本发明涉及多维知识管理和学习系统，特别是涉及一种可视化多维知识管理和学习系统，属于智能管理领域。
背景技术：
1、知识管理一般在系统平台上实现模块视窗化的操作，然而对于知识的多领域，多算法的抽象对象，以及多设备的实体对象如何实现具象的系统表现，在现有技术中通常采用多幅固定不可改动的分布图来实现，然而由于知识的发展变化，其涉及的领域、算法、对象随时都可能改变，因此需要绘制更多更新的分布图，十分耗费人力成本。因此如何将这些属于知识的对象进行可操作的可视化管理成为亟待解决的技术问题。
技术实现思路
1、为解决上述现有技术的问题，本发明提供一种可视化多维知识管理和学习系统，包括显示器、显卡、处理器、非暂时性存储介质，其中，所述非暂时性存储介质存储有可由处理器运行而实现可视化多维知识管理和学习的程序模块，所述程序模块包括：
2、数字地图模块，用于绘制、修订数字地理地图，
3、知识获取模块，包括知识选择子模块，所述知识获取模块用于从知识产生源获取知识数据和记录知识产生的空间地点、产生时间，所述知识数据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、使用记录、历史与实时指标以及环境参数，设备管理信息，其中，
4、所述知识产生源通过在地理数字地理地图上对自身的空间地点、擅长知识领域、所述知识数据，进行输入标定，形成原始知识数据，
5、所述知识选择子模块，专门用于向池化子模块请求而接收到用户新输入的知识数据形成的所述至少一个小池，供用户选择感兴趣的小池，用于后续知识解析，
6、知识解析模块，与所述知识获取模块连接，用于：
7、第一、构建异质图神经网络(heterogeneous graph neural networks，hgnn)，并利用接收到的知识产生源所输入的所述原始知识数据和记录到的空间地点，构建基于异质图神经网络的注意力机制(attention mechanism，am)
8、第二、接收知识选择子模块发来的感兴趣的小池，将其投射到hgnn中，调用出所有元路径（即理论上所有满足用户自定义的排列组合可能的元路径），且保存所述用户选择感兴趣的小池时所处的空间地点和时间，
9、第三、在构建am完成后，再次基于用户新输入（多数情况而言，新输入是搜索操作，即将相关知识数据输入进行搜索感兴趣的任何相关知识信息，或存在其他的使用、学习、整理等目的）的知识数据和/或记录的知识操作行为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，并与所述数字地图模块连接，将hgnn、知识脉络、所述分析结果，以及am分别在数字地理地图上形成第一可视化区域，以及第一编辑区域，
10、区块化及池化模块，包括区块化子模块，以及池化子模块，分别用于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；以及，
11、用于收集原始知识数据，并周期时间内将所述原始知识数据进行池化，形成不同知识领域的知识池，并接受所述用户新输入（也即池化完成后的输入）的知识数据将其池化，形成至少一个小池，
12、所述池化子模块与所述数字地图模块连接，将所述所有元路径以及所述至少一个小池在数字地理地图上形成第二可视化区域，
13、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数据，通过计算机网络输入到所述知识解析模块中，且所述知识数据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数据时，需要对所述新输入知识数据进行目标领域的选择，选择目标的领域标签，同时，根据用户的新输入行为分析记录知识操作行为，包括查询、下载、上载、问答、研讨中至少一种及其组合,
14、评价模块, 包括在线专家系统子模块，所述评价模块用于：
15、第一、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，并给出适配于用户搜索真实意思的最终评价，
16、第二、根据调用出的所述所有元路径和所述空间地点，给出属于所述空间地点的所述用户及其周边的其他用户自定义元路径，通过注意力机制进一步调用由所述注意力机制计算的关联程度超过第一阈值的关注元路径，以及与关注元路径相应的关注用户所对应空间地点以及相应的时间，以进一步用于知识评价，
17、第三、所述在线专家系统子模块专门用于基于所有用户和知识产生源的知识操作行为的再学习，以形成在线专家系统，以及基于所述在线专家系统的在线知识传授，其中，所述在线专家系统集成到在数字地理地图上，通过在数字地理地图至少一个准确空间位置的搜索和点击，即弹出所述在线专家系统子模块，并基于至少一个准确空间位置进行针对性的所述再学习和在线知识传授，其中，
18、所述评价模块与所述数字地图模块连接，在数字地理地图上形成综合分析、最终评价的第三可视化区域，以及在线专家系统子模块的第二编辑区，
19、显示模块，用于对第一可视化区域、第二可视化区域、第一编辑区、第二编辑区中的内容进行显示和操作，其中，
20、所述知识产生源将根据密级划分而产生的知识数据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。
21、可选地，所述第一可视化区域、第二可视化区域中可改变可视化对象，即hgnn、所有元路径、至少一个小池、综合分析结果的视角，第一可视化区域、第二可视化区域、第一编辑区、第二编辑区的大小，以及分布可调，所述操作包括对可视化对象进行拖动、转动，在其上点击弹出对话框或搜索栏进行知识的搜索和/或查看、修改、删除和/或恢复中至少一种。
22、可选地，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所述原始知识数据和记录到的空间地点，构建基于异质图神经网络的注意力机制的方法包括：
23、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；
24、s2构建基于所述节点上的知识异质图网络、设备异质图网络、异质行为网络，定义网络节点以及节点之间的边；
25、s3分别在s2中的网络中构建多类元路径，并定义邻居节点；
26、s4根据多类元路径先建立节点注意力机制，再构建语义注意力机制,最后构建子图注意力机制。
27、基于用户新输入的知识数据和/或记录的知识操作行为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：
28、s5将知识输入训练好的am中，得到预测的目标分类，和/或记录相关的知识操作行为；
29、s6在预测的与知识操作行为相关的目标分类中，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；
30、s7在所述绘制好的知识脉络中标出在与所述新输入知识数据对应的节点和/或子图。
31、对于记录的知识操作行为而言，相应的知识领域如果以查看居多，即标注的只是查看功能，再比如如果预测的知识操作行为对于查看、下载、上载等都关联度高，包括节点之间关联度高，以及一些列节点形成的元路径关联度高，则标注这些操作和有关路径。
32、所述综合分析包括，统计分析以下各类分布中的至少一种：
33、知识数据对应的与知识操作行为相关的目标分类对应的知识领域，在所述地理地图上的第一分布，在可视化的知识异质图网络、设备异质图网络、异质行为网络中的第二分布，以及穿越分布（即部分节点属于第一分布，剩余部分属于第二分布），并且，统计分析选择的各类分布中的知识脉络，所述第一分布和第二分布在第二可视化区域显示。
34、所述知识评价的方法包括：获取所述用户以及关注用户对应的空间地点、时间，根据关注元路径，找出其中包含至少一个小池的节点，通过注意力机制计算而绘制节点关联程度分布图，并在第二可视化区域显示。
35、可选地，区块化的方法包括：将根据注意力机制计算的子图聚类的归一化系数进行分区段聚类，根据区段将子图划分为多个区块。
36、有益效果
37、 从地理空间地点、知识、设备、异质行为、池化和区块化，五个维度，将知识进行可视化管理，据此形成在线专家系统，从而为知识的记录、传授、发展给出了多元化的全方位视角管理。
1.一种可视化多维知识管理和学习系统，其特征在于，包括显示器、显卡、处理器、非暂时性存储介质，其中，所述非暂时性存储介质存储有可由处理器运行而实现可视化多维知识管理和学习的程序模块，所述程序模块包括：
2.根据权利要求1所述的系统，其特征在于，所述第一可视化区域、第二可视化区域中可改变可视化对象，即hgnn、所有元路径、至少一个小池、综合分析结果的视角，第一可视化区域、第二可视化区域、第一编辑区、第二编辑区的大小，以及分布可调，所述操作包括对可视化对象进行拖动、转动，在其上点击弹出对话框或搜索栏进行知识的搜索和/或查看、修改、删除和/或恢复中至少一种。
3.根据权利要求1或2所述的系统，其特征在于，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所述原始知识数据和记录到的空间地点，构建基于异质图神经网络的注意力机制的方法包括：
4.根据权利要求3所述的系统，其特征在于，基于用户新输入的知识数据和/或记录的知识操作行为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：
5.根据权利要求4所述的系统，其特征在于，所述综合分析包括，统计分析以下各类分布中的至少一种：
6.根据权利要求4或5所述的系统，其特征在于，所述知识评价的方法包括：获取所述用户以及关注用户对应的空间地点、时间，根据关注元路径，找出其中包含至少一个小池的节点，通过注意力机制计算而绘制节点关联程度分布图，并在第二可视化区域显示。
7.根据权利要求6所述的系统，其特征在于，区块化的方法包括：将根据注意力机制计算的子图聚类的归一化系数进行分区段聚类，根据区段将子图划分为多个区块。
