[發(fā)明專利]一種提取智能家居行業(yè)動態(tài)信息的方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011344856.2
• 申請日: 2020-11-26
• 公開（公告）號: CN112464668A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設計）人: 王元曉;蔣秋霞
• 申請（專利權）人: 南京數(shù)脈動力信息技術有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/211;G06F16/35;G06F16/34;G06N3/04;G06N3/08
• 代理公司: 北京衛(wèi)智暢科專利代理事務所(普通合伙) 11557
• 代理人: 陳佳

本發(fā)明提出一種提取智能家居行業(yè)動態(tài)信息的方法和系統(tǒng)，基于智能家居領域，在行業(yè)動態(tài)數(shù)據(jù)捕捉提取任務上，提出構建一套自動化行業(yè)動態(tài)趨勢捕捉并自動生成報告的方法。可以在文章結構化信息抽取上，基于智能家居行業(yè)背景提出一種結合行業(yè)先驗知識和自然語言處理序列標注的智能化行業(yè)動態(tài)數(shù)據(jù)提取方式，同時結合基于深度學習的文本分類模型和多類指標的段落摘要提取，自動生成行業(yè)研究報告。而且本發(fā)明是機器學習算法和智能家居行業(yè)業(yè)務特征深度結合，經(jīng)過大量實踐摸索研究的具有較好預測效果的自然語言分析業(yè)務流程，算法高效，針對性強，工序流程高度契合數(shù)據(jù)分析業(yè)務，抽取數(shù)據(jù)并生成報告成功率較高的流程。

技術領域

本發(fā)明涉及計算機技術領域，特別是涉及一種提取智能家居行業(yè)動態(tài)信息的方法和系統(tǒng)。

背景技術

智能家居行業(yè)作為互聯(lián)網(wǎng)時代的新興產(chǎn)業(yè)，伴隨5G和物聯(lián)網(wǎng)技術的高速發(fā)展呈現(xiàn)出了更強的增長趨勢，如何基于市場最新發(fā)展動態(tài)及時做出反應和決策，成為抓住智能家居市場的關鍵。智能家居行業(yè)動態(tài)的主要來源是互聯(lián)網(wǎng)資訊文章，傳統(tǒng)的行業(yè)動態(tài)分析借助人工在龐大的文章報告中閱讀查找相關數(shù)據(jù)，并進行整理記錄，例如通過人工翻閱各大新聞類網(wǎng)站和媒體，從中選取有用信息組成行業(yè)周報和行業(yè)月報，這個工作需要由專門的人員每周花費2-3個工作日進行資料查找、篩選、排版等工作，需要消耗大量人力資源。同時，用戶意圖識別的任務可以抽象為自然語言處理中的文本分類任務，可以使用相關算法實現(xiàn)自動意圖識別代替人工識別操作。文本分類是指對給定的非結構化文本，根據(jù)相應的分類算法或模型，得到文本對應的類別，用于相關判斷。而傳統(tǒng)的機器學習算法基于人工特征工程提取文本特征，在文本分類上的準確率和魯棒性上都存在一定局限，且基于傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡的深度學習算法對于訓練數(shù)據(jù)的質量要求也較高。

發(fā)明內容

鑒于以上所述現(xiàn)有技術的缺點，本發(fā)明的目的在于提供一種提取智能家居行業(yè)動態(tài)信息的方法和系統(tǒng)，用于解決現(xiàn)有技術中存在的技術問題。

為實現(xiàn)上述目的及其他相關目的，本發(fā)明提供一種提取智能家居行業(yè)動態(tài)信息的方法，包括以下步驟：

通過網(wǎng)絡爬蟲自動獲取與智能家居行業(yè)關聯(lián)的資訊文章，并存儲至數(shù)據(jù)庫中；

對獲取的資訊文章進行清洗，并對清洗后的資訊文章進行詞性標注和命名實體識別；

在完成實體識別以及對資訊文章進行的詞性標注后，根據(jù)中文的詞性句法和知識庫中的先驗關系，從資訊文章中提取出結構化數(shù)據(jù)組合；

將歷史時刻智能家居行業(yè)研究報告中各個板塊的文章作為訓練數(shù)據(jù)，訓練深度卷積神經(jīng)網(wǎng)絡文本分類模型，并利用訓練后的深度卷積神經(jīng)網(wǎng)絡文本分類模型確定清洗后的資訊文章是否屬于智能家居行業(yè)動態(tài)信息，以及確定清洗后的資訊文章屬于智能家居行業(yè)中哪個子板塊；

對清洗后的資訊文章進行打分，并從清洗后的資訊文章中選取目標段落作為智能家居行業(yè)研究報告中的文章摘要；

使用歷史時刻智能家居行業(yè)研究報告作為模板，根據(jù)所述結構化數(shù)據(jù)組合、各個子板塊動態(tài)資訊文章和文章摘要定期構建智能家居行業(yè)研究報告。

可選地，包括利用目標函數(shù)確定清洗后的資訊文章屬于智能家居行業(yè)中哪個子板塊；所述目標函數(shù)的表達式如下：

其中為資訊文章被預測為第t種智能家居子板塊種類的概率，γ表示權重的陡峭程度，α表示不同類別之間的比例。

可選地，若負樣本的很小，而正樣本的很大時，所述深度卷積神經(jīng)網(wǎng)絡文本分類模型開始集中關注正樣本。

可選地，所述結構化數(shù)據(jù)組合包括：時間、銷量、金額、增長、產(chǎn)品、機構和企業(yè)。

可選地，對清洗后的資訊文章進行打分，包括按照預先定制的評分標準對文章段落的位置、長度、數(shù)詞量、關鍵詞頻進行打分。