[發(fā)明專利]行業(yè)信息獲取方法和裝置、電子設(shè)備和介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911115346.5
• 申請(qǐng)日: 2019-11-14
• 公開（公告）號(hào): CN111104791A
• 公開（公告）日: 2020-05-05
• 發(fā)明（設(shè)計(jì)）人: 胡作海;杜波;周晗;范成;柳超
• 申請(qǐng)（專利權(quán)）人: 北京金堤科技有限公司
• 主分類號(hào): G06F40/216
• 分類號(hào): G06F40/216;G06F40/289;G06F40/30;G06F16/35;G06F16/335;G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 北京思源智匯知識(shí)產(chǎn)權(quán)代理有限公司 11657
• 代理人: 毛麗琴

本公開實(shí)施例公開了一種行業(yè)信息獲取方法和裝置、電子設(shè)備和介質(zhì)，其中，方法包括：將待識(shí)別對(duì)象輸入神經(jīng)網(wǎng)絡(luò)，利用所述神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)所述待識(shí)別對(duì)象中的行業(yè)詞匯，之后，從行業(yè)目錄信息中獲取與所述待識(shí)別對(duì)象中的行業(yè)詞匯匹配的行業(yè)詞匯中文本長(zhǎng)度最長(zhǎng)的行業(yè)詞匯，進(jìn)而基于所述文本長(zhǎng)度最長(zhǎng)的行業(yè)詞匯確定所述待識(shí)別對(duì)象的行業(yè)信息。本公開實(shí)施例實(shí)現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的行業(yè)信息獲取，可用于經(jīng)濟(jì)實(shí)體的分類、搜索服務(wù)和實(shí)體推薦中。

技術(shù)領(lǐng)域

本公開涉及自然語言處理和及其學(xué)習(xí)計(jì)算領(lǐng)域，尤其是一種行業(yè)信息獲取方法和裝置、電子設(shè)備和介質(zhì)。

背景技術(shù)

經(jīng)濟(jì)實(shí)體(例如公司、合伙制企業(yè)、個(gè)人獨(dú)資企業(yè)、個(gè)體戶等)名稱中包含很多信息，例如經(jīng)濟(jì)實(shí)體名稱中通常包含字號(hào)、地址、行業(yè)和公司后綴等信息。

在實(shí)現(xiàn)本公開的過程中，本發(fā)明人通過研究發(fā)現(xiàn)，經(jīng)濟(jì)實(shí)體名稱中的行業(yè)信息有很大的利用價(jià)值，它較為精準(zhǔn)地確定了經(jīng)濟(jì)實(shí)體的所屬行業(yè)或主營(yíng)業(yè)務(wù)范圍，這對(duì)經(jīng)濟(jì)實(shí)體的分類，搜索服務(wù)和實(shí)體推薦等具體應(yīng)用有很大的幫助。因此，從經(jīng)濟(jì)實(shí)體名稱中獲取行業(yè)信息是一項(xiàng)有價(jià)值的工作。

現(xiàn)有的行業(yè)信息獲取方法，主要依靠規(guī)則和積累的方式。其中，由于人工定義的規(guī)則無法包含所有的命名方式，獲取方法缺少泛化能力，使得依靠規(guī)則方式獲取的行業(yè)詞匯存在不準(zhǔn)確的情況，獲取的行業(yè)詞匯不完整、不準(zhǔn)確。而通過積累方式形成的行業(yè)信息目錄缺乏對(duì)新行業(yè)詞匯的發(fā)現(xiàn)能力，無法獲取新的行業(yè)詞匯。

發(fā)明內(nèi)容

有鑒于此，本公開實(shí)施例提供一種行業(yè)信息獲取方法和裝置、電子設(shè)備和介質(zhì)。

本公開實(shí)施例提供的一種行業(yè)信息獲取方法，包括：

將待識(shí)別對(duì)象輸入神經(jīng)網(wǎng)絡(luò)，利用所述神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)所述待識(shí)別對(duì)象中的行業(yè)詞匯；

從行業(yè)目錄信息中獲取與所述待識(shí)別對(duì)象中的行業(yè)詞匯匹配的行業(yè)詞匯中文本長(zhǎng)度最長(zhǎng)的行業(yè)詞匯；

基于所述文本長(zhǎng)度最長(zhǎng)的行業(yè)詞匯確定所述待識(shí)別對(duì)象的行業(yè)信息。

可選地，在本公開上述各方法實(shí)施例中，所述訓(xùn)練樣本包括以下任意一項(xiàng)或多項(xiàng)的名稱：公司，合伙制企業(yè)，個(gè)人獨(dú)資企業(yè)，個(gè)體戶。

可選地，在本公開上述各方法實(shí)施例中，所述行業(yè)目錄信息基于所述神經(jīng)網(wǎng)絡(luò)對(duì)多個(gè)待識(shí)別對(duì)象預(yù)測(cè)的行業(yè)詞匯構(gòu)建得到。

可選地，在本公開上述各方法實(shí)施例中，所述行業(yè)目錄信息包括至少一個(gè)層級(jí)的行業(yè)詞匯，較高層級(jí)的行業(yè)詞匯的文本長(zhǎng)度小于較低層級(jí)的行業(yè)詞匯的文本長(zhǎng)度；

基于所述神經(jīng)網(wǎng)絡(luò)對(duì)多個(gè)待識(shí)別對(duì)象預(yù)測(cè)的行業(yè)詞匯構(gòu)建得到所述行業(yè)目錄信息，包括：

基于所述神經(jīng)網(wǎng)絡(luò)分別預(yù)測(cè)多個(gè)待識(shí)別對(duì)象中的行業(yè)詞匯；

識(shí)別所述多個(gè)待識(shí)別對(duì)象中的行業(yè)詞匯的文本長(zhǎng)度和相互之間包含關(guān)系，將文本長(zhǎng)度最短的行業(yè)詞匯作為最高層級(jí)的目錄，按照文本長(zhǎng)度較短的行業(yè)詞匯包含于文本長(zhǎng)度較長(zhǎng)的行業(yè)詞匯、文本長(zhǎng)度較短的行業(yè)詞匯的層級(jí)高于文本長(zhǎng)度較長(zhǎng)的行業(yè)詞匯的層級(jí)的原則，基于所述多個(gè)待識(shí)別對(duì)象中的行業(yè)詞匯架構(gòu)至少一個(gè)層級(jí)的目錄，得到所述行業(yè)目錄信息。

可選地，在本公開上述各方法實(shí)施例中，所述基于所述神經(jīng)網(wǎng)絡(luò)分別預(yù)測(cè)多個(gè)待識(shí)別對(duì)象中的行業(yè)詞匯之后，還包括：

對(duì)所述多個(gè)待識(shí)別對(duì)象中的行業(yè)詞匯進(jìn)行聚類；

所述識(shí)別所述多個(gè)待識(shí)別對(duì)象中的行業(yè)詞匯的文本長(zhǎng)度和相互之間包含關(guān)系，包括：識(shí)別聚類后的所述多個(gè)待識(shí)別對(duì)象中的行業(yè)詞匯的文本長(zhǎng)度和相互之間包含關(guān)系，以基于聚類后的所述多個(gè)待識(shí)別對(duì)象中的行業(yè)詞匯架構(gòu)至少一個(gè)層級(jí)的目錄，得到所述行業(yè)目錄信息。

可選地，在本公開上述各方法實(shí)施例中，還包括：

按照預(yù)設(shè)周期獲取至少一個(gè)新增待識(shí)別對(duì)象；