[发明专利]一种用于专利数据中申请人公司名称消歧的方法

权利要求书

1.一种用于专利数据中申请人公司名称消歧的方法，其特征在于，包括以下步骤：

步骤1、导入或选择专利数据；根据导入或者选择的专利数据，拆分申请人数据的申请人名称，将申请人名称数据用分隔符号进行切割，获取申请人公司名集合；

步骤2、将所获取的申请人公司名集合进行遍历，去除公司名中的地名、附加前缀与后缀，将去除的地名、附加前缀与后缀数据保留在数据库中的字典表中，根据实际要求进行调整；

步骤3、按照公司专利数量进行倒序排序，根据排序结果对步骤2处理后的公司名集合使用莱文斯坦距离比较字符串对的相似程度，以排序在前的公司名作为标准比较字符串遍历比较后续公司名集合；

步骤4、将字符串比较结果进行整理，根据已知数据集对参数阈值进行调整，计算出能够筛选出有母子公司关系的公司集合的阈值；通过这种方式重复计算同时结合专家经验调整阈值，得到最终的阈值，依照阈值提取相似程度大于阈值的公司名对组成集合进行保存；

步骤5、用户比对计算结果，判断计算结果是否符合其需求；如果符合，则提取专利数据中涉及到该公司名集合的数据并替换其数据中申请人公司名，如果不符合，则不进行替换。

2.根据权利要求1所述的用于专利数据中申请人公司名称消歧的方法，其特征在于，所述步骤3使用莱文斯坦距离比较字符串对的相似程度具体操作为：

以排序在前的公司名作为标准比较字符串遍历比较后续公司名集合，将字符串A变成B、或者将B变成A，通过插入或者删除一个字符所需要做的最少次数变换，因此其相似比例可以计算为:

(比较的字符串长度之和-莱文斯坦距离)/比较的字符串长度之和＝0.8；相似程度在阈值以上的公司名加入相似公司名集合同时在公司名集合中去除该公司名；如此迭代执行，直至计算完所有公司名。