企业关系预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种基于分类算法的企业关系预测方法、装置、计算机设备和存储介质。所述方法包括：获取第一关系句，所述第一关系句包含第一企业实体和第二企业实体；根据第一关系句以及预先设置的关系句模板，得到第二关系句，将第一关系句和第二关系句输入预先设置的分解模型，得到各个预先设置的分类标签的概率，根据概率最大的分类标签以及第二关系句，对第一企业实体和第二企业实体之间的关系类型进行预测，得到关系预测结果。采用本方法能够提高企业关系预测的准确性。

【技术实现步骤摘要】
企业关系预测方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种企业关系预测方法、装置、计算机设备和存储介质。
技术介绍
随着计算机网络技术的发展，对于信息的获取提供了极大的便利。在需要对企业关系进行预测时，可以从网络中获取两个企业的相关资讯，对资讯进行标注，然后对资讯的文本进行特征分析，通过特征与标注的监督学习训练预测模型，通过将待预测企业关系资讯的文本输入预测模型，可以对企业关系进行预测。然而，这种方式下，需要对资讯文本进行深入建模，导致预测模型中参数众多，一方面计算效率低，另一方面预测模型的准确性完全依赖与特征选择，在特征选择不合适时，预测的准确性低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够解决传统特征工程进行关系预测时计算效率低和准确性低问题的企业关系预测方法、装置、计算机设备和存储介质。一种企业关系预测方法，所述方法包括：获取第一关系句，所述第一关系句包含第一企业实体和第二企业实体；根据所述第一关系句以及预先设置的关系句模板，得到第二关系句；将所述第一关系句和所述第二关系句输入预先设置的分解模型，得到各个预先设置的分类标签的概率；根据概本文档来自技高网...

【技术保护点】
1.一种企业关系预测方法，所述方法包括：获取第一关系句，所述第一关系句包含第一企业实体和第二企业实体；根据所述第一关系句以及预先设置的关系句模板，得到第二关系句；将所述第一关系句和所述第二关系句输入预先设置的分解模型，得到各个预先设置的分类标签的概率；根据概率最大的所述分类标签以及与所述分类标签对应的所述第二关系句，对所述第一企业实体和所述第二企业实体之间的关系类型进行预测，得到关系预测结果。

【技术特征摘要】
1.一种企业关系预测方法，所述方法包括：获取第一关系句，所述第一关系句包含第一企业实体和第二企业实体；根据所述第一关系句以及预先设置的关系句模板，得到第二关系句；将所述第一关系句和所述第二关系句输入预先设置的分解模型，得到各个预先设置的分类标签的概率；根据概率最大的所述分类标签以及与所述分类标签对应的所述第二关系句，对所述第一企业实体和所述第二企业实体之间的关系类型进行预测，得到关系预测结果。2.根据权利要求1所述的方法，其特征在于，所述分解模型的训练方式，包括：从预设的语料库中获取已标注语料；根据所述已标注语料以及所述关系句模板，得到所述已标注语料对应的已标注关系句；分别对所述已标注语料和所述已标注关系句进行分词处理，得到所述已标注语料的第一特征词集和所述已标注关系句的第二特征词集，所述第一特征词集包括第一特征词，第二特征词集包括第二特征词，获取所述第一特征词集中第一特征词对应于所述已标注关系句的第一向量，和所述第二特征词集中第二特征词对应于所述已标注语料的第二向量；对所述第一向量和所述第二向量分别求和，将求和结果输入预设的多分类模型中；根据预先设置的终止条件，利用所述语料库对所述多分类模型进行迭代，当所述多分类模型输出所述分类标签的概率满足所述终止条件时，得到所述分解模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述已标注语料以及所述关系句模板，得到所述已标注语料对应的已标注关系句，包括：获取所述语料库中所述已标注语料的标注的类别数量；根据所述标注的类别数量，获取对应数量的关系句模板；根据所述关系句模板和所述已标注语料，得到所述已标注语料的已标注关系句。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一关系句以及预先设置的关系句模板，得到第二关系句，还包括：获取所述对应数量的关系句模板，根据所述第一关系句，得到对应数量的第二关系句；所述将所述第一关系句和所述第二关系句输入预先设置的分解模型，得到各个预先设置的分类标签的概率，包括：根据所述第一关系句和所述对应数量的第二关系句，得到对应数量的输入组，所述输入组包含所述第一关系句和所述对应数量的第二关系句中的一条第二关系句；将所述输入组分别输入所述分解模型，得到每个所述输入组对应于...

【专利技术属性】
技术研发人员：徐冰，汪伟，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44