[发明专利]一种基于图模型关联推荐算法的多模型融合方法

说明书

本发明公开了一种基于图模型关联推荐算法的多模型融合方法。该方法能够有效利用历史模型资源获取新的业务模型。该多模型融合方法包括如下步骤：步骤A：获取具有相同对象组的多个历史模型；步骤B：在历史模型中以对象组中的各个对象为起点或终点分别读取依次连接的多个对象，以重复出现的多个对象及其对象关系作为关系链；步骤C：调取具有关系链的多个历史模型；步骤D：若所调取的历史模型中，关系链上的对象还从关系链以外连接到对象组中的其他对象，则该对象为历史模型中的关联对象，获取各个历史模型的关联对象的数量；步骤E：提取关联对象的数量较多的多个历史模型，集成所提取的这些历史模型从而实现多模型融合来生成新的业务模型。

技术领域

本发明主要涉及模型处理技术领域，尤其涉及一种基于图模型关联推荐算法的多模型融合方法。

背景技术

动态本体建模工具是采用大数据分析技术、知识图谱技术实现的，满足数据分析、语义融合、业务探索等需求的开放式、自主型的应用平台。图数据库是一种专门用于存储和检索庞大关系信息网的存储引擎，它能够高效地将数据存储为顶点(Node)，数据间的关系存储为边(Edge)，又能对顶点或边添加相关属性，并可实现对顶点、边、属性高效的全文检索和查询。但是，在动态本体建模工具使用较长时间后，对于已经构建的数百上千的业务模型，除少数通用业务模型外，针对性的模型往往在业务执行完后就弃用，造成历史模型资源浪费，而要从庞大的历史模型数据库中找到具有价值的业务模型又存在极强的偶然性，如何利用历史模型资源的问题给平台和用户造成困扰。

发明内容

本发明所要解决的技术问题是如何有效利用历史模型资源生成新的业务模型。

为了解决上述技术问题，本发明提供了一种基于图模型关联推荐算法的多模型融合方法，包括如下步骤：

步骤A：获取具有相同的对象组的多个历史模型，对象组是指：闭环连接的多个对象，对象组包括这些对象各自的属性和各个对象之间的连接关系；

步骤B：在所获取的这些历史模型中，以对象组中的各个对象为起点或终点分别读取依次连接的多个对象，以在所获取的全部历史模型中重复出现达预设程度的多个对象及其对象关系作为关系链；

步骤C：调取具有所述关系链的多个历史模型；

步骤D：若所调取的历史模型中，所述关系链上的对象还从关系链以外连接到对象组中的其他对象，则认为该对象为历史模型中的关联对象，获取各个历史模型的关联对象的数量；

步骤E：提取关联对象的数量在预设范围内的多个历史模型，集成所提取的这些历史模型从而实现多模型融合来生成新的业务模型。

进一步地，还包括在所述步骤E后执行的显示步骤，根据用户对用于集成该新的业务模型的多个历史模型的选择操作，显示该新的业务模型异于所述被选择的历史模型的对象和对象间的关系。

进一步地，所述步骤A中，对象组的多个对象闭环连接是指这些对象组成一个循环的闭环。

进一步地，所述步骤A中，所述多个对象闭环连接是指这些对象都在一个闭环内且这些对象中存在该闭环的起点和/或终点。

进一步地，所述步骤B中，重复出现达预设程度是指：重复次数达到预设下限值和/或重复次数在所有关系链中排在预设范围内。

进一步地，所述步骤B具体地，以对象组中的各个对象为起点/终点分别往前/往后读取与其连接的N个对象，N为预设数量范围，以所读取的依次连接的多个对象以及相邻对象的关系作为一条具有连接关系的对象链，对从全部历史模型中读取的全部对象链进行重复性校验，若一条对象链重复出现达预设程度，则将这条对象链定义为这些历史模型的关系链。

进一步地，包括预存有多个通用概念模型的通用模型库，所述步骤A获取的历史模型是指与各个通用概念模型的相似度均不高于预设阈值的历史模型。