(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211137143.8 (22)申请日 2022.09.19 (71)申请人 北京三维 天地科技股份有限公司 地址 100000 北京市海淀区西四环北路1 19 号A座3层3 09室 (72)发明人 金震　张京日　穆宇浩　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 张树朋 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/36(2019.01) G06N 20/00(2019.01) (54)发明名称 一种基于知识图谱技术的数据智能分类技 术 (57)摘要 本发明公开了一种基于知识图谱技术的数 据智能分类技术， 通过血缘关系构建知识图谱， 并根据社群发现算法， 将待分类的数据划分为若 干群组； 提取若干群组中每个群组的第一特征； 对现有族群进行特征提取， 获得每个群组的第二 特征； 根据聚类算法构建特征匹配模型， 并将第 一特征与第二特征进行匹配， 根据匹配结果对待 分类数据进行自动分类； 通过用户进行人工纠 偏， 分析数据分类的准确性以及关键控制点； 基 于以上对数据信息的分类及分析， 持续完善对机 器的学习， 不断提高数据分类的准确度， 并降低 由人工分类耗费的成本与精力。 权利要求书2页 说明书7页 附图2页 CN 115309906 A 2022.11.08 CN 115309906 A 1.一种基于知识图谱技 术的数据智能分类技 术， 其特征在于， 包括以下骤； 步骤S100， 基于数据血缘关系构建知识图谱， 并通过知识图谱的社群发现算法， 将待分 类数据划分为若干个 群组； 提取若干个 群组中每 个群组的第一特 征； 步骤S200， 对现有族群进行 特征提取， 获得每 个族群的第二特 征； 步骤S300， 基于机器学习聚类算法构建特征匹配模型， 基于所述特征匹配模型对第一 特征和第二特 征进行匹配， 根据匹配结果对待分类数据进行自动分类。 2.根据权利要求1所述的一种基于知识图谱技术的数据智能分类技术， 其特征在于， 所 述步骤S300包括： 基于机器学习聚类算法将第二特征与第一特征进行匹配， 若匹配成功， 将该匹配成功 的群组中所有待分类数据划分为相 应的现有族群中； 若匹配不成功， 对待分类数据进行进 一步细化划分， 形成若干个细化群组， 提取每个细化群组的第三特征， 将第三特征与第一特 征进行匹配， 若匹配成功， 将该细化群组中所有待分类数据划分为对应的族群中， 若匹配不 成功， 则重复对待分类数据的进一步细化划分的步骤， 直至将待分类数据全部自动分类至 现有的族群中。 3.根据权利要求1所述的一种基于知识图谱技术的数据智能分类技术， 其特征在于， 所 述步骤S300之后还包括： 步骤S400， 通过用户进行 人工纠偏， 分析 数据信息分类的准确性以及关键控制点； 步骤S500， 基于以上对数据信息的分类及分析， 将分类及分析结果作为机器学习分类 算法的优化因素输入至所述特 征匹配模型。 4.根据权利要求1所述的一种基于知识图谱技术的数据智能分类技术， 其特征在于， 所 述步骤S100中， 通过知识图谱的社群发现算法， 将待分类数据划分为若干个 群组， 包括： 知识图谱架构： 知识图谱的架构分为逻辑结构与体系结构， 其中， 逻辑结构主要包括数 据层和模式层； 知识图谱构建方式： 运用自底向上的构建方式， 首先从公开的连接中提取实体， 然后将 置信度较高的实体添加到知识库中， 再构建顶层本体； 数据信息采集： 通过获取数据， 结合社群发现算法， 以手工和半自动化的方式， 进行数 据采集， 经 过知识抽取、 知识融合形成统一的知识数据信息， 并划分为若干个 群组。 5.根据权利要求1所述的一种基于知识图谱技术的数据智能分类技术， 其特征在于， 包 括； 步骤S100包括： 计算待分类数据的唯一值、 最大值、 最小值、 类型、 关联的标准， 根据已 构建的数据血缘关系， 使用社群发现算法， 对待分类数据进 行聚类， 根据聚类算法形成新的 族群； 步骤S200包括： ， 对现有族群分类的数据， 系统将提取出现有族群分类下的数据的总体 特征， 设定为第二特 征。 6.根据权利要求1所述的一种基于知识图谱技术的数据智能分类技术， 其特征在于， 所 述步骤S300中， 基于 机器学习分类算法构建特 征匹配模型， 包括： 对大量未知标注 的数据族群， 按数据的内在相似性将数据族群划分为多个类别， 使类 别内的数据相似度较大而类别间的数据相似度较小； 通过聚类算法中的模块度对数据族群进行划分判定， 根据判定结果预测数据划分的标权　利　要　求　书 1/2 页 2 CN 115309906 A 2准是否符合用户要求； 将数据族群划分好后构成特征匹配模型， 通过第一特征与第二特征的匹配， 进行机器 智能分类。 7.根据权利要求3所述的一种基于知识图谱技术的数据智能分类技术， 其特征在于， 所 述步骤S500中， 对数据信息的分类及分析， 包括： 用户在元数据管理过程中， 从数据源的待选区选择一批未分类的数据， 系统机器在经 过学习后， 根据血缘关系， 在是否应用选项框中点击确定， 在基于算法的条件下对数据进 行 自动分类， 然后， 用户根据分类结果， 进行微调， 将微调 得出的结果作为新的分类特征输入 到特征匹配模型中。 8.根据权利要求5所述的一种基于知识图谱技术的数据智能分类技术， 其特征在于， 所 述已构建的血缘关系， 包括： 溯源分析： 由各类数据构成的血缘关系作为实际数据的管理， 通过支撑、 分析数据， 将 开发过程中的各类溯源进行分析， 并判断 问题的影响； 构建数据网络： 通过实现对数据的血缘识别、 发现， 构建成为数据网络； 数据血缘关系可视化： 通过可视化将规则、 流向分布显示在图像上的不同位置， 并起到 追溯数据溯源、 评估数据价 值、 数据质量评估的作用。 9.根据权利要求7所述的一种基于知识图谱技术的数据智能分类技术， 其特征在于， 所 述将对数据在基于算法的条件下进行自动分类， 包括： 当收集到有 效的数据信 息后， 系统机器将数据信 息按照一定的字段规则保存到数据库 中， 数据库中保存的数据有： 被标注的样本数据、 测试数据、 正确被分类的结果数据和未被 分类的离群数据； 系统机器获取数据库中的样本数据， 通过对样本数据的训练学习构建出分类模型， 用 于后续分类处 理； 分类模型对采集到的数据信 息进行预处理过程， 通过特征提取手段找到数据信 息的特 征词， 进行分类， 并判断出 数据信息属于正确被分类的数据还是 未被分类的离群数据； 若数据属于未被分类的离群数据， 则需要将离散数据信息推送至管理层， 供管理层的 分析， 管理人员通过查看系统推送消息将离群数据进行归类。 10.根据权利要求6所述的一种基于知识图谱技术的数据智能分类技术， 其特征在于， 所述通过聚类算法中的模块度对刻画的数据族群进行划分， 包括： 在通过对数据的训练学习并构建特征匹配模型后， 通过系统机器测试类别之间的相似 度以及类别的区分能力， 在类别区分能力好的情况下， 继续测试构建特征匹配模 型的好坏， 如果构建模型不够理想， 则需要对模型重新作出调整， 调整对 象为聚类算法中模块度的参 数， 根据模块度刻画数据集划分的优劣以及运用图团体检测方法， 对模块度进 行评价， 并测 试出系统机器的分类成果。权　利　要　求　书 2/2 页 3 CN 115309906 A 3