[发明专利]一种基于标签分层延深建模的企业画像方法

权利要求书

1.一种基于标签分层延深建模的企业画像方法，其特征在于，具体步骤如下：

(1)对企业标签数据集D和企业多源数据集D1进行去重、去空，清洗后得到企业数据集D2和D3；

(2)统计和筛选数据集D2，筛选出不能完整概括企业特点的标签数据集，将其定义为D4，并统计出所有标签集合作为延深依据；

(3)构建Bert模型，将数据集D4作为模型的输入，在进行语义学习后，使用softmax层进行第一层标签的分类延深；

(4)将D3数据集中的企业名称、企业简介、经营范围信息整合，分别使用TextRank、TF-IDF、LDA主题模型进行关键词抽取，然后对抽取后的关键词进行处理，将处理后的词作为分类延深后第二层的延深标签具体包含以下步骤：

(4.1)数据集D3＝{T₁,T₂,…,T_b1,…,T_len(D3)}，且T＝{id,content1,content2,content3}，其中id,content1,content2，content3分别为企业序号、企业名称、企业简介和企业经营范围；

(4.2)定义D6为待整合数据集，len(D6)为D6中待整合文本数量，D6＝{T₁,T₂,…,T_a,…,T_len(D6)}；

(4.3)将企业名称、企业简介、经营范围信息整合，整合后企业文本为content4，且满足T1＝{id,content4}，D7＝{T1₁,T1₂,…,T1_a,…,T1_len(D7)}，其中T1为单个整合后文本，D7为整合后企业数据集；

(4.4)对影响抽取结果的词语进行统计，建立停用词词典；

(4.5)通过收集企业领域专业词汇建立企业字典；

(4.6)使用TextRank对D7企业整合数据集中所有名词进行关键词抽取，得到抽取结果K1集合；

(4.7)然后使用TF-IDF对D7企业整合数据集中所有名词进行关键词抽取，得到抽取结果K2集合；

(4.8)最后使用LDA主题模型对D7企业整合数据集中所有名词进行关键词抽取，得到抽取结果K3集合；

(4.9)对抽取出的K1、K2和K3关键词集合进行合并，得到关键词集合K，其中K＝{W₁,W₂,…,W_i,…,W_len(D7)}，W_i为单个企业关键词集合，ilen(D7)；

(4.10)将抽取出的关键词W_i作为分类延深后第二层的延深标签；

(4.11)统计获得的标签，按照层次关系为企业打上所有标签。