[發明專利]一種基于關鍵詞提取分析的企業關系計算方法及系統

有效

• 申請號: 201710354039.7
• 申請日: 2017-05-18
• 公開（公告）號: CN107341142B
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 辛柯俊
• 申請（專利權）人: 辛柯俊
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30
• 代理公司: 北京中企鴻陽知識產權代理事務所(普通合伙) 11487
• 代理人: 郭鴻雁

1.一種基于關鍵詞提取分析的企業關系計算方法，其特征在于，包括如下步驟：

步驟S1，獲取文本信息T1，并獲取所述文本信息包含的段落數；

步驟S2，計算文本信息T1中每個段落的字數Cn以及所有段落的字數平均值CV，提取出Cn/CV大于等于某個閾值k的段落文字，組裝成為一個新的文字段落T2；

步驟S3，設定詞典，并設置所述詞典中的詞語為引導詞，根據設置的引導詞對所述文本信息進行一次搜索，將文本中的語句在此摘錄出一個新的文本T3；

步驟S4，對所述T1、T2和T3分別提取關鍵短語，得到L1、L2和L3三個短語序列；

步驟S5，將L1、L2和L3分別設置對應的權重值a、b和c，從三個短語序列中檢查出重復詞語，根據重復詞語出現的次數與所在序列的權重值的乘積作為得分值，不重復的詞語的得分值即為所在序列的權重值，其中，根據得分值進行排序，得到新的序列L4，作為特征詞；

步驟S6，將企業之間共同的關鍵短語作為連接點連接不同的企業，以形成企業之間的關聯關系，通過企業間的關聯關系圖，向用戶提供企業之間的相互關系，再進行結構化加工即可顯示競爭關系和上下游關系。

2.如權利要求1所述的基于關鍵詞提取分析的企業關系計算方法，其特征在于，在所述步驟S4中，所述對T1、T2和T3分別提取關鍵短語，采用以下算法實現：

TextRank算法、基于最大熵模型自動提取算法、基于決策樹或基于樸素貝葉斯的機器學習方法、基于詞的語義相似性度量的語言處理方法。

3.如權利要求2所述的基于關鍵詞提取分析的企業關系計算方法，其特征在于，提取關鍵詞的多個算法，限定只篩選出名詞、動名詞、和專有名詞。

4.一種基于關鍵詞提取分析的企業關系計算系統，其特征在于，包括：

文本信息獲取模塊，用于獲取文本信息包含的段落數；

文本字數平均值計算模塊，用于計算文本信息T1中每個段落的字數Cn以及所有段落的字數平均值CV，提取出Cn/CV大于等于某個閾值k的段落文字，組裝成為一個新的文字段落T2；

詞典設定模塊，用于設置所述詞典中的詞語為引導詞，根據設置的引導詞對所述文本信息進行一次搜索，將文本中的語句在此摘錄出一個新的文本T3；

短語序列提取模塊，用于對所述T1、T2和T3分別提取關鍵短語，得到L1、L2和L3三個短語序列；

權重值計算模塊，用于將L1、L2和L3分別設置對應的權重值a、b和c，從三個短語序列中檢查出重復詞語，根據重復詞語出現的次數與所在序列的權重值的乘積作為得分值，不重復的詞語的得分值即為所在序列的權重值，其中，所述權重值計算模塊根據得分值進行排序，得到新的序列L4，作為特征詞；

企業關聯模塊，用于將企業之間共同的關鍵短語作為連接點連接不同的企業，以形成企業之間的關聯關系，向用戶提供企業之間的相互關系，再進行結構化加工即可顯示競爭關系和上下游關系。

5.如權利要求4所述的基于關鍵詞提取分析的企業關系計算系統，其特征在于，所述短語序列提取模塊對所述T1、T2和T3分別提取關鍵短語，采用以下算法實現：

TextRank算法、基于最大熵模型自動提取算法、基于決策樹或基于樸素貝葉斯的機器學習方法、基于詞的語義相似性度量的語言處理方法。

6.如權利要求4所述的基于關鍵詞提取分析的企業關系計算系統，其特征在于，所述短語序列提取模塊采用的提取關鍵詞的多個算法，限定只篩選出名詞、動名詞、和專有名詞。