[发明专利]基于分段加权相似度匹配算法的机构名称归一化方法

摘要

本发明公开了一种基于分段加权相似度匹配算法的机构名称归一化方法，对样本S进行分割为如全称知识库Lk的结构；如果未分割出＜preGroup＞，则计算＜name,Rj＞的编辑距离矩阵，通过编辑距离矩阵寻找包含＜name＞的连续前缀的Rj，从name中分离出一级机构名称＜preGroup＞；如果没有这样的Rj则说明样本S确实不包含一级机构名称；如果有一个或多个Rj，则选取包含前缀最长的Rj作为样本S的一级机构名称；如果分割后的样本S存在＜preGroup＞，则先遍历计算编辑距离和相似度；再计算样本S中剩下的＜name＞部分和全称知识库Lk中的＜name＞部分的相似度；计算相似度，选定最终的归一化全称；本发明通过全称结构分段、中文分词、编辑操作权重调整及剪枝优化等措施，对原编辑距离算法进行了改进优化。