[發明專利]輿情文本篩選方法及裝置

在審

• 申請號: 202011066126.0
• 申請日: 2020-09-30
• 公開（公告）號: CN112199588A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 魏曉茹
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/2458;G06F40/216;G06F40/289;G06Q10/06;G06Q50/26
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種輿情文本篩選方法，其特征在于，所述方法包括：

獲取工商企業名稱，將所述工商企業名稱進行分詞處理以得到組成所述工商企業名稱的多個分詞，其中，所述工商企業名稱為目標企業的企業全稱；

獲取所述多個分詞中每個分詞在預設工商企業名稱集合中的詞頻TF值和逆向文件頻率IDF值，以及獲取每個分詞在所述工商企業名稱中的相對位置值，其中，任一分詞的相對位置值等于所述任一分詞的分詞出現順序與分詞數量的比值；

根據各分詞的相對位置值、TF值和IDF值確定各個分詞的權重值，根據各個分詞的權重值從所述多個分詞中確定出至少兩個關鍵詞，并將所述至少兩個關鍵詞進行組合以得到所述工商企業名稱對應的至少一個企業簡稱；

將多個輿情文本中包括所述企業簡稱的輿情文本確定為與所述目標企業相關聯的目標輿情文本。

2.根據權利要求1所述的方法，其特征在于，所述根據各分詞的相對位置值、TF值和IDF值確定各個分詞的權重值，包括：

將由各分詞的相對位置值組成的相對位置值序列、各分詞的TF值組成的TF值序列，以及各分詞的IDF值組成的IDF值序列輸入分詞權重計算模型，以得到所述分詞權重計算模型輸出的各分詞對應的權重值，其中，所述分詞權重計算模型H滿足其中，x為分詞的相對位置值，k、n、p為所述分詞權重計算模型的模型參數，所述分詞權重計算模型根據所述預設工商企業名稱集合中包括的各工商企業名稱對應的相對位置值序列、TF值序列和IDF值序列，以及預設的權重值序列訓練得到。

3.根據權利要求1或2所述的方法，其特征在于，所述根據各個分詞的權重值從所述多個分詞中確定出至少兩個關鍵詞，包括：

將所述各分詞對應的權重值進行降序排列，獲取降序排列后的前k個權重值對應的k個分詞作為關鍵詞，其中，k＝[max(w*50％,2)]，且k為整數，w為分詞數量。

4.根據權利要求1或2所述的方法，其特征在于，所述根據各個分詞的權重值從所述多個分詞中確定出至少兩個關鍵詞，包括：

獲取預設權重閾值，從各權重值對應的各分詞中獲取不小于所述預設權重閾值的分詞作為關鍵詞。

5.根據權利要求1所述的方法，其特征在于，所述將所述至少兩個關鍵詞進行組合以得到所述工商企業名稱對應的至少一個企業簡稱，包括：

從所述至少兩個關鍵詞中隨機確定出兩個關鍵詞；

將隨機確定出的兩個關鍵詞中相對位置值較小的關鍵詞確定為第一關鍵詞，將隨機確定出的兩個關鍵詞中相對位置值較大的關鍵詞確定為第二關鍵詞；

將所述第一關鍵詞和所述第二關鍵詞進行拼接以組成所述工商企業名稱對應的企業簡稱。

6.根據權利要求1所述的方法，其特征在于，所述將多個輿情文本中包括所述企業簡稱的輿情文本確定為與所述目標企業相關聯的目標輿情文本，包括：

獲取多個輿情文本，基于隱馬爾可夫模型從各輿情文本中提取出企業名稱；

當從任一輿情文本中提取出的企業名稱與所述企業簡稱匹配時，將所述任一輿情文本確定為與所述目標企業相關聯的目標輿情文本。

7.根據權利要求6所述的方法，其特征在于，所述當從任一輿情文本中提取出的企業名稱與所述企業簡稱匹配時，將所述任一輿情文本確定為與所述目標企業相關聯的目標輿情文本，包括：

分別統計從各輿情文本中提取出的各企業名稱的企業名稱數量；

獲取企業名稱數量閾值，將任一輿情文本中企業名稱數量大于所述企業名稱數量閾值的企業名稱確定為與所述任一輿情文本強關聯的企業名稱；

若與所述任一輿情文本強關聯的企業名稱與所述企業簡稱匹配，則將所述任一輿情文本確定為與所述目標企業相關聯的目標輿情文本。