[发明专利]一种基于LSTM深度学习的企业国民行业类别预测方法及系统

权利要求书

1.一种基于LSTM深度学习的企业国民行业类别预测方法，其特征在于，所述方法包括以下操作：

获取企业经营范围以及行业类别基础数据，进行预处理获得有效数据；

通过分词工具对有效数据进行分词，获得数据集；

加载数据集，提取数据集特征，将企业经营范围处理成单词索引序列，单词与序号一一对应，将处理后的企业经营范围数据划分训练集和测试集；

搭建深度学习模型，模型中embedding层用word2vec模型中的词向量替换，形成二维向量，将词向量按顺序输入LSTM层中，输出一维向量，通过全连接神经网络层将向量长度收缩为国民经济行业分类的类别数；

设置模型参数，对训练集进行模型训练；

输入测试集的数据和标签，进行测试模型的预测，输出预测结果。

2.根据权利要求1所述的一种基于LSTM深度学习的企业国民行业类别预测方法，其特征在于，所述基础数据的获取包括：

通过网络爬虫从国家工商总局网站爬取部分企业的经营范围以及行业类别；

通过使用特定的接口获取某省部分企业的经营范围以及行业类别。

3.根据权利要求1所述的一种基于LSTM深度学习的企业国民行业类别预测方法，其特征在于，所述数据预处理包括：

数据清洗，包括处理缺失值、平滑噪声值、识别和处理异常值；

对于清洗后的数据进行数据集成。

4.根据权利要求1所述的一种基于LSTM深度学习的企业国民行业类别预测方法，其特征在于，所述embedding层替换后矩阵形状为：单词数*行长度。

5.根据权利要求1所述的一种基于LSTM深度学习的企业国民行业类别预测方法，其特征在于，所述设置模型参数包括训练模型迭代轮次、每次梯度更新的样本数以及交叉验证集的大小。

6.一种基于LSTM深度学习的企业国民行业类别预测系统，其特征在于，所述系统包括：

数据获取模块，用于获取企业经营范围以及行业类别基础数据，进行预处理获得有效数据；

分词模块，用于通过分词工具对有效数据进行分词，获得数据集；

数据集获取模块，用于加载数据集，提取数据集特征，将企业经营范围处理成单词索引序列，单词与序号一一对应，将处理后的企业经营范围数据划分训练集和测试集；

模型搭建模块，用于搭建深度学习模型，模型中embedding层用word2vec模型中的词向量替换，形成二维向量，将词向量按顺序输入LSTM层中，输出一维向量，通过全连接神经网络层将向量长度收缩为国民经济行业分类的类别数；

模型训练模块，用于设置模型参数，对训练集进行模型训练；

预测模块，用于输入测试集的数据和标签，进行测试模型的预测，输出预测结果。

7.根据权利要求6所述的一种基于LSTM深度学习的企业国民行业类别预测系统，其特征在于，所述基础数据的获取包括：

通过网络爬虫从国家工商总局网站爬取部分企业的经营范围以及行业类别；

通过使用特定的接口获取某省部分企业的经营范围以及行业类别。

8.根据权利要求6所述的一种基于LSTM深度学习的企业国民行业类别预测系统，其特征在于，所述数据预处理包括：

数据清洗，包括处理缺失值、平滑噪声值、识别和处理异常值；

对于清洗后的数据进行数据集成。

9.根据权利要求6所述的一种基于LSTM深度学习的企业国民行业类别预测系统，其特征在于，所述embedding层替换后矩阵形状为：单词数*行长度。

10.根据权利要求6所述的一种基于LSTM深度学习的企业国民行业类别预测系统，其特征在于，所述设置模型参数包括训练模型迭代轮次、每次梯度更新的样本数以及交叉验证集的大小。