一种机构名称识别处理方法、智能终端及存储介质技术

本发明专利技术公开了一种机构名称识别处理方法、智能终端及存储介质，所述方法包括：预先定义机构名称中不同词性的字母名称，搜集并补充词库；通过改进的隐马尔科夫模型对机构名称进行初步划分，并标出词性和地名词区划编码；当检测到机构名称中出现词库中不存在的地名词和商号时，对未登录地名词和商号进行识别；通过可配置化的规则对分词结果进一步优化，满足不同用户的定制化需求；将出现频率超出预设次数的未登录词，统计分析是否为新的行业词,如果判断为新的行业词，则自动加入词库。本发明专利技术实现了对机构名称的进行有效和正确切分，以及词性的正确识别，提高了中文机构名称的识别准确性和识别效率。

【技术实现步骤摘要】
一种机构名称识别处理方法、智能终端及存储介质
本专利技术涉及中文信息处理
，尤其涉及一种机构名称识别处理方法、智能终端及存储介质。
技术介绍
近年来，随着自然语言处理技术的发展，越来越多的中文文本处理任务通过程序自动完成，在文本处理中，可以提取出大量的机构名称；比如用户在申请信用卡时，银行需要将用户录入的工作单位跟其它信息源(比如社保系统)的工作单位进行比对校验，而由于缩写等原因，许多中文机构名称存在不统一和不规范的表述。例如“ABCD有限公司”还可能被表述为：“ABCD”、“ABCD公司”、“广东省深圳市ABCD有限公司”等名称，为判断不同表示的机构名称是否指代统一机构，需要对机构名称各元素进行切分，并识别每个元素的类型；比如，“广东省深圳市ABCD有限公司”切分并识别为“广东省/d深圳市/dAB/sCD/h有限公司/j”(其中，小写字母表示不同词性的类型)；此外，通过对机构名称的切分，还可以得到该机构的行政区划、商号、行业、机构性质等信息。目前，成熟的分词系统主要是针对新闻领域的、长文本的，对机构名称的处理以整体识别为主，并不能对机构名称中的各元素进行准确切分；特别是机构名本文档来自技高网...

【技术保护点】
1.一种机构名称识别处理方法，应用于智能终端，其特征在于，所述机构名称识别处理方法包括：预先定义机构名称中不同词性的字母名称，搜集并补充词库；通过改进的隐马尔科夫模型对机构名称进行初步划分，并标出词性和地名词区划编码；当检测到机构名称中出现词库中不存在的地名词和商号时，对未登录地名词和商号进行识别；通过可配置化的规则对分词结果进一步优化，满足不同用户的定制化需求；将出现频率超出预设次数的未登录词，统计分析是否为新的行业词,如果判断为新的行业词，则自动加入词库。

【技术特征摘要】
1.一种机构名称识别处理方法，应用于智能终端，其特征在于，所述机构名称识别处理方法包括：预先定义机构名称中不同词性的字母名称，搜集并补充词库；通过改进的隐马尔科夫模型对机构名称进行初步划分，并标出词性和地名词区划编码；当检测到机构名称中出现词库中不存在的地名词和商号时，对未登录地名词和商号进行识别；通过可配置化的规则对分词结果进一步优化，满足不同用户的定制化需求；将出现频率超出预设次数的未登录词，统计分析是否为新的行业词,如果判断为新的行业词，则自动加入词库。2.根据权利要求1所述的机构名称识别处理方法，其特征在于，所述预先定义机构名称中不同词性的字母名称，搜集并补充词库具体包括：根据机构名称中出现的词性类型定义词性系统；搜集行业词用于补充词库。3.根据权利要求1所述的机构名称识别处理方法，其特征在于，所述预先定义机构名称中不同词性的字母名称，搜集并补充词库具体包括：根据给出的机构名称进行全切分，生成词图；识别标准区划地名并设置区划编码，调整存在冲突的地名词。4.根据权利要求3所述的机构名称识别处理方法，其特征在于，所述识别标准区划地名并设置区划编码，调整存在冲突的地名词具体包括：当识别出机构名称中的多个地名时，判断地名之间是否为上下级关系；标识出地名词所有可能的区划编码，再进行前后地名词区划编码的匹配，并根据地名后缀消除地名变更的影响；设置区划编码，对存在冲突的地名进行调节。5.根据权利要求4所述的机构名称识别处理方法，其特征在于，为降低无地名词后缀的地名成词的概率，以pre表示节点地名，suc表示其后继节点，则：其中，P(suc|pre)为条件概率，f(suc)是suc的词频，f(pre)是pre的词频，a是平滑因子，N是训练语料中词的总数量，λ＝1/N，f(pre，suc)是(pre，suc)的词频，θ是调节率，调节率越大，不匹配地名词的成词概率越小，通过上述处理降低地名词对商号识别的影响。6.根据权利要求1所述的机构名称识别处理方法，其特征在于，所述当检测到机构名称中出现词库中不存在的地名词和商号时，...

【专利技术属性】
技术研发人员：谷国良，彭青齐，宋智刚，罗学权，王方，罗毅虎，樊洋，佟禹，周太威，张昕，
申请(专利权)人：鹏元征信有限公司，
类型：发明
国别省市：广东,44