[发明专利]一种基于统计学的企业名称相似度计算方法在审
| 申请号： | 201810373227.9 | 申请日： | 2018-04-24 |
| 公开（公告）号： | CN108549640A | 公开（公告）日： | 2018-09-18 |
| 发明（设计）人： | 吴梁斌;詹进林 | 申请（专利权）人： | 易联众信息技术股份有限公司;易联众（厦门）大数据科技有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 厦门加减专利代理事务所(普通合伙) 35234 | 代理人： | 李强 |
| 地址： | 361008 福建省厦*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于统计学的企业名称相似度计算方法，包括如下步骤：收集某区域所有的企业名称，并进行分词，计算每个词的凝固度和自由度；将凝固度和自由度满足条件的新词加入ANSJ分词工具词汇库中；利用获得的分词工具对企业名称数据集中的每个企业名称进行分词，获得每个企业名称的词条集合，并对每个企业名称的词条集合中的每个词计算IDF值；根据所获得的每个企业名称的词条集合中的每个词计算IDF值，获得需要对比的不同企业名称分词得到的词汇所对应的IDF值，计算不同企业名称的相似度。本发明提供的基于统计学的企业名称相似度计算方法，较传统的编辑距离，余弦相似度计算等字符串相似度计算方法具有更高的鲁棒性和可信性。 | ||
| 搜索关键词： | 分词 相似度计算 词条集合 统计学 凝固度 字符串相似度 余弦相似度 可信性 编辑距离 满足条件 名称数据 传统的 词汇库 鲁棒性 相似度 词汇 | ||
【主权项】：
1.一种基于统计学的企业名称相似度计算方法，其特征在于，包括如下步骤：S100：建立分词工具：收集某区域所有的企业名称，并对所获取的企业名称进行分词，计算每个词的凝固度和自由度；将凝固度和自由度满足条件的新词加入ANSJ分词工具词汇库中；S200：获取IDF值表：利用S100获得的分词工具对企业名称数据集中的每个企业名称进行分词，获得每个企业名称的词条集合，并对每个企业名称的词条集合中的每个词计算IDF值；S300：计算不同企业名称的相似度：根据S200所获得的每个企业名称的词条集合中的每个词计算IDF值，获得需要对比的不同企业名称分词得到的词汇所对应的IDF值，计算不同企业名称的相似度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于易联众信息技术股份有限公司;易联众（厦门）大数据科技有限公司，未经易联众信息技术股份有限公司;易联众（厦门）大数据科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810373227.9/，转载请声明来源钻瓜专利网。
