[发明专利]名称标准化方法、装置、介质及电子设备

说明书

本发明实施例提供一种名称标准化方法、装置、介质及电子设备，其中，所述名称标准化方法包括：构建待标准化名称的表示向量；其中，待标准化名称的表示向量是通过将该名称中所有字的字向量进行拼接并且从拼接结果映射得到的；计算每个标准名称的表示向量与所述待标准化名称的表示向量之间的距离，根据所述距离确定所述待标准化名称所对应的标准名称。本发明用向量来表示待标准化名称，并且通过向量计算来确定待标准化名称所对应的标准名称，提高了名称标准化的准确度。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种名称标准化方法、装置、介质及电子设备。

背景技术

在进行数据分析之前，通常需要先将数据进行标准化以实现不同性质数据的可比性，从而便于综合测评分析。在保险领域，客户购买相关健康险产品时需要进行体检，保险公司需要根据客户的体检信息来判断是否对客户进行承保，这个过程称为核保。然而，出自不同体检机构或者不同医院的体检数据在体检项的命名上会存在差异，如果能将不同的体检项名称统一到一套标准化的名称上，则会方便后续对体检信息进行自动化分析，从而提升体检大数据处理效率。具体来说，在核保过程中通常以影像的形式记录客户投保资料，并且通过相关的人工智能技术来提取影像中的文本信息(包括体检信息)，之后关键的一步就是对体检信息进行标准化，因为只有标准化的体检项数据才能输送到后续步骤进行体检项阴阳性判断和特征提取，直至进行自动化的核保判断。因此，对体检项的名称进行标准化尤为重要。

当前，对体检项名称进行标准化通常采用编辑距离方法，该方法包括：确定所有标准体检项名称，计算待标准化的体检项名称与每一个标准体检名称之间的编辑距离，将待标准化的体检项名称转换成与其编辑距离最小的标准体检项名称。然而，编辑距离方法仅仅是比较两个字符串所包含的字符的符号级差异，并未考虑名称的语义信息，因此导致准确性较低。

发明内容

为解决上述现有技术中存在的问题，根据本发明的一个实施例，提供一种名称标准化方法，包括：构建待标准化名称的表示向量；其中，所述待标准化名称的表示向量是通过将所述待标准化名称中所有字的字向量进行拼接并且从拼接结果映射得到的；计算每个标准名称的表示向量与所述待标准化名称的表示向量之间的距离，根据所述距离确定所述待标准化名称所对应的标准名称。

上述方法中，构建待标准化名称的表示向量包括：构建所述待标准化名称中每个字的字向量；将所述待标准化名称中所有字的字向量进行拼接；将拼接结果输入训练好的名称向量化模型，得到所述待标准化名称的表示向量。

上述方法中，构建所述待标准化名称中每个字的字向量包括：对于所述待标准化名称中的每个字，构建该字的字形向量和上下文向量，将该字的字形向量和上下文向量进行拼接得到该字的字向量；其中，所述字形向量是根据该字的字形图构建的，并且所述上下文向量是根据所述待标准化名称中在该字之前和/或之后出现的字构建的。

上述方法中，对于所述待标准化名称中的每个字，构建该字的字形向量包括：获取所述字的字形图；将所述字的字形图输入训练好的字形向量化模型，得到所述字的字形向量。

上述方法中，所述字形向量化模型为包括输入层、隐藏层和输出层的自编码神经网络；以及所述字形向量化模型的训练步骤包括：从字形库中选取用于训练的字形图；将所选取的字形图中的每个字形图作为所述字形向量化模型的输入和对应的输出，训练所述字形向量化模型。

上述方法中，对于所述待标准化名称中的每个字，构建该字的上下文向量包括：在所述待标准化名称中获取在所述字的上下文中出现的字，并且获取在所述字的上下文中出现的字的字形图；将所获取的字形图进行拼合；将拼合结果输入训练好的上下文向量化模型，得到所述字的上下文向量。