(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210139570.3 (22)申请日 2022.02.16 (65)同一申请的已公布的文献号 申请公布号 CN 114491078 A (43)申请公布日 2022.05.13 (73)专利权人 松立控股集团股份有限公司 地址 266000 山东省青岛市 市南区宁 夏路 288号软件园6号楼1 1层 (72)发明人 刘寒松　王永　王国强　刘瑞　 翟贵乾　 (74)专利代理 机构 济南龙瑞知识产权代理有限 公司 37272 专利代理师 刘燕丽 (51)Int.Cl. G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) G06V 30/413(2022.01)G06V 40/16(2022.01) (56)对比文件 CN 111427968 A,2020.07.17 CN 112308001 A,2021.02.02 CN 113468948 A,2021.10.01 CN 111612113 A,2020.09.01 CN 110825883 A,2020.02.21 CN 111026874 A,2020.04.17 CN 111241305 A,2020.0 6.05 CN 112364176 A,2021.02.12 CN 111241429 A,2020.0 6.05 WO 2021189729 A1,2021.09.3 0 胡勉宁 等.“社区治安 风险多主体关联分析 及预警方法研究 ”. 《安全》 .2021,第42卷(第0 6 期), 彭雨苏.“社区治安 风险智能防范研究 ”. 《中 国优秀博硕士学位 论文全文数据库(硕士)社会 科学Ⅰ辑》 .2020,(第(2020)第12期), (续) 审查员 倪礼 (54)发明名称 基于知识图谱的社区项目人员落脚点和同 行人员分析方法 (57)摘要 本发明公开了基于知识图谱的社区项目人 员落脚点和同行人员分析方法， 涉及知识图谱技 术领域。 本发明包括S1构建知识图谱的方法、 S2 分析人员落脚点的方法和S3分析同行人员的方 法； 构建知识图谱的方法步骤包括， S1 ‑1知识图 谱的定义与存储， S1 ‑2获取非结构化数据， S1 ‑3 信息抽取， S1 ‑4轨迹抽取， S1 ‑5知识加工； 分析人 员落脚点的方法步骤包括， 输入查询信息， 知识 图谱检索， 活动轨迹统计， 二次分析， 用户交互； 分析同行人员的方法步骤包括， 提取特征， 分析 判断， 用户交互。 本发明通过对已录入的智慧社 区信息及其人员信息收集并建立知识图谱， 通过 关系推理得到人员与社区之间的落脚点可能性和社区住户人员之间的同行 可能性。 [转续页] 权利要求书3页 说明书6页 附图3页 CN 114491078 B 2022.08.02 CN 114491078 B (56)对比文件 Nikos Salaman os 等.“Discoveri ng Correlation between Communities and L ikes in Facebo ok”. 《2012 IE EE Internati onal Conference o n Green Computi ng and Communications》 .2013,2/2 页 2[接上页] CN 114491078 B1.基于知识图谱的社区项目人员落脚点和同行人员分析方法， 其特征在于， 包括S1构 建知识图谱的方法、 S2分析 人员落脚点的方法和S3分析同行 人员的方法； S1构建知识图谱的方法包括以下步骤， S1‑1知识图谱的定义与存储， 利用自底向上的结构构建实体和关系组合， 即SPO三元 组； 其中实体包括社区和人员， 关系包括人员之间的关系， 人员和社区之间的关系， 实体与 实体之间用关系连接， 所有关系都对应数字 权重， 并使用图数据库Neo 4j进行存 储； S1‑2 获取非结构化数据， 按类别获取整个社区系统录入的全部非结构化图片和文本 信息； S1‑3信息抽取， 将非结构化数据进行实体抽取、 关系抽取以及属性抽取； 对非结构化数 据中所有人员和社区进行实体生成， 将人员信息和社区信息作为属 性添加到对应的实体， 最后根据数据中存储的关系将不同的实体建立连接， 以图的形式进行存储， 建立初步知识 图谱； S1‑4 轨迹抽取， 将监控画面进行人脸特征提取， 与初步知识图谱内人脸特征信息进行 比对， 进行 人脸识别； 并且记录已识别到的人员的轨 迹行为， 实时存 储在知识图谱内； S1‑5知识加工， 利用基于图的关系推理算法对初步知识图谱进行数据挖掘， 推理出不 同实体之间是否存在同行可能， 推理出人员实体和社区实体之间是否存在落脚点可能； 接 着利用置信度较高的推理信息更新知识图谱， 将同行关系、 落脚点关系和置信度信息加入 知识图谱中， 构成完整的知识图谱； S2分析人员落脚点的方法步骤 包括， S2‑1输入查询信息， 用户在查询界面输入需要查询分析的目标人物信息和时间段信 息； S2‑2知识图谱检索， 将目标人物的信息和时间段送入知识图谱进行检索， 若检索结果 为有落脚点社区， 则输出结果； 否则进入步骤S2 ‑3； S2‑3活动轨迹统计， 根据目标人物在知 识图谱内已经存 储的轨迹信息， 将所有的用户查询时段内的轨 迹信息进行算法统计； S2‑4二分分析， 利用轨迹信息进行筛选， 排序分析得到目标人物的落脚点， 并且根据结 果分别进行对应的操作； S2‑5用户交互， 显示最终的判断结果给用户， 同时用户可人为设定人与社区的落脚点 关系， 反馈给知识图谱； S3分析同行 人员的方法步骤 包括， S3‑1提取特征， 从视频画面中提取人脸特征信息， 然后与目标人物的人脸特征进行比 对， 识别确认视频中人物为 目标人物， 最后提取视频中目标人物的同行人员的人脸特征信 息； S3‑2分析判断， 将同行人员和目标人物的人脸特征信息送入知识图谱进行检索， 核实 是否为同行 人员； S3‑3用户交互， 显示最终的判断结果给用户， 同时用户可人为判定两者的同行关系， 反 馈给系统， 系统更新知识图谱。 2.根据权利要求1所述的基于知识图谱的社区项目人员落脚点和同行人员分析方法， 其特征在于： 步骤S1 ‑2中文本信息包括社区住户人员的姓名、 身份证号、 年龄、 性别、 人脸特 征信息及住户家庭成员信息、 社区地址、 大门位置、 社区内建筑物信息； 其中人脸特征信息权　利　要　求　书 1/3 页 2 CN 114491078 B 3