[发明专利]智能行业政策推荐方法、系统、电子设备及介质

说明书

本申请公开了一种智能行业政策推荐方法、系统、电子设备及介质。该方法可以包括：根据政策文本进行行业政策特征分析，建立行业词库；针对政策文本生成对应的行业标签；获取目标企业的特征词表，特征词表的内容包括主营商品、企业名称和经营范围；根据特征词表，通过BERT_TextCNN_BiLSTM行业模型，预测目标企业的所属行业；根据目标企业的所属行业，通过行业词库与行业标签，推送对应的政策文本至目标企业。本发明依据企业经营数据的行业特征信息为企业推荐政策文件，为企业提供更加便捷、针对性强的政策推荐，有利于企业发展，促进政策落实的有效性。

技术领域

本发明涉及大数据技术领域，更具体地，涉及一种智能行业政策推荐方法、系统、电子设备及介质。

背景技术

面对种类繁多的政策信息，政策公示系统一般按发布时间倒叙展示所有的政策，并且提供固定的筛选条件供企业进行政策查询，在一定程度上降低了企业获取政策信息的难度。然而，一些政策具有时限性，需要申请审批，信息获取不及时可能会丧失优惠。对法律法规政策了解不及时也可能产生企业经营风险，给企业带来不必要的损失。

目前，对于自动化政策推荐的需求很大，但由于数据和行业定义等方面缺乏规范性，关于行业政策推荐的研究还十分有限。

因此，有必要开发一种智能行业政策推荐方法、系统、电子设备及介质。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明提出了一种智能行业政策推荐方法、系统、电子设备及介质，其依据企业经营数据的行业特征信息为企业推荐政策文件，为企业提供更加便捷、针对性强的政策推荐，有利于企业发展，促进政策落实的有效性。

第一方面，本公开实施例提供了一种智能行业政策推荐方法，包括：

根据政策文本进行行业政策特征分析，建立行业词库；

针对政策文本生成对应的行业标签；

获取目标企业的特征词表，所述特征词表的内容包括主营商品、企业名称和经营范围；

根据所述特征词表，通过BERT_TextCNN_BiLSTM行业模型，预测所述目标企业的所属行业；

根据所述目标企业的所属行业，通过所述行业词库与所述行业标签，推送对应的政策文本至所述目标企业。

优选地，对设定时间内销售的全部商品分别计算金额，所述主营商品为按金额从大到小排序前50％的商品。

优选地，提取所述目标企业的历史政策文本数据中属于所述行业词库的词语，添加至所述特征词表中。

优选地，针对政策文本生成对应的行业标签包括：

提取政策文本中属于行业词库的词语，通过BERT编码成向量；

将该向量与每个行业类别的文本特征向量进行相似度计算，若相似度超过设定阈值，则针对所述政策文本生成对应的行业标签；某一政策有多个相似度超出阈值，记录所有的行业类别标签。

优选地，若所述政策文件有多个相似度超出设定阈值，记录所有的行业标签。

优选地，如果政策不属于任一行业类别标签，则将该政策标记为全行业政策标签。

优选地，根据所述特征词表，通过BERT_TextCNN_BiLSTM行业模型，预测所述目标企业的所属行业包括：

通过BERT预训练模型，将所述特征词表的内容转化为特征词向量；

根据所述特征词向量，分别通过TextCNN网络与BiLSTM网络，预测所述目标企业的所属行业；