[發明專利]一種基于大數據和深度學習的知識推介方法及系統

有效

• 申請號: 201710417583.1
• 申請日: 2017-06-06
• 公開（公告）號: CN107368521B
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 孔祥明;蔡禹;賈義動;朱容虎
• 申請（專利權）人: 廣東廣業開元科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/36;G06F40/30;G06K9/62
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

1.一種基于大數據和深度學習的知識推介方法，其特征在于：包括以下步驟：

根據場景數據信息進行場景分析；

采用深度學習的方法對運維人員數據信息進行處理，生成運維人員畫像；

根據場景分析的結果和運維人員畫像進行知識選取，得到知識推介集；

根據知識推介集進行知識推介；

所述采用深度學習的方法對運維人員數據信息進行處理，生成運維人員畫像這一步驟，其包括：

進行運維人員數據信息采集，所述運維人員數據信息包括從運維人員賬號注冊的信息中獲取的數據和實時采集的運維人員的操作行為數據；

對采集的運維人員數據信息進行數據清洗；

對數據清洗后的運維人員數據信息采用融合弱模型訓練和Boosting的方法進行運維人員模型訓練，得到運維人員畫像；

根據運維人員畫像進行運維人員與知識標簽間的相似度計算，得到運維人員-知識相似度；

所述根據運維人員畫像進行運維人員與知識標簽間的相似度計算，得到運維人員-知識相似度這一步驟，其包括：

根據運維人員畫像進行名稱相似度計算，所述名稱相似度的計算公式為：其中，S_name(U,C)為運維人員畫像中概念U與知識標簽中概念C間的名稱相似度，u_i(1≤i≤n)為概念U中名稱u的字符串語義分詞結果，c_j(1≤j≤m)為概念C中名稱c的字符串語義分詞結果，n為概念U中名稱u的字符串總數，m為概念C中名稱c的字符串總數，Sim(u_i,c_j)為u_i與c_j間的相似度；

根據運維人員畫像進行屬性相似度計算，所述屬性相似度計算公式為：其中，S_attri(U,C)為運維人員畫像中概念U與知識標簽中概念C間的屬性相似度，U_a和C_a分別表示U和C的屬性集，f為給定的非負度量函數，U_a∩C_a表示U和C這兩個概念中擁有相同屬性的集合，U_a-C_a表示只是運維人員畫像中有而知識標簽中沒有的屬性集，C_a-U_a表示只是知識標簽中有而運維人員畫像中沒有的屬性集，λ和μ均為給定的權重系數；

根據運維人員畫像進行實例相似度計算，所述實例相似度計算公式為：其中，S_inst(U,C)為運維人員畫像中概念U與知識標簽中概念C間的實例相似度，P(U,C)表示從實例空間隨機抽取的一個實例同時從屬于概念U和C的概率，表示從實例空間隨機抽取的一個實例只屬于概念U而不屬于概念C的概率，表示從實例空間隨機抽取的一個實例只屬于概念C而不屬于概念U的概率；

根據運維人員畫像進行關系相似度計算，得到運維人員畫像中概念U與知識標簽中概念C間的關系相似度S_relat(U,C)，其中，關系包括同義關系、繼承關系和包含關系，同義關系的權重大于繼承關系的權重，且同義關系的權重大于包含關系的權重；

根據名稱相似度S_name(U,C)、屬性相似度S_attri(U,C)、實例相似度S_inst(U,C)和關系相似度S_relat(U,C)計算運維人員-知識相似度，所述運維人員-知識相似度Sim(U,C)的計算公式為：Sim(U,C)＝αS_name(U,C)+βS_attri(U,C)+εS_inst(U,C)+δS_relat(U,C)，其中，α、β、ε和δ分別為給定的名稱相似度系數、屬性相似度系數、實例相似度系數和關系相似度系數。

2.根據權利要求1所述的一種基于大數據和深度學習的知識推介方法，其特征在于：所述根據場景數據信息進行場景分析這一步驟，其包括：

進行場景數據信息實時采集，獲取當前運維人員操作的場景數據；

對獲取的場景數據進行數據清洗；

對數據清洗后的場景數據進行實時場景分析和打標簽操作，得到場景標記。