近年来,企业画像方面的研究开始出现,企业画像相关的产品也开始应用于政府机构和企业。然而很多企业画像研究仅仅是接入特定的企业信息数据源,借助地图或者图表展示企业信息。事实上企业信息中蕴含着大量的隐藏知识。本文以企业知识图谱为支撑,融合多个方面的企业信息,推理出隐藏在表层企业信息之下的知识来对企业进行画像。本文提出了基于知识图谱的企业画像。用知识图谱融合从互联网上众多数据源获取到的企业信息,用于构建企业知识库,并运用马尔可夫逻辑网进行知识学习,以及知识补全。本文构建的企业知识图谱总体上可以分为三层:最底层的企业实体关系图、中间层的马尔可夫逻辑网实体层面、最上层的马尔可夫逻辑网知识层面。子句可以用于马尔可夫网推理来补全知识图谱,也可以用于挖掘隐藏在表层企业信息之下的知识,比如企业的研究方向、异常的企业员工。并以本文构建的企业知识图谱为基础对企业进行画像。本文根据企业知识库已有的数据分析得出模式图并设计谓词,在此基础上本文使用了马尔可夫逻辑网知识学习算法DSL算法,得到了知识的载体子句及其权重。基本的企业知识库的实体关系是稀疏的,缺乏层次性,而通过马尔可夫逻辑网进行知识推理可以补全一部分实体间关系。本文实现了马尔可夫逻辑网最大化问题推理算法LazySAT,以马尔可夫逻辑网知识学习得到的子句及其权重作为输入,进行实体之间的关系的推理。企业画像的重点在于以直观的方式展示企业信息,包括基本的企业信息和经过推理得到的企业知识。本文以某企业为例,从企业科研方向、员工对企业的评价、频繁跳槽的员工这三个角度进行了分析。企业画像技术可以应用于企业背景调查、企业合作伙伴查找、企业自身问题发现等商业场景。