[發(fā)明專利]一種基于文本規(guī)則的公司簡稱識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710486058.5
• 申請日: 2017-06-23
• 公開（公告）號: CN107423285B
• 公開（公告）日: 2020-08-28
• 發(fā)明（設(shè)計）人: 吳遠(yuǎn)輝
• 申請（專利權(quán)）人: 廣州市萬隆證券咨詢顧問有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F16/31
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 胡輝

本發(fā)明公開了一種基于文本規(guī)則的公司簡稱識別方法及系統(tǒng)，方法包括：根據(jù)需要識別的公司全稱，通過對應(yīng)的上市公司公告文本進(jìn)行簡稱抽取，得到待檢測簡稱，并對待檢測簡稱進(jìn)行有效性分析；根據(jù)需要識別的公司全稱，通過網(wǎng)絡(luò)搜索進(jìn)行簡稱識別。系統(tǒng)包括公告文本分析單元和搜索分析單元。本發(fā)明通過公告文本挖掘和網(wǎng)絡(luò)搜索規(guī)則相結(jié)合的方式進(jìn)行簡稱識別，從而在保證中文公司簡稱準(zhǔn)確率的同時，大大提高了查全率，有效提升識別效果。本發(fā)明可廣泛應(yīng)用于識別領(lǐng)域中。

技術(shù)領(lǐng)域

本發(fā)明涉及識別處理領(lǐng)域，尤其涉及一種基于文本規(guī)則的公司簡稱識別方法及系統(tǒng)。

背景技術(shù)

由于中文公司名稱命名的用字規(guī)律不強(qiáng)，使用比較隨意，經(jīng)常以簡稱的形式出現(xiàn)，如“中國銀行股份有限公司”經(jīng)常以簡稱的形式出現(xiàn)，如“中國銀行”或“中行”，這為公司名的識別、應(yīng)用帶來了困難。

目前市面并沒有一套可以能查全率比較高的簡稱識別方法。一般中文公司簡稱識別的難點在于，在不同領(lǐng)域和場景下，命名簡稱的外延有差異，名稱變化頻繁，并且沒有嚴(yán)格的規(guī)律可以遵循，表達(dá)形式多樣，而且在中文文本的處理中，由于中文分詞效果很容易影響識別效果，導(dǎo)致識別準(zhǔn)確率較低。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明的目的提供是一種能提高識別準(zhǔn)確率，基于文本規(guī)則的公司簡稱識別方法及系統(tǒng)。

本發(fā)明所采取的技術(shù)方案是：

一種基于文本規(guī)則的公司簡稱識別方法，包括以下步驟：

根據(jù)需要識別的公司全稱，通過對應(yīng)的上市公司公告文本進(jìn)行簡稱抽取，得到待檢測簡稱，并對待檢測簡稱進(jìn)行有效性分析；

根據(jù)需要識別的公司全稱，通過網(wǎng)絡(luò)搜索進(jìn)行簡稱識別。

作為所述的一種基于文本規(guī)則的公司簡稱識別方法的進(jìn)一步改進(jìn)，所述的根據(jù)需要識別的公司全稱，通過對應(yīng)的證券公告文本進(jìn)行簡稱抽取，得到待檢測簡稱，并對待檢測簡稱進(jìn)行有效性分析，這一步驟具體包括：

根據(jù)需要識別的公司全稱，加載該公司的上市公司公告資訊文本；

從上市公司公告資訊文本中抽取含有該公司全稱的句子和段落，得到抽取樣本；

從抽取樣本中根據(jù)預(yù)設(shè)的抽取規(guī)則進(jìn)行簡稱抽取，并從上市公司公告資訊文本中根據(jù)預(yù)設(shè)的表格特征進(jìn)行簡稱抽取，得到若干的待檢測簡稱；

判斷待檢測簡稱是否有效，若是，則結(jié)束識別過程；反之，則繼續(xù)識別過程。

作為所述的一種基于文本規(guī)則的公司簡稱識別方法的進(jìn)一步改進(jìn)，所述根據(jù)需要識別的公司全稱，通過網(wǎng)絡(luò)搜索進(jìn)行簡稱識別，這一步驟具體包括：

根據(jù)需要識別的公司全稱，結(jié)合預(yù)設(shè)的搜索規(guī)則進(jìn)行網(wǎng)絡(luò)搜索，得到網(wǎng)絡(luò)搜索結(jié)果；

對網(wǎng)絡(luò)搜索結(jié)果進(jìn)行分析，對每項網(wǎng)絡(luò)搜索結(jié)果的摘要進(jìn)行抽取；

根據(jù)預(yù)設(shè)的抽取規(guī)則，對得到的摘要進(jìn)行簡稱抽取，得到若干的待測公司簡稱；

對待測公司簡稱進(jìn)行數(shù)據(jù)清洗，得到并保存清洗后的公司簡稱。

本發(fā)明所采用的另一技術(shù)方案是：

一種基于文本規(guī)則的公司簡稱識別系統(tǒng)，包括：

公告文本分析單元，用于根據(jù)需要識別的公司全稱，通過對應(yīng)的上市公司公告文本進(jìn)行簡稱抽取，得到待檢測簡稱，并對待檢測簡稱進(jìn)行有效性分析；

搜索分析單元，用于根據(jù)需要識別的公司全稱，通過網(wǎng)絡(luò)搜索進(jìn)行簡稱識別。

作為所述的一種基于文本規(guī)則的公司簡稱識別系統(tǒng)的進(jìn)一步改進(jìn)，所述公告文本分析單元具體包括：