[发明专利]公司名称的提取方法、装置和计算机可读介质

说明书

本发明提供了一种公司名称的提取方法、装置和计算机可读介质，涉及数据处理的技术领域，包括获取待匹配的倒序文本，并在倒序文本中确定待匹配文字；从待匹配文字选择前N个文字，并沿着目标前缀树的第一路径将前N个文字与目标前缀树进行匹配，其中，第一路径中包括用于表征公司类型的多个节点；如果匹配成功，则沿着第二路径将待匹配文字中位于前N个文字之后的文字与目标前缀树进行匹配，并在匹配结束之后得到目标字串；判断目标字串中最后一个文字在目标前缀树所对应的节点是否为叶子节点；如果是，则将目标字串确定为公司名称，本发明缓解了现有的公司名称的提取方法速度慢，效率低的技术问题。

技术领域

本发明涉及数据处理的技术领域，尤其是涉及一种公司名称的提取方法、装置和计算机可读介质。

背景技术

在如今飞速发展的互联网时代下，信息量也越来越大，各种不同的信息资讯/新闻通过各种媒介进行传播。在企业分析领域，需要判断一条新闻中是否包含有公司名称或者与哪些公司相关联，因此，提取公司名称的方法是非常重要的。另外，由于新闻资讯数据量巨大，因此这些数据的分析速度也是需要重视的。

在现有新闻中涉及到的公司名称提取方法中，采用普通前缀树结构进行搜索，在数据量少的情况下提取速度还算理想，但是在每天千万条新闻中提取公司名称时效率还是不足，会导致解析延迟。由于地名在新闻中会大量出现，因此采用现有的前缀树匹配方式在匹配的过程中，会出现大量的无效匹配，浪费时间，降低了效率。

发明内容

有鉴于此，本发明的目的在于提供一种公司名称的提取方法、装置和计算机可读介质，以缓解了现有的公司名称的提取方法速度慢，效率低的技术问题。

第一方面，本发明实施例提供了一种公司名称的提取方法，包括：获取待匹配的倒序文本，并在所述倒序文本中确定待匹配文字；以及从所述待匹配文字选择前N个文字；沿着目标前缀树的第一路径将所述前N个文字与所述目标前缀树进行匹配，其中，所述第一路径中包括用于表征公司类型的多个节点；如果匹配成功，则沿着第二路径将所述待匹配文字中位于所述前N个文字之后的文字与所述目标前缀树进行匹配，并在匹配结束之后得到目标字串，其中，所述第二路径为所述第一路径的从属路径，所述第二路径中包括用于表征公司名称的多个节点；判断所述目标字串中的最后一个文字在所述目标前缀树所对应的节点是否为叶子节点；如果是，则将所述目标字串确定为公司名称。

进一步地，所述第一路径中包括多个节点，且所述第一路径的多个节点按照节点顺序所对应的文字为第一关键词的倒序形式，所述第一关键词用于表征所述公司类型；所述第二路径中包括多个节点，且所述第二路径的多个节点按照节点顺序所对应的文字为第二关键词的倒序形式，所述第二关键词用于表征公司名称。

进一步地，在获取待匹配的倒序文本之前，所述方法还包括：获取原始文件，其中，所述原始文件中包括多个公司名称；将所述目标文件中的多个公司名称进行清洗，以去除所述多个公司名称中的脏数据，得到包含多个清洗之后的公司名称的目标文件；将所述目标文件中的公司名称倒序插入到原始前缀树中，得到所述目标前缀树。

进一步地，所述方法还包括：如果判断出所述目标字串中最后一个文字在所述目标前缀树所对应的节点不是叶子节点，则将所述倒序文本中位于所述目标字串中最后一个文字后的文字作为待匹配文字，并重新执行从所述待匹配文字选择前N个文字，以及沿着目标前缀树的第一路径将所述前N个文字与所述目标前缀树进行匹配的步骤。

进一步地，所述方法还包括：如果所述前N个文字与所述目标前缀树匹配成功，则判断目标节点是否为叶子节点，其中，所述目标节点为所述目标前缀树与所述前N个文字中最后一个文字相匹配的节点；如果判断出不是，则从所述目标前缀树中目标节点的下一层节点开始将所述待匹配文字中位于所述前N个文字之后的文字与所述目标前缀树进行匹配；如果判断出是，则确定所述前N个文字为公司名称。