[发明专利]一种基于图计算的人员关系构建和分析方法

说明书

本发明公开了一种基于图计算的人员关系构建，第一步是关系数据的提取，通过整合内外数据，提炼出关系信息的最细粒度数据，存储到图数据库中；第二步是关系模型的构建，通过梳理关系类型，遍历图数据库中存储的顶点与边实现关系重组，形成关系模型。如前文背景技术提到的方式一，在关系模型中会转变为“该目标手机乘车前后N天(默认时间)的联系手机，该手机户主的身份证也有订该次车”。关系分析的灵活度的提高，由于引入了关系模型的概念，关系分析过程中可以灵活的调用一个或多个关系模型，通过传入不同的参数得到不同的关系分析结果。

技术领域

本发明涉及一种人员关系图谱构建和分析方法，具体是一种基于图计算的人员关系构建和分析方法。

背景技术

目前关系图谱构建和分析的方法，一般基于固定数据模型提取，以下对人员同车关系在基于固定数据模型的提取方式说明：

方式一：该目标手机乘车前后3天(默认时间)的联系手机，该手机户主的身份证也有订该次车；

方式二：该车次上与目标起始地相同的人员，其与目标同入住相同旅业；

方式三：除本次外，在3个月内(默认时间)与目标坐过同一趟车(同一航班)的人；

方式四：模糊查询方式，该车次上与目标起始地相同的人员，其身份证号码前六位与目标相同；

方式五：模糊查询方式，目标临近座位，起始地相同，且购票时间相近(如10分钟内)。

目前基于固定数据模型提取关系数据的方法，是通过将关系数据持久化，再对外提供查询服务的方法，很难支撑复杂多变的关系分析场景。比如方式一中，当需要把“乘车前后3天”换成“乘车前后5天”时，就需要对关系数据进行重新提取，造成大量的关系运算和存储开销；又比如方式三中，“在3个月内”换成“在1个月内”，同样存在关系数据需要重新生成的问题。

因此，本发明提供了一种基于图计算的人员关系构建和分析方法，以解决上述背景技术中提出的问题。

发明内容

针对目前方法的不足，本发明运用了图数据库在图运算的先天优势，将关系分析转换成图计算，基于深度优先遍历算法和广度优先遍历算法，将关系分析实时化，使得最终需要呈现的关系数据是通过图计算得到了，解决了关系数据持久化带来的分析受限问题。

为实现上述目的，本发明提供如下技术方案：

本方案采用百度开源的HugeGraph作为图数据库，HugeGraph是一款易用、高效、通用的开源图数据库系统(Graph Database，GitHub项目地址)，实现了Apache TinkerPop3框架及完全兼容Gremlin查询语言，具备完善的工具链组件，助力用户轻松构建基于图数据库之上的应用和产品。

HugeGraph支持百亿以上的顶点和边快速导入，并提供毫秒级的关联关系查询能力 (OLTP)，并可与Hadoop、Spark等大数据平台集成以进行离线分析(OLAP)。

一种基于图计算的人员关系构建，包括如下步骤：

一、关系数据的提取；

a)通过SparkSql从内外部系统数据库中，提取人员基本信息、轨迹信息、话单信息等，将人员、列车、酒店、手机号码等实体作为顶点，将事件或从属关系作为边，将关系型数据库转换为图数据文件，写入到分布式存储系统HDFS中；

b)借助HugeGraph提供的HugeGraph-Loader工具，将图数据文件导入到图数据库中。

二、关系模型的构建；通过SpringBoot+Vue+ElementsUi的前后端分离框架，前端通过Vue+ElementUI配置关系模型，后端通过SpringBoot开发的持久化接口实现关系模型的持久化。