[发明专利]部门名称文本的标准化处理方法、装置、设备及存储介质

权利要求书

1.一种部门名称文本的标准化处理方法，其特征在于，所述方法包括：

获取待标准化处理的待标准化部门名称文本；

按照预设的部门地区分析方式对所述待标准化部门名称文本进行分析，以提取出所述待标准化部门名称文本中的部门地区信息；

基于所述待标准化部门名称文本对应的部门地区信息从预设的标准部门名称文本库中筛选出与所述待标准化部门名称文本对应的标准部门名称文本集合，其中，所述标准部门名称文本库中预先存储有多个标准部门名称文本集合，且每个所述标准部门名称文本集合均存在对应的部门地区信息；

基于预设的文本相似值算法计算所述标准部门名称文本集合中每个标准部门名称文本与所述待标准化部门名称文本的文本相似值；

根据所述标准部门名称文本集合中每个标准部门名称文本与所述待标准化部门名称文本的文本相似值，从所述标准部门名称文本集合中筛选出所述待标准化部门名称文本对应的目标标准部门名称文本；

基于所述目标标准部门名称文本执行对所述待标准化部门名称文本的标准化处理。

2.根据权利要求1所述的部门名称文本的标准化处理方法，其特征在于，所述按照预设的部门地区分析方式对所述待标准化部门名称文本进行分析，以提取出所述待标准化部门名称文本中的部门地区信息，包括：

基于预设的文本分类算法对所述待标准化部门名称文本进行级别分类处理，以得到所述待标准化部门名称文本对应的级别分类结果，其中，所述待标准化部门名称文本对应的级别分类结果为国家级、省级、市级和区级的其中一种；

当所述待标准化部门名称文本对应的级别分类结果为省级、市级或者区级时，基于预设的部门地区抽取模型对所述待标准化部门名称文本进行分析，以提取出所述待标准化部门名称文本中的部门地区信息；

当所述待标准化部门名称文本对应的级别分类结果为国家级时，将预设的国家级部门地区信息作为所述待标准化部门名称文本中的部门地区信息。

3.根据权利要求2所述的部门名称文本的标准化处理方法，其特征在于，所述部门地区抽取模型是一个基于BILSTM-CRF模型的识别模型，其中，所述部门地区抽取模型的第一层为向量层，第二层为双向LSTM层，第三层为CRF层。

4.根据权利要求3所述的部门名称文本的标准化处理方法，其特征在于，所述文本分类算法为TextCNN算法。

5.根据权利要求1所述的部门名称文本的标准化处理方法，其特征在于，所述基于预设的文本相似值算法计算所述标准部门名称文本集合中每个标准部门名称文本与所述待标准化部门名称文本的文本相似值，包括：

基于预设的特征值算法计算所述标准部门名称文本集合中每个标准部门名称文本和所述待标准化部门名称文本中每个字符的特征值；

根据所述标准部门名称文本集合中每个标准部门名称文本中每个字符的特征值，将该标准部门名称文本转换为对应的标准部门名称文本向量；

根据所述待标准化部门名称文本中每个字符的特征值，将所述待标准化部门名称文本转换为对应的待标准化部门名称文本向量；

基于预设的文本相似值算法计算每个所述标准部门名称文本向量与所述待标准化部门名称文本向量之间的文本相似值。

6.根据权利要求5所述的部门名称文本的标准化处理方法，其特征在于，所述基于预设的特征值算法计算所述标准部门名称文本集合中每个标准部门名称文本和所述待标准化部门名称文本中每个字符的特征值，包括：

通过以下公式计算所述标准部门名称文本或者所述待标准化部门名称文本中每个字符的特征值：

η＝α*β

α＝count(w,d)/size(d)

β＝log(n/docs(w,d))

其中，η是该字符的特征值，α是该字符的词语频率，β是该字符的逆向词语频率，count(w,d)是该字符在所有的标准部门名称文本和待标准化部门名称文本中出现的次数，size(d)是所有的标准部门名称文本和待标准化部门名称文本中字符的总数量，n是所有的标准部门名称文本和待标准化部门名称文本的文本的总数量，docs(w,d)是所有的标准部门名称文本和待标准化部门名称文本中包含该字符的文本的数量。