技术提供一种产业链图谱关联规则挖掘方法，包括如下步骤。获取目标产业链的数据集，其中，所述数据集包括：服务主体、生产主体以及服务过程，所述目标产业链为乡村特色产业链；基于所述服务主体、所述生产主体以及所述服务过程进行知识图谱构建，得到所述目标产业链的产业链图谱；对所述产业链图谱中的多个服务资源信息进行特征向量转换，得到每个服务资源信息对应的语义特征向量与属性特征向量；对所述语义特征向量进行特征降维与离散化处理，得到语义特征表示；对所述属性特征向量进行离散化处理，得到属性特征表示；对所述语义特征表示与所述属性特征表示进行组合，得到所述每个服务资源信息对应的服务主体资源项集；通过频繁模式增长算法，基于所述
3、根据本专利技术提供的一种产业链图谱关联规则挖掘方法，所述基于所述服务主体、所述生产主体以及所述服务过程进行知识图谱构建，得到所述目标产业链的产业链图谱，包括：基于所述服务主体、所述生产主体以及所述服务过程进行知识抽取，得到多个实体以及所述多个实体之间的实体关系；基于预先定义的本体对所述多个实体以及所述多个实体之间的关系进行知识整合，得到所述目标产业链的产业链图谱，其中，所述预先定义的本体用于定义实体类别、实体属性以及实体关系。
4、根据本专利技术提供的一种产业链图谱关联规则挖掘方法，所述服务资源信息包括文本信息、数值信息、类型信息以及时间信息，所述对所述产业链图谱中的多个服务资源信息进行特征向量转换，得到每个服务资源信息对应的语义特征向量与属性特征向量，包括：对所述文本信息进行语义特征提取，得到语义特征向量；对所述数值信息进行数值归一化，得到数值特征；对所述类型信息进行类型编码，得到类型特征；对所述时间信息进行时间序列处理，得到时间特征；将所述数值特征、所述类型特征以及所述时间特征作为所述服务资源信息的属性特征向量。
5、根据本专利技术提供的一种产业链图谱关联规则挖掘方法，在所述对所述语义特征表示与所述属性特征表示进行组合，得到所述每个服务资源信息对应的服务主体资源项集之后，所述方法还包括：确定第一服务主体资源项集与第二服务主体资源项集同时出现的数目，与全部的服务主体资源项集的数目之间的比值，作为所述第一服务主体资源项集与所述第二服务主体资源项集之间的支持度；确定所述第一服务主体资源项集与所述第二服务主体资源项集同时出现的数目，与所述第一服务主体资源项集的数目之间的比值，作为所述第一服务主体资源项集与所述第二服务主体资源项集之间的置信度。
6、根据本专利技术提供的一种产业链图谱关联规则挖掘方法，所述方法还包括：将所述置信度与所述第二服务主体资源项集的支持度的比值，作为所述第一服务主体资源项集与所述第二服务主体资源项集之间的提升度。
7、根据本专利技术提供的一种产业链图谱关联规则挖掘方法，所述通过频繁模式增长算法，基于所述每个服务资源信息对应的服务主体资源项集进行关联规则挖掘，得到所述多个服务资源信息之间的目标关联规则，包括：对全部的服务主体资源项集进行遍历，得到每个服务主体资源项集的频度；基于所述每个服务主体资源项集的频度，确定所述每个服务主体资源项集的支持度；对所述支持度小于支持度阈值的服务主体资源项集进行删除，得到项头表；对所述项头表中的服务主体资源项集按照支持度倒序排序并输入至fp树；基于所述项头表与所述fp树生成多个频繁项集；确定所述多个频繁项集中每个频繁项集对应的关联规则的置信度，将所述置信度大于置信度阈值的关联规则作为强关联规则；确定每个所述强关联规则的提升度，将所述提升度大于提升度阈值的强关联规则作为目标关联规则。
8、本专利技术还提供一种产业链图谱关联规则挖掘装置，包括如下模块：获取模块，用于获取目标产业链的数据集，其中，所述数据集包括：服务主体、生产主体以及服务过程，所述目标产业链为乡村特色产业链；构建模块，用于基于所述服务主体、所述生产主体以及所述服务过程进行知识图谱构建，得到所述目标产业链的产业链图谱；转换模块，用于对所述产业链图谱中的多个服务资源信息进行特征向量转换，得到每个服务资源信息对应的语义特征向量与属性特征向量；处理模块，用于对所述语义特征向量进行特征降维与离散化处理，得到语义特征表示；所述处理模块，还用于对所述属性特征向量进行离散化处理，得到属性特征表示；组合模块，用于对所述语义特征表示与所述属性特征表示进行组合，得到所述每个服务资源信息对应的服务主体资源项集；挖掘模块，用于通过频繁模式增长算法，基于所述每个服务资源信息对应的服务主体资源项集进行关联规则挖掘，得到所述多个服务资源信息之间的目标关联规则。
9、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述产业链图谱关联规则挖掘方法。
10、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述产业链图谱关联规则挖掘方法。
11、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述产业链图谱关联规则挖掘方法。
12、本专利技术提供的产业链图谱关联规则挖掘方法、装置及存储介质，通过获取乡村特色产业链的数据集，能够精确地定位和分析目标产业链中的服务主体、生产主体以及服务过程；基于获取的数据集构建知识图谱，可以直观地展示产业链中各主体之间的关联关系和服务流程；将产业链图谱中的服务资源信息进行特征向量转换，并对其进行降维和离散化处理，可以简化数据的复杂性，确保所有属性都能在统一的特征空间内进行分析，提高后续关联规则挖掘的效率；利用频繁模式增长算法，基于服务主体资源项集进行关联规则挖掘，可以得到多个服务资源信息之间的目标关联规则，揭示了多个服务资源信息之间的潜在关联和依赖关系；进而提高产业链关联关系信息挖掘的效率与准确性。
本文档来自技高网...【技术保护点】
1.一种产业链图谱关联规则挖掘方法，其特征在于，包括：
2.根据权利要求1所述的产业链图谱关联规则挖掘方法，其特征在于，所述基于所述服务主体、所述生产主体以及所述服务过程进行知识图谱构建，得到所述目标产业链的产业链图谱，包括：
3.根据权利要求1所述的产业链图谱关联规则挖掘方法，其特征在于，所述服务资源信息包括文本信息、数值信息、类型信息以及时间信息，所述对所述产业链图谱中的多个服务资源信息进行特征向量转换，得到每个服务资源信息对应的语义特征向量与属性特征向量，包括：
4.根据权利要求1所述的产业链图谱关联规则挖掘方法，其特征在于，在所述对所述语义特征表示与所述属性特征表示进行组合，得到所述每个服务资源信息对应的服务主体资源项集之后，所述方法还包括：
5.根据权利要求4所述的产业链图谱关联规则挖掘方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的产业链图谱关联规则挖掘方法，其特征在于，所述通过频繁模式增长算法，基于所述每个服务资源信息对应的服务主体资源项集进行关联规则挖掘，得到所述多个服务资源信息之间的目标关联
7.一种产业链图谱关联规则挖掘装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述产业链图谱关联规则挖掘方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述产业链图谱关联规则挖掘方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述产业链图谱关联规则挖掘方法。
...【技术特征摘要】
1.一种产业链图谱关联规则挖掘方法，其特征在于，包括：
2.根据权利要求1所述的产业链图谱关联规则挖掘方法，其特征在于，所述基于所述服务主体、所述生产主体以及所述服务过程进行知识图谱构建，得到所述目标产业链的产业链图谱，包括：
3.根据权利要求1所述的产业链图谱关联规则挖掘方法，其特征在于，所述服务资源信息包括文本信息、数值信息、类型信息以及时间信息，所述对所述产业链图谱中的多个服务资源信息进行特征向量转换，得到每个服务资源信息对应的语义特征向量与属性特征向量，包括：
4.根据权利要求1所述的产业链图谱关联规则挖掘方法，其特征在于，在所述对所述语义特征表示与所述属性特征表示进行组合，得到所述每个服务资源信息对应的服务主体资源项集之后，所述方法还包括：
5.根据权利要求4所述的产业链图谱关联规则挖掘方法，其特征在于，所述方法还包括：
【专利技术属性】
技术研发人员：陈诚，吴华瑞，王菲菲，
申请(专利权)人：北京市农林科学院信息技术研究中心，
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。