用于确定行业类别的方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114254109A(43)申请公布日2022.03.29(21)申请号202111534796.5(22)申请日2021.12.15(71)申请人北京金堤科技有限公司地址100086北京市海淀区知春路65号院1号楼B座20层2001号(72)发明人李凯(74)专利代理机构北京工信联合知识产权代理有限公司11266代理人贾银秋(51)Int.Cl.G06F16/35(2019.01)G06F16/332(2019.01)权利要求书2页说明书12页附图2页(54)发明名称用于确定行业类别的方法及装置(57)摘要本发明实施例公开了一种用于确定行业类别的方法及装置、电子设备、计算机可读存储介质和计算机程序，包括：获取目标文本；对目标文本进行数据提取，获得与目标文本相关联的产品信息；以及基于经过训练的分类处理模型对产品信息进行分类处理，以确定目标文本的行业类别。本发明实施例为用户确定招投标数据的行业类别提供了便利，方便用户获取特定行业类别的招投标数据，降低了用户对于招投标数据的数据获取成本。CN114254109ACN114254109A权利要求书1/2页1.一种确定行业类别的方法，其特征在于，包括：获取目标文本；其中，所述目标文本包括：目标招标文本和/或目标投标文本；对所述目标文本进行数据提取，获得与所述目标文本相关联的产品信息；将所述产品信息输入经过训练的分类处理模型，得到所述目标文本的行业类别。2.根据权利要求1所述的方法，其特征在于，在所述获取目标文本之前还包括：获取多个样本文本；其中，所述样本文本包括：样本招标文本和/或样本投标文本；对每个样本文本进行数据提取，获得与每个样本文本相关联的产品信息；其中，多个样本文本的产品信息构成第一训练数据集；基于所述第一训练数据集对预先设定的分类处理模型进行训练，从而获得经过训练的分类处理模型。3.根据权利要求2所述的方法，其特征在于，还包括：提取每个样本文本的标题；将每个样本文本的标题添加到第一训练数据集中。4.根据权利要求2所述的方法，其特征在于，还包括：获取每个样本文本的正文内容；对每个样本文本的正文内容的起始处开始的第一预定数量的连续字符进行提取，获得每个样本文本的第一预定数量的连续字符；将每个样本文本的第一预定数量的连续字符添加到第一训练数据集中。5.根据权利要求2所述的方法，其特征在于，还包括：获取每个样本文本的正文内容；对正文内容进行关键词统计，以确定正文内容中每个关键词的词频；基于正文内容中每个关键词的词频，为每个样本文本确定第二预定数量的选定关键词；将每个样本文本的第二预定数量的选定关键词添加到第一训练数据集中。6.根据权利要求2所述的方法，其特征在于，对每个样本文本进行数据提取，获得与每个样本文本相关联的产品信息，包括：获取每个样本文本的正文内容；根据经过训练的产品信息提取模型对每个样本文本的正文内容进行数据提取，从而获得每个样本文本的产品信息。7.根据权利要求6所述的方法，其特征在于，在根据经过训练的产品信息提取模型对每个样本文本的正文内容进行数据提取之前，还包括：基于通用的产品字典和专用的产品字典，构建经过融合的产品字典；基于经过融合的产品字典对每个样本文本的正文内容中的产品信息进行标记，从而获取多个样本文本的第二训练数据集；根据所述第二训练数据集对预先设定的产品信息提取模型进行训练，从而获得经过训练的产品信息提取模型。8.根据权利要求7所述的方法，其特征在于，所述根据经过训练的产品信息提取模型对每个样本文本的正文内容进行数据提取，从而获得每个样本文本的产品信息，包括：2CN114254109A权利要求书2/2页根据经过训练的产品信息提取模型为正文内容中每个位置处的字符生成标签并且在标签中标记字符的产品信息概率；对正文内容中每个位置处的字符的标签进行遍历，根据字符的产品信息概率，获取作为产品信息的多个字符；将作为产品信息的多个字符确定为正文内容的产品信息。9.根据权利要求1所述的方法，其特征在于，在获取目标文本之后还包括:提取所述目标文本的标题、提取所述目标文本的从正文内容的起始处开始的第一预定数量的连续字符和提取所述目标文本中第二预定数量的选定关键词；所述将所述产品信息输入经过训练的分类处理模型，得到所述目标文本的行业类别，包括：将所述目标文本的产品信息、所述目标文本的标题、所述目标文本的从正文内容的起始处开始的第一预定数量的连续字符和所述目标文本的第二预定数量的选定关键词输入经过训练的分类处理模型，以确定所述目标文本的行业类别。10.根据权利要求5所述的方法，其特征在于，还包括，根据每个样本文本的第二预定数量的选定关键词确定每个样本信息的类别信息，将每个样本信息的类别信息添加到第一训练