利用专家知识将企业划分至行业：一种新颖的深度学习方法

行业划分依据预定义的行业分类系统（ICS）将企业分配至各行业，是大量关键业务实践的基础，范围从企业的运营与战略决策到政府机构的的经济分析。三类专家知识对有效的行业划分至关重要：基于定义的知识（即各行业的专家定义）、基于结构的知识（即 ICS 中规定的行业间结构关系）以及基于分配的知识（即领域专家先前执行的企业-行业分配）。现有行业划分方法仅利用基于分配的知识来学习将未分配企业分类至各行业的模型，而忽视了基于定义和基于结构的知识。此外，这些方法仅考虑企业被分配至哪一行业，却忽略了基于分配知识的时间特异性，即分配发生的时间。为克服现有方法的局限，我们提出一种新颖的基于深度学习的方法，不仅无缝整合三类知识用于行业划分，还考虑了基于分配知识的时间特异性。在方法上，我们的方法具有两项创新：动态行业表示与层次化分配。前者通过我们提出的时间与空间聚合机制整合三类知识，将行业表示为时间序列化的时间特定向量。后者以行业和企业的表示为输入，计算将企业分配至不同行业的概率，并将企业分配至概率最高的行业。