[發明專利]一種行政地域實體識別方法及系統

在審

• 申請號: 202011223738.6
• 申請日: 2020-11-05
• 公開（公告）號: CN112329469A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 劉方然
• 申請（專利權）人: 新華智云科技有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F16/903;G06F16/901
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 田金霞

1.一種行政地域實體識別方法，其特征在于包括以下步驟：

獲取并切分待識別文本，獲得若干個待識別短句；

基于預設的地域召回映射表召回各待識別短句中包含的地域名，并提取所述地域名對應的所有地域的ID，生成與所述待識別短句相映射的候選ID集；

基于候選ID集從預設的地域正則表達式映射表中提取相對應的正則表達式，將所述待識別短句與所述正則表達式相匹配，獲得相應的識別結果。

2.根據權利要求1所述的行政地域實體識別方法，其特征在于：

所述地域名包括名稱和短名；

所述地域召回映射表包括短名映射數據和名稱映射數據；

所述短名映射數據包括相映射的短名和第一ID列表，所述第一ID列表包含與所述短名相對應的所有地域的ID；

所述名稱映射數據包括相映射的名稱和第二ID列表，所述第二ID列表包含與所述名稱相對應的所有地域的ID。

3.根據權利要求2所述的行政地域實體識別方法，其特征在于，地域召回映射表的獲取方法包括以下步驟：

配置地域實體元數據；

遍歷各地域實體元數據，從所述地域實體元數據中提取相應地域的ID、名稱和短名；

將所述短名加入地域召回映射表，并將所述ID添加至與所述短名相映射的第一ID列表；

將所述短名與所述名稱進行匹配，匹配不成功時將所述名稱加入地域召回映射表，并將所述ID添加至與所述名稱相映射的第二ID列表。

4.根據權利要求3所述的行政地域實體識別方法，其特征在于：

所述地域實體元數據還包括地域級別、上級ID、直轄市情況、名稱沖突情況、名稱歧義情況、與上級短名沖突情況和短名歧義情況；

地域正則表達式映射表包括相映射的ID和正則表達式，所述正則表達式的獲取方法為；

配置通用元數據，所述通用元數據包括消歧后綴正則表達式、禁止前綴正則表達式和禁止后綴正則表達式；

基于所述地域實體元數據和所述通用元數據，依次為各地域生成與其相對應的正則表達式。

5.根據權利要求4所述的行政地域實體識別方法，其特征在于：

基于所述地域級別和所述直轄市情況判斷所述地域的等級；

當所述地域級別為省級，或所述地域級別為市級且所述直轄市情況為直轄市市區本級時，判定所述地域為一級地域，否則所述地域為二級地域；

當所述地域為一級地域時，基于名稱和短名，以及所述通用元數據，按照預設的一級地域判別正則表達式生成與所述地域相對應的正則表達式；

當所述地域為二級地域時，基于名稱、短名和上級ID，以及所述通用元數據，按照預設的第一判別正則表達式生成第一正則表達式，并基于名稱沖突情況、名稱歧義情況、名稱沖突情況、與上級短名沖突情況和/或短名歧義情況對所述第一正則表達式進行表達式追加，生成與所述地域相對應的正則表達式。

6.根據權利要求5所述的行政地域實體識別方法，其特征在于：

當所述名稱沖突情況為沖突時，將第一正則表達式作為與所述地域相對應的正則表達式，否則，按照預設的第二判別正則表達式追加召回所述名稱的表達式，生成第二正則表達式；

當所述名稱歧義情況為歧義，將第二正則表達式作為與所述地域相對應的正則表達式，否則，按照預設的第三判別正則表達式進行追加表達式，生成第三正則表達式；

當所述短名沖突情況為沖突，且所述上級短名沖突情況為不沖突時，將第三正則表達式作為與所述地域相對應的正則表達式，否則，按照預設的第四判別正則表達式進行追加召回短名的表達式，生成第四正則表達式；

當所述短名歧義情況為歧義，或所述名稱長度大于預設的長度閾值且以縣結尾時，將第四正則表達式作為與所述地域相對應的正則表達式，否則，按照預設的第五判別正則表達式進行追加表達式，生成第五正則表達式，將第五正則表達式作為與所述地域相對應的正則表達式。

7.根據權利要求1至6任一所述的行政地域實體識別方法，其特征在于：

地域召回映射表為TrieTree結構。