[發明專利]基于NLP的行業政策信息處理方法、裝置、設備及介質

有效

• 申請號: 202011548337.8
• 申請日: 2020-12-24
• 公開（公告）號: CN112632964B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 潘文磊;田野
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/289;G06F40/295;G06F16/31;G06F16/33
• 代理公司: 深圳國新南方知識產權代理有限公司 44374
• 代理人: 周純

本發明的基于NLP的行業政策信息處理方法、裝置、設備及介質，通過構建行業政策信息的主標簽特征和副標簽特征，根據主標簽特征和副標簽特征將所述行業政策信息與預先設置的標簽體系進行匹配，分別得到領域標簽、方向標簽和周期標簽；將所述行業政策信息與行業研究報告進行映射匹配，提取行業研究報告中與所述行業政策信息相關的核心文字信息，進行情感分值計算；再根據領域標簽、方向標簽、周期標簽和情感分值輸出結果；通過上述方式，提高了數據分析效率，并且充分挖掘行業政策信息自身屬性特征以及行業研究報告共同實現了行業政策信息影響力領域、周期、大小和方向的多維度分析，并實現了影響力大小的量化，提高了行業政策信息的數據分析準確性。

【技術領域】

本發明涉及數據處理技術領域，尤其涉及一種基于NLP的行業政策信息處理方法、裝置、設備及介質。

【背景技術】

隨著大數據技術的發展，對各類型數據的具體分析在各方面有著重要影響，以政府發布的各項監管政策為例，由于政府對經濟社會發展起著重要宏觀調控作用，政府包括很多的職能機構，每個職能機構每一次發布的行業政策信息，都會對行業、企業以及產品產生一定程度的影響，短期可對行業發展產生沖擊效應，長期可引領行業發展方向，對資產配置、行業發展預測等具有重要指導意義。

對于政府各項行業政策信息，現有技術的處理方式能實現的是政策文本的獲取與管理，具體的影響范圍，一般需要通過分析者對政策文件的層層解讀與分析才能得到，數據分析效率不高，數據分析準確性不高。

【發明內容】

本發明的目的在于提供一種基于NLP的行業政策信息處理方法、裝置、設備及介質，以解決現有技術中數據分析效率低以及數據分析準確性低的技術問題。

本發明的技術方案如下：提供一種基于NLP的行業政策信息處理方法，包括：

對行業政策信息進行關鍵信息提取，得到政策關鍵信息，根據所述政策關鍵信息構建主標簽特征，根據所述行業政策信息中所述政策關鍵信息以外的其他信息構建副標簽特征；

根據所述主標簽特征和所述副標簽特征將所述行業政策信息與預定義的標簽體系進行標簽匹配，分別從所述標簽體系中獲取與所述行業政策信息對應的領域標簽、方向標簽和周期標簽，其中，所述標簽體系包括領域標簽組、方向標簽組以及周期標簽組；

將所述行業政策信息與行業研究報告進行映射匹配，并提取行業研究報告的核心文本信息，計算所述核心文本信息的情感分值；

根據所述行業政策信息對應的領域標簽、方向標簽和周期標簽、所述核心文本信息的數量以及所述核心文本信息的情感分值確定行業政策信息的分析結果。

優選地，所述對行業政策信息進行關鍵信息提取，得到政策關鍵信息，根據所述政策關鍵信息構建主標簽特征，根據所述行業政策信息中所述政策關鍵信息以外的其他信息構建副標簽特征，包括：

獲取所述行業政策信息的高頻詞和關鍵詞，確定所述高頻詞和所述關鍵詞中均包括的交集詞匯；

獲取所述行業政策信息的關鍵短語和關鍵句；

獲取所述行業政策信息中以大寫數字或小寫數字開頭的核心語句；

根據所述高頻詞和所述關鍵詞的交集詞匯、所述關鍵短語、所述關鍵句和所述核心語句構建所述主標簽特征；

將所述高頻詞和所述關鍵詞的交集詞匯和所述關鍵短語所在的語句、所述關鍵句和所述核心語句分別從所述行業政策信息中剔除，根據剩余段落構建所述副標簽特征。

優選地，在預定義的標簽體系中，所述領域標簽組為領域標簽樹，所述領域標簽樹包括多個根節點，每個所述根節點包括至少一層子節點，所述領域標簽樹中每個節點對應一個領域標簽；所述方向標簽組為方向標簽樹，所述方向標簽樹包括多個根節點，每個根節點對應一個方向標簽；所述周期標簽組為周期標簽樹，所述周期標簽樹包括多個根節點，每個根節點對應一個周期標簽；