CN110134759A - 一种获取企业的行业信息的方法 - Google Patents

Abstract

本发明涉及信息处理技术领域，涉及一种获取企业的行业信息的方法及系统。构建行业属性词数据库；将所述企业信息与所述行业属性词数据库进行匹配；基于所述匹配结果确定所述企业的行业信息。本发明对企业进行行业划分具有准确率高、概括性强等特点，有效解决原先行业划分无法准确的概括该企业主行业之外的业务这一缺点，解决了现有的给企业只划分一个主行业，导致该企业所划分行业对该企业业务概括性不强的问题。

Description

一种获取企业的行业信息的方法

技术领域

本发明涉及企业分类技术领域，具体而言，涉及一种获取企业的行业信息的方法及系统。

背景技术

行业，是反映以生产要素组合为特征的各类经济活动。随着越来越多的企业业务往外扩张，造成企业不止从事一种业务，如果单一的给企业划分一个主行业是片面的，无法全面的概括该企业主行业之外的业务，造成企业定位出现偏差，现有的给企业存在只划分一个主行业，导致该企业所划分行业对该企业业务概括性不强的问题。

因此，在长期的研发当中，发明人提出了确定企业所属行业类别的方法及系统，以解决上述技术问题之一。

发明内容

本发明的目的在于提供一种获取企业的行业信息的方法，能够解决上述提到的至少一个技术问题。具体方案如下：

构建行业属性词数据库；

将所述企业信息与所述行业属性词数据库进行匹配；

基于所述匹配结果确定所述企业的行业信息。

进一步，所述构建行业属性词数据库具体包括：

针对所有行业，基于企业名称匹配相关企业的经营范围数据；

基于所述经营范围数据获取行业属性词数据库。

进一步，所述基于所述经营范围数据获取行业属性词数据库包括：

取经营范围前两个符号‘，’与‘；’内的数据进行ik拆词，去除‘与’、‘及’、‘和’连词，得到行业属性词数据库。

进一步，对所述行业属性词数据库进行筛词，保留有意义的行业属性词，得到最终的行业属性词数据库。

进一步，所述企业信息为所述企业的经营范围。

进一步，所述基于所述匹配结果确定所述企业的行业信息包括：

将所述匹配结果中所述行业属性词数据库中包含该企业经营范围词进行排名，排名第一的为该企业的主行业，排名第二的为该企业的副行业。

进一步，基于企业名称获取所述企业的工商信息，提取企业经营范围所在的字段，获得企业的经营范围数据。

进一步，ik拆词器对企业经营范围进行拆词时，对这些词进行词性分析，删除形容词词性的词，然后通过人工筛选方式，对每个行业下剩余的行业属性词逐行业进行优化，得到97个行业优化后的行业属性词数据库。

根据本发明的具体实施方式，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上任一项所述的对文档中的内容进行编辑的方法。

根据本发明的具体实施方式，本发明提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上任一项所述的对文档中的内容进行编辑的方法。

本发明实施例的上述方案与现有技术相比，至少具有以下有益效果：

本发明提供的获取企业的行业信息的方法是在顺应当前越来越多的企业业务多样化，企业进行主行业、副行业划分既是对原先行业划分的补充，又是对原先行业划分的创新，本发明对企业进行行业划分具有准确率高、概括性强等特点，有效解决原先行业划分无法准确的概括该企业主行业之外的业务这一缺点，解决了现有的给企业只划分一个主行业，导致该企业所划分行业对该企业业务概括性不强的问题。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示出了根据本发明某一实施例提供的获取企业的行业信息的方法流程图；

图2示出了根据本发明另一实施例提供的获取企业的行业信息的方法流程图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。

应当理解，本文中使用的术语“和/或”仅仅是一种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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述……，但这些……不应限于这些术语。这些术语仅用来将……区分开。例如，在不脱离本发明实施例范围的情况下，第一……也可以被称为第二……，类似地，第二……也可以被称为第一……。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。

下面结合附图详细说明本发明的可选实施例。

实施例1

如图1所示中一种获取企业的行业信息的方法，包括如下步骤：

构建行业属性词数据库；

将所述企业信息与所述行业属性词数据库进行匹配；

基于所述匹配结果确定所述企业的行业信息。

进一步，所述构建行业属性词数据库具体包括：

针对所有行业，基于企业名称匹配相关企业的经营范围数据；

基于所述经营范围数据获取行业属性词数据库。

进一步，所述基于所述经营范围数据获取行业属性词数据库包括：

取经营范围前两个符号‘，’与‘；’内的数据进行i k拆词，去除‘与’、‘及’、‘和’连词，得到行业属性词数据库。

进一步，对所述行业属性词数据库进行筛词，保留有意义的行业属性词，得到最终的行业属性词数据库。

进一步，所述企业信息为所述企业的经营范围。

进一步，所述基于所述匹配结果确定所述企业的行业信息包括：

将所述匹配结果中所述行业属性词数据库中包含该企业经营范围词进行排名，排名第一的为该企业的主行业，排名第二的为该企业的副行业。

进一步，基于企业名称获取所述企业的工商信息，提取企业经营范围所在的字段，获得企业的经营范围数据。

进一步，ik拆词器对企业经营范围进行拆词时，对这些词进行词性分析，删除形容词词性的词，然后通过人工筛选方式，对每个行业下剩余的行业属性词逐行业进行优化，得到97个行业优化后的行业属性词数据库。

实施3

如图1所示中一种获取企业的行业信息的方法，包括如下步骤：

构建行业属性词数据库；

将所述企业信息与所述行业属性词数据库进行匹配；

基于所述匹配结果确定所述企业的行业信息。

具体为：

S1、获取企业名称，匹配该企业的经营范围数据；

S2、取经营范围前两个符号‘，’与‘；’内的数据进行i k拆词，去除‘与’、‘及’、‘和’连词，得到行业属性词数据库；

S3、对行业属性词数据库进行筛词，只保留有意义的行业属性词；

S4、对每个企业的经营范围拆出来的词匹配行业属性词数据库里面的词；

S5、行业属性词数据库里包含该企业经营范围词最多的即为主行业，包含该企业经营范围词第二多的为副行业。

实施例2

本发明实施例提供的一种获取企业的行业信息的方法步骤中，首先，根据企业名称获取企业经营范围等工商信息。根据企业名称在数据库里找到该企业的工商信息，提取企业经营范围所在的字段，获得每个企业的经营范围数据。

接下来，取经营范围前两个符号内的数据进行ik拆词，得到行业属性词数据库。根据企业经营范围顺序规则，经营范围越靠前越贴近该企业的实际经营业务，所以选取每个企业的经营范围的前两个符号(“；”或“，”)作为拆分对象，用ik分词器进行拆词。ik拆词具体操作原理为：采用ik分词器技术，同时整理自己的词典，补充到ik分词器中，以便对ik分词器做优化；收集停用词如“的”、“地”、“和”等，然后采用hive技术，同时集成ik分词器，对所有的公司进行分词，并过滤掉分词结果中一个字的词。根据原先数据库里97个行业所包含的企业，每个行业下的企业拆分出来的属性词组成该行业的行业属性词，最后得到97个行业的行业属性词。

接下来，对行业属性词数据库进行筛词，只保留有意义的行业属性词。由于ik拆词器对企业经营范围进行拆词时，会出现‘绿色’、‘发展’、‘产生’等不具有行业属性意义的词，因此需要对这些词进行词性分析，通过删除形容词等词性的词，大大减少不具有行业属性意义的词。然后通过人工筛选等方式，对每个行业下剩余的行业属性词逐行业进行优化，得到97个行业优化后的行业属性词数据库。

接下来，对每个企业的经营范围拆出来的词匹配行业属性词数据库里面的词。通过先前每个企业经营范围的前两个符号(“；”和“，”)作为拆分对象，用ik分词器进行拆分出来的词，去匹配已经得到的97个行业优化后的行业属性词数据库。由于每个企业的经营范围未经过筛选优化，仍会出现‘绿色’、‘发展’、‘产生’等不具有行业属性意义的词，像此类匹配不上优化后的97个行业属性词数据库的无意义属性词，则不参与计数。

最后，行业属性词数据库里包含该企业经营范围词最多的即为主行业，包含该企业经营范围词第二多的为副行业。如：‘云南农垦集团有限责任企业’在‘农业’行业下匹配到的行业属性词最多，为8个。在‘林业’行业下匹配到的行业属性词次之，为4个。所以‘农业’为‘云南农垦集团有限责任企业’的主行业，‘林业’为该企业的副行业。

实施例4

本实施例提供一种电子设备，该设备用于获取企业的行业信息的方法，所述电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

Claims (10)

1.一种获取企业的行业信息的方法，其特征在于，包括如下步骤：

构建行业属性词数据库；

将所述企业信息与所述行业属性词数据库进行匹配；

基于所述匹配结果确定所述企业的行业信息。

2.根据权利要求1所述的获取企业的行业信息的方法，其特征在于，所述构建行业属性词数据库具体包括：

针对所有行业，基于企业名称匹配相关企业的经营范围数据；

基于所述经营范围数据获取行业属性词数据库。

3.根据权利要求2所述的获取企业的行业信息的方法，其特征在于，所述基于所述经营范围数据获取行业属性词数据库包括：

取经营范围前两个符号‘，’与‘；’内的数据进行ik拆词，去除‘与’、‘及’、‘和’连词，得到行业属性词数据库。

4.根据权利要求3所述的获取企业的行业信息的方法，其特征在于，对所述行业属性词数据库进行筛词，保留有意义的行业属性词，得到最终的行业属性词数据库。

5.根据权利要求1所述的获取企业的行业信息的方法，其特征在于，所述企业信息为所述企业的经营范围。

6.根据权利要求1所述的获取企业的行业信息的方法，其特征在于，所述基于所述匹配结果确定所述企业的行业信息包括：

将所述匹配结果中所述行业属性词数据库中包含该企业经营范围词进行排名，排名第一的为该企业的主行业，排名第二的为该企业的副行业。

7.根据权利要求1所述的获取企业的行业信息的方法，其特征在于，基于企业名称获取所述企业的工商信息，提取企业经营范围所在的字段，获得企业的经营范围数据。

8.根据权利要求3所述的获取企业的行业信息的方法，其特征在于，ik拆词器对企业经营范围进行拆词时，对这些词进行词性分析，删除形容词词性的词，然后通过人工筛选方式，对每个行业下剩余的行业属性词逐行业进行优化，得到97个行业优化后的行业属性词数据库。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至8中任一项所述的方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至8中任一项所述的方法。