[发明专利]一种基于大数据的灵活用工业务知识推理引擎建设方法

说明书

本发明涉及灵活用工数据处理方法领域，具体涉及一种基于大数据的灵活用工业务知识推理引擎建设方法，接收多个用工平台的用工数据，并识别用工数据中的命名实体，提取命名实体识别后用工数据中的关联关系，提取用工数据中命名实体的属性信息；在识别后进行实体链接，并对用工数据进行知识合并处理；根据命名实体和关联关系进行本体建立操作得到知识图谱；根据预设规则对知识图谱中缺少的关联关系进行推理得到推理知识，并给推理知识添加推理标识，同时对预设规则进行更新，根据更新后预设规则进行推理，判断推理知识与预设规则是否冲突，若冲突，则删除推理知识重新进行推理，若不冲突，则进行推理知识的存储。本发明提高根据用工数据业务真实性。

技术领域

本发明涉及灵活用工数据处理方法领域，具体涉及一种基于大数据的灵活用工业务知识推理引擎建设方法。

背景技术

灵活用工即为企业提供专业而灵活的用工服务，以有效应对企业季节性、临时性、周期性的发展变更挑战。从市场上来看，企业用工包括劳动关系、非全日制、劳务派遣、退休返聘、实习、岗位外包、众包、业务外包、人力资源服务外包、合伙、自雇、平台用工等多种形态。即除劳动关系之外，其他用工关系都可以统称为灵活用工的范畴。由于灵活用工的人员流动性大且数量多，灵活用工过程中的业务数据均未建立知识库，所以，针对灵活用工过程中的信息分析预测通常是根据既往经验进行，例如风控人员依据自身既往风控经验，手工加工处理来自于各业务系统的业务数据，通过对这些数据不同维度分析，收集争议数据，加以图片、声音和视频的审核，并通过对争议主体电话联系等沟通方式，最后综合评判灵活用工的业务真实性。

但是，受数据量级小、数据维度少和数据维度不完整以及人工计算能力有限等条件制约，传统模式下的灵活用工业务还未形成知识图谱。真实性风控等过分依赖风控人员的主观经验，不能多维度、多角度的全面的深入的分析业务数据，进而不能客观科学的验证业务真实性。

发明内容

本发明意在提供一种基于大数据的灵活用工业务知识推理引擎建设方法，以解决从灵活用工数据中无法客观科学验证业务真实性的问题。

本方案中的基于大数据的灵活用工业务知识推理引擎建设方法，包括以下步骤：

步骤一，接收多个用工平台的用工数据，并识别用工数据中的命名实体，提取命名实体识别后用工数据中的关联关系，提取用工数据中命名实体的属性信息；

步骤二，将识别的命名实体进行实体链接，并对用工数据进行知识合并处理；

步骤三，根据命名实体和关联关系进行本体建立操作得到知识图谱；

还包括：

步骤四，根据预设规则对知识图谱中缺少的关联关系进行推理得到推理知识，并给推理知识添加推理标识，同时对预设规则进行更新，根据更新后预设规则进行推理，判断推理知识与预设规则是否冲突，若冲突，则删除推理知识重新进行推理，若不冲突，则进行推理知识的存储。

本方案的有益效果是：

通过对用工数据建立知识图谱，并对业务数据逻辑建模，从本体识别、关联关系识别、实体建模提供完备的逻辑模型，形成数字大脑，然后对知识图谱中缺少的关联关系进行推理，得到推理知识，并添加推理标识，能够生成缺失的知识，便于快速区别出推理知识，以便于对推理知识进行区别；并且判断推理指示与预设规则是否冲突，若是，则删除重新进行推理，若否，则进行存储，提高根据用工数据业务真实性，能够在实际灵活用工业务中提供完整的推理能力。

进一步，所述步骤一中，所述用工数据包括结构化数据、半结构化数据和非结构化数据，直接从结构化数据中识别命名实体，通过语义识别或者依存句法分析从半结构化数据和非结构化数据中识别命名实体、提取关联关系和提取属性信息；所述步骤二中，根据结构化数据和命名实体进行实体链接。