[发明专利]用于生成信息的方法和装置

说明书

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：提取目标企业的企业信息，其中，该企业信息包括企业名称和经营范围信息；从该企业名称和该经营范围信息中提取第一特征信息；从其余信息中提取第二特征信息；将该第一特征信息与第二特征信息进行融合，将融合后的特征信息输入至预先训练的行业识别模型，得到该目标企业的行业类别。该实施方式提高了信息生成的灵活性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

随着计算机技术的发展，为了更好的进行与企业相关的数据分析(例如企业风险分析、企业图谱构造等)，通常需要把企业归类到正确的行业，并为企业添加行业标签。

现有的方式通常是通过规则和字典匹配的方式，识别出企业信息中的关键词，通过人工把这些关键词映射到预设的行业分类中，通常需要消耗较大人力。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：提取目标企业的企业信息，其中，企业信息包括企业名称和经营范围信息；从企业名称和经营范围信息中提取第一特征信息；从其余信息中提取第二特征信息，其中，其余信息为企业信息中的、除企业名称和经营范围信息以外的信息；将第一特征信息与第二特征信息进行融合，将融合后的特征信息输入至预先训练的行业识别模型，得到目标企业的行业类别，其中，行业识别模型用于表征特征信息与行业类别的对应关系。

在一些实施例中，从企业名称和经营范围信息中提取第一特征信息，包括：分别对企业名称和经营范围信息进行分词，确定分词后的各词的词向量；从企业名称中提取关键词；对企业名称中的各词的词向量、关键词的词向量、经营范围信息中的各词的词向量进行解析，生成第一特征信息。

在一些实施例中，对企业名称中的各词的词向量、关键词的词向量、经营范围信息中的各词的词向量进行解析，生成第一特征信息，包括：将企业名称中的各词的词向量、关键词的词向量、经营范围信息中的各词的词向量分别输入至预先训练的特征提取模型，得到分别与企业名称、关键词、经营范围信息对应的特征向量，将分别与企业名称、关键词、经营范围信息对应的特征向量确定为第一特征信息，其中，特征提取模型用于提取文本特征。

在一些实施例中，特征提取模型由预先训练的卷积神经网络的卷积层和最大池化层组成。

在一些实施例中，行业识别模型为卷积神经网络的全连接层。

在一些实施例中，分别对企业名称和经营范围信息进行分词，确定分词后的各词的词向量，包括：分别对企业名称和经营范围信息进行分词，将企业名称中的各词和经营范围信息中的各词分别输入至预先训练的词向量模型，得到企业名称中的各词的词向量和经营范围信息中的各词的词向量，其中，词向量模型用于生成词的词向量。

在一些实施例中，其余信息包括目标企业的以下至少一项：经营状态、注册类型、规模、成立时间、地点；以及从其余信息中提取第二特征信息，包括：确定其余信息中的每一项对应的独热编码；将其余信息中的各项对应的独热编码进行拼接，生成第二特征信息。

第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：第一提取单元，配置用于提取目标企业的企业信息，其中，企业信息包括企业名称和经营范围信息；第二提取单元，配置用于从企业名称和经营范围信息中提取第一特征信息；第三提取单元，配置用于从其余信息中提取第二特征信息，其中，其余信息为企业信息中的、除企业名称和经营范围信息以外的信息；输入单元，配置用于将第一特征信息与第二特征信息进行融合，将融合后的特征信息输入至预先训练的行业识别模型，得到目标企业的行业类别，其中，行业识别模型用于表征特征信息与行业类别的对应关系。