[发明专利]嵌入向量的生成方法、基于企业对的同名人员分类方法及装置

说明书

一种嵌入向量的生成方法、基于企业对的同名人员分类方法及装置，该方法包括：以企业关联关系数据库中每个企业以及每个企业之间的关联关键词为节点，以每个企业之间的关系以及每个企业与每个关联关键词之间的关系为边，生成企业关联关系异构图；对企业关联关系异构图进行采样，得到每个企业的采样序列；采用预设的自然语言处理模型对每个企业的采样序列进行训练处理，得到每个企业的嵌入向量。本发明实施例提供的方法及装置，通过采用异构图构建企业关联关系图，无需考虑企业之间关联关系的属性类型而设置不同的权重边，后续采样会根据节点的度自动学习到权重，并且新增企业以及企业关系可以直接通过增加节点实现。

技术领域

本发明涉及图像检测技术领域，具体而言，涉及一种嵌入向量的生成方法、基于企业对的同名人员分类方法、装置、计算机可读存储介质及电子设备。

背景技术

自然人人名消歧是企业信息分析中的难题。在工商公开信息中，对于企业的相关人员，官方披露仅包含人员姓名，不包含人员的唯一身份识别代码，因此当两家企业同时出现两个相同的人名时，难以判断两人是否为同一人。

传统方法中解决人名消歧一般依赖人为设定策略进行关系判断，判断的准确性受限于人工策略的完备程度。同时，由于企业信息的复杂性，人工策略难以深入利用企业的多维度信息，导致结果准确率较低。

发明内容

鉴于此，本发明提出了一种嵌入向量的生成方法、基于企业对的同名人员分类方法、装置、计算机可读存储介质及电子设备，以解决现有技术中两家企业同时出现两个相同的人名时难以判断是否为同一个人的问题。

第一方面，本发明实施例提供了一种嵌入向量的生成方法，所述方法包括：以企业关联关系数据库中每个企业以及每个企业之间的关联关键词为节点，以每个企业之间的关系以及每个企业与每个关联关键词之间的关系为边，生成企业关联关系异构图；其中，每个关联关键词的所有边的权重之和均相同；对所述企业关联关系异构图进行采样，得到每个企业的采样序列；采用预设的自然语言处理模型对所述每个企业的采样序列进行训练处理，得到每个企业的嵌入向量。

进一步地，所述对所述企业关联关系异构图进行采样，得到每个企业的采样序列，包括：以所述企业关联关系异构图中每个节点为起点，沿着边进行随机游走，直至途径k个节点，得到每个企业的游走序列，其中k为正整数。

进一步地，当一个节点具有多个边时，所述沿着边进行随机游走，包括：根据每条边的权重，确定沿着每条边进行随机游走的概率。

进一步地，所述采用预设的自然语言处理模型对所述每个企业的采样序列进行训练处理，得到每个企业的嵌入向量，包括：采用预设的word2vec自然语言处理模型对所述每个企业的采样序列进行训练处理，得到每个企业的嵌入向量。

第二方面，本发明实施例还提供了一种基于企业对的同名人员分类方法，所述方法包括：在待分类企业对中的两家企业均在当前的企业关联关系异构图中的情况下，从预先采用上述各实施例提供的方法得到的嵌入向量中，提取待分类企业对中两家企业的嵌入向量；将所述两家企业的嵌入向量输入预先构建的二分类模型进行预测，得到预测结果；其中，所述企业对由同名人员名下的两个企业组成。

进一步地，所述方法还包括：在待分类企业对中的两家企业存在至少一家企业不在所述当前的企业关联关系异构图中的情况下，将未在所述当前的企业关联关系异构图中的企业添加至所述当前的企业关联关系异构图中，生成最新的企业关联关系异构图；采用与待分类企业对中的两家企业均在当前的企业关联关系异构图中类似的企业对分类方法进行企业对分类。