[发明专利]一种业务本体驱动的企业信用关系图粗化方法

说明书

本发明属于图数据处理技术领域，特别涉及一种业务本体驱动的企业信用关系图粗化方法。本发明提供一种新的业务本体驱动的企业信用关系图粗化方法，该业务本体驱动的企业信用关系图粗化方法在企业信用关系图粗化过程中，提出了公共信用评价的多领域业务本体模型，并基于多领域业务本体模型，辅以企业数据逻辑关系信息，采用Odgca算法，在企业信用关系图粗化的效率方面具有比较大的优势，一定程度上避免了目前大多数图粗化方法的盲目性，能够更快的生成满足用户需求的粗化图。

技术领域

本发明属于图数据处理技术领域，特别涉及一种业务本体驱动的企业信用关系图粗化方法。

背景技术

公共信用本质上是由公共生活领域中特定主体(如政府、企业、民间组织、有影响力的个人等)以履行不完全契约或隐形契约方式而提供的一种特殊的公共产品，产品的形式表现为上述特定主体在履行职责过程中产生或掌握的、可用于识别商事主体、事业单位、社会组织和公民个人(信息主体)基本信用状况的数据和资料。其中，企业是公共生活领域中最活跃的主要主体。以社会公共信用数据为基础，使用企业信用图谱模型，为构建以信用为基础的新型监管机制提供技术工具，为政府保障民生和发展经济政务决策提供数据支撑，具有重要意义。

企业信用图谱是对专家经验的一种固化，能够支持知识与工具的积累与复用，具有强大的关系表达能力，能够从企业与工商、税务、社保、法院、消防等实体的关系，投资关系、抵押关系、关联企业、招投标关系中挖掘信用信息，能够支持复杂风险模式挖掘，具有更好的可解释性和展示效果。然后，企业信用图谱规模较大，仅企业实体节点就超过2亿个，关系规模更大。因此，需要使用图粗化算法，在不损失或者尽量小的损失信息的前提下，实现大规模图向较小规模图转换，是实现大规模企业信用图谱处理和使用的重要问题。

目前的图粗化方法多是针对通过互联网数据爬取并自动构建的图，通过图节点和关系的分析，辅以算法来识别可以裁剪或者合并的节点和关系，图粗化过程没有考虑到用户业务需求，导致图粗化方法可能与用户业务需求存在一定偏差；也没有充分利用具体应用场景下的业务本体知识来减少图粗化算法的复杂性，在一定程度上影响了图粗化算法的效率。

发明内容

为了解决现有技术中存在的问题，本发明提供一种新的业务本体驱动的企业信用关系图粗化方法。

本发明具体技术方案如下：

本发明提供一种业务本体驱动的企业信用关系图粗化方法，包括如下步骤：

S1：接收输入的业务本体集合OS:{os1,os2,...,osn}、企业信用关系图g以及关注条件condition，并将业务本体集合OS、企业信用关系图g以及关注条件condition输入业务本体模型中；

S2：解析关注条件，并根据解析后关注条件在企业信用关系图中生成虚拟节点，并采用Odgca算法将企业信用关系图粗化，得到粗化后的企业信用关系图g'；

S3：基于粗化后的企业信用关系图进行业务服务。

本发明的有益效果如下：

本发明提供一种新的业务本体驱动的企业信用关系图粗化方法，该业务本体驱动的企业信用关系图粗化方法在企业信用关系图粗化过程中，提出了公共信用评价的多领域业务本体模型，并基于多领域业务本体模型，辅以企业数据逻辑关系信息，采用Odgca算法，在企业信用关系图粗化的效率方面具有比较大的优势，一定程度上避免了目前大多数图粗化方法的盲目性，能够更快的生成满足用户需求的粗化图。

附图说明

图1为本发明业务本体驱动的企业信用关系图粗化方法的流程图；

图2为步骤S2中Odgca算法的流程图；

图3为步骤S24的流程图；

图4为本发明企业信用评价业务本体模型的结构示意图；