[发明专利]一种企业简称提取方法、装置、计算机设备及存储介质

权利要求书

1.一种企业简称提取方法，其特征在于，所述方法包括：

获取企业名称；

根据预设的多个实体字典和多个正则表达式，按照各个所述正则表达式的匹配优先级顺序对所述企业名称进行匹配，其中，各所述实体词典不包含企业名称实体；

获取对所述企业名称匹配出的实体序列，根据所述实体序列中的每个实体的实体类别，识别出所述企业名称的名称实体；

对所述名称实体进行校验，若校验成功，则将所述名称实体确定为所述企业名称的简称。

2.根据权利要求1所述的方法，其特征在于，所述根据预设的多个实体字典和多个正则表达式，按照各个所述正则表达式的匹配优先级顺序对所述企业名称进行匹配，包括：

按照各个所述正则表达式的匹配优先级顺序依次遍历各个所述正则表达式；

在遍历过程中，若当前遍历到的正则表达式结合多个所述实体词典对所述企业名称成功匹配出实体序列，则停止遍历，否则继续遍历，直至成功匹配。

3.根据权利要求1所述的方法，其特征在于，所述对所述名称实体进行校验，包括：

获取所述名称实体的总字数；

判断所述名称实体的总字数是否大于第一预设字数且小于第二预设字数；

若是，则校验成功，否则，校验失败。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

若判定所述名称实体的总字数不小于所述第二预设字数，则根据各个所述实体字典和各个所述正则表达式，按照各个所述正则表达式的匹配优先级顺序对所述名称实体进行匹配；

判断是否成功匹配出所述名称实体的实体序列；

若是，则从所述名称实体的实体序列中识别出所述企业名称的简称；

若否，则从所述名称实体中筛选出所述企业名称的简称，并将所述名称实体中的剩余词语基于Bootstrapping算法补充到对应的实体词典中。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

若判定所述名称实体的总字数不大于所述第一预设字数，则将所述名称实体与所述实体序列中所述名称实体的前一个实体或后一个实体进行拼接，将拼接结果确定为所述企业名称的简称。

6.根据权利要求1至5任一所述的方法，其特征在于，所述方法还包括预先构建多个所述实体词典的步骤：

构建企业名称样本库；

通过N-Gram算法对所述企业名称样本库中的每个企业名称进行提取，以获得地区名称、行业名称和企业类型；

分别以所述地区名称、所述行业名称以及所述企业类型作为实体，对应构建地区词典、行业词典以及企业类型词典；

通过分词算法对所述企业名称样本库中的每个企业名称进行分词处理，根据分词结果对所述地区词典、所述行业词典以及所述企业类型词典进行补充。

7.一种企业简称提取装置，其特征在于，所述装置包括：

获取模块，用于获取企业名称；

第一匹配模块，用于根据预设的多个实体字典和多个正则表达式，按照各个所述正则表达式的匹配优先级顺序对所述企业名称进行匹配，其中，各所述实体词典不包含企业名称实体；

识别模块，用于获取对所述企业名称匹配出的实体序列，根据所述实体序列中的每个实体的实体类别，识别出所述企业名称的名称实体；

校验模块，用于对所述名称实体进行校验；

确定模块，用于所述校验模块校验成功时，将所述名称实体确定为所述企业名称的简称。

8.根据权利要求7所述的装置，其特征在于，所述匹配模块具体用于：

按照各个所述正则表达式的匹配优先级顺序依次遍历各个所述正则表达式；

在遍历过程中，若当前遍历到的正则表达式结合多个所述实体词典对所述企业名称成功匹配出实体序列，则停止遍历，否则继续遍历，直至成功匹配。