[發明專利]一種創建清單數據索引的方法和裝置

在審

• 申請號: 202011551965.1
• 申請日: 2020-12-24
• 公開（公告）號: CN112632214A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 鐘榮清;楊佳;劉丹
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F40/103;G06F40/279;G06F40/289
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 郝紅玉;郭晗

1.一種創建清單數據索引的方法，其特征在于，包括：

將所述非結構化的清單數據轉化成結構化數據，并提取出清單數據實體標識；

對所述清單數據實體標識進行標準化處理，以生成標準化清單數據實體標識；

針對每個標準化清單數據實體標識，創建清單數據實體的索引。

2.根據權利要求1所述的方法，其特征在于，所述對所述清單數據實體標識進行標準化處理包括至少以下中的一種或幾種：

移除標點符號；

移除ASCII碼；

移除停止詞；

轉化英語單詞的大寫和/或小寫；

轉化中文漢字的繁體和/簡體。

3.根據權利要求1所述的方法，其特征在于，針對每個標準化清單數據實體標識，創建清單數據實體的索引，包括：

對每個標準化清單數據實體標識進行去重處理；

針對去重后的標準化清單數據實體標識，創建清單數據實體的索引。

4.根據權利要求1所述的方法，其特征在于，所創建的清單數據實體的索引是一個或多個。

5.根據權利要求1所述的方法，其特征在于，所述清單數據實體標識包括本國語言、非本國語言和別名。

6.根據權利要求1所述的方法，其特征在于，所述本國語言是中文，所述非本國語言是英語。

7.根據權利要求1所述的方法，其特征在于，在針對去重后的標準化清單數據實體標識，創建清單數據實體的索引時，使用Solr引擎來創建清單數據實體的索引。

8.根據權利要求2所述的方法，其特征在于，所述對所述清單數據實體標識進行標準化處理，不包括中文轉拼音處理。

9.一種創建清單數據索引的裝置，其特征在于，包括：

預處理初始化模塊，用于將所述非結構化的清單數據轉化成結構化數據，并提取出清單數據實體標識；以及對所述清單數據實體標識進行標準化處理，以生成標準化清單數據實體標識；

索引模塊，用于針對每個標準化清單數據實體標識，創建清單數據實體的索引。

10.根據權利要求9所述的裝置，其特征在于，在對所述清單數據實體標識進行標準化處理時，所述預處理初始化模塊還用于至少以下中的一種或幾種：

移除標點符號；

移除ASCII碼；

移除停止詞；

轉化英語單詞的大寫和/或小寫；

轉化中文漢字的繁體和/簡體。

11.根據權利要求9所述的裝置，其特征在于，在針對每個標準化清單數據實體標識，創建清單數據實體的索引時，所述索引模塊還用于：

對每個標準化清單數據實體標識進行去重處理；

針對去重后的標準化清單數據實體標識，創建清單數據實體的索引。

12.根據權利要求9所述的裝置，其特征在于，所創建的清單數據實體的索引是一個或多個。

13.根據權利要求9所述的裝置，其特征在于，所述清單數據實體標識包括本國語言、非本國語言和別名。

14.根據權利要求9所述的裝置，其特征在于，所述本國語言是中文，所述非本國語言是英語。

15.根據權利要求9所述的裝置，其特征在于，在針對去重后的標準化清單數據實體標識，創建清單數據實體的索引時，所述索引模塊使用Solr引擎來創建清單數據實體的索引。

16.根據權利要求10所述的裝置，其特征在于，在對所述清單數據實體標識進行標準化處理時，所述預處理初始化模塊不用于中文轉拼音處理。