基于企业特征的政策匹配推送方法及系统与流程

1.本发明涉及计算机信息处理技术领域，尤其涉及一种基于企业特征的政策匹配推送方法、装置及计算机可读存储介质。


背景技术：

2.目前政策匹配推送多采用人工的方法来进行政策要素识别，这种人工匹配的方法不仅工作量大，而且存在主观性强、识别效率低的问题，容易导致无法有效匹配符合政策要求的企业，进而无法向符合要求的企业推送相应政策信息。


技术实现要素：

3.有鉴于此，有必要提供一种基于企业特征的政策匹配推送方法、系统及计算机可读存储介质，以解决现有技术中人工匹配时工作量大、识别效率低的技术问题。
4.为实现上述目的，本发明一实施例提供了一种基于企业特征的政策匹配推送方法，包括以下步骤：
5.采集非结构化的政策语料集与结构化的企业数据集；
6.对所述政策语料集进行预处理，生成三元组结构化政策数据集；以及
7.将所述三元组结构化政策数据集与所述企业数据集进行匹配，得出符合政策的企业数据集。
8.在本发明提供的基于企业特征的政策匹配推送方法中，对所述政策语料集进行预处理，生成三元组结构化政策数据集的步骤包括：
9.对所述政策语料集进行分词处理，生成政策分词集；
10.对所述政策分词集和所述政策语料集进行关系抽取，生成模型训练的三元组政策数据集；以及
11.对所述模型训练的三元组政策数据集进行结构化处理，生成所述三元组结构化政策数据集。
12.在本发明提供的基于企业特征的政策匹配推送方法中，将所述三元组结构化政策数据集与所述企业数据集进行匹配，得出符合政策的企业数据集的步骤之前还包括：
13.对所述企业数据集进行数据清洗，所述数据清洗包括去重处理、去除无关匹配的数据项和/或拆解合并项。
14.在本发明提供的基于企业特征的政策匹配推送方法中，还包括：
15.向符合政策的企业数据集中包含的企业发送政策信息。
16.本发明的另一实施例提供了一种基于企业特征的政策匹配推送装置，包括：
17.数据采集模块，用于采集非结构化的政策语料集与结构化的企业数据集；
18.数据预处理模块，用于对所述政策语料集进行预处理，生成三元组结构化政策数据集；以及
19.匹配模块，用于将所述三元组结构化政策数据集与所述企业数据集进行匹配，得
出符合政策的企业数据集。
20.在本发明提供的基于企业特征的政策匹配推送装置中，所述数据预处理模块包括：
21.分词处理单元，用于对所述政策语料集进行分词处理，生成政策分词集；
22.关系抽取单元，用于对所述政策分词集和所述政策语料集进行关系抽取，生成模型训练的三元组政策数据集；以及
23.结构化处理单元，用于对所述模型训练的三元组政策数据集进行结构化处理，生成所述三元组结构化政策数据集。
24.在本发明提供的基于企业特征的政策匹配推送装置中，还包括：
25.数据清洗模块，用于对所述企业数据集进行数据清洗，所述数据清洗包括去重处理、去除无关匹配的数据项和/或拆解合并项。
26.在本发明提供的基于企业特征的政策匹配推送装置中，还包括：
27.政策推送模块，用于向符合政策的企业数据集中包含的企业发送政策信息。
28.本发明的另一实施例提供了一种基于企业特征的政策匹配推送装置，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如上所述的基于企业特征的政策匹配推送方法。
29.本发明的另一实施例提供了一种计算机可读存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行如上所述的基于企业特征的政策匹配推送方法。
30.与现有技术相比，本发明实施例提出的基于企业特征的政策匹配推送方法，通过nlp的实体识别与关系抽取技术，快速获取政策要素，将非结构化的政策语料集转化结构化的数据集，与企业要素进行匹配，可以快速的识别出适用政策的企业，并通过常用方式(短信、邮件等)通知企业，提高政策对企业服务的效能。
31.附图说明
32.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图：
33.图1为本发明基于企业特征的政策匹配推送方法一实施例的流程图。
具体实施方式
34.为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
35.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
36.为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
37.实施例一
38.请参考图1，图1为本发明基于企业特征的政策匹配推送方法一实施例的流程图。如图1所示，其包括以下步骤：
39.步骤s101，采集非结构化的政策语料集与结构化的企业数据集。
40.具体地，在本发明一实施例中，通过爬虫、公开政务类网站人工采集或第三方机构提供来获取政策语料集，其中，对第三方机构提供的政策语料集，需要将其与公开政务网站发布的政策信息进行比较，核实是否权威准确。通过上述方法获取的政策语料集集通常为非结构化文本数据。
41.具体地，在本发明一实施例中，通过爬虫、人工通过企业网站或者第三方企业网站采集企业数据，企业数据通常为结构化数据，包含企业的基本信息(企业名称及其他)、经营信息(营收及其他)等数据。
42.需要说明的是，进行数据采集的时候，政策语料集和企业数据集的时间维度要保持一致，如政策时间是当前月份的，企业信息的最后更新时间也应该是当前月份，避免两类数据在时间维度上不一致。当采集完成后，结构化的企业数据以数据库表形式存储，非结构化的政策语料集以word文件形式存储。
43.进一步地，在获取了结构化的企业数据集后，需要将数据中使用价值不大、视为噪音的数据进行清洗去除，所述数据清洗包括去重处理、去除无关匹配的数据项和/或拆解合并项。当然，数据清洗不局限于以上内容，还可以包括其他清洗步骤。
44.其中，去重处理，用于去除企业数据集中的重复记录，如：可以通过sql 语句，按部分字段(如企业名称)或整行去除重复项，保证企业数据的唯一性，避免后续利用该数据进行政策匹配时由重复记录带来的误差。
45.其中，去除无关匹配的数据项，是指去除与政策匹配无关的企业数据，例如系统时间、修改时间等，以保证该数据项能够有效的与政策特征进行匹配。
46.其中，拆解合并项是指将以非常规方式进行记录的部分数据项进行拆分。例如，产值数据项，可能会以{2015年:200亿，2016年::300亿}的json形式出现，或者以200亿、300亿的常规分隔符(逗号、空格、分号等)分隔形式出现，前者可以python或sql通过json解析，将其拆分成日期与产值的形式，后者通过sql的replace()函数替换成类似的形式。
47.步骤s102，对所述政策语料集进行预处理，生成三元组结构化政策数据集。
48.由于上面获得的政策语料集为非结构化数据，因此，需要将其转化为结构化数据。具体地，包括以下步骤：
49.步骤s1021，对所述政策语料集进行分词处理，生成政策分词集。
50.具体地，在本实施例中，通过分词处理将政策语料集处理为最小单位粒度的词或者词语，由于政策的撰写要求表达准确，格式规范，文字简洁，这里我们采用基于字典、词库匹配的机械分词法。包括：
51.(1)从左向右取待切分汉语句的m个字符作为匹配字段，m为机器词典中最长词条
个数。
52.(2)查找大机器词典并进行匹配。若匹配成功，则将这个匹配字段作为一个词切分出来；若匹配不成功，则将这个匹配字段的最后一个字去掉，剩下的字符串作为新的匹配字段，进行再次匹配，重复以上过程，直到切分出所有词为止。
53.进一步地，在进行了分词处理后，还可以通过去停用词将文本特征没有任何贡献的字词去除，例如，录入，标点符号、语气、人称等。具体包括：在分词后，通过北大的词性标注集同时对每个分词进行词性标注；根据去停用词表，去除政策分词集里的停用词。
54.步骤s1022，对所述政策分词集和所述政策语料集进行关系抽取，生成模型训练的三元组政策数据集。
55.具体地，在本发明一实施例中，在政策分词集后，需要发现和分类文本实体之间的语义关系，因此，要进行关系抽取，得到诸如(市值，不低于， 10亿元人民币)这样的三元组政策数据集。包括：
56.1)对政策分词集做句子依存分析等处理；
57.2)根据句子依存语法树结构上匹配规则，每匹配一条规则就生成一个三元组；
58.3)根据拓展规则对抽取到的三元组进行拓展。
59.步骤s1023，对所述模型训练的三元组政策数据集进行结构化处理，生成所述三元组结构化政策数据集。
60.具体地，在本实施例中，上面获取的三元组政策数据集还是非结构化数据，因此，需要对其进行结构化处理，以方便其与结构化的企业数据集进行匹配。包括：
61.1)三元组转化结构化数据，将诸如(市值，不低于，10亿元人民币)，通过编码转化成结构化数据，结构化数据形式如以下样式：
62.政策名称实体名称a关系实体名称ba政策市值不低于10亿元人民币
63.2)将关系字段通过关系映射表转化为逻辑符号，如不低于转化为》＝，将实体名称b格式化为数值或者其他易于判断的数据类型，一般数据类型有三种，字符串、数值和日期，将数值字符串转化为数值，如10亿元人民币转化为100000000，将日期字符串格式化为标准日期；如2021年11月22日转化为2021-11-22。
64.政策名称实体名称a关系实体名称ba政策市值》＝100000000
65.步骤s103，将所述三元组结构化政策数据集与所述企业数据集进行匹配，得出符合政策的企业数据集。
66.具体地，在本实施例中，在获取了结构化的政策数据集以及企业数据集后，将企业数据与政策数据做比对，如a企业市值＝10000000，符合a政策要求，政策a与企业a匹配。
67.进一步地，在匹配到符合政策的企业后，向符合政策的企业数据集中包含的企业发送政策信息，以便相关企业可以及时获取到政策信息。推送方式包括但不限于短信邮件等方式。
68.本发明提供的基于企业特征的政策匹配推送方法，通过nlp的实体识别与关系抽取技术，快速获取政策要素，将非结构化的政策语料集转化结构化的数据集，与企业要素进行匹配，可以快速的识别出适用政策的企业，并通过常用方式(短信、邮件等)通知企业，提
高政策对企业服务的效能。
69.实施例二
70.本发明实施例还提供了一种基于企业特征的政策匹配推送系统，包括：
71.数据采集模块，用于采集非结构化的政策语料集与结构化的企业数据集；
72.数据预处理模块，用于对所述政策语料集进行预处理，生成三元组结构化政策数据集；
73.数据清洗模块，用于对所述企业数据集进行数据清洗，所述数据清洗包括去重处理、去除无关匹配的数据项和/或拆解合并项；
74.匹配模块，用于将所述三元组结构化政策数据集与所述企业数据集进行匹配，得出符合政策的企业数据集；
75.政策推送模块，用于向符合政策的企业数据集中包含的企业发送政策信息。
76.具体地，所述数据预处理模块包括：
77.分词处理单元，用于对所述政策语料集进行分词处理，生成政策分词集；
78.关系抽取单元，用于对所述政策分词集和所述政策语料集进行关系抽取，生成模型训练的三元组政策数据集；以及
79.结构化处理单元，用于对所述模型训练的三元组政策数据集进行结构化处理，生成所述三元组结构化政策数据集。
80.需要说明的是，本实施例基于企业特征的政策匹配推送装置与实施例一所示的基于企业特征的政策匹配推送装置方法的原理相同，此处不再详细描述。
81.实施例三
82.本发明实施例还提供了一种基于企业特征的政策匹配推送装置，可以包括：
83.存储器，用于存储计算机程序；
84.处理器，用于执行上述存储器存储的计算机程序时可实现如下步骤：
85.采集非结构化的政策语料集与结构化的企业数据集；
86.对所述政策语料集进行预处理，生成三元组结构化政策数据集；以及
87.将所述三元组结构化政策数据集与所述企业数据集进行匹配，得出符合政策的企业数据集。
88.实施例四
89.本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时可实现如下步骤；
90.采集非结构化的政策语料集与结构化的企业数据集；
91.对所述政策语料集进行预处理，生成三元组结构化政策数据集；以及
92.将所述三元组结构化政策数据集与所述企业数据集进行匹配，得出符合政策的企业数据集。
93.该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read-onlymemory,rom)＞随机存取存储器(random access memory,ram)、磁碟或者光盘等各种可以存储程序代码的介质。
94.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构
和技术，以便不模糊对本说明书的理解。
95.类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
96.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
97.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
98.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
99.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。