[發(fā)明專利]一種獲取機(jī)構(gòu)名稱的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710501226.3
• 申請(qǐng)日: 2017-06-27
• 公開（公告）號(hào): CN107357779B
• 公開（公告）日: 2018-10-02
• 發(fā)明（設(shè)計(jì)）人: 任寧;席麗娜;吳云鶴
• 申請(qǐng)（專利權(quán)）人: 北京神州泰岳軟件股份有限公司;中科鼎富（北京）科技發(fā)展有限公司
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27;G06K9/62
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 江崇玉

本發(fā)明公開了一種獲取機(jī)構(gòu)名稱的方法及裝置，屬于信息提取及文本挖掘領(lǐng)域。所述方法包括：通過分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的機(jī)構(gòu)名稱；根據(jù)后綴模型確定所述機(jī)構(gòu)名稱是否為實(shí)體機(jī)構(gòu)的全稱，所述后綴模型包括至少一個(gè)實(shí)體機(jī)構(gòu)的后綴名稱；在所述機(jī)構(gòu)名稱不是實(shí)體機(jī)構(gòu)的全稱時(shí)，獲取位于所述機(jī)構(gòu)名稱之前滿足預(yù)設(shè)條件的詞語(yǔ)；將所述獲取的詞語(yǔ)和所述機(jī)構(gòu)名稱組成實(shí)體機(jī)構(gòu)的全稱。所述裝置包括：標(biāo)記模塊、確定模塊、獲取模塊和組成模塊。本發(fā)明能夠提高識(shí)別機(jī)構(gòu)名稱的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及信息提取及文本挖掘領(lǐng)域，特別涉及一種獲取機(jī)構(gòu)名稱的方法及裝置。

背景技術(shù)

大部分企業(yè)在運(yùn)作時(shí)都會(huì)產(chǎn)生大量的企業(yè)公文，企業(yè)的企業(yè)公文中包括大量有助于了解企業(yè)的有用信息。為了便于用戶快速了解企業(yè)，可以從企業(yè)公文中提取有用信息并顯示給用戶。

企業(yè)公文中常常包括機(jī)構(gòu)名稱等有用信息，機(jī)構(gòu)名稱往往是企業(yè)名稱，例如北京###有限公司就是一種機(jī)構(gòu)名稱。為了讓用快速了解企業(yè)，常常需要從企業(yè)公文中獲取機(jī)構(gòu)名稱。目前可以通過實(shí)體識(shí)別系統(tǒng)識(shí)別出企業(yè)公文中的機(jī)構(gòu)名稱，并在企業(yè)公文中標(biāo)記識(shí)別出的機(jī)構(gòu)名稱。

在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題：

目前通過實(shí)體識(shí)別系統(tǒng)識(shí)別出的很多機(jī)構(gòu)名稱都是不全的名稱，例如，對(duì)于北京###有限公司，往往只識(shí)別出有限公司，將北京###給丟失了，導(dǎo)致識(shí)別準(zhǔn)確性較低。

發(fā)明內(nèi)容

為了提高識(shí)別機(jī)構(gòu)名稱的準(zhǔn)確性，本發(fā)明提供了一種獲取機(jī)構(gòu)名稱的方法及裝置。所述技術(shù)方案如下：

第一方面，本發(fā)明提供了一種獲取機(jī)構(gòu)名稱的方法，所述方法包括：

通過分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的機(jī)構(gòu)名稱；

根據(jù)后綴模型確定所述機(jī)構(gòu)名稱是否為實(shí)體機(jī)構(gòu)的全稱，所述后綴模型包括至少一個(gè)實(shí)體機(jī)構(gòu)的后綴名稱；

在所述機(jī)構(gòu)名稱不是實(shí)體機(jī)構(gòu)的全稱時(shí)，獲取位于所述機(jī)構(gòu)名稱之前滿足預(yù)設(shè)條件的詞語(yǔ)；

將所述獲取的詞語(yǔ)和所述機(jī)構(gòu)名稱組成實(shí)體機(jī)構(gòu)的全稱。

可選的，所述根據(jù)后綴模型確定所述機(jī)構(gòu)名稱是否為實(shí)體機(jī)構(gòu)的全稱，包括：

從所述后綴模型包括的至少一個(gè)實(shí)體機(jī)構(gòu)的后綴名稱中獲取一后綴名稱，所述后綴名稱是所述機(jī)構(gòu)名稱的子串或所述機(jī)構(gòu)名稱是所述后綴名稱的子串；

若所述機(jī)構(gòu)名稱包括的第一文字?jǐn)?shù)目不大于所述后綴名稱包括的第二文字?jǐn)?shù)目或者或所述第一文字?jǐn)?shù)目大于所述第二文字?jǐn)?shù)目且所述第一文字?jǐn)?shù)目與所述第二文字?jǐn)?shù)目之間的差值不大于預(yù)設(shè)閾值時(shí)，確定所述機(jī)構(gòu)名稱不是實(shí)體機(jī)構(gòu)的全稱。

可選的，所述獲取位于所述機(jī)構(gòu)名稱之前滿足預(yù)設(shè)條件的詞語(yǔ)，包括：

獲取有效范圍，所述有效范圍為所述機(jī)構(gòu)名稱與目標(biāo)標(biāo)點(diǎn)符號(hào)之間的文字，所述目標(biāo)標(biāo)點(diǎn)符號(hào)為所述機(jī)構(gòu)名稱之前首次出現(xiàn)的標(biāo)點(diǎn)符號(hào)，或者，所述有效范圍為所述機(jī)構(gòu)名稱與所述機(jī)構(gòu)名稱所在段落的開始位置之間的文字；

獲取所述有效范圍內(nèi)的地名，若所述地名的左右兩側(cè)沒有括號(hào)，則獲取所述地名和所述地名與所述機(jī)構(gòu)名稱之間的詞語(yǔ)。

可選的，所述獲取位于所述機(jī)構(gòu)名稱之前滿足預(yù)設(shè)條件的詞語(yǔ)，包括：

獲取位于所述機(jī)構(gòu)名稱之前首次出現(xiàn)的名詞詞語(yǔ)；

獲取位于所述名詞詞語(yǔ)之前首次出現(xiàn)的非名詞詞語(yǔ)；

獲取位于所述非名詞詞語(yǔ)與所述機(jī)構(gòu)名稱之間的詞語(yǔ)。

可選的，所述根據(jù)后綴模型確定所述機(jī)構(gòu)名稱是否為實(shí)體機(jī)構(gòu)的全稱之前，還包括：