[发明专利]新闻主体企业识别方法、电子设备及计算机可读存储介质

说明书

技术领域

本发明涉及计算机信息技术领域，尤其涉及一种新闻主体企业识别方法、电子设备及计算机可读存储介质。

背景技术

在进行新闻的主体企业识别时，有时识别出的主体是作为媒体企业在新闻中出现，并不是真正作为主体企业出现。针对这种将媒体企业错误识别为新闻中的主体企业的现状，现有技术中无法精确判断该企业是否是该篇新闻的主体企业还是作为媒体报道企业出现。故，现有技术中的新闻主体企业识别方法设计不够合理，亟需改进。

发明内容

有鉴于此，本发明提出一种新闻主体企业识别方法、电子设备及计算机可读存储介质，通过对识别出的企业名称进一步确定其属于主体企业还是媒体企业，提升了新闻主体企业识别的准确率。

首先，为实现上述目的，本发明提出一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的新闻主体企业识别系统，所述新闻主体企业识别系统被所述处理器执行时实现如下步骤：

通过预定的训练模型对收集的训练样本进行迭代训练，提取该训练样本的特征信息；

获取待预测新闻文档，识别出该待预测新闻文档中的企业名称，并根据提取的训练样本的特征信息，分别计算该待预测新闻文档属于第一类新闻的概率和属于第二类新闻的概率；及

根据所述计算出的第一类新闻概率和第二类新闻概率的大小，确定该待预测新闻文档中识别出的企业名称属于第一类企业名称或是第二类企业名称。

优选地，所述训练样本的特征信息包括：某类新闻中的文档数量、训练样本中总的文档数量、某类新闻下文档中的词汇频数、及某类新闻中总的词汇数量。

优选地，文档属于某类新闻的概率＝训练样本随机抽取一个文档属于某类新闻的概率×某类新闻下文档中的词汇频数与总词汇的比例。

优选地，该待预测新闻文档属于第一类新闻的概率＝第一类新闻中的文档数量与训练样本中总的文档数量之间的比值乘以第一类新闻下文档中的词汇频数与第一类新闻中总的词汇数量之间的比值；及

该待预测新闻文档属于第二类新闻的概率＝第二类新闻中的文档数量与训练样本中总的文档数量之间的比值乘以第二类新闻下文档中的词汇频数与第二类新闻中总的词汇数量之间的比值。

优选地，所述确定该待预测新闻文档中识别出的企业名称属于第一类企业名称或是第二类企业名称包括：

若所述计算出的第一类新闻概率大于或等于第二类新闻概率，则确定该待预测新闻文档中识别出的企业名称属于第一类企业名称；及

若所述计算出的第一类新闻概率小于第二类新闻概率，则确定该待预测新闻文档中识别出的企业名称属于第二类企业名称。

此外，为实现上述目的，本发明还提供一种新闻主体企业识别方法，该方法应用于电子设备，所述方法包括：

通过预定的训练模型对收集的训练样本进行迭代训练，提取该训练样本的特征信息；

获取待预测新闻文档，识别出该待预测新闻文档中的企业名称，并根据提取的训练样本的特征信息，分别计算该待预测新闻文档属于第一类新闻的概率和属于第二类新闻的概率；及

根据所述计算出的第一类新闻概率和第二类新闻概率的大小，确定该待预测新闻文档中识别出的企业名称属于第一类企业名称或是第二类企业名称。

优选地，所述训练样本的特征信息包括：某类新闻中的文档数量、训练样本中总的文档数量、某类新闻下文档中的词汇频数、及某类新闻中总的词汇数量；其中，文档属于某类新闻的概率＝训练样本随机抽取一个文档属于某类新闻的概率×某类新闻下文档中的词汇频数与总词汇的比例。

优选地，该待预测新闻文档属于第一类新闻的概率＝第一类新闻中的文档数量与训练样本中总的文档数量之间的比值乘以第一类新闻下文档中的词汇频数与第一类新闻中总的词汇数量之间的比值；及

该待预测新闻文档属于第二类新闻的概率＝第二类新闻中的文档数量与训练样本中总的文档数量之间的比值乘以第二类新闻下文档中的词汇频数与第二类新闻中总的词汇数量之间的比值。

优选地，所述确定该待预测新闻文档中识别出的企业名称属于第一类企业名称或是第二类企业名称包括：

若所述计算出的第一类新闻概率大于或等于第二类新闻概率，则确定该待预测新闻文档中识别出的企业名称属于第一类企业名称；及

若所述计算出的第一类新闻概率小于第二类新闻概率，则确定该待预测新闻文档中识别出的企业名称属于第二类企业名称。