CN119442151A 基于知识图谱的多源异构大数据融合与推理方法及其系统 （西藏民族大学）

基于知识图谱的多源异构大数据融合与推本发明涉及大数据分析和人工智能技术领向量，并通过嵌入向量和映射接口提取融合节22.根据权利要求1所述的基于知识图谱的多源异构大数据融合与推理方法，其特征在首先，通过网络爬虫或API接口方式获取多个数据源，每个数据源包含不同类型的实然后，定义所述数据源和所述实体之间的映射规则，将不最后，通过自然语言处理技术对所述实体和所述关系进行信息3.根据权利要求1所述的基于知识图谱的多源异构大数据融合与推理方法，其特征在其次，计算节点之间的相似度来表征节点的关联性，基于图然后，通过图神经网络学习各节点的嵌入向量，将图最后，通过所述嵌入向量和所述映射接口提取融合节点，对4.根据权利要求1所述的基于知识图谱的多源异构大数据融合与推理方法，其特征在首先，将所述融合节点的属性信息和文本描述输入到基于符号其次，将所述符号逻辑和所述特征向量输入到一个基于符号3然后，所述推理网络会输出一个概率分布，表示所5.根据权利要求1所述的基于知识图谱的多源异构大数据融合与推理方法，其特征在首先，基于所述知识图谱和所述融合节点，采用深度优先其次，将每一推理路径中的节点转化为嵌入向量，即转化最后，将所述推理路径的嵌入向量集合输入到注意力机制中，计算6.根据权利要求1所述的基于知识图谱的多源异构大数据融合与推理方法，其特征在径嵌入向量的余弦相似度最高的推理路径被认为7.执行权利要求1_6任一项所述方法的基于知识图谱的多源异构大数据融合与推理系所述图神经网络模块，用于对数据源中的数据通过自然语言处理技术所述神经符号推理模块，用于将融合节点的属性信息和文本描述信息48.根据权利要求7所述的基于知识图谱的多源异构大数据融合与推理系统，其特征在所述数据清洗单元，用于通过对收集到的数据进行数据清洗和预处理所述数据存储单元，用于通过将映射后的数据存储到所述知识图谱9.根据权利要求7所述的基于知识图谱的多源异构大数据融合与推理系统，其特征在其次，通过定义数据源和实体之间的映射规则，将不同数据源的然后，对数据的嵌入学习模型通过训练数据来学习节点的嵌首先，将节点的属性信息和文本描述信息和知识表示为符号逻辑将融合节点的属性信息和文本描述信息转化为符号逻其次，将所述符号逻辑和所述特征向量输入到基于56[0027]首先，将所述融合节点的属性信息和文本描述输入到基于符号逻辑的神经网络78模型将融合节点的属性信息和文本描述信息转化为符号逻辑9[0072]参阅图1_6，本发明涉及基于知识图谱的多源异构大数据融合与推理方法及其系[0091]首先，将所述融合节点的属性信息和文本描述输入到基于符号逻辑的神经网络[0099]在本发明一个具体实施例中，基于注意力机制和路径相似性进行推理的步骤如块结合了符号逻辑的可解释性和神经网络的学习能力，能够有效地推理出隐含的知识关余和错误的数据。这个单元对于保证后续分析的准确性至关重要。例如，我们可以使用用D3.js库来实现知识图谱的可视化展示，使用自然语言处理技术来支持用户的[0124]本发明的另一个实施例中，我们可以将该方法和系统应用于金融风险评估领