[发明专利]一种字符串匹配方法及装置

说明书

本发明提供一种字符串匹配方法及装置，该方法包括：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。本发明可以通过将两个字符串经过分词、分段、对比后得到的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，从而使字符串的匹配率增高，匹配结果更准确。

技术领域

本发明涉及数据科学领域，尤其涉及一种字符串匹配方法及装置。

背景技术

企业名称匹配是风险控制领域非常重要的技术。例如，在金融行业，尤其在信贷行业，经常要客户填写企业名称用于风险管理，并对客户所填写的企业名称与相应查询资料中的企业名称进行匹配。举个例子，可以用客户填写的企业名称与其征信报告的企业名称进行匹配，核实客户之前是否在该企业工作；或者，可以用该客户的企业名称与其他客户的企业名称对比，看该客户是否还有同事也是本机构客户。

现有技术在进行企业名称的匹配时，可以采用人工对比的方式来进行匹配，即人为地对不同的企业名称进行匹配。显然，这种方式人力成本较高，且操作复杂，耗时较长。也可以使用计算机全字符匹配，但是采用这种方法会遗漏掉很大一部分真实相等的公司名称。进行企业名称的匹配时还可以通过中文模糊匹配技术实现企业名称的模糊匹配，采用基于分词的模糊匹配算法，首先将企业名称分段，主要分为行政区、企业字号、行业属性、企业属性、分支机构、部门等，然后根据分成的段进行模糊匹配。企业名称匹配率低，匹配结果不准确。

上述技术可以对企业名称进行匹配，但不限于只对企业名称进行匹配，对于其他的字符串也可以采用以上技术进行匹配，但同样也存在上述匹配效率低及匹配结果不准确的问题。

发明内容

本发明提供一种字符串匹配方法及装置，用以解决对企业名称进行匹配，存在匹配效率低及匹配结果不准确的问题。

第一方面，本申请提供一种字符串匹配方法，该方法包括：

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。

可选的，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。

可选的，对每个字符串分词得到至少一个分词，包括：

通过jieba分词算法对每个字符串分词得到至少一个分词。

可选的，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：