(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 202210587355.X (22)申请日 2022.05.26 (71)申请人 厦门市美亚柏科信息股份有限公司 地址 361000 福建省厦门市软件园二期观 日路12号102-402单 元 (72)发明人 田浩　 (74)专利代理 机构 厦门市精诚新创知识产权代 理有限公司 3 5218 专利代理师 汪万龙 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/295(2020.01) G06Q 50/12(2012.01) (54)发明名称 一种连续事件关联关系分析方法、 终端设备 及存储介质 (57)摘要 本发明涉及一种连续事件关联关系分析方 法、 终端设备及存储介质， 该方法中包括： 采集待 分析角色之间关联关系的事件数据， 并从事件数 据中提取事件发起实体、 事件承受实体、 事件类 型和事件的持续时间； 对每个事件的持续时间线 按照额定长度的时间窗口进行切割， 使得事件承 受实体被分割为多个对应不同时间窗口的子事 件承受实体； 以事件发起实体作为起始节点、 子 事件承受实体作为终止节点、 事件类型作为起始 节点与终止节点的相连边的关联类型构建知识 图谱， 通过构建的知识图谱获取各 实体对应的角 色之间的关联关系。 本发明即能有效避免超级节 点的生成， 又能全面保留不同事件间的关联关 系。 权利要求书1页 说明书7页 附图4页 CN 115017328 A 2022.09.06 CN 115017328 A 1.一种连续事 件关联关系分析 方法， 其特 征在于， 包括以下步骤： S1： 采集待分析角色之间关联关系的事件数据， 并从事件数据中提取事件发起实体、 事 件承受实体、 事 件发起实体与事 件承受实体之间的事 件类型和事 件的持续时间； S2： 对每个事件的持续时间线按照额定长度的时间窗口进行切割， 使得事件承受实体 被分割为多个对应不同时间窗口 的子事件承受实体； S3： 以事件发起实体作为起始节点、 子事件承受实体作为终止节点、 事件类型作为起始 节点与终止节点的相连边的关联类型构建包含各事件发起实体与对应的所有子事件承受 实体之间关联关系的知识图谱， 通过构建的知识图谱获取各实体对应的角色之 间的关联关 系。 2.根据权利要求1所述的连续事件关联关系分析方法， 其特征在于： 从事件数据中提取 事件发起实体、 事件承受实体和事件发起实体与事件承受实体之间的事件类型 的方法为： 对事件数据进行实体抽取后， 按照主动语态主谓宾的实体构造方法， 将主语作为事件发起 实体， 宾语作为事 件承受实体、 谓语作为事 件类型。 3.根据权利要求1所述的连续事件关联关系分析方法， 其特征在于： 当事件数据为住宿 事件数据时， 提取的事件发起 实体为人， 包含的字段包括： 姓名、 证件号码和户籍地； 事件承 受实体为住宿地 点， 包含的字段包括： 住宿地 点编码、 住宿地 点名称； 事 件类型为入住。 4.根据权利要求1所述的连续事件关联关系分析方法， 其特征在于： 当事件数据为住宿 事件数据时， 额定 长度的时间窗口为1 天。 5.根据权利要求1所述的连续事件关联关系分析方法， 其特征在于： 还包括从事件数据 中的事件发起实体、 事件承受实体和事件类型之外的数据中提取用于作为事件类型的属性 的事件详情， 在构建知识图谱时， 属于同一个事件承受实体的所有子事件承受实体对应的 相同的事 件类型和事 件类型下的事件详情。 6.根据权利要求1所述的连续事件关联关系分析方法， 其特征在于： 子事件承受实体对 应的终止节点由实体信息和对应的离 散时间窗口值作为唯一标识。 7.一种连续事件关联关系分析终端设备， 其特征在于： 包括处理器、 存储器以及存储在 所述存储器中并在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实 现如权利要求1～6中任一所述方法的步骤。 8.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于： 所述计算机程序被处 理器执行时实现如权利要求1～6中任一所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 115017328 A 2一种连续事件关联关系分析方 法、 终端设 备及存储介质 技术领域 [0001]本发明涉及知识图谱领域， 尤其涉及一种连续事件关联关系分析方法、 终端设备 及存储介质。 背景技术 [0002]随着信息时代的飞速发展， 人类已然步入了人工智能时代。 知识图谱作为人工智 能的一个重要分支， 表征万物间的关联关系。 万物互联体现着实体与实体间的关联， 每个实 体每时每刻都与周围其它实体产生着千丝万缕的关联。 [0003]多形态的客观事实通过图谱的方式组织起来， 让机器能够更好地实现理解、 抽取、 推理等任务， 从而提升我们处理信息的效率。 知识图谱包含实体、 关系、 属 性等图谱最核心 的知识， 也包含本体、 概念、 标签等广义上的知识。 事件也是一种知识， 一种比较复杂的知 识。 事件是现实世界中的一系列实体， 以不同的角色在一段时间内参与活动的一个抽象。 事 件图谱包含事件角色、 事件类型、 事件属性和事件关联等要 素， 每个事件根据时间持续性特 点又可分为瞬时事件和持续事件。 瞬时事件指某个事件是在某个时间点完成的， 如某人在 某个时刻订了一个外卖、 某人在某个时间点跟另一个人发了一条消息、 某人在某时刻订了 一张机票、 某婴儿在某时刻出生等等， 该类事件不具备时间的延续性， 发生时刻也即完成时 刻。 持续事件是指在某个时间段完成的事件， 如某人在某个月的一号到七号入住了某家 宾 馆、 某人在某个时间段服务于某家公司、 某人甲与乙持续了一段婚姻关系， 离婚后与丙又开 始了另一段婚姻关系等 等， 该类事 件是一个过程 量， 开始后会持续 一段时间才终止 。 [0004]通常知识图谱的数据来源于关系型数据库， 关系型数据库中的数据存储一般是二 维表的形式， 且没有实体和联系的概念， 所有的信息均表征为字段的形式， 通常一条数据即 反映了一个完整的事件。 如张三的机票预订记录， 在关系型数据库中的记录形式如表1所 示： [0005]表1 [0006] [0007]关系型数据库和常见的非关系型数据库(如mongo、 Hbase等)更注重单个事件的记 录， 而如果要得到多个同类或不同类事件间的关联关系， 则必须要将多个表进行昂贵的 JOIN操作。 [0008]知识图谱在表征事件上有着 得天独厚的优势， 每个事件角色会被抽象成易于 理解 的实体(节点)， 事件的发生抽象为实体与实体间形成联系(边)的过程， 事件的详情可记录 为实体或联系的附加信息。 如对于 “张三在某一时刻预定了一张机票 ”这一瞬时事件， 可将 该事件表征为图1所示的知识图谱； 对于持续事件， 如李四在某一时间段入住了某家宾馆， 可将该事 件表征为图2所示的知识图谱。 [0009]知识图谱中将事件抽象成点和边的连接， 因此如果两个实体通过某条边进行了连说　明　书 1/7 页 3 CN 115017328 A 3