[发明专利]一种获取机构名称的方法及装置

权利要求书

1.一种获取机构名称的方法，其特征在于，所述方法包括：

通过分词系统和实体识别系统标记非结构化文本文件中包括的机构名称；

根据后缀模型确定所述机构名称是否为实体机构的全称，所述后缀模型包括至少一个实体机构的后缀名称；

在所述机构名称不是实体机构的全称时，获取位于所述机构名称之前满足预设条件的词语；

将所述词语和所述机构名称组成实体机构的全称；

其中，所述根据后缀模型确定所述机构名称是否为实体机构的全称之前，还包括：

将训练集合中的任意两个机构实体的全称进行匹配，提取该两个机构实体的全称之间最长的共同子串，得到N个共同子串，所述训练集合包括多个预设机构名称的全称；

获取所述N个共同子串中的每个共同子串的频度，选择频度最高的预设数值个共同子串，对选择的各共同子串按包括的文字数目进行排序得到后缀模型。

2.如权利要求1所述的方法，其特征在于，所述根据后缀模型确定所述机构名称是否为实体机构的全称，包括：

从所述后缀模型包括的至少一个实体机构的后缀名称中获取一后缀名称，所述后缀名称是所述机构名称的子串或所述机构名称是所述后缀名称的子串；

若所述机构名称包括的第一文字数目不大于所述后缀名称包括的第二文字数目或者或所述第一文字数目大于所述第二文字数目且所述第一文字数目与所述第二文字数目之间的差值不大于预设阈值时，确定所述机构名称不是实体机构的全称。

3.如权利要求1所述的方法，其特征在于，所述获取位于所述机构名称之前满足预设条件的词语，包括：

获取有效范围，所述有效范围为所述机构名称与目标标点符号之间的文字，所述目标标点符号为所述机构名称之前首次出现的标点符号，或者，所述有效范围为所述机构名称与所述机构名称所在段落的开始位置之间的文字；

获取所述有效范围内的地名，若所述地名的左右两侧没有括号，则获取所述地名和所述地名与所述机构名称之间的词语。

4.如权利要求1所述的方法，其特征在于，所述获取位于所述机构名称之前满足预设条件的词语，包括：

获取位于所述机构名称之前首次出现的名词词语；

获取位于所述名词词语之前首次出现的非名词词语；

获取位于所述非名词词语与所述机构名称之间的词语。

5.一种获取机构名称的装置，其特征在于，所述装置包括：

标记模块，用于通过分词系统和实体识别系统标记非结构化文本文件中包括的机构名称；

确定模块，用于根据后缀模型确定所述机构名称是否为实体机构的全称，所述后缀模型包括至少一个实体机构的后缀名称；

获取模块，用于在所述机构名称不是实体机构的全称时，获取位于所述机构名称之前满足预设条件的词语；

组成模块，用于将所述词语和所述机构名称组成实体机构的全称；

其中，所述装置还用于：

将训练集合中的任意两个机构实体的全称进行匹配，提取该两个机构实体的全称之间最长的共同子串，得到N个共同子串，所述训练集合包括多个预设机构名称的全称；获取所述N个共同子串中的每个共同子串的频度，选择频度最高的预设数值个共同子串，对选择的各共同子串按包括的文字数目进行排序得到后缀模型。

6.如权利要求5所述的装置，其特征在于，所述确定模块包括：

第一获取单元，用于从所述后缀模型包括的至少一个实体机构的后缀名称中获取一后缀名称，所述后缀名称是所述机构名称的子串或所述机构名称是所述后缀名称的子串；

确定单元，用于若所述机构名称包括的第一文字数目不大于所述后缀名称包括的第二文字数目或者或所述第一文字数目大于所述第二文字数目且所述第一文字数目与所述第二文字数目之间的差值不大于预设阈值时，确定所述机构名称不是实体机构的全称。