【技术实现步骤摘要】
一种基于大数据深度学习的企业分类方法、系统及电子设备
本专利技术属于分类方法
，尤其涉及一种基于大数据深度学习的企业分类方法、系统及电子设备。
技术介绍
国家统计局于2019年5月22日公布的《2017国民经济行业分类注释》中，一级行业分类为20个，二级行业分类97个，且二级行业分类下属还有众多已知和待挖掘的三、四级行业分类。行业分类在统计、计划、财政、税收、工商等国家宏观管理中，对经济活动分类、信息处理、信息交换尤为重要。作为世界第二大经济体，随着产业转型、升级及新生产业兴起的作用下，将持续高速孵化更多企业，且企业综合性发展、跨行业经营将成为常态，行业间附属信息混杂，容易造成标准信息不对称的情况。根据现有的行业分类注释中所描述的“确定单位行业归属的原则”，当企业从事一种或多种经济活动时，均以其主要活动确定其所属行业分类，显然，以单行业分类标识企业已不能满足实际需求。而传统人工分类方法，不仅需要大量背景知识，而且，标注的速度慢并异常繁琐，不能很好地应对实际应用场景。对于企业的行业分类问题，常见的做法是转换为基于...
【技术保护点】
1.一种基于大数据深度学习的企业分类方法，其特征在于，包括以下步骤：/nS1：获取企业综合信息，形成大数据集；/nS2：基于CRF分词模型和概率图模型，提取企业成分关键词集，执行预处理动作，训练对应的词向量模型，针对构建的词向量模型，利用密度聚类算法，预测出若干个特征关键词集，并剔除噪音词或更新噪音词库；/nS3：利用FastText文本分类模型，对词集进行TF-IDF筛选，并使用LDA模型对大数据集进行主题分析，提取关于企业的主题词，利用密度聚类算法，预测出若干个主题词集；/nS4：结合所述特征关键词集和主题词集，得到若干个训练样本，输入双向循环神经网络中进行训练，构建多...
【技术特征摘要】
1.一种基于大数据深度学习的企业分类方法，其特征在于，包括以下步骤：
S1：获取企业综合信息，形成大数据集；
S2：基于CRF分词模型和概率图模型，提取企业成分关键词集，执行预处理动作，训练对应的词向量模型，针对构建的词向量模型，利用密度聚类算法，预测出若干个特征关键词集，并剔除噪音词或更新噪音词库；
S3：利用FastText文本分类模型，对词集进行TF-IDF筛选，并使用LDA模型对大数据集进行主题分析，提取关于企业的主题词，利用密度聚类算法，预测出若干个主题词集；
S4：结合所述特征关键词集和主题词集，得到若干个训练样本，输入双向循环神经网络中进行训练，构建多门类分类模型；
S5：利用多门类分类模型结合其对应的阈值，对企业进行分类预测，自动标注多个层级的行业标签。
2.如权利要求1所述的一种基于大数据深度学习的企业分类方法，其特征在于，在S1中，所述企业综合信息包括但不限于企业简介、商事登记信息、经营范围、知识产权、招聘信息、企业新闻、产品信息和图像主体识别，通过复合方法抽取特征文本和构建结构化企业描述，并形成大数据集。
3.如权利要求2所述的一种基于大数据深度学习的企业分类方法，其特征在于，在S2中，基于CRF分词模型和概率图模型提取企业成分关键词集包括以下步骤：
将具有多通道描述信息的企业综合信息输入CRF分词模型中进行分词，得到候选词集；
根据基于类Seq2Seq的概率图模型，对句子集进行主/客体预测，先预测s对象，再根据s对象预测与所述s对象相对应的o对象及p对象，并将o对象放入候选词集，得到企业成分关键词集，其中概率图模型公式如下：
P(s,p,o)＝P(s)P(o|s)P(p|s,o)
4.如权利要求3所述的一种基于大数据深度学习的企业分类方法，其特征在于，所述预处理动作包括对所述企业成分关键词集进行过滤处理，并在利用密度聚类算法对所述词向量模型进行处理中，邻域距离阈值和样本数(∈,MinPts)取各门类/层级的专家建议值，聚类运算后得到若干个特征关键词集，所述特征关键词集包括主成分关键词和噪音词，并进行人工抽样复核，将划分的主成分关键词和噪音词分别输入相应的词集或库中，其中，对于错分为噪音词的主成分关键词添加至对应的主成分关键词集中，对噪音词归集构建或输出到噪音词库。
5.如权利要求4所述的一种基于大数据深度学习...
【专利技术属性】
技术研发人员：罗根基，
申请(专利权)人：广州友圈科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。