[发明专利]识别企业名称的方法及装置

说明书

本发明实施例公开一种识别企业名称的方法，包括以下步骤：获取待识别文本中的歧义简称，所述歧义简称由包括歧义词典的分词器从所述待识别文本中切分出，所述歧义词典中包括至少一个存在歧义的企业简称；从预设的企业信息库中获取与所述歧义简称匹配的企业简称，以及与所述企业简称关联的企业信息；识别所述待识别文本中是否存在所述企业信息；如果不存在所述企业信息，则识别所述歧义简称不是企业名称。采用上述技术方案中方法，可以准确识别出文本中的存在歧义的企业简称是不是企业名称，从而提高计算机识别文本中企业名称的准确率。

技术领域

本发明涉及信息处理与文本挖掘技术领域，具体涉及一种识别企业名称的方法，此外还涉及一种识别企业名称的装置。

背景技术

很多金融机构利用互联网上的海量文本来对客户做风险把控。例如，通过对互联网上的新闻进行挖掘分析，获取到金融机构的企业客户的相关信息，并提示从中发现的风险，从而对企业客户进行风险把控。例如，从某篇新闻中获取到A企业的关于产品侵权诉讼的信息，或者获取到A企业的关于拖欠供应商货款的信息，这些信息都有助于金融机构分析A企业的企业情况，从而做出减少或停止贷款等决定，把控可能产生的A企业无法如期偿还贷款的风险。

从海量文本中挖掘企业的相关信息，通常首先需要采用分词器对文本进行分词，然后一方面从文本中识别出企业名称，另一方面从文本中挖掘出对金融机构把控风险有用的相关信息，并将企业名称与相关信息关联起来，从而便于发现存在风险的企业。

发明人经过分析认为，采用常规的分词器不能从文本中把企业名称准确地切分出来，导致计算机的对企业名称的识别结果经常出现错误。这是因为，在文本中，尤其是像新闻这样的文本中，企业名称具有企业全称、企业简称等多种表现形式，而部分企业简称还存在歧义。

具体来说，常规的分词器为提高普适性，主要是按照通用日常语言的切分习惯来对文本进行切分，容易将企业全称切分成多个分词。例如，“连云港港口控股集团有限公司”经过常规的分词器的切分，得到的切分结果有可能是“连云港/港口/控股/集团/有限公司”。分词结果中，“连云港”既可以是“连云港港口控股集团有限公司”的企业简称，又可以表示一个地名，存在多种含义。因此当文本中切分出“连云港”一词时，计算机无法准确判断该分词在当前文本中是否表示企业简称。

因此，利用常规的方法识别文本中的企业名称的准确率较低，这是本领域技术人员亟待解决的问题。

发明内容

第一方面，本申请提供一种识别企业名称的方法，包括以下步骤：

获取待识别文本中的歧义简称，所述歧义简称由包括歧义词典的分词器从所述待识别文本中切分出，所述歧义词典中包括至少一个存在歧义的企业简称；

从预设的企业信息库中获取与所述歧义简称匹配的企业简称，以及与所述企业简称关联的企业信息；

识别所述待识别文本中是否存在所述企业信息；

如果不存在所述企业信息，则识别所述歧义简称不是企业名称。

结合第一方面，在第一方面第一种可能的实现方式中，识别所述待识别文本中是否存在所述企业信息的步骤之后，还包括：

如果存在所述企业信息，则计算所述企业信息对应的权重值；

如果所述权重值在预设范围内，则识别所述歧义简称是企业名称；

如果所述权重值不在预设范围内，则识别所述歧义简称不是企业名称。

结合第一方面的第一种实现方式，在第一方面第二种可能的实现方式中，计算所述企业信息对应的权重值的步骤，包括：

确定所述企业信息中各条子信息对应的信息类型；

确定与各个所述信息类型分别对应的子权重值；