[發明專利]一種基于主題的分類方法及裝置

有效

• 申請號: 201710560996.5
• 申請日: 2017-07-11
• 公開（公告）號: CN107402984B
• 公開（公告）日: 2018-11-20
• 發明（設計）人: 張快;程浩;柳超
• 申請（專利權）人: 北京金堤科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;曹杰

1.一種基于主題的分類方法，其特征在于，包括：

獲取公司信息；

根據所述公司信息，獲取與每個公司對應的特征詞集合；

根據所述特征詞集合，構建包含有第一概率的似然度函數，其中，所述第一概率為每個公司歸屬于K個主題分類中的一個分類m的概率；

將使所述似然度函數達到最大值的第一概率作為目標第一概率，并獲取每個公司的主題特征向量，所述主題特征向量包括所述目標第一概率；

根據所述主題特征向量，計算每兩個公司的相似度，并將所述相似度高于相似度閾值的每兩個公司歸屬于同一主題分類；

所述似然度函數還包含第二概率；相應的，根據所述特征詞集合，構建包含有第一概率和第二概率的似然度函數，包括：

根據如下公式構建所述似然度函數：

其中，為第一概率；θ_mj為第二概率、所述第二概率為主題分類為m的公司具有特征詞j的概率；K為主題分類的總分類數；m為主題分類中的第m個主題分類；C為所有公司；i為所有公司C中的第i個公司；F_C為第i個公司中的所有特征詞；j為所有特征詞F_C中的第j個特征詞。

2.根據權利要求1所述的方法，其特征在于，所述根據所述主題特征向量，計算每兩個公司的相似度，包括：

根據如下公式計算每兩個公司的相似度：

其中，T₁為第一個公司的主題特征向量，T₂為第二個公司的主題特征向量，|T₁|為第一個公司的主題特征向量值；|T₂|為第二個公司的主題特征向量值。

3.根據權利要求1或2所述的方法，其特征在于，所述方法還包括：

若所述公司是由同一指定人作為高管和/或股東，則根據所述同一主題分類的分類結果，區分所述同一指定人。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

若檢測到與所述同一指定人同名的新公司，獲取所述新公司的第一信息；

根據所述第一信息，獲取與所述新公司對應的新特征詞集合；

根據所述新特征詞集合，計算每一主題分類的所有第二概率之和；

將K個所述所有第二概率之和相加，以獲得全部主題分類的第二概率總和；

計算所述每一主題分類的所有第二概率之和與所述全部主題分類的第二概率總和的比值，并將所有的K個比值組成新公司的新主題特征向量；

依次計算所述新主題特征向量和原有公司的每一主題特征向量的第一相似度，將數值最大的第一相似度作為目標第一相似度；

將所述目標第一相似度對應的原有公司的主題分類作為所述新公司的主題分類。

5.一種基于主題的分類裝置，其特征在于，包括：

第一獲取單元，用于獲取公司信息；

第二獲取單元，用于根據所述公司信息，獲取與每個公司對應的特征詞集合；

構建單元，用于根據所述特征詞集合，構建包含有第一概率的似然度函數，其中，所述第一概率為每個公司歸屬于K個主題分類中的一個分類m的概率；

確定單元，用于將使所述似然度函數達到最大值的第一概率作為目標第一概率，并獲取每個公司的主題特征向量，所述主題特征向量包括所述目標第一概率；

歸類單元，用于根據所述主題特征向量，計算每兩個公司的相似度，并將所述相似度高于相似度閾值的每兩個公司歸屬于同一主題分類；

所述似然度函數還包含第二概率；相應的，所述構建單元具體用于：

根據如下公式構建所述似然度函數：

其中，為第一概率；θ_mj為第二概率、所述第二概率為主題分類為m的公司具有特征詞j的概率；K為主題分類的總分類數；m為主題分類中的第m個主題分類；C為所有公司；i為所有公司C中的第i個公司；F_C為第i個公司中的所有特征詞；j為所有特征詞F_C中的第j個特征詞。