[发明专利]一种获取机构名称的方法及装置

说明书

本发明公开了一种获取机构名称的方法及装置，属于信息提取及文本挖掘领域。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；将所述获取的词语和所述机构名称组成实体机构的全称。所述装置包括：标记模块、确定模块、获取模块和组成模块。本发明能够提高识别机构名称的准确性。

技术领域

本发明涉及信息提取及文本挖掘领域，特别涉及一种获取机构名称的方法及装置。

背景技术

大部分企业在运作时都会产生大量的企业公文，企业的企业公文中包括大量有助于了解企业的有用信息。为了便于用户快速了解企业，可以从企业公文中提取有用信息并显示给用户。

企业公文中常常包括机构名称等有用信息，机构名称往往是企业名称，例如北京###有限公司就是一种机构名称。为了让用快速了解企业，常常需要从企业公文中获取机构名称。目前可以通过实体识别系统识别出企业公文中的机构名称，并在企业公文中标记识别出的机构名称。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

目前通过实体识别系统识别出的很多机构名称都是不全的名称，例如，对于北京###有限公司，往往只识别出有限公司，将北京###给丢失了，导致识别准确性较低。

发明内容

为了提高识别机构名称的准确性，本发明提供了一种获取机构名称的方法及装置。所述技术方案如下：

第一方面，本发明提供了一种获取机构名称的方法，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；

将所述获取的词语和所述机构名称组成实体机构的全称。

可选的，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。

可选的，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。

可选的，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。

可选的，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：