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！

摘要：本发明一种基于区块链的知识管理方法、终端及服务器，基于区块链的知识管理方法包括设置以下各系统模块，知识获取模块、知识解析模块、输入模块、评价模块，以及显示模块。通过对于异质图神经网络中子图级别聚类划分出区块，并在区块内实现区块链。本发明的基于区块链的知识管理方法是一种将异质图神经网络和区块链结合的高效、动态、实时的知识管理方案。

主权项：1.一种基于区块链的知识管理方法，其特征在于，包括设置以下各系统模块，知识获取模块，用于从知识产生源获取知识和记录知识产生的空间地点、产生时间，所述知识包括与知识相关的设备相关的知识，具体包括设备的名称、所属的知识产生源和或用户、与设备相关的用途、技术原理，以及科学技术资源、社会人文科学资源，具体包括文献、图片、视频、音频，所述知识还包括使用记录、历史与实时指标以及环境参数，设备管理信息；知识解析模块，与所述知识获取模块连接，用于构建异质图神经网络HGNN，并利用接收到的知识产生源所输入的知识和空间地点，构建基于异质图神经网络的注意力机制AM,并在构建完成后，再次基于新输入的知识进行知识脉络的调取、并基于所述知识脉络给出注意力机制的分析结果，且基于所述分析结果将异质图神经网络区块化，同时基于区块化的图神经网络设置各区块的数据管理密码，并且在预定的时间周期内更新HGNN以及AM,并据此不断更新区块以及所述数据管理密码，在各区块内实现区块链的数据应用模式，并当区块更新之后，更新区块链；输入模块，与计算机网络连接，用于接收用户所述新输入的知识，通过计算机网络输入到所述知识解析模块中，且所述知识聚类于带领域标签的预设的目标领域，并且在用户新输入知识时，需要对所述新输入知识进行目标领域的选择，选择目标的领域标签；评价模块，用于对已经调取的知识脉络以及注意力机制的分析结果，进行综合分析，给出适配于用户搜索真实意思的最终评价，以及，显示模块，用于对知识脉络、注意力机制的分析结果以及综合分析的结果进行显示和对可视化的HGNN进行操作，其中，所述知识产生源将根据密级划分而产生的知识定期输入到知识获取模块，传输知识解析模块中用于所述更新；构建异质图神经网络，并利用接收到的知识产生源所输入的知识和空间地点，构建基于异质图神经网络的注意力机制的方法包括：S1建立地理地图，在地理地图上将所述空间地点标定为异质图神经网络的节点，构建基于现实空间地点的异质图网络,形成现实空间地点的异质图网络神经网络，其中，为节点集合，一旦被记录则可不拖动和修改,但可以删除和恢复，为空间边集合；S2构建基于上的至少一种目标异质图网络，其中为目标节点集合，为目标节点之间的目标边集合；S3在、至少一种中分别构建元路径以及元路径，并建立穿越元路径，定义元路径的邻居，即对于任一节点,则通过元路径连接的所有节点即为邻居，其中，，为自然数，且为节点的空间关系，每一个即表示元路径中相邻节点在所述地理地图上的双箭头矢量；为目标节点之间的关联，每一个即表示元路径中相邻节点的关系双箭头；对于穿越元路径邻居中定义穿越邻居，在、至少一种之一中选择关注节点,或，而，设且的值域小于等于大于0，设，则,其中，为的值域补集,为关注节点和穿越邻居之间以及穿越邻居之间的穿越关系，即表示成与之间的双箭头，形成穿越边，其中，对于，且，的值域，则，为的值域补集，此时穿越元路径III称为全穿越元路径，非全穿越元路径称为局部穿越元路径，即全穿越元路径中的节点分布在所有各个异质图网络中；局部穿越元路径中的节点部分在最多各个异质图网络中的任意两者中；S4首先、中分别根据元路径、元路径建立注意力机制，先构建节点注意力机制，再构建语义注意力机制,最后构建子图注意力机制，其次基于穿越元路径，在、之间建立穿越注意力机制，先选择、至少一种中一者选择关注节点，根据穿越元路径同样先构建节点注意力机制，再构建语义注意力机制，最后构建子图注意力机制，再依次选择、至少一种中剩余者中的每一者的节点作为关注节点，再次根据穿越元路径同样先构建节点注意力机制，再构建语义注意力机制，最终得到所述AM，其中元路径、元路径、穿越元路径节点数在3-20之间均可调；基于新输入的知识进行知识脉络的调取、并基于所述知识脉络给出注意力机制的分析结果，具体方法是：S5将知识输入训练好的AM中，得到预测的目标分类，S6在预测的目标分类中，根据知识相应的空间地点、产生时间，进行知识脉络的绘制，并调取绘制好的知识脉络，S7在所述绘制好的知识脉络中标出在与所述新输入知识对应的节点和子图，其中，S5中所述得到预测的目标分类，具体是根据各目标的领域标签下归一化系数最大者代表可能涉及到的目标的领域标签所属的知识领域，S6中绘制的方法是，在地理地图、中选出属于预测的目标分类的所有节点和或子图，并在预测的目标分类中，根据知识的产生时间顺序排序形成历史脉络，S7中标出是在地理地图以及可视化的中标出，选择绘制各领域标签下归一化系数非最大者中的其他至少一个领域对应的知识脉络，所述可视化是在属于的节点在对应的地理地图上显示；基于所述分析结果将异质图神经网络区块化，同时基于区块化的图神经网络设置各区块的数据管理密码具体包括,在得到预测的目标分类之后进行：S5-1将子图聚类的归一化系数进行分区段聚类；S5-2将聚类的分区段中的每一子图作为一个区块，在区块内的所有节点和边形成区块异质图神经网络BHGNN，并在BHGNN内部再次构建节点级别、语义级别、子图级别的注意力机制；S5-3为BHGNN内部的节点编号，随机选择预设个数的节点编号，与区段对应的归一化系数一起进行随机排序，形成该区块的数据管理密码。

全文数据：

权利要求：

百度查询： 北京普巴大数据有限公司 基于区块链的知识管理方法、终端及服务器