[发明专利]公司有效简称的提取方法、设备和存储介质

说明书

本发明揭示了一种公司有效简称的提取方法、设备和存储介质，所述方法包括：使用预先训练好的实体识别模型，对待处理公司的公司全称进行实体识别，得到多个不同类型的有效实体；根据所述有效实体，使用预设提取规则从所述有效实体中提取所述待处理公司的公司简称；根据搜索引擎的搜索日志，剔除所述待处理公司的公司简称中不符合预设条件的公司简称，得到所述待处理公司的有效简称。与现有技术相比，本发明的公司有效简称的提取方法，通过事先训练好的实体识别模型和预设提取规则，可以高效的将各公司的候选简称提取出来，然后通过搜索引擎的搜索日志，剔除候选简称中的无效简称，准确地提取各公司的有效简称。

技术领域

本发明涉及计算机领域，特别涉及一种公司有效简称的提取方法、设备和存储介质。

背景技术

在一个用于检索公司信息的垂直搜索引擎中，大部分用户通常会使用公司全称或者公司简称作为搜索词进行检索。若搜索词为公司全称或者连续简称（即所述简称为公司全称的连续部分），那么搜索引擎可以轻松的检索出相应的公司信息。例如使用搜索词为中国工商银行股份有限公司或者工商银行，可以轻松、准确的检索出相应的公司信息。

但是，若搜索词为非连续简称（例如中国工商银行的简称“工行”），那么搜索引擎可能无法检索出相应的公司信息。这是因为搜索引擎存储的公司信息中，并没有存储这类非连续简称。所以，虽然这类非连续简称是用户经常使用的有效简称，但是用户无法使用这些有效简称检索出相应的公司信息，这会极大降低用户体验的满意度。因此，需要对各公司的有效简称进行提取，并将这些有效简称存储到搜索引擎对应的公司的数据库中。

但是，由于公司的数量是百万级别的，而有效简称更加千变万化，因此，如何能够高效、准确地对公司的有效简称进行提取，是我们目前需要解决的问题。

发明内容

本发明的目的在于提供一种公司有效简称的提取方法、设备和存储介质。

为实现上述发明目的之一，本发明一实施方式提供一种公司有效简称的提取方法，所述方法包括：

使用预先训练好的实体识别模型，对待处理公司的公司全称进行实体识别，得到多个不同类型的有效实体，其中，所述有效实体的类型包括地区、商号和行业；

根据所述有效实体，使用预设提取规则从所述有效实体中提取所述待处理公司的公司简称；

根据搜索引擎的搜索日志，剔除所述待处理公司的公司简称中不符合预设条件的公司简称，得到所述待处理公司的有效简称。

作为本发明一实施方式的进一步改进，所述方法还包括：

根据搜索引擎的搜索日志，提取不同公司的有效简称，根据所述有效简称，反向推导出所述预设提取规则。

作为本发明一实施方式的进一步改进，所述“根据所述有效简称，反向推导出所述预设提取规则”包括：

根据所述有效简称对应公司的行业，反向推导出不同行业的有效简称的预设提取规则。

作为本发明一实施方式的进一步改进，所述“根据所述有效实体，使用预设提取规则从所述有效实体中提取所述待处理公司的公司简称”包括：

根据所述有效实体结合所述待处理公司的行业，使用对应行业的预设提取规则从所述有效实体中提取所述待处理公司的公司简称。

作为本发明一实施方式的进一步改进，所述“根据所述有效实体，使用预设提取规则从所述有效实体中提取所述待处理公司的公司简称”包括：

根据所述有效实体的实体名称和实体类型数量，提取不同类型的有效实体的名称、所述名称的首字或者尾字，按照实体类型顺序进行组合，得到所述待处理公司的公司简称，其中，所述实体类型顺序为将所述地区、商号、行业按照前后顺序进行排列。

作为本发明一实施方式的进一步改进，所述“不符合预设条件的公司简称”是指：