买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国家新闻出版广电总局广播科学研究院

摘要：本发明公开了一种广电知识图谱构建方法及装置，本发明通过对预设数据源进行分析处理，并存储在数据库中，基于数据库，对用户、节目和套餐进行用户画像、节目标签和套餐标签的画像特征的可视化展示，并从数据库中获取人‑人、人‑节目、人‑套餐之间的关系，分别进行知识图谱的可视化展示，最后根据画像特征和知识图谱构建广电行业的知识图谱应用，本发明提供的广电大数据知识图谱不仅可以直观全面的表示出广电领域典型应用场景下的海量知识信息，而且还可以多角度的展示每个用户的行为习惯和兴趣偏好，从而帮助广电运营商管更好的掌握每个用户的特点，进而进行精准化推荐和市场分析等。

主权项：1.一种广电知识图谱构建方法，其特征在于，包括：对预设数据源进行分析处理，并存储在数据库中；基于所述数据库，对用户、节目和套餐进行用户画像、节目标签和套餐标签的画像特征的可视化展示，并从所述数据库中获取人-人、人-节目、人-套餐之间的关系，分别进行知识图谱的可视化展示；根据所述画像特征和所述知识图谱构建广电行业的知识图谱应用；所述数据源包括广电内部的用户收视行为数据、用户订购行为数据、媒资系统数据，以及互联网公开的节目信息数据；对预设数据源进行分析处理，包括：步骤一，建立Hive映射表，将HDFS中预处理后的用户收视行为、用户订购行为、媒资系统中的节目信息以及从互联网爬取得到的节目信息的数据导入到Hive数据仓库；步骤二，用分布式计算框架Spark从用户收视行为和用户订购行为中分别抽取出用户基本属性信息和套餐基本属性信息，并将媒资系统和互联网的节目信息融合后给节目打标签，最后将生成的标签与节目基本属性信息合并后存入Mysql关系型数据库，同理，基于套餐基本属性信息中的包名用自然语言处理技术给套餐打标签，将套餐基本属性信息和套餐标签合并后存入Mysql；步骤三，用Spark从用户收视行为和订购行为中对用户观看的节目和订购的套餐的标签进行词频统计，分别挑选次数最多的排名前N个的词TopN作为用户观看节目的兴趣标签和用户订购套餐的兴趣标签，将用户基本属性信息和用户观看节目的兴趣标签和用户订购套餐的兴趣标签合并后存入Mysql；所述步骤三之后还包括：将用Spark从用户收视行为和用户订购行为中抽取出用户-观看-节目，用户-订购-套餐的三元组关系并导入图形数据库Neo4j中进行存储；还包括：构建节目标签；构建节目标签包括：步骤一：对节目简介文本进行简繁转换，全部转换为中文后，进行分词处理；步骤二：利用TF进行词频统计，得到基于所有节目简介分词结果统计的词语词频，并对词频列表进行频率从大到小的排序，使用词频统计结果，对每个节目简介的分词结果进行过滤，仅保留频率大于预定数值的词语；步骤三：对选取的高频词语进行去停用词处理；步骤四：经过去停用词处理后，每个节目简介都会获得一个特征词表，以每个节目的特征词表作为一个样本，构建用于深度学习模型Word2Vec的训练数据；所述步骤四还包括：通过Word2Vec的连续词袋CBOW模型和HierarchicalSoftmax框架，利用节目的特征词表作为输入数据进行训练，进而得到了一个足以表征全部特征词的词向量空间，每一个特征词都获得了一个唯一的向量表示，所述CBOW模型包含三层：输入层，投影层和输出层；步骤五：利用该词向量空间及其所提供的相似词语临近特性，应用Kmeans算法计算一个聚类结果；步骤六：对于聚类结果的每个簇，选择其中最有代表性的一个特征词作为该簇的表示词，并最终对所有节目的特征词对应的表示词进行统计，以统计结果中较重要的表示词作为该节目的标签。

全文数据：

权利要求：

百度查询： 国家新闻出版广电总局广播科学研究院 一种广电知识图谱构建方法及装置