CN111597309A - 相似企业推荐方法、装置、电子设备及介质 - Google Patents
相似企业推荐方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN111597309A CN111597309A CN202010450172.4A CN202010450172A CN111597309A CN 111597309 A CN111597309 A CN 111597309A CN 202010450172 A CN202010450172 A CN 202010450172A CN 111597309 A CN111597309 A CN 111597309A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- text
- determining
- word
- target
- 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 47
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 67
- 230000011218 segmentation Effects 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012015 optical character recognition Methods 0.000 description 4
- 230000008921 facial expression Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及推荐技术,提供一种相似企业推荐方法、装置、电子设备及介质。该方法能够确定目标企业并确定目标网址,获取目标网址上的文本信息,对文本信息进行预处理,得到多个特征词,并确定每个特征词对应的权重,对多个特征词进行处理,得到每个特征词对应的哈希值,并根据每个权重及每个哈希值确定目标企业的第一文本指纹,获取所有待比较企业,并获取所有待比较企业的第二文本指纹,根据第一文本指纹及每个第二文本指纹,从所有待比较企业中确定待确定企业,计算每个待确定企业的第二文本指纹与第一文本指纹的海明距离,将海明距离小于预设阈值的待确定企业确定为目标企业的相似企业并推送相似企业,能够快速、准确推送目标企业的相似企业。
Description
技术领域
本发明涉及推荐技术领域,尤其涉及一种相似企业推荐方法、装置、电子设备及介质。
背景技术
在外贸领域中,通过“货比三家”策略能够帮助用户确定出最优的合作企业,为了便于货比三家,通常采用人为方式确定出与目标企业对应的多个相似企业,然而,由于人为方式掺杂一定的主观性,从而导致确定出的相似企业的准确性较低。为此,相似企业推荐方式也应运而生。
在现有的相似企业推荐方式中,通过确定目标企业的企业关系图谱,进而确定出相似企业,然而,由于确定企业关系图谱时需要对庞大数量的企业进行分析,使企业关系图谱的分析量大,进而导致推送企业的效率较低。
发明内容
鉴于以上内容,有必要提供一种相似企业推荐方法、装置、电子设备及介质,能够快速、准确地推送相似企业。
一种相似企业推荐方法,所述相似企业推荐方法包括:
当接收到企业推荐请求时,从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址;
获取所述目标网址上的文本信息;
对所述文本信息进行预处理,得到多个特征词,并确定每个特征词对应的权重;
利用MD5信息摘要算法对所述多个特征词进行处理,得到每个特征词对应的哈希值,并根据每个权重及每个哈希值确定所述目标企业的第一文本指纹;
从配置库中获取所有待比较企业,并获取所述所有待比较企业的第二文本指纹;
根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业;
计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离;
将所述海明距离小于预设阈值的待确定企业确定为所述目标企业的相似企业,并推送所述相似企业。
根据本发明优选实施例,所述从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址包括:
从线程连接池中获取闲置线程,并利用所述闲置线程解析所述企业推荐请求中的方法体,得到所述企业推荐请求所携带的所有信息;
获取第一预设标签,并从所述所有信息中获取与所述第一预设标签对应的信息,作为所述目标企业;
获取第二预设标签,并从所述所有信息中获取与所述第二预设标签对应的信息,作为所述目标网址。
根据本发明优选实施例,所述对所述文本信息进行预处理,得到多个特征词包括:
过滤所述文本信息中的预设符号,得到过滤后的文本信息;
根据预设词典中的自定义词对所述过滤后的文本信息进行切分,得到切分位置,所述预设词典包括自定义词及自定义词对应的权值;
根据所述切分位置,构建至少一个有向无环图;
根据所述自定义词对应的权值计算每个有向无环图的概率;
将概率最大的有向无环图对应的切分位置确定为目标切分位置;
根据所述目标切分位置切分所述过滤后的文本信息,得到多个分词;
确定每个分词在所述文本信息中的词性,并从所述多个分词中选取词性为名词的分词,作为所述多个特征词。
根据本发明优选实施例,在确定每个特征词对应的权重之前,所述相似企业推荐方法还包括:
获取多个企业的训练文本;
对所述多个训练文本进行预处理,得到多个训练词语;
计算每个训练词语在所述多个训练文本中的第一数量,及计算所述多个训练词语的词语总量;
将每个第一数量除以所述词语总量,得到每个训练词语的词频;
计算包含每个训练词语的训练文本的第二数量,及计算所述多个训练文本的文本总量;
将每个第二数量与第一预设值进行相加运算,得到多个第三数量,并将所述文本总量除以每个第三数量,得到多个第四数量;
取每个第四数量的对数值,得到每个训练词语的逆文档频率;
将每个词频乘以每个逆文档频率,得到每个训练词语的权重;
根据每个训练词语及每个权重生成词权重集,所述词权重集用于确定每个特征词对应的权重。
根据本发明优选实施例,所述根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业包括:
按照预设数量切分所述第一文本指纹,得到多个第一子指纹,并按照所述预设数量切分每个第二文本指纹,得到每个待比较企业的多个第二子指纹;
将所述多个第一子指纹中的任意两个第一子指纹组合成第一子指纹对,并对所述第一子指纹对进行排序,得到所述目标企业的第一索引表,所述第一索引表包括多个第一索引号及多个第一索引值;
将每个待比较企业的多个第二子指纹中的任意两个第二子指纹组合成第二子指纹对,并对所述第二子指纹对进行排序,得到每个待比较企业的第二索引表,每个第二索引表包括多个第二索引号及多个第二索引值;
对于任意第二索引表,当任意第二索引号与任意第一索引号相同时,检测所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值是否相同;
当检测到所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值相同时,将所述任意第二索引表对应的待比较企业确定为所述待确定企业。
根据本发明优选实施例,所述计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离包括:
将每个第二文本指纹与所述第一文本指纹进行异或运算,得到每个待确定企业的运算结果;
计算每个运算结果中第二预设值的数量,并将所述数量确定为所述海明距离,所述第二预设值为1。
根据本发明优选实施例,所述推送所述相似企业包括:
确定所述企业推荐请求的请求等级;
根据所述请求等级确定推送方式;
依照所述相似企业的海明距离从小至大的顺序进行排序,得到目标队列;
以所述推送方式推送所述目标队列。
一种相似企业推荐装置,所述相似企业推荐装置包括:
确定单元,用于当接收到企业推荐请求时,从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址;
获取单元,用于获取所述目标网址上的文本信息;
执行单元,用于对所述文本信息进行预处理,得到多个特征词,并确定每个特征词对应的权重;
所述确定单元,还用于利用MD5信息摘要算法对所述多个特征词进行处理,得到每个特征词对应的哈希值,并根据每个权重及每个哈希值确定所述目标企业的第一文本指纹;
所述获取单元,还用于从配置库中获取所有待比较企业,并获取所述所有待比较企业的第二文本指纹;
所述确定单元,还用于根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业;
计算单元,用于计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离;
推送单元,用于将所述海明距离小于预设阈值的待确定企业确定为所述目标企业的相似企业,并推送所述相似企业。
根据本发明优选实施例,所述确定从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址包括:
从线程连接池中获取闲置线程,并利用所述闲置线程解析所述企业推荐请求中的方法体,得到所述企业推荐请求所携带的所有信息;
获取第一预设标签,并从所述所有信息中获取与所述第一预设标签对应的信息,作为所述目标企业;
获取第二预设标签,并从所述所有信息中获取与所述第二预设标签对应的信息,作为所述目标网址。
根据本发明优选实施例,所述执行单元具体用于:
过滤所述文本信息中的预设符号,得到过滤后的文本信息;
根据预设词典中的自定义词对所述过滤后的文本信息进行切分,得到切分位置,所述预设词典包括自定义词及自定义词对应的权值;
根据所述切分位置,构建至少一个有向无环图;
根据所述自定义词对应的权值计算每个有向无环图的概率;
将概率最大的有向无环图对应的切分位置确定为目标切分位置;
根据所述目标切分位置切分所述过滤后的文本信息,得到多个分词;
确定每个分词在所述文本信息中的词性,并从所述多个分词中选取词性为名词的分词,作为所述多个特征词。
根据本发明优选实施例,所述获取单元,还用于在确定每个特征词对应的权重之前,获取多个企业的训练文本;
所述相似企业推荐装置还包括:
预处理单元,用于对所述多个训练文本进行预处理,得到多个训练词语;
所述计算单元,还用于计算每个训练词语在所述多个训练文本中的第一数量,及计算所述多个训练词语的词语总量;
所述计算单元,还用于将每个第一数量除以所述词语总量,得到每个训练词语的词频;
所述计算单元,还用于计算包含每个训练词语的训练文本的第二数量,及计算所述多个训练文本的文本总量;
所述计算单元,还用于将每个第二数量与第一预设值进行相加运算,得到多个第三数量,并将所述文本总量除以每个第三数量,得到多个第四数量;
所述计算单元,还用于取每个第四数量的对数值,得到每个训练词语的逆文档频率;
所述计算单元,还用于将每个词频乘以每个逆文档频率,得到每个训练词语的权重;
生成单元,用于根据每个训练词语及每个权重生成词权重集,所述词权重集用于确定每个特征词对应的权重。
根据本发明优选实施例,所述确定单元根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业包括:
按照预设数量切分所述第一文本指纹,得到多个第一子指纹,并按照所述预设数量切分每个第二文本指纹,得到每个待比较企业的多个第二子指纹;
将所述多个第一子指纹中的任意两个第一子指纹组合成第一子指纹对,并对所述第一子指纹对进行排序,得到所述目标企业的第一索引表,所述第一索引表包括多个第一索引号及多个第一索引值;
将每个待比较企业的多个第二子指纹中的任意两个第二子指纹组合成第二子指纹对,并对所述第二子指纹对进行排序,得到每个待比较企业的第二索引表,每个第二索引表包括多个第二索引号及多个第二索引值;
对于任意第二索引表,当任意第二索引号与任意第一索引号相同时,检测所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值是否相同;
当检测到所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值相同时,将所述任意第二索引表对应的待比较企业确定为所述待确定企业。
根据本发明优选实施例,所述计算单元计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离包括:
将每个第二文本指纹与所述第一文本指纹进行异或运算,得到每个待确定企业的运算结果;
计算每个运算结果中第二预设值的数量,并将所述数量确定为所述海明距离,所述第二预设值为1。
根据本发明优选实施例,所述推送单元具体用于:
确定所述企业推荐请求的请求等级;
根据所述请求等级确定推送方式;
依照所述相似企业的海明距离从小至大的顺序进行排序,得到目标队列;
以所述推送方式推送所述目标队列。
一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现所述相似企业推荐方法。
一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现所述相似企业推荐方法。
由以上技术方案可以看出,本发明通过确定出所述待确定企业,进而对所述待确定企业进行分析,能够避免后续对所述所有待比较企业进行分析,从而节省分析多余的待比较企业的时间,进而能够快速确定并推荐相似企业。
附图说明
图1是本发明相似企业推荐方法的较佳实施例的流程图。
图2是本发明相似企业推荐装置的较佳实施例的功能模块图。
图3是本发明实现相似企业推荐方法的较佳实施例的电子设备的结构示意图。
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,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明相似企业推荐方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述相似企业推荐方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital SignalProcessor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,当接收到企业推荐请求时,从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址。
在本发明的至少一个实施例中,所述企业推荐请求中携带的信息包括,但不限于:所述目标企业、所述目标网址、所述企业推荐请求对应的请求类别等。
在本发明的至少一个实施例中,所述电子设备从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址包括:
所述电子设备从线程连接池中获取闲置线程,并利用所述闲置线程解析所述企业推荐请求中的方法体,得到所述企业推荐请求所携带的所有信息,进一步地,所述电子设备获取第一预设标签,并从所述所有信息中获取与所述第一预设标签对应的信息,作为所述目标企业,更进一步地,所述电子设备获取第二预设标签,并从所述所有信息中获取与所述第二预设标签对应的信息,作为所述目标网址。
通过从线程连接池中获取闲置线程解析所述企业推荐请求中的方法体,不仅能够减少因创建线程而消耗的时间,还能够因只需解析方法体而提高所述企业推荐请求的解析速率,通过第一预设标签与目标企业的映射关系,能够准确确定所述目标企业,通过第二预设标签与目标网址的映射关系,能够准确确定所述目标网址。
S11,获取所述目标网址上的文本信息。
在本发明的至少一个实施例中,所述文本信息是指所述目标网址上home页面、about页面、service页面、product页面等的页面信息整合而成的信息。
在本发明的至少一个实施例中,所述电子设备采用光学字符识别技术(OpticalCharacter Recognition,OCR)从所述目标网址上的任意栏目对应的页面上识别所述文本信息。
其中,所述任意栏目可以包括,但不限于:home栏目、about栏目、service栏目及product栏目等。
S12,对所述文本信息进行预处理,得到多个特征词,并确定每个特征词对应的权重。
在本发明的至少一个实施例中,所述电子设备对所述文本信息进行预处理,得到多个特征词包括:
所述电子设备过滤所述文本信息中的预设符号,得到过滤后的文本信息,所述电子设备根据预设词典中的自定义词对所述过滤后的文本信息进行切分,得到切分位置,所述预设词典包括自定义词及自定义词对应的权值,所述电子设备根据所述切分位置,构建至少一个有向无环图,所述电子设备根据所述自定义词对应的权值计算每个有向无环图的概率,所述电子设备将概率最大的有向无环图对应的切分位置确定为目标切分位置,所述电子设备根据所述目标切分位置切分所述过滤后的文本信息,得到多个分词,所述电子设备确定每个分词在所述文本信息中的词性,并从所述多个分词中选取词性为名词的分词,作为所述多个特征词。
其中,所述预设符号包括,但不限于:表情包等。
通过确定目标切分位置后,根据目标切分位置对过滤后的文本信息进行切分,能够准确地得到多个分词,进而根据分词在文本信息中的词性,能够准确确定出多个特征词。
在其他实施例中,当所述文本信息为预设语言时,所述电子设备可以利用词形还原工具对所述多个分词进行词形还原,得到多个原形词,进一步地,所述电子设备识别每个原形词的词性,进一步地,所述电子设备从所述多个原形词中选取出词性为名词的原形词,作为所述多个特征词。
其中,所述预设语言可以包括,但不限于:英文、法文等。
在本发明的至少一个实施例中,在确定每个特征词对应的权重之前,所述相似企业推荐方法还包括:
所述电子设备获取多个企业的训练文本,进一步地,所述电子设备对所述多个训练文本进行预处理,得到多个训练词语,所述电子设备计算每个训练词语在所述多个训练文本中的第一数量,及计算所述多个训练词语的词语总量,所述电子设备将每个第一数量除以所述词语总量,得到每个训练词语的词频,所述电子设备计算包含每个训练词语的训练文本的第二数量,及计算所述多个训练文本的文本总量,所述电子设备将每个第二数量与第一预设值进行相加运算,得到多个第三数量,并将所述文本总量除以每个第三数量,得到多个第四数量,进一步地,所述电子设备取每个第四数量的对数值,得到每个训练词语的逆文档频率,所述电子设备将每个词频乘以每个逆文档频率,得到每个训练词语的权重,所述电子设备根据每个训练词语及每个权重生成词权重集,所述词权重集用于确定每个特征词对应的权重。
其中,所述第一预设值通常为1。
通过对多个训练文本进行分析,能够准确确定所述词权重集。
在本发明的至少一个实施例中,所述电子设备确定每个特征词对应的权重包括:
所述电子设备从所述词权重集中获取每个特征词的权重,作为每个特征词对应的权重,当存在任意特征词从所述词权重集中未获取到对应的权重时,所述电子设备将所述任意特征词设置为0。
S13,利用MD5信息摘要算法对所述多个特征词进行处理,得到每个特征词对应的哈希值,并根据每个权重及每个哈希值确定所述目标企业的第一文本指纹。
在本发明至少一个实施例中,所述哈希值为32位的二进制值。例如,所述哈希值可以为00011000111100011111111100000001。
在本发明至少一个实施例中,所述电子设备利用MD5信息摘要算法对所述多个特征词进行处理的方式属于现有技术,本发明对此不再赘述。
在本发明至少一个实施例中,所述电子设备根据每个权重及每个哈希值确定所述目标企业的第一文本指纹包括:
所述电子设备基于每个权重,对每个哈希值进行加权和运算,得到所述第一文本指纹。
S14,从配置库中获取所有待比较企业,并获取所述所有待比较企业的第二文本指纹。
在本发明的至少一个实施例中,所述配置库中存储多个企业及每个企业对应的文本指纹。
在本发明的至少一个实施例中,所述电子设备获取所述所有待比较企业的第二文本指纹包括:
所述电子设备获取与每个待比较企业对应的信息,作为所述第二文本指纹。
通过企业与文本指纹的映射关系,能够准确确定第二文本指纹。
S15,根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业。
在本发明的至少一个实施例中,所述待确定企业是指任意第二索引号与任意第一索引号相同,及所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值相同的待比较企业。
在本发明的至少一个实施例中,所述电子设备根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业包括:
所述电子设备按照预设数量切分所述第一文本指纹,得到多个第一子指纹,并按照所述预设数量切分每个第二文本指纹,得到每个待比较企业的多个第二子指纹,所述电子设备将所述多个第一子指纹中的任意两个第一子指纹组合成第一子指纹对,并对所述第一子指纹对进行排序,得到所述目标企业的第一索引表,所述第一索引表包括多个第一索引号及多个第一索引值,所述电子设备将每个待比较企业的多个第二子指纹中的任意两个第二子指纹组合成第二子指纹对,并对所述第二子指纹对进行排序,得到每个待比较企业的第二索引表,每个第二索引表包括多个第二索引号及多个第二索引值,对于任意第二索引表,当任意第二索引号与任意第一索引号相同时,所述电子设备检测所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值是否相同,当检测到所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值相同时,所述电子设备将所述任意第二索引表对应的待比较企业确定为所述待确定企业。
其中,所述预设数量可以根据实际场景设置,例如,所述预设数量可以为4,8等。
例如:目标企业的第一文本指纹为10111011111100000010110011010011,待比较企业甲的第二文本指纹为00111011011100000010110011010011,待比较企业乙的第二文本指纹为00111011111000000010110111010011,预设数量为4,按照预设数量切分10111011111100000010110011010011,得到第一子指纹有10111011、11110000、00101100、11010011,将任意两个第一子指纹组合成第一子指纹对,得到第一子指纹对有[10111011,11110000]、[10111011,00101100]、[10111011,11010011]、[11110000,00101100]、[11110000,11010011]、[00101100,11010011],经排序,得到第一索引表为索引1:[10111011,11110000]、索引2:[10111011,00101100]、索引3:[10111011,11010011]、索引4:[11110000,00101100]、索引5:[11110000,11010011]、索引6:[00101100,11010011],同理,得到待比较企业甲的第二索引表为索引1:[00111011,01110000]、索引2:[00111011,00101100]、索引3:[00111011,11010011]、索引4:[01110000,00101100]、索引5:[01110000,11010011]、索引6:[00101100,11010011],得到待比较企业乙的第二索引表为索引1:[00111011,11100000]、索引2:[00111011,00101101]、索引3:[00111011,11010011]、索引4:[11100000,00101101]、索引5:[11100000,11010011]、索引6:[00101101,11010011],所述电子设备检测到所述待比较企业甲的第二索引表的索引6与目标企业的第一索引表的索引6相同,及检测到该第二索引表的索引6对应的索引值[00101100,11010011]与所述第一索引表的索引6对应的索引值[00101100,11010011]相同,进一步地,所述电子设备将所述待比较企业甲确定为待确定企业。
通过从所述所有待比较企业中选取出所述待确定企业,能够避免后续对所述所有待比较企业进行分析,从而节省分析多余的待比较企业的时间,进而能够快速推荐相似企业。
S16,计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离。
在本发明至少一个实施例中,所述海明距离是指所述第二文本指纹与所述第一文本指纹对应位上编码不同的位数。
在本发明至少一个实施例中,所述电子设备计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离包括:
所述电子设备将每个第二文本指纹与所述第一文本指纹进行异或运算,得到每个待确定企业的运算结果,进一步地,所述电子设备计算每个运算结果中第二预设值的数量,并将所述数量确定为所述海明距离,所述第二预设值为1。
承接上述例子,目标企业的第一文本指纹为10111011111100000010110011010011,待确定企业的第二文本指纹为00111011011100000010110011010011,将所述第一文本指纹与所述第二文本指纹进行异或运算,得到运算结果为10000000100000000000000000000000,计算第二预设值1的数量,得到数量为2,则所述确定企业与所述目标企业的海明距离为2。
通过上述实施方式,能够快速确定所述海明距离。
S17,将所述海明距离小于预设阈值的待确定企业确定为所述目标企业的相似企业,并推送所述相似企业。
在本发明至少一个实施例中,所述电子设备推送所述相似企业包括:
所述电子设备确定所述企业推荐请求的请求等级,进一步地,所述电子设备根据所述请求等级确定推送方式,所述电子设备依照所述相似企业的海明距离从小至大的顺序进行排序,得到目标队列,所述电子设备以所述推送方式推送所述目标队列。
通过确定所述企业推荐请求的请求等级,能够以合适的推送方式推送所述目标队列。
由以上技术方案可以看出,本发明通过确定出所述待确定企业,进而对所述待确定企业进行分析,能够避免后续对所述所有待比较企业进行分析,从而节省分析多余的待比较企业的时间,进而能够快速确定并推荐相似企业。
如图2所示,是本发明相似企业推荐装置的较佳实施例的功能模块图。所述相似企业推荐装置11包括确定单元110、获取单元111、执行单元112、计算单元113、推送单元114、预处理单元115以及生成单元116。本发明所称的模块/单元是指一种能够被处理器13所执行,并且能够完成固定功能的一系列计算机程序段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
当接收到企业推荐请求时,确定单元110从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址。
在本发明的至少一个实施例中,所述企业推荐请求中携带的信息包括,但不限于:所述目标企业、所述目标网址、所述企业推荐请求对应的请求类别等。
在本发明的至少一个实施例中,所述确定单元110从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址包括:
所述确定单元110从线程连接池中获取闲置线程,并利用所述闲置线程解析所述企业推荐请求中的方法体,得到所述企业推荐请求所携带的所有信息,进一步地,所述确定单元110获取第一预设标签,并从所述所有信息中获取与所述第一预设标签对应的信息,作为所述目标企业,更进一步地,所述确定单元110获取第二预设标签,并从所述所有信息中获取与所述第二预设标签对应的信息,作为所述目标网址。
通过从线程连接池中获取闲置线程解析所述企业推荐请求中的方法体,不仅能够减少因创建线程而消耗的时间,还能够因只需解析方法体而提高所述企业推荐请求的解析速率,通过第一预设标签与目标企业的映射关系,能够准确确定所述目标企业,通过第二预设标签与目标网址的映射关系,能够准确确定所述目标网址。
获取单元111获取所述目标网址上的文本信息。
在本发明的至少一个实施例中,所述文本信息是指所述目标网址上home页面、about页面、service页面、product页面等的页面信息整合而成的信息。
在本发明的至少一个实施例中,所述获取单元111采用光学字符识别技术(Optical Character Recognition,OCR)从所述目标网址上的任意栏目对应的页面上识别所述文本信息。
其中,所述任意栏目可以包括,但不限于:home栏目、about栏目、service栏目及product栏目等。
执行单元112对所述文本信息进行预处理,得到多个特征词,并确定每个特征词对应的权重。
在本发明的至少一个实施例中,所述执行单元112对所述文本信息进行预处理,得到多个特征词包括:
所述执行单元112过滤所述文本信息中的预设符号,得到过滤后的文本信息,所述执行单元112根据预设词典中的自定义词对所述过滤后的文本信息进行切分,得到切分位置,所述预设词典包括自定义词及自定义词对应的权值,所述执行单元112根据所述切分位置,构建至少一个有向无环图,所述执行单元112根据所述自定义词对应的权值计算每个有向无环图的概率,所述执行单元112将概率最大的有向无环图对应的切分位置确定为目标切分位置,所述执行单元112根据所述目标切分位置切分所述过滤后的文本信息,得到多个分词,所述执行单元112确定每个分词在所述文本信息中的词性,并从所述多个分词中选取词性为名词的分词,作为所述多个特征词。
其中,所述预设符号包括,但不限于:表情包等。
通过确定目标切分位置后,根据目标切分位置对过滤后的文本信息进行切分,能够准确地得到多个分词,进而根据分词在文本信息中的词性,能够准确确定出多个特征词。
在其他实施例中,当所述文本信息为预设语言时,所述执行单元112可以利用词形还原工具对所述多个分词进行词形还原,得到多个原形词,进一步地,所述执行单元112识别每个原形词的词性,进一步地,所述执行单元112从所述多个原形词中选取出词性为名词的原形词,作为所述多个特征词。
其中,所述预设语言可以包括,但不限于:英文、法文等。
在本发明的至少一个实施例中,在确定每个特征词对应的权重之前,所述获取单元111获取多个企业的训练文本,进一步地,预处理单元115对所述多个训练文本进行预处理,得到多个训练词语,计算单元113计算每个训练词语在所述多个训练文本中的第一数量,及计算所述多个训练词语的词语总量,所述计算单元113将每个第一数量除以所述词语总量,得到每个训练词语的词频,所述计算单元113计算包含每个训练词语的训练文本的第二数量,及计算所述多个训练文本的文本总量,所述计算单元113将每个第二数量与第一预设值进行相加运算,得到多个第三数量,并将所述文本总量除以每个第三数量,得到多个第四数量,进一步地,所述计算单元113取每个第四数量的对数值,得到每个训练词语的逆文档频率,所述计算单元113将每个词频乘以每个逆文档频率,得到每个训练词语的权重,生成单元116根据每个训练词语及每个权重生成词权重集,所述词权重集用于确定每个特征词对应的权重。
其中,所述第一预设值通常为1。
通过对多个训练文本进行分析,能够准确确定所述词权重集。
在本发明的至少一个实施例中,所述执行单元112确定每个特征词对应的权重包括:
所述执行单元112从所述词权重集中获取每个特征词的权重,作为每个特征词对应的权重,当存在任意特征词从所述词权重集中未获取到对应的权重时,所述执行单元112将所述任意特征词设置为0。
所述确定单元110利用MD5信息摘要算法对所述多个特征词进行处理,得到每个特征词对应的哈希值,并根据每个权重及每个哈希值确定所述目标企业的第一文本指纹。
在本发明至少一个实施例中,所述哈希值为32位的二进制值。例如,所述哈希值可以为00011000111100011111111100000001。
在本发明至少一个实施例中,所述确定单元110利用MD5信息摘要算法对所述多个特征词进行处理的方式属于现有技术,本发明对此不再赘述。
在本发明至少一个实施例中,所述确定单元110根据每个权重及每个哈希值确定所述目标企业的第一文本指纹包括:
所述确定单元110基于每个权重,对每个哈希值进行加权和运算,得到所述第一文本指纹。
所述获取单元111从配置库中获取所有待比较企业,并获取所述所有待比较企业的第二文本指纹。
在本发明的至少一个实施例中,所述配置库中存储多个企业及每个企业对应的文本指纹。
在本发明的至少一个实施例中,所述获取单元111获取所述所有待比较企业的第二文本指纹包括:
所述获取单元111获取与每个待比较企业对应的信息,作为所述第二文本指纹。
通过企业与文本指纹的映射关系,能够准确确定第二文本指纹。
所述确定单元110根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业。
在本发明的至少一个实施例中,所述待确定企业是指任意第二索引号与任意第一索引号相同,及所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值相同的待比较企业。
在本发明的至少一个实施例中,所述确定单元110根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业包括:
所述确定单元110按照预设数量切分所述第一文本指纹,得到多个第一子指纹,并按照所述预设数量切分每个第二文本指纹,得到每个待比较企业的多个第二子指纹,所述确定单元110将所述多个第一子指纹中的任意两个第一子指纹组合成第一子指纹对,并对所述第一子指纹对进行排序,得到所述目标企业的第一索引表,所述第一索引表包括多个第一索引号及多个第一索引值,所述确定单元110将每个待比较企业的多个第二子指纹中的任意两个第二子指纹组合成第二子指纹对,并对所述第二子指纹对进行排序,得到每个待比较企业的第二索引表,每个第二索引表包括多个第二索引号及多个第二索引值,对于任意第二索引表,当任意第二索引号与任意第一索引号相同时,所述确定单元110检测所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值是否相同,当检测到所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值相同时,所述确定单元110将所述任意第二索引表对应的待比较企业确定为所述待确定企业。
其中,所述预设数量可以根据实际场景设置,例如,所述预设数量可以为4,8等。
例如:目标企业的第一文本指纹为10111011111100000010110011010011,待比较企业甲的第二文本指纹为00111011011100000010110011010011,待比较企业乙的第二文本指纹为00111011111000000010110111010011,预设数量为4,按照预设数量切分10111011111100000010110011010011,得到第一子指纹有10111011、11110000、00101100、11010011,将任意两个第一子指纹组合成第一子指纹对,得到第一子指纹对有[10111011,11110000]、[10111011,00101100]、[10111011,11010011]、[11110000,00101100]、[11110000,11010011]、[00101100,11010011],经排序,得到第一索引表为索引1:[10111011,11110000]、索引2:[10111011,00101100]、索引3:[10111011,11010011]、索引4:[11110000,00101100]、索引5:[11110000,11010011]、索引6:[00101100,11010011],同理,得到待比较企业甲的第二索引表为索引1:[00111011,01110000]、索引2:[00111011,00101100]、索引3:[00111011,11010011]、索引4:[01110000,00101100]、索引5:[01110000,11010011]、索引6:[00101100,11010011],得到待比较企业乙的第二索引表为索引1:[00111011,11100000]、索引2:[00111011,00101101]、索引3:[00111011,11010011]、索引4:[11100000,00101101]、索引5:[11100000,11010011]、索引6:[00101101,11010011],所述确定单元110检测到所述待比较企业甲的第二索引表的索引6与目标企业的第一索引表的索引6相同,及检测到该第二索引表的索引6对应的索引值[00101100,11010011]与所述第一索引表的索引6对应的索引值[00101100,11010011]相同,进一步地,所述确定单元110将所述待比较企业甲确定为待确定企业。
通过从所述所有待比较企业中选取出所述待确定企业,能够避免后续对所述所有待比较企业进行分析,从而节省分析多余的待比较企业的时间,进而能够快速推荐相似企业。
所述计算单元113计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离。
在本发明至少一个实施例中,所述海明距离是指所述第二文本指纹与所述第一文本指纹对应位上编码不同的位数。
在本发明至少一个实施例中,所述计算单元113计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离包括:
所述计算单元113将每个第二文本指纹与所述第一文本指纹进行异或运算,得到每个待确定企业的运算结果,进一步地,所述计算单元113计算每个运算结果中第二预设值的数量,并将所述数量确定为所述海明距离,所述第二预设值为1。
承接上述例子,目标企业的第一文本指纹为10111011111100000010110011010011,待确定企业的第二文本指纹为00111011011100000010110011010011,将所述第一文本指纹与所述第二文本指纹进行异或运算,得到运算结果为10000000100000000000000000000000,计算第二预设值1的数量,得到数量为2,则所述确定企业与所述目标企业的海明距离为2。
通过上述实施方式,能够快速确定所述海明距离。
推送单元114将所述海明距离小于预设阈值的待确定企业确定为所述目标企业的相似企业,并推送所述相似企业。
在本发明至少一个实施例中,所述推送单元114推送所述相似企业包括:
所述推送单元114确定所述企业推荐请求的请求等级,进一步地,所述推送单元114根据所述请求等级确定推送方式,所述推送单元114依照所述相似企业的海明距离从小至大的顺序进行排序,得到目标队列,所述推送单元114以所述推送方式推送所述目标队列。
通过确定所述企业推荐请求的请求等级,能够以合适的推送方式推送所述目标队列。
由以上技术方案可以看出,本发明通过确定出所述待确定企业,进而对所述待确定企业进行分析,能够避免后续对所述所有待比较企业进行分析,从而节省分析多余的待比较企业的时间,进而能够快速确定并推荐相似企业。
如图3所示,是本发明实现相似企业推荐方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如相似企业推荐程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及获取所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
所述处理器13获取所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13获取所述应用程序以实现上述各个相似企业推荐方法实施例中的步骤,例如图1所示的步骤。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13获取,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述电子设备1中的获取过程。例如,所述计算机程序可以被分割成确定单元110、获取单元111、执行单元112、计算单元113、推送单元114、预处理单元115以及生成单元116。
所述存储器12可用于存储所述计算机程序和/或模块,所述处理器13通过运行或获取存储在所述存储器12内的计算机程序和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器12可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器获取时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可获取文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
结合图1,所述电子设备1中的所述存储器12存储多个指令以实现一种相似企业推荐方法,所述处理器13可获取所述多个指令从而实现:当接收到企业推荐请求时,从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址;获取所述目标网址上的文本信息;对所述文本信息进行预处理,得到多个特征词,并确定每个特征词对应的权重;利用MD5信息摘要算法对所述多个特征词进行处理,得到每个特征词对应的哈希值,并根据每个权重及每个哈希值确定所述目标企业的第一文本指纹;从配置库中获取所有待比较企业,并获取所述所有待比较企业的第二文本指纹;根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业;计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离;将所述海明距离小于预设阈值的待确定企业确定为所述目标企业的相似企业,并推送所述相似企业。
具体地,所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种相似企业推荐方法,其特征在于,所述相似企业推荐方法包括:
当接收到企业推荐请求时,从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址;
获取所述目标网址上的文本信息;
对所述文本信息进行预处理,得到多个特征词,并确定每个特征词对应的权重;
利用MD5信息摘要算法对所述多个特征词进行处理,得到每个特征词对应的哈希值,并根据每个权重及每个哈希值确定所述目标企业的第一文本指纹;
从配置库中获取所有待比较企业,并获取所述所有待比较企业的第二文本指纹;
根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业;
计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离;
将所述海明距离小于预设阈值的待确定企业确定为所述目标企业的相似企业,并推送所述相似企业。
2.如权利要求1所述的相似企业推荐方法,其特征在于,所述从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址包括:
从线程连接池中获取闲置线程,并利用所述闲置线程解析所述企业推荐请求中的方法体,得到所述企业推荐请求所携带的所有信息;
获取第一预设标签,并从所述所有信息中获取与所述第一预设标签对应的信息,作为所述目标企业;
获取第二预设标签,并从所述所有信息中获取与所述第二预设标签对应的信息,作为所述目标网址。
3.如权利要求1所述的相似企业推荐方法,其特征在于,所述对所述文本信息进行预处理,得到多个特征词包括:
过滤所述文本信息中的预设符号,得到过滤后的文本信息;
根据预设词典中的自定义词对所述过滤后的文本信息进行切分,得到切分位置,所述预设词典包括自定义词及自定义词对应的权值;
根据所述切分位置,构建至少一个有向无环图;
根据所述自定义词对应的权值计算每个有向无环图的概率;
将概率最大的有向无环图对应的切分位置确定为目标切分位置;
根据所述目标切分位置切分所述过滤后的文本信息,得到多个分词;
确定每个分词在所述文本信息中的词性,并从所述多个分词中选取词性为名词的分词,作为所述多个特征词。
4.如权利要求1所述的相似企业推荐方法,其特征在于,在确定每个特征词对应的权重之前,所述相似企业推荐方法还包括:
获取多个企业的训练文本;
对所述多个训练文本进行预处理,得到多个训练词语;
计算每个训练词语在所述多个训练文本中的第一数量,及计算所述多个训练词语的词语总量;
将每个第一数量除以所述词语总量,得到每个训练词语的词频;
计算包含每个训练词语的训练文本的第二数量,及计算所述多个训练文本的文本总量;
将每个第二数量与第一预设值进行相加运算,得到多个第三数量,并将所述文本总量除以每个第三数量,得到多个第四数量;
取每个第四数量的对数值,得到每个训练词语的逆文档频率;
将每个词频乘以每个逆文档频率,得到每个训练词语的权重;
根据每个训练词语及每个权重生成词权重集,所述词权重集用于确定每个特征词对应的权重。
5.如权利要求1所述的相似企业推荐方法,其特征在于,所述根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业包括:
按照预设数量切分所述第一文本指纹,得到多个第一子指纹,并按照所述预设数量切分每个第二文本指纹,得到每个待比较企业的多个第二子指纹;
将所述多个第一子指纹中的任意两个第一子指纹组合成第一子指纹对,并对所述第一子指纹对进行排序,得到所述目标企业的第一索引表,所述第一索引表包括多个第一索引号及多个第一索引值;
将每个待比较企业的多个第二子指纹中的任意两个第二子指纹组合成第二子指纹对,并对所述第二子指纹对进行排序,得到每个待比较企业的第二索引表,每个第二索引表包括多个第二索引号及多个第二索引值;
对于任意第二索引表,当任意第二索引号与任意第一索引号相同时,检测所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值是否相同;
当检测到所述任意第二索引号对应的任意第二索引值与所述任意第一索引号对应的第一索引值相同时,将所述任意第二索引表对应的待比较企业确定为所述待确定企业。
6.如权利要求1所述的相似企业推荐方法,其特征在于,所述计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离包括:
将每个第二文本指纹与所述第一文本指纹进行异或运算,得到每个待确定企业的运算结果;
计算每个运算结果中第二预设值的数量,并将所述数量确定为所述海明距离,所述第二预设值为1。
7.如权利要求1所述的相似企业推荐方法,其特征在于,所述推送所述相似企业包括:
确定所述企业推荐请求的请求等级;
根据所述请求等级确定推送方式;
依照所述相似企业的海明距离从小至大的顺序进行排序,得到目标队列;
以所述推送方式推送所述目标队列。
8.一种相似企业推荐装置,其特征在于,所述相似企业推荐装置包括:
确定单元,用于当接收到企业推荐请求时,从所述企业推荐请求中确定目标企业,并确定所述目标企业的目标网址;
获取单元,用于获取所述目标网址上的文本信息;
执行单元,用于对所述文本信息进行预处理,得到多个特征词,并确定每个特征词对应的权重;
所述确定单元,还用于利用MD5信息摘要算法对所述多个特征词进行处理,得到每个特征词对应的哈希值,并根据每个权重及每个哈希值确定所述目标企业的第一文本指纹;
所述获取单元,还用于从配置库中获取所有待比较企业,并获取所述所有待比较企业的第二文本指纹;
所述确定单元,还用于根据所述第一文本指纹及每个第二文本指纹,从所述所有待比较企业中确定待确定企业;
计算单元,用于计算每个待确定企业的第二文本指纹与所述第一文本指纹的海明距离;
推送单元,用于将所述海明距离小于预设阈值的待确定企业确定为所述目标企业的相似企业,并推送所述相似企业。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的相似企业推荐方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的相似企业推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010450172.4A CN111597309A (zh) | 2020-05-25 | 2020-05-25 | 相似企业推荐方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010450172.4A CN111597309A (zh) | 2020-05-25 | 2020-05-25 | 相似企业推荐方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111597309A true CN111597309A (zh) | 2020-08-28 |
Family
ID=72186230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010450172.4A Pending CN111597309A (zh) | 2020-05-25 | 2020-05-25 | 相似企业推荐方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111597309A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417879A (zh) * | 2020-11-25 | 2021-02-26 | 上海水滴征信服务有限公司 | 确定企业属性相似性、重名对象判定 |
CN112435052A (zh) * | 2020-11-13 | 2021-03-02 | 北京创业光荣信息科技有限责任公司 | 一种关联企业的获取方法、电子设备、计算机可读存储介质及终端 |
CN112632954A (zh) * | 2020-12-29 | 2021-04-09 | 中译语通科技股份有限公司 | 获取机构技术相似性的方法及装置 |
CN113283806A (zh) * | 2021-06-22 | 2021-08-20 | 中国平安财产保险股份有限公司 | 企业信息评估方法、装置、计算机设备及存储介质 |
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 |
CN114154477A (zh) * | 2021-12-03 | 2022-03-08 | 北京京东拓先科技有限公司 | 文本数据处理方法及装置、电子设备和可读存储介质 |
CN116127009A (zh) * | 2022-11-17 | 2023-05-16 | 上海倍通医药科技咨询有限公司 | 一种企业信息匹配系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140129371A1 (en) * | 2012-11-05 | 2014-05-08 | Nathan R. Wilson | Systems and methods for providing enhanced neural network genesis and recommendations |
CN104063318A (zh) * | 2014-06-24 | 2014-09-24 | 湘潭大学 | Android应用相似性快速检测方法 |
CN107784110A (zh) * | 2017-11-03 | 2018-03-09 | 北京锐安科技有限公司 | 一种索引建立方法及装置 |
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 |
CN110750993A (zh) * | 2019-10-15 | 2020-02-04 | 成都数联铭品科技有限公司 | 分词方法及分词器、命名实体识别方法及系统 |
-
2020
- 2020-05-25 CN CN202010450172.4A patent/CN111597309A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140129371A1 (en) * | 2012-11-05 | 2014-05-08 | Nathan R. Wilson | Systems and methods for providing enhanced neural network genesis and recommendations |
CN104063318A (zh) * | 2014-06-24 | 2014-09-24 | 湘潭大学 | Android应用相似性快速检测方法 |
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 |
CN107784110A (zh) * | 2017-11-03 | 2018-03-09 | 北京锐安科技有限公司 | 一种索引建立方法及装置 |
CN110750993A (zh) * | 2019-10-15 | 2020-02-04 | 成都数联铭品科技有限公司 | 分词方法及分词器、命名实体识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
《数据库百科全书》编委会编著: "《新兴技术弱信号监测机制研究》", 上海科学技术文献出版社 * |
张宇: "基于海明距离的相似查找索引算法研究", pages 138 - 1877 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112435052A (zh) * | 2020-11-13 | 2021-03-02 | 北京创业光荣信息科技有限责任公司 | 一种关联企业的获取方法、电子设备、计算机可读存储介质及终端 |
CN112435052B (zh) * | 2020-11-13 | 2023-11-28 | 海创汇科技创业发展股份有限公司 | 一种关联企业的获取方法、电子设备、计算机可读存储介质及终端 |
CN112417879A (zh) * | 2020-11-25 | 2021-02-26 | 上海水滴征信服务有限公司 | 确定企业属性相似性、重名对象判定 |
CN112632954A (zh) * | 2020-12-29 | 2021-04-09 | 中译语通科技股份有限公司 | 获取机构技术相似性的方法及装置 |
CN113283806A (zh) * | 2021-06-22 | 2021-08-20 | 中国平安财产保险股份有限公司 | 企业信息评估方法、装置、计算机设备及存储介质 |
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 |
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 |
CN114154477A (zh) * | 2021-12-03 | 2022-03-08 | 北京京东拓先科技有限公司 | 文本数据处理方法及装置、电子设备和可读存储介质 |
CN116127009A (zh) * | 2022-11-17 | 2023-05-16 | 上海倍通医药科技咨询有限公司 | 一种企业信息匹配系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695033B (zh) | 企业舆情分析方法、装置、电子设备及介质 | |
CN111597309A (zh) | 相似企业推荐方法、装置、电子设备及介质 | |
CN111694826B (zh) | 基于人工智能的数据增强方法、装置、电子设备及介质 | |
CN108959257B (zh) | 一种自然语言解析方法、装置、服务器及存储介质 | |
CN110569335B (zh) | 基于人工智能的三元组校验方法、装置及存储介质 | |
WO2022048363A1 (zh) | 网站分类方法、装置、计算机设备及存储介质 | |
CN112686036B (zh) | 风险文本识别方法、装置、计算机设备及存储介质 | |
CN111737499A (zh) | 基于自然语言处理的数据搜索方法及相关设备 | |
CN112395886B (zh) | 相似文本确定方法及相关设备 | |
CN113656547B (zh) | 文本匹配方法、装置、设备及存储介质 | |
CN111639487A (zh) | 基于分类模型的字段抽取方法、装置、电子设备及介质 | |
CN113094478B (zh) | 表情回复方法、装置、设备及存储介质 | |
CN111797247B (zh) | 基于人工智能的案件推送方法、装置、电子设备及介质 | |
CN111488732B (zh) | 一种变形关键词检测方法、系统及相关设备 | |
CN115222443A (zh) | 客户群体划分方法、装置、设备及存储介质 | |
CN114861635A (zh) | 一种中文拼写纠错方法、装置、设备及存储介质 | |
CN114706985A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN113705468A (zh) | 基于人工智能的数字图像识别方法及相关设备 | |
CN116629423A (zh) | 用户行为预测方法、装置、设备及存储介质 | |
CN113420545B (zh) | 摘要生成方法、装置、设备及存储介质 | |
CN113627186B (zh) | 基于人工智能的实体关系检测方法及相关设备 | |
CN113486680B (zh) | 文本翻译方法、装置、设备及存储介质 | |
CN112949305B (zh) | 负反馈信息采集方法、装置、设备及存储介质 | |
CN113434273B (zh) | 数据处理方法、装置、系统及存储介质 | |
CN113704623A (zh) | 一种数据推荐方法、装置、设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200828 |