[发明专利]行业信息获取方法和装置、电子设备和介质

说明书

本公开实施例公开了一种行业信息获取方法和装置、电子设备和介质，其中，方法包括：将待识别对象输入神经网络，利用所述神经网络预测所述待识别对象中的行业词汇，之后，从行业目录信息中获取与所述待识别对象中的行业词汇匹配的行业词汇中文本长度最长的行业词汇，进而基于所述文本长度最长的行业词汇确定所述待识别对象的行业信息。本公开实施例实现了基于神经网络预测模型的行业信息获取，可用于经济实体的分类、搜索服务和实体推荐中。

技术领域

本公开涉及自然语言处理和及其学习计算领域，尤其是一种行业信息获取方法和装置、电子设备和介质。

背景技术

经济实体(例如公司、合伙制企业、个人独资企业、个体户等)名称中包含很多信息，例如经济实体名称中通常包含字号、地址、行业和公司后缀等信息。

在实现本公开的过程中，本发明人通过研究发现，经济实体名称中的行业信息有很大的利用价值，它较为精准地确定了经济实体的所属行业或主营业务范围，这对经济实体的分类，搜索服务和实体推荐等具体应用有很大的帮助。因此，从经济实体名称中获取行业信息是一项有价值的工作。

现有的行业信息获取方法，主要依靠规则和积累的方式。其中，由于人工定义的规则无法包含所有的命名方式，获取方法缺少泛化能力，使得依靠规则方式获取的行业词汇存在不准确的情况，获取的行业词汇不完整、不准确。而通过积累方式形成的行业信息目录缺乏对新行业词汇的发现能力，无法获取新的行业词汇。

发明内容

有鉴于此，本公开实施例提供一种行业信息获取方法和装置、电子设备和介质。

本公开实施例提供的一种行业信息获取方法，包括：

将待识别对象输入神经网络，利用所述神经网络预测所述待识别对象中的行业词汇；

从行业目录信息中获取与所述待识别对象中的行业词汇匹配的行业词汇中文本长度最长的行业词汇；

基于所述文本长度最长的行业词汇确定所述待识别对象的行业信息。

可选地，在本公开上述各方法实施例中，所述训练样本包括以下任意一项或多项的名称：公司，合伙制企业，个人独资企业，个体户。

可选地，在本公开上述各方法实施例中，所述行业目录信息基于所述神经网络对多个待识别对象预测的行业词汇构建得到。

可选地，在本公开上述各方法实施例中，所述行业目录信息包括至少一个层级的行业词汇，较高层级的行业词汇的文本长度小于较低层级的行业词汇的文本长度；

基于所述神经网络对多个待识别对象预测的行业词汇构建得到所述行业目录信息，包括：

基于所述神经网络分别预测多个待识别对象中的行业词汇；

识别所述多个待识别对象中的行业词汇的文本长度和相互之间包含关系，将文本长度最短的行业词汇作为最高层级的目录，按照文本长度较短的行业词汇包含于文本长度较长的行业词汇、文本长度较短的行业词汇的层级高于文本长度较长的行业词汇的层级的原则，基于所述多个待识别对象中的行业词汇架构至少一个层级的目录，得到所述行业目录信息。

可选地，在本公开上述各方法实施例中，所述基于所述神经网络分别预测多个待识别对象中的行业词汇之后，还包括：

对所述多个待识别对象中的行业词汇进行聚类；

所述识别所述多个待识别对象中的行业词汇的文本长度和相互之间包含关系，包括：识别聚类后的所述多个待识别对象中的行业词汇的文本长度和相互之间包含关系，以基于聚类后的所述多个待识别对象中的行业词汇架构至少一个层级的目录，得到所述行业目录信息。

可选地，在本公开上述各方法实施例中，还包括：

按照预设周期获取至少一个新增待识别对象；