推荐5篇关于企业画像的计算机专业论文

今天分享的是关于企业画像的5篇计算机毕业论文范文, 如果你的论文涉及到企业画像等主题,本文能够帮助到你

基于知识图谱的科技企业画像研究

这是一篇关于知识图谱,企业画像,关系抽取,实体识别,标签体系的论文, 主要内容为近些年来,互联网信息急剧增加,许多企业相关的信息也不断地出现在互联网中。这些信息在互联网中容易形成信息孤岛,使得人们在了解某一企业信息时存在许多不便。企业画像是对企业在不同维度上进行标签化展示,这将使得企业的信息和形象立体地多角度地呈现在用户面前。科技企业的发展对于我国建设科技强国至关重要,为此本文选用科技企业进行画像。本文首先对企业知识图谱进行研究,依据企业的知识图谱来完成企业画像的构建。本文的具体工作如下:在对知识图谱的研究过程中,本文对构建知识图谱的关键技术进行了改进。知识图谱的两个关键子任务实体识别和关系抽取,两者通常是相互独立完成,这往往会忽略两个任务间其实是有内在的联系。本文提出了一种基于多头注意力机制的联合模型同时完成了对两个任务的实现。该模型利用部分参数共享来挖掘两个任务的内在联系,使得实体关系抽取准确率得到了一定的提高。引入基于变换网络的双向编码器表示(Bidirectional Encoder Representation from Transformers,BERT)语言预处理模型能够动态地对词向量进行编码,不仅可以学习到词的位置编码,同时解决了一词多义带来的误差。针对两个任务实现过程中所需特征信息的不同,联合模型提出将多头注意力机制(Multiple Head Attention,Multi-Attention)结合双向长短期网络(Bidirectional Long Short Term Memory,Bi LSTM)从多个维度提取文本信息的特征,两个任务便可根据各自任务的特点选取不同维度上的特征信息。在完成知识图谱关键技术的改进后,下一步工作便是构建知识图谱。在构建知识图谱中,企业的数据集主要来源于证券公司、新闻网站和学术网站,利用爬虫技术爬取这些网站中的相关企业信息作为本文的企业数据集。在提取企业属性关系时,将属性关系看作是关系抽取的一种,通过对所提出的联合模型中的实体关系抽取部分稍作修改来完成属性关系的抽取。并采用实体链接技术将抽取到的实体链接到维基百科和百度百科等数据库,进一步完善对企业实体的基础信息描述。知识图谱的研究给企业画像的构建提供了一个底层支持。企业画像的特点是通过标签化的方式立体地展现企业不同维度信息。本文将标签划分为基础标签、关系标签和统计标签三种类型。企业画像系统分为三个子系统搭建。第一个子系统为数据集系统,负责数据的收集和清洗;第二个子系统为知识图谱系统,负责构建知识图谱,提取企业实体潜在的关系信息;第三个子系统是标签系统,负责标签体系的构建。最后,企业画像通过结合图表等方式展示出企业的基本信息、关系信息和统计信息。

基于知识图谱的新三板涉农企业画像构建研究

这是一篇关于涉农企业,知识图谱,企业画像,命名实体识别,关系自动抽取,新三板的论文, 主要内容为涉农企业是农业产业的重要组成部分,其相关信息能够帮助评估企业的综合实力,进而在一定程度上反映农业经济的发展情况。目前,涉农企业信息主要以文本的形式在互联网上散布,存在数据分布不均匀、不全面的现象,导致人工获取信息效率低下,不利于关键数据的采集处理。而完整有效的涉农企业信息在公司成长、农业发展以及政府监管等方面有着重要作用。因此,整合分散的信息,形成可利用的知识,有助于各类用户更加快速和全面地了解企业发展现状,具有实用价值和研究意义。考虑到中小型企业在涉农企业中更具广泛性和代表性,而新三板正是针对中小型企业的股权交易平台,因此,本文以新三板挂牌的涉农企业为研究对象,探索整合涉农企业信息的有效方法。为了解决涉农企业信息分布不均匀、不完整的问题,利用企业画像技术对涉农企业信息进行全面的数据分析。研究后发现,企业画像中揭示企业的内外关联关系数据过多,存在人工抽取工作量大且容易出错的问题。为此,采用知识图谱技术中利用机器自动抽取文本中实体及其关联关系的方法,保证了关系抽取的准确率且降低了人力成本。最终,研制了基于知识图谱的涉农企业画像系统,满足各类用户了解新三板涉农企业信息的需求。全文的主要研究内容如下:(1)针对涉农企业信息碎片化的问题,研究了企业画像的概念及技术。根据企业画像构建技术,明确了建立企业画像以帮助各类用户全方位了解企业信息的目标。对企业属性进行了六个维度的分解,发现了企业画像关联关系维度中数据过多时存在的问题,并找到了解决方法,如(2)所述;(2)针对人工抽取企业关联关系效率低下的问题,研究了知识图谱的概念、作用及构建技术。对知识图谱构建技术中的知识获取部分展开了研究,利用Bi-LSTM+CRF模型识别了公司与人名两类实体,采用基于注意力机制的关系自动抽取模型抽取了实体间的关系。明确了在数据充足的情况下,深度学习的方法相比于传统机器学习方法表现情况更好、更有效的结论。最终,快速构建了涉农企业关联关系知识图谱原型,解决了企业画像关联关系维度实现的问题;(3)设计并实现了基于知识图谱的新三板涉农企业画像系统。利用涉农企业画像及涉农企业关联关系知识图谱,形成了基于知识图谱的涉农企业画像系统。系统实现了按农业细分行业进行检索等功能,更符合涉农企业的品牌特性。本文的创新体现在以下两个方面:①在知识图谱构建的关系自动抽取部分,采用了基于注意力机制的深度学习模型,提高了关系自动抽取的准确率;②在系统功能方面,实现了关系的筛选与查询,解决了通用的企业信息查询网站不能进行关系的筛选与查询问题。

基于知识图谱的东北新三板挂牌企业综合评价及画像构建

这是一篇关于东北挂牌企业,企业画像,知识图谱,评价指标,熵权法,TOPSIS法的论文, 主要内容为东北地区是我国重要的老工业基地,在“十四五”重要战略机遇期,民营经济仍是其发展过程中不可或缺的力量。新三板自2006年正式成立以来,就被定位为资本市场服务民营经济的重要平台。但全国中小企业股份转让系统中的统计数据显示,东北地区融资情况并不乐观。自2013年新三板扩容以来,挂牌企业质量参差不齐、投资风险较大以及部分投资者和企业信息不对称共同导致了融资困难的问题。对东北挂牌公司而言,亟需一套科学系统的方法,解决因信息不对称导致的企业综合评价不准确、不完备问题。当前,大数据技术发展迅速,海量数据资源沉淀,仅使用财务数据难以全面地对东北三省新三板挂牌企业进行评价。为了解决上述问题,首先要加大企业信息的披露力度和维度,保证披露信息的公正、公平性。其次,需要构建数据驱动的、科学有效的企业综合评价体系,从而精准刻画企业个体画像和企业群体生态画像。企业画像作为用户画像技术的延伸,不仅可以展示企业的基础工商文本信息,而且可以通过构建企业综合评价模型对财务状况、创新能力等多方面进行评价,并利用标签提取技术展示评价结果,为投资方和管理部门提供科学有效的参考,以便投资方和管理部门更全面、更直观地掌握企业多维度的信息。本文主要研究工作如下:(1)以东北三省新三板挂牌企业为研究对象,以数据驱动的方式确定企业画像信息维度、企业知识图谱的实体、关系及属性,构建企业知识图谱并对企业群体进行社区划分,以可视化的形式展示企业信息。(2)结合东北三省新三板挂牌企业群体的特点,基于企业知识图谱建立涵盖企业基础信息维度、财务信息维度、创新能力信息维度、信用信息维度4大维度、11项一级指标、20项二级指标的企业综合评价指标体系。(3)提出一个基于熵权TOPSIS评价模型联合聚类分析的企业画像构建方法。将综合评价结果进行聚类分级,通过标签提取策略,结合企业知识图谱与可视化技术构建出评估企业综合状况的个体画像和企业群生态画像。结果表明,本研究构建的评价指标体系相较于传统财务评价指标更加完善、更体系化,提出的企业画像构建方法可以有针对性地全面展示东北挂牌企业的多维度状况。研究结论对于促进企业多维度信息透明化进而改善企业与投资方信息不对称状况发挥了重要作用,为推进东北三省新三板挂牌企业可持续健康发展、改善其融资困难提供重要技术保障。

基于知识图谱的企业画像技术研究与实现

这是一篇关于企业画像,企业知识图谱,马尔可夫逻辑网,知识学习,知识推理的论文, 主要内容为近年来,企业画像方面的研究开始出现,企业画像相关的产品也开始应用于政府机构和企业。然而很多企业画像研究仅仅是接入特定的企业信息数据源,借助地图或者图表展示企业信息。事实上企业信息中蕴含着大量的隐藏知识。本文以企业知识图谱为支撑,融合多个方面的企业信息,推理出隐藏在表层企业信息之下的知识来对企业进行画像。本文提出了基于知识图谱的企业画像。用知识图谱融合从互联网上众多数据源获取到的企业信息,用于构建企业知识库,并运用马尔可夫逻辑网进行知识学习,以及知识补全。本文构建的企业知识图谱总体上可以分为三层:最底层的企业实体关系图、中间层的马尔可夫逻辑网实体层面、最上层的马尔可夫逻辑网知识层面。子句可以用于马尔可夫网推理来补全知识图谱,也可以用于挖掘隐藏在表层企业信息之下的知识,比如企业的研究方向、异常的企业员工。并以本文构建的企业知识图谱为基础对企业进行画像。本文根据企业知识库已有的数据分析得出模式图并设计谓词,在此基础上本文使用了马尔可夫逻辑网知识学习算法DSL算法,得到了知识的载体子句及其权重。基本的企业知识库的实体关系是稀疏的,缺乏层次性,而通过马尔可夫逻辑网进行知识推理可以补全一部分实体间关系。本文实现了马尔可夫逻辑网最大化问题推理算法LazySAT,以马尔可夫逻辑网知识学习得到的子句及其权重作为输入,进行实体之间的关系的推理。企业画像的重点在于以直观的方式展示企业信息,包括基本的企业信息和经过推理得到的企业知识。本文以某企业为例,从企业科研方向、员工对企业的评价、频繁跳槽的员工这三个角度进行了分析。企业画像技术可以应用于企业背景调查、企业合作伙伴查找、企业自身问题发现等商业场景。