[發明專利]利用知識圖譜計算文本和主體相關度的方法以及裝置

有效

• 申請號: 201810567101.5
• 申請日: 2018-06-05
• 公開（公告）號: CN109033132B
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 孫雨軒;吳成龍;周劼人
• 申請（專利權）人: 中證征信（深圳）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/284
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種利用知識圖譜計算文本和主體相關度的方法以及裝置，所述方法包括：獲取文本；對文本進行分詞處理，提取文本中出現的關鍵詞集合，通過預先建立的知識圖譜，檢索與關鍵詞相關聯的企業主體，以將所述與關鍵詞相關聯的企業主體作為候選的企業集合，其中，所述知識圖譜包括目標節點信息、相關聯的節點信息、所述目標節點信息與所述相關聯的節點信息之間的關系及關聯性權重，所述目標節點信息包括第一企業主體信息，所述相關聯的節點信息包括與所述第一主體企業主體信息相關聯的第二主體信息、產品或自然人信息；根據所述候選的企業集合中的候選的企業主體關聯的關鍵詞出現的詞頻計算文本與所述候選的企業主體的關聯度。

技術領域

本發明涉及一種利用知識圖譜計算文本和主體相關度的方法以及裝置。

背景技術

在信息時代，海量數據的獲取和處理分析是一大難點。在一些行業(例如金融行業)，人們關注企業各個維度的信息，用以幫助經營投資等決策。一方面，市場參與者需要更廣、更全的數據，另一方面，也要求這些數據能夠及時地被處理。企業輿情信息是市場參與者重點關注的一個維度，作為一種非結構化文本信息，輿情信息具有數據分散、數據量大、數據格式復雜、及時性強等特點。因此，利用技術手段，如自然語言處理，對這類數據進行高效地處理并提取有價值信息，是眾多金融從業者的需求。面對紛繁復雜的輿情信息，如何將其和關注的企業關聯起來，篩掉價值不大或跟主體不相關的信息，是進行數據分析和挖掘的重要一步。

將文本信息和企業主體關聯，常見的方法，是構建企業主體的關鍵詞庫，包括企業的工商名稱、企業簡稱、企業上市代碼等，并以此為準，在文本信息庫進行關鍵詞匹配檢索，將匹配到的文本作為該企業主體的相關信息。該類方法，一方面需要提前構建較全的企業關鍵詞庫作為檢索依據；另一方面，對匹配檢索得到的結果，進行關聯程度排序也效果不佳，往往出現文本中出現了關鍵詞，卻不是該企業的信息，因此依然會有較多的冗余信息；同時，通過關鍵詞直接匹配關聯，對于企業的重點關聯企業的重要信息也會疏漏，造成信息丟失。

發明內容

針對上述現有技術的不足，本發明所要解決的技術問題是：提供一種利用知識圖譜計算文本和主體相關度的方法以及裝置，能夠在對海量文本分析時，對傳統單用關鍵詞匹配的方式進行了優化。結合知識圖譜方法，能夠對目標主體關聯和文本信息進行關聯程度進行量化，豐富了文本信息和目標主體的關聯維度，為后續進一步分析提供基礎。

為解決上述技術問題，本發明采用的一個技術方案是：提供一種利用知識圖譜計算文本與企業主體相關度的方法，包括以下步驟：

獲取文本；

對文本進行分詞處理，提取文本中出現的關鍵詞集合，通過預先建立的知識圖譜，檢索與關鍵詞相關聯的企業主體，以將所述與關鍵詞相關聯的企業主體作為候選的企業集合，其中，所述知識圖譜包括目標節點信息、相關聯的節點信息、所述目標節點信息與所述相關聯的節點信息之間的關系及關聯性權重，所述目標節點信息包括第一企業主體信息，所述相關聯的節點信息包括與所述第一主體企業主體信息相關聯的第二主體信息、產品或自然人信息；

根據所述候選的企業集合中的候選的企業主體關聯的關鍵詞出現的詞頻計算文本與所述候選的企業主體的關聯度。

進一步的，在對文本進行分詞處理，提取文本中出現的關鍵詞集合，通過預先建立的知識圖譜，檢索與關鍵詞相關聯的企業主體，以將所述與關鍵詞相關聯的企業主體作為候選的企業集合的步驟中，包括：

對文本進行分詞處理，得到所有的關鍵詞以形成關鍵詞集合，所述關鍵詞集合記為K，在所述知識圖譜中搜索所述關鍵詞集合K中的關鍵詞，獲取與所述關鍵詞集合K相關聯的企業主體，以將所述與關鍵詞相關聯的企業主體作為候選的企業集合，所述候選的企業集合記為C。

進一步的，在根據所述候選的企業集合中的候選的企業主體關聯的關鍵詞出現的詞頻計算文本與所述候選的企業主體的關聯度的步驟中，包括：

令F為關鍵詞集合K的詞頻矩陣：