[发明专利]实体相似匹配方法及系统

权利要求书

1.实体相似匹配方法，其特征在于，包括以下步骤：

步骤1、初始化实体索引表、字索引表和停用字与高频字表，所述实体索引表用于存储所有实体，所述字索引表用于存储除开停用字与高频字的所有字与实体的映射关系，所述停用字与高频字表用于存储实体中的停用字与高频字；

步骤2、接收输入的字符串，根据所述停用字与高频字表过滤字符串中的停用字与高频字后，将字符串分割为字符串序列；

步骤3、根据所述字符串序列在字索引表中进行检索得到检索结果，对所述检索结果进行汇总排序，并从中选取前N个检索结果，所述N为大于1的整数；

步骤4、分别计算选取的N个检索结果的检索相似度，从N个检索结果中选取所述检索相似度大于预设值的检索结果；

步骤5、根据所述检索相似度大于预设值的检索结果在实体索引表中进行检索得到对应的实体字符串，从所述实体字符串中确定出相似度最高的目标实体。

2.如权利要求1所述的实体相似匹配方法，其特征在于，步骤1中，所述实体索引表和字索引表使用哈希索引，实体索引表的hashkey为自增数字序列，实体索引表的hashvalue为实体；字索引表的hashkey为字，字索引表的hashvalue为实体索引表的hashvalue的长度。

3.如权利要求1所述的实体相似匹配方法，其特征在于，步骤1中，所述停用字与高频字表中的停用字与高频字通过人为经验和统计方法得到。

4.如权利要求1所述的实体相似匹配方法，其特征在于，步骤3中，所述N为20。

5.如权利要求1所述的实体相似匹配方法，其特征在于，步骤4中，所述检索相似度的计算方法包括：

设检索结果为ENT1，L1为检索到的ENT1的次数，L2为ENT1的长度，则检索相似度FIND_SIM＝L1/L2。

6.如权利要求5所述的实体相似匹配方法，其特征在于，步骤4中，所述预设值为0.5。

7.如权利要求1所述的实体相似匹配方法，其特征在于，步骤5中，所述从实体字符串中确定出相似度最高的目标实体包括：

使用编辑距离算法或余弦相似度算法计算各实体字符串的相似度，从实体字符串中确定出所述相似度最高的目标实体。

8.实体相似匹配系统，其特征在于，包括：

初始化单元，用于初始化实体索引表、字索引表和停用字与高频字表，所述实体索引表用于存储所有实体，所述字索引表用于存储除开停用字与高频字的所有字与实体的映射关系，所述停用字与高频字表用于存储实体中的停用字与高频字；

接收单元，用于接收输入的字符串，根据所述停用字与高频字表过滤字符串中的停用字与高频字后，将字符串分割为字符串序列；

检索单元，用于根据所述字符串序列在字索引表中进行检索得到检索结果；以及根据所述检索相似度大于预设值的检索结果在实体索引表中进行检索得到对应的实体字符串；

选取单元，用于对所述检索结果进行汇总排序，并从中选取前N个检索结果，所述N为大于1的整数；以及从N个检索结果中选取检索相似度大于预设值的检索结果；

计算单元，用于分别计算选取的N个检索结果的检索相似度；以及从所述实体字符串中确定出相似度最高的目标实体。