[发明专利]企业身份信息数据融合方法及装置

说明书

本申请公开了一种企业身份信息数据融合方法及装置，用以解决数据治理能力差的技术问题。其中，一种数据融合方案，包括：采集企业对象的身份信息数据，并构成原始数据集合；对若干身份信息数据进行预处理，更新为整合数据集合；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，更新为融合数据集合；分别输入至命名实体识别模型、事件抽取模型、文本相似度计算模型、关键词提取模型，得到第一、第二、第三、第四信息分析数据，并以预设存储格式策略存储，作为企业对象在当前周期内的身份信息数据。这样将来自不同数据库的数据规范化，统一治理，提高了企业合规改进效率。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种企业身份信息数据融合方法及装置。

背景技术

近年来，围绕最新政策，主导开展了涉案企业合规改进。涉案企业合规可以理解为对于涉嫌单位犯罪的企业，在其认罪认罚并自愿制定和实施合规整改计划的条件下，可作出不批准逮捕、变更强制措施、不起诉，或者从宽处罚的量刑简易的一项制度。

为了筛选哪些企业使用企业合规政策办理，监督企业合规切实整改，跟踪合规企业运行质效，需要从不同监管部门获取企业相关数据。

在实现现有技术的过程中，发明人发现：

企业合规案件办理的核心点就是获取数据并进行治理，但是由于不同部门的数据质量参差不齐，缺乏统一的规范和治理体系，难以获取并进行数据分析。因此，需要提供一种企业身份信息数据融合方法及装置，用以解决数据治理能力差的技术问题。

发明内容

本申请实施例提供一种企业身份信息数据融合方法及装置，用以解决数据治理能力差的技术问题。

具体的，一种企业身份信息数据融合方法，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；

进一步的，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；

进一步的，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；