[发明专利]基于知识图谱的时空大数据深度分析方法及系统

权利要求书

1.基于知识图谱的时空大数据深度分析方法，其特征在于，包括如下步骤：

步骤1、运行数据库脚本，在数据库脚本中配置数据表结构，并为数据库中的历史数据与历史数据表结构构建链接路径，形成数据导出的基础配置，在数据库脚本中运行同步代码，将基础配置通过数据库脚本中的同步代码同步至数据导出工具中，利用数据导出工具导出历史数据表结构，基于链接路径从数据库中将历史数据对应的导出并保存至历史数据表结构下配置的历史数据目录中；

步骤2、加载历史数据表结构及对应的历史数据目录，调用知识图谱中设定格式将历史数据目录下对应的历史数据进行格式标注，并按照分布式图存储的形式对格式标注以及对应的历史数据进行缓存；

步骤3、获取分布式图存储的结构，提取格式标注，按照格式标注构建对应的分类模板，在每一分类模板中构建空间位置信息语义特征以及时间演进信息语义特征，基于每一分类模板构建的空间位置信息语义特征以及时间演进信息语义特征来构建神经网络模型，将历史数据按照格式标注对应的输入至分类模板中，按照设定的空间位置信息语义特征和时间演进信息语义特征进行语义分析，并将对应的语义分析结果同步至神经网络模型中，同时基于每一分类模板的空间位置信息语义特征以及时间演进信息语义特征来构建每一分类模板对应的关系特征，基于所述关系特征构建关系网络，并将所述关系网络配置到神经网络模型中，通过神经网络模型对语义分析结果进行迭代训练得到语义分析模型，其中语义分析模型包括了所述关系网络；将多个分类模板组合构成分类矩阵，在分类矩阵中通过格式标注构建分类模板的导向链接，将导向链接添加至识别模块中，通过导向链接将识别模块和分类矩阵中的分类模板建立连接；将分类矩阵通过同步模块连接所述语义分析模型；

步骤4、当有新数据产生时，设定数据导出工具的数据导出周期，并按照步骤1获取新数据表结构及对应的新数据目录，从新数据目录下加载对应的新数据输入至识别模块中，通过识别模块获取新数据对应的格式标注，通过格式标注对应的导向链接将新数据输入至分类矩阵对应的分类模板中，在分类模板中按照空间位置信息语义特征和时间演进信息语义特征分别进行语义分析，得到新语义分析结果，保存新语义分析结果并将新语义分析结果输入至语义分析模型，通过语义分析模型得到语义分析结果和对应的实体关系。

2.基于知识图谱的时空大数据深度分析系统，其特征在于，包括：

基础配置模块，用于运行数据库脚本，运行数据库脚本以查看数据库结构代码，在数据库结构代码中配置数据结构代码，在数据结构代码中插入链接路径和约束条件，形成数据导出的基础配置；

历史数据表结构形成模块，用于数据库脚本中运行同步代码，将基础配置通过数据库脚本中的同步代码同步至数据导出工具中，利用数据导出工具导出历史数据表结构，得到历史数据表结构，并配置历史数据目录下对应的历史数据目录；基于链接路径从数据库中将历史数据对应的导出并保存至历史数据表结构下配置的历史数据目录中；

格式标注模块，用于加载历史数据表结构及对应的历史数据目录，调用知识图谱中设定格式将历史数据目录下对应的历史数据进行格式标注，并按照分布式图存储的形式对格式标注以及对应的历史数据进行缓存；

分类模板构建模块，用于获取分布式图存储的结构，提取格式标注，按照格式标注构建对应的分类模板；

分类模板配置模块，用于为每一分类模板配置空间位置信息语义特征以及时间演进信息语义特征；

语义分析模型构建模块，用于基于每一分类模板构建的空间位置信息语义特征以及时间演进信息语义特征来构建神经网络模型，将历史数据按照格式标注对应的输入至所述分类模板中，在所述分类模板中按照设定的空间位置信息语义特征和时间演进信息语义特征进行语义分析，并将对应的语义分析结果同步至神经网络模型中，同时基于每一分类模板的空间位置信息语义特征以及时间演进信息语义特征来构建每一分类模板对应的关系特征，基于所述关系特征构建关系网络，并将所述关系网络配置到神经网络模型中，通过神经网络模型对语义分析结果进行迭代训练得到语义分析模型，且语义分析模型包括了所述关系网络；

分类矩阵构建模块，用于将多个分类模板组合构成分类矩阵；

导向链接构建模块，用于在分类矩阵中通过格式标注构建分类模板的导向链接；以及识别模块；

将所述导向链接添加至识别模块中，通过导向链接将识别模块和分类矩阵中的分类模板建立连接；将分类矩阵通过同步模块连接所述语义分析模型。