[發明專利]公司名稱的匹配方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202110248504.5
• 申請日: 2021-03-08
• 公開（公告）號: CN112597284B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 黃文輝;廖志軍;黃詠毫;萬賜華;馮璐茜
• 申請（專利權）人: 中郵消費金融有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/335
• 代理公司: 廣州微斗專利代理有限公司 44390
• 代理人: 唐立平

1.一種公司名稱的匹配方法，其特征在于，包括如下步驟：

S1：接收用戶提交的公司名稱；

S2：對公司名稱進行分詞，并根據分詞結構計算詞的頻次和詞的權重；

S3：以公司名稱為點，相同詞為邊，構建點邊關系；

S4：有相同的邊關系的兩個公司名稱，計算萊文斯坦距離相似度，并根據詞權重計算兩個公司名稱的余弦距離相似度；

S5：過濾掉低于閾值的邊，量化出公司名稱的相似度；

S6：根據過濾后的邊數據，計算連通圖，將數據進行劃分，找出相似或者相同的公司名稱；

以公司名稱為點，相同詞為邊，構建點邊關系包括：

對海量的公司名稱，根據公司名稱有相同的詞，則將他們建立邊關系，構邊計算；

構邊時，將相同詞的公司名稱分為一個數據集，將數據集中數據量大于閾值的詞進行分級膨脹；

分級膨脹的核心算法思想如下：

對于全量數據 m，分n塊，每塊大小是m/n條，最終得到m*(m-1)/2條；

1.第一級膨脹的條數膨脹n倍: 1--- n ；

2.第一級膨脹計算后的數據重分區；

3.第二級膨脹的條數膨脹m/n倍: n--- m；

4.第二級膨脹計算后的數據重分區；

5.第三級膨脹的條數最高膨脹m倍，最低膨脹1倍，呈y=x的分布，平均(m-1)/2倍: m--- m*(m-1)/2。

2.如權利要求1所述的公司名稱的匹配方法，其特征在于，對公司名稱進行分詞，并根據分詞結構計算詞的頻次和詞的權重包括：

1)分詞：公司名稱使用jieba分詞，如果有行政區，要補充公司名稱中的行政區；將全量公司名稱分詞后,形成公司名稱的分詞庫；

2）計算詞的頻次：根據分詞結果，統計每個分詞在全量公司名稱中出現的頻率，對于出現頻次大于設定閾值的詞作為無意義詞；

3）計算詞的權重：根據所有的公司名稱切出來的詞，計算TF-IDF。

3.如權利要求2所述的公司名稱的匹配方法，其特征在于，根據TF-IDF=TF*IDF公式，得出公司名稱的分詞計算公司：

TF=該分詞i在公司名稱j的出現頻次/公司名稱j的分詞數量。

4.如權利要求1所述的公司名稱的匹配方法，其特征在于，所述分級膨脹的步驟包括：

1）分塊輸出:將數據集m平分n塊,并將每塊數據集和原來數據集組合成一條記錄并輸出,即每塊大小是m/n條，并根據分布式計算特點，將輸出結果數據進行重分區；

2）將輸出結果再次進行重分區，將數據庫再次盡可能平均分配；

3）將單條數據按數組遍歷輸出，得到構邊結果。

5.如權利要求1所述的公司名稱的匹配方法，其特征在于，還包括以下步驟：

S7：以每個連通圖為一個獨立整體，重新計算連通圖內的詞權重，再次計算余弦相似度；

S8：據步驟S7計算的余弦相似度，再次過濾掉低于閾值的邊；

S9: 根據步驟S8過濾后的邊關系，再次計算連通圖，找出相似或者相同的公司名稱。