[发明专利]一种基于词向量的企业所属新兴产业分类方法

权利要求书

1.一种基于词向量的企业所属新兴产业分类方法，其特征在于，包括以下步骤：

步骤1：获得输入的新兴产业，根据新兴产业的名称在互联网上获得相关信息；根据新兴产业相关信息利用Textrank算法得到候选关键词，获得新兴产业的候选关键词；根据候选关键词利用K-means算法聚类获得新兴产业聚类关键词；

步骤2：从官方网站获取企业经营范围，根据企业经营范围得到企业经营词库；根据企业经营词库，对新兴产业聚类关键词进行扩展，得到新兴产业关键词词库；

步骤3：根据企业经营词库，获得词语的逆文档频率权重；

步骤4：根据待分类企业经营范围与新兴产业关键词词库，得到基础评估分数；根据基础评估分数，得到综合评估分数；根据综合评估分数，得到企业分类分数；根据企业分类分数，得到企业所属新兴产业分类结果。

2.根据权利要求1所述的基于词向量的企业所属新兴产业分类方法，其特征在于：

步骤1所述新兴产业为：

Ind_p

p∈[1，M]

其中，Ind_p表示第p个新兴产业的名称，M表示新兴产业的数量；

步骤1所述根据新兴产业的名称在互联网上获得相关信息：

将Ind_p作为关键词在互联网上利用爬虫技术自动检索Ind_p的相关信息，记为表示第p个新兴产业的相关信息；

步骤1所述根据新兴产业相关信息利用Textrank算法得到候选关键词，获得新兴产业的候选关键词：

利用Textrank算法从中提取关键词，得到Ind_p的候选关键词，记为：

key_p＝[w_p，1，w_p，2，…，w_p，D]

其中，key_p表示第p个新兴产业的候选关键词，w_p，d表示第p个新兴产业的第d个候选关键词，d∈[1，D]，D表示候选关键词的数量；

步骤1所述根据候选关键词利用K-means算法聚类获得新兴产业聚类关键词：

使用word2vec技术将key_p中所有词语映射到多维词向量空间：

key_p＝[w_p，1，w_p，2，…，w_p，D]

其中，w2v(·)表示将词语转换成词向量的函数，key_p表示第p个新兴产业的候选关键词，w_p，d表示第p个新兴产业的第d个候选关键词；

使用K-means对w2v(key_p)进行聚类得到新兴产业聚类关键词，聚类的数量为：

其中，K_p表示第p个新兴产业的聚类的数量，表示向下取整符号，Len(key_p)表示第p个新兴产业的候选关键词总数；

所述新兴产业聚类关键词为：

D_p，q[k]

p∈[1，M]，q∈[1，K_p]，k∈[1，L_p，q]

其中，D_p，q[k]表示第p个新兴产业中第q个聚类结果组成的关键词数组中第k个关键词，M表示新兴产业的数量，K_p表示第p个新兴产业的聚类总数，L_p，q表示第p个新兴产业中第q个聚类结果的关键词的总数。