(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211321496.3 (22)申请日 2022.10.26 (71)申请人 国家电网有限公司 地址 100031 北京市西城区西长安 街86号 申请人 国网重庆市电力公司信息通信分公 司 (72)发明人 卢思宇　吉涛　赵雨露　郭慧兰　 何轶　邹宇　袁小明　赖秋蒙　 赵中璇　 (74)专利代理 机构 北京海虹嘉诚知识产权代理 有限公司 1 1129 专利代理师 胡博文 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/335(2019.01)G06V 30/41(2022.01) G06V 30/18(2022.01) G06V 30/19(2022.01) (54)发明名称 基于深度学习的人员行为特征知识图谱构 建与分析方法 (57)摘要 本发明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。 权利要求书1页 说明书5页 附图2页 CN 115510248 A 2022.12.23 CN 115510248 A 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 ‑行为关系实例人工构 造的初始种子集合， 生成初始种子的关系三元组， 然后利用该三元组识别训练文本中的实 体， 再利用模式学习 方法， 通过不断迭代， 产生新的关系实例， 根据新的关系实例增加 新的 种子， 不断扩充种子集 合的规模， 同时将新的关系实例扩展到知识库中。 5.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S4， 对缺 失信息的预测方法为： 通过对图谱中的头尾实体和关系进 行知 识表示， 再将知识表示后的信息通过距离模型进行嵌入表示， 数据结构便转化为了 向量化 的表示， 根据向量 化的表示对缺失信息进行 预测。 6.根据权利要求5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： 所述距离模型包括TransE模型、 TransH模型以及TransR模型。 7.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： 所述随机游走算法， 包括 步骤： 特征提取： 首先将知识图谱编码为多关系图， 给定一对实体(h， t)， 通过随机游走找到 路径， 并记录从头实体h开始到尾实体t出以有界长度结束的所有路径， 选择以路径作为特 征； 特征计算： 选择路径要素后， 给定实体对(h， t)和路径Q， 将特征值计算为随机游走概率 p(t|h,Q)； 特定关系的分类： 为每个关系训练一个单独的分类器， 判断两个实体是否为同一关系 链路。权　利　要　求　书 1/1 页 2 CN 115510248 A 2基于深度学习的 人员行为特征知识图谱构建与分析方 法 技术领域 [0001]本发明涉及机器学习领域， 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。 背景技术 [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 间获得的信息分散， 无法得到针对整个企业的全面的客户行为特征分析结果， 因此降低了客户行为特 征分析的利用价 值。 [0021]为了能够快速 的解决上述问题， 需要提供一种自动化识别算法， 对特定人员的行 为进行分析监 督。 发明内容 [0022]有鉴于此， 本发明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， 可利用现有检索到的非结构数据， 将非结构数据中的实体数据以及实体关系 数据提 取出来， 构建出更为完善的人员信息知识图谱， 方便使用者实时查询、 了解相关信息， 对人说　明　书 1/5 页 3 CN 115510248 A 3