企业名称的行业分类

根据公司名称进行行业分类标注

原项目代码库地址为：git@192.168.30.251:tagIndustryForCompany.git

更新：行业分类标准变动，重新抓取训练数据，并更新分类模型

数据抓取

• 来源：天眼查（http://www.tianyancha.com/）
• 爬虫代码：192.168.30.251:/opt/workspace/tianyancha/crawler.py
• 数据：192.168.30.251:/opt/workspace/tianyancha/save (备份的天眼查网页文件，未抽取)

清洗数据

• 192.168.30.251:/opt/workspace/tianyancha/companys.json

  抽取天眼查页面之后的数据

• 192.168.30.251:/opt/workspace/tianyancha/misc_TianyanZhiLianCompany.json

  每个公司对应的标签列表

• 192.168.30.251:/opt/workspace/tianyancha/miscFlatten_TianyanZhiLianCompany.json

  与智联数据合并的数据（智联的分类与天眼查的分类对应的，即将智联的数据合并到天眼查的数据中）
  每一行仅有一个公司名称对应一个分类，存在多行是一个公司的情况（一个公司有多个标签）

• 192.168.30.251:/opt/workspace/tianyancha/miscFlatten_TianyanZhiLianCompany.json_miss2101

  不含有2101类别【软件和信息技术服务业】的数据

训练模型

• 详见代码：192.168.30.251:/opt/workspace/tianyancha/industryTagger.py