企業(yè)經(jīng)營范圍字段自動分類方法研究.pdf

1、本文的研究內(nèi)容是全國組織機構(gòu)代碼管理中心漢英共享平臺的重要組成部分，研究企業(yè)經(jīng)營范圍的自動分類方法。
　　隨著網(wǎng)絡技術(shù)的不斷發(fā)展和成熟，各種各樣的數(shù)字化的信息越來越多并且還在不斷的增長，文本自動分類方法的提出很好的解決大量文檔信息的歸類問題，并成為解決該問題的一項關鍵技術(shù)。而中文分詞技術(shù)是中文信息處理中的重要環(huán)節(jié)，中文分詞算法與中文分類系統(tǒng)的性能緊密相關。
　　企業(yè)經(jīng)營范圍用于描述企業(yè)所從事經(jīng)營活動的業(yè)務范圍，這些業(yè)務范圍是

2、進行企業(yè)經(jīng)濟行業(yè)劃分的重要依據(jù)。為了完成企業(yè)經(jīng)營范圍自動分類方法的研究，我們對企業(yè)經(jīng)營范圍進行了比較全面的分析。首先，從語言構(gòu)成上來看，企業(yè)經(jīng)營范圍的長度通常較短(少則幾個字多則幾十個字)，雖然語法結(jié)構(gòu)并不復雜且結(jié)構(gòu)較為單一，但其語法成份中包含大量的一般分詞算法并不擅長處理的名詞實體，現(xiàn)有分詞算法在處理較長篇幅的文檔分類時，如新聞報道、科技文獻等，分詞結(jié)果應用于文本分類時比較理想，而對于較短的文檔或某一特殊領域的短文檔，比如短篇的Ema

3、il、聊天記錄、企業(yè)經(jīng)營范圍等，直接使用傳統(tǒng)的分詞結(jié)果會出現(xiàn)明顯的數(shù)據(jù)稀疏現(xiàn)象。其次，從數(shù)據(jù)質(zhì)量上來看，企業(yè)經(jīng)營范圍數(shù)據(jù)集包含大量的噪聲數(shù)據(jù)，這是由于企業(yè)經(jīng)營范圍數(shù)據(jù)規(guī)模較大(約為2千萬)，企業(yè)經(jīng)營范圍對應的經(jīng)濟行業(yè)類別是由各地分屬機構(gòu)的工作人員人工進行分類并錄入的，由于人類個體間的差異，使錄入數(shù)據(jù)存在一定程度的不一致現(xiàn)象和錯分現(xiàn)象。最后，企業(yè)經(jīng)營范圍對應95類經(jīng)濟行業(yè)，類別數(shù)目較多，分類難度較大。為了解決上述問題，實現(xiàn)高效的企業(yè)經(jīng)營范

4、圍自動分類系統(tǒng)，本文又提出：自學習分詞算法，用于實現(xiàn)企業(yè)經(jīng)營范圍的自動分詞及特征項提取；基于SVM的數(shù)據(jù)校正方法，用于消除企業(yè)經(jīng)營范圍數(shù)據(jù)集中包含的大量噪聲數(shù)據(jù)；基于樸素貝葉斯的Boosting分類算法，用于實現(xiàn)企業(yè)經(jīng)營范圍的自動分類功能。
　　綜上所述，本文利用所提出的方法實現(xiàn)了一個實用、高效的企業(yè)經(jīng)營范圍自動分類系統(tǒng)，而且對分類系統(tǒng)的整體框架，及其各個模塊的框架進行了說明，并給出了分類系統(tǒng)的實驗結(jié)果和分析。實驗結(jié)果得到了全國組