[发明专利]企业身份信息数据融合方法及装置

权利要求书

1.一种企业身份信息数据融合方法，其特征在于，应用于筛选涉案企业中的合规企业，包括以下步骤：

从若干区块数据库中，以接口对接、数据库对接、文件包对接、消息队列对接的采集方式，采集包含增量同步数据和全量同步数据的同步数据，作为企业对象的身份信息数据；

将企业对象的若干身份信息数据构成原始数据集合；

对所述原始数据集合中的若干身份信息数据进行预处理，包括填充空值字段、补充必要字段、删除重复字段，更新原始数据集合为整合数据集合；

根据预设识别策略，确定整合数据集合中的唯一标识属性，作为对应企业对象的融合键；

建立整合数据集合中任意元素与融合键的关联关系，更新整合数据集合为融合数据集合；

输入融合数据集合至命名实体识别模型，得到第一信息分析数据；

输入融合数据集合至事件抽取模型，得到第二信息分析数据；

输入融合数据集合至文本相似度计算模型，得到第三信息分析数据；

输入融合数据集合至关键词提取模型，得到第四信息分析数据；

以预设结构化存储格式策略，存储第一信息分析数据、第二信息分析数据、第三信息分析数据、第四信息分析数据，作为企业对象在当前周期内的身份信息数据；

其中，所述输入融合数据集合至命名实体识别模型，得到第一信息分析数据，具体步骤包括：

确定融合数据集合中的文本单元；

按照预设分句策略，对所述文本单元进行分割，得到若干句子单元；

通过Jieba分词库，对所述若干句子单元进行分割，得到若干词语单元；

通过Word2Vec模型，将所述若干词语单元转变为若干词向量；

通过BILSTM-CRF模型，对所述若干词向量进行序列标定，确定所述文本单元中的命名实体、命名实体位置、命名实体类型，作为第一信息分析数据；

所述输入融合数据集合至事件抽取模型，得到第二信息分析数据，具体步骤包括：

确定融合数据集合中的文本单元；

基于预设位置编码、预设向量编码、预设句子分类编码，对所述文本单元进行转码，得到对应所述文本单元的嵌入向量；

输入所述嵌入向量至预训练的BERT模型，得到对应所述嵌入向量的编码序列；

采用与预训练的BERT模型连接的二分类器，基于所述编码序列，预测主实体；

根据主实体，从编码序列中，抽取主实体首部、尾部对应的编码向量；

基于主实体首部、尾部对应的编码向量，预测主实体对应的客实体、主实体客实体之间的关系；

提取主实体、主实体对应的客实体、主实体客实体之间的关系，组成三元组；

将若干三元组，作为第二信息分析数据；

所述输入融合数据集合至文本相似度计算模型，得到第三信息分析数据，具体步骤包括：

确定融合数据集合中的第一句子单元、第二句子单元；

基于预设位置编码、预设向量编码、预设句子分类编码，对所述第一句子单元进行转码，得到对应所述第一句子单元的第一嵌入向量；

对所述第二句子单元进行转码，得到对应所述第二句子单元的第二嵌入向量；

输入所述第一嵌入向量、所述第二嵌入向量至预训练的ALBERT模型，得到对应第一嵌入向量的第一文本向量、对应第二嵌入向量的第二文本向量；

输入第一文本向量、第二文本向量至全连接层进行运算，得到预测相似值；

当预测相似值大于预设阈值，确定第一文本、第二文本为相似信息，作为第三信息分析数据；

所述输入融合数据集合至关键词提取模型，得到第四信息分析数据，具体步骤包括：

确定融合数据集合中的文本单元；

按照预设分句策略，对所述文本单元进行分割，得到若干句子单元；

通过Jieba分词库，对所述若干句子单元进行分割，得到若干词语单元；

确定指定词性的若干词语单元，作为候选关键词；

将候选关键词作为节点，构建节点集合；

当候选关键词对应的词语单元在长度为K的窗口中共现时，将节点之间的关系作为边，构建边集合；

根据节点集合、边集合，构建有向有权图；

定义节点的得分函数：

；

其中，节点V_i、V_j之间边的权重为W_ji；In(V_i)为指向节点V_i的点集合；

Out(V_i)为节点V_j指向的点集合；

输入预设初值，迭代计算节点的权重值，直至任意节点的误差率小于预设极限值；

通过TextRank算法，对节点的权重值进行倒序排序；

获取前T个节点，并在候选关键词集合中，标记节点对应的词语单元；

将标记后的词语单元进行组合，得到词组关键词，作为第四信息分析数据。