申请/专利权人:浙江中烟工业有限责任公司
申请日:2024-03-13
公开(公告)日:2024-06-07
公开(公告)号:CN118152567A
主分类号:G06F16/35
分类号:G06F16/35;G06F16/335;G06F40/284;G06N3/045;G06N7/01;G06F18/20;G06F18/27
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.25#实质审查的生效;2024.06.07#公开
摘要:本发明旨在提供一种员工画像异常检测方法及终端,属于行为异常检测技术领域,首先,采集员工行为数据,对员工行为数据进行词映射,得到员工行为词向量;然后,计算当前员工行为词向量与当前员工已形成的行为类别簇之间的马氏距离,根据计算结果判断当前员工行为所属的行为类别簇,对当前员工行为进行异常评估;最后,使用基于贝叶斯自适应共振理论的增量局部分布聚类对员工新的行为所属的行为类别簇进行修正。本发明结合基于贝叶斯自适应共振理论的增量局部分布聚类进行在线画像修正,解决了内部员工行为的动态画像问题,降低了计算成本,实现了在线的内部员工异常监测的风险评估。
主权项:1.一种员工画像异常检测方法,其特征在于,包括以下步骤:采集员工行为数据,对员工行为数据进行词映射,得到员工行为词向量;计算当前员工行为词向量与当前员工已形成的行为类别簇之间的马氏距离,根据计算结果判断当前员工行为所属的行为类别簇,对当前员工行为进行异常评估;使用基于贝叶斯自适应共振理论的增量局部分布聚类对员工新的行为所属的行为类别簇进行修正;所述行为类别簇的获取方法包括:采集某一员工的历史行为数据并进行词映射,得到所述员工的行为词向量;以所述员工的行为词向量中的元素为节点,构建所述员工对应的动态贝叶斯网络,并通过离线聚类得到所述员工的行为类别簇。
全文数据:
权利要求:
百度查询: 浙江中烟工业有限责任公司 一种员工画像异常检测方法及终端
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。