[发明专利]行业类别判断方法、装置、电子设备及存储介质

权利要求书

1.一种行业类别判断方法，其特征在于，包括：

获取业务主体的经营许可文本信息以及营业场所图像信息；

根据所述经营许可文本信息以及经营许可文本信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别，得到第一行业类别；

根据所述营业场所图像信息以及营业场所图像信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别，得到第二行业类别；

在所述第一行业类别与所述第二行业类别一致时，将所述第一行业类别或第二行业类别确定为所述业务主体的行业类别。

2.根据权利要求1所述的行业类别判断方法，其特征在于，在所述根据所述经营许可文本信息以及经营许可文本信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别之前，还包括：

根据已知经营许可文本信息及对应的行业类别对神经网络模型进行训练，得到所述经营许可文本信息与行业类别之间的映射模型。

3.根据权利要求2所述的行业类别判断方法，其特征在于，所述根据已知的经营许可文本信息及对应的行业类别对神经网络模型进行训练，得到所述经营许可文本信息与行业类别之间的映射模型，包括：

通过卷积层提取所述已知经营许可文本信息的特征点信息作为所述神经网络模型的输入；

通过卷积层提取所述行业类别的特征点信息作为所述神经网络模型的输出；

通过隐含层调整所述神经网络模型的权重值；以及

通过全连接层对各特征点信息进行分类，得到所述经营许可文本信息与行业类别之间的映射模型。

4.根据权利要求3所述的行业类别判断方法，其特征在于，所述神经网络模型至少包括以下一种：fasttext算法模型、CNN深度学习模型和RNN深度学习模型。

5.根据权利要求1所述的行业类别判断方法，其特征在于，在所述根据所述营业场所图像信息以及营业场所图像信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别之前，还包括：

根据已知营业场所图像信息及对应的行业类别对神经网络模型进行训练，得到所述营业场所图像信息与行业类别之间的映射模型。

6.根据权利要求5所述的行业类别判断方法，其特征在于，所述根据已知的图像营业场所图像信息及对应的行业类别对神经网络模型进行训练，得到所述营业场所图像信息与行业类别之间的映射模型，包括：

通过卷积运算提取所述已知营业场所图像信息的特征点信息作为所述神经网络模型的输入；

通过卷积运算提取所述行业类别的特征点信息作为所述神经网络模型的输出；

通过隐含层调整所述神经网络模型的权重值；以及

通过全连接层对各特征点信息进行分类，得到所述营业场所图像信息与行业类别之间的映射模型。

7.根据权利要求1所述的行业类别判断方法，其特征在于，所述获取业务主体的经营许可文本信息包括：

对所述业务主体的营业执照图像进行文本识别，得到所述经营许可文本信息。

8.根据权利要求1所述的行业类别判断方法，其特征在于，所述根据所述经营许可文本信息以及经营许可文本信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别，得到第一行业类别，包括：

根据所述经营许可文本信息以及经营许可文本信息与行业类别之间的映射模型，判别所述业务主体属于各行业类别的概率值；以及

根据所述各行业类别的概率值确定所述第一行业类别。

9.根据权利要求1所述的行业类别判断方法，其特征在于，还包括：

在所述第一行业类别包括所述第二行业类别时，将第二行业类别确定为所述业务主体的行业类别。