清理专利和招聘数据，过滤无效和重复数据后，全量的有标注的公司数量统计如下：
| 专利数据 | 招聘数据 |
|---|---|
| 237789 | 451430 |
能够匹配经营范围的公司数量统计如下：
| 专利数据 | 招聘数据 |
|---|---|
| 183338 | 305335 |
专利数据一级行业分布
| 行业类别 | 数量 |
|---|---|
| A | 6552 |
| C | 165053 |
| B | 5210 |
| E | 7425 |
| D | 4669 |
| I | 1684 |
| O | 45773 |
专利数据一级行业分类结果
|训练集|验证集|测试集
---|---|---|---
样本数量|110002|36668|36668
准确率|0.91075616807|0.903921675575|0.903458056071
专利+招聘 数据一级行业分类结果
|训练集|验证集|测试集
---|---|---|---
样本数量|277305|92435|92436
准确率|0.76880690936|0.749813382377|0.750227184214
专利数据二级行业分布
| 行业类别 | 数量 |
|---|---|
| 1 | 5267 |
| 5 | 1497 |
| 9 | 838 |
| 12 | 4395 |
| 13 | 1086 |
| 14 | 1503 |
| 15 | 2488 |
| 17 | 1344 |
| 18 | 2196 |
| 19 | 162 |
| 20 | 3746 |
| 21 | 202 |
| 22 | 3864 |
| 23 | 77 |
| 24 | 4975 |
| 25 | 1065 |
| 26 | 6424 |
| 27 | 7210 |
| 28 | 527 |
| 29 | 3042 |
| 30 | 3487 |
| 33 | 2657 |
| 34 | 4732 |
| 35 | 27875 |
| 37 | 2304 |
| 38 | 2340 |
| 39 | 1275 |
| 40 | 84057 |
| 41 | 2208 |
| 42 | 1565 |
| 43 | 96844 |
| 44 | 371 |
| 45 | 85 |
| 46 | 4262 |
| 48 | 5787 |
| 49 | 1790 |
| 63 | 1445 |
| 65 | 294 |
| 80 | 45773 |
专利数据二级行业分类结果
|训练集|验证集|测试集
---|---|---|---
样本数量|110002|36668|36668
准确率|0.694514645188|0.635649612741|0.63202247191
测试集随机抽取的Bad Case
A C 武汉新河湾农业科技有限公司 农业、林业技术的研发，园林景观工程施工，苗木的引进、种植、销售，垂钓，农业观光，旅游，对农林牧渔的投资。（国家有专项规定的项目经审批后或凭许可证在核定期限内经营）
A:0.795783
B:0.003881
C:0.491779
D:0.001980
E:0.003896
I:0.000851
O:0.028355
C O 江苏老侯珍禽食品有限公司 加工经营肉及肉制品（禽肉系列产品）、卤菜、凉菜（以上经营范围限分支机构经营），日用百货销售。（依法须经批准的项目，经相关部门批准后方可开展经营活动）
A:0.043132
B:0.012033
C:0.944538
D:0.020971
E:0.021823
I:0.002636
O:0.148753
C E 张家港市唐艺和风装饰材料有限公司 装饰装璜材料（除油漆）、五金配件制造、加工、销售；自营和代理各类商品及技术的进出口业务；装饰装璜材料（除油漆）、家俱购销。（依法须经批准的项目，经相关部门批准后方可开展经营活动)
A:0.005406
B:0.002882
C:0.658821
D:0.001946
E:0.271103
F:0.001218
G:0.000246
H:0.000029
I:0.000663
J:0.000012
K:0.074399
L:0.000297
M:0.000018
N:0.000206
O:0.084942
P:0.000017
Q:0.000000
R:0.000007
S:0.000010
G F 天津克斯国际货运代理有限公司 海上国际货物运输代理服务；陆路国际货物运输代理服务；航空国际货物运输代理服务；代办保税仓储服务；国际贸易；机电产品机械设备、有色金属及其它金属材料、五金交电、针、纺织品及原料、建筑材料、矿产品、服装、饰品、塑料制品、家用电器的销售；自营和代理货物及技术的进出口（依法须经批准的项目，经相关部门批准后方可开展经营活动）
A:0.000869
B:0.000024
C:0.011366
D:0.000003
E:0.000879
F:0.057028
G:0.949732
H:0.001447
I:0.006419
J:0.001218
K:0.000629
L:0.004833
M:0.000027
N:0.000001
O:0.003927
P:0.000002
Q:0.000095
R:0.000051
S:0.000011
27 40,43 北京中孵友信医药科技股份有限公司 技术推广、技术开发、技术服务、技术咨询。（未取得行政许可的项目除外）
1:0.016283
12:0.001799
13:0.007444
14:0.005077
15:0.018903
17:0.000398
18:0.000508
19:0.000197
20:0.010425
21:0.000275
22:0.001913
23:0.000196
24:0.001939
25:0.002965
26:0.023231
27:0.563962
28:0.000179
29:0.007331
30:0.000052
33:0.001119
34:0.009183
35:0.081017
37:0.000219
38:0.000696
39:0.000893
40:0.214405
41:0.000714
42:0.003293
43:0.129814
44:0.000433
45:0.000245
46:0.008639
48:0.000281
49:0.000635
5:0.009761
63:0.000989
65:0.000438
80:0.020439
9:0.001204
43 40,48 天津康远工程机械有限公司 工程机械设备制造、维修；机械设备、电子设备、液压机械、计算机、仪器仪表的技术开发、技术咨询、技术转让；劳务服务（不含涉外劳务）；机械设备、电气设备、仪器仪表、汽车配件、建筑材料批发兼零售；工程机械设备租赁；货物及技术进出口（国家法律法规禁止的除外）。（以上经营范围涉及行业许可的凭许可证件，在有效期限内经营，国家有专项专营规定的按规定办理。）
1:0.023876
12:0.164471
13:0.000758
14:0.000789
15:0.000195
17:0.000429
18:0.000232
19:0.000339
20:0.001923
21:0.000432
22:0.003936
23:0.000279
24:0.002516
25:0.002232
26:0.003509
27:0.000174
28:0.000161
29:0.002642
30:0.039917
33:0.016267
34:0.016377
35:0.090350
37:0.006179
38:0.011720
39:0.001929
40:0.530769
41:0.002280
42:0.003936
43:0.544804
44:0.001562
45:0.000375
46:0.014536
48:0.077693
49:0.009459
5:0.000655
63:0.001360
65:0.000683
80:0.144105
9:0.003178
- 标注的缺失
- 标注和经营范围的不匹配
网友评论