[发明专利]企业描述信息获取方法、装置、电子设备及存储介质

权利要求书

1.一种企业描述信息获取方法，其特征在于，所述企业描述信息获取方法包括：

确定待提取企业网页；

根据预设的多个标签，提取所述待提取企业网页中的多个段落文本；

根据多个所述段落文本的文本长度，对多个所述段落文本进行排序，获得排序文本；

根据预先训练好的语言模型，从所述排序文本中获取企业描述信息，其中，所述语言模型用于输出所述排序文本为企业描述信息的概率，

所述确定待提取企业网页之前，所述企业描述信息获取方法还包括：

获取预设企业网页；

提取所述预设企业网页的主体文本以及描述文本，其中，所述主体文本为所述预设企业网页中的主体标签中的文本内容，所述描述文本为所述预设企业网页中的元数据标签中的网页描述部分的文本内容；

获取所述主体文本的标注信息，其中，所述标注信息用于标注所述主体文本为企业描述信息或用于标注所述主体文本不为企业描述信息；

根据预设规则，对所述描述文本进行过滤，获得过滤文本，其中，针对每个所述描述文本，判断所述描述文本的长度是否在预设长度阈值范围内，若所述描述文本的长度在预设长度阈值范围内，判断所述描述文本的语义是否完整，若所述描述文本的语义完整，确定所述描述文本为过滤文本；

将所述主体文本以及所述标注信息确定为第一样本；

将所述过滤文本确定为第二样本；

根据预设的权重，使用所述第一样本以及所述第二样本，对预设的预训练模型进行再训练，获得训练好的语言模型，其中，所述权重用于调整损失函数的损失值，所述第一样本对应的权重大于所述第二样本对应的权重。

2.根据权利要求1所述的企业描述信息获取方法，其特征在于，所述排序文本按照文本长度从长到短的排列顺序进行排序，所述根据预先训练好的语言模型，从所述排序文本中获取企业描述信息包括：

从所有所述排序文本中，按照所述排列顺序，依次将排序文本输入至所述语言模型中，获得所述排序文本为企业描述信息的概率，并在所述概率大于预设概率阈值时，确定所述排序文本为目标文本；

实时统计所述目标文本的数量；

判断所述目标文本的数量是否大于第一预设数量阈值；

若所述目标文本的数量大于第一预设数量阈值，输出为企业描述信息的概率最大的目标文本作为企业描述信息。

3.根据权利要求2所述的企业描述信息获取方法，其特征在于，所述企业描述信息获取方法还包括：

若所述目标文本的数量大于第一预设数量阈值，判断输入至所述语言模型的排序文本是否为所有所述排序文本；

若输入至所述语言模型的排序文本不为所有所述排序文本，停止将所有所述排序文本中除了所述输入至所述语言模型的排序文本之外的剩余排序文本输入值所述语言模型。

4.根据权利要求1所述的企业描述信息获取方法，其特征在于，所述多个标签包括页面描述标签、段落标签、行内标签以及区块标签,其中，所述页面描述标签为类名为网页描述的元数据标签，所述段落标签用于定义段落，所述行内标签用于将文本的一部分或者文档的一部分独立出来，所述区块标签用于定义网页文档中的一个分隔区块或者一个区域部分。

5.根据权利要求4所述的企业描述信息获取方法，其特征在于，所述根据预设的多个标签，提取所述待提取企业网页中的多个段落文本包括：

从所述待提取企业网页中，获取页面描述标签对应的段落文本、段落标签对应的段落文本以及行内标签对应的段落文本；

判断所有段落文本的总数量是否大于或等于第二预设数量阈值；

若所有段落文本的总数量小于第二预设数量阈值，从所述待提取企业网页中，获取区块标签对应的段落文本。