一种基于文本相似度的企业行业识别系统及识别方法

摘要

本发明公开一种基于文本相似度的企业行业识别系统及识别方法，包括数据预处理模块、数据抽样模块、同义词扩展模块、向量空间转换模块、数据标注模块和行业识别模块，所述数据预处理模块用于对文本进行预处理和生成动词及名词词袋，所述数据抽样模块用于抽样读取统一社会信用代码数据库部分数据，所述同义词扩展模块用于对抽样数据和国民经济行业分类数据进行同义词扩展；本发明对数据进行了同义词扩展，提高相似度比较的精确度，采用随机抽样技术，从社会统一信用代码数据库中抽取少量数据并将其与国民经济行业分类标准数据进行相似度对比，抽样数据量小于未抽样数据，有效提高行业识别的整体效率。