[发明专利]报关单数据匹配方法及装置

权利要求书

1.一种报关单数据匹配方法，其特征在于，包括：

获取待进行数据匹配的报关单文本，所述报关单文本包括中文文本和英文文本；

基于预设规则分割所述报关单文本，获取第一文本，并将所述第一文本中的中文文本和英文文本分割；

基于所述第一文本的文本顺序，依次选取对应的中文文本或英文文本作为第二文本；

根据分词词典中最长词的长度，确定所述第二文本的待匹配字段；所述待匹配字段的长度与所述最长词的长度相同，所述分词词典中存储有报关单相关数据的词；

删除所述待匹配字段中的无效词，对删除无效词后的待匹配字段进行词归一化处理，并将词归一化后的待匹配字段与所述分词词典中的词进行相似度计算，若计算结果大于预设值，则从所述报关单文本中分割出所述待匹配字段作为分词；

匹配所述分词是否符合报关单规范。

2.根据权利要求1所述的报关单数据匹配方法，其特征在于，若所述分词词典中不存在与所述待匹配字段相同的词，则判断所述待匹配字段是否为英文文本，若否，则删除所述待匹配字段排序最后的字，以删除排序最后的字的待匹配字段作为第一字段，将所述第一字段与所述分词词典中的词进行相似度计算，直至计算结果大于预设值时，将所述第一字段作为分词。

3.根据权利要求2所述的报关单数据匹配方法，其特征在于，若所述待匹配字段为英文文本，则对所述待匹配字段按空格进行切割，获取若干个英文单词，并对所述英文单词进行时态转换或单复数转换，删除所述待匹配字段排序最后的英文单词，以删除排序最后的英文单词的待匹配字段作为第二字段，将所述第二字段与所述分词词典中的词进行相似度计算，直至计算结果大于预设值时，将所述第二字段作为分词。

4.根据权利要求1所述的报关单数据匹配方法，其特征在于，基于预设规则分割所述报关单文本，获取第一文本，并将所述第一文本中的中文文本和英文文本分割，包括：

以标点符号分割所述报关单文本，获取若干个句子文本；

按照所述句子文本的文本顺序，选取排序最前的句子文本作为第一文本；

基于正则表达式，将所述第一文本中的中文文本和英文文本分割。

5.根据权利要求1所述的报关单数据匹配方法，其特征在于，根据分词词典中最长词的长度，确定所述第二文本的待匹配字段，包括：

根据分词词典中最长词的长度，以及所述第二文本的文本顺序，在所述第二文本中选取排序最前且与所述最长词长度相同的文本作为待匹配字段。

6.一种报关单数据匹配装置，其特征在于，包括：

第一获取单元，用于获取待进行数据匹配的报关单文本，所述报关单文本包括中文文本和英文文本；

分割单元，用于基于预设规则分割所述报关单文本，获取第一文本，并将所述第一文本中的中文文本和英文文本分割；

第二获取单元，用于基于所述第一文本的文本顺序，依次选取对应的中文文本或英文文本作为第二文本；

第三获取单元，用于根据分词词典中最长词的长度，确定所述第二文本的待匹配字段；所述待匹配字段的长度与所述最长词的长度相同，所述分词词典中存储有报关单相关数据的词；

分词单元，用于删除所述待匹配字段中的无效词，对删除无效词后的待匹配字段进行词归一化处理，并将词归一化后的待匹配字段与所述分词词典中的词进行相似度计算，若计算结果大于预设值，则从所述报关单文本中分割出所述待匹配字段作为分词；

匹配单元，用于匹配所述分词是否符合报关单规范。

7.根据权利要求6所述的报关单数据匹配装置，其特征在于，所述分词单元，还用于：

若所述分词词典中不存在与所述待匹配字段相同的词，则判断所述待匹配字段是否为英文文本，若否，则删除所述待匹配字段排序最后的字，以删除排序最后的字的待匹配字段作为第一字段，将所述第一字段与所述分词词典中的词进行相似度计算，直至计算结果大于预设值时，将所述第一字段作为分词。