CN113298352A - 企业行业信息处理方法、装置、电子设备及可读存储介质 - Google Patents
企业行业信息处理方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113298352A CN113298352A CN202110466116.4A CN202110466116A CN113298352A CN 113298352 A CN113298352 A CN 113298352A CN 202110466116 A CN202110466116 A CN 202110466116A CN 113298352 A CN113298352 A CN 113298352A
- Authority
- CN
- China
- Prior art keywords
- industry
- level
- enterprise
- category
- level structure
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 39
- 238000003672 processing method Methods 0.000 title claims description 27
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 48
- 239000000284 extract Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- CPLXHLVBOLITMK-UHFFFAOYSA-N Magnesium oxide Chemical compound [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000003674 animal food additive Substances 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000007952 growth promoter Substances 0.000 description 1
- 239000000395 magnesium oxide Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种企业行业信息处理的方法，包括：获得行业分类体系，其中行业分类体系被构建为多级树状结构，多级树状结构的每一级结构包括多个行业类别，且多级树状结构的上一级结构的每个上一级行业类别分别对应下一级中的一个行业类别范围，其中行业类别范围包括一个以上下一级行业类别；基于输入的企业信息数据，预测企业在N级中所属的行业类别，其中N≥1；根据在N级中所预测的所属行业类别选择N+1级的行业类别范围；在所选择的N+1级的行业类别范围内，根据企业信息数据预测企业在N+1级所属的行业类别；依次逐级预测，直至预测至多级树状结构的最下级的行业类别。本公开还提供了一种企业行业信息处理的装置、设备以及可读存储介质。
Description
技术领域
本公开涉及一种企业行业信息处理方法、装置、电子设备及存储介质。
背景技术
目前，对于行业分类有较多应用，但构建行业多级分类体系方法不一，但普遍存在因行业数据量大，需要大量的训练耗时。另外，利用现有的行业分类模型进行行业多级分类时，存在分类结果不准确的问题。
发明内容
为了解决上述技术问题中的至少一个，本公开提供了一种企业行业信息处理方法，包括：
获得行业分类体系，其中所述行业分类体系被构建为多级树状结构，所述多级树状结构的每一级结构包括多个行业类别，并且所述多级树状结构的上一级结构的每个上一级行业类别分别对应下一级结构中的一个行业类别范围，其中所述行业类别范围包括一个以上下一级行业类别；
基于输入的企业信息数据，预测企业在第N级结构中所属的行业类别，其中N≥1；
根据在第N级结构中所预测的所属行业类别选择第N+1级结构中的行业类别范围；
在所选择的第N+1级结构的行业类别范围内，根据企业信息数据来预测企业在第N+1级结构中所属的行业类别；以及，
在所述第N+1级结构不是所述多级树状结构的最下级结构的情况下，根据第N+1级结构中所预测的所属行业类别选择第N+2级结构中的行业类别范围，并且在所选择的第N+2级结构的行业类别范围内，根据企业信息数据来预测企业在第N+2级结构中所属的行业类别，直至预测至所述多级树状结构的最下级结构的行业类别。
根据本公开的至少一个实施方式的企业行业信息处理方法，所述企业信息数据包括企业日常经营数据、知识产权数据以及相关照片的文本描述信息。
根据本公开的至少一个实施方式的企业行业信息处理方法，所述树状结构除最下层外的各个层的类别均有若干个子类别。
根据本公开的至少一个实施方式的企业行业信息处理方法，还包括：针对所述多级树状结构中被用来预测的每级结构，分别使用一个分类预测模型来在每级结构中预测企业所属的行业类别。
根据本公开的至少一个实施方式的企业行业信息处理方法，还包括：所述多级树状结构为四级树状结构，其中，
基于输入的企业信息数据，预测企业在第二级结构中所属的行业类别；
根据在第二级结构中所预测的所属行业类别选择第三级结构中的行业类别范围；
在所选择的第三级结构的行业类别范围内，根据企业信息数据来预测企业在第三级结构中所属的行业类别；
根据第三级结构中所预测的所属行业类别选择第四级结构中的行业类别范围；
在所选择的第四级结构的行业类别范围内，根据企业信息数据来预测企业在第四级结构中所属的行业类别，并且输出企业在第四级结构所属的行业类别作为最终预测的行业类别。
根据本公开的至少一个实施方式的企业行业信息处理方法，还包括：训练用于相应级结构的分类预测模型，其中包括：
获取企业信息数据；
对所获取的企业信息数据进行处理，以构建用于训练的训练集，其中对预测所使用的每级结构分别构建训练集；以及
基于所构建的训练集对分类预测模型进行训练，以便使用训练后的分类预测模型来预测企业所属的行业类别。
根据本公开的至少一个实施方式的企业行业信息处理方法的分类预测模型的训练方法，所述企业信息数据包括企业日常经营数据、知识产权数据以及相关照片的文本描述信息。
根据本公开的至少一个实施方式的企业行业信息处理方法，还包括：在获取企业信息数据时，通过获取企业的工商信息来获取所述企业数据信息、和/或通过搜索引擎来获取所述企业数据信息。
根据本公开的至少一个实施方式的企业行业信息处理方法，还包括：在通过搜索引擎来获取所述企业数据信息时，通过搜索引擎检索来获取数据源侯选集，并且对所述数据源侯选集进行筛选，然后根据筛选的数据源侯选集来部署爬虫以从互联网爬取所述企业数据信息。
根据本公开的至少一个实施方式的企业行业信息处理方法，还包括：对所获取的企业信息数据进行处理时，从所获取的企业信息数据抽取有效信息并按照预定格式构建训练集，所述训练集包括正例和负例，
所述正例的预定格式为[sentence1,sentence2,label]，其中sentence1表示企业信息，sentence2表示企业信息对应的类别，label表示该企业属于sentence2所表示的类别；以及
所述负例的预定格式为[sentence1,sentence2,label]，其中sentence1表示企业信息，sentence2为不包括该企业信息所对应的行业类别的行业类别集中随机选取的一个行业类别，label表示该企业不属于sentence2所表示的类别。
根据本公开的至少一个实施方式的企业行业信息处理方法，还包括：对所获取的企业信息数据进行处理时，从所获取的企业信息数据抽取有效信息并按照预定格式构建训练集，训练采用的模型为BERT-wwm-ext。
根据本公开的至少一个实施方式的企业行业信息处理方法，还包括：所述正例和负例的比例为1:1。
根据本公开的至少一个实施方式的企业行业信息处理方法，还包括：所述负例的构建方法为从不属于它的类别中的其他类别中随机选取。
本公开提供了一种企业行业信息处理装置，包括：
获得模块，所述获得模块用于获得行业分类体系，其中所述行业分类体系被构建为多级树状结构，所述多级树状结构的每一级结构包括多个行业类别，并且所述多级树状结构的上一级结构的每个上一级行业类别分别对应下一级结构中的一个行业类别范围，其中所述行业类别范围包括一个以上下一级行业类别；以及
预测模块，基于输入的企业信息数据，预测企业在第N级结构中所属的行业类别，其中N≥1；根据在第N级结构中所预测的所属行业类别选择第N+1级结构中的行业类别范围；在所选择的第N+1级结构的行业类别范围内，根据企业信息数据来预测企业在第N+1级结构中所属的行业类别；以及在所述第N+1级结构不是所述多级树状结构的最下级结构的情况下，根据第N+1级结构中所预测的所属行业类别选择第N+2级结构中的行业类别范围，并且在所选择的第N+2级结构的行业类别范围内，根据企业信息数据来预测企业在第N+2级结构中所属的行业类别，直至预测至所述多级树状结构的最下级结构的行业类别。
本公开提供了一种企业行业信息处理装置，包括：
获得模块，所述获得模块用于获得行业分类体系，其中所述行业分类体系被构建为多级树状结构，所述多级树状结构的每一级结构包括多个行业类别，并且所述多级树状结构的上一级结构的每个上一级行业类别分别对应下一级结构中的一个行业类别范围，其中所述行业类别范围包括一个以上下一级行业类别；以及，
预测模块，基于输入的企业信息数据，预测企业在第N级结构中所属的行业类别，其中N≥1；根据在第N级结构中所预测的所属行业类别选择第N+1级结构中的行业类别范围；在所选择的第N+1级结构的行业类别范围内，根据企业信息数据来预测企业在第N+1级结构中所属的行业类别；以及在所述第N+1级结构不是所述多级树状结构的最下级结构的情况下，根据第N+1级结构中所预测的所属行业类别选择第N+2级结构中的行业类别范围，并且在所选择的第N+2级结构的行业类别范围内，根据企业信息数据来预测企业在第N+2级结构中所属的行业类别，直至预测至所述多级树状结构的最下级结构的行业类别；以及，
训练模块，包括：
获取企业信息数据；
对所获取的企业信息数据进行处理，以构建用于训练的训练集，其中对预测所使用的每级结构分别构建训练集；以及
基于所构建的训练集对分类预测模型进行训练，以便使用训练后的分类预测模型来预测企业所属的行业类别。
本公开提供了一种电子设备，包括：
存储器，所述存储器存储执行指令；以及
处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行上述任一项实施方式所述的企业行业信息处理方法。
本公开提供了一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述任一项实施方式所述的企业行业信息处理方法。
附图说明
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。
图1示出了根据本公开的一个实施方式的企业行业信息处理方法流程示意图。
图2示出了根据本公开的一个实施方式的企业行业信息处理方法的分类预测模型的训练方法示意图。
图3示出了根据本公开的一个实施方式的企业行业信息处理装置结构示意图。
图4示出了根据本公开的又一个实施方式的企业行业信息处理装置结构示意图。
附图标记说明：
1000 企业行业信息处理装置
1002 获得装置
1004 预测模块
1006 训练模块
1100 总线
1200 处理器
1300 存储器
1400 其他电路。
具体实施方式
下面结合附图和实施方式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方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。
除非另有说明，否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此，除非另有说明，否则在不脱离本公开的技术构思的情况下，各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。
此外，在附图中，为了清楚和/或描述性的目的，可以夸大部件的尺寸和相对尺寸。当可以不同地实施示例性实施例时，可以以不同于所描述的顺序来执行具体的工艺顺序。例如，可以基本同时执行或者以与所描述的顺序相反的顺序执行两个连续描述的工艺。此外，同样的附图标记可以表示同样的部件。
当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或“结合到”另一部件时，该部件可以直接在所述另一部件上、直接连接到或直接结合到所述另一部件，或者可以存在中间部件。然而，当部件被称作“直接在”另一部件“上”、“直接连接到”或“直接结合到”另一部件时，不存在中间部件。为此，术语“连接”可以指物理连接、电气连接等，并且具有或不具有中间部件。
本文使用的术语是为了描述具体实施例的目的，而不意图是限制性的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。
图1是根据本公开的一个实施方式的企业行业信息处理方法的流程示意图。
如图1所示，企业行业信息处理方法S100，包括如下步骤：
S102：获取行业分类体系，构建多级树状分类结构；
S104：基于输入的企业信息数据，预测企业在第N级结构中所属的类别；
S106：根据在第N级中所预测的所属类别选择第N+1级中的类别范围；
S108：在N+1级的类别范围内，根据企业信息数据预测企业在N+1级中所属的类别；
S110：依次逐层选择类别及逐层分类，直至分类体系的最下层。
其中，N≥1。
其中，多级树状结构除最下层外的各个层的类别均有若干个子类别。
其中，针对所述多级树状结构中被用来预测的每级结构，分别使用一个分类预测模型来在每级结构中预测企业所属的行业类别。
其中，多级树状结构为四级树状结构，其中，
基于输入的企业信息数据，预测企业在第二级结构中所属的行业类别；
根据在第二级结构中所预测的所属行业类别选择第三级结构中的行业类别范围；
在所选择的第三级结构的行业类别范围内，根据企业信息数据来预测企业在第三级结构中所属的行业类别；
根据第三级结构中所预测的所属行业类别选择第四级结构中的行业类别范围；
在所选择的第四级结构的行业类别范围内，根据企业信息数据来预测企业在第四级结构中所属的行业类别，并且输出企业在第四级结构所属的行业类别作为最终预测的行业类别。
其中，依次逐层选择类别及逐层分类，直至分类体系的最下层，具体如下：在第N+1级结构不是多级树状结构的最下级结构的情况下，根据第N+1级结构中所预测的所属行业类别选择第N+2级结构中的行业类别范围，并且在所选择的第N+2级结构的行业类别范围内，根据企业信息数据来预测企业在第N+2级结构中所属的行业类别，直至预测至多级树状结构的最下级结构的行业类别。
图2是根据本公开的一个实施方式的企业行业信息处理方法的分类预测模型的训练方法示意图。
如图2所示，企业行业信息处理方法的分类预测模型的训练方法S200包括如下步骤：
S202：获取企业信息数据；
S204：对获取的企业信息数据进行处理，以构建用于训练的训练集；
S206：基于所构建的训练集对分类预测模型进行训练，获得分类模型。
其中，在获取企业信息数据时，通过获取企业的工商信息来获取企业数据信息、和/或通过搜索引擎来获取企业数据信息。
其中，在通过搜索引擎来获取企业数据信息时，通过搜索引擎检索来获取数据源侯选集，并且对数据源侯选集进行筛选，然后根据筛选的数据源侯选集来部署爬虫以从互联网爬取企业数据信息。
其中，对所获取的企业信息数据进行处理时，从所获取的企业信息数据抽取有效信息并按照预定格式构建训练集，训练集包括正例和负例，
正例的预定格式为[sentence1,sentence2,label]，其中sentence1表示企业信息，sentence2表示企业信息对应的类别，label表示该企业属于sentence2所表示的类别；以及
负例的预定格式为[sentence1,sentence2,label]，其中sentence1表示企业信息，sentence2为不包括该企业信息所对应的行业类别的行业类别集中随机选取的一个行业类别，label表示该企业不属于sentence2所表示的类别。Label分别用数字1和0标识属于该类别或不属于该类别。
其中，对所获取的企业信息数据进行处理时，从所获取的企业信息数据抽取有效信息并按照预定格式构建训练集，分类预测模型可以选择BERT-wwm-ext作为预训练模型，在框架选择上，可以选用huggingface/transforms-PyTorch框架，另外，基于BERT-wwm-ext模型fine-tuning，还可选用gpu训练加快训练速度。
进一步地，对上述正例和负例举例，正例：辽宁＊＊＊耐火材料集团有限公司生产电熔镁砂、耐火材料、耐火砖系列、造渣球、轻烧粉、电极、喷补料、增晶剂(上述不含许可经营项目)；货物及技术进出口。(依法须经批准的项目，经相关部门批准后方可开展经营活动。)非金属矿采选业1，以及，
负例：广东＊＊农牧科技有限公司农业科学研究和试验发展；谷物、豆及薯类批发；饲料批发；商品批发贸易(许可审批类商品除外)；商品零售贸易(许可审批类商品除外)；农业机械批发；货物进出口(专营专控商品除外)；技术进出口；饲料零售；饲料加工；饲料添加剂、添加剂预混合饲料生产；粮食收购研究和试验发展0。
首先，使用了更丰富的企业信息，并且使用了NLP前沿的算法，在精度上有很大的提升；其次，将多分类问题转换为二分类问题，不仅可以计算企业国民经济行业分类的前三级类别，也可以计算第四级类别；最后，由于第四级包含上千个类别，如果只构建一个模型预测四级类别，会导致预测量比较大，在此，通过分层构建多个模型，分别对应二级、三级、四级类别，在预测的时候先预测二级类别，然后根据模型输出的二级类别，再决定需要预测的三级类别范围，以此类推，最终预测出四级类别，大幅减少预测的次数，简化了计算复杂度。
图3和图4示出了本公开的实施方式的企业行业信息处理装置示例图。其中，为了简洁起见，虽然在下面关于处理装置的描述中，上述方法中的部分特征没有详细说明，但是在本公开中，关于方法描述的所有特征均可以结合至处理装置的相应特征中。
该装置可以包括执行上述流程图中各个或几个步骤的相应模块。因此，可以由相应模块执行上述流程图中的每个步骤或几个步骤，并且该装置可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。
该硬件结构可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线1100将包括一个或多个处理器1200、存储器1300和/或硬件模块的各种电路连接到一起。总线1100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路1400连接。
总线1100可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一条连接线表示，但并不表示仅有一根总线或一种类型的总线。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的各个方法和处理。例如，本公开中的方法实施方式可以被实现为软件程序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中，软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时，可以执行上文描述的方法中的一个或多个步骤。备选地，在其他实施方式中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之一。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，可以具体实现在任何可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
就本说明书而言，“可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在存储器中。
应当理解，本公开的各部分可以用硬件、软件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施方式方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种可读存储介质中，该程序在执行时，包括方法实施方式的步骤之一或其组合。
此外，在本公开各个实施方式中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。
图3是根据本公开的一个实施方式的企业行业信息处理装置结构示意图。
如图3所示，企业行业信息处理装置1000包括：获得装置1002，预测模块1004，
其中，获得装置1002，获得模块用于获得行业分类体系，其中行业分类体系被构建为多级树状结构，多级树状结构的每一级结构包括多个行业类别，并且多级树状结构的上一级结构的每个上一级行业类别分别对应下一级结构中的一个行业类别范围，其中行业类别范围包括一个以上下一级行业类别；以及，
其中，预测模块1004，基于输入的企业信息数据，预测企业在第N级结构中所属的行业类别，其中N≥1；根据在第N级结构中所预测的所属行业类别选择第N+1级结构中的行业类别范围；在所选择的第N+1级结构的行业类别范围内，根据企业信息数据来预测企业在第N+1级结构中所属的行业类别；以及在第N+1级结构不是多级树状结构的最下级结构的情况下，根据第N+1级结构中所预测的所属行业类别选择第N+2级结构中的行业类别范围，并且在所选择的第N+2级结构的行业类别范围内，根据企业信息数据来预测企业在第N+2级结构中所属的行业类别，直至预测至多级树状结构的最下级结构的行业类别。
图4是根据本公开的一个实施方式的企业行业信息处理装置结构示意图。
如图4所示，企业行业信息处理装置1000还包括：训练模块1006，训练模块1006包括：
获取企业信息数据；
对所获取的企业信息数据进行处理，以构建用于训练的训练集，其中对预测所使用的每级结构分别构建训练集；以及
基于所构建的训练集对分类预测模型进行训练，以便使用训练后的分类预测模型来预测企业所属的行业类别。
本公开还提供了一种电子设备，包括：存储器，存储器存储执行指令；以及处理器或其他硬件模块，处理器或其他硬件模块执行存储器存储的执行指令，使得处理器或其他硬件模块执行上述任一企业行业信息处理的方法。
本公开还提供了一种可读存储介质，可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述任一企业行业信息处理的方法。
在本说明书的描述中，参考术语“一个实施方式/方式”、“一些实施方式/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施方式/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式/方式或示例中。在本说明书中，对上述术语的示意性表述不必须的是相同的实施方式/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施方式/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施方式/方式或示例以及不同实施方式/方式或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。
Claims (10)
1.一种企业行业信息处理方法，其特征在于，包括：
获得行业分类体系，其中所述行业分类体系被构建为多级树状结构，所述多级树状结构的每一级结构包括多个行业类别，并且所述多级树状结构的上一级结构的每个上一级行业类别分别对应下一级结构中的一个行业类别范围，其中所述行业类别范围包括一个以上下一级行业类别；
基于输入的企业信息数据，预测企业在第N级结构中所属的行业类别，其中N≥1；
根据在第N级结构中所预测的所属行业类别选择第N+1级结构中的行业类别范围；
在所选择的第N+1级结构的行业类别范围内，根据企业信息数据来预测企业在第N+1级结构中所属的行业类别；以及
在所述第N+1级结构不是所述多级树状结构的最下级结构的情况下，根据第N+1级结构中所预测的所属行业类别选择第N+2级结构中的行业类别范围，并且在所选择的第N+2级结构的行业类别范围内，根据企业信息数据来预测企业在第N+2级结构中所属的行业类别，直至预测至所述多级树状结构的最下级结构的行业类别。
2.如权利要求1所述的方法，其特征在于，针对所述多级树状结构中被用来预测的每级结构，分别使用一个分类预测模型来在每级结构中预测企业所属的行业类别。
3.如权利要求1或2所述的方法，其特征在于，所述多级树状结构为四级树状结构，其中，
基于输入的企业信息数据，预测企业在第二级结构中所属的行业类别；
根据在第二级结构中所预测的所属行业类别选择第三级结构中的行业类别范围；
在所选择的第三级结构的行业类别范围内，根据企业信息数据来预测企业在第三级结构中所属的行业类别；
根据第三级结构中所预测的所属行业类别选择第四级结构中的行业类别范围；
在所选择的第四级结构的行业类别范围内，根据企业信息数据来预测企业在第四级结构中所属的行业类别，并且输出企业在第四级结构所属的行业类别作为最终预测的行业类别。
4.如权利要求2或3所述的方法，其特征在于，还包括训练用于相应级结构的分类预测模型，其中包括：
获取企业信息数据；
对所获取的企业信息数据进行处理，以构建用于训练的训练集，其中对预测所使用的每级结构分别构建训练集；以及
基于所构建的训练集对分类预测模型进行训练，以便使用训练后的分类预测模型来预测企业所属的行业类别。
5.如权利要求2至4中任一项所述的方法，其特征在于，在获取企业信息数据时，通过获取企业的工商信息来获取所述企业数据信息、和/或通过搜索引擎来获取所述企业数据信息。
6.如权利要求5所述的方法，其特征在于，在通过搜索引擎来获取所述企业数据信息时，通过搜索引擎检索来获取数据源侯选集，并且对所述数据源侯选集进行筛选，然后根据筛选的数据源侯选集来部署爬虫以从互联网爬取所述企业数据信息。
7.如权利要求5所述的方法，其特征在于，对所获取的企业信息数据进行处理时，从所获取的企业信息数据抽取有效信息并按照预定格式构建训练集，所述训练集包括正例和负例，
所述正例的预定格式为[sentence1,sentence2,label]，其中sentence1表示企业信息，sentence2表示企业信息对应的类别，label表示该企业属于sentence2所表示的类别；以及
所述负例的预定格式为[sentence1,sentence2,label]，其中sentence1表示企业信息，sentence2为不包括该企业信息所对应的行业类别的行业类别集中随机选取的一个行业类别，label表示该企业不属于sentence2所表示的类别。
8.一种企业行业信息处理装置，其特征在于，包括：
获得模块，所述获得模块用于获得行业分类体系，其中所述行业分类体系被构建为多级树状结构，所述多级树状结构的每一级结构包括多个行业类别，并且所述多级树状结构的上一级结构的每个上一级行业类别分别对应下一级结构中的一个行业类别范围，其中所述行业类别范围包括一个以上下一级行业类别；以及
预测模块，基于输入的企业信息数据，预测企业在第N级结构中所属的行业类别，其中N≥1；根据在第N级结构中所预测的所属行业类别选择第N+1级结构中的行业类别范围；在所选择的第N+1级结构的行业类别范围内，根据企业信息数据来预测企业在第N+1级结构中所属的行业类别；以及在所述第N+1级结构不是所述多级树状结构的最下级结构的情况下，根据第N+1级结构中所预测的所属行业类别选择第N+2级结构中的行业类别范围，并且在所选择的第N+2级结构的行业类别范围内，根据企业信息数据来预测企业在第N+2级结构中所属的行业类别，直至预测至所述多级树状结构的最下级结构的行业类别。
9.一种电子设备，其特征在于，包括：
存储器，所述存储器存储执行指令；以及
处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行如权利要求1至7中任一项所述的方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110466116.4A CN113298352A (zh) | 2021-04-28 | 2021-04-28 | 企业行业信息处理方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110466116.4A CN113298352A (zh) | 2021-04-28 | 2021-04-28 | 企业行业信息处理方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113298352A true CN113298352A (zh) | 2021-08-24 |
Family
ID=77320612
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110466116.4A Pending CN113298352A (zh) | 2021-04-28 | 2021-04-28 | 企业行业信息处理方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113298352A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154716A (zh) * | 2021-12-03 | 2022-03-08 | 北京航天创智科技有限公司 | 一种基于图神经网络的企业能耗预测方法及装置 |
| CN117216688A (zh) * | 2023-11-07 | 2023-12-12 | 西南科技大学 | 基于层次标签树与神经网络的企业行业识别方法与系统 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110097286A (ko) * | 2010-02-25 | 2011-08-31 | 주식회사 엘지유플러스 | 특번 서비스를 제공하는 특번 서버 및 특번 서비스 제공 방법 |
| CN103336796A (zh) * | 2013-06-09 | 2013-10-02 | 北京百度网讯科技有限公司 | 一种直接展示广告商品的方法及系统 |
| CN105760512A (zh) * | 2016-02-24 | 2016-07-13 | 杨晟志 | 一种虚拟地图的商业逻辑分类方法 |
| CN107169036A (zh) * | 2017-04-19 | 2017-09-15 | 畅捷通信息技术股份有限公司 | 确定企业所属行业类别的方法及系统 |
| CN107403198A (zh) * | 2017-07-31 | 2017-11-28 | 广州探迹科技有限公司 | 一种基于级联分类器的官网识别方法 |
| US20170344902A1 (en) * | 2016-05-31 | 2017-11-30 | Linkedin Corporation | Parent Company Industry Classifier |
| US20180101765A1 (en) * | 2016-10-07 | 2018-04-12 | Global Optimal Technology, Inc. | System and method for hierarchically building predictive analytic models on a dataset |
| 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 |
| CN108241867A (zh) * | 2016-12-26 | 2018-07-03 | 阿里巴巴集团控股有限公司 | 一种分类方法及装置 |
| CN109189888A (zh) * | 2018-09-07 | 2019-01-11 | 平安科技（深圳）有限公司 | 电子装置、侵权分析的方法及存储介质 |
| US20190138958A1 (en) * | 2017-11-03 | 2019-05-09 | salesforce.com,inc. | Category identifier prediction |
| CN110163245A (zh) * | 2019-04-08 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 业务类别预测方法及系统 |
| CN111191001A (zh) * | 2019-12-23 | 2020-05-22 | 浙江大胜达包装股份有限公司 | 一种面向纸包装及其相关行业的企业多元标签标识方法 |
| CN111652583A (zh) * | 2020-06-03 | 2020-09-11 | 湖南微克曼弥科技信息有限公司 | 一种企业信息化技术研发管理系统 |
| CN111680155A (zh) * | 2020-05-13 | 2020-09-18 | 新华网股份有限公司 | 文本分类方法、装置、电子设备及计算机存储介质 |
| CN111860981A (zh) * | 2020-07-03 | 2020-10-30 | 航天信息(山东)科技有限公司 | 一种基于lstm深度学习的企业国民行业类别预测方法及系统 |
| CN112417150A (zh) * | 2020-11-16 | 2021-02-26 | 建信金融科技有限责任公司 | 行业分类模型训练、使用方法、装置、设备及介质 |
| CN112434889A (zh) * | 2020-12-18 | 2021-03-02 | 深圳赛安特技术服务有限公司 | 一种专家行业分析方法、装置、设备及存储介质 |
| CN116226373A (zh) * | 2023-01-03 | 2023-06-06 | 企知道科技有限公司 | 一种行业分类模型训练方法和企业行业分类方法 |
-
2021
- 2021-04-28 CN CN202110466116.4A patent/CN113298352A/zh active Pending
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110097286A (ko) * | 2010-02-25 | 2011-08-31 | 주식회사 엘지유플러스 | 특번 서비스를 제공하는 특번 서버 및 특번 서비스 제공 방법 |
| CN103336796A (zh) * | 2013-06-09 | 2013-10-02 | 北京百度网讯科技有限公司 | 一种直接展示广告商品的方法及系统 |
| CN105760512A (zh) * | 2016-02-24 | 2016-07-13 | 杨晟志 | 一种虚拟地图的商业逻辑分类方法 |
| US20170344902A1 (en) * | 2016-05-31 | 2017-11-30 | Linkedin Corporation | Parent Company Industry Classifier |
| US20180101765A1 (en) * | 2016-10-07 | 2018-04-12 | Global Optimal Technology, Inc. | System and method for hierarchically building predictive analytic models on a dataset |
| CN108241867A (zh) * | 2016-12-26 | 2018-07-03 | 阿里巴巴集团控股有限公司 | 一种分类方法及装置 |
| CN107169036A (zh) * | 2017-04-19 | 2017-09-15 | 畅捷通信息技术股份有限公司 | 确定企业所属行业类别的方法及系统 |
| CN107403198A (zh) * | 2017-07-31 | 2017-11-28 | 广州探迹科技有限公司 | 一种基于级联分类器的官网识别方法 |
| US20190138958A1 (en) * | 2017-11-03 | 2019-05-09 | salesforce.com,inc. | Category identifier prediction |
| 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 |
| CN109189888A (zh) * | 2018-09-07 | 2019-01-11 | 平安科技（深圳）有限公司 | 电子装置、侵权分析的方法及存储介质 |
| CN110163245A (zh) * | 2019-04-08 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 业务类别预测方法及系统 |
| CN111191001A (zh) * | 2019-12-23 | 2020-05-22 | 浙江大胜达包装股份有限公司 | 一种面向纸包装及其相关行业的企业多元标签标识方法 |
| CN111680155A (zh) * | 2020-05-13 | 2020-09-18 | 新华网股份有限公司 | 文本分类方法、装置、电子设备及计算机存储介质 |
| CN111652583A (zh) * | 2020-06-03 | 2020-09-11 | 湖南微克曼弥科技信息有限公司 | 一种企业信息化技术研发管理系统 |
| CN111860981A (zh) * | 2020-07-03 | 2020-10-30 | 航天信息(山东)科技有限公司 | 一种基于lstm深度学习的企业国民行业类别预测方法及系统 |
| CN112417150A (zh) * | 2020-11-16 | 2021-02-26 | 建信金融科技有限责任公司 | 行业分类模型训练、使用方法、装置、设备及介质 |
| CN112434889A (zh) * | 2020-12-18 | 2021-03-02 | 深圳赛安特技术服务有限公司 | 一种专家行业分析方法、装置、设备及存储介质 |
| CN116226373A (zh) * | 2023-01-03 | 2023-06-06 | 企知道科技有限公司 | 一种行业分类模型训练方法和企业行业分类方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘明周，等: "面向产品的企业数据数字化集成管理模式", 计算机辅助设计与图形学学报, vol. 18, no. 01, pages 137 - 142 * |
| 郝晓玲，等: "信息化水平对企业财务表现和市场表现的影响研究", 管理科学, vol. 23, no. 05, pages 84 - 93 * |
| 韩雪，等: "企业经营范围文本自动分类方法探究", 标准科学, no. 01, pages 93 - 96 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154716A (zh) * | 2021-12-03 | 2022-03-08 | 北京航天创智科技有限公司 | 一种基于图神经网络的企业能耗预测方法及装置 |
| CN117216688A (zh) * | 2023-11-07 | 2023-12-12 | 西南科技大学 | 基于层次标签树与神经网络的企业行业识别方法与系统 |
| CN117216688B (zh) * | 2023-11-07 | 2024-01-23 | 西南科技大学 | 基于层次标签树与神经网络的企业行业识别方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113298352A (zh) | 企业行业信息处理方法、装置、电子设备及可读存储介质 | |
| US11429810B2 (en) | Question answering method, terminal, and non-transitory computer readable storage medium | |
| CN110031761B (zh) | 电池筛选方法、电池筛选装置及终端设备 | |
| CN111626497B (zh) | 人流量预测方法、装置、设备和存储介质 | |
| CN111652661B (zh) | 一种手机客户端用户流失预警处理方法 | |
| CN115546525A (zh) | 多视图聚类方法、装置、电子设备及存储介质 | |
| CN114723234B (zh) | 变压器容量瞒报识别方法、系统、计算机设备和存储介质 | |
| CN113515544B (zh) | 一种数据属性查询方法及数据属性查询装置 | |
| CN111949530A (zh) | 测试结果的预测方法、装置、计算机设备及存储介质 | |
| Becker et al. | Designing miRNA-based synthetic cell classifier circuits using answer set programming | |
| CN111815250B (zh) | 用于物流的货物状态识别方法、装置及二分类建模方法 | |
| CN114627979A (zh) | 一种生物质物料特性概率分布信息的确定方法及确定系统 | |
| CN112598664A (zh) | 基于视觉显著性的虫粮等级判定方法和装置 | |
| WO2020007349A1 (zh) | 一种智能化敲除策略筛选的方法和一种基于多种敲除类型的敲除策略筛选方法 | |
| CN111709479A (zh) | 一种图像分类方法和装置 | |
| Xiang et al. | Snapshot: clustering and visualizing epigenetic history during cell differentiation | |
| CN114332527B (zh) | 基于分类树构造的细粒度图像多分类方法和装置 | |
| CN118037121B (zh) | 态势感知数据的重要性评分方法、装置、设备及介质 | |
| CN117171141B (zh) | 一种基于关系图谱的数据模型建模方法 | |
| CN117874608A (zh) | 数据处理方法、电子设备、可读存储介质及程序产品 | |
| CN118035751B (zh) | 用于大语言模型微调训练的数据构建方法及装置 | |
| JP7238907B2 (ja) | 機械学習装置、方法及びプログラム | |
| CN113554126B (zh) | 样本评估方法、装置、设备及计算机可读存储介质 | |
| CN117273963B (zh) | 基于车险场景的风险识别方法和装置 | |
| CN114118542B (zh) | 烟气含氧量负荷预测模型的选择方法及装置 |
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: 20210824 |