基于标签分层延深建模的企业画像构建方法

doi:10.11772/j.issn.1001-9081.2021071248

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (4): 1170-1177.DOI: 10.11772/j.issn.1001-9081.2021071248

• CCF第36届中国计算机应用大会 (CCF NCCA 2021) • 上一篇

基于标签分层延深建模的企业画像构建方法

丁行硕¹, 李翔¹(), 谢乾²^,³

^1.淮阴工学院计算机与软件工程学院, 江苏淮安 223003
^2.江苏卓易信息科技股份有限公司, 江苏宜兴 214200
^3.南京百敖软件有限公司, 南京 210032

收稿日期:2021-07-16 修回日期:2021-09-01 接受日期:2021-09-14 发布日期:2021-09-18 出版日期:2022-04-10
通讯作者: 李翔
作者简介:丁行硕（1996—），男，山东枣庄人，硕士研究生，主要研究方向：数据挖掘、企业画像
谢乾（1976—），男，江苏无锡人，教授，硕士，主要研究方向：云计算、大数据。
基金资助:
国家自然科学基金资助项目(71874067);江苏省产学研合作项目(BY2020067);淮阴工学院研究生科技创新计划项目(HGYK202120)

Enterprise portrait construction method based on label layering and deepening modeling

Xingshuo DING¹, Xiang LI¹(), Qian XIE²^,³

^1.Faculty of Computer and Software，Huaiyin Institute of Technology，Huaian Jiangsu 223003，China
^2.Jiangsu Eazytec Company Limited，Yixing Jiangsu 214200，China
^3.Nanjing Byosoft Company Limited，Nanjing Jiangsu 210032，China

Received:2021-07-16 Revised:2021-09-01 Accepted:2021-09-14 Online:2021-09-18 Published:2022-04-10
Contact: Xiang LI
About author:DING Xingshuo， born in 1996， M. S. candidate. His research interests include data mining， enterprise portrait.
XIE Qian， born in 1976， M. S.， professor. His research interests include cloud computing， big data.
Supported by:
National Natural Science Foundation of China(71874067);Jiangsu Industry University Research Cooperation Project(BY2020067);Huaiyin Institute of Technology Graduate Science and Technology Innovation Program(HGYK202120)

摘要/Abstract

摘要：

标签建模是标签体系建设和画像构建的基本任务。而传统标签建模方法存在模糊标签处理难、标签提取不合理，以及无法有效融合多模实体和多维关系等问题。针对以上问题提出了一种基于标签分层延深建模的企业画像构建方法EPLLD。首先，通过多源信息融合获取多特征信息，并对企业模糊标签（如批发、零售等行业中的不能完整概括企业特点的标签）进行统计和筛选；然后，建立专业领域词库进行特征拓展，并结合BERT语言模型进行多特征提取；其次，利用双向长短期记忆（BiLSTM）网络获取模糊标签延深结果；最后，通过TF-IDF、TextRank、隐含狄利克雷分布（LDA）模型提取关键词，从而实现标签的分层延深建模。在同一企业数据集上进行实验分析，结果表明在模糊标签延深任务中EPLLD的精确率达到91.11%，高于BiLSTM+Attention、BERT+Deep CNN等8种标签处理方法。

关键词: 企业画像, 标签建模, 多源信息融合, 模糊标签, 特征提取

Abstract:

Label modeling is the basic task of label system construction and portrait construction. Traditional label modeling methods have problems such as difficulty in processing fuzzy labels， unreasonable label extraction， and ineffective integration of multi-modal entities and multi-dimensional relationships. Aiming at these problems， an enterprise profile construction method based on label layering and deepening modeling， called EPLLD （Enterprise Portrait of Label Layering and Deepening）， was proposed. Firstly， the multi-characteristic information was extracted through multi-source information fusion， and the fuzzy labels of enterprises （such as labels in wholesale and retail industries that cannot fully summarize the characteristics of enterprises） were counted and screened. Secondly， the professional domain lexicon was established for feature expansion， and the BERT （Bidirectional Encoder Representation from Transformers） language model was combined for multi-feature extraction. Thirdly， Bi-directional Long Short-Term Memory （BiLSTM） was used to obtain fuzzy label deepening results. Finally， the keywords were extracted through TF-IDF （Term Frequency-Inverse Document Frequency）， TextRank， and Latent Dirichlet Allocation （LDA） model to achieve label layering and deepening modeling. Experimental analysis on the same enterprise dataset shows that the precision of EPLLD in the fuzzy label deepening task is 91.11%， which is higher than those of 8 label processing methods such as BiLSTM+Attention and BERT+Deep CNN.

Key words: enterprise portrait, label modeling, multi-source information fusion, fuzzy label, feature extraction

中图分类号:

TP391.1

丁行硕, 李翔, 谢乾. 基于标签分层延深建模的企业画像构建方法[J]. 计算机应用, 2022, 42(4): 1170-1177.

Xingshuo DING, Xiang LI, Qian XIE. Enterprise portrait construction method based on label layering and deepening modeling[J]. Journal of Computer Applications, 2022, 42(4): 1170-1177.

图/表 13

参考文献 34

1	王洋，丁志刚，郑树泉，等. 一种用户画像系统的设计与实现［J］. 计算机应用与软件， 2018， 35（3）：8-14. 10.3969/j.issn.1000-386x.2018.03.002
	WANG Y， DING Z G， ZHENG S Q， et al. Design and implementation of user portrait system［J］. Computer Applications and Software， 2018， 35（3）： 8-14. 10.3969/j.issn.1000-386x.2018.03.002
2	ASMUSSEN C B， MØLLER C. Enabling supply chain analytics for enterprise information systems： a topic modelling literature review and future research agenda［J］. Enterprise Information Systems， 2020， 14（5）： 563-610. 10.1080/17517575.2020.1734240
3	GOLEMATI M， KATIFORI A， VASSILAKIS C， et al. Creating an ontology for the user profile： method and applications［C］// Proceedings of the First International Conference on Research Challenges in Information Science. Cham：Springer，2007：1-7. 10.1109/iv.2008.90
4	ADOMAVICIUS G， TUZHILIN A. Using data mining methods to build customer profiles［J］. Computer， 2001， 34（2）： 74-82. 10.1109/2.901170
5	NAWAZ W， KHAN K U， LEE Y K. A multi-user perspective for personalized email communities［J］. Expert Systems with Applications， 2016， 54： 265-283. 10.1016/j.eswa.2016.01.046
6	WANG G， ZHANG X Y， TANG S L， et al. Unsupervised clickstream clustering for user behavior analysis［C］// Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems. New York： ACM， 2016： 225-236. 10.1145/2858036.2858107
7	张丽，吕康银. 智慧城市公共服务数据画像及应用模式研究［J］. 情报科学， 2020， 38（10）：61-67， 89.
	ZHANG L， LYU K Y. On the public service data portrait and application model of smart city［J］. Information Science， 2020， 38（10）： 61-67， 89.
8	CHEN X H， PANG J， XUE R. Constructing and comparing user mobility profiles［J］. ACM Transactions on the Web， 2014， 8（4）： No.21. 10.1145/2637483
9	CHEN T Q， GUESTRIN C. XGBoost： a scalable tree boosting system［C］// Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York： ACM， 2016： 785-794. 10.1145/2939672.2939785
10	CARMAGNOLA F， CENA F， GENA C. User modeling in the social web［C］// Proceedings of the 2007 International Conference on Knowledge-Based and Intelligent Information and Engineering Systems， LNCS 4694. Berlin： Springer， 2007： 745-752.
11	SHIN Y， LEE S J， PARK J. Composition pattern oriented tag extraction from short documents using a structural learning method［J］. Knowledge and Information Systems， 2014， 38（2）： 447-468. 10.1007/s10115-012-0594-6
12	陈志明，胡震云. UGC网站用户画像研究［J］. 计算机系统应用， 2017， 26（1）：24-30.
	CHEN Z M， HU Z Y. User portrait study on UGC website［J］. Computer Systems and Applications， 2017， 26（1）： 24-30.
13	CHUN R， DAVIES G. The influence of corporate character on customers and employees： exploring similarities and differences［J］. Journal of the Academy of Marketing Science， 2006， 34（2）： 138-146. 10.1177/0092070305284975
14	MAŤOVÁ H， DZIAN M， TRIZNOVÁ， et al. Corporate image profile［J］. Procedia Economics and Finance， 2015， 34： 225-230. 10.1016/s2212-5671(15)01623-8
15	杨沛安，刘宝旭，杜翔宇. 面向攻击识别的威胁情报画像分析［J］. 计算机工程， 2020， 46（1）：136-143.
	YANG P A， LIU B X， DU X Y. Portrait analysis of threat intelligence for attack recognition［J］. Computer Engineering， 2020， 46（1）： 136-143.
16	李晓敏，熊回香，杜瑾，等. 智慧图书馆中基于用户画像的图书推荐研究［J］. 情报科学， 2021， 39（7）：15-22.
	LI X M， XIONG H X， DU J， et al. Book recommendation based on user portraits in smart library［J］. Information Science， 2021， 39（7）： 15-22.
17	CALEGARI S， PASI G. Personal ontologies： generation of user profiles based on the YAGO ontology［J］. Information Processing and Management， 2013， 49（3）： 640-658. 10.1016/j.ipm.2012.07.010
18	刘海鸥，孙晶晶，苏妍嫄，等. 国内外用户画像研究综述［J］. 情报理论与实践， 2018， 41（11）：155-160. 10.16353/j.cnki.1000-7490.2018.11.028
	LIU H O， SUN J J， SU Y Q， et al. Literature review of persona at home and abroad［J］. Information Studies： Theory and Application， 2018， 41（11）： 155-160. 10.16353/j.cnki.1000-7490.2018.11.028
19	CHE X Y， CHEN D G， MI J S. Feature distribution-based label correlation in multi-label classification［J］. International Journal of Machine and Cybernetics， 2021， 12（6）： 1705-1719. 10.1007/s13042-020-01268-3
20	LIN C Y， LIAW S Y， CHEN C C， et al. A computer-based approach for analyzing consumer demands in electronic word-of-mouth［J］. Electronic Markets， 2017， 27（3）： 225-242. 10.1007/s12525-017-0262-5
21	PAN Y H， HUO Y F， TANG J， et al. Exploiting relational tag expansion for dynamic user profile in a tag-aware ranking recommender system［J］. Information Sciences， 2021， 545： 448-464. 10.1016/j.ins.2020.09.001
22	黄晓斌，张明鑫. 融合多源数据的企业竞争对手画像构建［J］. 现代情报， 2020， 40（11）：13-21， 33. 10.3969/j.issn.1008-0821.2020.11.002
	HUANG X B， ZHANG M X. Construction of enterprise competitor portrait based on multi-source data［J］. Journal of Modern Information， 2020， 40（11）： 13-21， 33. 10.3969/j.issn.1008-0821.2020.11.002
23	AN J S， CHO H， KWAK H， et al. Towards automatic persona generation using social media［C］// Proceedings of the IEEE 4th International Conference on Future Internet of Things and Cloud Workshops. Piscataway： IEEE， 2016：206-211. 10.1109/w-ficloud.2016.51
24	ZHANG X， BROWN H F， SHANKAR A. Data-driven personas： constructing archetypal users with clickstreams and user telemetry［C］// Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems. New York： ACM， 2016： 5350-5359. 10.1145/2858036.2858523
25	车冰倩，周栋. 融合网络结构信息及文本内容的标签推荐方法［J］. 计算机应用， 2021， 41（4）：976-983.
	CHE B Q， ZHOU D. Tag recommendation method combining network structure information and text content［J］. Journal of Computer Applications， 2021， 41（4）： 976-983.
26	SEVERYN A， MOSCHITTI A. Learning to rank short text pairs with convolutional deep neural networks［C］// Proceedings of the 38th International ACM SIGIR Conference on Research and Development in Information Retrieval. New York： ACM， 2015： 373-382. 10.1145/2766462.2767738
27	邱云飞，张伟竹. 基于网络结构和文本内容的群体画像构建方法研究［J］. 图书情报工作， 2019， 63（22）：21-30.
	QIU Y F， ZHANG W Z. Study for the construction method of group profile based on network structure and text content［J］. Library and Information Service， 2019， 63（22）： 21-30.
28	MIKOLOV T， SUTSKEVER I， CHEN K， et al. Distributed representations of words and phrases and their compositionality［C］// Proceedings of the 26th International Conference on Neural Information Processing Systems. Red Hook， NY： Curran Associates Inc.， 2013： 3111-3119.
29	PENNINGTON J， SOCHER R， MANNING C D. GloVe： global vectors for word representation［C］// Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing. Stroudsburg， PA： Association for Computational Linguistics， 2014： 1532-1543. 10.3115/v1/d14-1162
30	PETERS M E， NEUMANN M， IYYER M， et al. Deep contextualized word representations［C］// Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics： Human Language Technologies， Volume 1. Stroudsburg， PA： Association for Computational Linguistics， 2018： 2227-2237.
31	DU Q， XIE H R， CAI Y， et al. Folksonomy-based personalized search by hybrid user profiles in multiple levels［J］. Neurocomputing， 2016， 204： 142-152. 10.1016/j.neucom.2015.10.135
32	BORDOLOI M， CHATTERJEE P C， BISWAS S K， et al. Keyword extraction using supervised cumulative TextRank［J］. Multimedia Tools and Applications， 2020， 79（41/42）：31467-31496. 10.1007/s11042-020-09335-1
33	NASAR Z， JAFFRY S W， MALIK M K. Textual keyword extraction and summarization： state-of-the-art［J］. Information Processing and Management， 2019， 56（6）： No.102088. 10.1016/j.ipm.2019.102088
34	GOUTTE C， GAUSSIER E. A probabilistic interpretation of precision， recall and F-score， with implication for evaluation［C］// Proceedings of the 2005 European Conference on Information Retrieval， LNCS 3408. Berlin： Springer， 2005： 345-359.

标签类型	一级指标	二级指标	标签描述	模糊标记
统计类标签	基本信息	公司简介、地理信息、工商信息	当前企业注册信息	行业类型出现贸易、批发业、零售业等
	科研信息	软著信息、专利信息、著作权	当前申请的科研信息	所属领域、类型、研究热点等
	其他信息	企业荣誉、资质证书	当前获得的荣誉和资质	不易出现
规则类标签	企业规模	员工数量、企业资金	当前员工数量和资金情况	不易出现
	企业价值	x₁，x₂，…，x_n	制定评价指标综合评价
	风险等级	处罚信息	统计处罚信息
挖掘类标签	企业需求	招聘信息	挖掘当前招聘信息	企业特点、需求不明确等
挖掘类标签	企业特点	y₁，y₂，…，y_n	使用TF-IDF关键词提取	企业特点、需求不明确等

标签类型	一级指标	二级指标	标签描述	模糊标记
统计类标签	基本信息	公司简介、地理信息、工商信息	当前企业注册信息	行业类型出现贸易、批发业、零售业等
	科研信息	软著信息、专利信息、著作权	当前申请的科研信息	所属领域、类型、研究热点等
	其他信息	企业荣誉、资质证书	当前获得的荣誉和资质	不易出现
规则类标签	企业规模	员工数量、企业资金	当前员工数量和资金情况	不易出现
	企业价值	x₁，x₂，…，x_n	制定评价指标综合评价
	风险等级	处罚信息	统计处罚信息
挖掘类标签	企业需求	招聘信息	挖掘当前招聘信息	企业特点、需求不明确等
挖掘类标签	企业特点	y₁，y₂，…，y_n	使用TF-IDF关键词提取	企业特点、需求不明确等

数据集	企业文档篇数	句子数
训练集	146 934	151 488
验证集	48 978	50 485
测试集	48 978	50 606

数据集	企业文档篇数	句子数
训练集	146 934	151 488
验证集	48 978	50 485
测试集	48 978	50 606

模型	精确率	召回率	F1_score
KNN	79.70	80.23	79.83
NBC	81.30	82.05	81.43
CNN	88.31	88.47	88.38
Deep CNN	89.18	89.37	89.26
BiGRU	89.41	89.59	89.48
BiLSTM+Attention	89.45	89.45	89.37
RNN+CNN	89.68	89.69	89.68
BERT+Deep CNN	90.47	90.47	90.45
EPLLD	91.11	91.12	91.08

基于标签分层延深建模的企业画像构建方法

Enterprise portrait construction method based on label layering and deepening modeling

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 34

相关文章 15

编辑推荐

Metrics

建模方法	一级标签	二级标签	三级标签	分词标签
EPLLD模型	批发	商贸	化工、钢材、工程	橡胶制品、建筑、施工等
传统分析处理模型	化工、工程			橡胶制品、建筑、施工等

[1]	焦守龙, 段友祥, 孙歧峰, 庄子浩, 孙琛皓. 融合实体描述信息和邻居节点特征的知识表示学习方法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1050-1056.
[2]	季长清, 高志勇, 秦静, 汪祖民. 基于卷积神经网络的图像分类算法综述[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1044-1049.
[3]	李讷, 徐光柱, 雷帮军, 马国亮, 石勇涛. 交通道路行驶车辆车标识别算法[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 810-817.
[4]	张露, 刘家鹏, 田冬梅. 基于Stacking-Bagging-Vote多源信息融合模型的财务预警应用[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 280-286.
[5]	郑志强, 胡鑫, 翁智, 王雨禾, 程曦. 基于改进DenseNet的牛眼图像特征提取方法[J]. 计算机应用, 2021, 41(9): 2780-2784.
[6]	佘玉龙, 张晓龙, 程若勤, 邓春华. 基于边缘关注模型的语义分割方法[J]. 计算机应用, 2021, 41(2): 343-349.
[7]	赵津, 宋文爱, 邰隽, 杨吉江, 王青, 李晓丹, 雷毅, 邱悦. 儿童阻塞性睡眠呼吸暂停计算机人脸辅助诊断综述[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3394-3401.
[8]	朱新成, 何坤金, 倪娜, 郝博. 基于改进迭代最近点算法的接骨板贴合性快捷计算方法[J]. 计算机应用, 2021, 41(10): 3033-3039.
[9]	尹春勇, 何苗. 基于改进胶囊网络的文本分类[J]. 计算机应用, 2020, 40(9): 2525-2530.
[10]	周云, 陈淑荣. 基于双流非局部残差网络的行为识别方法[J]. 计算机应用, 2020, 40(8): 2236-2240.
[11]	张家岗, 李达平, 杨晓东, 邹茂扬, 吴锡, 胡金蓉. 基于深度卷积特征光流的形变医学图像配准算法[J]. 计算机应用, 2020, 40(6): 1799-1805.
[12]	徐代, 岳璋, 杨文霞, 任潇. 基于改进的三向流Faster R-CNN的篡改图像识别[J]. 计算机应用, 2020, 40(5): 1315-1321.
[13]	张俊升, 徐晶晶, 余伟. 面部美化图像质量无参考评价方法[J]. 计算机应用, 2020, 40(4): 1184-1190.
[14]	郭志强, 胡永武, 刘鹏, 杨杰. 基于特征融合的室外天气图像分类[J]. 计算机应用, 2020, 40(4): 1023-1029.
[15]	刘尚旺, 刘承伟, 张爱丽. 基于深度可分卷积神经网络的实时人脸表情和性别分类[J]. 计算机应用, 2020, 40(4): 990-995.