一种智能化企业标签提取方法与流程

技术特征：
1.一种智能化企业标签提取方法，其特征在于，包括以下步骤：步骤s1，对大量的企业信息，根据不同的数据源进行分类；步骤s2，对文本信息进行分词处理；对不同分类下的信息进行分词，分词要保证的是分词的全面性，利用全模式分词工具，将文本中的词都分出来；步骤s3，关键词清洗；步骤s4，关键词排序；利用标签评分模型对关键词进行评分，输出的模型结果，作为标签的权重；(1)生成维度系数；(2)评分模型；步骤s5，高层标签提取；通过聚类模型提取高层标签。2.根据权利要求1所述的一种智能化企业标签提取方法，其特征在于，在步骤s3中，关键词清洗主要运用如下策略：(1)词性过滤使用hanlp词性标注技术，识别出所有词的词性，准确度也非常高。去掉非常不合适做标签的词性，比如数词、介词、代词...，可以大大减少噪声词；(2)噪音词库过滤提取企业各个维度的文本，如果一个关键词在当前维度频次越高，而在其它维度频次越低，则此关键词越有可能是当前维度的固定用语，根据当前维度频次和其它维度频次生成噪音值，达到噪音值的关键词将被维护到噪音词库。3.根据权利要求1所述的一种智能化企业标签提取方法，其特征在于，在步骤s4中，(1)生成维度系数根据行业分类，对不同分类下标签重要程度进行评估，由于企业官网分类下的标签的关键词质量非常高，可以作为一个标准，通过分析其它维度是否出现这些官网标签及出现次数，来评估重要程度，从而生成维度系数；(2)评分模型基础评分模型公式：关键词基础得分＝所有命中维度*维度系数/所有非空维度数*维度系数；当分值达到阈值，则此关键词作为企业的标签。4.根据权利要求3所述的一种智能化企业标签提取方法，其特征在于，调整策略：a.如果当前公司带有官网标签，则对官网标签的词进行加权，提升关键词的分值；b.计算关键词之间的相似度，如果一个关键词达到阈值被选中为标签，那么会动态地提升与该标签高相似度的关键词的分值。5.根据权利要求1所述的一种智能化企业标签提取方法，其特征在于，通过聚类模型提取高层标签的步骤如下：(1).对企业各维度的进行分词，清洗分词；(2).通过tf-idf技术将之前生成的标签转化成词向量；(3).确定主题数量及主题词总量限制，然后开始建模；
(4).将词向量带入lda模型进行训练，得到一个企业的聚类模型；(5).将待提取高层标签的企业数据进行分词、向量化以后，带入训练好的聚类模型，预测企业在各个主题上的概率分布情况；(6).概率最高的主题作为当前企业的归属分类(主题)，其主题词作为高层次标签补充到此类企业中；(7).后续新公司也只需带入聚类模型，即可预测出其归属分类，从而得到对应的高层标签。

技术总结
本发明公开了一种智能化企业标签提取方法，对大量的企业信息，根据不同的数据源进行分类，对文本信息进行分词处理，对不同分类下的信息进行分词，分词要保证的是分词的全面性，利用全模式分词工具，将文本中的词都分出来，然后进行关键词的清洗和关键词的排序，利用标签评分模型对关键词进行评分，输出的模型结果，作为标签的权重，最后生成维度系数和评分模型，高层标签的提取，通过聚类模型提取高层标签，从而得到对应的高层标签，本发明一种智能化企业标签提取方法，标签分布的位置固定，同时适用于标签词典同行外企业，同时达到噪音值的关键词将被维护到噪音词库，减少噪音，综合提高了企业标签的提取质量。综合提高了企业标签的提取质量。


技术研发人员：李庆峰 孙永磊
受保护的技术使用者：珠海绘客科技有限公司
技术研发日：2022.11.19
技术公布日：2023/2/3