一种基于PostgreSQL数据库的数据关联推理方法及相关设备与流程

本申请涉及计算机、数据库，尤其涉及一种基于postgresql数据库的数据关联推理方法及相关设备。

背景技术：

1、传统数据库通常需要明确的表结构和关系定义，导致数据管理和分析变得繁琐，不适合处理复杂、多源、非结构化或半结构化数据。这些问题限制了数据库系统在以下几个方面的性能：首先，传统数据库不具备自动数据关联和发现的能力。在数据量不断增长且数据变得越来越多样化的情况下，用户需要花费大量时间和资源手动定义数据之间的关系。这使得数据关联变得复杂，尤其是在需要跨不同数据源进行关联时更为困难。其次，隐含关系在传统数据库中不易被发现。因为用户需要提前了解数据的结构和关系，隐含的数据关联通常被忽略，导致了许多潜在的见解和机会的丧失。此外，传统数据库系统通常不提供高级的数据分析和推理功能。用户通常需要依赖额外的工具和技术来进行数据挖掘、机器学习、推理等高级分析，这增加了复杂性和资源需求。

2、传统数据库系统难以根据已有的数据关系推断新的信息。这意味着用户必须明确知道他们正在寻找的内容，不容易探索未知的模式或关联。

技术实现思路

1、本申请实施例提供一种基于postgresql数据库的数据关联推理方法及相关设备，通过使用知识图谱补全技术，对数据进行多概念表示学习，使得数据关联更加高效，能够发现多源异构数据间的隐含关系以及数据推理。

2、本申请实施例提供一种基于postgresql数据库的数据关联推理方法，包括如下步骤：

3、获取现有数据库中的数据，基于所获取的数据定义知识图谱的本体；

4、将获取到的数据库的数据映射至知识图谱；

5、对所获得的知识图谱进行多概念表示学习，以关联推理数据；

6、根据查询需求，生成相应的查询语句，并基于知识图谱的关联推理结果，执行搜索，以获得查询结果。

7、可选的，获取现有数据库中的数据包括数据库中的表、列、关系以及数据记录；

8、基于所获取的数据定义知识图谱的本体，包括实体、属性和关系的定义，其中所述本体包括领域知识和语义信息。

9、可选的，将获取到的数据库的数据映射至知识图谱包括：

10、根据定义的映射规则，将取现有数据库的表格进行映射，将其数据与知识图谱的实体和属性对应；

11、将现有数据库的数据与知识谱图中的数据进行数据转换，以使得现有数据库的数据与知识谱图中的数据具有一致性；

12、确定知识图谱中每个实体的主键或唯一标识；

13、将经过映射的数据，导入知识图谱。

14、可选的，对所获得的知识图谱进行多概念表示学习，以关联推理数据包括：

15、将知识图谱中的头部实体和关系分别表示为索引向量；

16、利用嵌入公式学习所述实体和所述关系的多个特征表示；

17、将学习的所述实体和所述关系的多个特征表示，利用卷积层和relu非线性激活层处理，以获得增强的实体和关系表示；

18、将多个特征表示融合至增强的实体和关系表示，并从增强的实体和关系表示中学习判别特征，以优化特征表示；

19、确定知识图谱补全模型，并将优化的实体作为特征映射、将关系作为卷积核。

20、可选的，利用嵌入公式学习所述实体和所述关系的多个特征表示包括：

21、利用如下嵌入公式学习所述实体和所述关系的多个特征表示：

22、

23、其中，e1i、rj分别为实体e1和关系r的多个隐含概念对应的多个嵌入特征，为多个嵌入矩阵，m、n为实体和关系需要学习的概念的数量。

24、可选的，将学习的所述实体和所述关系的多个特征表示，利用卷积层和relu非线性激活层处理，以获得增强的实体和关系表示包括：

25、将学习的所述实体和所述关系的多个特征表示，利用1×1卷卷积层和relu非线性激活层处理，其中relu非线性激活层为非线性激活函数。

26、可选的，从增强的实体和关系表示中学习判别特征，以优化特征表示满足：

27、

28、其中，w1表示投影矩阵，dn(·)表示去噪网络，使用实体和关系的去噪表示来更新实体表示，表示分别从通道注意分支和空间注意分支捕获实体与关系之间的相关性。

29、本申请实施例还提出一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的基于postgresql数据库的数据关联推理方法的步骤。

30、本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的基于postgresql数据库的数据关联推理方法的步骤。

31、本申请实施例的方法通过使用知识图谱补全技术，对数据进行多概念表示学习，使得数据关联更加高效，能够发现多源异构数据间的隐含关系以及数据推理。

32、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

技术特征：

1.一种基于postgresql数据库的数据关联推理方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于postgresql数据库的数据关联推理方法，其特征在于，获取现有数据库中的数据包括数据库中的表、列、关系以及数据记录；

3.如权利要求1所述的基于postgresql数据库的数据关联推理方法，其特征在于，将获取到的数据库的数据映射至知识图谱包括：

4.如权利要求1所述的基于postgresql数据库的数据关联推理方法，其特征在于，对所获得的知识图谱进行多概念表示学习，以关联推理数据包括：

5.如权利要求4所述的基于postgresql数据库的数据关联推理方法，其特征在于，利用嵌入公式学习所述实体和所述关系的多个特征表示包括：

6.如权利要求5所述的基于postgresql数据库的数据关联推理方法，其特征在于，将学习的所述实体和所述关系的多个特征表示，利用卷积层和relu非线性激活层处理，以获得增强的实体和关系表示包括：

7.如权利要求6所述的基于postgresql数据库的数据关联推理方法，其特征在于，从增强的实体和关系表示中学习判别特征，以优化特征表示满足：

8.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于postgresql数据库的数据关联推理方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于postgresql数据库的数据关联推理方法的步骤。

技术总结本申请公开了一种基于PostgreSQL数据库的数据关联推理方法及相关设备，涉及计算机、数据库技术，包括如下步骤：获取现有数据库中的数据，基于所获取的数据定义知识图谱的本体；将获取到的数据库的数据映射至知识图谱；对所获得的知识图谱进行多概念表示学习，以关联推理数据；根据查询需求，生成相应的查询语句，并基于知识图谱的关联推理结果，执行搜索，以获得查询结果。本申请实施例通过使用知识图谱补全技术，对数据进行多概念表示学习，使得数据关联更加高效，能够发现多源异构数据间的隐含关系以及数据推理。技术研发人员：张宁,王志斌,王颖泽,苗健,吕新杰受保护的技术使用者：瀚高基础软件股份有限公司技术研发日：技术公布日：2024/7/29