[发明专利]基于词向量表达和余弦相似度的银行全称快速匹配方法

权利要求书

1.一种基于词向量表达和余弦相似度的银行全称快速匹配方法，其特征在于，所述快速匹配方法将银行全称库处理，得到训练集，通过对训练集进行训练，获取词向量矩阵和训练模型，随后对需要匹配的银行全称进行切分和词向量处理，最后基于余弦相似度的计算方法，将需要检索的词向量处理结果与词向量矩阵转置相乘，以相乘后的矩阵每一行最大值结果，结合匹配的银行全称与训练模型中的比对结果，获取银行全称；所述快速匹配方法包括：

S1：对银行全称库进行去词、切分和组合处理，获取训练集；

S2：对训练集进行词向量处理，获取训练集的tf-idf词向量矩阵，并每行做标准化处理，同时保存tf-idf词向量矩阵和训练模型；

S3：输入需要匹配的银行全称并对其进行去词、切分和组合处理，获得多个“2字词组”，并将去词、切分和组合处理后的银行全称以及多个“2字词组”转换为一个字符串，最后将字符串转化成tf-idf词向量；

S4：将S3中转化的tf-idf词向量与S2中训练集的tf-idf词向量矩阵的转置相乘，根据相乘后的矩阵结果，选择每一行中最大值的位置对应的银行全称作为输出最终结果。

2.根据权利要求1所述的方法，其特征在于，所述S1和S3中的去词、切分和组合处理具体为：

去词：去除银行全称中的无关键信息的文字，以减小计算量；

切分：对去除无关键信息文字后的银行全称进行分词处理，获得精简词条；

组合：将分词处理后的精简词条进行2字组合，获得多个“2字词组”；

S1中组合后的“2字词组”和多个精简词条的集合为训练集。

3.根据权利要求2所述的方法，其特征在于，切分处理中无关键信息的文字包括但不限于有限公司，股份有限公司，银行和支行。

4.根据权利要求2所述的方法，其特征在于，所述S3和S1中“2字词组”的获得方法为：从精简词条中任意选择两个字，按照精简词条中汉字的正序排列，进行所有可能的排列组合，构成“2字词组”。

5.根据权利要求2所述的方法，其特征在于，所述S2具体为：将训练集中的每个精简词条以及精简词条相应组合后的“2字词组”转化成一个字符串，然后将字符串转换成tf-idf词向量，最终所有的tf-idf词向量为m*n的矩阵，记为tf-idf-train，矩阵的每一个行向量都经过标准化，模等于1，其中，m为训练集中的总样本数，n为词向量对应的维度。

6.根据权利要求5所述的方法，其特征在于，所述S2中训练模型为将文字转化成tf-idf词向量的具体方法，tf-idf词向量经过在训练集上进行计算，获得的每个词，字对应到的tf-idf词向量的映射关系。

7.根据权利要求5所述的方法，其特征在于，所述S4具体为：将待匹配的银行全称要转化成tf-idf词向量，tf-idf词向量为a*b，记为tf-idf-test，其中a为需要匹配的银行全称条数，b为词向量的维度；

result_cos_sim＝tf-idf-test*tf-idf-train.T；

其中result_cos_sim为a*m的矩阵，该矩阵中每一行为一个输入与银行库中记录的词向量之间的余弦相似度；

tf-idf-train.T为tf-idf-train的转置矩阵。

8.根据权利要求6所述的方法，其特征在于，所述tf-idf计算方式为：

tf-idf＝tf*idf，其中；

tf计算公式：

idf计算公式：

tf-idf值越大，则为一个关键词的概率越大。