(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210650261.2 (22)申请日 2022.06.10 (71)申请人 北京企名片科技有限公司 地址 100080 北京市海淀区上地信息产业 基地创业路6号3层3 028 (72)发明人 党壮　 (74)专利代理 机构 北京巨弘知识产权代理事务 所(普通合伙) 11673 专利代理师 张婧 (51)Int.Cl. G06F 16/953(2019.01) G06F 40/30(2020.01) G06N 20/00(2019.01) (54)发明名称 一种投资信息数据筛 选方式 (57)摘要 本发明公开了一种投资信息数据筛选方式， 包括以下步骤： 通过爬虫软件获取原始商业信 息； 去噪； 对去噪后的各商业信息进行语义特征 提取后聚类形成事件类型表； 根据事件类型表所 涉及到的领域对事件类型表聚类， 形成行业事件 表； 在行业事件表中根据表内事件重复被抓取的 次数对事件类型表进行排列； 审查各表和各语义 特征之间的匹配程度； 按顺序输出行业类型和对 应的事件筛选结果。 本发明通过对抓取的信息事 件进行归类， 得到事件的基础类型， 根据抓取语 义特征， 并设定行业中常用语义， 将事件类型与 行业本身进行匹配得到基于行业的事件信息流， 根据信息获取者的需求将符合信息获取者关注 的行业的相关信息展示给信息获取者。 权利要求书1页 说明书3页 附图1页 CN 115186162 A 2022.10.14 CN 115186162 A 1.一种投资信息数据筛 选方式， 其特 征在于： 包括以下步骤： S1、 通过爬虫 软件获取原 始商业信息， 并将所述原 始商业信息存 储至存储服务器中； S2、 通过去噪模块对 存储在所述存 储服务器中的原 始商业信息进行去噪； S3、 对去噪后的各所述商业信息进行语义特征提取， 并对相同语义特征的所述商业信 息进行聚类形成事 件类型表； S4、 根据所述事 件类型表所 涉及到的领域对所述事 件类型表聚类， 形成行业事 件表； S5、 在所述行业事件表中根据表内事件重复被抓取的次数对所述事件类型表进行排 列； S6、 审查各表和各语义特征之间的匹配程度， 删除不匹配的所述行业事件表中的所述 事件类型表； S7、 将删除的所述事 件类型表信息反馈给语义特 征提取模块进行机器学习； S8、 按顺序输出 行业类型和对应的事 件筛选结果。 2.根据权利要求1所述的一种投资信 息数据筛选方式， 其特征在于： 所述步骤S5具体如 下： S51、 对重复的商业信息进行整合并赋予各商业信息事 件id和重复抓取事 件次数的值； S52、 各事件类型表内根据重复抓取事件次数的值由高到低将所述商业信息事件id排 列； S53、 在所述事件类型表内将各所述商业信息事件id对应的所述重复抓取事件次数的 值与各所述商业信息事件id同时存储于所述行业事件表的数量的乘积之和与所述事件类 型表所对应的语义特征同时存储于所述行业事件表的数量相乘得到各所述事件类型表的 事件重要度指数； S54、 根据所述事 件重要度指数排列所述事 件类型表在所述行业事 件表中的顺序。 3.根据权利要求2所述的一种投资信 息数据筛选方式， 其特征在于： 所述步骤S8中按顺 序输出的规则如下： 将所述行业事件表中各所述事件类型表的所述事件重要度指数相加， 按照顺序排列， 得到热门行业 赛道顺序， 并按照所述热门行业 赛道顺序输出筛 选结果。 4.根据权利要求1所述的一种投资信 息数据筛选方式， 其特征在于： 所述事件类型表所 涉及到的领域的分类依据为GICS四级行业分类。权　利　要　求　书 1/1 页 2 CN 115186162 A 2一种投资信息数据筛选方式 技术领域 [0001]本发明涉及数据筛 选领域， 特别是 涉及一种投资信息数据筛 选方式。 背景技术 [0002]在投资信息领域， 往往需要基于 企业的工商数据和新闻信息来进行评价。 其中， 股 东对于该企业的投资行为能够反映资本方的稳定和重视程度， 是评价企业运营与发展状况 的重要维度。 [0003]然而， 有关投资信息 的数据碎片化情况比较严重， 具体表现在新闻类投资信息往 往难以归类， 导 致得到的投资信息难以针对信息 接收者的需求进行合理的筛 选和展示。 [0004]现需一种投资信息数据筛 选方式解决上述问题 发明内容 [0005]本发明是为了解决现有技术中有关投资信息的数据碎片化情 况比较严重， 具体表 现在新闻类投资信息往往难以归类， 导致得到的投资信息难以针对信息接收者的需求进 行 合理的筛选和展示的问题， 提供了一种投资信息数据筛选方式， 采用行业分类的方法， 解决 了上述问题。 [0006]本发明提供了一种投资信息数据筛 选方式， 包括以下步骤： [0007]S1、 通过爬虫 软件获取原 始商业信息， 并将原 始商业信息存 储至存储服务器中； [0008]S2、 通过去噪模块对 存储在存储服务器中的原 始商业信息进行去噪； [0009]S3、 对去噪后的各商业信息进行语义特征提取， 并对相同语义特征的商业信息进 行聚类形成事 件类型表； [0010]S4、 根据事 件类型表所 涉及到的领域对 事件类型表聚类， 形成行业事 件表； [0011]S5、 在行业事 件表中根据表内事 件重复被抓取的次数对 事件类型表进行排列； [0012]S6、 审查各表和各语义特征之间的匹配程度， 删除不匹配 的行业事件表中的事件 类型表； [0013]S7、 将删除的事 件类型表信息反馈给语义特 征提取模块进行机器学习； [0014]S8、 按顺序输出 行业类型和对应的事 件筛选结果。 [0015]本发明所述的一种投资信息数据筛 选方式， 作为优选方式， 步骤S5具体如下： [0016]S51、 对重复的商业信息进行整合并赋予各商业信息事件id和重复抓取事件次数 的值； [0017]S52、 各事件类型表内根据重复抓取事件次数的值由高到低将商业信息事件id排 列； [0018]S53、 在事件类型表内将各商业信息事件id对应的重复抓取事件次数的值与各商 业信息事件id同时存储于行业事件表的数量的乘积之和与事件类型表所对应的语义特征 同时存储于行业事 件表的数量相乘得到各事 件类型表的事 件重要度指数； [0019]S54、 根据事 件重要度指数排列事 件类型表在行业事 件表中的顺序。说　明　书 1/3 页 3 CN 115186162 A 3