[發(fā)明專利]一種簡稱提取方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010545742.8
• 申請(qǐng)日: 2020-06-16
• 公開（公告）號(hào): CN111695340B
• 公開（公告）日: 2021-12-28
• 發(fā)明（設(shè)計(jì)）人: 蔡遠(yuǎn)航;鄭少杰;付勇;范增虎
• 申請(qǐng)（專利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類號(hào): G06F40/216
• 分類號(hào): G06F40/216;G06F40/211;G06F40/284;G06F40/30;G06F16/33;G06F16/35
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 彭燕

1.一種簡稱提取方法，其特征在于，包括：

獲取包含全稱的多篇文本；其中，每篇文本包括標(biāo)題和\或正文；

按照以下方式，根據(jù)所述全稱在所述多篇文本中的分布，確定所述全稱與所述多篇文本的相關(guān)度指數(shù)：

針對(duì)所述多篇文本中任一文本，按照以下方式，將以下至少一項(xiàng)作為所述全稱在所述文本的正文中的各分布指標(biāo)：

將所述全稱在所述文本的正文中出現(xiàn)的總次數(shù)，作為第一指標(biāo)；將出現(xiàn)所述全稱的段落在所述文本的正文中的段落位置及在所述段落中出現(xiàn)的次數(shù)，作為第二指標(biāo)；將出現(xiàn)所述全稱的句子在所述文本的正文中的句子位置及所述句子的句子結(jié)構(gòu)，作為第三指標(biāo)；將所述全稱在所述文本的正文中首次出現(xiàn)和最后一次出現(xiàn)位置之間的文本中的句子數(shù)量，作為第四指標(biāo)；將所述全稱在所述文本的正文中首次出現(xiàn)和最后一次出現(xiàn)位置之間的文本中包含所述全稱的句子數(shù)量，作為第五指標(biāo)；

針對(duì)所述多篇文本中任一文本，根據(jù)所述全稱在所述文本的正文中的各分布指標(biāo)，確定所述各分布指標(biāo)的權(quán)重值；根據(jù)所述各分布指標(biāo)的權(quán)重值，確定所述全稱與所述文本的正文的相關(guān)度指數(shù)；

根據(jù)所述全稱與所述多篇文本的相關(guān)度指數(shù)，從所述多篇文本中確定出多篇候選文本；

針對(duì)所述多篇候選文本中任一候選文本，根據(jù)所述候選文本的正文與第一預(yù)設(shè)句子結(jié)構(gòu)，和\或根據(jù)所述候選文本的標(biāo)題與所述全稱的最長公共子序列，提取所述候選文本中包含的候選簡稱；

將所述多篇候選文本中包含的多個(gè)候選簡稱中滿足合法性校驗(yàn)的候選簡稱，作為所述全稱的簡稱。

2.如權(quán)利要求1所述的方法，其特征在于，按照以下方式確定所述第二指標(biāo)的權(quán)重值：

針對(duì)出現(xiàn)所述全稱的各段落中的每個(gè)段落，當(dāng)所述段落的段落位置為首段或尾段時(shí)，則將所述段落的第一子權(quán)重值設(shè)置為第一預(yù)設(shè)值，否則將所述段落的第一子權(quán)重值設(shè)置為第二預(yù)設(shè)值，所述第一預(yù)設(shè)值大于所述第二預(yù)設(shè)值；根據(jù)所述全稱在所述段落中出現(xiàn)的次數(shù)和預(yù)設(shè)增函數(shù)關(guān)系設(shè)置所述段落的第二子權(quán)重值；

根據(jù)所述各段落的第一子權(quán)重值和第二子權(quán)重值，確定所述各段落的權(quán)重值；

根據(jù)所述各段落的權(quán)重值，確定所述第二指標(biāo)的權(quán)重值。

3.如權(quán)利要求1所述的方法，其特征在于，按照以下方式確定所述第三指標(biāo)的權(quán)重值：

針對(duì)出現(xiàn)所述全稱的各句子中的每個(gè)句子，當(dāng)所述句子的句子位置為段落的首句或段落的尾句時(shí)，則將所述句子的第一子權(quán)重值設(shè)置為第三預(yù)設(shè)值，否則將所述句子的第一子權(quán)重值設(shè)置為第四預(yù)設(shè)值，所述第三預(yù)設(shè)值大于所述第四預(yù)設(shè)值；當(dāng)所述句子的句子結(jié)構(gòu)為第二預(yù)設(shè)句子結(jié)構(gòu)時(shí)，則將所述句子的第二子權(quán)重值設(shè)置為第五預(yù)設(shè)值，否則將所述句子的第二子權(quán)重值設(shè)置為第六預(yù)設(shè)值，所述第五預(yù)設(shè)值小于所述第六預(yù)設(shè)值；

根據(jù)所述各句子的第一子權(quán)重值和第二子權(quán)重值，確定所述各句子的權(quán)重值；

根據(jù)所述各句子的權(quán)重值，確定所述第三指標(biāo)的權(quán)重值。

4.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述各分布指標(biāo)的權(quán)重值，確定所述全稱與所述文本的正文的相關(guān)度指數(shù)，包括：

按照以下公式，確定所述全稱與所述文本的正文的相關(guān)度指數(shù)：

其中，X₁為所述第一指標(biāo)的權(quán)重值；X_2i為出現(xiàn)所述全稱的段落對(duì)于所述第二指標(biāo)的段落權(quán)重值，M為所述文本的段落數(shù)；X_3j為出現(xiàn)所述全稱的句子對(duì)于所述第三指標(biāo)的句子權(quán)重值，N為所述文本的句子數(shù)；X₄為所述第四指標(biāo)的權(quán)重值；X₅為所述第五指標(biāo)的權(quán)重值；S為所述全稱與所述文本的正文的相關(guān)度指數(shù)。

5.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述候選文本的標(biāo)題與所述全稱的最長公共子序列，提取所述候選文本中包含的候選簡稱；包括：

若所述候選文本的標(biāo)題與所述全稱的最長公共子序列為所述候選文本的標(biāo)題的子串，則將所述最長公共子序列作為候選子串；

若所述候選子串在所述多篇候選文本的標(biāo)題中的頻次大于預(yù)設(shè)頻次閾值，則將所述候選子串作為所述候選文本中包括的候選簡稱。