一种基于数据图谱和业务图谱的事项办理智能推荐方法

技术领域

本发明涉及一种基于图谱的事项推荐方法，特别涉及一种基于数据图谱和业务图谱的事项办理智能推荐方法。

背景技术

现有政务文件规定中的规则比较复杂，由于对自己的情况和规则缺乏清晰的了解，当事人在进行事项办理的时候，往往不知道需要提交的材料有哪些、登记机关在哪里，以及在相关手续办理之后还可以或者需要办理哪些事项。因此，根据现有的现有政务文件进行事项办理时，主要存在2个问题。一是，通过问答方式，需要交互多次才能获取到办理相关帮助信息，使用极不方便；二是，用户对自己的信息往往不大了解，输入信息不全或者不正确，导致提供的指南信息错误率高。

发明内容

针对现有技术中存在的上述问题，本发明提供一种基于数据图谱和业务图谱的事项办理智能推荐方法。

为实现上述目的，本发明提供如下技术方案：

一种基于数据图谱和业务图谱的事项办理智能推荐方法，包括：

步骤S1、构建数据图谱本体；

从若干政务政策文件中提炼出本体模型相关的词汇，对所述词汇以包含若干条连接线的关系网络的方式进行组织，形成本体模型；将所述本体模型导入到图数据库中；

所述本体模型相关的词汇指代政务服务相关的要素信息，包括办理材料、办结材料、办理机关、当事人、规则标签，所述若干条连接线的关系网络图为政务服务的要素之间的引用关系；

步骤S2、构建数据图谱；

根据步骤S1中所述的本体模型，对特定政务文件中的政务政策中定义的特定事项、办理材料、办理机关、办结材料、规则标签进行梳理，根据政策文件的规定将事项办理当事人、办理材料、办理机关使用不同的所述规则标签进行组合，根据步骤S1定义的要素以及要素之间关系，形成政务事项的关系图谱，并添加规则标签至要素之间的关系连线，作为连线关系生效的条件；将梳理好的所有的事项的图谱导入图数据库，形成政务的事项关系网络图；

步骤S3、构建业务图谱；

从各个政务的业务系统，抽取与所有当事人相关的数据，形成所有当事人的标签和关系图谱，存储在图数据库中；

步骤S4、基于数据图谱和业务图谱进行事项推荐。

进一步的，所述步骤S4包括：

步骤S401、录入需要办理的事项、所有当事人的身份标识信息、各个当事人办理事项的角色；

步骤S402、从数据图谱中获取与办理事项相关的数据图谱，从业务图谱中获取与办理事项的当事人的业务图谱，将二者合并后进行规则推理；

步骤S403、根据推理的结果自动生成各个当事人需要提交的材料、事项办理机关、事项办理材料的出具机关。

进一步的，步骤S402中的规则推理包括：

步骤S4021、录入当事人的身份集合、需要办理的事项、相对关系集合；

步骤S4022、获取办理事项的数据图谱，其中包含办理材料集合、当事人规则集合、材料开具机关集合、输出材料集合；

步骤S4023、从办理事项的数据图谱获取所需的当事人标签集合、办事机关的标签集合；

步骤S4024、根据当事人的身份集合、当事人标签集合，获取当事人的身份集合中所有当事人的对应标签的标签值；

步骤S4025、

遍历当事人规则集合，使用标签值对标签规则进行运算，得到每个规则的运行结果；

对运行结果为真的连线，记录对端的材料列表集合，所述材料列表集合为所述输出材料集合的子集，材料列表集合中的每个元素；

遍历材料列表集合，获得材料列表集合对应的材料开具机关集合，所述材料列表集合对应的材料开具机关集合是所述材料开具机关集合的子集；

遍历材料列表集合对应的材料开具机关集合，使用标签值对材料列表集合对应的材料开具机关集合中的各个元素进行字符串拼接，得到各个所需办理材料的对应办理机关；

拼接所述各个所需办理材料的对应办理机关和材料列表集合中的每个元素，得到材料列表集合；

步骤S4026、返回材料列表集合列表，返回输出材料集合。

进一步的，还包括构建事项依赖关系图谱；

根据步骤S2中所述的数据图谱，对若干政务政策中定义的特定事项、办理材料、办结材料进行依赖关系梳理，若事项A的某个办理材料与事项B的办结材料相同，则事项B基于办结材料依赖于事项A，事项B是事项A的下游事项，且将梳理好的所有的事项依赖关系信息导入图数据库，形成政务的事项依赖关系网络图，该网络图作为数据图谱的组成部分。

一种基于数据图谱和业务图谱的事项办理智能推荐方法，包括：

步骤S1、构建数据图谱本体；

从若干政务政策文件中提炼出本体模型相关的词汇，对所述词汇以包含若干条连接线的关系网络的方式进行组织，形成本体模型；将所述本体模型导入到图数据库中；

所述本体模型相关的词汇指代政务服务相关的要素信息，包括办理材料、办结材料、办理机关、当事人、规则标签，所述若干条连接线的关系网络图为政务服务的要素之间的引用关系；

步骤S2、构建数据图谱；

根据步骤S1中所述的本体模型，对特定政务文件中的政务政策中定义的事项、办理材料、办理机关、办结材料、规则标签进行梳理，根据政策文件的规定将事项办理当事人、办理材料、办理机关使用不同的所述规则标签进行组合，根据步骤S1定义的要素以及要素之间关系，形成政务事项的关系图谱，并添加规则标签至要素之间的关系连线，作为连线关系生效的条件；将梳理好的所有的事项的图谱导入图数据库，形成政务的事项关系网络图；

步骤S3、构建业务图谱；

从各个政务的业务系统，抽取与所有当事人相关的数据，形成所有当事人的标签和关系图谱，存储在图数据库中；

步骤S4、业务图谱数据更新；

当事人办理完预定事项，当事人的状态和关系发生变化，更新业务图谱的数据；

步骤S5、潜在可办事项推荐；

业务图谱相关的数据更新之后，数据重新归集到大数据，当事人的状态或者关系发生变化，结合事项之间的依赖关系，自动推荐潜在可以办理的其他事项。

进一步的，步骤S5中的自动推荐包括：

步骤S501、录入当事人的身份集合、已办理事项；

步骤S502、获取所述已办理事项的下游事项集合；

步骤S503、遍历已办理事项的下游事项集合，获取集合中的每个元素对应的办理材料集合，获取每个办理材料的所属对象、及每个办理材料的所属对象与当事人的关系；

步骤S504、验证每个办理材料的所属对象与当事人的关系的正确性，返回真或假；

步骤S505、如果所有的办理材料的所属对象与当事人的关系都为真，则事项推荐成功；

步骤S506、返回所有的集合中的每个元素、及该元素对应的办理材料集合。

与现有技术相比，本发明的有益效果是：

利用本发明基于数据图谱和业务图谱的事项办理智能推荐方法，能够实现事项信息自动推荐，减少用户与系统的交互过程，同时，提高了事项推荐的准确率。

附图说明

图1是实施例中政务数据图谱本体模型图谱；

图2是收养事项关系网络图；

图3是实施例中事项之间依赖关系以及图谱构建示意图；

图4是实施例一的方法流程图；

图5是实施例一中步骤4的方法流程图；

图6是实施例一中步骤402的方法流程图；

图7是实施例二的方法流程图；

图8是实施例二中步骤5的方法流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

实施例一

本实施例提供一种如图4-6所示的基于数据图谱和业务图谱的事项办理智能推荐方法，包括如下步骤：

步骤S1、构建数据图谱本体；

从若干政务政策文件中提炼出本体模型相关的词汇，对所述词汇以包含若干条连接线的关系网络的方式进行组织，形成本体模型；将所述本体模型导入到图数据库中；所述本体模型相关的词汇指代政务服务相关的要素信息，包括办理材料、办结材料、办理机关、当事人、规则标签，所述若干条连接线的关系网络图为政务服务的要素之间的引用关系。

以“收养子女登记”为例，提炼方法如下：

作为一个“政务事项”，这个事项在具体的办理过程中，称为“办理事项”。

事项办理的申请人为“当事人”。

事项办理由相应的政府部门来执行，称为“办理机关”。

办理过程需要提交相关的“办理材料”。这些材料的类型如证明、协议、证件、文书、申请书等。

这些材料又要由对应的权威部门出具，称为“材料开具机关”。

对应事项办理之后，还可以办理后续的政务事项，这个后续的事项称为“推荐事项”。

办理方式有2种，委托办理和亲自办理，委托办理需要提供“委托书”。

委托书需要权威部门公证，称为“委托书公证机关”。

最后提炼出本体模型导入到图数据库中，形成本体图谱，如图1所示。

步骤S2、构建数据图谱

根据步骤S1中所述的本体模型，对特定政务文件中的政务政策中定义的特定事项、办理材料、办理机关、办结材料、规则标签进行梳理，所述特定事项举例如结婚登记、收养登记、身份证办理、离婚登记等等。根据政策文件的规定将事项办理当事人、办理材料、办理机关使用不同的所述规则标签进行组合，根据步骤S1定义的要素以及要素之间关系，形成政务事项的关系图谱，并添加规则标签至要素之间的关系连线，作为连线关系生效的条件；将梳理好的所有的事项的图谱导入图数据库，形成政务的事项关系网络图。

以“收养子女登记”为例，梳理出的规则标签包括送养人、收养对象、收养人、收养人-收养对象关系、送养人-收养对象关系标签。其中，送养人规则标签下包括“是否社会福利机构”、“社会福利机构所在地”、“特殊困难无力抚养子女”、“丧偶或者一方下落不明”；收养对象规则标签下包括“弃婴和儿童发现地”、“社会福利机构抚养的查找不到生父母的弃婴、儿童和孤儿”、“父母有特殊困难无力抚养的子女或者由监护人监护的孤儿”、“残疾儿童”、“查找不到生父母的弃婴、儿童”；收养人规则标签下包括“经常居住地”、“所在单位或者村民委员会、居民委员会”、“生父母或者监护人常住户口所在地”；收养人-收养对象关系规则标签下包括“三代以内同辈旁系血亲的子女”、“继父或者继母”；送养人-收养对象关系规则标签下包括“监护人”、“生父母”。需要说明的是，在梳理之前，上述规则标签内的具体内容均已存在于政务文件的政务政策中。将梳理好的所有的事项的图谱导入图数据库，形成收养事项关系网络图如图2所示。

步骤S3、构建业务图谱

从各个业务部门的业务系统，抽取与所有当事人相关的数据，形成所有当事人的标签和关系图谱，存储在图数据库中。

例如针对“收养登记”事项中，需要构建自然人之间的监护人、生父、生母、三代以内同辈旁系血亲子女等关系类型标签。

图3是事项之间依赖关系，以及图谱构建示意图。

步骤S4、基于数据图谱和业务图谱进行事项推荐。步骤S4具体如图5所示，包括：

步骤S401、录入需要办理的事项、所有当事人的身份标识信息、各个当事人办理事项的角色；

步骤S402、从数据图谱中获取与办理事项相关的数据图谱，从业务图谱中获取与办理事项的当事人的业务图谱，将二者合并后进行规则推理；步骤S402具体如图6所示，包括：

步骤S4021、录入当事人的身份集合i、需要办理的事项j、相对关系集合k；

步骤S4022、获取办理事项的数据图谱s，其中包含办理材料集合p、当事人规则集合m、材料开具机关集合n、输出材料集合q；

步骤S4023、从办理事项的数据图谱s获取所需的当事人标签集合x、办事机关的标签集合y；

步骤S4024、根据当事人的身份集合i、当事人标签集合x，获取当事人的身份集合i中所有当事人的对应标签的标签值Xi；

步骤S4025、

遍历当事人规则集合m，使用标签值Xi对标签规则进行运算，得到每个规则的运行结果；

对运行结果为真的连线，记录对端的材料列表集合t，所述材料列表集合t为所述输出材料集合q的子集，材料列表集合t中的每个元素为Ti；

遍历材料列表集合t，获得材料列表集合t对应的材料开具机关集合u，所述材料列表集合t对应的材料开具机关集合u是所述材料开具机关集合n的子集；

遍历材料列表集合t对应的材料开具机关集合u，使用标签值Xi对材料列表集合t对应的材料开具机关集合u中的各个元素进行字符串拼接，得到各个所需办理材料的对应办理机关Ui；

拼接所述各个所需办理材料的对应办理机关Ui和材料列表集合t中的每个元素Ti，得到材料列表集合Qi；

步骤S4026、返回材料列表集合Qi列表，返回输出材料集合q。

步骤S403、根据推理的结果自动生成各个当事人需要提交的材料、事项办理机关、事项办理材料的出具机关。

本实施例的方法还可以包括构建事项依赖关系图谱。具体为：

根据步骤S2中所述的数据图谱，对若干政务政策中定义的特定事项、办理材料、办结材料进行依赖关系梳理，若事项A的某个办理材料与事项B的办结材料相同，则事项B基于办结材料依赖于事项A，事项B是事项A的下游事项，且将梳理好的所有的事项依赖关系信息导入图数据库，形成政务的事项依赖关系网络图，该网络图作为数据图谱的组成部分。

实施例二

本实施例提供一种如图7-8所示的基于数据图谱和业务图谱的事项办理智能推荐方法，其步骤S1-S3与实施例相同，此处不再赘述。步骤S1-S3之后还包括步骤S4-S5，具体如下：

步骤S4、业务图谱数据更新；

当事人办理完预定事项，当事人的状态和关系发生变化，更新业务图谱的数据。

步骤S5、潜在可办事项推荐；

业务图谱相关的数据更新之后，数据重新归集到大数据，当事人的状态或者关系发生变化，结合事项之间的依赖关系，自动推荐潜在可以办理的其他事项。

其中的自动推荐方法如图8所示，具体包括：

步骤S501、录入当事人的身份集合i、已办理事项j；

步骤S502、获取所述已办理事项j的下游事项集合m；

步骤S503、遍历集合m，获取集合中的每个元素Mi对应的办理材料集合n，获取每个办理材料Ni的所属对象Nj、及每个办理材料Ni的所属对象Nj与当事人Ii的关系Ri；

步骤S504、验证每个办理材料Ni的所属对象Nj与当事人Ii的关系Ri的正确性，返回真或假；

步骤S505、如果所有的办理材料Ni的所属对象Nj与当事人Ii的关系Ri都为真，则事项Mi推荐成功；

步骤S506、返回所有的集合m中的每个元素Mi、及该元素对应的办理材料集合n。

综上所述，本发明在政务事项推荐的过程中有效的利用了业务数据参与计算，大大提高了推荐的有效性和正确性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。