[發明專利]終端門店名稱的提取方法、裝置、設備和計算機存儲介質

有效

• 申請號: 202211189096.1
• 申請日: 2022-09-28
• 公開（公告）號: CN115270800B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 許名智;林沛欣;關梓文;許潔斌
• 申請（專利權）人: 廣州市玄武無線科技股份有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/242
• 代理公司: 廣州駿思知識產權代理有限公司 44425
• 代理人: 王晶

本發明涉及一種終端門店名稱的提取方法、裝置、設備和計算機存儲介質，該方法包括如下步驟：獲取待提取文本；對待提取文本進行預處理，得到預處理文本；對預處理文本進行分詞處理，得到分詞單元；基于分詞單元建立分詞數組，并將分詞數組中的元素分別與停用詞詞典、產品特性詞典、地標性詞典和歸一化詞典進行匹配，并根據匹配結果對分詞數組進行優化，得到優化的分詞數組；將優化的分詞數組中的元素進行拼接，得到初始終端門店名稱；基于初始終端門店名稱的字符長度對初始終端門店名稱進行優化，得到終端門店名稱，其可以從復雜的待提取文本中快速、準確的提取終端門店的名稱。

技術領域

本發明涉及數據處理技術領域，特別是涉及一種終端門店名稱的提取方法、裝置、設備和計算機存儲介質。

背景技術

在新零售時代，快消行業的營銷運營日益數字化，快消行業對終端管理的需求主要集中在如何通過人工智能解決銷售過程中，人員、終端、產品、渠道各個業務對象的管理問題，而終端作為快消零售企業的“人貨場”中“場”的主要承載體，是快消零售企業最接近消費端的觸角，是企業獲取消費端數據的主要入口，所以對終端的管理是快消零售企業尤為重要的一個環節，而獲得終端門店的名稱是對終端進行管理的基礎。

終端數據主要包括終端門店的名稱、地址、經緯度坐標以及聯系方式等信息，但是終端數據的來源多樣且沒有固定格式，導致不能準確獲取終端門店的名稱，其將會對終端門店的數據挖掘產生影響。

目前，人們主要通過以下兩種方式獲取終端門店的名稱，即：（1）使用自然語言處理技術對關鍵字進行提取，以獲得終端門店的名稱，但是，直接使用自然語言處理技術存在準確性差、且不能糾正錯誤信息的問題，而且，其應用范圍廣和處理速度慢，不能針對性的進行終端門店的名稱提取；（2）利用人工提取，但是終端數據量大，降低了提取效率和準確性。

發明內容

基于此，本發明的目的在于，提供一種終端門店名稱的提取方法、裝置、設備和計算機存儲介質，其具有終端門店名稱提取準確性高的優點。

終端門店名稱的提取方法，包括如下步驟：

S1：獲取待提取文本；

S2：對待提取文本進行預處理，得到預處理文本；

S3：對預處理文本進行分詞處理，得到分詞單元；

S4：基于分詞單元建立分詞數組，并將分詞數組中的元素分別與停用詞詞典、產品特性詞典、地標性詞典和歸一化詞典進行匹配，并根據匹配結果對分詞數組進行優化，得到優化的分詞數組；

S5：將優化的分詞數組中的元素進行拼接，得到初始終端門店名稱；

S6：基于初始終端門店名稱的字符長度對初始終端門店名稱進行優化，得到終端門店名稱。

本發明所述的終端門店名稱的提取方法，可以從復雜的待提取文本中快速、準確的提取終端門店的名稱；而且，本發明的終端門店名稱的提取方法還通過初始終端門店名稱的字符長度對其進行優化，以避免待提取文本被過渡預處理而導致提取的終端門店名稱過短而不能滿足其使用需求。

獲取的初始終端門店名稱的字符長度過短而對終端門店名稱的準確性產生影響，進一步提高了終端門店名稱提取的準確性。

進一步地，步驟S2包括：

S21：基于符號和特殊字符建立正則表達式，并利用正則表達式去除待提取文本中的符號和特殊字符，得到初始預處理文本；

S22：識別、并去除所述初始預處理文本中的地址信息，得到預處理文本，且地址信息包括省、市、區以及街道中的至少一種信息。

進一步地，步驟S3包括：

S31：獲取所述產品特性詞典、所述地標性詞典和分詞模型，并將所述產品特性詞典、所述地標性詞典輸入所述分詞模型中，得到分詞解釋器；