一种企业名称的切分方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术实施例涉及数据处理领域，公开了一种企业名称的切分方法、装置及计算机可读存储介质。本发明专利技术中，在一次企业名称切分过程中，该方法包括：获取上一次切分后剩下的文本；根据上一次切分后剩下的文本的前两个字构成的词的概率，以及上一次切分后剩下的文本的第2个字与第3个字构成的词的概率，确定对上一次切分后剩下的文本的切分方式；根据上一次企业名称切分后剩下的文本，以及切分方式，确定本次切分得到的分词，以及本次切分后剩下的文本；判断本次切分后剩下的文本的字数是否大于2，若是，继续下一次的切分过程，直至字数不大于2，否则，停止切分过程。该方法使得无需根据新增的企业名称改变切分方法。

【技术实现步骤摘要】
一种企业名称的切分方法、装置及计算机可读存储介质
本专利技术实施例涉及数据处理领域，特别涉及一种企业名称的切分方法、装置及计算机可读存储介质。
技术介绍
企业名称(CorporateName)是一个企业区别于其他企业的文字符号。企业名称的设定必须遵循和符合《企业名称登记管理规定》。企业名称通常包括四个要素：区域信息、字号、行业/经营特点和组织形式。其中，字号为企业的个性要素，其他三个则属于共有要素。通过对企业名称各组成要素的自动抽取和划分，可以对全国企业快速进行地域、行业、类型等的聚类研究，从而构建同类竞争企业的竞争网络图。现有企业名称成分自动抽取方法大多通过行业/领域专家人工定义规则模板。该方法利用规则模板和自然语言处理(NaturalLanguageProcessing，NLP)中的一些基础工具(如分词工具、词性标注工具等)进行企业名称的划分和抽取。然而，专利技术人发现现有技术中至少存在如下问题：传统的企业名称划分和抽取方法存在以下几个问题：(1)人工定义规则耗时费力，且成本较高。规则模板需要拥有丰富专业知识的领域专家观察大量的不同形式的企业机构名称的组成形式后编写。(2)规则模板的抽取召回率较低。企业名称在不同场合的出现形式不一，人工定义的规则模板很难覆盖所有企业名称的定义模式，并且，同一人工规则模板会在不同的企业名称拆分时造成规则歧义和冲突。(3)人工规则库更新繁琐。据不完全统计全国每天新增企业数量近1万家，专家需要充分了解所有已经定义的规则，并与新申请的企业名称组成模式进行一一比对，从而增加新的人工规则，以覆盖所有新申请企业名称的定义模式。(4)NLP对未登录词的识别准确率较低。基于人工规则模板的划分和抽取方法中会使用NLP的一些分词工具对企业名称进行初步划分，但由于企业名称的特殊性，会包含一些未登录词(不常用的词语组合，如“趣拿”、“三快在线”等)，造成NLP工具标注错误，从而造成企业名称划分过程中的错误叠加。
技术实现思路
本专利技术实施方式的目的在于提供一种企业名称的切分方法、装置及计算机可读存储介质，使得无需根据新增的企业名称改变企业名称的切分方法。为解决上述技术问题，本专利技术的实施方式提供了一种企业名称的切分方法，在一次企业名称切分过程中，包括以下步骤：获取上一次企业名称切分后剩下的文本；根据上一次企业名称切分后剩下的文本的前两个字构成的词的概率，以及上一次企业名称切分后剩下的文本的第2个字与第3个字构成的词的概率，确定对上一次企业名称切分后剩下的文本的切分方式；根据上一次企业名称切分后剩下的文本，以及切分方式，确定本次切分得到的分词，以及本次企业名称切分后剩下的文本；判断本次企业名称切分后剩下的文本的字数是否大于2，若是，继续下一次的企业名称切分过程，直至字数不大于2，否则，停止企业名称切分过程。本专利技术的实施方式还提供了一种企业名称的切分装置，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施方式提及的企业名称的切分方法。本专利技术的实施方式还提供了计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述实施方式提及的企业名称的切分方法。本专利技术实施方式相对于现有技术而言，根据中文汉语本身的构词原则确定企业名称的切分方法，不需要浪费人力观察大量的企业名称来确定切分方法。此外，该企业名称的切分方法是基于构词原则确定的，使得该切分方法可以准确切分不同形式的企业名称，不需根据企业名称的形式以及新增的企业名称更改切分方法。另外，切分方式为以下三种切分方式中的任意一种：第一切分方式、第二切分方式、第三切分方式；其中，第一切分方式为在上一次企业名称切分后剩下的文本的第1个字和第2个字之间进行切分；第二切分方式为在上一次企业名称切分后剩下的文本的第2个字和第3个字之间进行切分；第三切分方式为在上一次企业名称切分后剩下的文本的第3个字和第4个字之间进行切分。另外，根据上一次企业名称切分后剩下的文本的前两个字构成的词的概率，以及上一次企业名称切分后剩下的文本的第2个字与第3个字构成的词的概率，确定对上一次企业名称切分后剩下的文本的切分方式，具体包括：计算上一次企业名称切分后剩下的文本的第2个字与第3个字构成的词的概率与上一次企业名称切分后剩下的文本的前两个字构成的词的概率的比值；若确定比值大于第一阈值，确定切分方式为第二切分方式；若确定比值不大于第一阈值，判断比值是否大于第二阈值；若是，确定切分方式为第三切分方式；否则，确定切分方式为第一切分方式。该方式中，根据使用不同的切分方式得到的分词的概率，确定企业名称的切分方式，使得企业名称的切分装置能够准确的将企业名称切分为多个出现概率较大分词。另外，在确定企业名称中相邻两个字构成的词分别在企业名称库中出现的概率之前，企业名称的切分方法还包括：提取企业名称中的区域信息，将提取后的企业名称作为切分的企业名称。该方式中，先将区域信息提取出来，缩短了需要切分的文本，减小了切分企业名称的工作量。另外，提取企业名称中的区域信息，具体包括：基于正向最大匹配算法，提取企业名称中的区域信息。另外，在停止企业名称切分过程之后，企业名称的切分方法还包括：根据得到的分词，确定企业名称的成分抽取结果。该方式中，使得企业名称的切分装置能够确定企业名称的各要素，进而能够对所有企业快速进行按地域、行业、类型等的聚类研究。另外，根据得到的分词，确定企业名称的成分抽取结果，具体包括：按得到每个分词的先后顺序排列所有分词；判断所有分词中是否存在由一个字组成的分词，若是，根据由一个字组成的分词的位置，确定由一个字组成的分词的合并方式，将合并后得到的分词，以及其他未合并的分词，作为企业名称的成分抽取结果；若不是，将所有切分得到的分词作为企业名称的成分抽取结果；其中，合并方式包括向前合并方式或向后合并方式，向前合并方式为：将由一个字组成的分词与由一个字组成的分词的前一个分词合并；向后合并方式为：将由一个字组成的分词与由一个字组成的分词的后一个分词合并。另外，根据得到的分词，确定企业名称的成分抽取结果，具体包括：若确定切分得到的分词的个数大于N，确定相邻的两个分词组成的词语分别在企业名称库中出现的概率，根据相邻的两个分词组成的词语的概率，确定所有分词的合并方式，将合并后得到的分词，以及其他未合并的分词作为企业名称的成分抽取结果；其中，N等于3或4。该方式中，能够在分词个数超过企业名称的要素个数时，根据相邻两个分词组成的词语的概率，确定可合并组成新词组的分词，提高了企业名称切分装置的智能性。附图说明一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。图1是根据本专利技术的第一实施方式的企业名称的切分方法的流程图；图2是根据本专利技术的第二实施方式的企业名称的切分方法的流程图；图3是根据本专利技术第二实施方式的提取企业名称的区域信息的方法的流程图；图4是根据本专利技术的第三实施方式的企业名称的切分装置的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优本文档来自技高网...

【技术保护点】
1.一种企业名称的切分方法，其特征在于，在一次企业名称切分过程中，包括：获取上一次企业名称切分后剩下的文本；根据所述上一次企业名称切分后剩下的文本的前两个字构成的词的概率，以及所述上一次企业名称切分后剩下的文本的第2个字与第3个字构成的词的概率，确定对所述上一次企业名称切分后剩下的文本的切分方式；根据所述上一次企业名称切分后剩下的文本，以及所述切分方式，确定本次切分得到的分词，以及本次企业名称切分后剩下的文本；判断所述本次企业名称切分后剩下的文本的字数是否大于2，若是，继续下一次的企业名称切分过程，直至所述字数不大于2，否则，停止企业名称切分过程。

【技术特征摘要】
1.一种企业名称的切分方法，其特征在于，在一次企业名称切分过程中，包括：获取上一次企业名称切分后剩下的文本；根据所述上一次企业名称切分后剩下的文本的前两个字构成的词的概率，以及所述上一次企业名称切分后剩下的文本的第2个字与第3个字构成的词的概率，确定对所述上一次企业名称切分后剩下的文本的切分方式；根据所述上一次企业名称切分后剩下的文本，以及所述切分方式，确定本次切分得到的分词，以及本次企业名称切分后剩下的文本；判断所述本次企业名称切分后剩下的文本的字数是否大于2，若是，继续下一次的企业名称切分过程，直至所述字数不大于2，否则，停止企业名称切分过程。2.根据权利要求1所述的企业名称的切分方法，其特征在于，所述切分方式为以下三种切分方式中的任意一种：第一切分方式、第二切分方式、第三切分方式；其中，所述第一切分方式为在所述上一次企业名称切分后剩下的文本的第1个字和第2个字之间进行切分；所述第二切分方式为在所述上一次企业名称切分后剩下的文本的第2个字和第3个字之间进行切分；所述第三切分方式为在所述上一次企业名称切分后剩下的文本的第3个字和第4个字之间进行切分。3.根据权利要求2所述的企业名称的切分方法，其特征在于，所述根据所述上一次企业名称切分后剩下的文本的前两个字构成的词的概率，以及所述上一次企业名称切分后剩下的文本的第2个字与第3个字构成的词的概率，确定对所述上一次企业名称切分后剩下的文本的切分方式，具体包括：计算所述上一次企业名称切分后剩下的文本的第2个字与第3个字构成的词的概率与所述上一次企业名称切分后剩下的文本的前两个字构成的词的概率的比值；若确定所述比值大于第一阈值，确定所述切分方式为所述第二切分方式；若确定所述比值不大于所述第一阈值，判断所述比值是否大于第二阈值；若是，确定所述切分方式为所述第三切分方式；否则，确定所述切分方式为所述第一切分方式。4.根据权利要求1所述的企业名称的切分方法，其特征在于，在所述确定企业名称中相邻两个字构成的词分别在企业名称库中出现的概率之前，所述企业名称的切分方法还包括：提取所...

【专利技术属性】
技术研发人员：过弋，王志宏，
申请(专利权)人：华东理工大学，石河子大学，
类型：发明
国别省市：上海,31