买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国电子科技集团公司第二十八研究所申请的专利一种基于图计算与海量数据共同邻居关系挖掘方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120950773B 。

龙图腾网通过国家知识产权局官网在2026-02-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511485366.7，技术领域涉及：G06F16/9535；该发明授权一种基于图计算与海量数据共同邻居关系挖掘方法与系统是由应励志;张豹;王会;李圣龙;陈伟荣;黄颖;蔡颖;徐殷茵;唐志一;朱锴翔设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本一种基于图计算与海量数据共同邻居关系挖掘方法与系统在说明书摘要公布了：本发明提出了一种基于图计算与海量数据共同邻居关系挖掘方法与系统，其中，所述方法包括：步骤1，构建概念元数据体系；步骤2，从待挖掘的信息系统中进行数据采集，并依据概念元数据体系，获得概念的实例；步骤3，统一编码，对实例中的属性进行编码；步骤4，将编码与对应的实例采用分布式存储的方式存储到图数据库中；步骤5，关系挖掘，从分布式图存储中进行实例提取，依据编码的特性进行实例间共同邻居发现，再依据预置的规则进行规则过滤，生成推荐关系；所述系统用于实现上述方法。本发明可广泛应用于社交网络分析、推荐系统优化等领域，为海量数据的关系挖掘提供高效解决方案。

本发明授权一种基于图计算与海量数据共同邻居关系挖掘方法与系统在权利要求书中公布了：1.一种基于图计算与海量数据共同邻居关系挖掘方法，其特征在于，包括如下步骤： 步骤1，构建概念元数据体系； 步骤2，从待挖掘的信息系统中进行数据采集，并依据步骤1中构建的概念元数据体系，获得概念的实例； 步骤3，统一编码，对步骤2中获取的实例中的属性进行编码； 步骤4，将编码与对应的实例采用分布式存储的方式存储到图数据库中； 步骤5，关系挖掘，从分布式图存储中进行实例提取，依据编码的特性进行实例间共同邻居发现，再依据预置的规则进行规则过滤，生成推荐关系；所述编码的特性是指同一个属性值与固定长度的字符串一一对应，如果两个属性的编码值一致，则属性值相同； 其中，步骤1中所述的构建概念元数据体系，包括： 步骤1-1，根据待挖掘的信息系统中的数据库中的表属性、主外键和依赖关系，确定主表，以及表与表之间的关联关系； 步骤1-2，依据主表和关联关系，筛选出候选的概念，形成候选概念集； 步骤1-3，根据表中包含的字段，定义概念的属性； 步骤1-4，通过表中的外键关系，确定概念之间存在的关联关系，并根据关联关系定义对象属性； 步骤1-5，设定约束，在候选概念集中选定概念；选定的概念、概念的属性、概念间的关联关系和概念的对象属性，形成概念元数据体系； 步骤2中所述的从待挖掘的信息系统中进行数据采集，包括： 全量数据引接和增量数据引接； 步骤2中所述的全量数据引接，包括： 将数据从数据源中接入，所述数据源为待挖掘的信息系统，并依据步骤1中构建的概念元数据体系，批量转换为概念的实例； 步骤2中所述的增量数据引接，包括： 根据数据源中的数据变更，进行实例的局部更新； 步骤3中所述的统一编码，包括： 步骤3-1，数据清洗，具体包括：处理缺失值、处理重复数据、纠正错误数据、处理异常值、数据标准化与转换和数据去噪； 步骤3-2，筛选高基属性，在实例中的属性中，选取数据重复的概率小于阈值的属性，作为高基属性； 步骤3-3，统一编码，对实例中的高基属性进行编码，得到与每个高基属性值唯一对应的字符串； 步骤4中所述的将编码与对应的实例采用分布式存储的方式存储到图数据库中，包括： 步骤4-1，将待存储的编码与对应的实例，作为图数据库中新增节点Δp，该节点的边表示为u,v；其中，u为新增实例，v为编码； 步骤4-2，使用图路由算法删除实例u的邻居； 步骤4-3，将实例u作为新增节点Δp存储到图数据库，覆盖原数据； 步骤4-4，将边u,v作为新边存储到图数据库。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国电子科技集团公司第二十八研究所，其通讯地址为：210046 江苏省南京市栖霞区灵山南路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。