[发明专利]基于知识图谱的关联信息挖掘方法及装置

说明书

本发明公开了一种基于知识图谱的关联信息挖掘方法及装置，关联信息挖掘方法包括：步骤S1：从数据中提取多个实体信息，根据多个所述实体信息构建知识图谱数据库；步骤S2：根据Dijkstra算法通过所述知识图谱数据库获得任意实体之间的关联信息；步骤S3：输出所述关联信息。本发明基于知识图谱极强的数据表现和关系推演能力来搭知识图谱数据库，从而可快速和准确获得目标之间关联关系。

技术领域

本发明涉及一种关联信息挖掘方法及装置，具体地说，特别涉及一种基于知识图谱的关联信息挖掘方法及装置。

背景技术

随着互联网技术的发展，目前互联网营销的重度和大部分用户年轻化，受多元化媒体信息影响，每天获取的信息量零碎且庞大，如何在零碎且庞大的信息中准确找出目标之间最优的关联信息，以成为一项急需解决的问题。

举例来说，在广告营销中，用户的价值观审美观等多角度都在不断提升，以往的品牌植入式广告推广已经无法吸引用户，甚至遭受用户反感吐槽，所以品牌主在重点发力营销模式的升级转变，注重和用户互动，将广告营销与影视内容融为一体，引起用户共鸣，使品牌形象深入用户心里。所以品牌和影视剧目是否契合式营销能否成功的关键点。

目前品牌和影视剧目(剧目和综艺)互选一般是通过一些大数据分析洞察产品帮助提供数据决策，此类产品通过搭建数据指标分析模型来给品牌主推荐如何优选影视剧目。但是现有技术存在数据指标类型单一的问题，获得的关联信息并不准确，无法在品牌与影视剧互选的前期提供清晰的选择依据，只能提供一些根据已有数据生成的效果进行预测，往往无法真正帮助品牌和影视剧找到契合点，因此无法深入多方位给出品牌与影视剧目是否契合的评估结果。

因此亟需开发一种克服上述缺陷基于知识图谱的关联信息挖掘方法及装置。

发明内容

针对上述问题，本发明提供一种基于知识图谱的关联信息挖掘方法，其中，包括：

步骤S1：从数据中提取多个实体信息，根据多个所述实体信息构建知识图谱数据库；

步骤S2：根据Dijkstra算法通过所述知识图谱数据库获得任意实体之间的关联信息；

步骤S3：输出所述关联信息。

上述的关联信息挖掘方法，其中，所述实体信息包括实体类型信息、实体属性信息及实体关系信息。

上述的关联信息挖掘方法，其中，所述步骤S1中包括：

步骤S11：从数据中提取所述实体类型信息及所述实体属性信息；

步骤S12：根据所述实体类型信息及所述实体属性信息获得所述实体关系信息；

步骤S13：根据所述实体类型信息及/或所述实体属性信息设置节点；

步骤S14：根据所述实体关系信息对节点进行关联后获得所述知识图谱数据库。

上述的关联信息挖掘方法，其中，所述步骤S2中根据Dijkstra算法通过所述知识图谱数据库获得目标节点之间的路径。

上述的关联信息挖掘方法，其中，所述步骤S2包括：

步骤S21：设置目标点集合，包括起始目标节点、终止目标节点及多个中间节点；

步骤S22：根据节点之间的距离获得所述起始目标节点经过至少一所述中间节点至所述终点目标节点的最短的路径；

步骤S23：根据路径获得所述关联信息。

本发明还提供一种基于知识图谱的关联信息挖掘装置，其中，包括：

知识图谱数据库构建单元，从数据中提取多个实体信息，根据多个所述实体信息构建知识图谱数据库；