[发明专利]一种针对家谱人物属性名称的融合方法

摘要

本发明公开了一种针对家谱人物属性名称的融合方法，包括：1构建关于家谱人物属性名称的语料库。2过滤包含非中文字符的属性名称。3对属性名称做规则处理；相似度距离判断、字符内容判断、包含关系判断，对属性名称进行融合。4将融合得到的所有属性名称更新进关于家谱人物属性名称的语料库。5对属性名称做模式分类处理；分别定义前缀模式及后缀模式，并根据模式进行分类，达到融合的目的。本发明能够帮助用户对概念表示相同的家谱人物属性名称进行融合，从而提高数据的存储效率。

主权项

1.一种针对家谱人物属性名称的融合方法，其特征是按如下步骤进行：步骤1、获取z个不同的家谱人物属性名称的列表，记为{A₁,A₂,…,A_i,…,A_z}，其中，A_i表示第i个家谱人物属性名称的列表，并有表示第i个列表中第t个家谱人物属性名称，h_i表示第i个列表中所包含的家谱人物属性名称的总数，z≥2；1≤i≤z；1≤t≤h_i；步骤2、初始化i＝1；步骤3、定义第i个列表Li，并初始化Li为空；步骤4、判断列表Li是否为空；若为空，则执行步骤5；否则，执行步骤6；步骤5、获取第i+1个列表Li+1：步骤5.1、将第i个列表A_i赋值给第i个列表Lⁱ，并删除第i个列表Lⁱ中含有非中文字符的家谱人物属性名称，得到第一次删除后的列表表示第一次删除后的列表L′ⁱ中第t′个元素，h′_i表示第一次删除后的列表L′ⁱ中包含的元素的总数，1≤t′≤h′_i；步骤5.2、删除所述第一次删除后的列表L′i中不符合规则的家谱人物属性名称，得到第二次删除后的列表L″i；步骤5.2.1、定义变量k，初始化t′＝1；步骤5.2.2、初始化k＝t′+1；步骤5.2.3、利用式(1)计算第t′个元素与第k个元素的字符串相似度并判断是否成立，若成立，则执行步骤5.2.4；否则，执行步骤5.2.6，其中，T表示阈值；式(1)中，表示通过对第t′个元素做增加、删除、替换字符的操作得到第k个元素的最小编辑次数，MAX(·)表示最大值函数，len(·)表示求取字符串长度的函数；步骤5.2.4、判断第t′个元素与第k个元素包含的字符是否相同且字符个数是否相等，若相同且相等，则令第k个元素为空，再执行步骤5.2.6，否则，执行步骤5.2.5；步骤5.2.5、判断第k个元素是否包含第t′个元素或者第t′个元素是否包含第k个元素若是，则令第k个元素为空，否则执行步骤5.2.6；步骤5.2.6、将k+1赋值给k，并判断k＞h′i是否成立，若成立，则执行步骤5.2.7；否则，执行步骤5.2.3；步骤5.2.7、将t′+1赋值给t′，并判断t′＞h′i是否成立，若成立，则表示得到第二次删除后的列表L″i，并执行步骤5.3；否则执行步骤5.2.2；步骤5.3、删除所述第二次删除后的列表L″i中的空元素得到第三次删除后的列表L″′i，并将L″′i作为第i+1个列表Li+1后执行步骤7；步骤6、更新第i个列表Li；步骤6.1、记第i个列表表示第i个列表Lⁱ中第r个家谱人物属性名称，m表示第i个列表Lⁱ中包含的家谱人物属性名称的总数，1≤r≤m；步骤6.2、删除第i个列表A_i中含有非中文字符的家谱人物属性名称得到第一次删除后的第i个列表其中；表示第一次删除后的第i个列表A′_i中第t′个元素，h′_i表示第一次删除后的第i个列表A′_i中包含的元素的总数，1≤t′≤h′_i；步骤6.3、将第一次删除后的第i个列表A′i中相应的元素添加到第i个列表Li中：步骤6.3.1、初始化t′＝1，定义变量w；步骤6.3.2、初始化w＝len(Li)；步骤6.3.3、初始化r＝1；步骤6.3.4、判断第t′个元素与第r个家谱人物属性名称是否相同，若相同，则执行步骤6.3.7，否则执行步骤6.3.5；步骤6.3.5、将r+1赋值给r，并判断r＞w是否成立，若成立，则执行步骤6.3.6；否则，执行步骤6.3.4；步骤6.3.6、判断r＞w是否成立，若成立，则将第t′个元素添加到第i个列表Lⁱ中；否则，执行步骤6.3.7；步骤6.3.7、将t′+1赋值给t′，并判断t′＞h′i是否成立，若成立，则表示获得第一次更新后的列表L′i，并执行步骤6.4；否则，执行步骤6.3.2；步骤6.4、根据步骤5.2的过程，同样删除所述第一次更新后的列表L′i中不符合规则的家谱人物属性名称，得到第二次更新后的列表L″i；步骤6.5、删除第二次更新后的列表L″i中的空元素得到第三次更新后的列表L″′i，并将L″′i作为第i+1个列表Li+1；步骤7、将i+1赋值给i，并判断i＞z是否成立，若成立，则表示获得最终更新的列表L＝{c1,c2,…,cu,…,cv}，其中，cu表示最终更新的列表L中第u个家谱人物属性名称，v表示最终更新的列表L中包含的家谱人物属性名称的总数，1≤u≤v，并执行步骤8；否则，执行步骤4；步骤8、定义前缀模式列表P，并初始化为空；步骤9、获取前缀模式列表P；步骤9.1、初始化u＝1；步骤9.2、初始化w＝u+1；步骤9.3、定义δ，并根据式(2)计算变量δ的值：δ＝MIN(len(cu),len(cw))    (2)式(2)中，MIN(·)表示最小值函数；步骤9.4、初始化k＝1；步骤9.5、判断cu[k]与cw[k]不相等是否成立，若成立，则执行步骤9.8，其中，cu[k]与cw[k]分别表示第u个元素cu与第w个元素cw中的第k个字符；否则，执行步骤9.6；步骤9.6、判断k＞2是否成立，若成立，则将cu[1→k]添加到列表P中，其中，cu[1→k]表示由第u个元素cu的第1位字符到第k位字符所组成的字符串；否则，执行步骤9.7；步骤9.7、将k+1赋值给k，并判断k＞δ是否成立，若成立，则执行步骤9.8；否则，执行步骤9.5；步骤9.8、将w+1赋值给w，并判断w＞v是否成立，若成立，则执行步骤9.9；否则，执行步骤9.3；步骤9.9、将u+1赋值给u，并判断u＞v是否成立，若成立，则表示获得前缀模式列表P＝{d1,d2,···,dλ,···,dβ}，其中，dλ表示前缀模式列表P中第λ个家谱人物属性名称，β表示前缀模式列表P中包含的家谱人物属性名称的总数，1≤λ≤β；并执行步骤10；否则，执行步骤9.2；步骤10、过滤所述前缀模式列表P中小于阈值的家谱人物属性名称，得到阈值处理后的前缀模式列表P′；步骤10.1、定义阈值T'，并利用式(3)计算阈值T'的值；式(3)中，dmax与dmin分别表示前缀模式列表P中包含字符个数最多和包含字符个数最少的家谱人物属性名称；步骤10.2、初始化λ＝1；步骤10.3、判断len(dλ)＜T'是否成立，若成立，则删除第λ个元素dλ再执行步骤10.4；否则直接执行步骤10.4；步骤10.4、将λ+1赋值给λ；并判断λ＞β是否成立，若成立，则表示得到阈值处理后的前缀模式列表P′＝{d′1,d′2,···,d′λ′,···,d′β′}，其中，d′λ′表示阈值处理后的前缀模式列表P′中第λ′个家谱人物属性名称，β′表示阈值处理后的前缀模式列表P′中包含的家谱人物属性名称的总数，1≤λ′≤β′；并执行步骤11，否则，返回步骤10.3；步骤11、过滤所述阈值处理后的前缀模式列表P′中重叠的属性名称，得到重叠处理后的前缀模式列表P″；步骤11.1、初始化λ'＝1；步骤11.2、判断d′λ′是否为空，若为空，则执行11.7；否则执行步骤11.3；步骤11.3、初始化w＝λ'+1；步骤11.4、判断第λ′个元素d′λ′是否为第w个元素d′w的前缀，若是，则将第λ′个元素d′λ′赋为空，并执行步骤11.7；否则，执行步骤11.5；步骤11.5、判断第w个元素d′w是否为第λ′个元素d′λ′的前缀，若是，则将第w个元素d′w赋为空，并执行步骤11.6，否则，直接执行步骤11.6；步骤11.6、将w+1赋值给w，并判断w＞β′是否成立，若成立，则执行步骤11.7；否则执行步骤11.4；步骤11.7、将λ'+1赋值给λ'，并判断λ'＞β′是否成立，若成立，则表示得到重叠处理后的前缀模式列表P″，并执行步骤12；否则，执行步骤11.2；步骤12、删除所述重叠处理后的前缀模式列表P″中的空元素得到删除空元素后的前缀模式列表P″′＝{d″′1,d″′2,···,d″′λ″′,···,d″′β″′}；其中，d″′λ″′表示删除空元素后的前缀模式列表P″′中第λ″′个家谱人物属性名称，β″′表示删除空元素后的前缀模式列表P″′中包含的家谱人物属性名称的总数，1≤λ″′≤β″′；步骤13、利用删除空元素后的前缀模式列表P″′对所述最终更新的列表L中的家谱人物属性名称做最大前缀处理，得到最大前缀处理后的列表L′；步骤13.1、初始化u＝1；步骤13.2、初始化λ″′＝1；步骤13.3、判断第λ″′个元素d″′λ″′是否为第u个元素cu的前缀，若是，则删除第u个元素cu并执行步骤13.5；否则执行步骤13.4；步骤13.4、将λ″′+1赋值给λ″′，并判断λ″′＞β″′是否成立，若成立，则执行步骤13.5，否则，返回步骤13.3；步骤13.5、将u+1赋值给u，并判断u＞v是否成立，若成立，则表示得到最大前缀处理后的列表L′＝{c′1,c′2,…,c′u′,…,c′v′}，其中，c′u′表示最大前缀处理后的列表L′中第u′个家谱人物属性名称，v′表示最大前缀处理后的列表L′中包含的家谱人物属性名称的总数，1≤u′≤v′，并执行步骤14；否则，执行步骤13.2；步骤14、定义后缀模式列表S，并初始化S为空；步骤15、获取后缀模式列表S；步骤15.1、初始化u′＝1；步骤15.2、初始化w＝u′+1；步骤15.3、将第u′个元素c′u′与第w个元素c′w中的字符顺序逆置，从而得到更新后的第u′个元素eu′与第w个元素ew；步骤15.4、定义变量δ'，并根据式(4)计算变量δ'的值：δ'＝MIN(len(eu′),len(ew))    (4)步骤15.5、初始化k＝1；步骤15.6、判断eu′[k]与ew[k]不相等是否成立，若成立，则执行步骤15.9，其中，eu′[k]与ew[k]分别表示更新后的第u′个元素eu′与第w个元素ew的第k个字符；否则，执行步骤15.7；步骤15.7、判断k＞2是否成立，若成立，则将eu′[k→1]添加到列表S中，其中：eu′[k→1]表示由更新后的第u′个元素eu′的第k位字符到第1位字符所组成的字符串；否则，执行步骤15.8；步骤15.8、将k+1赋值给k，并判断k＞δ'是否成立，若成立，则执行步骤15.9；否则，执行步骤15.6；步骤15.9、将w+1赋值给w，并判断w＞v′是否成立，若成立，则执行步骤15.10；否则，执行步骤15.3；步骤15.10、将u′+1赋值给u′，并判断u′＞v′是否成立，若成立，则表示得到后缀模式列表S＝{f1,f2,···,fρ,···,fω}，其中，fρ表示后缀模式列表S中第ρ个家谱人物属性名称，ω表示后缀模式列表S中包含的家谱人物属性名称的总数，1≤ρ≤ω，并执行步骤16；否则，执行步骤15.2；步骤16、过滤所述后缀模式列表S中小于阈值的家谱人物属性名称，得到阈值处理后的后缀模式列表S′；步骤16.1、定义阈值T″，并利用式(5)计算阈值T″的值：式(5)中，fmax与fmin分别表示后缀模式列表S中包含字符个数最多和包含字符个数最少的家谱人物属性名称；步骤16.2、初始化ρ＝1；步骤16.3、判断len(fρ)＜T″是否成立，若成立，则删除第ρ个元素fρ再执行步骤16.4；否则直接执行步骤16.4；步骤16.4、将ρ+1赋值给ρ；并判断ρ＞ω是否成立，若成立，则表示得到阈值处理后的后缀模式列表S′＝{f′1,f′2,···,f′ρ′,···,f′ω′}，其中，f′ρ′表示阈值处理后的后缀模式列表S′中第ρ′个家谱人物属性名称，ω′表示阈值处理后的后缀模式列表S′中包含的家谱人物属性名称的总数，1≤ρ′≤ω′，并执行步骤17，否则，返回步骤16.3；步骤17、过滤所述阈值处理后的后缀模式列表S′中重叠的属性名称，得到重叠处理后的后缀模式列表S″；步骤17.1、初始化ρ'＝1；步骤17.2、判断第ρ′个元素f′ρ′是否为空，若是，则执行步骤17.7；否则执行步骤17.3；步骤17.3、初始化w＝ρ'+1；步骤17.4、判断第ρ′个元素f′ρ′是否为第w个元素f′w的前缀成立，若是，则将第ρ′个元素f′ρ′赋为空，并执行步骤17.7；否则执行步骤17.5；步骤17.5、判断第w个元素f′w是否为第ρ′个元素f′ρ′的前缀，若是，则将第w个元素f′w赋为空并执行步骤17.6；否则执行步骤17.6；步骤17.6、将w+1赋值给w，并判断w＞ω′是否成立，若成立，则执行步骤17.7；否则执行步骤17.4；步骤17.7、将ρ'+1赋值给ρ'，并判断ρ'＞ω′是否成立，若成立，则表示得到重叠处理后的后缀模式列表S″，并执行步骤18；否则，执行步骤17.2；步骤18、删除所述重叠处理后的后缀模式列表S″中的空元素，得到删除空元素后的后缀模式列表S″′＝{f1″′,f2″′,···,f″′p″′,···,f″′ω″′}；其中，f″′ρ″′表示删除空元素后的后缀模式列表S″′中第ρ″′个家谱人物属性名称，ω″′表示删除重空元素后的后缀模式列表S″′中包含的家谱人物属性名称的总数，1≤ρ″′≤ω″′；步骤19、利用删除重空元素后的后缀模式列表S″′对所述最大前缀处理后的列表L′中的家谱人物属性名称做最大后缀处理，得到最大后缀处理后的列表L″；步骤19.1、初始化u′＝1；步骤19.2、初始化ρ″′＝1；步骤19.3、判断第ρ″′个元素f″′ρ″′是否为第u′个元素c′u′的后缀，若是，则删除第u′个元素c′u′再执行步骤19.5；否则执行步骤19.4；步骤19.4、将ρ″′+1赋值给ρ″′，并判断ρ″′＞ω″′是否成立，若成立，则执行步骤19.5，否则，返回步骤19.3；步骤19.5、将u′+1赋值给u′，并判断u′＞v′是否成立，若成立，则表示完成家谱人物属性名称的融合，并得到最大后缀处理后的列表L″；否则，执行步骤19.2。