[发明专利]一种企业名称关键字提取方法

权利要求书

1.一种企业名称关键字提取方法，其特征在于，包括以下步骤：

S1、搭建与企业名称相关的基础热词库，对所述基础热词库中的热词进行打标签处理，用以定义热词的标签类别；

S2、对用户输入的企业名称进行中文分词处理，输出分词结果；

S3、声明新的数组arrs_a，遍历所述分词结果，若遍历过程中分词结果中的某个分词匹配到所述基础热词库中的热词，则将该分词加入到数组arrs_a；

S4、依次根据分词词长、分词位置对数组arrs_a进行排序；

S5、对排序后的数组arrs_a中进行遍历，针对数组arrs_a中的每个分词，依序对企业名称进行替空操作，将得到的最终词作为企业名称关键字；

S6、设定关键字长度阈值，判断所述步骤S5中得到的企业名称关键字长度是否达到关键字长度阈值，若达到，则判定企业名称关键字的提取结果正确，若未达到，则执行步骤S7；

S7、针对S5中得到的企业名称关键字与相邻词进行拼接，获得达到关键字长度阈值的企业名称关键字；

S71、依次根据分词位置、分词词长对所述数组arrs_a进行重新排序；

S72、找到步骤S5中得到的企业名称关键字的前、后位置的相邻词，并根据相邻词的标签类别选择是否拼接，拼接后记录拼接结果的词长和位置偏移量，所述标签类别至少包括热词、地域词、桥接词，当数组arrs_a中分词的类别为热词时，在拼接处理时选择拼接，当数组arrs_a中分词的类别为地域词时，在拼接处理时选择不拼接并找到下一个分词进行拼接，当数组arrs_a中分词的类别为桥接词时，在拼接处理时找到下一个分词进行拼接；

S73、判断拼接结果的词长是否达到关键字长度阈值，若达到，则停止拼接并认定该拼接结果为正确的企业名称关键字，若未达到，则基于拼接结果的词长和位置偏移量继续向后遍历。

2.如权利要求1所述的一种企业名称关键字提取方法，其特征在于，步骤S1中的搭建与企业名称相关的基础热词库通过以下步骤实现：

S11、预先准备企业名称数据；

S12、对所述企业名称数据进行中文分词处理；

S13、对中文分词处理后获得分词进行词频分析；

S14、设定阈值，剔除出现词频低于阈值的分词，保留出现词频高于阈值的分词并构成所述基础热词库。

3.如权利要求2所述的一种企业名称关键字提取方法，其特征在于：步骤S12中的所述中文分词处理，利用IKAnalyzer分词器、word分词器、Ansj分词器或Stanford分词器进行中文分词处理。

4.如权利要求2所述的一种企业名称关键字提取方法，其特征在于：步骤S13中的所述词频分析，利用传统关系型数据库或搜索引擎框架进行词频分析。

5.如权利要求1所述的一种企业名称关键字提取方法，其特征在于，所述步骤S4具体为：针对数组arrs_a中的分词，优先按分词词长进行排序，相同词长的按照分词位置进行排序。

6.如权利要求1所述的一种企业名称关键字提取方法，其特征在于，所述步骤S71具体为：针对数组arrs_a中的分词，优先按分词位置进行排序，分词位置相同的，按照分词词长进行排序。

7.如权利要求2所述的一种企业名称关键字提取方法，其特征在于：步骤S14中，对于基础热词库中的某些有干扰作用的属于企业关键字的热词，对这些热词进行禁用操作或者额外配置标签类别。