基于本地化知识图谱的智慧信息系统及其构建方法与流程

1.本技术属于数据处理技术领域，具体涉及一种基于本地化知识图谱的智慧信息系统及其构建方法。


背景技术：

2.现有的智慧信息系统一般设置有报警功能，出警功能，但无论是哪种功能，其每一次报警信息或者出警信息都是孤立的，没有任何联系，然而若能够将每一次报警信息和出警信息融合到统一的构架下，在下一次报警信息中，就会获取到很多相关联的信息，有利于判断本次出警的背后的实质信息。
3.解决所有问题的一个关键技术为本地化知识图谱，即将知识图谱应用于所有信息，构建适合信息之间联系的构架，实现信息的快递检索、分类管理、针对性预警等功能。然而，现实完成知识图谱的本地化却非常具有难度，本地化知识图谱一般需要投入大量的人工进行信息的录入，并且需要长时间的调研来构建知识图谱中每个信息之间的关系，这种方式需要投入巨大，的人力、财力，并且信息录入不一定准确，显然是不合适的，如果使用工作人员进行信息的录入或者信息之间关系的建立，也是不合适的，因为工作人员工作非常忙碌，无法抽时间投入到信息化建设中去，软件公司因为不了解，也无法真正投入信息化建设中去。
4.故，本地化知识图谱所创建的智慧信息系统需要一种新的构建方式，以满足本地的实际需要。


技术实现要素：

5.基于以上技术问题，本技术提出一种基于本地化知识图谱的智慧信息系统及其构建方法。
6.第一方面，本技术提出一种基于本地化知识图谱的智慧信息系统，包括：三元组架构模块、知识图谱构建模块、情报信息获取模块、信息精确化模块、信息提取填充模块、应用模块；
7.所述三元组架构模块、知识图谱构建模块、情报信息获取模块、信息精确化模块、信息提取填充模块、应用模块依次顺序相连接，所述信息提取填充模块与所述知识图谱构建模块相连接；
8.所述三元组架构模块用于确定三元组架构；
9.所述知识图谱构建模块用于根据所述三元组架构以及训练数据，构建预训练知识图谱模型；
10.所述情报信息获取模块用于获取结构化情报信息与非结构化情报信息；
11.所述信息精确化模块用于对所述结构化情报信息与非结构化情报信息进行精确化处理，并将处理后结果发送到所述信息填充模块；
12.所述信息提取填充模块用于将所述处理后结果输入到所述预训练知识图谱模型，
得到基于所述三元组架构的对应填充信息，并将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱；
13.所述应用模块用于将所述本地化知识图谱应用到不同场景中。
14.所述三元组构架包括：定义单元、三元组构建单元；
15.所述定义单元与三元组构建单元相连接；
16.所述定义单元用于定义三元组包含的实体，所述实体包括被监控人员、被监控地点、被监控事件；
17.所述三元组构建单元用于分别针对所述被监控人员、被监控地点、被监控事件，建立以上实体之间的关系链接，从而构建“实体-关系-实体”型三元组架构；
18.所述被监控地点定义为：重点监控行业地点、重点监控营业场所地点、重点监控危险物品地点、重点人员分布地点。
19.所述信息精确化模块包括：结构化提取单元、非结构化提取单元、精确化单元；
20.所述结构化提取单元与非结构化提取单元分别与精确化单元相连接；
21.所述结构化提取单元用于提取结构化情报信息中的关键词；
22.所述非结构化提取单元用于对非结构化情报信息进行标注，标注后词汇；对所述标准后词汇进行清洗，得到清洗后词汇；
23.精确化单元用于根据所述关键词与清洗后词汇建立语料库，建立语料库中词汇与标准地址、实有人口、实有房屋以及实有单位的对应关系。
24.所述结构化情报信息和非结构化情报信息包括：个人档案、公司经营情况档案、机关档案、团体档案、企业档案、事业单位档案、报警记录、口供笔录、出警记录、内部报告；其中，结构化情报信息是由字段名及其字段值组成的结构化表单数据，非结构化情报信息是自然语段构成的文本数据。
25.所述信息提取填充模块，包括：拼接单元、特征提取单元、分类器单元、填充信息输出单元、本地化单元；
26.所述拼接单元、特征提取单元、分类器单元、填充信息输出单元、本地化单元依次顺序相连接；
27.所述特征提取单元用于使用所述预训练知识图谱模型对所述处理后结果进行编码，并提取出编码后的特征向量；
28.所述分类器单元用于将所述编码后的特征向量输入分类器当中，并最终计算出各个位置的逻辑值；
29.所述填充信息输出单元用于根据所述逻辑值，通过softmax函数选择出三元组架构的对应填充信息；
30.所述本地化单元用于将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱。
31.所述不同场景包括：检索、分类管理、针对性预警。
32.第二方面，本技术提出一种基于本地化知识图谱的智慧信息系统构建方法，包括如下步骤：
33.确定三元组架构；
34.根据所述三元组架构以及训练数据，构建预训练知识图谱模型；
35.获取结构化情报信息与非结构化情报信息；
36.对所述结构化情报信息与非结构化情报信息进行精确化处理，并将处理后结果发送到所述信息填充模块；
37.将所述处理后结果输入到所述预训练知识图谱模型，得到基于所述三元组架构的对应填充信息，并将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱；
38.将所述本地化知识图谱应用到不同场景中。
39.所述确定三元组架构，过程如下：
40.定义三元组包含的实体，所述实体包括被监控人员、被监控地点、被监控事件；
41.分别针对所述被监控人员、被监控地点、被监控事件，建立以上实体之间的关系链接，从而构建“实体-关系-实体”型三元组架构；
42.所述被监控地点定义为：重点监控行业地点、重点监控营业场所地点、重点监控危险物品地点、重点人员分布地点。
43.所述对所述结构化情报信息与非结构化情报信息进行精确化处理，过程如下：
44.提取结构化情报信息中的关键词；
45.对非结构化情报信息进行标注，标注后词汇；对所述标准后词汇进行清洗，得到清洗后词汇；
46.根据所述关键词与清洗后词汇建立语料库，建立语料库中词汇与标准地址、实有人口、实有房屋以及实有单位的对应关系。
47.所述得到本地化知识图谱，过程如下；
48.使用所述预训练知识图谱模型对所述处理后结果进行编码，并提取出编码后的特征向量；
49.将所述编码后的特征向量输入分类器当中，并最终计算出各个位置的逻辑值；
50.根据所述逻辑值，通过softmax函数选择出三元组架构的对应填充信息；
51.将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱。
52.有益技术效果：
53.本技术提出一种基于本地化知识图谱的智慧信息系统及其构建方法，解决了知识图谱技术无法直接应用到本地化智慧信息系统中的问题，并使得内部信息能够进行传承；
54.将本地化知识图谱应用在快速检索、分类管理、针对性预警等功能上，发挥了巨大作用，一方面使得检索结果能够关联多方面的相关信息，且使得各类信息能够准确地分类进行管理，另一方面使得报警信息中关联相关的背景信息，这些背景信息能够让工作人员做出准确而快速地判断。
55.本技术方法简单，易于操作，降低了构建本地化知识图谱的成本。
附图说明
56.图1为本技术实施例的一种基于本地化知识图谱的智慧信息系统原理框图；
57.图2为本技术实施例的三元组构架原理框图；
58.图3为本技术实施例的信息精确化模块原理框图；
59.图4为本技术实施例的信息提取填充模块原理框图；
60.图5为本技术实施例的一种基于本地化知识图谱的智慧信息系统构建方法流程
图；
61.图6为本技术实施例的精确化处理流程图；
62.图7为本技术实施例的得到本地化知识图谱流程图。
具体实施方式：
63.下面结合附图对本技术作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本技术的保护范围。
64.第一方面，本技术提出一种基于本地化知识图谱的智慧信息系统，如图1所示，包括：三元组架构模块、知识图谱构建模块、情报信息获取模块、信息精确化模块、信息提取填充模块、应用模块；
65.所述三元组架构模块、知识图谱构建模块、情报信息获取模块、信息精确化模块、信息提取填充模块、应用模块依次顺序相连接，所述信息提取填充模块与所述知识图谱构建模块相连接；
66.所述三元组架构模块用于确定三元组架构；
67.所述知识图谱构建模块用于根据所述三元组架构以及训练数据，构建预训练知识图谱模型；
68.所述情报信息获取模块用于获取结构化情报信息与非结构化情报信息；
69.所述信息精确化模块用于对所述结构化情报信息与非结构化情报信息进行精确化处理，并将处理后结果发送到所述信息填充模块；
70.所述信息提取填充模块用于将所述处理后结果输入到所述预训练知识图谱模型，得到基于所述三元组架构的对应填充信息，并将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱；
71.所述应用模块用于将所述本地化知识图谱应用到不同场景中。
72.所述三元组构架，如图2所示，包括：定义单元、三元组构建单元；
73.所述定义单元与三元组构建单元相连接；
74.所述定义单元用于定义三元组包含的实体，所述实体包括被监控人员、被监控地点、被监控事件；
75.所述三元组构建单元用于分别针对所述被监控人员、被监控地点、被监控事件，建立以上实体之间的关系链接，从而构建“实体-关系-实体”型三元组架构；例如对于被监控人员，根据其居住、经营、消费盘踞等活动的分布地点与所述被监控地点建立关系链接，或者根据其参与的被监控事件而建立关系链接；
76.所述被监控地点定义为：重点监控行业地点、重点监控营业场所地点、重点监控危险物品地点、重点人员分布地点。
77.本技术主要是如何使得知识图谱能够成功本地化，故定义被监控人员、被监控地点、被监控事件，是重要的一个步骤，因为如果定义有偏差，其本地化效果必然不好，因为本技术是采用了未填写本地化数据的但只有分类定义了实体以及其关系特征的知识图谱架构提供给本地，再将所有本地化数据导入该知识图谱，得到本地化知识图谱，工作人员可以将本地化后的知识图谱下载到本地也可以保存到云端。
78.所述信息精确化模块，如图3所示，包括：结构化提取单元、非结构化提取单元、精
确化单元；
79.所述结构化提取单元与非结构化提取单元分别与精确化单元相连接；
80.所述结构化提取单元用于提取结构化情报信息中的关键词；
81.所述非结构化提取单元用于对非结构化情报信息进行标注，标注后词汇；对所述标准后词汇进行清洗，得到清洗后词汇；
82.精确化单元用于根据所述关键词与清洗后词汇建立语料库，建立语料库中词汇与标准地址、实有人口、实有房屋以及实有单位的对应关系。
83.所述结构化情报信息与非结构化情报信息包括：个人档案、公司经营情况档案、机关档案、团体档案、企业档案、事业单位档案、报警记录、口供笔录、出警记录、内部报告。其中，结构化情报信息是由字段名及其字段值组成的结构化表单数据，非结构化情报信息是自然语段构成的文本数据。
84.所述非结构化提取单元用于采用bio(b-begin,i-inside,o-outside)标注得到标注后词汇；
85.其中，b-per表示人名首字、i-org表示人名非首字、b-loc表示地名首字、地名非首字，b-org表示组织机构首字，i-org表示组织机构非首字，o代表该字不属于实体的一部分。
86.bio标注是现有技术中比较成熟的标注方式，能够比较准确地获取到本技术需要的实体分类对应的词汇，但是还是需要将这些词汇分类到对应的实体中。本技术信息填充模块能够实现将提取到的词汇填充点对应的实体中。
87.本技术中的清洗是为了除去词汇中的连接词、介词等不必要的词汇。
88.根据所述关键词与清洗后词汇建立语料库，建立语料库中词汇与标准地址、实有人口、实有房屋以及实有单位的对应关系。
89.建立语料库是为了将一些写法不一致的地址，名称等统一起来，例如北京市海淀区，很多时候简写为北京海淀，所以将这一切简写、错误拼写等的词汇统一到标准地址、实有人口、实有房屋以及实有单位中，建立这种一一对应的关系，以便进一步进行知识图谱本地化。
90.所述信息提取填充模块，如图4所示，包括：拼接单元、特征提取单元、分类器单元、填充信息输出单元、本地化单元；
91.特征提取单元、分类器单元、填充信息输出单元、本地化单元依次顺序相连接；
92.所述特征提取单元用于使用所述预训练知识图谱模型对所述处理后结果进行编码，并提取出编码后的特征向量；
93.所述分类器单元用于将所述编码后的特征向量输入分类器当中，并最终计算出各个位置的逻辑值；
94.所述填充信息输出单元用于根据所述逻辑值，通过softmax函数选择出三元组架构的对应填充信息；
95.所述本地化单元用于将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱。
96.所述不同场景包括：检索、分类管理、针对性预警。
97.信息提取填充模块显示了如何将某个词汇分类到特定地实体分类中，例如，在预先训练完成的知识图谱中是没有张三这个人名的，只有实体的分类，如何将张三直接保存
到实体分类中，是接下来的工作重点，这也是本技术所创建的知识图谱之所以能够本地化的一个重点内容。
98.本技术采用的预训练知识图谱模型，首先获取历史训练数据，其数据包括本地的所述被监控人员、被监控地点、被监控事件并且带有分类标注，采用bert(bidirectional encoder representation from transformers，双向编码器表征)预训练模型进行训练，得到预训练知识图谱模型，无论算法均对本技术有效，只要能够通过自然语言提取出某个实体的对应特征向量，并使得对应该特征向量对应分配到正确地三元组构架中即可，本部分属于现有技术，本技术不再赘述。
99.使用所述如上预训练完成的知识图谱模型对所述精确化处理后结果进行编码，并提取出编码后的特征向量；
100.所述分类器单元用于将所述编码后的特征向量输入分类器当中，并最终计算出各个位置的逻辑值；
101.所述填充信息输出单元用于根据所述逻辑值，通过softmax函数选择出三元组架构的对应填充信息；
102.所述本地化单元用于将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱。
103.所述softmax函数，公式如下：
[0104][0105]
其中，xi为第i个节点的输出值，xc即为n个相似度的值，本技术实施例取其中值最大的作为预测的答案，即为三元组架构的对应填充信息。
[0106]
所述三元组架构包括各种三元组(h，r，t)，其中，h代表头实体，r代表关系，t代表尾实体。
[0107]
所述关键词或者标注后词汇包括：标准地址、实有人口、实有房屋、实有单位。
[0108]
所述不同场景包括：检索、分类管理、针对性预警。
[0109]
本技术能够应用到不同的场景中，使得本地化知识图谱能够在工作人员的日常工作中起到其应有的作用：
[0110]
1，快速检索：
[0111]
在现有的智慧信息系统中，需要准确地知道所要检索的关键字，并且根据该关键字能够检索到的答案比较有限，采用本技术的方法升级后的智慧信息系统同样再次去检索的时候，不但能够检索到一条报警信息，而且因为本地化的知识图谱的应用，能够将很多人、事、物关联起来，能够提供给工作人员从多角度多方向去处理问题。
[0112]
2，分类管理：
[0113]
同样的，本地化知识图谱能够将所有内部的信息进行分类管理。若具有分类管理的需求，则首先确定具体分类的关键词，并将该关键词与本地化知识图谱关联，则根据本地化知识图谱，能够直接连接到该关键词对应的信息，这样可以快速地构建分类管理的功能。
[0114]
3，针对性预警：
[0115]
现有的智慧信息系统一般设置有报警功能，出警功能，但无论是哪种功能，其每一次报警信息或者出警信息都是孤立的，没有任何联系，然而若采用本技术提出的本地化知
识图谱，在下一次报警信息中，就会获取到很多相关联的信息，有利于判断本次出警的背后的实质信息。
[0116]
第二方面，本技术提出一种基于本地化知识图谱的智慧信息系统构建方法，如图5所示，包括如下步骤：
[0117]
步骤s1：确定三元组架构；
[0118]
步骤s2：根据所述三元组架构以及训练数据，构建预训练知识图谱模型；
[0119]
步骤s3：获取结构化情报信息与非结构化情报信息；
[0120]
步骤s4：对所述结构化情报信息与非结构化情报信息进行精确化处理，并将处理后结果发送到所述信息填充模块；
[0121]
步骤s5：将所述处理后结果输入到所述预训练知识图谱模型，得到基于所述三元组架构的对应填充信息，并将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱；
[0122]
步骤s6：将所述本地化知识图谱应用到不同场景中。
[0123]
所述确定三元组架构，过程如下：
[0124]
定义三元组包含的实体，所述实体包括被监控人员、被监控地点、被监控事件；
[0125]
分别针对所述被监控人员、被监控地点、被监控事件，建立以上实体之间的关系链接，从而构建“实体-关系-实体”型三元组架构；
[0126]
所述被监控地点定义为：重点监控行业地点、重点监控营业场所地点、重点监控危险物品地点、重点人员分布地点。
[0127]
所述对所述结构化情报信息与非结构化情报信息进行精确化处理，如图6所示，过程如下：
[0128]
步骤s4.1：提取结构化情报信息中的关键词；
[0129]
步骤s4.2：对非结构化情报信息进行标注，标注后词汇；对所述标准后词汇进行清洗，得到清洗后词汇；
[0130]
步骤s4.3：根据所述关键词与清洗后词汇建立语料库，建立语料库中词汇与标准地址、实有人口、实有房屋以及实有单位的对应关系。
[0131]
所述得到本地化知识图谱，如图7所示，过程如下；
[0132]
步骤s5.1：使用所述预训练知识图谱模型对所述处理后结果进行编码，并提取出编码后的特征向量；
[0133]
步骤s5.2：将所述编码后的特征向量输入分类器当中，并最终计算出各个位置的逻辑值；
[0134]
步骤s5.3：根据所述逻辑值，通过softmax函数选择出三元组架构的对应填充信息；
[0135]
步骤s5.4：将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱。
[0136]
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

技术特征：
1.一种基于本地化知识图谱的智慧信息系统，其特征在于，包括：三元组架构模块、知识图谱构建模块、情报信息获取模块、信息精确化模块、信息提取填充模块、应用模块；所述三元组架构模块、知识图谱构建模块、情报信息获取模块、信息精确化模块、信息提取填充模块、应用模块依次顺序相连接，所述信息提取填充模块与所述知识图谱构建模块相连接；所述三元组架构模块用于确定三元组架构；所述知识图谱构建模块用于根据所述三元组架构以及训练数据，构建预训练知识图谱模型；所述情报信息获取模块用于获取结构化情报信息与非结构化情报信息；所述信息精确化模块用于对所述结构化情报信息与非结构化情报信息进行精确化处理，并将处理后结果发送到所述信息填充模块；所述信息提取填充模块用于将所述处理后结果输入到所述预训练知识图谱模型，得到基于所述三元组架构的对应填充信息，并将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱；所述应用模块用于将所述本地化知识图谱应用到不同场景中。2.如权利要求1所述的基于本地化知识图谱的智慧信息系统，其特征在于，所述三元组架构包括：定义单元、三元组构建单元；所述定义单元与三元组构建单元相连接；所述定义单元用于定义三元组包含的实体，所述实体包括被监控人员、被监控地点、被监控事件；所述三元组构建单元用于分别针对所述被监控人员、被监控地点、被监控事件，建立以上实体之间的关系链接，从而构建“实体-关系-实体”型三元组架构；所述被监控地点定义为：重点监控行业地点、重点监控营业场所地点、重点监控危险物品地点、重点人员分布地点。3.如权利要求1所述的基于本地化知识图谱的智慧信息系统，其特征在于，所述信息精确化模块包括：结构化提取单元、非结构化提取单元、精确化单元；所述结构化提取单元与非结构化提取单元分别与精确化单元相连接；所述结构化提取单元用于提取结构化情报信息中的关键词；所述非结构化提取单元用于对非结构化情报信息进行标注，标注后词汇；对所述标准后词汇进行清洗，得到清洗后词汇；精确化单元用于根据所述关键词与清洗后词汇建立语料库，建立语料库中词汇与标准地址、实有人口、实有房屋以及实有单位的对应关系。4.如权利要求3所述的基于本地化知识图谱的智慧信息系统，其特征在于，所述结构化情报信息与非结构化情报信息包括：个人档案、公司经营情况档案、机关档案、团体档案、企业档案、事业单位档案、报警记录、口供笔录、出警记录、内部报告，其中，结构化情报信息是由字段名及其字段值组成的结构化表单数据，非结构化情报信息是自然语段构成的文本数据。5.如权利要求1所述的基于本地化知识图谱的智慧信息系统，其特征在于，所述信息提
取填充模块，包括：特征提取单元、分类器单元、填充信息输出单元、本地化单元；特征提取单元、分类器单元、填充信息输出单元、本地化单元依次顺序相连接；所述特征提取单元用于使用所述预训练知识图谱模型对所述处理后结果进行编码，并提取出编码后的特征向量；所述分类器单元用于将所述编码后的特征向量输入分类器当中，并最终计算出各个位置的逻辑值；所述填充信息输出单元用于根据所述逻辑值，通过softmax函数选择出三元组架构的对应填充信息；所述本地化单元用于将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱。6.如权利要求1所述的基于本地化知识图谱的智慧信息系统，其特征在于，所述不同场景包括：检索、分类管理、针对性预警。7.一种基于本地化知识图谱的智慧信息系统构建方法，其特征在于，包括如下步骤：确定三元组架构；根据所述三元组架构以及训练数据，构建预训练知识图谱模型；获取结构化情报信息与非结构化情报信息；对所述结构化情报信息与非结构化情报信息进行精确化处理，并将处理后结果发送到所述信息填充模块；将所述处理后结果输入到所述预训练知识图谱模型，得到基于所述三元组架构的对应填充信息，并将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱；将所述本地化知识图谱应用到不同场景中。8.如权利要求7所述的基于本地化知识图谱的智慧信息系统构建方法，其特征在于，所述确定三元组架构，过程如下：定义三元组包含的实体，所述实体包括被监控人员、被监控地点、被监控事件；分别针对所述被监控人员、被监控地点、被监控事件，建立以上实体之间的关系链接，从而构建“实体-关系-实体”型三元组架构；所述被监控地点定义为：重点监控行业地点、重点监控营业场所地点、重点监控危险物品地点、重点人员分布地点。9.如权利要求7所述的基于本地化知识图谱的智慧信息系统构建方法，其特征在于，所述对所述结构化情报信息与非结构化情报信息进行精确化处理，过程如下：提取结构化情报信息中的关键词；对非结构化情报信息进行标注，标注后词汇；对所述标准后词汇进行清洗，得到清洗后词汇；根据所述关键词与清洗后词汇建立语料库，建立语料库中词汇与标准地址、实有人口、实有房屋以及实有单位的对应关系。10.如权利要求7所述的基于本地化知识图谱的智慧信息系统构建方法，其特征在于，所述得到本地化知识图谱，过程如下；使用所述预训练知识图谱模型对所述处理后结果进行编码，并提取出编码后的特征向量；
将所述编码后的特征向量输入分类器当中，并最终计算出各个位置的逻辑值；根据所述逻辑值，通过softmax函数选择出三元组架构的对应填充信息；将所述对应填充信息填入到所述三元组架构中，得到本地化知识图谱。

技术总结
本申请提出一种基于本地化知识图谱的智慧信息系统及其构建方法，属于数据处理技术领域，所述系统包括：三元组架构模块、知识图谱构建模块、情报信息获取模块、信息精确化模块、信息提取填充模块、应用模块；所述方法包括：确定三元组架构；构建预训练知识图谱模型；获取结构化情报信息与非结构化情报信息；对结构化情报信息与非结构化情报信息进行精确化处理；将处理后结果输入到所述预训练知识图谱模型，将对应填充信息填入到所述三元组架构中，得到本地化知识图谱。本申请解决了知识图谱技术无法直接应用到本地化智慧信息系统中的问题，并使得内部信息能够进行传承，降低了构建本地化知识图谱的成本。识图谱的成本。识图谱的成本。


技术研发人员：王亚博 徐畅
受保护的技术使用者：国政通科技有限公司
技术研发日：2022.09.16
技术公布日：2023/7/20