CN115114402A - 相关相似公司的推荐方法、装置、存储介质和电子设备 - Google Patents
相关相似公司的推荐方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN115114402A CN115114402A CN202210742746.4A CN202210742746A CN115114402A CN 115114402 A CN115114402 A CN 115114402A CN 202210742746 A CN202210742746 A CN 202210742746A CN 115114402 A CN115114402 A CN 115114402A
- Authority
- CN
- China
- Prior art keywords
- company
- list
- similar
- companies
- recommended
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012216 screening Methods 0.000 claims abstract description 64
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 2
- 238000001914 filtration Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明的实施例提供了一种相关相似公司的推荐方法、装置、存储介质和电子设备,其中,所述方法包括:根据待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表;获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息;基于所述相似特征信息和相关特征信息确定细排公司列表;根据用户需求对所述细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐。通过逐步进行数据的筛选和滤除,能够将与被查询公司相关和/或相似度最高的待推荐列表向用户进行推荐,从而获取与被查询公司关联性最高的公司列表,能够有效地提高待推荐列表的准确性,极大地满足了用户的使用需求。
Description
技术领域
本发明涉及数据处理技术领域,并且更具体地,涉及一种相关相似公司的推荐方法、装置、存储介质和电子设备。
背景技术
在日常生活和各种商业活动中,用户经常需要查询与某个公司有一定关系的其他公司,包括获取与某个公司具有相同人员、投资关系等相关关系的公司,以及获取与某个公司具有相似行业或地域等相似关系的公司,可将获取的公司信息用于投资分析、寻找商机等。
由于通常情况下,与某个公司相关和/或相似的公司的数量会比较多,现有的查询方法会得到数量较多的公司信息,并且,由于获取的与某个公司相关和/或相似的公司之间的相关相似程度不同,导致获取公司信息的过程中查询效率较低。
因此,需要一种相关相似公司的推荐方法对获取的相关和/或相似的公司信息进行过滤,得到与某个公司相关和/或相似度最高的推荐公司列表向用户进行推荐,以满足用户的查询需要。
发明内容
本发明要解决的问题包括如何实现根据用户需查询的被查询公司的特征信息进行相关和/或相似的公司查询,并在获取到相关和/或相似的公司信息后,对获取的数据进行有效的过滤,以得到与被查询公司相关和/或相似度最高的推荐公司列表向用户进行推荐的问题。
为了解决上述诸如如何实现在根据被查询公司的特征信息进行相关和/或相似的公司查询时,在获取到相关和/或相似的公司信息后,如何对获取的数据进行有效的过滤,以得到与被查询公司相关和/或相似度最高的推荐公司列表向用户进行推荐的技术问题,提出了本发明。本发明的实施例提供了一种相关相似公司的推荐方法、装置、存储介质和电子设备。
根据本发明实施例的一个方面,提供了一种相关相似公司的推荐方法,包括:
根据待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表;
获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息;
基于所述相似特征信息和相关特征信息确定细排公司列表;
根据用户需求对所述细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐。
可选地,其中,在根据所述待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表时,包括:
对所述待查询公司的公司名称进行命名实体识别后,根据获取的所述待查询公司的字号、行业、地域和公司类型信息进行相似公司匹配,以获取相似公司集合;
根据获取的所述待查询公司的人员、电话、邮箱和注册地址信息,进行相关公司查询,以获取相关公司集合;
将所述相似公司集合和相关公司集合合并后,确定为所述粗筛公司列表。
可选地,其中,在获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息时,包括:
计算所述待查询公司与各所述相似公司之间的字号、行业、地域和公司类型信息的相似度后,获取相似特征序列;
对各所述相似公司的人员、电话、邮箱和注册地址信息进行特征归一化值计算后,获取相关特征序列。
可选地,其中,在基于所述相似特征信息和相关特征信息确定细排公司列表时,包括:
当所述粗筛公司列表中的待推荐公司数量小于等于推荐公司数量阈值时,则将所述粗筛公司列表确定为所述细排公司列表;
当所述粗筛公司列表中的待推荐公司数量大于推荐公司数量阈值时,则根据获取的所述相似特征序列和相关特征序列对所述粗筛公司列表进行调整,将调整后的列表作为所述细排公司列表。
可选地,其中,在根据获取的所述相似特征序列和相关特征序列对所述粗筛公司列表进行调整,并将调整后的列表作为所述细排公司列表时,包括:
设置固定数量阈值k1,将所述粗筛公司列表中各公司的相似特征序列和相关特征序列的数值累加,根据累加后的数值按从大到小的排序结果对所述粗筛公司列表中的各公司进行排序后,选取位于前k1位的公司作为所述细排公司列表。
可选地,其中,在根据用户需求对所述细排公司列表进行筛选,确定推荐公司列表时,包括:
分别获取所述细排公司列表中各公司的相似特征序列和相关特征序列,根据用户需求设置与所述相似特征序列和相关特征序列相对应的权重值,分别计算相似度分数和相关度分数,将所述相似度分数和相关度分数相加后获得相关相似度总分数;
将所述细排公司列表中各公司所对应相关相似度总分数,按从大到小的顺序重新排序后,获取排序后的公司列表,设置推荐公司阈值k2,从所述排序后的公司列表中截取前k2个公司,作为所述推荐公司列表。
根据本发明实施例的又一个方面,提供了一种相关相似公司的推荐装置,包括:
粗筛公司列表获取模块,用于根据待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表;
特征信息获取模块,用于获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息;
细排公司列表获取模块,用于基于所述相似特征信息和相关特征信息确定细排公司列表;
推荐公司列表获取模块,用于根据用户需求对所述细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐。
根据本发明实施例的又一个方面,提供了一种电子设备,所述电子设备包括:
处理器和存储器;其中,
所述存储器,用于存储所述处理器可执行指令;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本发明上述任一实施例所述的方法。
根据本发明实施例的又一个方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于执行上述任一实施例所述的方法。
根据本发明实施例的又一个方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时用于实现上述任一实施例所述的方法。
本发明实施例提供了一种相关相似公司的推荐方法和装置、以及存储介质和电子设备,在本发明实施例中通过根据待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表;获取待查询公司与粗筛公司列表中各公司的相似特征信息和相关特征信息;基于相似特征信息和相关特征信息确定细排公司列表;根据用户需求对细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐。本发明实施例能够在获取到与待查询公司相关的特征信息后,根据获取到的特征信息筛选出包含相关公司和相似公司的粗筛公司列表,再根据相似特征信息和相关特征信息从粗筛公司列表中筛选出细排公司列表,最终根据用户需求对细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐,通过逐步进行数据的筛选和滤除,能够将与被查询公司相关和/或相似度最高的待推荐列表向用户进行推荐,从而获取与被查询公司关联性最高的公司列表,能够有效地提高待推荐列表的准确性,极大地满足了用户的使用需求。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明一示例性实施例提供的相关相似公司的推荐方法的流程图;
图2为根据本发明一示例性实施例提供的相关相似公司的推荐装置的结构示意图;
图3为根据本发明一示例性实施例提供的电子设备的结构示意图。
具体实施方式
下面,将参考附图详细地描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
本领域技术人员可以理解,本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本发明实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本发明实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本发明中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本发明中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本发明对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机***、服务器等电子设备,其可与众多其它通用或专用计算***环境或配置一起操作。适于与终端设备、计算机***、服务器等电子设备一起使用的众所周知的终端设备、计算***、环境和/或配置的例子包括但不限于:个人计算机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机***﹑大型计算机***和包括上述任何***的分布式云计算技术环境,等等。
终端设备、计算机***、服务器等电子设备可以在由计算机***执行的计算机***可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算***存储介质上。
示例性方法
图1是本发明一示例性实施例提供的相关相似公司的推荐方法的流程图。本实施例可应用在电子设备上,如图1所示,所述方法包括以下步骤:
步骤S101:根据待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表;
步骤S102:获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息;
步骤S103:基于所述相似特征信息和相关特征信息确定细排公司列表;
步骤S104:根据用户需求对所述细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐。
在本发明的实施例中,通过在获取到与待查询公司相关的特征信息后,根据获取到的特征信息筛选出包含相关公司和相似公司的粗筛公司列表,再根据相似特征信息和相关特征信息从粗筛公司列表中筛选出细排公司列表,最终根据用户需求对细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐。
在本发明的实施例中,通过逐步进行数据的筛选和滤除,能够将与被查询公司相关和/或相似度最高的待推荐列表向用户进行推荐,从而获取与被查询公司关联性最高的公司列表,能够有效地提高待推荐列表的准确性,极大地满足了用户的使用需求。
可选地,其中,在根据所述待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表时,包括以下步骤:
对所述待查询公司的公司名称进行命名实体识别后,根据获取的所述待查询公司的字号、行业、地域和公司类型信息进行相似公司匹配,以获取相似公司集合;
根据获取的所述待查询公司的人员、电话、邮箱和注册地址信息,进行相关公司查询,以获取相关公司集合;
将所述相似公司集合和相关公司集合合并后,确定为所述粗筛公司列表。
在本发明的实施例中,对待查询公司的公司名进行命名实体识别,获取待查询公司的字号、行业、地域和公司类型等信息。如待查询公司为“北京天眼查科技有限公司”,通过命名实体识别后,获取待查询公司的字号“天眼查”,行业“科技”,地域“北京”。
可选地,其中,在获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息时,包括:
计算所述待查询公司与各所述相似公司之间的字号、行业、地域和公司类型信息的相似度后,获取相似特征序列;
对各所述相似公司的人员、电话、邮箱和注册地址信息进行特征归一化值计算后,获取相关特征序列。
在本发明的实施例中,在获取相似特征序列时,通过字号相似和行业相似,召回与待查询公司具有相似字号、行业和地域的公司列表。
优选的,字号采用文本相似度计算,计算方法为待查询公司与召回公司的字号匹配长度之和的2倍并除以字号长度之和。如“天眼查”与“天眼分”的匹配文本为“天眼”,匹配文本长度为2,字号长度之和为6,因此,相似度计算为2*2/6=0.67。分别对字号、行业、地址等计算相似度,得到公司之间的相似特征序列[S1,S2,...,Sn],S1,S2,...,Sn分别为相似度。
在本发明的实施例中,在获取相关特征序列时,获取待查询公司的人员、电话、邮箱和地址等信息,以及获取分支机构关系和投资关系等相关特征的信息。
对每一项相关特征进行清洗和归一化处理,由于在公司或机构注册时,会使用一些伪注册信息,如使用常见数字来代替电话信息,例如“123456”“111111”等,则需要进行相关特征的清洗,通过建立黑名单去除伪注册信息。还有一些注册信息是通过群体注册的,涉及的注册量非常大,通过统计其注册次数等方式进行清洗,例如有超过100家公司都注册了同一个电话,则这个电话就认为是群体注册的信息,不能作为关联特征。
召回与待查询公司具有相同人员、电话、邮箱等信息的公司,以获取相关公司列表。
设置阈值计算特征归一化值,如对电话信息进行计算,注册该电话的公司数量为x,设置阈值为100,则归一化值z=(100-x)/100。若两家公司的相关特征有多个,则每个相关特征再进行累加,如两个公司的相关电话信息有两个,计算归一化值后为z1=0.9,z2=0.8,则电话的相关特征为两个值的和z=z1+z2=1.7。
最终得到待查询公司与相似公司之间的的相关特征序列[R1,R2,R3,...,Rn],其中,R1,R2,R3,...,Rn分别为归一化值。
可选地,其中,在基于所述相似特征信息和相关特征信息确定细排公司列表时,包括:
当所述粗筛公司列表中的待推荐公司数量小于等于推荐公司数量阈值时,则将所述粗筛公司列表确定为所述细排公司列表;
当所述粗筛公司列表中的待推荐公司数量大于推荐公司数量阈值时,则根据获取的所述相似特征序列和相关特征序列对所述粗筛公司列表进行调整,将调整后的列表作为所述细排公司列表。
可选地,其中,在根据获取的所述相似特征序列和相关特征序列对所述粗筛公司列表进行调整,并将调整后的列表作为所述细排公司列表时,包括:
设置固定数量阈值k1,将所述粗筛公司列表中各公司的相似特征序列和相关特征序列的数值累加,根据累加后的数值按从大到小的排序结果对所述粗筛公司列表中的各公司进行排序后,选取位于前k1位的公司作为所述细排公司列表。
可选地,其中,在根据用户需求对所述细排公司列表进行筛选,确定推荐公司列表时,包括:
分别获取所述细排公司列表中各公司的相似特征序列和相关特征序列,根据用户需求设置与所述相似特征序列和相关特征序列相对应的权重值,分别计算相似度分数和相关度分数,将所述相似度分数和相关度分数相加后获得相关相似度总分数;
将所述细排公司列表中各公司所对应相关相似度总分数,按从大到小的顺序重新排序后,获取排序后的公司列表,设置推荐公司阈值k2,从所述排序后的公司列表中截取前k2个公司,作为所述推荐公司列表。
在本发明的实施例中,在确定推荐公司列表时,对召回的每一个相关公司,计算与待查询公司的相关相似度。相似度为[S1,S2,...,Sn],按照预设条件或者实际需求设置权重分数为[W1,W2,...,Wn],计算得到相似度分数为Simi_Score=W1*S1+W2*S2+...+Wn*Sn。相关度为[R1,R2,R3,...,Rn],按照预设条件或者实际需求设置权重分数为[Y1,Y2,...,Yn],计算得到相关度分数为Realtion_Score=Y1*R1+Y2*R2+...+Yn*Rn。计算得到总分数Score=Simi_Score+Realtion_Score,按照分数从高到低的方式,在细排公司列表中取前N(N即为上述k2)个公司作为最终的推荐公司列表。
通过对被查询公司名的命名实体识别获取公司字号、行业、地域信息,以及获取公司关联的人员、电话、邮箱、地址等特征信息、分支机构关系和投资关系等相关特征,综合以上相关相似信息,获取与被查询公司关联性最高的公司列表。
本发明实施例的方法通过对待查询公司的命名实体识别获取待查询公司的字号、行业、地域等信息,以及获取与待查询公司关联的人员、电话、邮箱、地址等特征信息,还获取待查询公司的分支机构关系和投资关系等相关特征,综合以上相关相似信息,获取与待查询公司关联性最高的公司列表。通过召回与待查询公司具有相关关系或相似关系的公司,并且进行排序计算,获得与待查询公司相关的公司,提高召回公司的关联性,并且可以满足不同需要。
具体的,本发明实施例的方法通过特征清洗过滤,减少错误关联,有效的降低了召回公司的数量,通过相似特征,增加了不同类型相似公司的召回结果,并且通过计算排序分数的方式,满足不同的召回需求。
在本发明的实施例中,上述实施例还可以通过标注较优召回公司数据,使用机器学习模型,训练召回公司的排序结果,避免人工设置权重,降低调试时间。并且在用户使用过程中不断获取用户的点击信息,作为优化模型的反馈数据,以进一步提高结果数据的准确性。
示例性装置
图2为根据本发明一示例性实施例提供的相关相似公司的推荐装置的结构示意图。如图2所示,本实施例提供的相关相似公司的推荐装置包括:
粗筛公司列表获取模块201,用于根据待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表;
特征信息获取模块202,用于获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息;
细排公司列表获取模块203,用于基于所述相似特征信息和相关特征信息确定细排公司列表;
推荐公司列表获取模块204,用于根据用户需求对所述细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐。
可选地,在根据所述待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表时:
粗筛公司列表获取模块201对所述待查询公司的公司名称进行命名实体识别后,根据获取的所述待查询公司的字号、行业、地域和公司类型信息进行相似公司匹配,以获取相似公司集合;
粗筛公司列表获取模块201根据获取的所述待查询公司的人员、电话、邮箱和注册地址信息,进行相关公司查询,以获取相关公司集合;
粗筛公司列表获取模块201将所述相似公司集合和相关公司集合合并后,确定为所述粗筛公司列表。
可选地,在获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息时:
特征信息获取模块202计算所述待查询公司与各所述相似公司之间的字号、行业、地域和公司类型信息的相似度后,获取相似特征序列;
特征信息获取模块202对各所述相似公司的人员、电话、邮箱和注册地址信息进行特征归一化值计算后,获取相关特征序列。
可选的,在基于所述相似特征信息和相关特征信息确定细排公司列表时:
细排公司列表获取模块203用于当所述粗筛公司列表中的待推荐公司数量小于等于推荐公司数量阈值时,则将所述粗筛公司列表确定为所述细排公司列表;
细排公司列表获取模块203用于当所述粗筛公司列表中的待推荐公司数量大于推荐公司数量阈值时,则根据获取的所述相似特征序列和相关特征序列对所述粗筛公司列表进行调整,将调整后的列表作为所述细排公司列表。
可选的,在根据获取的所述相似特征序列和相关特征序列对所述粗筛公司列表进行调整,并将调整后的列表作为所述细排公司列表时:
细排公司列表获取模块203用于设置固定数量阈值k1,将所述粗筛公司列表中各公司的相似特征序列和相关特征序列的数值累加,根据累加后的数值按从大到小的排序结果对所述粗筛公司列表中的各公司进行排序后,选取位于前k1位的公司作为所述细排公司列表。
可选的,在根据用户需求对所述细排公司列表进行筛选,确定推荐公司列表时:
推荐公司列表获取模块204用于分别获取所述细排公司列表中各公司的相似特征序列和相关特征序列,根据用户需求设置与所述相似特征序列和相关特征序列相对应的权重值,分别计算相似度分数和相关度分数,将所述相似度分数和相关度分数相加后获得相关相似度总分数;
推荐公司列表获取模块204用于将所述细排公司列表中各公司所对应相关相似度总分数,按从大到小的顺序重新排序后,获取排序后的公司列表,设置推荐公司阈值k2,从所述排序后的公司列表中截取前k2个公司,作为所述推荐公司列表。
本发明的实施例的相关相似公司的推荐装置与本发明的另一个实施例的相关相似公司的推荐方法相对应,在此不再赘述。
示例性电子设备
图3为根据本发明一示例性实施例提供的电子设备的结构示意图。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。图3图示了根据本公开实施例的电子设备的框图。如图3所示,电子设备300包括一个或多个处理器301和存储器302。
处理器301可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器302可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器301可以运行所述程序指令,以实现上文所述的本公开的各个实施例的软件程序的相关相似公司的推荐方法以及/或者其他期望的功能。在一个示例中,电子设备还可以包括:输入装置303和输出装置304,这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
此外,该输入装置303还可以包括例如键盘、鼠标等等。
该输出装置304可以向外部输出各种信息。该输出设备304可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图3中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的相关相似公司的推荐方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的相关相似公司的推荐方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种相关相似公司的推荐方法,其特征在于,包括:
根据待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表;
获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息;
基于所述相似特征信息和相关特征信息确定细排公司列表;
根据用户需求对所述细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐。
2.根据权利要求1所述的相关相似公司的推荐方法,其特征在于,在根据所述待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表时,包括:
对所述待查询公司的公司名称进行命名实体识别后,根据获取的所述待查询公司的字号、行业、地域和公司类型信息进行相似公司匹配,以获取相似公司集合;
根据获取的所述待查询公司的人员、电话、邮箱和注册地址信息,进行相关公司查询,以获取相关公司集合;
将所述相似公司集合和相关公司集合合并后,确定为所述粗筛公司列表。
3.根据权利要求1所述的相关相似公司的推荐方法,其特征在于,在获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息时,包括:
计算所述待查询公司与各所述相似公司之间的字号、行业、地域和公司类型信息的相似度后,获取相似特征序列;
对各所述相似公司的人员、电话、邮箱和注册地址信息进行特征归一化值计算后,获取相关特征序列。
4.根据权利要求3所述的相关相似公司的推荐方法,其特征在于,在基于所述相似特征信息和相关特征信息确定细排公司列表时,包括:
当所述粗筛公司列表中的待推荐公司数量小于等于推荐公司数量阈值时,则将所述粗筛公司列表确定为所述细排公司列表;
当所述粗筛公司列表中的待推荐公司数量大于推荐公司数量阈值时,则根据获取的所述相似特征序列和相关特征序列对所述粗筛公司列表进行调整,将调整后的列表作为所述细排公司列表。
5.根据权利要求4所述的相关相似公司的推荐方法,其特征在于,在根据获取的所述相似特征序列和相关特征序列对所述粗筛公司列表进行调整,并将调整后的列表作为所述细排公司列表时,包括:
设置固定数量阈值k1,将所述粗筛公司列表中各公司的相似特征序列和相关特征序列的数值累加,根据累加后的数值按从大到小的排序结果对所述粗筛公司列表中的各公司进行排序后,选取位于前k1位的公司作为所述细排公司列表。
6.根据权利要求5所述的相关相似公司的推荐方法,其特征在于,在根据用户需求对所述细排公司列表进行筛选,确定推荐公司列表时,包括:
分别获取所述细排公司列表中各公司的相似特征序列和相关特征序列,根据用户需求设置与所述相似特征序列和相关特征序列相对应的权重值,分别计算相似度分数和相关度分数,将所述相似度分数和相关度分数相加后获得相关相似度总分数;
将所述细排公司列表中各公司所对应相关相似度总分数,按从大到小的顺序重新排序后,获取排序后的公司列表,设置推荐公司阈值k2,从所述排序后的公司列表中截取前k2个公司,作为所述推荐公司列表。
7.一种相关相似公司的推荐装置,其特征在于,包括:
粗筛公司列表获取模块,用于根据待查询公司的特征信息进行相关公司和相似公司查询,获取粗筛公司列表;
特征信息获取模块,用于获取所述待查询公司与所述粗筛公司列表中各公司的相似特征信息和相关特征信息;
细排公司列表获取模块,用于基于所述相似特征信息和相关特征信息确定细排公司列表;
推荐公司列表获取模块,用于根据用户需求对所述细排公司列表进行筛选后,确定推荐公司列表,以向用户进行推荐。
8.一种电子设备,其特征在于,所述电子设备包括:
处理器和存储器;其中,
所述存储器,用于存储所述处理器可执行指令;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-7中任一项所述的相关相似公司的推荐方法。
9.一种计算机可读存储介质,其特征在于,
所述计算机可读存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7中任一项所述的相关相似公司的推荐方法。
10.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的相关相似公司的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210742746.4A CN115114402A (zh) | 2022-06-27 | 2022-06-27 | 相关相似公司的推荐方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210742746.4A CN115114402A (zh) | 2022-06-27 | 2022-06-27 | 相关相似公司的推荐方法、装置、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115114402A true CN115114402A (zh) | 2022-09-27 |
Family
ID=83330486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210742746.4A Pending CN115114402A (zh) | 2022-06-27 | 2022-06-27 | 相关相似公司的推荐方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115114402A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528596A (zh) * | 2016-09-23 | 2017-03-22 | 乐视控股(北京)有限公司 | 一种信息推荐方法及装置 |
CN110020122A (zh) * | 2017-10-16 | 2019-07-16 | Tcl集团股份有限公司 | 一种视频推荐方法、***及计算机可读存储介质 |
CN110532479A (zh) * | 2019-09-05 | 2019-12-03 | 北京思维造物信息科技股份有限公司 | 一种信息推荐方法、装置及设备 |
CN110866180A (zh) * | 2019-10-12 | 2020-03-06 | 平安国际智慧城市科技股份有限公司 | 资源推荐方法、服务器及存储介质 |
US20200233872A1 (en) * | 2019-01-18 | 2020-07-23 | International Business Machines Corporation | System and method for discovering synergistic companies |
CN112749272A (zh) * | 2021-01-19 | 2021-05-04 | 国家电网有限公司 | 面向非结构化数据的新能源规划性文本智能推荐方法 |
CN113837843A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、介质及电子设备 |
CN114255096A (zh) * | 2021-11-30 | 2022-03-29 | 王建冬 | 数据需求匹配方法和装置、电子设备、存储介质 |
-
2022
- 2022-06-27 CN CN202210742746.4A patent/CN115114402A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528596A (zh) * | 2016-09-23 | 2017-03-22 | 乐视控股(北京)有限公司 | 一种信息推荐方法及装置 |
CN110020122A (zh) * | 2017-10-16 | 2019-07-16 | Tcl集团股份有限公司 | 一种视频推荐方法、***及计算机可读存储介质 |
US20200233872A1 (en) * | 2019-01-18 | 2020-07-23 | International Business Machines Corporation | System and method for discovering synergistic companies |
CN110532479A (zh) * | 2019-09-05 | 2019-12-03 | 北京思维造物信息科技股份有限公司 | 一种信息推荐方法、装置及设备 |
CN110866180A (zh) * | 2019-10-12 | 2020-03-06 | 平安国际智慧城市科技股份有限公司 | 资源推荐方法、服务器及存储介质 |
CN112749272A (zh) * | 2021-01-19 | 2021-05-04 | 国家电网有限公司 | 面向非结构化数据的新能源规划性文本智能推荐方法 |
CN113837843A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、介质及电子设备 |
CN114255096A (zh) * | 2021-11-30 | 2022-03-29 | 王建冬 | 数据需求匹配方法和装置、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7200606B2 (en) | Method and system for selecting documents by measuring document quality | |
CN109165975B (zh) | 标签推荐方法、装置、计算机设备及存储介质 | |
US10169730B2 (en) | System and method to present a summarized task view in a case management system | |
US10067964B2 (en) | System and method for analyzing popularity of one or more user defined topics among the big data | |
CN109697201B (zh) | 一种查询处理的方法、***、设备及计算机可读存储介质 | |
CN109284369B (zh) | 证券新闻资讯重要性的判定方法、***、装置及介质 | |
CN104615723B (zh) | 查询词权重值的确定方法和装置 | |
CN112966181A (zh) | 服务推荐方法、装置、电子设备及存储介质 | |
CN112035449A (zh) | 数据处理方法及装置、计算机设备、存储介质 | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
US11403654B2 (en) | Identifying competitors of companies | |
CN115114402A (zh) | 相关相似公司的推荐方法、装置、存储介质和电子设备 | |
CN110619067A (zh) | 基于行业分类的检索方法、检索装置及可读存储介质 | |
CN110781211A (zh) | 一种数据的解析方法及装置 | |
CN111125322B (zh) | 信息搜索方法和装置、电子设备和存储介质 | |
CN113392184A (zh) | 一种相似文本的确定方法、装置、终端设备及存储介质 | |
CN109783816B (zh) | 短文本聚类方法及终端设备 | |
CN113076481A (zh) | 一种基于成熟度技术的文献推荐***及方法 | |
CN112016975A (zh) | 产品筛选方法、装置、计算机设备及可读存储介质 | |
US10824681B2 (en) | Enterprise resource textual analysis | |
CN110941719A (zh) | 数据分类方法、测试方法、装置及存储介质 | |
CN113886723B (zh) | 确定排序稳定性的方法和装置、以及存储介质和电子设备 | |
CN110941714A (zh) | 分类规则库构建方法、应用分类方法及装置 | |
CN111506671B (zh) | 处理实体对象的属性的方法、装置、设备及存储介质 | |
CN111460281B (zh) | 信息推送的优化方法及装置、存储介质、终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |