[发明专利]企业名称智能分类的方法及系统

权利要求书

1.一种企业名称智能分类的方法，其特征在于，包括：

对企业名称文本数据进行人工标注，得到原始数据集；

对所述原始数据集进行数据预处理；

使用TF-IDF模型对预处理后的所述原始数据集进行特征提取，使用one-hot编码和word2vec模型将提取的特征转为词向量；

将所述词向量分别投入到Capsule模型、TextCNN模型和LightGBM模型进行训练和测试，测试结果达到预设精度的则停止训练并保存相应模型，否则重新进行训练和测试；

载入训练完成的Capsule模型、TextCNN模型和LightGBM模型并投入所述词向量进行预测，分别得到第一预测结果、第二预测结果和第三预测结果；

采用智能投票机制对所述第一预测结果、第二预测结果和第三预测结果进行投票决策，得到最终预测结果；

将所述最终预测结果返回至前台服务端，与用户进行交互。

2.如权利要求1所述的企业名称智能分类的方法，其特征在于，所述数据预处理包括句子长度填充、分词、去停用词和名词代换。

3.如权利要求1所述的企业名称智能分类的方法，其特征在于，所述智能投票机制包括最差机制和少数服从多数机制，所述最差机制为：当第一预测结果、第二预测结果和第三预测结果中出现最低评级时，则所述最终预测结果直接为最低评级；

所述少数服从多数机制为：当第一预测结果、第二预测结果和第三预测结果都不是最低评级时，根据所述少数服从多数机制投票选出所述最终预测结果。

4.一种企业名称智能分类的系统，其特征在于，包括：

标注模块，对企业名称文本数据进行人工标注，得到原始数据集；

文本分类模块，包括：

预处理单元，对所述原始数据集进行数据预处理；

特征提取单元，使用TF-IDF模型对预处理后的所述原始数据集进行特征提取，使用one-hot编码和word2vec模型将提取的特征转为词向量；

模型训练单元，将所述词向量分别投入到Capsule模型、TextCNN模型和LightGBM模型进行训练和测试，测试结果达到预设精度的则停止训练并保存相应模型，否则重新进行训练和测试；

预测单元，载入训练完成的Capsule模型、TextCNN模型和LightGBM模型并投入所述词向量进行预测，分别得到第一预测结果、第二预测结果和第三预测结果；

智能投票调度模块，采用智能投票机制对所述第一预测结果、第二预测结果和第三预测结果进行投票决策，得到最终预测结果；

HTTP数据交换模块，将所述最终预测结果传送给前台服务端；

前台服务端，与用户进行交互。

5.如权利要求4所述的企业名称智能分类的系统，其特征在于，所述预处理单元包括句子长度填充单元、分词单元、去停用词单元和名词代换单元。

6.如权利要求4所述的企业名称智能分类的系统，其特征在于，所述智能投票调度模块包括：

最差机制单元，当第一预测结果、第二预测结果和第三预测结果中出现最低评级时，则所述最差机制单元直接给出最低评级的所述最终预测结果；

投票单元，当第一预测结果、第二预测结果和第三预测结果都不是最低评级时，所述投票单元根据少数服从多数机制投票选出所述最终预测结果。