System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能领域,具体涉及一种基于人工智能的企业信息检索方法及装置。
技术介绍
1、在商业和法律领域,获取关于特定企业的准确、及时的信息至关重要。企业信息的检索通常包括对公司的注册、运营、财务和法律状态等方面的详细了解。然而,现有的企业信息检索方法存在一系列挑战,限制了信息的获取和分析效率。
2、传统的企业信息检索主要通过商业注册机构提供的在线平台进行。这些平台提供了企业的基本注册信息,但仍存在一些问题,如信息更新滞后、检索界面复杂等。此外,商业信用报告机构提供的信息通常需要付费获取,这使得小型企业或个体工商户难以获得全面的信息。
3、随着互联网的发展,企业信息检索也受益于搜索引擎技术的应用。然而,通过互联网搜索引擎获取的信息可能存在不确定性和不准确性,因为搜索结果可能受到搜索算法和网站内容的影响。
4、目前市面上查询企业的平台,需要输入明确的企业信息如企业名称关键字、法人高管关键字或者精准的统一社会信用代码、组织机构代码等来进行查询,用户在使用的时候需要花费较多的时间进行筛选需要的信息,存在一定的使用门槛。
技术实现思路
1、针对现有技术中的问题,本申请提供一种基于人工智能的企业信息检索方法及装置,能够有效提高企业信息检索的准确率和效率。
2、为了解决上述问题中的至少一个,本申请提供以下技术方案:
3、第一方面,本申请提供一种基于人工智能的企业信息检索方法,包括:
4、通过预设命名实体识别模型对企业信息
5、根据用户历史检索数据对预设卷积神经网络模型进行模型训练,并根据用户当前发送的企业信息检索请求和经过所述模型训练后的卷积神经网络模型得到对应的用户检索意图;
6、将所述企业关系网络和所述用户检索意图进行特征融合,将经过所述特征融合后得到的特征输入设定的多任务学习模型,得到所述多任务学习模型输出的企业检索信息,其中,所述企业检索信息包括风险评估、战略规划、投资决策和招聘管理中的至少一种。
7、进一步地,所述通过预设命名实体识别模型对企业信息进行实体分析,包括:
8、将企业信息样本进行分词分句和词性标注预处理操作;
9、将经过所述预处理操作后的企业信息样本输入预设命名实体识别模型进行模型训练,得到经过所述模型训练后的命名实体识别模型,并通过所述命名实体识别模型对企业信息进行实体分析,得到对应的企业关联实体。
10、进一步地,所述通过深度学习神经网络模型对所述实体分析的结果进行关系抽取,构建得到企业关系网络,包括:
11、对所述企业关联实体进行关系标注,得到企业关系样本数据,并根据所述企业关系样本数据对预设深度学习神经网络模型进行模型训练;
12、根据经过所述模型训练后的深度学习神经网络模型对所述实体分析的结果进行关系抽取,得到对应的企业实体和所述企业实体间关系,根据所述企业实体和所述企业实体间关系构建得到企业关系网络,其中,所述企业关系网络包括合作关系、竞争关系、诉讼关系、供应链关系以及人员流动关系中的至少一种。
13、进一步地, 所述根据用户历史检索数据对预设卷积神经网络模型进行模型训练,包括:
14、对用户历史检索数据中查询关键词、查询时间以及点击行为进行数据清洗并分配相应的检索意图标签,得到模型训练集;
15、通过所述模型训练集对预设卷积神经网络模型进行模型训练,并通过反向传播算法进行模型参数调优,得到经过所述模型训练后的卷积神经网络模型。
16、进一步地,所述根据用户当前发送的企业信息检索请求和经过所述模型训练后的卷积神经网络模型得到对应的用户检索意图,包括:
17、将用户当前发送的企业信息检索请求中的检索文本转换为向量表示;
18、将所述向量表示输入经过所述模型训练后的卷积神经网络模型得到对应的用户检索意图。
19、进一步地,所述将所述企业关系网络和所述用户检索意图进行特征融合,将经过所述特征融合后得到的特征输入设定的多任务学习模型,得到所述多任务学习模型输出的企业检索信息,包括:
20、将所述企业关系网络和所述用户检索意图中的特征向量按维度进行特征融合;
21、将与风险评估、战略规划、投资决策和招聘管理对应的检索任务分别设定为设定多任务学习模型的输出节点,将所述特征融合的结果输入所述多任务学习模型,得到输出的企业检索信息。
22、进一步地,所述将与风险评估、战略规划、投资决策和招聘管理对应的检索任务分别设定为设定多任务学习模型的输出节点,将所述特征融合的结果输入所述多任务学习模型,得到输出的企业检索信息,包括:
23、将与风险评估、战略规划、投资决策和招聘管理对应的检索任务分别设定为设定多任务学习模型输出层的输出节点;
24、在所述多任务学习模型中设置任务共享层以进行不同所述检索任务之间的信息共享,并为各所述检索任务设置单独的任务层以学习与相应检索任务相关的特征,将所述特征融合的结果输入所述多任务学习模型,得到输出的企业检索信息。
25、第二方面,本申请提供一种基于人工智能的企业信息检索装置,包括:
26、企业关系网络确定模块,用于通过预设命名实体识别模型对企业信息进行实体分析,通过深度学习神经网络模型对所述实体分析的结果进行关系抽取,构建得到企业关系网络;
27、用户检索意图确定模块,用于根据用户历史检索数据对预设卷积神经网络模型进行模型训练,并根据用户当前发送的企业信息检索请求和经过所述模型训练后的卷积神经网络模型得到对应的用户检索意图;
28、企业信息检索模块,用于将所述企业关系网络和所述用户检索意图进行特征融合,将经过所述特征融合后得到的特征输入设定的多任务学习模型,得到所述多任务学习模型输出的企业检索信息,其中,所述企业检索信息包括风险评估、战略规划、投资决策和招聘管理中的至少一种。
29、第三方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的基于人工智能的企业信息检索方法的步骤。
30、第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的基于人工智能的企业信息检索方法的步骤。
31、第五方面,本申请提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现所述的基于人工智能的企业信息检索方法的步骤。
32、由上述技术方案可知,本申请提供一种基于人工智能的企业信息检索方法及装置,通过预设命名实体识别模型对企业信息进行实体分析,通过深度学习神经网络模型对所述实体分析的结果进行关系抽取,构建得到企业关系网络;根据用户历史检索数据对预设卷积神经本文档来自技高网...
【技术保护点】
1.一种基于人工智能的企业信息检索方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于人工智能的企业信息检索方法,其特征在于,所述通过预设命名实体识别模型对企业信息进行实体分析,包括:
3.根据权利要求2所述的基于人工智能的企业信息检索方法,其特征在于,所述通过深度学习神经网络模型对所述实体分析的结果进行关系抽取,构建得到企业关系网络,包括:
4.根据权利要求1所述的基于人工智能的企业信息检索方法,其特征在于,所述根据用户历史检索数据对预设卷积神经网络模型进行模型训练,包括:
5.根据权利要求1所述的基于人工智能的企业信息检索方法,其特征在于,所述根据用户当前发送的企业信息检索请求和经过所述模型训练后的卷积神经网络模型得到对应的用户检索意图,包括:
6.根据权利要求1所述的基于人工智能的企业信息检索方法,其特征在于,所述将所述企业关系网络和所述用户检索意图进行特征融合,将经过所述特征融合后得到的特征输入设定的多任务学习模型,得到所述多任务学习模型输出的企业检索信息,包括:
7.根据权利要求6所述的基
8.一种基于人工智能的企业信息检索装置,其特征在于,所述装置包括:
...【技术特征摘要】
1.一种基于人工智能的企业信息检索方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于人工智能的企业信息检索方法,其特征在于,所述通过预设命名实体识别模型对企业信息进行实体分析,包括:
3.根据权利要求2所述的基于人工智能的企业信息检索方法,其特征在于,所述通过深度学习神经网络模型对所述实体分析的结果进行关系抽取,构建得到企业关系网络,包括:
4.根据权利要求1所述的基于人工智能的企业信息检索方法,其特征在于,所述根据用户历史检索数据对预设卷积神经网络模型进行模型训练,包括:
5.根据权利要求1所述的基于人工智能的企业信息检索方法,其特征在于,所述根据用户当前发送的企业信息检索请求...
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。