[发明专利]企业多级行业信息的确定方法、装置及计算机设备

权利要求书

1.一种企业多级行业信息的确定方法，其特征在于，包括：

创建包含各个行业关键词的行业词典，其中，所述行业词典包括行业关键词之间的多级拓扑关系；

对目标企业的企业经营数据进行预处理，得到目标文本句；

将所述目标文本句与所述行业关键词进行信息匹配，并依据匹配结果确定所述目标企业对应的目标多级行业。

2.根据权利要求1所述的方法，其特征在于，所述创建包含各个行业关键词的行业词典，包括：

基于TF-IDF算法提取标准行业书中的行业关键词；

根据语料库识别各个所述行业关键词的词性，并基于所述词性将所述行业关键词划分为不同属性的判定词列；

根据各个多级行业与对应的所述判定词列构建行业词典。

3.根据权利要求2所述的方法，其特征在于，所述TF-IDF算法包括：第一计算公式和第二计算公式，所述基于TF-IDF算法提取标准行业书中的行业关键词，包括：

根据所述第一计算公式计算在所述标准行业书中各个多级行业信息所包含词语的词频；

根据所述第二计算公式计算在所述标准行业书中各个多级行业信息所包含词语的逆向文件频率；

基于所述词频以及所述逆向文件频率，确定各个词语对应所属多级行业的相关度；

将所述相关度大于第一预设阈值的词语确定为行业关键词。

4.根据权利要求3所述的方法，其特征在于，所述第一计算公式的特征描述为：

其中，TF_ij为词语i的词频，ni,j为词语i在多级行业信息dj中出现的次数，为多级行业信息dj中所有词语的数量之和；

所述第二计算公式的特征描述为：

其中，IDF_i为词语ti的逆向文件频率，|D|为所述标准行业书中多级行业信息的总数量，|{j:ti∈dj}|+1表示包含词语ti的多级行业信息的数量。

5.根据权利要求4所述的方法，其特征在于，所述基于所述词频以及所述逆向文件频率，确定各个词语对应所属多级行业的相关度，包括：

计算同一词语对应的所述词频和所述逆向文件频率的乘积，将所述乘积确定为所述词语对应所属多级行业的相关度。

6.根据权利要求1所述的方法，其特征在于，所述对目标企业的企业经营数据进行预处理，得到目标文本句，包括：

按照预设字符对企业经营数据进行断句处理，获取得到各个文本句；

剔除所述文本句中预设标识内的第一特殊文字信息以及包含预设字段的第二特殊文字信息，得到各个目标文本句。

7.根据权利要求6所述的方法，其特征在于，将所述目标文本句与所述行业关键词进行信息匹配，并依据匹配结果确定所述目标企业对应的目标多级行业，包括：

将所述目标文本句分别与各个多级行业对应的判定词列进行匹配；

若所述判定词列包括名词判定词列和动词判定词列，则计算所述目标文本句与所述名词判定词列中各个行业关键词的第一相似度，以及所述目标文本句与所述动词判定词列中各个行业关键词的第二相似度；

若确定所述名词判定词列中存在与所述目标文本句相似度大于第一预设阈值的第一行业关键词，且所述动词判定词列中存在与所述目标文本句相似度大于第二预设阈值的第二行业关键词，则将所述判定词列对应的所述多级行业确定为所述目标企业对应的目标多级行业；或

若判定词列包括名词判定词列、动词判定词列和形容词判定词列，则计算所述目标文本句与所述名词判定词列中各个行业关键词的第三相似度、所述目标文本句与所述动词判定词列中各个行业关键词的第四相似度，以及所述目标文本句与所述形容词判定词列中各个行业关键词的第五相似度；

若确定所述名词判定词列中存在与所述目标文本句相似度大于第三预设阈值的第三行业关键词，且所述动词判定词列中存在与所述目标文本句相似度大于第四预设阈值的第四行业关键词，且所述形容词判定词列中存在与所述目标文本句相似度大于第五预设阈值的第五行业关键词，则将所述判定词列对应的所述多级行业确定为所述目标企业对应的目标多级行业。