[发明专利]一种企业行业分类识别及其特征污染物识别的方法及装置

权利要求书

1.一种企业的行业分类识别方法，其特征在于，包括：

获取目标企业的信息点数据；

根据预设的有语义词汇库、预设的行业摘要信息及所述信息点数据确定所述信息点数据的特征词以及所述特征词的特征值；

根据预设行业分类预测模型和所述特征值确定所述目标企业所属的行业分类；

根据预设的有语义词汇库、预设的行业摘要信息及所述信息点数据确定所述信息点数据的特征词以及所述特征词的特征值的步骤，包括：

对所述信息点数据进行预处理，提取所述信息点数据中的多个词汇；

将所述多个词汇中存在于所述预设的有语义词汇库中的词汇确定为所述信息点数据的特征词；

根据所述特征词和所述预设的有语义词汇库计算所述特征词的词频，所述预设的有语义词汇库中包含多个企业名称以及与所述企业名称相对应的特征词，所述词频根据正向词频和逆文本频率计算，所述特征词的逆文本频率根据所述预设的有语义词汇库内企业名称总数和所述预设有语义词汇库内包含所述特征词的企业名称的数量计算；

若所述特征词与所述预设的行业摘要信息相匹配，则根据所述词频和预设权重计算所述特征词的特征值；

若所述特征词与所述预设的行业摘要信息不匹配，则根据所述词频确定所述特征词的特征值；

所述预设的有语义词汇库包括企业有语义词汇库和行业有语义词汇库，通过如下步骤获取所述企业有语义词汇库，

获取企业数据，所述企业数据包含各企业的企业名称以及各企业对应的行业类别和经营范围信息；

对所述企业数据进行预处理，提取所述企业数据中的词汇；

根据各词汇中出现次数小于第一预设阈值的词汇，以及出现次数大于所述第一预设阈值且对行业分类预测有意义的词汇组建初始企业有语义词汇库；

分别计算企业数据中位于所述初始企业有语义词汇库中的词汇在所述初始企业有语义词汇库中的词频；

根据词频小于第二预设阈值的词汇，以及词频大于所述第二预设阈值且对行业分类预测有意义的词汇组建所述企业有语义词汇库；

通过如下步骤获取所述预设的行业摘要信息，

分别计算国民经济行业分类数据的小类行业的行业名称和分类说明中位于所述行业有语义词汇库中的词汇在所述行业有语义词汇库中的词频；

将各小类行业中大于第四预设阈值的词频对应的词汇确定为所述小类行业的热词；

根据预设的自关联表将各小类行业中的热词聚合至所属中类行业，形成所述预设的行业摘要信息。

2.根据权利要求1所述的企业的行业分类识别方法，其特征在于，通过以下步骤确定所述预设的行业分类预测模型：

获取企业训练数据；

根据所述企业训练数据、预设的有语义词汇库、预设的行业摘要信息确定所述企业训练数据的特征词以及所述特征词的特征值；

根据所述特征值对高斯朴素贝叶斯模型的alpha平滑参数进行调参，获取最优参数；

根据所述高斯朴素贝叶斯模型的最优参数构建所述预设行业分类预测模型。

3.根据权利要求2所述的企业的行业分类识别方法，其特征在于，确定所述预设的行业分类预测模型的步骤，还包括：

获取企业检验数据；

根据所述预设行业分类预测模型获取所述企业检验数据所属行业分类的预测结果；

根据所述预测结果计算所述预设行业分类预测模型的准确率、召回率和F1值；

根据所述准确率、召回率和F1值判断所述预设行业分类预测模型是否满足预设条件；

若所述预设行业分类预测模型不满足预设条件，返回获取污染企业训练数据的步骤，重新训练预设行业分类预测模型。

4.根据权利要求1所述的企业的行业分类识别方法，其特征在于

根据所述特征词和所述预设的有语义词汇库计算所述特征词的词频的步骤，包括：

根据所述特征词在所述信息点数据中的数量和所述信息点数据中所有特征词的总数计算所述特征词的正向词频；

根据所述预设的有语义词汇库内企业名称总数和所述预设有语义词汇库内包含所述特征词的企业名称的数量计算所述特征词的逆文本频率；

根据所述特征词的正向词频和逆文本频率计算所述特征词的词频。