CN111538837A - 用于分析企业经营范围信息的方法和装置 - Google Patents
用于分析企业经营范围信息的方法和装置 Download PDFInfo
- Publication number
- CN111538837A CN111538837A CN202010344054.5A CN202010344054A CN111538837A CN 111538837 A CN111538837 A CN 111538837A CN 202010344054 A CN202010344054 A CN 202010344054A CN 111538837 A CN111538837 A CN 111538837A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- similarity
- analyzed
- enterprises
- operation range
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000013598 vector Substances 0.000 claims description 48
- 238000005065 mining Methods 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010835 comparative analysis Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了用于分析企业经营范围信息的方法和装置,具体实现方案为:获取待分析企业中各个企业的工商注册信息;对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息;对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,其中,相似度用于表征该企业与待分析企业中各企业之间相似度的最大值;基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。该方案实现了一种基于企业经营范围的相似度对企业进行快速聚类的方法。
Description
技术领域
本申请涉及计算机技术领域,具体涉及数据处理技术领域,尤其涉及用于分析企业经营范围信息的方法和装置。
背景技术
随着互联网和大数据的广泛应用,目前企业的工商类别判定是由企业自己选取的,系统仅提供非常宽泛的类别划分,类别划分比较粗糙。在实际应用中,根据客户需求想要找到同类别的相关企业,依据现有的工商类别,很难实现,比如某营销公司想要找到与他们已成交公司具有相同类别的未成交公司。
发明内容
本申请提出了用于分析企业经营范围信息的方法和装置。
第一方面,本申请提供了一种用于分析企业经营范围信息的方法,包括:获取待分析企业中各个企业的工商注册信息;对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息;对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,其中,相似度用于表征该企业与待分析企业中各企业之间相似度的最大值;基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
在一些实施例中,对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,包括:对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与企业经营范围信息对应的每个企业的汉字特征集合;将每个企业的汉字特征集合输入训练得到的文本挖掘模型,得到与每个企业的汉字特征集合对应的各个企业的词频权重向量,其中,文本挖掘模型利用与企业经营范围信息对应的语料库训练得到;对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度。
在一些实施例中,在对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与企业经营范围信息对应的每个企业的汉字特征集合之后,还包括:将每个企业的汉字特征集合转换成与企业经营范围信息对应的每个企业的拼音特征集合;将每个企业的拼音特征集合输入训练得到的第二文本挖掘模型,得到与每个企业的拼音特征集合对应的各个企业的词频权重向量,其中,第二文本挖掘模型利用与企业经营范围信息对应的拼音材料库训练得到。
在一些实施例中,对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与企业经营范围信息对应的每个企业的汉字特征集合,包括:对待分析企业中每个企业的经营范围信息进行分词,得到与企业经营范围信息对应的每个企业的汉字特征集合。
在一些实施例中,对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度,包括:根据余弦相似度,计算每个企业与待分析企业中各企业之间的词频权重向量的夹角余弦值,生成每个企业的相似度向量;对每个企业的相似度向量进行比对,确定每个企业的相似度。
在一些实施例中,基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业,包括:基于每个企业的相似度,生成与待分析企业中所有企业对应的相似度矩阵;基于与待分析企业中所有企业对应的相似度矩阵,利用标签传播算法,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
在一些实施例中,方法还包括:基于确定的每个类别中的企业信息,优化产品的企业服务内容。
第二方面,本申请提供了一种用于分析企业经营范围信息的装置,装置包括:获取单元,被配置成获取待分析企业中各个企业的工商注册信息,对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息;分析单元,被配置成对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,其中,相似度用于表征该企业与待分析企业中各企业之间相似度的最大值;聚类单元,被配置成基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
在一些实施例中,分析单元,包括:特征提取模块,被配置成对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与企业经营范围信息对应的每个企业的汉字特征集合;第一文本挖掘模块,被配置成将每个企业的汉字特征集合输入训练得到的文本挖掘模型,得到与每个企业的汉字特征集合对应的各个企业的词频权重向量,其中,文本挖掘模型利用与企业经营范围信息对应的语料库训练得到;相似度确定模块,被配置成对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度。
在一些实施例中,分析单元还包括:特征转换模块,被配置成将每个企业的汉字特征集合转换成与企业经营范围信息对应的每个企业的拼音特征集合;第二文本挖掘模块,被配置成将每个企业的拼音特征集合输入训练得到的第二文本挖掘模型,得到与每个企业的拼音特征集合对应的各个企业的词频权重向量,其中,第二文本挖掘模型利用与企业经营范围信息对应的拼音材料库训练得到。
在一些实施例中,相似度确定模块包括:相似度向量生成子模块,被配置成根据余弦相似度,计算每个企业与待分析企业中各企业之间的词频权重向量的夹角余弦值,生成每个企业的相似度向量;相似度确定子模块,被配置成对每个企业的相似度向量进行比对,确定每个企业的相似度。
在一些实施例中,聚类单元包括:相似度矩阵生成模块,被配置成基于每个企业的相似度,生成与待分析企业中所有企业对应的相似度矩阵;聚类模块,被配置成基于与待分析企业中所有企业对应的相似度矩阵,利用标签传播算法,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
在一些实施例中,装置还包括:优化单元,被配置成基于确定的每个类别中的企业信息,优化产品的企业服务内容。
第三方面,本申请提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请提供的用于分析企业经营范围信息的方法和装置,通过获取待分析企业中各个企业的工商注册信息,对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息,对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,基于与经营范围信息对应的每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业,解决了实际应用中即使企业依据工商类别信息自主的进行选取,也无法快速便捷的为客户找到同类别的相关企业的问题,实现了一种基于企业经营范围的相似度对企业进行快速聚类的方法。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一些实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于分析企业经营范围信息的方法的一个实施例的流程图;
图3是根据本申请的用于分析企业经营范围信息的方法的一个应用场景的示意图;
图4是根据本公开的用于分析企业经营范围信息的方法的另一个实施例的流程图;
图5是根据本公开的用于分析企业经营范围信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本申请的用于分析企业经营范围信息的方法和装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103发送的业务请求提供支持的服务器。服务器可以对待分析企业的经营范围信息进行分析,并将分析结果(例如每个类别的企业)反馈给客户端或后台服务器,用以进一步为企业提供服务。
需要说明的是,本申请所提供的用于分析企业经营范围信息的方法一般由服务器105执行。相应地,用于分析企业经营范围信息的装置一般设置于服务器105中。在此不做具体限定。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于分析企业经营范围信息的方法的一个实施例的流程200。该用于分析企业经营范围信息的方法,包括以下步骤:
步骤201,获取待分析企业中各个企业的工商注册信息,对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息。
在本实施例中,该方法的执行主体(例如图1所示的服务器)可以按照业务需求,通过有线连接方式或者无线连接方式从其他电子设备或者本地获取待分析企业中各个企业的工商注册信息,并对每个企业的工商注册信息进行内容解析,得到相应各个企业的经营范围信息。通常,经营范围中包括大量的文本信息并使用逗号进行分隔。
步骤202,对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度。
在本实施例中,上述执行主体可以根据预设的相似度确定算法,将待分析企业中所有企业的经营范围信息进行两两对比分析,确定与经营范围信息对应的每个企业的相似度。每个企业的相似度可以用于表征该企业与待分析企业中各企业之间相似度的最大值,即将每个企业与待分析企业中各企业的相似度的最大值作为该企业的相似度。
步骤203,基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
在本实施例中,上述执行主体可以基于步骤202得到的每个企业的相似度,按照相似度算法对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
需要说明的是,上述相似度算法为目前广泛研究和应用的公知技术,在此不再赘述。
一般情况下,随着聚类过程的推进,每个类别中的企业会不断增加,所以可以对于每个类别中的企业,将类别中每个企业与待分析企业之间的相似度进行加权平均得到平均值,,然后比较待分析企业所有类别的平均值,将相似度最大值所对应的类别作为待分析企业的类别。收敛条件为类别中企业的数量不再变化,则聚类完成。
继续参见图3,图3是根据本实施例的用于分析企业经营范围信息的方法的应用场景的一个示意图300。服务器302接收客户端301发送的客户查询请求303,基于客户查询请求从库中获取待分析企业中各个企业的工商注册信息,对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息,对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业,选取每个类别中的相应企业反馈给客户。
本申请提供的用于分析企业经营范围信息的方法,通过获取待分析企业中各个企业的工商注册信息,对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息,对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业,解决了实际应用中即使企业依据工商类别信息自主的进行选取,也无法快速便捷的为客户找到同类别的相关企业的问题,实现了一种基于企业经营范围的相似度对企业进行快速聚类的方法。
进一步参考图4,其示出了用于分析企业经营范围信息的方法的另一个实施例的流程。该用于分析企业经营范围信息的方法的流程400,包括以下步骤:
步骤401,获取待分析企业中各个企业的工商注册信息;对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息。
步骤402,对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与企业经营范围信息对应的每个企业的汉字特征集合。
在本实施例中,上述执行主体可以对待分析企业中每个企业的经营范围信息进行字或词特征的提取,生成与企业经营范围信息对应的各个企业的字或词特征集合。
在本实施例的一些可选的实现方式中,对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与企业经营范围信息对应的每个企业的汉字特征集合,包括:对待分析企业中每个企业的经营范围信息进行分词,得到与企业经营范围信息对应的每个企业的汉字特征集合。上述执行主体可以调用开源的切词包-结巴的分词工具,对各个企业的经营范围信息进行切词,得到与切词结果对应的每个企业的特征集合。通常,可以基于标点符号进行统计,将高频词抽取出来,直接放到词典中去。通过分词方法,将长句进行拆分并从企业经营范围信息中获取关键词作为每个企业的特征集合,避免了因句子过长而造成的计算误差过大的问题,同时去掉词特征中高频但作用不大的词语,使生成的特征集合更加精准。
其中,在对各个企业的经营范围信息进行切词中,对切词得到的词语进行检测,响应于检测到词语为预设词,停止对企业的经营范围信息进行切词,并将词语之前的切词得到的词语作为企业的词集合。比如,预设词可以包括:不含、不得。简化了切词处理过程,提升了切词处理效率。
步骤403,将每个企业的汉字特征集合输入训练得到的文本挖掘模型,得到与每个企业的汉字特征集合对应的各个企业的词频权重向量。
在本实施例中,上述执行主体可以将每个企业的汉字特征集合输入训练得到的文本挖掘模型,得到与每个企业的汉字特征集合对应的各个企业的词频权重向量,其中,文本挖掘模型利用与企业经营范围信息对应的语料库训练得到。例如,企业的经营范围经常出现“销售”,“经营”这类词,这类词对刻画两个企业之间的关系作用不大,通过文本挖掘算法模型,去掉关系不大的字/词语,计算得到企业d词频权重向量。
在本实施例的一些可选的实现方式中,在对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与企业经营范围信息对应的每个企业的汉字特征集合之后,还包括:将每个企业的汉字特征集合转换成与企业经营范围信息对应的每个企业的拼音特征集合;将每个企业的拼音特征集合输入训练得到的第二文本挖掘模型,得到与每个企业的拼音特征集合对应的各个企业的词频权重向量,其中,第二文本挖掘模型利用与企业经营范围信息对应的拼音材料库训练得到。采用将每个企业的汉字特征集合转换成与企业经营范围信息对应的每个企业的拼音特征集合,基于拼音特征集合作为训练样本,训练得到各个企业的词频权重向量,避免了现有用汉字信息进行文本识别而造成同音字识别混淆的问题,提高了文本识别效率和准确率。
步骤404,对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度。
在本实施例中,执行主体对待分析企业中所有企业的词频权重向量进行对比分析,依据已设定的相似度确定方法,得到每个企业的相似度。
在本实施例的一些可选的实现方式中,对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度,包括:根据余弦相似度,计算每个企业与待分析企业中各企业之间的词频权重向量的夹角余弦值,生成每个企业的相似度向量;对每个企业的相似度向量进行比对,确定每个企业的相似度。具体举例,企业1切出来的词集合为(w1,w2,……wn),词集合中每个词语的权重为(0.1,0.2,……0.05),企业2切出来的词集合为(w1,w2,……wn),词集合中每个词语的权重为(0.2,0.1,……0.03),比较两个企业的词集合中各个词语的权重,若完全相同,则两个企业相似度最高。
步骤405,基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
在本实施例的一些可选的实现方式中,基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业,包括:基于每个企业的相似度,生成与待分析企业中所有企业对应的相似度矩阵;基于与待分析企业中所有企业对应的相似度矩阵,利用标签传播算法,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。利用标签传播算法,使企业聚类的过程更加简单、高效、快速。
在本实施例的一些可选的实现方式中,方法还包括:基于确定的每个类别中的企业信息,优化产品的企业服务内容。基于每个类别中的企业信息,优化产品的企业服务内容,进一步为客户提供更加准确而丰富的服务。比如,面对客户B公司的营销需求,基于已有成交企业的工商注册信息,找到其归属的类别,推荐该类别的未成交企业给客户B。比如该类别有100个企业,其中80个企业为已成交企业,推荐剩余的20个企业进行营销跟进。
在本实施例中,步骤401和405的具体操作与图2所示的实施例中的步骤201和203的操作基本相同,在此不再赘述。
需要说明的是,上述文本挖掘模型的训练过程是目前广泛研究和应用的公知技术,在此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于分析企业经营范围信息的方法的流程400采用对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与企业经营范围信息对应的每个企业的汉字特征集合,将每个企业的汉字特征集合输入训练得到的文本挖掘模型,得到与每个企业的汉字特征集合对应的各个企业的词频权重向量,对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度,基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业,实现对企业的经营范围信息更加详细而精准的分析,提高了企业聚类的精度。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于分析企业经营范围信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于分析企业经营范围信息的装置500包括:获取单元501、分析单元502和聚类单元503,获取单元501,被配置成获取待分析企业中各个企业的工商注册信息,对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息;分析单元502,被配置成对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,其中,相似度用于表征该企业与待分析企业中各企业之间相似度的最大值;聚类单元503,被配置成基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
在本实施例中,用于分析企业经营范围信息的装置500的获取单元501、分析单元502和聚类单元503的具体处理及其所带来的技术效果可分别参考图2对应的实施例中的步骤201到步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,分析单元包括:特征提取模块,被配置成对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与企业经营范围信息对应的每个企业的汉字特征集合;第一文本挖掘模块,被配置成将每个企业的汉字特征集合输入训练得到的文本挖掘模型,得到与每个企业的汉字特征集合对应的各个企业的词频权重向量,其中,文本挖掘模型利用与企业经营范围信息对应的语料库训练得到;相似度确定模块,被配置成对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度。
在本实施例的一些可选的实现方式中,分析单元还包括:特征转换模块,被配置成将每个企业的汉字特征集合转换成与企业经营范围信息对应的每个企业的拼音特征集合;第二文本挖掘模块,被配置成将每个企业的拼音特征集合输入训练得到的第二文本挖掘模型,得到与每个企业的拼音特征集合对应的各个企业的词频权重向量,其中,第二文本挖掘模型利用与企业经营范围信息对应的拼音材料库训练得到。
在本实施例的一些可选的实现方式中,相似度确定模块包括:相似度向量生成子模块,被配置成根据余弦相似度,计算每个企业与待分析企业中各企业之间的词频权重向量的夹角余弦值,生成每个企业的相似度向量;相似度确定子模块,被配置成对每个企业的相似度向量进行比对,确定每个企业的相似度。
在本实施例的一些可选的实现方式中,聚类单元包括:相似度矩阵生成模块,被配置成基于每个企业的相似度,生成与待分析企业中所有企业对应的相似度矩阵;聚类模块,被配置成基于与待分析企业中所有企业对应的相似度矩阵,利用标签传播算法,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
在本实施例的一些可选的实现方式中,装置还包括:优化单元,被配置成基于确定的每个类别中的企业信息,优化产品的企业服务内容。
在本实施例的一些可选的实现方式中,特征提取模块进一步被配置成对待分析企业中每个企业的经营范围信息进行分词,得到与企业经营范围信息对应的每个企业的汉字特征集合。
下面参考图6,其示出了适于用来实现本申请的电子设备(例如图1中的服务器)600的结构示意图。本申请中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的服务器仅仅是一个示例,不应对本申请的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本申请,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM602被安装。在该计算机程序被处理装置601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所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。在本申请中,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。而在本申请中,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:获取待分析企业中各个企业的工商注册信息;对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息;对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度;基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
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申请的操作的计算机程序代码,所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。
描述于本申请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。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、分析单元和聚类单元。这些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,获取单元还可以被描述为“获取单元,被配置成获取待分析企业中各个企业的工商注册信息,对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (15)
1.一种用于分析企业经营范围信息的方法,所述方法包括:
获取待分析企业中各个企业的工商注册信息;对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息;
对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,其中,所述相似度用于表征该企业与待分析企业中各企业之间相似度的最大值;
基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
2.根据权利要求1所述的方法,其中,所述对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,包括:
对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与所述企业经营范围信息对应的每个企业的汉字特征集合;
将每个企业的汉字特征集合输入训练得到的文本挖掘模型,得到与每个企业的汉字特征集合对应的各个企业的词频权重向量,其中,所述文本挖掘模型利用与企业经营范围信息对应的语料库训练得到;
对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度。
3.根据权利要求2所述的方法,其中,在所述对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与所述企业经营范围信息对应的每个企业的汉字特征集合之后,还包括:
将每个企业的汉字特征集合转换成与企业经营范围信息对应的每个企业的拼音特征集合;
将每个企业的拼音特征集合输入训练得到的第二文本挖掘模型,得到与每个企业的拼音特征集合对应的各个企业的词频权重向量,其中,所述第二文本挖掘模型利用与企业经营范围信息对应的拼音材料库训练得到。
4.根据权利要求2所述的方法,其中,所述对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与所述企业经营范围信息对应的每个企业的汉字特征集合,包括:
对待分析企业中每个企业的经营范围信息进行分词,得到与所述企业经营范围信息对应的每个企业的汉字特征集合。
5.根据权利要求2所述的方法,其中,所述对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度,包括:
根据余弦相似度,计算每个企业与待分析企业中各企业之间的词频权重向量的夹角余弦值,生成每个企业的相似度向量;
对每个企业的相似度向量进行比对,确定每个企业的相似度。
6.根据权利要求1所述的方法,其中,所述基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业,包括:
基于每个企业的相似度,生成与待分析企业中所有企业对应的相似度矩阵;
基于与待分析企业中所有企业对应的相似度矩阵,利用标签传播算法,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
7.根据权利要求1所述的方法,所述方法还包括:
基于确定的每个类别中的企业信息,优化产品的企业服务内容。
8.一种用于分析企业经营范围信息的装置,所述装置包括:
获取单元,被配置成获取待分析企业中各个企业的工商注册信息;对各个企业的工商注册信息进行解析,得到相应各个企业的经营范围信息;
分析单元,被配置成对待分析企业中所有企业的经营范围信息进行对比分析,确定与经营范围信息对应的每个企业的相似度,其中,所述相似度用于表征该企业与待分析企业中各企业之间相似度的最大值;
聚类单元,被配置成基于每个企业的相似度,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
9.根据权利要求8所述的装置,其中,所述分析单元,包括:
特征提取模块,被配置成对待分析企业中每个企业的经营范围信息进行汉字特征提取,生成与所述企业经营范围信息对应的每个企业的汉字特征集合;
第一文本挖掘模块,被配置成将每个企业的汉字特征集合输入训练得到的文本挖掘模型,得到与每个企业的汉字特征集合对应的各个企业的词频权重向量,其中,所述文本挖掘模型利用与企业经营范围信息对应的语料库训练得到;
相似度确定模块,被配置成对待分析企业中所有企业的词频权重向量进行对比分析,确定每个企业的相似度。
10.根据权利要求9所述的装置,其中,所述分析单元还包括:
特征转换模块,被配置成将每个企业的汉字特征集合转换成与企业经营范围信息对应的每个企业的拼音特征集合;
第二文本挖掘模块,被配置成将每个企业的拼音特征集合输入训练得到的第二文本挖掘模型,得到与每个企业的拼音特征集合对应的各个企业的词频权重向量,其中,所述第二文本挖掘模型利用与企业经营范围信息对应的拼音材料库训练得到。
11.根据权利要求9所述的装置,所述相似度确定模块包括:
相似度向量生成子模块,被配置成根据余弦相似度,计算每个企业与待分析企业中各企业之间的词频权重向量的夹角余弦值,生成每个企业的相似度向量;
相似度确定子模块,被配置成对每个企业的相似度向量进行比对,确定每个企业的相似度。
12.根据权利要求8所述的装置,所述聚类单元包括:
相似度矩阵生成模块,被配置成基于每个企业的相似度,生成与待分析企业中所有企业对应的相似度矩阵;
聚类模块,被配置成基于与待分析企业中所有企业对应的相似度矩阵,利用标签传播算法,对待分析企业中所有企业进行聚类,确定每个类别对应的企业。
13.根据权利要求8所述的装置,所述装置还包括:
优化单元,被配置成基于确定的每个类别中的企业信息,优化产品的企业服务内容。
14.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
15.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010344054.5A CN111538837A (zh) | 2020-04-27 | 2020-04-27 | 用于分析企业经营范围信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010344054.5A CN111538837A (zh) | 2020-04-27 | 2020-04-27 | 用于分析企业经营范围信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111538837A true CN111538837A (zh) | 2020-08-14 |
Family
ID=71975421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010344054.5A Pending CN111538837A (zh) | 2020-04-27 | 2020-04-27 | 用于分析企业经营范围信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111538837A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215288A (zh) * | 2020-10-13 | 2021-01-12 | 中国光大银行股份有限公司 | 目标企业的类别确定方法及装置、存储介质、电子装置 |
CN112560433A (zh) * | 2020-12-15 | 2021-03-26 | 北京百炼智能科技有限公司 | 一种信息处理的方法及装置 |
CN112949914A (zh) * | 2021-02-09 | 2021-06-11 | 深圳大学 | 一种产业集群的识别方法、装置、存储介质及电子设备 |
CN113869639A (zh) * | 2021-08-26 | 2021-12-31 | 中国环境科学研究院 | 长江流域企业筛选方法、装置、电子设备及存储介质 |
WO2022068297A1 (zh) * | 2020-09-30 | 2022-04-07 | 深圳前海微众银行股份有限公司 | 行业标签的确定方法、装置、设备及存储介质 |
WO2023025330A1 (zh) * | 2021-08-26 | 2023-03-02 | 中国环境科学研究院 | 企业筛选方法、装置、电子设备及存储介质 |
CN116452014A (zh) * | 2023-03-21 | 2023-07-18 | 深圳市蕾奥规划设计咨询股份有限公司 | 应用于城市规划的企业集群确定方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779467A (zh) * | 2016-12-31 | 2017-05-31 | 成都数联铭品科技有限公司 | 基于自动信息筛选的企业行业分类系统 |
CN107894986A (zh) * | 2017-09-26 | 2018-04-10 | 北京纳人网络科技有限公司 | 一种基于向量化的企业关系划分方法、服务器以及客户端 |
CN107944480A (zh) * | 2017-11-16 | 2018-04-20 | 广州探迹科技有限公司 | 一种企业行业分类方法 |
CN108171276A (zh) * | 2018-01-17 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN109766475A (zh) * | 2018-12-13 | 2019-05-17 | 北京爱奇艺科技有限公司 | 一种垃圾文本的识别方法及装置 |
CN110287977A (zh) * | 2018-03-19 | 2019-09-27 | 优酷网络技术(北京)有限公司 | 内容聚类方法及装置 |
-
2020
- 2020-04-27 CN CN202010344054.5A patent/CN111538837A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779467A (zh) * | 2016-12-31 | 2017-05-31 | 成都数联铭品科技有限公司 | 基于自动信息筛选的企业行业分类系统 |
CN107894986A (zh) * | 2017-09-26 | 2018-04-10 | 北京纳人网络科技有限公司 | 一种基于向量化的企业关系划分方法、服务器以及客户端 |
CN107944480A (zh) * | 2017-11-16 | 2018-04-20 | 广州探迹科技有限公司 | 一种企业行业分类方法 |
CN108171276A (zh) * | 2018-01-17 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN110287977A (zh) * | 2018-03-19 | 2019-09-27 | 优酷网络技术(北京)有限公司 | 内容聚类方法及装置 |
CN109766475A (zh) * | 2018-12-13 | 2019-05-17 | 北京爱奇艺科技有限公司 | 一种垃圾文本的识别方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022068297A1 (zh) * | 2020-09-30 | 2022-04-07 | 深圳前海微众银行股份有限公司 | 行业标签的确定方法、装置、设备及存储介质 |
CN112215288A (zh) * | 2020-10-13 | 2021-01-12 | 中国光大银行股份有限公司 | 目标企业的类别确定方法及装置、存储介质、电子装置 |
CN112215288B (zh) * | 2020-10-13 | 2024-04-30 | 中国光大银行股份有限公司 | 目标企业的类别确定方法及装置、存储介质、电子装置 |
CN112560433A (zh) * | 2020-12-15 | 2021-03-26 | 北京百炼智能科技有限公司 | 一种信息处理的方法及装置 |
CN112560433B (zh) * | 2020-12-15 | 2024-04-19 | 北京百炼智能科技有限公司 | 一种信息处理的方法及装置 |
CN112949914A (zh) * | 2021-02-09 | 2021-06-11 | 深圳大学 | 一种产业集群的识别方法、装置、存储介质及电子设备 |
CN113869639A (zh) * | 2021-08-26 | 2021-12-31 | 中国环境科学研究院 | 长江流域企业筛选方法、装置、电子设备及存储介质 |
WO2023025330A1 (zh) * | 2021-08-26 | 2023-03-02 | 中国环境科学研究院 | 企业筛选方法、装置、电子设备及存储介质 |
WO2023025332A1 (zh) * | 2021-08-26 | 2023-03-02 | 中国环境科学研究院 | 长江流域企业筛选方法、装置、电子设备及存储介质 |
CN113869639B (zh) * | 2021-08-26 | 2023-11-07 | 中国环境科学研究院 | 长江流域企业筛选方法、装置、电子设备及存储介质 |
CN116452014A (zh) * | 2023-03-21 | 2023-07-18 | 深圳市蕾奥规划设计咨询股份有限公司 | 应用于城市规划的企业集群确定方法、装置及电子设备 |
CN116452014B (zh) * | 2023-03-21 | 2024-02-27 | 深圳市蕾奥规划设计咨询股份有限公司 | 应用于城市规划的企业集群确定方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111538837A (zh) | 用于分析企业经营范围信息的方法和装置 | |
CN109522483B (zh) | 用于推送信息的方法和装置 | |
CN107203504B (zh) | 字符串替换方法和装置 | |
CN110941951B (zh) | 文本相似度计算方法、装置、介质及电子设备 | |
CN107908616B (zh) | 预测趋势词的方法和装置 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN110619078B (zh) | 用于推送信息的方法和装置 | |
CN112148841B (zh) | 一种对象分类以及分类模型构建方法和装置 | |
CN114861889A (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
CN111414471B (zh) | 用于输出信息的方法和装置 | |
CN110807097A (zh) | 分析数据的方法和装置 | |
US20230085684A1 (en) | Method of recommending data, electronic device, and medium | |
WO2021072864A1 (zh) | 文本相似度获取方法、装置、电子设备及计算机可读存储介质 | |
US20220414095A1 (en) | Method of processing event data, electronic device, and medium | |
CN116048463A (zh) | 基于标签管理的需求项内容智能推荐方法及装置 | |
CN113360672B (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
CN113779370B (zh) | 一种地址检索方法和装置 | |
CN115238676A (zh) | 招标需求热点识别方法、装置、存储介质及电子设备 | |
CN115470790A (zh) | 一种识别文件中的命名实体的方法和装置 | |
CN109857838B (zh) | 用于生成信息的方法和装置 | |
CN111339124B (zh) | 显示数据方法、装置、电子设备和计算机可读介质 | |
CN113779239A (zh) | 一种热点信息获取方法和装置 | |
CN113239687A (zh) | 一种数据处理方法和装置 | |
CN110110199B (zh) | 信息输出方法和装置 | |
CN113066479A (zh) | 一种评测模型的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200814 |