[發(fā)明專利]一種簡稱提取方法及裝置

有效

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

本發(fā)明公開了一種簡稱提取方法及裝置，其中方法為：獲取包含全稱的多篇文本；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)；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候選簡稱中滿足合法性校驗的候選簡稱，作為所述全稱的簡稱。上述方法應(yīng)用于金融科技(Fintech)時，經(jīng)過多層篩選，得到所述全稱的簡稱，相對于單一的提取規(guī)則，有更高的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及金融科技(Fintech)領(lǐng)域中的人工智能領(lǐng)域，尤其涉及一種簡稱提取方法及裝置。

背景技術(shù)

隨著計算機(jī)技術(shù)的發(fā)展，越來越多的技術(shù)應(yīng)用在金融領(lǐng)域，傳統(tǒng)金融業(yè)正在逐步向金融科技(Fintech)轉(zhuǎn)變，但由于金融行業(yè)的安全性、實時性要求，也對技術(shù)提出的更高的要求。當(dāng)前的金融行業(yè)中，對實體的輿情監(jiān)控已成為實體管理的重要一環(huán)。舉例來說，實體為企業(yè)，對企業(yè)可以通過輿情數(shù)據(jù)快速追蹤到企業(yè)的風(fēng)險狀況，比如企業(yè)的漲跌情況，企業(yè)是否被曝有嚴(yán)重的負(fù)債情況，企業(yè)經(jīng)營中是否有違法行為，企業(yè)是否存在法律訴訟等。然而，由于輿情報道(如新聞報道)中通常用實體的簡稱來指代對應(yīng)實體，而實體登記信息中可能沒有記錄實體簡稱信息，因此需要提取出實體簡稱。

目前提取簡稱的常用方法是“切頭去尾”，將實體全稱分為三個部分：地區(qū)部分，中間部分，后綴部分。舉例來說，對于“L地區(qū)X有限公司”，分為三個部分分別為“L地區(qū)”，“X”，“有限公司”，去掉地區(qū)部分和后綴部分后，得到“X”即是企業(yè)的簡稱。顯然，簡稱的形式多種多樣，這樣的提取方式較單一，準(zhǔn)確率偏低，這是一個亟待解決的問題。

發(fā)明內(nèi)容

本發(fā)明提供一種簡稱提取方法及裝置，解決了現(xiàn)有技術(shù)中簡稱提取的準(zhǔn)確率偏低的問題。

第一方面，本發(fā)明提供一種簡稱提取方法，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；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)；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候選簡稱中滿足合法性校驗的候選簡稱，作為所述全稱的簡稱。

上述方法中，獲取了全稱的多篇文本后，首先根據(jù)所述全稱在所述多篇文本中的分布，根據(jù)相關(guān)度指數(shù)，從所述多篇文本中篩選出多篇候選文本，再針對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，再從多個候選簡稱篩選出滿足合法性校驗的候選簡稱，作為所述全稱的簡稱，從而經(jīng)過多層篩選，得到所述全稱的簡稱，相對于單一的提取規(guī)則，有更高的準(zhǔn)確性。

可選的，所述根據(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)；包括：針對所述多篇文本中任一文本，按照以下方式，將以下至少一項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)，作為所述第一指標(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)，作為所述第二指標(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)，作為所述第三指標(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，作為所述第四指標(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，作為所述第五指標(biāo)；針對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)。