污染企业的挖掘方法、装置及设备制造方法及图纸

本发明专利技术实施例提供一种污染企业的挖掘方法、装置及设备，根据待识别的舆情数据，获取至少一个候选句子，各所述候选句子为包含污染信息的句子，对各所述候选句子进行分词处理，得到各所述候选句子对应的词序列，将各所述词序列输入至企业识别模型中，获取各所述词序列对应的标签序列，根据各所述词序列对应的标签序列，确定污染企业的名称；通过利用企业识别模型对待识别的舆情数据进行识别，提高了污染企业的挖掘准确率；另外，还解决了现有技术中制定的规则模板扩展性弱的问题，并且规避了制定规则模板所需要耗费的人力和时间成本，提高了污染企业挖掘的效率。

Mining methods, devices and equipment of polluting enterprises

【技术实现步骤摘要】
污染企业的挖掘方法、装置及设备
本专利技术实施例涉及人工智能
，尤其涉及一种污染企业的挖掘方法、装置及设备。
技术介绍
在环境保护方面，全方位动态发现潜在污染源，特别是及时发现污染企业，是环境保护和环境治理的核心。在大数据的背景下，如何从海量数据中挖掘到污染相关的信息，并从污染相关信息中定位到污染相关的企业，是污染检测和污染治理的重要一环。现有的污染企业的挖掘方法，大多采用规则模板方法。具体的，对获取的舆情数据采用预设的正则表达式等规则模板进行匹配，从而获取到污染企业的名称。然而，上述现有技术中，构造合适的规则模板需要耗费大量的人力，并且，规则模板的扩展性较弱，需要具有环境监测等特定领域的专业知识，使得污染企业的挖掘效率低，且准确率低。
技术实现思路
本专利技术实施例提供一种污染企业的挖掘方法、装置及设备，以提高污染企业挖掘的效率和准确率。第一方面，本专利技术实施例提供一种污染企业的挖掘方法，包括：根据待识别的舆情数据，获取至少一个候选句子，各所述候选句子为包含污染信息的句子；对各所述候选句子进行分词处理，得到各所述候选句子对应的词序列；将各所述词序列输入至企业识别模型中，获取各所述词序列对应的标签序列，所述企业识别模型用于预测所述词序列中的每个词对应的标签，所述标签为下述中的任一：企业名称开头词、企业名称中间词、企业名称结尾词、企业名称无关词；根据各所述词序列对应的标签序列，确定污染企业的名称。可选的，所述根据待识别的舆情数据，获取至少一个候选句子，包括：对所述待识别的舆情数据进行分句处理，得到至少一个待识别的句子；将各所述待识别的句子输入至污染预测模型，其中，所述污染预测模型用于预测各所述待识别的句子中是否包含污染信息；根据所述污染预测模型的输出结果，从各所述待识别的句子中确定至少一个候选句子。可选的，所述确定污染企业的名称之后，还包括：根据所述污染企业的名称，获取所述污染企业对应的企业画像数据；根据所述污染企业对应的企业画像数据，获取所述污染企业的地址信息；根据所述污染企业的地址信息，获取所述污染企业对应的经纬度。可选的，所述确定污染企业的名称之后，还包括：根据所述污染企业的名称，获取所述污染企业对应的企业画像数据；根据所述污染企业对应的企业画像数据，获取所述污染企业对应的排污类型。可选的，所述根据所述污染企业对应的企业画像数据，获取所述污染企业对应的排污类型，包括：判断所述污染企业对应的企业画像数据中是否包括排污类型信息；若是，则从所述企业画像数据中，获取所述污染企业对应的排污类型；若否，则将所述企业画像数据输入至排污类型预测模型中，根据所述污染类型预测模型的输出结果获取所述污染企业对应的排污类型。可选的，所述将各所述词序列输入至企业识别模型中之前，还包括：获取待训练的样本集，所述待训练的样本集中包括正样本和负样本，所述正样本为包含企业名称的句子，所述负样本为不包含企业名称的句子；对所述待训练样本集中的样本进行分词处理，得到各样本对应的词序列，并根据所述预设的企业名称，对所述词序列中的每个词进行标签标注，所述标签用于指示下述中的任一：企业名称开头词、企业名称中间词、企业名称结尾词、企业名称无关词；采用标注后的各样本对待训练的企业识别模型进行训练，得到训练后的企业识别模型。可选的，所述将各所述待识别的句子输入至污染预测模型之前，还包括：获取待训练的样本集，所述待训练的样本集中的各样本为句子；对所述待训练的样本集中的各样本进行标签标注，所述标签用于指示所述样本中是否包含污染信息；采用标注后的各样本对待训练的污染预测模型进行训练，得到训练后的污染预测模型。可选的，所述将所述企业画像数据输入至排污类型预测模型中之前，还包括：获取待训练的样本集，所述待训练的样本集中的各样本为不同企业对应的企业画像数据；对所述待训练的样本集中的各样本进行标签标注，所述标签用于指示所述样本对应的排污类型；采用标注后的各样本对待训练的排污类型预测模型进行训练，得到训练后的排污类型预测模型。第二方面，本专利技术实施例提供一种污染企业的挖掘装置，包括：提取模块，用于根据待识别的舆情数据，获取至少一个候选句子，各所述候选句子为包含污染信息的句子；识别模块，用于对各所述候选句子进行分词处理，得到各所述候选句子对应的词序列；所述识别模块，还用于将各所述词序列输入至企业识别模型中，获取各所述词序列对应的标签序列，所述企业识别模型用于预测所述词序列中的每个词对应的标签，所述标签为下述中的任一：企业名称开头词、企业名称中间词、企业名称结尾词、企业名称无关词；所述识别模块，还用于根据各所述词序列对应的标签序列，确定污染企业的名称。可选的，所述提取模块具体用于：对所述待识别的舆情数据进行分句处理，得到至少一个待识别的句子；将各所述待识别的句子输入至污染预测模型，其中，所述污染预测模型用于预测各所述待识别的句子中是否包含污染信息；根据所述污染预测模型的输出结果，从各所述待识别的句子中确定至少一个候选句子。可选的，所述装置还包括：定位模块，用于：根据所述污染企业的名称，获取所述污染企业对应的企业画像数据；根据所述污染企业对应的企业画像数据，获取所述污染企业的地址信息；根据所述污染企业的地址信息，获取所述污染企业对应的经纬度。可选的，所述装置还包括：确定模块，用于：根据所述污染企业的名称，获取所述污染企业对应的企业画像数据；根据所述污染企业对应的企业画像数据，获取所述污染企业对应的排污类型。可选的，所述确定模块具体用于：判断所述污染企业对应的企业画像数据中是否包括排污类型信息；若是，则从所述企业画像数据中，获取所述污染企业对应的排污类型；若否，则将所述企业画像数据输入至排污类型预测模型中，根据所述污染类型预测模型的输出结果获取所述污染企业对应的排污类型。可选的，所述装置还包括：训练模块，用于：获取待训练的样本集，所述待训练的样本集中包括正样本和负样本，所述正样本为包含企业名称的句子，所述负样本为不包含企业名称的句子；对所述待训练样本集中的样本进行分词处理，得到各样本对应的词序列，并根据所述预设的企业名称，对所述词序列中的每个词进行标签标注，所述标签用于指示下述中的任一：企业名称开头词、企业名称中间词、企业名称结尾词、企业名称无关词；采用标注后的各样本对待训练的企业识别模型进行训练，得到训练后的企业识别模型。可选的，所述训练模块，还用于：获取待训练的样本集，所述待训练的样本集中的各样本为句子；对所述待训练的样本集中的各样本进行标签标注，所述标签用于指示所述样本中是否包含污染信息；采用标注后的各样本对待训本文档来自技高网...

【技术保护点】
1.一种污染企业的挖掘方法，其特征在于，包括：/n根据待识别的舆情数据，获取至少一个候选句子，各所述候选句子为包含污染信息的句子；/n对各所述候选句子进行分词处理，得到各所述候选句子对应的词序列；/n将各所述词序列输入至企业识别模型中，获取各所述词序列对应的标签序列，所述企业识别模型用于预测所述词序列中的每个词对应的标签，所述标签为下述中的任一：企业名称开头词、企业名称中间词、企业名称结尾词、企业名称无关词；/n根据各所述词序列对应的标签序列，确定污染企业的名称。/n

【技术特征摘要】
1.一种污染企业的挖掘方法，其特征在于，包括：
根据待识别的舆情数据，获取至少一个候选句子，各所述候选句子为包含污染信息的句子；
对各所述候选句子进行分词处理，得到各所述候选句子对应的词序列；
将各所述词序列输入至企业识别模型中，获取各所述词序列对应的标签序列，所述企业识别模型用于预测所述词序列中的每个词对应的标签，所述标签为下述中的任一：企业名称开头词、企业名称中间词、企业名称结尾词、企业名称无关词；
根据各所述词序列对应的标签序列，确定污染企业的名称。


2.根据权利要求1所述的方法，其特征在于，所述根据待识别的舆情数据，获取至少一个候选句子，包括：
对所述待识别的舆情数据进行分句处理，得到至少一个待识别的句子；
将各所述待识别的句子输入至污染预测模型，其中，所述污染预测模型用于预测各所述待识别的句子中是否包含污染信息；
根据所述污染预测模型的输出结果，从各所述待识别的句子中确定至少一个候选句子。


3.根据权利要求1所述的方法，其特征在于，所述确定污染企业的名称之后，还包括：
根据所述污染企业的名称，获取所述污染企业对应的企业画像数据；
根据所述污染企业对应的企业画像数据，获取所述污染企业的地址信息；
根据所述污染企业的地址信息，获取所述污染企业对应的经纬度。


4.根据权利要求1所述的方法，其特征在于，所述确定污染企业的名称之后，还包括：
根据所述污染企业的名称，获取所述污染企业对应的企业画像数据；
根据所述污染企业对应的企业画像数据，获取所述污染企业对应的排污类型。


5.根据权利要求4所述的方法，其特征在于，所述根据所述污染企业对应的企业画像数据，获取所述污染企业对应的排污类型，包括：
判断所述污染企业对应的企业画像数据中是否包括排污类型信息；
若是，则从所述企业画像数据中，获取所述污染企业对应的排污类型；
若否，则将所述企业画像数据输入至排污类型预测模型中，根据所述污染类型预测模型的输出结果获取所述污染企业对应的排污类型。


6.根据权利要求1所述的方法，其特征在于，所述将各所述词序列输入至企业识别模型中之前，还包括：
获取待训练的样本集，所述待训练的样本集中包括正样本和负样本，所述正样本为包含企业名称的句子，所述负样本为不包含企业名称的句子；<...

【专利技术属性】
技术研发人员：周厚谦，钟辉强，刘亮，尹存祥，方军，骆金昌，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11