一种体育运动员生涯档案数据图谱构建方法及系统与流程

本发明涉及数据处理，特别是指一种体育运动员生涯档案数据图谱构建方法及系统。

背景技术：

1、在篮球运动员生涯档案构建过程中，需整合运动员比赛相关的各类不同形式的信息，以准确记录其赛场表现与技术特点，为后续档案整理、赛场表现分析提供可靠依据；其中，图像模态数据主要为比赛现场高清采集的运动员关键技术动作画面，具体可包括三分投篮时手腕翻转角度、指尖发力姿态的特写截图，突破过程中身体重心偏移、脚步落地位置的动态帧截图，以及防守时手臂伸展角度、站位与进攻球员间距的场景截图；文本模态数据则包括对应场次的精细化技术统计（如投篮命中率、突破成功率、防守抢断次数）、教练针对其具体动作的专项点评（如三分投篮时手腕发力不足，导致投篮弧度偏低、突破时第一步启动速度快，但脚步衔接不够流畅），二者的有效关联是确保生涯档案信息准确、完整的关键；目前，在实现上述篮球运动员图像与文本数据的关联时，有的常规方法多为先分别提取图像的视觉特征与文本的语义特征，再通过预设匹配规则完成特征对齐；但在实际应用中发现，篮球图像中的细节视觉特征（如三分投篮时手腕翻转的具体角度、突破时脚步落地的间距、防守时手臂伸展的幅度），与文本中针对该动作的凝练描述（如三分投篮弧度偏低、突破脚步衔接不流畅、防守站位精准）之间，易出现语义对应偏差，可能导致二者对齐精度不足，进而影响运动员生涯档案中跨模态实体（如三分投篮动作与投篮弧度偏低点评）的准确识别，可能难以稳定支撑后续生涯档案知识图谱的构建。

技术实现思路

1、本发明要解决的技术问题是提供一种体育运动员生涯档案数据图谱构建方法及系统，提升了运动员生涯档案知识抽取的完整性、准确性与语义一致性。

2、为解决上述技术问题，本发明的技术方案如下：

3、第一方面，一种体育运动员生涯档案数据图谱构建方法，所述方法包括：

4、步骤1，获取包含图像模态数据与文本模态数据的体育运动员生涯档案数据，将图像模态数据转化为视觉语义粒子簇，根据视觉语义粒子簇构造特征投影流形，并在特征投影流形上划定语义采样约束多边形；

5、步骤2，计算语义采样约束多边形的形状复杂度指标，形状复杂度指标是通过分析多边形边界点的曲率变化以及面积与周长的比值进行量化；根据视觉语义粒子簇的空间分布特性，结合形状复杂度指标对语义采样约束多边形进行剖分，生成多个视觉特征分区；将视觉语义粒子簇映射至对应的视觉特征分区上，并计算视觉特征分区的局部特征熵；融合局部特征熵与形状复杂度指标，生成跨模态矫正系数；

6、步骤3，基于跨模态矫正系数，将图像模态数据与文本模态数据输入至预训练的单双流交互模型，进行语义相似度对齐，并利用跨模态矫正系数优化对齐过程，得到跨模态实体集合；

7、步骤4，根据跨模态实体集合，结合预定义的领域规则与深度预训练语言模型，构建实体间的关系集合；

8、步骤5，根据跨模态实体集合及实体间的关系集合，将实体作为节点、关系作为边存入图形数据库以构建体育运动员生涯档案知识图谱。

9、第二方面，一种体育运动员生涯档案数据图谱构建系统，包括：

10、采集模块，用于获取包含图像模态数据与文本模态数据的体育运动员生涯档案数据，将图像模态数据转化为视觉语义粒子簇，根据视觉语义粒子簇构造特征投影流形，并在特征投影流形上划定语义采样约束多边形；

11、计算模块，用于计算语义采样约束多边形的形状复杂度指标，形状复杂度指标是通过分析多边形边界点的曲率变化以及面积与周长的比值进行量化；根据视觉语义粒子簇的空间分布特性，结合形状复杂度指标对语义采样约束多边形进行剖分，生成多个视觉特征分区；将视觉语义粒子簇映射至对应的视觉特征分区上，并计算视觉特征分区的局部特征熵；融合局部特征熵与形状复杂度指标，生成跨模态矫正系数；

12、对齐模块，用于基于跨模态矫正系数，将图像模态数据与文本模态数据输入至预训练的单双流交互模型，进行语义相似度对齐，并利用跨模态矫正系数优化对齐过程，得到跨模态实体集合；

13、构建模块，用于根据跨模态实体集合，结合预定义的领域规则与深度预训练语言模型，构建实体间的关系集合；

14、输出模块，用于根据跨模态实体集合及实体间的关系集合，将实体作为节点、关系作为边存入图形数据库以构建体育运动员生涯档案知识图谱。

15、第三方面，一种计算设备，包括：

16、一个或多个处理器；

17、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。

18、第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现所述的方法。

19、本发明的上述方案至少包括以下有益效果：

20、本发明将图像模态数据转化为视觉语义粒子簇，并构建特征投影流形与语义采样约束多边形，能够对投篮手腕角度、突破脚步、防守姿态等细粒度视觉特征进行精细化表征，从源头实现图像局部细节的结构化拆解；同时结合形状复杂度指标与局部特征熵生成跨模态矫正系数，可自适应量化图像视觉特征的分布复杂度与离散程度，有效解决细粒度视觉特征与凝练文本点评语义错位、匹配不准的问题，提高三分动作、突破姿态、防守行为等跨模态实体的识别准确率；对语义采样约束多边形进行递归自适应剖分，直至子区域粒子分布均匀度满足预设阈值，避免了固定剖分导致的特征冗余或丢失；通过计算各视觉特征分区的局部特征熵，可客观量化局部区域的特征丰富度与区分度，使后续跨模态对齐过程更聚焦高信息量视觉区域，提升多模态数据处理效率。

1.一种体育运动员生涯档案数据图谱构建方法，其特征在于，所述方法包括：

2.根据权利要求1所述的体育运动员生涯档案数据图谱构建方法，其特征在于，获取包含图像模态数据与文本模态数据的体育运动员生涯档案数据，将图像模态数据转化为视觉语义粒子簇，根据视觉语义粒子簇构造特征投影流形，并在特征投影流形上划定语义采样约束多边形，包括：

3.根据权利要求2所述的体育运动员生涯档案数据图谱构建方法，其特征在于，计算语义采样约束多边形的形状复杂度指标，形状复杂度指标是通过分析多边形边界点的曲率变化以及面积与周长的比值进行量化，包括：

4.根据权利要求3所述的体育运动员生涯档案数据图谱构建方法，其特征在于，根据视觉语义粒子簇的空间分布特性，结合形状复杂度指标对语义采样约束多边形进行剖分，生成多个视觉特征分区；将视觉语义粒子簇映射至对应的视觉特征分区上，并计算视觉特征分区的局部特征熵；融合局部特征熵与形状复杂度指标，生成跨模态矫正系数，包括：

5.根据权利要求4所述的体育运动员生涯档案数据图谱构建方法，其特征在于，基于跨模态矫正系数，将图像模态数据与文本模态数据输入至预训练的单双流交互模型，进行语义相似度对齐，并利用跨模态矫正系数优化对齐过程，得到跨模态实体集合，包括：

6.根据权利要求5所述的体育运动员生涯档案数据图谱构建方法，其特征在于，根据跨模态实体集合，结合预定义的领域规则与深度预训练语言模型，构建实体间的关系集合，包括：

7.根据权利要求6所述的体育运动员生涯档案数据图谱构建方法，其特征在于，根据跨模态实体集合及实体间的关系集合，将实体作为节点、关系作为边存入图形数据库以构建体育运动员生涯档案知识图谱，包括：

8.一种体育运动员生涯档案数据图谱构建系统，该系统实现如权利要求1至7中任一项所述的方法，其特征在于，包括：

9.一种计算设备，其特征在于，包括：

10.一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中存储有程序，该程序被处理器执行时实现如权利要求1至7中任一项所述的方法。