CN114625834A - 企业的行业信息确定方法、装置及电子设备 - Google Patents
企业的行业信息确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114625834A CN114625834A CN202210209443.6A CN202210209443A CN114625834A CN 114625834 A CN114625834 A CN 114625834A CN 202210209443 A CN202210209443 A CN 202210209443A CN 114625834 A CN114625834 A CN 114625834A
- Authority
- CN
- China
- Prior art keywords
- text
- industry
- information
- determining
- enterprise
- 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
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
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/3332—Query translation
- G06F16/3335—Syntactic pre-processing, e.g. stopword elimination, stemming
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种企业的行业信息确定方法、装置及电子设备,涉及知识图谱及大数据技术领域。方法包括:获取目标企业的企业经营信息;对企业经营信息中的文本进行重组,得到多个文本子句;将多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果;根据匹配结果,确定目标企业的行业信息。本公开技术方案,通过对企业经营信息中的文本进行重组,将重组得到的多个文本子句分别与预先获取的多个行业的行业信息进行匹配,确定目标企业的行业信息,匹配准确率较高,不需要训练分类器,节省人力物力和计算资源。
Description
技术领域
本公开涉及知识图谱及大数据技术领域,尤其涉及一种企业的行业信息确定方法、装置及电子设备。
背景技术
在时空大数据场景下智慧园区是智慧城市建设的一个子方向,而一个园区的健康发展需要园区中不同企业之间相互合作适当竞争,因此在园区建设过程中,园区管理人员需要知道园区中每个企业的所属行业。
对于将企业划分到不同的行业,一般是通过训练分类器来进行企业分类,一方面,想取得较好的分类准确率需要大量的人工标注数据进行模型的训练,耗费较多的人力物力。另一方面,行业的分类数目较多,国家标准的行业分类体系中有几千种行业的分类数目,训练这种类别较多的分类器非常耗费时间和算力。
发明内容
本公开提供了一种企业的行业信息确定方法、装置及电子设备。
根据本公开的一方面,提供了一种企业的行业信息确定方法,包括:
获取目标企业的企业经营信息;
对企业经营信息中的文本进行重组,得到多个文本子句;
将多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果;
根据匹配结果,确定目标企业的行业信息。
根据本公开的另一方面,提供了一种企业的行业信息确定装置,包括:
获取模块,用于获取目标企业的企业经营信息;
重组模块,用于对企业经营信息中的文本进行重组,得到多个文本子句;匹配模块,用于将多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果;
确定模块,用于根据匹配结果,确定目标企业的行业信息。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
本公开实施例中,目标企业和行业信息匹配准确率较高,不需要训练分类器,节省人力物力和计算资源。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开一实施例中企业的行业信息确定方法的流程图;
图2为本公开一实施例中企业的行业信息确定方法的流程图;
图3为本公开一实施例中企业的行业信息确定方法的示意图;
图4为本公开一实施例中将企业经营信息中的文本重组为文本子句的示意图;
图5为本公开一实施例中的文本子句和行业信息的匹配过程的示意图;
图6为本公开一实施例中企业的行业信息确定装置的示意图;
图7是用来实现本公开实施例的企业的行业信息确定方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开实施例提供了一种企业的行业信息确定方法,图1是本公开一实施例的企业的行业信息确定方法的流程图,该方法可以应用于企业的行业信息确定装置,该装置可以部署于终端设备、服务器或其它处理设备中。在一些可能的实现方式中,该方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示,包括:
步骤S101,获取目标企业的企业经营信息;
其中,企业经营信息可以包括企业经营方向或者企业经营的产品相关的描述信息。例如,企业经营范围描述信息:纺织品、服装的生产与销售;服装的原料、辅料生产与销售。
目标企业的企业经营信息可以通过搜索引擎在互联网上查询或者在预设的数据库中查询。
步骤S102,对企业经营信息中的文本进行重组,得到多个文本子句;
由于企业经营信息中的文本语句较长,为了提高匹配的准确率,对企业经营信息中的文本按照一定的方式进行重组,得到长度较短的多个文本子句。例如,对企业经营信息中的文本“纺织品、服装的生产与销售;服装的原料、辅料生产与销售”进行重组,可以得到文本子句“纺织品的生产”、“服装的生产”、“纺织品的销售”、”服装的销售”等。
在对企业经营信息中的文本进行重组之前,还包括对企业经营信息进行预处理的步骤。预处理包括但不限于去噪处理和替换处理等。
公司经营信息里经常出现“经营项目”、“本公司主营”等噪声文本,为了得到目标企业的更加准确的行业信息,对企业经营信息进行去噪处理,具体过程包括:一方面,维护一个噪声词表,将一些常见的噪声词和短语不断加入到噪声词表中,对于企业经营信息中出现的这些噪声词进行删除处理。另一方面,一般的企业经营信息中都包含括号,而括号中的内容大多为免责条文或法律提示,因此,在去噪处理过程中,对这些括号及括号中的内容进行删除操作。
另外,对标点符号进行统一替换处理,对英文标点符号统一替换成中文标点符号。另外,在企业经营信息中一个文本语句通常以分号和逗号结尾,而企业经营信息的整段描述以句号结尾,因此为了方便后续处理,统一将分号和逗号替换成句号。
需要说明的是,对于去噪处理,也可以是其他噪声信息,对于替换处理也可以不限于标点符号,可以是其他信息的替换,本公开实施例对此不做限定。
步骤S103,将多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果;
预先获取的多个行业的行业信息,行业信息可以是表征行业类别的信息,例如,制造业、食品制造业、罐头食品制造、水产品罐头制造等。对于每个文本子句,计算该文本子句和各个行业信息的相似度,根据多个相似度确定匹配结果。
步骤S104,根据匹配结果,确定目标企业的行业信息。
获取到各个文本子句和各个行业信息的匹配结果之后,将与文本子句的匹配结果满足预设条件的行业信息,作为目标企业的行业信息。
本公开技术方案可以应用在时空大数据智慧城市场景的智慧园区建设中,通过精准匹配企业的所属行业,可以为智慧园区的招商引资提供数据支持。
相关技术中,在确定企业的行业信息时,需要进行大量的人工标注训练数据,企业类别较多时分类模型训练难度较大,需要耗费大量的人力物力资源,且类别较多时分类模型难以对企业进行细粒度的分类,从而导致最后的匹配结果不佳。
本公开实施例提供的企业的行业信息确定方法,获取目标企业的企业经营信息;对企业经营信息中的文本进行重组,得到多个文本子句;将多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果;根据匹配结果,确定目标企业的行业信息。本公开技术方案,通过对企业经营信息中的文本进行重组,将重组得到的多个文本子句分别与预先获取的多个行业的行业信息进行匹配,确定目标企业的行业信息,匹配准确率较高,不需要训练分类器,节省人力物力和计算资源。
在一种可能的实现方式中,对企业经营信息中的文本进行重组,得到多个文本子句,包括:
对企业经营信息中的文本进行拆分,得到多个关键词;
将多个关键词进行重组,得到多个文本子句。
在实际应用中,可以将企业经营信息中的每个较长的文本语句进行拆分,得到多个词语,按照预设规则在多个词语中确定出多个关键词,将多个关键词进行重组,重组的具体方式可以是将每个文本语句拆分出的多个关键词进行拼接,得到多个文本子句。其中,预设规则可以根据具体需要进行设置,例如,按照词语的词性不同设置预设规则等。
本公开实施例中,由于企业经营信息中的文本语句较长,通过对企业经营信息中的文本进行重组,将重组得到的多个文本子句作为与行业信息匹配的数据基础,可以提高文本匹配的准确率。
在一种可能的实现方式中,对企业经营信息中的文本进行拆分,得到多个关键词,包括:
对企业经营信息中的文本进行拆分,得到多个文本短句;
对于每一文本短句,确定文本短句中各词的词性和各词之间的依存关系,根据各词的词性和各词之间的依存关系,确定文本短句对应的多个关键词。
在实际应用中,企业经营信息中的文本一般是一段长文本,为了较为容易地提取子句,需要根据一定的规则对长文本进行分句,根据标点符号对长文本进行处理,得到多个文本短句。
经过对大量数据分析发现:每个短句一般都是以分号、逗号或句号结尾,通过预处理将这些标点符号进行归一化的替换处理,用句号替换逗号和分号。通过句号进行长文本分句,例如,对长文本:“纺织品、服装的生产与销售;服装的原料、辅料生产与销售。”进行长文本分句,得到的短句为:“纺织品、服装的生产与销售”、“服装的原料、辅料生产与销售”。
得到文本短句之后,对于每一个文本短句,可以通过句法词法分析模型工具对这个文本短句进行句法和词法的分析,从而得到文本短句中不同词之间的依存关系,例如,动宾关系、并列关系等,同时可以对每个词进行词性标注,发现句子中的名词、动词、助词等。有了句子中词与词之间的依存关系和每个词的词性之后,就可以使用这些依存关系和词性对这个短句进行拆解得到多个关键词。
其中,句法词法分析模型可以是定制自然语言处理模型(Natural LanguageProcessing Customization,NLPC),也可以是其他具有句法词法分析功能的模型,本公开实施例对此不做限定。
例如,对于文本短句“纺织品、服装的生产与销售”,经过NLPC的模型处理之后,可以得到名词“纺织品”、“服装”;动词“生产”、“销售”;助词“的”;连词“与”等词的词性,同时可以得到各词之间的依存关系:“纺织品”和”服装”之间是并列关系,“生产”和“销售”之间是并列关系,“服装”和“生产”之间是动宾关系。在分析了企业经营信息之后发现,绝大部分的企业经营信息都是以动名词组合为主,例如:“房车、汽车及零配件销售、维修;汽车内饰装潢;房车露营地管理及信息咨询。”因此,将文本短句中的动词和名词确定为关键词。
本公开实施例中,根据文本短句中各词的词性和各词之间的依存关系,确定文本短句对应的多个关键词,通过这种处理方式得到的关键词,重组之后得到文本子句,与行业信息进行匹配时,准确率更高。
在一种可能的实现方式中,将多个关键词进行重组,得到多个文本子句,包括:
对于每一文本短句对应的多个关键词,根据多个关键词的词性和多个关键词之间的依存关系,对多个关键词进行重组,得到多个文本子句。
在实际应用中,得到文本短句对应的多个关键词之后,根据各个关键词的词性和多个关键词之间的依存关系,将关键词重组成文本子句。例如,得到文本短句中的动词和名词等关键词,以及动词和名词之间的依存关系,就可以进行动词和名词的相互组合,得到文本短句对应的多个文本子句。例如,在得到各词的依存关系和词性之后,可以根据并列关系和动宾关系将名词“纺织品”、“服装”与动词“生产”、“销售”进行重组形成子句:“纺织品的生产”、“服装的生产”、“纺织品的销售”、“服装的销售”。对所有文本短句进行处理后,可以得到一个文本子句集合,集合中的每个文本子句都是一个描述企业经营信息的样本。
本公开实施例中,根据多个关键词的词性和多个关键词之间的依存关系,对多个关键词进行重组,可以得到多个文本子句作为描述企业经营信息的样本,在与行业信息进行匹配时,准确率更高。
在一种可能的实现方式中,将多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果,包括:
对于每一文本子句,确定文本子句与多个行业的行业信息的第一相似度,根据多个第一相似度,确定文本子句对应的多个候选行业信息,根据文本子句和多个候选行业信息,确定匹配结果。
在实际应用中,可以通过文本相似度模型分别计算文本子句与行业信息之间的相似度,即第一相似度,通过相似度的计算可以得到多个相似度得分,将相似度得分排序在前预设数量个位置对应的行业信息作为候选行业信息,作为一个文本子句对应的最相似的行业信息。然后根据文本子句和多个候选行业信息之间的相似度,确定匹配结果,具体可以包括:将文本子句和多个候选行业信息之间的相似度作为匹配结果,或者基于文本子句和多个候选行业信息之间的相似度,进一步确定匹配结果。
其中,文本相似度模型可以是ERNIE-Sim匹配模型,ERNIE-Sim匹配模型利用海量数据进行了预训练,之后又进行了相似度任务的微调,因此拥有强大的语义匹配能力,得到的两个句子之间的相似度是比较准确的。需要说明的是,文本相似度模型还可以是其他任意的具有文本相似度计算功能的模型,本公开实施例对此不做限定。
本公开实施例中,通过相似度计算确定候选行业信息,进而确定匹配结果,计算简单,结果准确。
在一种可能的实现方式中,根据文本子句和多个候选行业信息,确定匹配结果,包括:
分别确定文本子句和多个候选行业信息中各词的词性;
确定文本子句和多个候选行业信息中相同词性的词的第二相似度;
根据多个第一相似度和多个第二相似度,确定匹配结果。
在实际应用中,可以基于文本子句和多个候选行业信息之间的相似度,进一步确定匹配结果。确定文本子句和多个候选行业信息中各词的词性,计算文本子句和多个候选行业信息中相同词性的词的相似度,即第二相似度,根据相同词性的词的相似度,以及文本子句和多个候选行业信息之间的相似度,确定最终的匹配结果。可选的,计算相同词性的词的相似度,以及文本子句和多个候选行业信息之间的相似度的平均值,作为最终的匹配结果。
例如,文本子句“服装的销售”对应两个候选的行业信息“服饰制造”和“服装零售”,对应的相似度得分分别为[0.725,0.712],对它们分别进行词性标注,然后计算相同词性的词之间的相似度,“服装”与“服饰”的相似度为0.91,“销售”与“制造”的相似度为0.27;“服装”与“服装”的相似度为1.0,“销售”与“零售”的相似度为0.83,那么可以得到最终的相似度得分:文本子句“服装的销售”与“服饰制造”的相似度为(0.725+0.91+0.27)/3=0.635;“服装的销售”与“服装零售”的相似度为(0.712+1.0+0.83)/3=0.847。
本公开实施例中,通过文本子句和多个候选行业信息之间的相似度,以及文本子句和多个候选行业信息中相同词性的词的相似度,确定最终的匹配结果,具有较好的区分度,从而可以得到更加准确的匹配结果。
在一种可能的实现方式中,还包括:
获取标准行业分类信息,根据标准行业分类信息,构建行业树图谱,行业树图谱包括多个行业信息和对应的行业级别;
将行业树图谱中的行业级别满足预设条件的行业信息确定为多个行业的行业信息。
在实际应用中,为了对企业进行正规的分类,可以获取国标级别的标准行业分类信息,可选的,可以根据国家统计局发布的《国民经济行业分类》确定标准行业分类信息。将标准行业分类信息中的每个大的行业划分为4个级别,例如:“制造业-食品制造业-罐头食品制造-水产品罐头制造”,有的行业没有第4级别,例如:“采矿业-石油天然气开采业-石油开采”,因此为了统一处理,可以将所有行业读取之后分成4个级别,对于没有第4级别的行业,其第4级别设置为空。在经过提取表格、去噪、分级等处理后,构建一个国家标准的行业树图谱。
在一示例中,通过对标准行业分类信息进行处理,得到一个4级的行业树图谱,通过分析发现该行业树图谱中的3级和4级行业级别在粒度和文本长度上是比较适中的,因此,选择3级和4级的行业级别的行业信息作为匹配计算所采用的行业信息。
需要说明的是,在选择行业级别进行匹配计算时,不限于3级和4级的行业级别,可以根据具体需要设置预设条件,可以选择其他行业级别的行业信息。
本公开实施例中,通过标准行业分类信息构建行业树图谱,将行业树图谱中的行业级别满足预设条件的行业信息作为匹配计算所采用的行业信息,可以使企业的行业分类更加正规。
在一种可能的实现方式中,根据匹配结果,确定目标企业的行业信息,包括:
在匹配结果包括多个相似度的情况下,将超过相似度阈值的相似度对应的行业信息确定为目标企业的行业信息。
在实际应用中,根据具体需要预先设置相似度阈值,在匹配结果包括多个相似度的情况下,将超过相似度阈值的相似度对应的行业信息,确定为目标企业的行业信息。在对目标企业的所有文本子句匹配完成后,得到多个匹配的行业信息,对这些匹配的行业信息去重后,得到目标企业所对应的行业信息。
本公开实施例中,将超过相似度阈值的相似度对应的行业信息确定为目标企业的行业信息,可以使目标企业匹配到满足实际需要的行业信息。
图2为本公开一实施例中企业的行业信息确定方法的流程图。如图2所示,该方法包括:
步骤S201,获取目标企业的企业经营信息;
步骤S202,对企业经营信息中的文本进行拆分,得到多个文本短句;
步骤S203,对于每一文本短句,确定文本短句中各词的词性和各词之间的依存关系,根据各词的词性和各词之间的依存关系,确定文本短句对应的多个关键词;
步骤S204,对于每一文本短句对应的多个关键词,根据多个关键词的词性和多个关键词之间的依存关系,对多个关键词进行重组,得到多个文本子句;
步骤S205,对于每一文本子句,确定文本子句与多个行业的行业信息的第一相似度,根据多个第一相似度,确定文本子句对应的多个候选行业信息;
步骤S206,分别确定文本子句和多个候选行业信息中各词的词性;
步骤S207,确定文本子句和多个候选行业信息中相同词性的词的第二相似度;
步骤S208,根据多个第一相似度和多个第二相似度,确定匹配结果;
步骤S209,在匹配结果包括多个相似度的情况下,将超过相似度阈值的相似度对应的行业信息确定为目标企业的行业信息。
本公开实施例提供的企业的行业信息确定方法,通过对企业经营信息中的文本进行重组,将重组得到的多个文本子句分别与预先获取的多个行业的行业信息进行匹配,确定目标企业的行业信息,匹配准确率较高,不需要训练分类器,节省人力物力和计算资源。
图3为本公开一实施例中企业的行业信息确定方法的示意图。本实施例中,企业经营信息为企业经营范围描述文本,行业信息为行业节点,标准行业分类信息为官方文件。基于句法词法分析的企业经营范围预处理包括:对企业经营信息中的文本进行拆分,得到多个文本短句;对于每一文本短句,确定文本短句中各词的词性和各词之间的依存关系,根据各词的词性和各词之间的依存关系,确定文本短句对应的多个关键词;对于每一文本短句对应的多个关键词,根据多个关键词的词性和多个关键词之间的依存关系,对多个关键词进行重组,得到多个文本子句。利用官方文件构造行业树图谱,将行业树图谱中的行业级别满足预设条件的行业信息确定为多个行业的行业信息。相似度粗匹配包括:确定文本子句与多个行业的行业信息的第一相似度,根据多个第一相似度,确定文本子句对应的多个候选行业信息。基于句法分析的细匹配包括:分别确定文本子句和多个候选行业信息中各词的词性;确定文本子句和多个候选行业信息中相同词性的词的第二相似度;根据多个第一相似度和多个第二相似度,确定匹配结果。在匹配结果包括多个相似度的情况下,将超过相似度阈值的相似度对应的行业信息确定为目标企业的行业信息,如图中所示的“企业与行业节点结果”。
图4为本公开一实施例中将企业经营信息中的文本重组为文本子句的示意图。本实施例中,企业经营信息为企业经营范围描述文本。文本去噪包括:将企业经营范围描述文本进行去噪处理,去除噪声词。长文本分句包括,将长文本根据标点符号,拆分为多个文本短句。基于句法词法分析的企业经营内容子句提取包括:利用NLPC词法句法分析模型,对文本短句进行句法和词法的分析,从而得到文本短句中不同词之间的依存关系,同时可以对每个词进行词性标注,根据依存关系和词性对短句进行拆解得到多个关键词。对于每一文本短句对应的多个关键词,根据多个关键词的词性和多个关键词之间的依存关系,对多个关键词进行重组,得到多个文本子句,构成子句集合。
图5为本公开一实施例中的文本子句和行业信息的匹配过程的示意图。如图5所示,子句集合为根据目标企业的企业经营信息得到的多个文本子句,利用ERNIE-Sim模型计算文本子句与行业树3、4级节点对应的行业信息的相似度,根据多个相似度,确定Top-n个候选行业节点。利用NLPC词性标注模型对文本子句和行业节点中的各词标注词性,得到多个有相同词性的词对,利用词相似度模型计算相同词性的相似度,计算文本子句与Top-n个候选行业节点的相似度与相同词性相似度的均值,得到多个平均相似度得分S,取最大的相似度得分S对应的行业节点对应的行业信息为目标企业匹配的行业信息。
图6为本公开一实施例中企业的行业信息确定装置的示意图。如图6所示,企业的行业信息确定装置可以包括:
获取模块601,用于获取目标企业的企业经营信息;
重组模块602,用于对企业经营信息中的文本进行重组,得到多个文本子句;
匹配模块603,用于将多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果;
确定模块604,用于根据匹配结果,确定目标企业的行业信息。
本公开实施例提供的企业的行业信息确定装置,获取目标企业的企业经营信息;对企业经营信息中的文本进行重组,得到多个文本子句;将多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果;根据匹配结果,确定目标企业的行业信息。本公开技术方案,通过对企业经营信息中的文本进行重组,将重组得到的多个文本子句分别与预先获取的多个行业的行业信息进行匹配,确定目标企业的行业信息,匹配准确率较高,不需要训练分类器,节省人力物力和计算资源。
在一种可能的实现方式中,重组模块602包括拆分单元和重组单元;
拆分单元,用于对企业经营信息中的文本进行拆分,得到多个关键词;
重组单元,用于将多个关键词进行重组,得到多个文本子句。
在一种可能的实现方式中,拆分单元,具体用于:
对企业经营信息中的文本进行拆分,得到多个文本短句;
对于每一文本短句,确定文本短句中各词的词性和各词之间的依存关系,根据各词的词性和各词之间的依存关系,确定文本短句对应的多个关键词。
在一种可能的实现方式中,重组单元,具体用于:
对于每一文本短句对应的多个关键词,根据多个关键词的词性和多个关键词之间的依存关系,对多个关键词进行重组,得到多个文本子句。
在一种可能的实现方式中,匹配模块603,具体用于:
对于每一文本子句,确定文本子句与多个行业的行业信息的第一相似度,根据多个第一相似度,确定文本子句对应的多个候选行业信息,根据文本子句和多个候选行业信息,确定匹配结果。
在一种可能的实现方式中,匹配模块603在根据文本子句和多个候选行业信息,确定匹配结果时,用于:
分别确定文本子句和多个候选行业信息中各词的词性;
确定文本子句和多个候选行业信息中相同词性的词的第二相似度;
根据多个第一相似度和多个第二相似度,确定匹配结果。
在一种可能的实现方式中,还包括构建模块,用于:
获取标准行业分类信息,根据标准行业分类信息,构建行业树图谱,行业树图谱包括多个行业信息和对应的行业级别;
将行业树图谱中的行业级别满足预设条件的行业信息确定为多个行业的行业信息。
在一种可能的实现方式中,确定模块604,具体用于:
在匹配结果包括多个相似度的情况下,将超过相似度阈值的相似度对应的行业信息确定为目标企业的行业信息。
本公开实施例各装置中的各单元、模块或子模块的功能可以参见上述方法实施例中的对应描述,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和信息。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/信息。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如企业的行业信息确定方法。例如,在一些实施例中,企业的行业信息确定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的企业的行业信息确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行企业的行业信息确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收信息和指令,并且将信息和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程信息处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为信息服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字信息通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种企业的行业信息确定方法,所述方法包括:
获取目标企业的企业经营信息;
对所述企业经营信息中的文本进行重组,得到多个文本子句;
将所述多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果;
根据所述匹配结果,确定所述目标企业的行业信息。
2.根据权利要求1所述的方法,其中,所述对所述企业经营信息中的文本进行重组,得到多个文本子句,包括:
对所述企业经营信息中的文本进行拆分,得到多个关键词;
将所述多个关键词进行重组,得到多个文本子句。
3.根据权利要求2所述的方法,其中,所述对所述企业经营信息中的文本进行拆分,得到多个关键词,包括:
对所述企业经营信息中的文本进行拆分,得到多个文本短句;
对于每一文本短句,确定所述文本短句中各词的词性和各词之间的依存关系,根据所述各词的词性和各词之间的依存关系,确定所述文本短句对应的多个关键词。
4.根据权利要求3所述的方法,其中,所述将所述多个关键词进行重组,得到多个文本子句,包括:
对于每一文本短句对应的多个关键词,根据所述多个关键词的词性和所述多个关键词之间的依存关系,对所述多个关键词进行重组,得到多个文本子句。
5.根据权利要求1所述的方法,其中,所述将所述多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果,包括:
对于每一文本子句,确定所述文本子句与所述多个行业的行业信息的第一相似度,根据多个所述第一相似度,确定所述文本子句对应的多个候选行业信息,根据所述文本子句和所述多个候选行业信息,确定匹配结果。
6.根据权利要求5所述的方法,其中,所述根据所述文本子句和所述多个候选行业信息,确定匹配结果,包括:
分别确定所述文本子句和所述多个候选行业信息中各词的词性;
确定所述文本子句和所述多个候选行业信息中相同词性的词的第二相似度;
根据多个所述第一相似度和多个所述第二相似度,确定匹配结果。
7.根据权利要求1-6任一项所述的方法,还包括:
获取标准行业分类信息,根据所述标准行业分类信息,构建行业树图谱,所述行业树图谱包括多个行业信息和对应的行业级别;
将所述行业树图谱中的行业级别满足预设条件的行业信息确定为所述多个行业的行业信息。
8.根据权利要求1-6任一项所述的方法,其中,所述根据所述匹配结果,确定所述目标企业的行业信息,包括:
在所述匹配结果包括多个相似度的情况下,将超过相似度阈值的相似度对应的行业信息确定为所述目标企业的行业信息。
9.一种企业的行业信息确定装置,所述装置包括:
获取模块,用于获取目标企业的企业经营信息;
重组模块,用于对所述企业经营信息中的文本进行重组,得到多个文本子句;
匹配模块,用于将所述多个文本子句分别与预先获取的多个行业的行业信息进行匹配,得到匹配结果;
确定模块,用于根据所述匹配结果,确定所述目标企业的行业信息。
10.根据权利要求9所述的装置,其中,所述重组模块包括拆分单元和重组单元;
所述拆分单元,用于对所述企业经营信息中的文本进行拆分,得到多个关键词;
所述重组单元,用于将所述多个关键词进行重组,得到多个文本子句。
11.根据权利要求10所述的装置,其中,所述拆分单元,具体用于:
对所述企业经营信息中的文本进行拆分,得到多个文本短句;
对于每一文本短句,确定所述文本短句中各词的词性和各词之间的依存关系,根据所述各词的词性和各词之间的依存关系,确定所述文本短句对应的多个关键词。
12.根据权利要求11所述的装置,其中,所述重组单元,具体用于:
对于每一文本短句对应的多个关键词,根据所述多个关键词的词性和所述多个关键词之间的依存关系,对所述多个关键词进行重组,得到多个文本子句。
13.根据权利要求9所述的装置,其中,所述匹配模块,具体用于:
对于每一文本子句,确定所述文本子句与所述多个行业的行业信息的第一相似度,根据多个所述第一相似度,确定所述文本子句对应的多个候选行业信息,根据所述文本子句和所述多个候选行业信息,确定匹配结果。
14.根据权利要求13所述的装置,其中,所述匹配模块在根据所述文本子句和所述多个候选行业信息,确定匹配结果时,用于:
分别确定所述文本子句和所述多个候选行业信息中各词的词性;
确定所述文本子句和所述多个候选行业信息中相同词性的词的第二相似度;
根据多个所述第一相似度和多个所述第二相似度,确定匹配结果。
15.根据权利要求9-14任一项所述的装置,还包括构建模块,用于:
获取标准行业分类信息,根据所述标准行业分类信息,构建行业树图谱,所述行业树图谱包括多个行业信息和对应的行业级别;
将所述行业树图谱中的行业级别满足预设条件的行业信息确定为所述多个行业的行业信息。
16.根据权利要求9-14任一项所述的装置,其中,所述确定模块,具体用于:
在所述匹配结果包括多个相似度的情况下,将超过相似度阈值的相似度对应的行业信息确定为所述目标企业的行业信息。
17.一种电子设备,其特征在于,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至少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,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210209443.6A CN114625834A (zh) | 2022-03-04 | 2022-03-04 | 企业的行业信息确定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210209443.6A CN114625834A (zh) | 2022-03-04 | 2022-03-04 | 企业的行业信息确定方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114625834A true CN114625834A (zh) | 2022-06-14 |
Family
ID=81900249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210209443.6A Pending CN114625834A (zh) | 2022-03-04 | 2022-03-04 | 企业的行业信息确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114625834A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115239214A (zh) * | 2022-09-23 | 2022-10-25 | 建信金融科技有限责任公司 | 企业的评估处理方法、装置及电子设备 |
CN117035695A (zh) * | 2023-10-08 | 2023-11-10 | 之江实验室 | 一种信息预警的方法、装置、可读存储介质以及电子设备 |
-
2022
- 2022-03-04 CN CN202210209443.6A patent/CN114625834A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115239214A (zh) * | 2022-09-23 | 2022-10-25 | 建信金融科技有限责任公司 | 企业的评估处理方法、装置及电子设备 |
CN115239214B (zh) * | 2022-09-23 | 2022-12-27 | 建信金融科技有限责任公司 | 企业的评估处理方法、装置及电子设备 |
CN117035695A (zh) * | 2023-10-08 | 2023-11-10 | 之江实验室 | 一种信息预警的方法、装置、可读存储介质以及电子设备 |
CN117035695B (zh) * | 2023-10-08 | 2024-03-05 | 之江实验室 | 一种信息预警的方法、装置、可读存储介质以及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114625834A (zh) | 企业的行业信息确定方法、装置及电子设备 | |
CN114495143B (zh) | 一种文本对象识别方法、装置、电子设备及存储介质 | |
CN114579104A (zh) | 数据分析场景的生成方法、装置、设备及存储介质 | |
CN112989023A (zh) | 标签推荐方法、装置、设备、存储介质及计算机程序产品 | |
CN112541070A (zh) | 槽位更新语料的挖掘方法、装置、电子设备和存储介质 | |
CN112989235A (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN113128209A (zh) | 用于生成词库的方法及装置 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN112560425B (zh) | 模板生成方法、装置、电子设备及存储介质 | |
CN112948573A (zh) | 文本标签的提取方法、装置、设备和计算机存储介质 | |
CN117271884A (zh) | 确定推荐内容的方法、装置、电子设备及存储介质 | |
CN116644148A (zh) | 关键词识别方法、装置、电子设备及存储介质 | |
CN115309867A (zh) | 一种文本处理方法、装置、设备及介质 | |
CN114461748A (zh) | 标签抽取方法、装置、存储介质以及电子设备 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN114528378A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN114138976A (zh) | 数据处理与模型训练方法、装置、电子设备和存储介质 | |
CN113239273A (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN113378015A (zh) | 搜索方法、装置、电子设备、存储介质和程序产品 | |
CN114186552B (zh) | 文本分析方法、装置、设备及计算机存储介质 | |
CN113111187B (zh) | 一种用工平台评论挖掘的方法及系统 | |
CN113032540B (zh) | 人机交互方法、装置、设备和存储介质 | |
CN114330364B (zh) | 模型训练方法、意图识别方法、装置和电子设备 | |
CN114398469A (zh) | 搜索词权重的确定方法、装置及电子设备 | |
CN107122392B (zh) | 词库构建方法、识别搜索需求的方法及相关装置 |
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 |