[发明专利]一种基于大数据和深度学习的知识推介方法及系统

权利要求书

1.一种基于大数据和深度学习的知识推介方法，其特征在于：包括以下步骤：

根据场景数据信息进行场景分析；

采用深度学习的方法对运维人员数据信息进行处理，生成运维人员画像；

根据场景分析的结果和运维人员画像进行知识选取，得到知识推介集；

根据知识推介集进行知识推介；

所述采用深度学习的方法对运维人员数据信息进行处理，生成运维人员画像这一步骤，其包括：

进行运维人员数据信息采集，所述运维人员数据信息包括从运维人员账号注册的信息中获取的数据和实时采集的运维人员的操作行为数据；

对采集的运维人员数据信息进行数据清洗；

对数据清洗后的运维人员数据信息采用融合弱模型训练和Boosting的方法进行运维人员模型训练，得到运维人员画像；

根据运维人员画像进行运维人员与知识标签间的相似度计算，得到运维人员-知识相似度；

所述根据运维人员画像进行运维人员与知识标签间的相似度计算，得到运维人员-知识相似度这一步骤，其包括：

根据运维人员画像进行名称相似度计算，所述名称相似度的计算公式为：其中，S_name(U,C)为运维人员画像中概念U与知识标签中概念C间的名称相似度，u_i(1≤i≤n)为概念U中名称u的字符串语义分词结果，c_j(1≤j≤m)为概念C中名称c的字符串语义分词结果，n为概念U中名称u的字符串总数，m为概念C中名称c的字符串总数，Sim(u_i,c_j)为u_i与c_j间的相似度；

根据运维人员画像进行属性相似度计算，所述属性相似度计算公式为：其中，S_attri(U,C)为运维人员画像中概念U与知识标签中概念C间的属性相似度，U_a和C_a分别表示U和C的属性集，f为给定的非负度量函数，U_a∩C_a表示U和C这两个概念中拥有相同属性的集合，U_a-C_a表示只是运维人员画像中有而知识标签中没有的属性集，C_a-U_a表示只是知识标签中有而运维人员画像中没有的属性集，λ和μ均为给定的权重系数；

根据运维人员画像进行实例相似度计算，所述实例相似度计算公式为：其中，S_inst(U,C)为运维人员画像中概念U与知识标签中概念C间的实例相似度，P(U,C)表示从实例空间随机抽取的一个实例同时从属于概念U和C的概率，表示从实例空间随机抽取的一个实例只属于概念U而不属于概念C的概率，表示从实例空间随机抽取的一个实例只属于概念C而不属于概念U的概率；

根据运维人员画像进行关系相似度计算，得到运维人员画像中概念U与知识标签中概念C间的关系相似度S_relat(U,C)，其中，关系包括同义关系、继承关系和包含关系，同义关系的权重大于继承关系的权重，且同义关系的权重大于包含关系的权重；

根据名称相似度S_name(U,C)、属性相似度S_attri(U,C)、实例相似度S_inst(U,C)和关系相似度S_relat(U,C)计算运维人员-知识相似度，所述运维人员-知识相似度Sim(U,C)的计算公式为：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分别为给定的名称相似度系数、属性相似度系数、实例相似度系数和关系相似度系数。

2.根据权利要求1所述的一种基于大数据和深度学习的知识推介方法，其特征在于：所述根据场景数据信息进行场景分析这一步骤，其包括：

进行场景数据信息实时采集，获取当前运维人员操作的场景数据；

对获取的场景数据进行数据清洗；

对数据清洗后的场景数据进行实时场景分析和打标签操作，得到场景标记。