[发明专利]企业名单信息获取方法、装置、存储介质和电子设备

权利要求书

1.一种企业名单信息获取方法，其特征在于，所述方法包括：

获取舆情数据的标题，判断所述标题中是否存在预设关键词信息，若是，则对所述舆情数据的舆情正文进行预处理；

根据标题和预处理后的舆情正文获取目标数据，所述目标数据包括：列入负面企业名单的企业、名单发布机构、列入名单时间和惩戒类型中的一项或多项；

将获取的所述目标数据作为企业名单信息；

其中，所述预设关键词信息包括预设的对应于负面企业名单的负面关键词信息和预设的对应于正面企业名单的正面关键词信息，所述根据标题和预处理后的舆情正文获取目标数据，包括：

遍历预处理后的舆情正文中的各个语句，并在其中提取出包含负面关键词信息且不包含正面关键词信息的第一类目标语句；从第一类目标语句中提取企业实体信息，基于提取到的企业实体信息确定列入负面企业名单的企业；

若未能提取出第一类目标语句，或第一类目标语句中未能提取出企业实体信息，则执行以下步骤：

在预处理后的舆情正文中，分别确定正面关键词信息、负面关键词信息和企业实体的定位信息；将所述正面关键词信息、所述负面关键词信息和所述企业实体各自的定位信息从前向后进行排序，得到目标数组；根据所述目标数组中的负面关键词信息的定位信息与所述企业实体的定位信息的相对位置，确定列入负面企业名单的企业。

2.根据权利要求1所述的企业名单信息获取方法，其特征在于，所述在预处理后的舆情正文中，分别确定正面关键词信息、负面关键词信息和企业实体的定位信息，将所述正面关键词信息、所述负面关键词信息和所述企业实体各自的定位信息从前向后进行排序，得到目标数组，包括：

分别确定正面关键词的首字符和负面关键词的首字符在预处理后的舆情正文中的第一类定位信息，将各个所述第一类定位信息从前到后进行排序，得到初始数组；

对所述预处理后的舆情正文进行实体识别，得到其中包含的企业实体；

分别确定各个所述企业实体的首字符在预处理后的舆情正文中的第二类定位信息；

将所述第二类定位信息插入所述初始数组中，使所述初始数组中的各个定位信息从前到后排序，得到目标数组。

3.根据权利要求1所述的企业名单信息获取方法，其特征在于，所述根据标题和预处理后的舆情正文获取目标数据，包括：

在所述舆情正文的开头的第一预设数量个字符和末尾的第二预设数量个字符中，使用命名实体识别的方式提取其中的日期实体和机构实体，分别作为所述列入名单时间和所述名单发布机构。

4.根据权利要求1-3中任一项所述的企业名单信息获取方法，其特征在于，所述根据标题和预处理后的舆情正文获取目标数据，包括：

将所述标题和所述舆情正文的开头的第三预设数量个字符输入预先训练的分类模型中，基于所述分类模型的输出结果确定所述目标数据中的惩戒类型。

5.根据权利要求3所述的企业名单信息获取方法，其特征在于，若使用命名实体识别的方式未能提取到其中的日期实体和机构实体，则执行以下步骤：

从所述舆情数据中提取出所述舆情数据的来源数据地址；

从所述来源数据地址采集原始正文，从所述原始正文中提取日期实体和机构实体，分别作为所述列入名单时间和所述名单发布机构。

6.根据权利要求5所述的企业名单信息获取方法，其特征在于，所述从所述舆情数据中提取出所述舆情数据的来源数据地址，包括：

根据第一预设匹配规则，提取所述舆情数据中的所有链接；

遍历所提取出的链接，解析出每个链接对应的链接数据的链接数据标题；

筛选出大于或者等于预设标题字符数量的链接数据标题作为第一相似标题；

获取所述舆情数据的标题，并根据所述舆情数据的标题和第一相似标题，从第一相似标题中筛选出第二相似标题，并将其对应的链接数据作为相似数据；

获取所述舆情数据的文本内容以及相似数据的文本内容，计算所述舆情数据的文本内容与相似数据的文本内容的文本相似度，并将文本相似度最高的相似数据的地址作为所述舆情数据的来源数据地址。