[发明专利]基于信息熵的对象名称匹配方法

摘要

本发明涉及一种基于信息熵的对象名称匹配方法。该方法包括步骤10、收集所有待识别对象名称；步骤20、计算每个字符的信息熵；步骤30、将第一对象名称和第二对象名称分别转换为第一和第二Q‑Gram字符串序列；步骤40、计算该第一和第二Q‑Gram字符串序列的并集内每个Q‑Gram字符串的信息熵；步骤50、求该第一和第二Q‑Gram字符串序列内所有Q‑Gram字符串的信息熵的总和totalEntropy，初始化该第一对象名称和第二对象名称的总信息熵差difference为0；步骤60、对于该并集内每个q‑Gram字符串token及其信息熵entropy，计算token对应的信息熵差,并加到总信息熵差difference上；步骤70、计算该第一对象名称和第二对象名称的相似度。本发明基于信息熵的对象名称匹配方法能够有效识别两个对象名称之间的相似度。

主权项

一种基于信息熵的对象名称匹配方法，其特征在于，包括：步骤10、收集所有待识别对象名称，统计每个字符出现的次数freq以及对象名称的总数totalNum，如果字符在一对象名称中出现多次按一次计算；步骤20、对每个字符，根据对象名称的总数totalNum及字符出现的次数freq之间的比值计算字符的信息熵；步骤30、将第一对象名称和第二对象名称分别转换为第一和第二Q‑Gram字符串序列；步骤40、计算该第一和第二Q‑Gram字符串序列的并集内每个Q‑Gram字符串的信息熵，Q‑Gram字符串的信息熵为Q‑Gram字符串中每个字符的信息熵之和；步骤50、求该第一和第二Q‑Gram字符串序列内所有Q‑Gram字符串的信息熵的总和totalEntropy，初始化该第一对象名称和第二对象名称的总信息熵差difference为0；步骤60、对于该并集内每个Q‑Gram字符串token及其信息熵entropy，将token在该第一Q‑Gram字符串序列中出现的次数记为num1，将token在该第二Q‑Gram字符串序列中出现的次数记为num2，如果没有出现则相应的次数为0；计算token对应的信息熵差为：|num1‑num2|×entropy,并加到总信息熵差difference上；步骤70、计算得出该第一对象名称和第二对象名称的相似度为：(totalEntropy－difference)/totalEntropy。