[发明专利]基于企业属性库的企业实体认证方法

摘要

一种基于企业属性库的企业实体认证方法，通过建立企业属性库，并建立企业属性信息与企业ID的对应关系，对文本进行分词，并得到文本中词数集出现的位置，如果文本中出现了相同企业ID对应的企业属性信息，且两个属性信息之间的间隔在15个文字之内，认为该文本描述了该企业，再计算文本描述该家企业的概率。本发明通过建立企业属性库与增加企业认证机制，有针对性的抽取企业属性，通过该方法抽取的企业属性具有较高的准确率。

主权项

一种基于企业属性库的企业实体认证方法，包括以下步骤：A、建立企业属性库，包括企业ID和涵盖企业名称、别称、高管、产品、职位信息的企业属性信息；B、根据企业属性库内企业属性字段，建立词数集，并建立企业属性信息与企业ID的对应关系；C、扫描文本，对文本进行分词，并得到文本中词数集出现的位置；D、企业认证处理，如果文本中出现了相同企业ID对应的企业名称、企业高管、企业产品等企业属性信息，并且存在两个属性信息之间的间隔在15个文字之内，则初步判断这篇文本描述了该企业,通过该逻辑获得该文本中所有描述的企业ID；E、计算文本描述该家企业的概率，根据文本的分词结果以及倒文档率，计算排名前20的关键词，如果在前20位关键词中存在已认证的企业属性信息，则判断文本描述该企业的概率较大，再结合企业属性信息在文本中出现的次数以及在文本中出现的位置，总和计算已认证的企业的被描述的权重；具体计算方法如下：定义：文章中可能描述企业i的概率为P(i)，描述企业i的权重为Score(i)；i.对整篇文本进行分词，并统计每个词在文章中出现的次数；ii.计算各词的TF‑IDF值＝TF*IDF，其中TF为词频，IDF为逆向文件频率；iii.将文章中的分词根据计算后的TF‑IDF值进行排序，选排名前20的词；iv.如果前20个关键词中存在企业i的属性信息，则P(i)＝1；反之，P(i)＝0；v.分别统计企业i的相关属性信息在标题出现的次数x和在正文中出现的次数y，则Score(i)＝P(i)*(5*x+y)。