(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201911332913.2
(22)申请日 2019.12.20
(71)申请人 四川文轩教育科技有限公司
地址 610000 四川省成都市成华区建设南
街9号
(72)发明人 黄冠铭 肖明
(51)Int.Cl.
G06F 16/9535(2019.01)
G06F 16/36(2019.01)
G06F 16/335(2019.01)
H04L 29/08(2006.01)
(54)发明名称基于知识图谱的数据分析与数据推送方法(57)摘要本发明提供一种基于知识图谱的数据分析与数据推送方法，该基于知识图谱的数据分析与数据推送方法引入知识图谱实体标签技术，对用户的学习行为信息和学习反馈信息进行学习偏好或学习掌握程度的分析，从而根据分析结果进行教材信息的个性化推送，实现推送效果更好的目的。同时将实体标签信息作为API触发点，通过识别用户在应用程序场景中触发的API内容获取用户的学习行为信息和学习反馈信息以及该学习行为信息对应的实体标签信息，能在复杂环境下收集更完整的用户行为数据，从而获得大规模的完整标注数据，容易与深度学习算法相结合以及能够基于知识图谱将实体标签信息进行向量化， 使得算法更准确。权利要求书2页 说明书4页 附图1页CN 111125524 A 2020.05.08
C N 111125524
A
1.一种基于知识图谱的数据分析与数据推送方法，其特征在于，包括如下步骤：
S1：根据教学材料构建知识点数据库；
S2：构建说明信息，所述说明信息用于对知识点信息进行解释说明；
S3：对所述说明信息进行分析，得到对应所述说明信息的知识点信息和对应所述知识点信息的知识点；
S4：基于所述知识点信息和知识点，为所述说明信息设置知识节点；
S5：设置所述知识节点之间、知识节点与知识点之间的从属对应关系，根据所述从属对应关系建立知识图谱；
S6：根据所述知识图谱对所述教学材料信息进行标注，得到实体标签信息；
S7：采用量化技术对使用者的知识拥有度进行评估，并对知识储存结构知识图谱进行扩展；
S8：构建知识图谱可视化分析插件库，所述知识图谱可视化分析插件库由知识图谱处理模块和展示功能程序模块组成，并对外提供API；
S9：对查询端发送的查询信息进行接收，并查对应所述查询信息的知识图谱；
S10：根据所述查询信息与数据库信息的相似度进材信息的个性化推送。
2.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法，其特征在于，所述查对应所述查询信息的知识图谱的具体步骤如下：
S11：收集获取语义向量模型，并将所述查询信息转化成其在语义空间中的向量表示形式；
S12：获得可用词列表中词语的表征向量，并计算得出平均向量和属性名词语对应的语义向量；
S13：计算得出查询信息与数据库信息的相似度；
S14：当相似度高于设定阈值时完成相似度判断的检索过程，反之重复S11至S13。
3.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法，其特征在于，还包括如下步骤：
S15：对所述知识图谱进行可视化分析，并提供根据数据类型的图形展示及地图布局展示。
4.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法，其特征在于，所述数据类型的图形展示包括树状图展示、环形布局图展示、扇形布局图展示及条形布局图展示，所述地图布局包括地名布局展示及经纬度布局展示。
5.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法，其特征在于：所述知识点信息用于对所述说明信息的信息结构进行描述，所述知识点用于基于所属的信息结构对说明信息的信息内容进行描述。
6.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法，其特征在于：所述知识节点用于对所述知识点信息进行标记，所述知识节点与所述知识点信息对应设置。
7.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法，其特征在于：语义向量模型包括但不限于中文语义向量模型、英文语义向量模型、日文语义向量模型、法文语义向量模型及西班牙文语义向量模型。
8.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法，其特征在于所述
查询信息与数据库信息的相似度的计算方法如下：
A＝1/3{a/|L(b)|+a/L(c)|+(a-d)/a}{L(b)+L(c)}/2L(b)；
其中，A为相似度；
b为查询信息；
c为数据库信息
a为字符个数；
L(b)为b的字符长度；
L(c)为c的字符长度；
d表示查询信息b与数据库信息c相匹配的过程中，字符位置发生变化的次数。
9.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法，其特征在于：所述实体标签信息包括但不限于行为数据内容标签、实体文本标注形式表示标签、RDF三元组向量化表示标签、逻辑表示标签。
10.根据权利要求1所述的基于知识图谱的数据分析与数据推送方法，其特征在于：对知识图谱进行分析的方法包括利用pageRank、节点度、度中心性、聚类、最优路径进行统计及展示知识图谱各节点之间的关系的步骤。
基于知识图谱的数据分析与数据推送方法
技术领域
[0001]本发明具体涉及一种基于知识图谱的数据分析与数据推送方法。
背景技术
[0002]知识图谱在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
[0003]知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。
[0004]具体来说，知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考。迄今为止，其实际应用在发达国家已经逐步拓展并取得了较好的效果，但它在我国仍属研究的起步阶段，在教育、金融等领域的使用并未很好地推广，其最主要的原因是目前并不具有一种高效且便捷的基于知识图谱的数据分析与数据推送方法，所以急需一种基于知识图谱的数据分析与数据推送方法以解决这一问题。
发明内容
[0005]本发明的目的在于针对现有技术的不足，提供一种基于知识图谱的数据分析与数据推送方法，该基于知识图谱的数据分析与数据推送方法可以很好地解决上述问题。[0006]为达到上述要求，本发明采取的技术方案是：提供一种基于知识图谱的数据分析与数据推送方法，该基于知识图谱的数据分析与数据推送方法包括如下步骤：
[0007]S1：根据教学材料构建知识点数据库；
[0008]S2：构建说明信息，所述说明信息用于对知识点信息进行解释说明；
[0009]S3：对所述说明信息进行分析，得到对应所述说明信息的知识点信息和对应所述知识点信息的知识点；
[0010]S4：基于所述知识点信息和知识点，为所述说明信息设置知识节点；
[0011]S5：设置所述知识节点之间、知识节点与知识点之间的从属对应关系，根据所述从属对应关系建立知识图谱；
[0012]S6：根据所述知识图谱对所述教学材料信息进行标注，得到实体标签信息；[0013]S7：采用量化技术对使用者的知识拥有度进行评估，并对知识储存结构知识图谱进行扩展；
[0014]S8：构建知识图谱可视化分析插件库，所述知识图谱可视化分析插件库由知识图谱处理模块和展示功能程序模块组成，并对外提供API；
[0015]S9：对查询端发送的查询信息进行接收，并查对应所述查询信息的知识图谱；[0016]S10：根据所述查询信息与数据库信息的相似度进材信息的个性化推送。[0017]该基于知识图谱的数据分析与数据推送方法引入知识图谱实体标签技术，对用户的学习行为信息和学习反馈信息进行学习偏好或学习掌握程度的分析，从而根据分析结果进行教材信息的个性化推送，实现推送效果更好的目的。
[0018]同时将实体标签信息作为API触发点，通过识别用户在应用程序场景中触发的API 内容获取用户的学习行为信息和学习反馈信息以及该学习行为信息对应的实体标签信息，能在复杂环境下收集更完整的用户行为数据，从而获得大规模的完整标注数据，容易与深度学习算法相结合以及能够基于知识图谱将实体标签信息进行向量化，使得算法更准确。
附图说明
[0019]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0020]图1示意性地示出了根据本申请一个实施例的基于知识图谱的数据分析与数据推送方法的流程示意图。
具体实施方式
[0021]为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。
[0022]在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。[0023]为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。
[0024]根据本申请的一个实施例，提供一种基于知识图谱的数据分析与数据推送方法，如图1所示，包括如下步骤：
[0025]S1：根据教学材料构建知识点数据库；
[0026]S2：构建说明信息，所述说明信息用于对知识点信息进行解释说明；
[0027]S3：对所述说明信息进行分析，得到对应所述说明信息的知识点信息和对应所述知识点信息的知识点；
[0028]S4：基于所述知识点信息和知识点，为所述说明信息设置知识节点；
[0029]S5：设置所述知识节点之间、知识节点与知识点之间的从属对应关系，根据所述从属对应关系建立知识图谱；
[0030]S6：根据所述知识图谱对所述教学材料信息进行标注，得到实体标签信息；[0031]S7：采用量化技术对使用者的知识拥有度进行评估，并对知识储存结构知识图谱进行扩展；
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议