近年來,企業(yè)畫像方面的研究開始出現(xiàn),企業(yè)畫像相關(guān)的產(chǎn)品也開始應(yīng)用于政府機(jī)構(gòu)和企業(yè)。然而很多企業(yè)畫像研究僅僅是接入特定的企業(yè)信息數(shù)據(jù)源,借助地圖或者圖表展示企業(yè)信息。事實上企業(yè)信息中蘊(yùn)含著大量的隱藏知識。本文以企業(yè)知識圖譜為支撐,融合多個方面的企業(yè)信息,推理出隱藏在表層企業(yè)信息之下的知識來對企業(yè)進(jìn)行畫像。本文提出了基于知識圖譜的企業(yè)畫像。用知識圖譜融合從互聯(lián)網(wǎng)上眾多數(shù)據(jù)源獲取到的企業(yè)信息,用于構(gòu)建企業(yè)知識庫,并運(yùn)用馬爾可夫邏輯網(wǎng)進(jìn)行知識學(xué)習(xí),以及知識補(bǔ)全。本文構(gòu)建的企業(yè)知識圖譜總體上可以分為三層:最底層的企業(yè)實體關(guān)系圖、中間層的馬爾可夫邏輯網(wǎng)實體層面、最上層的馬爾可夫邏輯網(wǎng)知識層面。子句可以用于馬爾可夫網(wǎng)推理來補(bǔ)全知識圖譜,也可以用于挖掘隱藏在表層企業(yè)信息之下的知識,比如企業(yè)的研究方向、異常的企業(yè)員工。并以本文構(gòu)建的企業(yè)知識圖譜為基礎(chǔ)對企業(yè)進(jìn)行畫像。本文根據(jù)企業(yè)知識庫已有的數(shù)據(jù)分析得出模式圖并設(shè)計謂詞,在此基礎(chǔ)上本文使用了馬爾可夫邏輯網(wǎng)知識學(xué)習(xí)算法DSL算法,得到了知識的載體子句及其權(quán)重�；镜钠髽I(yè)知識庫的實體關(guān)系是稀疏的,缺乏層次性,而通過馬爾可夫邏輯網(wǎng)進(jìn)行知識推理可以補(bǔ)全一部分實體間關(guān)...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-2企業(yè)基本信息數(shù)據(jù)源分布圖

維基百科等也提供了企業(yè)詳細(xì)信息。部分?jǐn)?shù)據(jù)信息如圖2-2、2-3所示。圖2-2企業(yè)基本信息數(shù)據(jù)源分布圖

圖2-3企業(yè)員工信息數(shù)據(jù)源分布圖

圖2-3企業(yè)員工信息數(shù)據(jù)源分布圖私保護(hù)與匿名化處理網(wǎng)早已深入到人們的日常生活中。人們在互聯(lián)網(wǎng)上通過個人網(wǎng)名、地址等與他人交流。事實上這些信息都屬于個人隱私

圖2-5JanusGraph架構(gòu)圖

圖2-5JanusGraph架構(gòu)圖企業(yè)信息預(yù)處理不同數(shù)據(jù)源對日期的表達(dá)方式是多種多樣的，需要針對特定的表達(dá)方式換。常見的日期格式有“yyyy-MM-ddHH:mm:SS”、“yyyy-MM-dd

圖2-6企業(yè)基本信息屬性圖

-16-圖2-6企業(yè)基本信息屬性圖

本文編號：4033768