一种企业人员关联性分析方法、装置及程序产品与流程

本发明涉及数据处理，具体涉及一种企业人员关联性分析方法、装置及程序产品。

背景技术：

1、随着企业合规管理要求的不断提高，识别企业内部人员与外部企业人员之间的潜在利益关联关系成为企业风险管控的重要环节。目前，企业在进行人员关联性分析时面临以下问题：

2、文档格式多样化：企业人员信息表存在pdf、word、excel、.doc、.docx等多种格式，人工提取信息效率低下且容易出错。

3、表格结构复杂：信息表中存在嵌套表格、普通表格、标准表格等多种表格形式，传统解析工具难以全面识别。

4、表头字段混乱：实际文档中常出现称谓、职务、职称、性别、民族等字段填串的情况，导致信息提取错误。

5、信息分散：内部人员信息存储于企业人力资源系统，外部人员信息分散于工商登记、公开披露等渠道，难以有效整合对比。

6、关联关系隐蔽：人员之间的利益关联关系往往较为隐蔽，传统人工筛查方式难以全面识别潜在风险。

7、因此，亟需一种能够自动提取多格式文档中人员信息、智能纠正表头错位并识别内外部人员关联关系的技术方案。

技术实现思路

1、本发明提供了一种企业人员关联性分析方法、装置及程序产品，以解决现有企业人员关联性分析方法不能自动提取多格式文档中人员信息、纠正表头错位，也无法自动识别外部人员关联关系的问题。

2、第一方面，本发明提供了一种企业人员关联性分析方法，该方法包括：

3、获取待审查企业的待分析人事文档的原始二进制文档流和预设引擎格式适配度矩阵，其中，预设引擎格式适配度矩阵中多个元素表示不同解析引擎对不同格式文档的历史平均解析质量得分；基于原始二进制文档流和预设引擎格式适配度矩阵，经过基于多引擎自适应融合的多格式文档统一表征转换方法处理，构建待分析人事文档的有向无环图模型；分别对有向无环图模型进行全局最优分配和信息提取，得到待分析人事文档的表头全局最优分配结果和分层结构化人员信息数据集；利用基于变更事件驱动的增量采集策略和带指数退避的重试机制，从外部公开数据源获取待审查企业的外部信息集；构建待分析人事文档的四元异构图，并将四元异构图经过基于异构图神经网络与时空衰减的隐性关联度计算方法处理，得到四元异构图中每条关联关系边的综合关联强度值；根据分层结构化人员信息数据集、外部信息集和多个综合关联强度值，生成待审查企业的结构化审查报告和交互式关联关系图谱。

4、本发明提供的企业人员关联性分析方法，通过获取多源数据与预设引擎格式适配度矩阵，有助于规避人工单独配置解析规则、单独采集外部数据带来的标准不统一、效率低下问题。进一步，通过多格式统一表征转换和表格有向无环图构建，能够一次性完成异构文档标准化结构化转换与嵌套表格层级拓扑建模，同步解决了多格式文档兼容差、嵌套表格层级丢失、表格空间关系无法量化表征问题，为表头纠错、人员信息抽取提供了具备完整层级、空间、布局特征的统一图结构载体。进一步，通过表头全局最优分配和分层人员信息提取，大幅降低了字段错配、嵌套人员信息遗漏概率，进而能够最终输出层级对齐、字段规范的标准化内部人员数据。进一步，利用基于变更事件驱动的增量采集策略和带指数退避的重试机制采集外部信息，在保障外部数据时效性的同时，显著降低了接口请求量、数据存储与算力消耗，解决了传统全量采集耗时久、数据源限流失效无兜底的缺陷。进一步，通过构建四元异构图并利用基于异构图神经网络与时空衰减的隐性关联度计算方法处理四元异构图，融合了多类型实体搭建统一关联图谱，引入了时间、地理双重衰减量化关系真实风险权重，量化了每条关系的风险强弱，实现了显性、隐性关联统一量化评估。进一步，结合分层结构化人员信息数据集、外部信息集和多个综合关联强度值，生成待审查企业的结构化审查报告和交互式关联关系图谱，满足企业合规审查、审计追溯、风险直观研判业务需求。因此，通过实施本发明，解决了传统人工审查存在的多格式文档处理低效、表头字段错乱、嵌套人员信息漏提、外部数据更新成本高、隐蔽利益关联难以识别、风险无法量化分级、审计追溯缺失等全链条痛点，兼顾了文档解析兼容性、信息抽取精准度、关联挖掘深度、合规可追溯性四大核心指标，适配企业干部人事、供应商合规全场景人员关联风险智能审查。

5、在一种可选的实施方式中，基于原始二进制文档流和预设引擎格式适配度矩阵，经过基于多引擎自适应融合的多格式文档统一表征转换方法处理，构建待分析人事文档的有向无环图模型，包括：

6、利用原始二进制文档流和预设引擎格式适配度矩阵，对待分析人事文档的文档格式进行自适应识别，并确定与待分析人事文档的格式匹配的多个初始解析引擎；利用多个初始解析引擎，分别对待分析人事文档进行解析，得到多个引擎解析结果，其中，每个引擎解析结果包括文本内容矩阵和布局特征向量；利用证据推理理论，对多个引擎解析结果进行融合处理，并生成待分析人事文档的文档对象模型树结构和json文本矩阵集合；对文档对象模型树结构和json文本矩阵集合进行深度优先递归遍历，并构建有向无环图模型。

7、本发明提供的企业人员关联性分析方法，通过文档格式自适应识别与匹配引擎筛选，避免了单一魔数识别损坏文件、wps/word区分失效、固定引擎解析各类文档精度参差不齐问题，提升了格式识别准确率与单文档解析基础质量。进一步，通过多引擎并行解析并输入多个引擎解析结果，弥补了单一引擎表格还原缺陷。进一步，通过证据推理融合多引擎解析结果，克服了多引擎结果冲突失效问题，量化了每份解析结果可靠置信度，降低了文档损坏、表格复杂导致的解析缺失、失真问题，提升了标准化dom与矩阵数据完整度。进一步，通过深度优先递归遍历构建有向无环图模型，完整保留多层嵌套表格父子层级、单元格合并、行列空间位置关系，实现了任意嵌套单元格快速定位，解决了传统扁平化解析丢失表格嵌套拓扑结构的问题。因此，通过实施本发明，显著提升了复杂嵌套人事表格的预处理成功率。

8、在一种可选的实施方式中，利用原始二进制文档流和预设引擎格式适配度矩阵，对待分析人事文档的文档格式进行自适应识别，并确定与待分析人事文档的格式匹配的多个初始解析引擎，包括：

9、在原始二进制文档流的多个预设偏移位置处提取预设长度的多个字节窗口，并计算多个字节窗口对应的多个频率分布直方图向量；将多个频率分布直方图向量和多个字节窗口内的字节信息熵向量进行拼接，并构建待分析人事文档的复合指纹向量，其中，字节信息熵向量用于反映字节窗口内字节分布的均匀程度；计算复合指纹向量和多个预构建标准指纹向量之间的多个原始加权余弦相似度；根据多个原始加权余弦相似度，确定待分析人事文档的格式和目标加权余弦相似度，其中，目标加权余弦相似度在多个原始加权余弦相似度中最大；当目标加权余弦相似度大于或等于预设第一阈值，判定待分析人事文档的格式为已识别格式，并基于预设引擎格式适配度矩阵，确定待分析人事文档的格式的引擎适配度分值；将引擎适配度分值和预设第二阈值进行比对，并根据比对结果，确定与待分析人事文档的格式匹配的多个初始解析引擎。

10、本发明提供的企业人员关联性分析方法，通过多偏移字节窗口提取直方图，弥补了仅依靠文件头部模式识别格式的缺陷，对传输损坏、篡改头部的文档仍能稳定提取区分特征，提升了损坏文档识别鲁棒性。进一步，通过构建复合指纹向量，融合了字节分布直方图与字节信息熵双重特征，解决了传统单特征无法区分容器结构相同文档的短板，细化了格式区分粒度。进一步，通过加权余弦相似度匹配，有助于强化头部格式特征、熵特征的区分作用，进而能够精准匹配标准样本指纹库，提升了格式判定精准度。进一步，通过最大相似度判定文档格式，规避了格式误判导致后续全流程解析失效。进一步，通过引擎适配度分值比对并筛选初始引擎，不盲目调用全部引擎，减少了无效算力消耗，同时能够对无高适配引擎文档兜底全引擎调度，兼顾了算力效率与解析覆盖完整性。因此，通过实施本发明，实现了损坏、同容器异构、多格式混合人事文档高精度自动识别，解决了传统单一文件头识别失效、wps与word难以区分、引擎无差别调用算力浪费问题，在保障格式识别准确率的前提下智能缩减了解析引擎调用规模，平衡了文档识别鲁棒性与系统算力开销。

11、在一种可选的实施方式中，利用证据推理理论，对多个引擎解析结果进行融合处理，并生成待分析人事文档的文档对象模型树结构和json文本矩阵集合，包括：

12、按照预设多个评估维度，生成每个目标解析引擎的局部质量证据向量，并构建每个初始解析引擎的基本概率分配函数；基于每个基本概率分配函数，计算每个引擎解析结果的基础可信度概率值和基础不可信度概率值，并确定每个引擎解析结果的基础可信度概率分布；利用dempster组合规则，对每个引擎解析结果的基础可信度概率分布进行两两递归组合，并确定全局融合置信度值；当全局融合置信度值小于预设融合阈值，获取最高基础可信度概率值，并根据最高基础可信度概率值对应的引擎解析结果，生成文档对象模型树结构和json文本矩阵集合。

13、本发明提供的企业人员关联性分析方法，通过按照预设多个评估维度，生成每个目标解析引擎的局部质量证据向量并构建每个初始解析引擎的基本概率分配函数，量化了单引擎解析可靠性，通过替代简单对错二元判断，精细化刻画了每份解析结果缺陷程度。进一步，基于每个基本概率分配函数，计算每个引擎解析结果的基础可信度概率值和基础不可信度概率值，并确定每个引擎解析结果的基础可信度概率分布，进而利用dempster组合规则进行两两递归组合，解决了多引擎解析结果互相冲突时加权投票失效问题，进而通过综合全部引擎证据输出全局统一可信度，能够客观反映文档整体解析完整程度。进一步，当全局融合置信度值小于预设融合阈值时，当全局融合置信度值小于预设融合阈值，避免了冲突结果融合放大错误，保障了输出数据基础可用性。因此，通过实施本发明，突破了传统加权投票无法处理解析结果矛盾的局限，能够精准区分高质量、缺陷型、低可信度文档解析输出，进而通过在多引擎并行解析场景下稳定输出低失真的dom树与文本矩阵，降低了后续表头识别、实体抽取的数据底层误差。

14、在一种可选的实施方式中，该方法还包括：

15、当全局融合置信度值大于或等于预设融合阈值，根据每个引擎解析结果的基础可信度概率值，计算最高基础概率值和次高基础概率值的概率差值；当概率差值大于或等于预设第三阈值，根据最高基础可信度概率值对应的引擎解析结果，生成文档对象模型树结构和json文本矩阵集合；当概率差值小于预设第三阈值，以每个引擎解析结果的基础可信度概率值为权重，对最高基础可信度概率值对应的引擎解析结果进行细粒度补全后，生成文档对象模型树结构和json文本矩阵集合。

16、本发明提供的企业人员关联性分析方法，通过计算最高基础概率值和次高基础概率值的概率差值，量化了最优与次优解析结果的质量差距，有助于区分单一引擎显著最优与多引擎结果质量接近两类场景，提供了差异化数据补全策略判断依据。进一步，当概率差值大于或等于预设第三阈值，直接选择最高基础可信度概率值对应的引擎解析结果，生成文档对象模型树结构和json文本矩阵集合，避免了多引擎融合引入无关错误，提升了处理效率与数据纯净度。进一步，当概率差值小于预设第三阈值，以每个引擎解析结果的基础可信度概率值为权重，对最高基础可信度概率值对应的引擎解析结果进行细粒度补全后，生成文档对象模型树结构和json文本矩阵集合，通过整合多引擎有效信息弥补了单引擎单元格缺失问题，进一步提升了表格数据完整度。因此，通过实施本发明，通过分场景选择单一最优结果或多引擎加权融合补全，在保证数据准确性的同时最大化补齐表格缺失字段，进一步降低了复杂人事表格信息遗漏概率。

17、在一种可选的实施方式中，分别对有向无环图模型进行全局最优分配和信息提取，得到待分析人事文档的表头全局最优分配结果和分层结构化人员信息数据集，包括：

18、基于有向无环图模型，经过基于双向注意力流与全局最优分配的表头识别与纠错方法处理，得到待分析人事文档的表头全局最优分配结果；为有向无环图模型中每个节点构建多维位置编码向量，并计算有向无环图模型中每个节点的拓扑上下文向量；根据每个节点的多维位置编码向量和拓扑上下文向量，生成每个节点的初始输入表示向量；基于边类型感知机制，将每个节点的初始输入表示向量经过图注意力网络传播处理，得到每个节点的融合邻域信息的目标隐层表示向量；基于表头全局最优分配结果和预设嵌套拓扑约束，利用每个节点的目标隐层表示向量，对待分析人事文档进行多任务解码，并生成分层结构化人员信息数据集。

19、本发明提供的企业人员关联性分析方法，利用双向注意力全局表头纠错与边感知图注意力嵌套抽取架构，同步解决了表头字段错乱、嵌套表格人员实体提取不完整、实体层级混淆三大核心问题，进而能够输出字段标准化、层级清晰、包含完整家庭成员信息的结构化内部人员数据集，相比传统扁平ner显著提升了嵌套表格信息抽取完整性与实体识别f1值。

20、在一种可选的实施方式中，基于有向无环图模型，经过基于双向注意力流与全局最优分配的表头识别与纠错方法处理，得到待分析人事文档的表头全局最优分配结果，包括：

21、对有向无环图模型进行提取，得到待分析人事文档多个表头单元格的多个表头文本；分别将多个表头文本和多个预设标准类别经过预训练语义编码器映射，得到多个第一语义向量和多个第二语义向量；基于多个第一语义向量和多个第二语义向量，利用前向注意力流，计算每个表头文本对每个预设标准类别的第一注意力权重值；计算每个表头文本的每列数据与每个预设标准类别的数据类型的匹配分值，并确定每列数据的聚合内容特征向量；基于多个聚合内容特征向量和多个第二语义向量，利用后向注意力流，计算每列数据对每个表头文本的第二注意力权重值；对多个第一注意力权重值和多个第二注意力权重值进行加权融合，并构建优化函数，其中，优化函数表征分配总代价最小；在预设时间复杂度内，利用匈牙利算法，对优化函数进行求解，并确定待分析人事文档的表头全局最优分配结果。

22、本发明提供的企业人员关联性分析方法，通过建立表头文本与列数据双向校验、全局互斥约束的智能纠错体系，彻底解决了传统单向关键词匹配无法识别表头填串、多表头类别冲突的缺陷，对人事档案中大量不规范、错位表头实现了全自动精准修正，无需人工逐一校准，大幅提升了人事文档字段标准化程度与审查效率。

23、在一种可选的实施方式中，将四元异构图经过基于异构图神经网络与时空衰减的隐性关联度计算方法处理，得到四元异构图中每条关联关系边的综合关联强度值，包括：

24、基于预设时间衰减函数和预设空间衰减函数，将四元异构图经过异构图卷积处理，得到四元异构图中每个节点的融合多跳异构邻域信息的目标嵌入表示向量；利用每个节点的目标嵌入表示向量的双线性映射进行链路预测，得到四元异构图中每条边的预测概率值；根据每条边的预测概率值，确定四元异构图的多条关联关系边；计算每条关联关系边在预设多个关联维度上的分值并确定每条关联关系边的综合关联强度值。

25、本发明提供的企业人员关联性分析方法，实现了显性、隐性人员、企业关联统一量化评估，通过时空衰减还原了关联真实风险价值，同时，利用异构图多跳推理挖掘隐蔽利益关系，并结合多维度协同风险模型精准量化关联风险强度，解决了传统审查只能识别直接关联、风险评估维度单一、无法区分关系时效性强弱的痛点，为合规风险分级预警提供了可量化的数值依据。

26、第二方面，本发明提供了一种企业人员关联性分析装置，该装置包括：

27、第一获取模块，用于获取待审查企业的待分析人事文档的原始二进制文档流和预设引擎格式适配度矩阵，其中，预设引擎格式适配度矩阵中多个元素表示不同解析引擎对不同格式文档的历史平均解析质量得分；第一处理模块，用于基于原始二进制文档流和预设引擎格式适配度矩阵，经过基于多引擎自适应融合的多格式文档统一表征转换方法处理，构建待分析人事文档的有向无环图模型；第二处理模块，用于分别对有向无环图模型进行全局最优分配和信息提取，得到待分析人事文档的表头全局最优分配结果和分层结构化人员信息数据集；第二获取模块，用于利用基于变更事件驱动的增量采集策略和带指数退避的重试机制，从外部公开数据源获取待审查企业的外部信息集；第三处理模块，用于构建待分析人事文档的四元异构图，并将四元异构图经过基于异构图神经网络与时空衰减的隐性关联度计算方法处理，得到四元异构图中每条关联关系边的综合关联强度值；生成模块，用于根据分层结构化人员信息数据集、外部信息集和多个综合关联强度值，生成待审查企业的结构化审查报告和交互式关联关系图谱。

28、第三方面，本发明提供了一种计算机程序产品，包括计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的企业人员关联性分析方法。