基于bag-of-words相似度分析的海外企业归属行业确定方法及系统

本发明属于但不限于数据分析技术领域，公开了一种基于bag‑of‑words相似度分析的海外企业归属行业确定方法，获取企业相关介绍文本；对获取的文本信息和词典进行预处理；对预处理后的文本信息和词典进行文本特征提取和词典特征提取；文本与词典相似度计算，使用Jaccard算法计算文本词袋E与行业组词袋D的重合度；词典行业识别；对待识别文本与已识别出行业的企业文本进行文本相似度计算；文本行业识别，企业行业识别。本发明使用bag‑of‑words方法，通过多重词袋间的相似度分析，最终基于词袋的重合度得到行业的匹配度，对海外企业进行归属行业识别，提升识别海外企业归属行业的可行性、准确性和可持续更新性。