具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

隐式交互：隐式交互的提取来自于用户的“提到”(“@”)和“转发”行为。当用户间存在互动(“提到”或“转发”)行为时，用户间建立关联的概率将增大。

为了基于海量员工会话交互数据实现员工社区发现，克服数据量、数据增量非常大的问题，实现减少数据存储成本和计算成本，同时考虑到员工会话交互数据是涉及数据安全和隐私问题的情况，提供了如下员工社区发现方法。

本实施例提供了一种员工社区发现方法。图1是根据本申请实施例的员工社区发现方法的流程图，如图1所示，该流程包括如下步骤：

交互序列获取步骤S1，获取目标员工的会话交互数据，将会话交互数据进行加密处理并根据一预设切分单位分为多个会话单元，并根据时间顺序将会话单元输出为员工交互序列；具体的，会话交互数据的加密处理具体为对员工姓名进行匿名ID处理，举例而非限制，如基于MD5(Message-Digest Algorithm)加密算法，MD5加密算法为单向加密算法，以便于有效实现隐私保护及数据安全。可选的，预设切分单位可以为日、天、周、月、年等，本申请实施例支持对会话交互数据中的单聊数据和群聊数据以同一预设切分单位或不同预设切分单位进行会话单元的切分。基于此，本实施例的数据基础既包括群聊中员工合作关系又包括个人之间的交互关系，有助于更准确、完善的发现员工社区。

序列模型获取步骤S2，基于员工交互序列通过序列建模方法构建并训练序列模型；具体的，序列模型包括Word2Vec模型和/或Glove模型。

序列向量获取步骤S3，基于序列模型得到员工交互序列的序列向量；基于本步骤得到的序列向量可以为根据员工表示为32位的稠密向量。

员工社区发现步骤S4，将序列向量利用聚类算法进行聚类，完成社区发现。可选的，聚类算法为K-Means算法，也可以是其他聚类算法。

员工社区输出步骤S5，基于用户的查询请求将聚类成社区的员工进行输出。值得注意的是，为了保护数据安全和隐私，输出的员工为匿名ID，但对下游业务的使用支持基于员工字典库进行匿名ID到姓名的转换。

基于上述步骤，本申请实施例以企业员工会话交互过程为基础数据实现员工社区发现，会话交互数据中既包括群聊中员工合作关系又包括个人之间的交互关系，实现更准确、完善的发现员工社区。另外，将会话交互数据处理为员工交互序列并基于序列模型实现员工关系的向量化表示，大大减少原始数据的存储成本。而且，该方式并不限制数据量的大小，更甚者数据量越大模型训练效果越好，如此一来，降低了数据的计算成本，避免了面对海量数据加重计算成本的问题。

在其中一些实施例中，序列模型为Word2Vec模型，序列模型获取步骤S2进一步包括：

数据预处理步骤S201，将员工交互序列转换为员工交互预料，其中，需将员工交互序列中每一行数据中的逗号替换为空格。

词典构建步骤S202，遍历员工交互预料中文本，找出所有出现过的词语构建词典，并统计各个词语的出现频率，实现词频统计。

霍夫曼树构造步骤S203，基于上述词频构造一霍夫曼树。本申请实施例采用霍夫曼树来代替隐藏层和输出层的神经元，霍夫曼树的叶子节点起到输出层神经元的作用，叶子节点的个数即为词汇表的小大，而内部节点则起到隐藏层神经元的作用。

模型训练步骤S204，利用步骤S203得到的霍夫曼树训练训练Word2Vec模型中CBOW模型或Skip-Gram模型。

基于上述步骤，本实施例基于Word2Vec模型通用性高且高效的特点，采用Word2Vec模型构建序列模型，结合员工交互序列完成对本申请实施例序列模型的建立及训练，以便于通过序列模型对员工交互序列进行向量表示，从而降低数据存储成本。

本实施例还提供了一种员工社区发现方法。图2是根据本申请实施例的员工社区发现方法的优选流程图，如图2所示，该流程除了包括上述实施例的步骤，还包括如下步骤：

模型迭代步骤S6，获取一预设增量周期会话交互数据的增量数据，基于增量数据对序列模型进行迭代训练；

增量社区发现步骤S7，根据序列模型获取序列向量并进行聚类操作。

基于上述步骤，本申请实施例通过基于数据增量的模型迭代实现动态的社区发现，面临数据增量快的情况直接通过模型迭代的方式快速动态更新社区，进一步便于在进行项目筹备时参考最新的员工社区进行员工配置，有助于提高员工协作能力，提高工作效率。

下面通过优选实施例对本申请实施例进行描述和说明。

图3是根据本申请优选实施例的员工社区发现方法的流程图，如图3所示，该员工社区发现方法包括如下步骤：

员工交互序列生成S301：获取员工会话交互数据，如图4所示，其中包括员工之间的隐式交互，使用MD5加密算法将员工姓名进行匿名ID处理，以天作为预设切分单位将会话交互数据的单聊数据和群聊数据切分为会话单元，然后将会话单元按照时间顺序生成员工交互序列，员工交互序列的具体示例如图5所示。

员工交互序列建模S302：基于上述员工交互序列数据进行序列建模，可以通过基于Word2Vec、Glove等序列建模方法，本实施例优选使用Word2Vec模型来完成序列建模，具体步骤如下：

首先，将员工交互序列数据处理为语料形式，具体把数据中每行数据中的逗号去掉替换成空格。

然后，构建词典，并统计词频。具体需要遍历一遍所有文本，找出所有出现过的词，并统计各词的出现频率：

随后，构造树形结构：依照各词出现频率构造霍夫曼树Huffman；

最后，基于该霍夫曼树训练中间向量和词向量模型，完成Word2Vec模型的CBOW或Skip-Gram模型来完成训练。

员工数字化表示S303：基于上述的序列模型完成员工的向量表示，得到员工交互序列的序列向量，具体按照员工表示成32位的稠密向量来表示每个员工，如图6所示。

使用K-Means算法完成聚类S304：使用聚类算法完成社区的发现，基于上述步骤S303得到的32维稠密向量，将稠密向量完成K-Means算法的调试和验证。具体如图7所示，图中星号表示利用聚类算法划分得到的几个社区。

输出聚类成社区的员工S305：根据查询请求将聚类成社区的员工进行输出。

数据增量和模型迭代S306：直接通过模型迭代的方式，通过每天或者设置固定天数的增量数据，启动模型训练过程和后续员工数字化表示，然后通过聚类算法进行聚类操作完成最终的社区发现。参考图8所示，步骤S306整个过程是不断处理增量数据、迭代模型、重新构建员工数字化表示、完成聚类操作。从而实现以企业员工会话数据的增量数据为基础的模型迭代，通过数据增量实现动态的社区发现。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种员工社区发现系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图9是根据本申请实施例的员工社区发现系统的结构框图，如图9所示，该系统包括：

交互序列获取模块1，获取目标员工的会话交互数据，将会话交互数据进行加密处理并根据一预设切分单位分为多个会话单元，并根据时间顺序将会话单元输出为员工交互序列；具体的，会话交互数据的加密处理具体为对员工姓名进行匿名ID处理，举例而非限制，如基于MD5加密算法，以便于有效实现隐私保护及数据安全。可选的，预设切分单位可以为日、天、周、月、年等，本申请实施例支持对会话交互数据中的单聊数据和群聊数据以同一预设切分单位或不同预设切分单位进行会话单元的切分。

序列模型获取模块2，基于员工交互序列通过序列建模方法构建并训练序列模型；具体的，序列模型包括Word2Vec模型和/或Glove模型。可选的，序列模型为Word2Vec模型，序列模型获取模块2进一步包括：数据预处理模块201，将所述员工交互序列转换为员工交互预料；其中，需将员工交互序列中每一行数据中的逗号替换为空格。词典构建模块202，遍历所述员工交互预料中的词语构建词典构建词典并统计词频。霍夫曼树构造模块203，基于所述词频构造一霍夫曼树。模型训练模块204，利用所述霍夫曼树训练Word2Vec模型中CBOW模型或Skip-Gram模型。基于此，结合员工交互序列完成对本申请实施例序列模型的建立及训练，以便于通过序列模型对员工交互序列进行向量表示，从而降低数据存储成本。

序列向量获取模块3，基于序列模型得到员工交互序列的序列向量基于本模块得到的序列向量可以为根据员工表示为32位的稠密向量。

员工社区发现模块4，将所述序列向量利用聚类算法进行聚类，完成社区发现。具体的，所述聚类算法为K-Means算法。

社区员工输出模块5，基于用户的查询请求将聚类成社区的员工进行输出。

基于上述结构，本申请实施例以企业员工会话交互过程为基础数据实现员工社区发现，会话交互数据中既包括群聊中员工合作关系又包括个人之间的交互关系，有助于更准确、完善的发现员工社区。另外，将会话交互数据处理为员工交互序列并基于序列模型实现员工关系的向量化表示，大大减少原始数据的存储成本。而且，该方式并不限制数据量的大小，更甚者数据量越大模型训练效果越好，如此一来，降低了数据的计算成本，避免了面对海量数据加重计算成本的问题。

图10是根据本申请实施例的员工社区发现系统的优选结构框图，如图10所示，该系统包括图9所示的所有模块，此外还包括：

模型迭代模块6，获取一预设增量周期会话交互数据的增量数据，基于增量数据对序列模型进行迭代训练；

增量社区发现模块7，根据所述序列模型获取序列向量并进行聚类操作。

基于上述结构，本申请实施例通过基于数据增量的模型迭代实现动态的社区发现，面临数据增量快的情况直接通过模型迭代的方式快速动态更新社区，进一步便于在进行项目筹备时参考最新的员工社区进行员工配置，有助于提高员工协作能力，提高工作效率。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

另外，结合图1-2描述的本申请实施例员工社区发现方法可以由计算机设备来实现。计算机设备可以包括处理器以及存储有计算机程序指令的存储器。具体地，上述处理器可以包括中央处理器(CPU)，或者特定集成电路(Application Specific IntegratedCircuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器可在数据处理装置的内部或外部。在特定实施例中，存储器是非易失性(Non-Volatile)存储器。在特定实施例中，存储器包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(Random AccessMemory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(ProgrammableRead-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。

存储器可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器所执行的可能的计算机程序指令。

处理器通过读取并执行存储器中存储的计算机程序指令，以实现上述实施例中的任意一种员工社区发现方法。

另外，结合上述实施例中的员工社区发现方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种员工社区发现方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。