[发明专利]企业行业信息处理方法、装置、电子设备及可读存储介质

权利要求书

1.一种企业行业信息处理方法，其特征在于，包括：

获得行业分类体系，其中所述行业分类体系被构建为多级树状结构，所述多级树状结构的每一级结构包括多个行业类别，并且所述多级树状结构的上一级结构的每个上一级行业类别分别对应下一级结构中的一个行业类别范围，其中所述行业类别范围包括一个以上下一级行业类别；

基于输入的企业信息数据，预测企业在第N级结构中所属的行业类别，其中N≥1；

根据在第N级结构中所预测的所属行业类别选择第N+1级结构中的行业类别范围；

在所选择的第N+1级结构的行业类别范围内，根据企业信息数据来预测企业在第N+1级结构中所属的行业类别；以及

在所述第N+1级结构不是所述多级树状结构的最下级结构的情况下，根据第N+1级结构中所预测的所属行业类别选择第N+2级结构中的行业类别范围，并且在所选择的第N+2级结构的行业类别范围内，根据企业信息数据来预测企业在第N+2级结构中所属的行业类别，直至预测至所述多级树状结构的最下级结构的行业类别。

2.如权利要求1所述的方法，其特征在于，针对所述多级树状结构中被用来预测的每级结构，分别使用一个分类预测模型来在每级结构中预测企业所属的行业类别。

3.如权利要求1或2所述的方法，其特征在于，所述多级树状结构为四级树状结构，其中，

基于输入的企业信息数据，预测企业在第二级结构中所属的行业类别；

根据在第二级结构中所预测的所属行业类别选择第三级结构中的行业类别范围；

在所选择的第三级结构的行业类别范围内，根据企业信息数据来预测企业在第三级结构中所属的行业类别；

根据第三级结构中所预测的所属行业类别选择第四级结构中的行业类别范围；

在所选择的第四级结构的行业类别范围内，根据企业信息数据来预测企业在第四级结构中所属的行业类别，并且输出企业在第四级结构所属的行业类别作为最终预测的行业类别。

4.如权利要求2或3所述的方法，其特征在于，还包括训练用于相应级结构的分类预测模型，其中包括：

获取企业信息数据；

对所获取的企业信息数据进行处理，以构建用于训练的训练集，其中对预测所使用的每级结构分别构建训练集；以及

基于所构建的训练集对分类预测模型进行训练，以便使用训练后的分类预测模型来预测企业所属的行业类别。

5.如权利要求2至4中任一项所述的方法，其特征在于，在获取企业信息数据时，通过获取企业的工商信息来获取所述企业数据信息、和/或通过搜索引擎来获取所述企业数据信息。

6.如权利要求5所述的方法，其特征在于，在通过搜索引擎来获取所述企业数据信息时，通过搜索引擎检索来获取数据源侯选集，并且对所述数据源侯选集进行筛选，然后根据筛选的数据源侯选集来部署爬虫以从互联网爬取所述企业数据信息。

7.如权利要求5所述的方法，其特征在于，对所获取的企业信息数据进行处理时，从所获取的企业信息数据抽取有效信息并按照预定格式构建训练集，所述训练集包括正例和负例，

所述正例的预定格式为[sentence1,sentence2,label]，其中sentence1表示企业信息，sentence2表示企业信息对应的类别，label表示该企业属于sentence2所表示的类别；以及

所述负例的预定格式为[sentence1,sentence2,label]，其中sentence1表示企业信息，sentence2为不包括该企业信息所对应的行业类别的行业类别集中随机选取的一个行业类别，label表示该企业不属于sentence2所表示的类别。