[發明專利]一種號碼分類方法、裝置、電子設備及存儲介質

有效

• 申請號: 202110152300.1
• 申請日: 2021-02-03
• 公開（公告）號: CN112968705B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 周軼凡;徐鵬飛
• 申請（專利權）人: 杭州數夢工場科技有限公司
• 主分類號: H03M7/14
• 分類號: H03M7/14;G06Q90/00
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

本說明書提供一種號碼分類方法、裝置、電子設備及存儲介質，其中，所述方法用于對號碼集中相同長度的多個號碼進行分類，包括：根據多個號碼的各個數位分別對應的取值頻率分布的均勻性特征，確定各個數位中的混合數位；將混合數位組合為混合字段，并根據多個號碼在混合字段上的各個取值的出現頻率大小，對多個號碼進行預分類；按照預分類的結果建立分類模型，根據分類模型對號碼集中的號碼進行分類預測，并將預測結果用于更新所述分類模型，循環上述模型預測以及模型更新的過程；根據最新分類模型對號碼集中的號碼進行分類預測，得到最終分類結果。本說明書實現了在生成規則未知的情況下，對具有不同生成規則但長度相同的號碼的分類。

技術領域

本說明書涉及計算機技術領域，尤其涉及一種號碼分類方法、裝置、電子設備及存儲介質。

背景技術

數據分類一般是指通過聚類算法，將數據集中的數據進行分類，使得數據集被分割成不同的類或簇，并且簇內相似度盡可能大，簇間相似度盡可能小，號碼分類屬于數據分類的一種特例。

相關技術中，在生成規則未知的情況下，目前還沒有有效的辦法對號碼集中不同生成規則的號碼進行區分，例如當具有不同生成規則但號碼長度相同的證件號碼混合在一起時，由于事先并不知曉結構化文本的規則邏輯，同時也缺乏直接區分的明顯特征，因此難以將具有不同生成規則的證件號碼分別提取出來，從而無法進行后續的規則提取，在實際場景中，通常會將這部分混合的號碼直接丟棄。

發明內容

為克服相關技術中存在的問題，本說明書提供了一種號碼分類方法、裝置、電子設備及存儲介質。

根據本說明書實施例的第一方面，提供一種號碼分類方法，所述方法用于對號碼集中相同長度的多個號碼進行分類，不同類別的號碼采用的生成規則不同，所述生成規則用于定義相應類別的號碼中業務碼和順序碼所在的數位；所述方法包括：

根據所述多個號碼的各個數位分別對應的取值頻率分布的均勻性特征，確定所述各個數位中的混合數位，所述多個號碼中部分類別的號碼所采用的生成規則將所述混合數位定義為業務碼所在的數位、所述多個號碼中其他號碼所采用的生成規則將所述混合數位定義為順序碼所在的數位；

將所述混合數位組合為混合字段，并根據所述多個號碼在所述混合字段上的各個取值的出現頻率大小，對所述多個號碼進行預分類；

按照所述預分類的結果建立分類模型，根據所述分類模型對所述號碼集中的號碼進行分類預測，并將預測結果用于更新所述分類模型，循環上述模型預測以及模型更新的過程，直至最新的預測結果與上一次的預測結果沒有差別或達到預設的最大循環次數；

根據最新分類模型對所述號碼集中的號碼進行分類預測，得到最終分類結果。

可選的，所述根據所述多個號碼的各個數位分別對應的取值頻率分布的均勻性特征，確定所述各個數位中的混合數位包括：

對于各個數位中任一數位上的所述取值頻率分布，若存在全局的不均勻分布，以及局部非零的均勻分布，則確定所述任一數位為混合數位。

可選的，所述將所述混合數位組合為混合字段包括：

若存在相鄰的混合數位，則將相鄰的混合數位組合得到的組合字段確定為混合字段；

若不存在相鄰的混合數位，則將所述混合數位確定為混合字段。

可選的，所述根據所述多個號碼在所述混合字段上的各個取值的出現頻率大小，對所述多個號碼進行預分類包括：

統計所述多個號碼在所述混合字段上的各個取值的出現頻率；其中，出現頻率大于預設閾值的取值為區別業務碼，出現頻率不大于所述預設閾值的取值為區別順序碼；

將所述多個號碼中所述混合字段包含所述區別業務碼的號碼確定為第一規則號碼，將所述多個號碼中所述混合字段包含所述區別順序碼的號碼確定為第二規則號碼。