[发明专利]一种字符串匹配方法及装置

权利要求书

1.一种字符串匹配方法，其特征在于，包括：

获取待匹配的两个字符串，对每个字符串分词得到对应的至少一个分词；

根据预设定义的包括不同字段的结构字符串，及所述不同字段所映射的分词，确定得到的每个分词对应的字段，并将所述分词赋值给对应的字段，得到待匹配的两个结构字符串；

通过对比所述待匹配的两个结构字符串中字段的内容得到特征向量；

将所述特征向量输入预先训练的分类模型中，得到所述待匹配的两个字符串的匹配概率。

2.根据权利要求1所述的方法，其特征在于，预先训练分类模型，包括：

获取包括多个训练样本的训练样本集，每个训练样本包括待训练的两个字符串及所述待训练的两个字符串的匹配度；

对所述待训练的每个字符串进行分词得到至少一个分词；

根据预设定义的包括不同字段的结构字符串，及不同字段所映射的分词，确定得到的每个分词对应的字段，并将分词赋值给对应的字段，得到待训练的两个结构字符串；

通过对比所述待训练的两个结构字符串中字段的内容得到特征向量；

利用所述训练样本的特征向量及匹配度对预设分类模型进行训练。

3.根据权利要求1或2所述的方法，其特征在于，根据不同字段所映射的分词，确定得到的每个分词对应的字段，并将分词赋值给对应的字段，包括：

在词库中检索每个分词所匹配的词汇，所述词库包括预设定义的不同字段中至少一个字段所映射的所有分词；

查到其中一个分词匹配的词汇时，根据查找的词汇所映射的字段，确定该分词对应的字段，并将分词赋值给对应的字段。

4.根据权利要求1或2所述的方法，其特征在于，通过对比两个结构字符串中字段的内容得到特征向量，包括：

将其中一个结构字符串中每个字段的内容分别与另一个结构字符串中所有字段的内容一一对比，得到每两个对比字段的相似度，根据得到的所有相似度构建特征向量。

5.根据权利要求4所述的方法，其特征在于，将其中一个结构字符串中每个字段的内容分别与另一个结构字符串中字段的内容对比，包括：

通过笛卡尔乘机的方法，将其中一个结构字符串中每个字段的内容分别与另一个结构字符串中所有字段的内容一一对比。

6.根据权利要求1或2所述的方法，其特征在于，预先训练利用如下任一分类算法构建的分类模型，包括：

决策树分类算法、随机森林分类算法、逻辑回归分类算法、神经网络分类算法。

7.根据权利要求1或2所述的方法，其特征在于，根据预设定义的包括不同字段的结构字符串，包括主机构部分和分支机构部分；

所述主机构部分包括字段：行政区划、字号、行业、组织形式；

所述分支机构部分包括字段：行政区划、字号、行业、组织形式。

8.一种字符串匹配装置，其特征在于，该装置包括：

分词模块，用于获取待匹配的两个字符串，对每个字符串分词得到对应的至少一个分词；

赋值模块，用于根据预设定义的包括不同字段的结构字符串，及所述不同字段所映射的分词，确定得到的每个分词对应的字段，并将所述分词赋值给对应的字段，得到待匹配的两个结构字符串；

向量确定模块，用于通过对比所述待匹配的两个结构字符串中字段的内容得到特征向量；

匹配模块，用于将所述特征向量输入预先训练的分类模型中，得到所述待匹配的两个字符串的匹配概率。