(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 202210973020.1 (22)申请日 2022.08.15 (71)申请人 江苏苏宁银行股份有限公司 地址 210000 江苏省南京市 建邺区河西金 融城4号楼 (72)发明人 郑清正　 (74)专利代理 机构 南京瑞华腾知识产权代理事 务所(普通 合伙) 32368 专利代理师 徐冲冲 (51)Int.Cl. G06K 9/62(2022.01) G06F 16/2457(2019.01) G06F 16/248(2019.01) G06V 30/416(2022.01) G06V 30/42(2022.01)G06Q 40/02(2012.01) (54)发明名称 一种基于贝叶斯分类的行业编码选 定方法 (57)摘要 本发明公开了一种基于贝叶斯分类的行业 编码选定方法。 该方法包括获取用户提交的相关 申请资料； 从申请资料中提取企业的基本信息； 判断企业是否为新的行业客户， 是则列举出该企 业经营范围内的所有行业， 由客户选定所属行 业， 否则， 通过对企业经营范围的内容解析， 识别 出企业经营范围数据集， 并给出最大概率的四级 行业编码推荐数据选项； 若四级行业编码推荐数 据选项不被用户认可， 扩大推荐范围至选定确认 成功， 或由客户对系统推荐的行业编码进行校验 确认， 无误则落库存储。 本发明解决了跨行业经 营的企业的主行业分类计算问题和存量历史数 据的校验和修复问题， 提升客户对 行业编码的定 位效率和准确度， 逐步提升对新客群的行业编码 分类能力。 权利要求书3页 说明书6页 附图2页 CN 115358309 A 2022.11.18 CN 115358309 A 1.一种基于贝叶斯分类的行业编码选 定方法， 其特 征在于， 包括： 步骤1、 获取用户在申请相关业 务时提交的相关申请资料； 步骤2、 从所述申请资料中提取企业的基本信息； 步骤3、 基于提取的企业的基本信 息判断所述企业是否为新的行业客户， 若为新的行业 客户， 则跳转至步骤6， 否则， 进入步骤4； 步骤4、 通过对企业经营范围的内容解析， 识别出企业经营范围数据集， 并给出最大概 率的四级行业编码推荐数据选项； 步骤5、 若所述四级行业编码推荐数据选项不被用户认可， 则基于企业的经营范围， 给 出过滤后的概率最高的A个四级 行业编码推荐数据选项 供客户选择， 若仍未被用户认可， 则 回退至三级行业编码推荐数据选项供客户选择， 若仍未被用户认可， 则由用户选择继续回 退直至选定确认成功或跳转至步骤6； 步骤6、 若为新的行业客户， 则列举出该企业经营范围内的所有行业， 由客户选定所属 行业， 否则由客户对系统推荐的行业编码进行 校验确认； 步骤7、 用户确认选定或校验确认的行业编码无误后， 通过整个业务办理流程后 落库存 储。 2.根据权利要求1所述的一种基于贝叶斯分类的行业编码选定方法， 其特征在于， 所述 申请资料包括营业执照， 所述 步骤2基于OCR解析 营业执照内容。 3.根据权利要求1所述的一种基于贝叶斯分类的行业编码选定方法， 其特征在于， 所述 步骤4具体包括： 将当前历史数据中的每 条经营范围记录作数据清洗提取后， 统计第i种经营范围记录ri 在行内的指定类别细项的统计数量 计算第i种经营范围记录ri在当前数据集下的先验 概率p(ri)为： 其中， M代 表经营记录细项的总数； 统计当前历史数据中的每个经营四级行业编码的数量， 将出现的频率映射为 四级分类 编码的概 率， 具体如下： 其中， N代表四级行业编码的总数， 代表第i种行业编码hi在当前数据集的出现次 数； 根据企业经营范围的内容解析结果给定所述企业的经营范围r1， r2，…， rn， 其中， n为大 于2的自然数； 在行业编码固定的情况下， 计算当前给定的经营范围r1， r2， ...， rn的条件概率p(rj| hi)， 其中j∈[1， . ..， n]； 根据当前给定的经营范围r1， r2， ...， rn的条件概率p(rj|hi)计算行业编码的概率p(hi| r1， r2， ...， rn)， 具体如下：权　利　要　求　书 1/3 页 2 CN 115358309 A 2其中， p(r1， r2， ...， rn|hi)为在确认行业编 码为hi的情况下， r1， r2， ...， rn这个组合的条 件概率， p(r1， r2， ...， rn|hl)为在确认行业编码为hl的情况下， r1， r2， ...， rn这个组合的条件 概率， p(hl)为第l种经 营范围的四级分类编码的概 率， l∈[1， . ..， N]； 计算argmax(p(hi|r1， r2， ...， rn))， 并作为最大概率的四级行业编码推荐数据选项， argmax(.)为 求自变量 最大的函数。 4.根据权利要求3所述的一种基于贝叶斯分类的行业编码选定方法， 其特征在于， 所述 数据清洗提取的方式具体如下： 基于“一般经营项目”和“特许经营项目”将经营范围分解成若干个大类； 将“；”作为分隔符， 分解出每个经营项目， 同时去除掉 符号， 形成经营范围列表 busi_scope_l ist。 5.根据权利要求3所述的一种基于贝叶斯分类的行业编码选定方法， 其特征在于， 所述 当前给定的经 营范围r1， r2， ...， rn的条件概 率p(rj|hi)的计算方式如下： 提取每种行业编码hi关联的所有企业的经营范围集合{r1， r2， ...， rm}， 其中， m为大于2 的自然数； 统计每个经营范围rk的频率 并计算经 营范围rk的条件概 率p(rk|hi)为： 其中， rk∈{r1， r2， ...， rm}； 查找所述企业的经 营范围子集的概 率集合S， 其中， S∈{r1， r2， ...， rm}； 重复执行直至所有行业编码都完成遍历。 6.根据权利要求3所述的一种基于贝叶斯分类的行业编码选定方法， 其特征在于， 在计 算出行业编码的概率p(hi|r1， r2， ...， rn)后， 将hi的概率进行归纳整理成三级行业编码概率 具体如下： 其中， 为第i类四级行业编码对应的三级行业编码概 率； 对所述三级行业编码概率 累加构建二级行业编码概率 具体如下： 其中， 为第i类四级行业编码对应的二级行业编码概 率。 7.根据权利要求3所述的一种基于贝叶斯分类的行业编码选定方法， 其特征在于， 判断 所述企业是否为 新的行业 客户的方式具体如下：权　利　要　求　书 2/3 页 3 CN 115358309 A 3