基于深度学习的人员行为特征知识图谱构建与分析方法技术

本发明专利技术提供了一种基于深度学习的人员行为特征知识图谱构建与分析方法，包括步骤：S1采集用户行为历史数据；S2对用户行为历史数据进行处理，过滤掉不完整的数据以及垃圾无用数据，对过滤之后的数据进行信息抽取，建立用户行为特征集；S3对用户行为特征集进行分析，提取用户经常浏览的行为信息，再综合用户个人基本信息，建立用户大数据，根据用户大数据构建三元组数据，得到知识图谱的初步模型；S4对知识图谱的头实体缺失、关系缺失和尾体缺失的信息进行预测，完善知识图谱；S5通过基于逻辑规则的随机游走算法以及所有三元组，推断不同三元组之间的隐藏关系。能够快速的对潜在关系进行梳理，得到特定人员之间以及不同实体之间的关联信息，对隐藏问题进行排查。对隐藏问题进行排查。

【技术实现步骤摘要】
基于深度学习的人员行为特征知识图谱构建与分析方法


[0001]本专利技术涉及机器学习领域，尤其涉及一种基于深度学习的人员行为特征知识图谱构建与分析方法。

技术介绍

[0002][0003][0004][0005][0006][0007][0008][0009][0010][0011][0012][0013][0014][0015][0016][0017][0018]了解企业人员的行为是内部管理的基础。通过合理、系统的客户行为特征分析，企业可以知道不同的企业人员有着什么样的需求，分析企业人员特征与公司系统的关系，使团队内部人员的行为得到最优的规划；从而避免人员的不良行为影响企业的发展，使企业得到快速的发展。
[0019]目前，在企业人员行为特征分析中，可以通过公开的网站对注册用户的浏览习惯等进行统计，通过相关文献和调研可以较容易地得到客户行为特征。在具有实体的企业中，调研人员往往通过问卷调查等方式了解企业人员的行为特征等信息。
[0020]有的网站虽然能够通过自动化识别的信号采集设备采集客户信息，但具备连锁店的实体店铺间获得的信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的人员行为特征知识图谱构建与分析方法，其特征在于：包括步骤：S1.采集用户行为历史数据；S2.对用户行为历史数据进行处理，过滤掉不完整的数据以及垃圾无用数据，对过滤之后的数据进行信息抽取，建立用户行为特征集；S3.对用户行为特征集进行分析，提取用户经常浏览的行为信息，再综合用户个人基本信息，建立用户大数据，根据用户大数据构建三元组数据，得到知识图谱的初步模型；S4.对知识图谱的头实体缺失、关系缺失和尾体缺失的信息进行预测，完善知识图谱；S5.通过基于逻辑规则的随机游走算法以及所有三元组，推断不同三元组之间的隐藏关系。2.根据权利要求1所述的基于深度学习的人员行为特征知识图谱构建与分析方法，其特征在于：所述采集的用户行为历史数据包括结构化数据、半结构化数据和非结构化数据。3.根据权利要求2所述的基于深度学习的人员行为特征知识图谱构建与分析方法，其特征在于：所述非结构化数据的采集方法为：获取目标文本图像，并对图像进行OCR识别，得到识别文本，在对识别文本进行文本信息识别，以提取出目标文本图像中的人员数据。4.根据权利要求1所述的基于深度学习的人员行为特征知识图谱构建与分析方法，其特征在于：所述步骤S3，采用BootStrapping算法，通过利用少量人员
‑
行为关系实例人工...

【专利技术属性】
技术研发人员：卢思宇，吉涛，赵雨露，郭慧兰，何轶，邹宇，袁小明，赖秋蒙，赵中璇，
申请(专利权)人：国网重庆市电力公司信息通信分公司，
类型：发明
国别省市：