本发明专利技术提供了一种企业名单信息获取方法、装置、存储介质和电子设备，其中，该方法包括：获取舆情数据的标题，判断所述标题中是否存在预设关键词信息，若是，则对所述舆情数据的舆情正文进行预处理；根据标题和预处理后的舆情正文获取目标数据，所述目标数据包括：列入负面企业名单的企业、名单发布机构、列入名单时间和惩戒类型中的一项或多项；将获取的所述目标数据作为企业名单信息。通过使用上述步骤对舆情数据中的企业名单信息进行抽取，可以有效地过滤掉无效信息，并获得企业名单关键的四个维度信息：时间、机构、公司和类型，直接提供给用户结构化的信息，降低了用户对于繁杂的舆情数据的阅读成本。数据的阅读成本。数据的阅读成本。
【技术实现步骤摘要】
企业名单信息获取方法、装置、存储介质和电子设备
[0001]本专利技术涉及计算机
，具体涉及一种企业名单信息获取方法、装置、存储介质、电子设备和计算机程序产品。
技术介绍
[0002]目前，每天都会有大量的新闻舆情产生，其中又有许多新闻舆情和黑名单相关。许多用户希望从大量的舆情信息中得到黑名单相关的舆情，同时能快速得知黑名单的列入时间、发布机关、黑名单企业和惩戒类型等。这些信息不仅可以帮助用户快速地发现有关企业的重要动态，更能辅助用户及时做出决策。但由于新闻舆情的数量庞大以及内容繁杂，导致用户无法直接从中获取相关信息。
[0003]现有技术大多直接通过人工构建抽取规则或者人工浏览筛选的方式来获取黑名单的相关信息，并且由于舆情的格式复杂，单纯采用抽取规则无法覆盖所有情况，导致抽取的结果准确性较低；而使用人工进行浏览筛选则耗费人力且低效。
[0004]因此，如何对新闻舆情中的黑名单的舆情信息进行获取是待解决的技术问题。
技术实现思路
[0005]基于此，针对现有技术中无法有效地对新闻舆情中的企业名单相关的舆情信息进行获取的问题，本专利技术提供了一种企业名单信息获取方法、装置、存储介质、电子设备和计算机程序产品。
[0006]第一方面，本专利技术实施例提供了一种企业名单信息获取方法，该方法包括：获取舆情数据的标题，判断所述标题中是否存在预设关键词信息，若是，则对所述舆情数据的舆情正文进行预处理；根据标题和预处理后的舆情正文获取目标数据，所述目标数据包括：列入负面企业名单的企业、名单发布机构、列入名单时间和惩戒类型中的一项或多项；将获取的所述目标数据作为企业名单信息。
[0007]可选的，所述预设关键词信息包括预设的对应于负面企业名单的负面关键词信息和预设的对应于正面企业名单的正面关键词信息，所述根据标题和预处理后的舆情正文获取目标数据，包括：遍历预处理后的舆情正文中的各个语句，并在其中提取出包含负面关键词信息且不包含正面关键词信息的第一类目标语句；从第一类目标语句中提取企业实体信息，基于提取到的企业实体信息确定列入负面企业名单的企业。
[0008]可选的，若未能提取出第一类目标语句，或第一类目标语句中未能提取出企业实体信息，则执行以下步骤：在预处理后的舆情正文中，分别确定正面关键词信息、负面关键词信息和企业实体的定位信息；
将所述正面关键词信息、所述负面关键词信息和所述企业实体各自的定位信息从前向后进行排序，得到目标数组；根据所述目标数组中的负面关键词信息的定位信息与所述企业实体的行为信息的相对位置，确定列入负面企业名单的企业。
[0009]可选的，所述在预处理后的舆情正文中，分别确定正面关键词信息、负面关键词信息和企业实体的定位信息，将所述正面关键词信息、所述负面关键词信息和所述企业实体各自的定位信息从前向后进行排序，得到目标数组，包括：分别确定正面关键词的首字符和负面关键词的首字符在预处理后的舆情正文中的第一类定位信息，将各个所述第一类定位信息从前到后进行排序，得到初始数组；对所述预处理后的舆情正文进行实体识别，得到其中包含的企业实体；分别确定各个所述企业实体的首字符在预处理后的舆情正文中的第二类定位信息；将所述第二类定位信息插入所述初始数组中，使所述初始数组中的各个定位信息从前到后排序，得到目标数组。
[0010]可选的，所述根据标题和预处理后的舆情正文获取目标数据，包括：在所述舆情正文的开头的第一预设数量个字符和末尾的第二预设数量个字符中，使用命名实体识别的方式提取其中的日期实体和机构实体，分别作为所述列入名单时间和所述名单发布机构。
[0011]可选的，所述根据标题和预处理后的舆情正文获取目标数据，包括：将所述标题和所述舆情正文的开头的第三预设数量个字符输入预先训练的分类模型中，基于所述分类模型的输出结果确定所述目标数据中的惩戒类型。
[0012]可选的，若使用命名实体识别的方式未能提取到其中的日期实体和机构实体，则执行以下步骤：从所述舆情数据中提取出所述舆情数据的来源数据地址；从所述来源数据地址采集原始正文，从所述原始正文中提取日期实体和机构实体，分别作为所述列入名单时间和所述名单发布机构。
[0013]可选的，所述从所述舆情数据中提取出所述舆情数据的来源数据地址，包括：根据第一预设匹配规则，提取所述舆情数据中的所有链接；遍历所提取出的链接，解析出每个链接对应的链接数据的链接数据标题；筛选出大于或者等于预设标题字符数量的链接数据标题作为第一相似标题；获取所述舆情数据的标题，并根据所述舆情数据的标题和第一相似标题，从第一相似标题中筛选出第二相似标题，并将其对应的链接数据作为相似数据；获取所述舆情数据的文本内容以及相似数据的文本内容，计算所述舆情数据的文本内容与相似数据的文本内容的文本相似度，并将文本相似度最高的相似数据的地址作为所述舆情数据的来源数据地址。
[0014]可选的，若所述舆情数据中不存在所述链接，或者所述链接数据中不存在所述相似数据，所述方法还包括：若不存在，确定所述舆情数据不存在所述来源数据地址；或者，若不存在，将所述舆情数据的标题转发至目标搜索引擎进行搜索操作，得到
至少一个搜索结果链接；获取所述搜索结果链接对应的链接数据的文本内容，计算所述舆情数据的文本内容与所述链接数据的文本内容的文本相似度，并将文本相似度最高的链接数据的地址作为所述舆情数据的来源数据地址。
[0015]第二方面，本专利技术实施例提供了一种企业名单信息获取装置，该装置包括：预处理模块，用于获取舆情数据的标题，判断所述标题中是否存在预设关键词信息，若是，则对所述舆情数据的舆情正文进行预处理；目标数据获取模块，用于根据标题和预处理后的舆情正文获取目标数据，所述目标数据包括：列入负面企业名单的企业、名单发布机构、列入名单时间和惩戒类型中的一项或多项；企业名单信息获取模块，用于将获取的所述目标数据作为企业名单信息。
[0016]可选的，所述预设关键词信息包括预设的对应于负面企业名单的负面关键词信息和预设的对应于正面企业名单的正面关键词信息，所述目标数据获取模块，在根据标题和预处理后的舆情正文获取目标数据时，具体用于：遍历预处理后的舆情正文中的各个语句，并在其中提取出包含负面关键词信息且不包含正面关键词信息的第一类目标语句；从第一类目标语句中提取企业实体信息，基于提取到的企业实体信息确定列入负面企业名单的企业。
[0017]可选的，所述目标数据获取模块，在未能提取出第一类目标语句，或第一类目标语句中未能提取出企业实体信息时，具体用于：在预处理后的舆情正文中，分别确定正面关键词信息、负面关键词信息和企业实体的定位信息；将所述正面关键词信息、所述负面关键词信息和所述企业实体各自的定位信息从前向后进行排序，得到目标数组；根据所述目标数组中的负面关键词信息的定位信息与所述企业实体的定位信息的相对位置，确定列入负面企业名单的企业。
[0018]可选的，所述目标数据获取模块，在预处理后的舆情正文中，分别确定正面关键词信息、负面关键词信息和企本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种企业名单信息获取方法，其特征在于，所述方法包括：获取舆情数据的标题，判断所述标题中是否存在预设关键词信息，若是，则对所述舆情数据的舆情正文进行预处理；根据标题和预处理后的舆情正文获取目标数据，所述目标数据包括：列入负面企业名单的企业、名单发布机构、列入名单时间和惩戒类型中的一项或多项；将获取的所述目标数据作为企业名单信息。2.根据权利要求1所述的企业名单信息获取方法，其特征在于，所述预设关键词信息包括预设的对应于负面企业名单的负面关键词信息和预设的对应于正面企业名单的正面关键词信息，所述根据标题和预处理后的舆情正文获取目标数据，包括：遍历预处理后的舆情正文中的各个语句，并在其中提取出包含负面关键词信息且不包含正面关键词信息的第一类目标语句；从第一类目标语句中提取企业实体信息，基于提取到的企业实体信息确定列入负面企业名单的企业。3.根据权利要求2所述的企业名单信息获取方法，其特征在于，若未能提取出第一类目标语句，或第一类目标语句中未能提取出企业实体信息，则执行以下步骤：在预处理后的舆情正文中，分别确定正面关键词信息、负面关键词信息和企业实体的定位信息；将所述正面关键词信息、所述负面关键词信息和所述企业实体各自的定位信息从前向后进行排序，得到目标数组；根据所述目标数组中的负面关键词信息的定位信息与所述企业实体的定位信息的相对位置，确定列入负面企业名单的企业。4.根据权利要求3所述的企业名单信息获取方法，其特征在于，所述在预处理后的舆情正文中，分别确定正面关键词信息、负面关键词信息和企业实体的定位信息，将所述正面关键词信息、所述负面关键词信息和所述企业实体各自的定位信息从前向后进行排序，得到目标数组，包括：分别确定正面关键词的首字符和负面关键词的首字符在预处理后的舆情正文中的第一类定位信息，将各个所述第一类定位信息从前到后进行排序，得到初始数组；对所述预处理后的舆情正文进行实体识别，得到其中包含的企业实体；分别确定各个所述企业实体的首字符在预处理后的舆情正文中的第二类定位信息；将所述第二类定位信息插入所述初始数组中，使所述初始数组中的各个定位信息从前到后排序，得到目标数组。5.根据权利要求1所述的企业名单信息获取方法，其特征在于，所述根据标题和预处理后的舆情正文获取目标数据，包括：在所述舆情正文的开头的第一预设数量个字符和末尾的第二预设数量个字符中，使用命名实体识别的方式提取其中的日期实体和机构实体，分别作为所述列入名单时间和所述名单发布机构。6.根据权利要求1所述的企业名单信息获取方法，其特征在于，所述根据标题和预处理后的舆情正文获取目标数据，包括：
将所述标题和所述舆情正文的开头的第三预设数量个字符输...
【专利技术属性】
技术研发人员：李凯，
申请(专利权)人：北京金堤科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。