[发明专利]一种行业分类模型训练方法、分类方法与装置

说明书

本发明实施例涉及大数据处理领域，尤其涉及一种行业分类模型训练方法、分类方法与装置，方法包括：客户端构建领域词词库，领域词词库由领域词的文本和对应的所属领域组成。客户端根据领域词词库，对包括企业名称和标签类别的训练文本集合处理，包括对企业名称进行分词和语义增强，得到企业名称的词向量特征，其中企业名称的词向量特征由企业名称分词之后的各个词向量加权组合得到的。最终，客户端根据企业名称的词向量特征和标签类别，对用于行业分类的分类器进行训练，得到有监督的机器学习多分类模型，该模型可以实现基于企业简称完成该企业的行业分类，既保证了企业分类的准确性，又能够提高处理效率。

技术领域

本发明实施例涉及大数据处理领域，尤其涉及一种行业分类模型训练方法、分类方法与装置。

背景技术

随着经济的迅速发展，信用卡越来越多的渗透到人们的日常生活中。信用卡是一种非现金交易付款方式，是一种简单的信贷服务。在信用卡申请时，申请人需要填写就职企业名称和企业对应的行业类型，其中申请人所在行业是评估其风险及精准营销需要考虑的重要因素。但是在实际申请中，由于部分申请人的主观性，容易出现企业名称填写不全、行业类型填错的情况。为此，商业银行的审核人员需耗费大量时间成本进行核对，效率低下。

为此，亟需一种行业分类模型训练、分类方法与装置，以减少人力成本投入，提高企业分类的准确率。

发明内容

本发明实施例提供了一种行业分类模型训练方法、分类方法和装置，该方法可以提供一种行业分类模型，该模型可以实现基于企业简称完成该企业的行业分类，既保证了企业分类的准确性，又能够提高处理效率。

第一方面，本发明实施例提供一种行业分类模型训练方法，包括：

客户端构建领域词词库，领域词词库包括领域和领域词的对应关系，领域包括地名、企业专名、企业属性和固定表达。进一步地，客户端根据领域词词库，对训练文本集合进行处理，包括对企业名称进行分词和语义增强，得到企业名称的词向量特征，其中企业名称的词向量特征由企业名称分词之后的各个词向量加权组合得到的，训练文本集合包括企业名称的标签类别。再进一步地，客户端根据修正后的训练文本集合中的企业名称的词向量特征和标签类别，用于行业分类的分类器进行训练，得到有监督的机器学习多分类模型。

本发明实施例中，客户端根据领域词词库对训练文本中的企业名称进行分词，确定出企业名称的词向量特征，再根据对应的标签类别进行模型训练，确定出分类模型，实现只需根据用户将企业名称输入该分类模型中，即可得到对应的行业分类结果，也就是该企业名对应的标签类别，帮助提高对企业名称的分类效率。

可选地，客户端根据企业名称的组成规则，对收集的企业名称集合中的各类领域词和所属领域进行识别，得到领域词词库。

本发明实施例中，客户端根据外部辅助词库确定出初始领域词词典，其中：根据行政区划辞典确定出企业名称中的领域词，并确定对应的所属领域为地名；根据国家统计局行业分类标准确定出企业名称中的领域词，并确定对应的所属领域为企业属性。

进一步地，客户端可以根据初始领域词词典对企业名称进行分词，接着根据新词发现确定出企业名称中共现概率大于第一阈值的高频领域词，并对离散词进行拼接，确定出其余候选的低频领域词，接着使用原始训练文本和词向量训练方法训练出上述领域词和其余候选领域词对应的词向量特征；对词向量特征进行聚类，确定出领域词对应的所属领域，最终确定出各个领域词及各个领域词的所属领域的领域词词库。

可选地，客户端对训练文本集合中的企业名称进行分词之后，得到企业名称的词向量特征之前，对分词之后的企业名称中的企业属性领域词和企业专名领域词进行语义增强。

本发明实施例中，客户端还对分词后的企业名称进行语义增强，帮助强化企业名称中的重要信息的特征，帮助训练出更准确的分类模型，提高模型分类效率。