CN110825882A 一种基于知识图谱的信息系统管理方法 （西安交通大学）

本发明公开的一种基于知识图谱的信息系代规则和机器学习的算法抽取数据中的实体和统的隐藏关系，补充和完善已有的知识图谱数策者和技术管理人员宏观把握企业内部信息系2步骤S3：提取步骤S1得到的多源异构数据中的步骤S4：对步骤S3得到的三元组数据进行校对步骤S6：将步骤S5得到的隐藏的三元组数据与步骤S将多源异构数据分别输入至设计好的人工迭代规则模板和训练好的支持向量机SVM模删除不正确的三元组，保留正确的三元组，对31)设计关系传递的逻辑规则推理，采用图搜索算法遍历步骤S4整合后的三元组数据，3)将步骤2得到的新的三元组数据输入训练好的SVM-Adaboost模型中，继续提取隐藏4)将步骤3提取的隐藏的三元组数据再合并至步骤8.根据权利要求1所述基于知识图谱的信息系统管理方法，其特征在于，所述SVM-3)采用GridSearch网格搜索方法对SVM-A4)分析三元组数据内部的关系类型，对每一类关系进行采用B/S架构的编程框架，采用python、HTML、css或JavaScript编程语言，在展示网页包括注册模块、登录模块、知识图谱4[0004]在企业知识图谱研究领域，现有的文献和专利主要集中在企业间的关系图谱构[0005]然而，上述研究忽略了知识图谱可以反映企业内部复杂结构和5[0014]步骤S6：将步骤S5得到的隐藏的三元组数据与步骤S4整合后的[0017]将多源异构数据分别输入至设计好的人工迭代规则模板和训练好的支持向量机利用特征分类识别出多源异构数据中的实体，关系分类SVM模型用于确定两个实体之间的6[0031]3)将步骤2得到的新的三元组数据输入训练好的SVM-Adaboost模型中，继续提取[0038]5)将得到的二分类数据集作为训练集输入至SVM-Adaboost模型中，对其进行训[0041]采用B/S架构的编程框架，采用python、HTML、css或JavaScript编程语言，在和技术管理人员宏观把握企业内部信息系统的交互关系，并能挖掘出系统间隐藏的关系，7[0050]下面结合附图对本发明做进一步的详细说明，所述是对本发明的解释而不是限[0058]"流程号","源","目的","流程名称","类型","具体内容","1","营业系统","ERP系统","营业-ERP","传送数据、2","发行系统","ERP系统","报刊发行-ERP","传送数据","向ERP传送结算信息_获取机构等主数据信息","3","CRM系统","ERP系统","CRM-ERP","同步数据","从ERP同步机构数据_向ERP同步客户数据","4","电子商务平台","数据平台","大数据-电商","抓取数8[0066]将多源异构数据分别输入至设计好的人工迭代规则模板和训练好的支持向量机[0067]人工迭代规则模板的方法是结合步骤2中对系统属性和关系的设计，定义实体和关系的关键词词典和句式模板，编制关键词抽取规则，作为知识抽取的种子规则模板。如9[0074]分类SVM模型需要一定数量的文本训练得到，在构建模型时需要对文本进行实体[0076]并将获得五类字词短语按照8:2的比例切分成训练集和测试集，将训练集中的字词短语输入至分类SVM模型，该字词短语结合短语的词性和上下文文本的相关特征，分类SVM模型输出该短语的所属的类别标签，并根据文本中的短语类别标签可以定位并提取出[0078]支持向量机SVM模型训练完成后，将多源异构数据输入至训练好的分类SVM模型之间存在数据传输关系，则数据分析系统必然在进行营销策划分析时抓取CRM系统的客户[0087]关系推理模型采用多种SVM模型组成的Adaboost强分类器，称为SVM-Adaboost模gram特征等，利用关系二分类训练数据集构建关系推理模型，使用python中sklearn工具样本加上现有负样本集的数量与正样本数量的均衡，得到该关系对应的关系二分类数据12345S架构的编程框架，利用python、HTML、CSS、JavaScript等编程语言，在Anaconda2.7、注册登录后，可以查看步骤3中直接利用实体和关系抽取构建的企业内部信息系统知识图[0096]本发明还提供了一种基于知识图谱的内部信息管理系统，设计了B/S的底层服务[0098]数据挖掘服务器实现企业信