一种企业名称处理的方法与流程

本发明涉及信息技术领域，具体而言，涉及一种企业名称处理的方法。

背景技术：

企业的商号存在于企业的名称中，彰显企业的独特性，以区分其他企业，而商标以一定的外部标记来区分产品和服务，商号与商标关系极为密切，经常出现在同一商品上，公司的商号可以注册为商标，这就造成有些企业的商号被其他企业抢注为商标，给公司造成不必要的损失，因此越来越多的企业开始重视商号的商标注册工作，想要了解各公司商号的商标注册情况，首先需要准确的从公司名称中提取商号，但是从批量公司名称中提取商号存在人工成本大，效率低，且不够准确等问题。

因此，在长期的研发当中，发明人提出了一种基于中文分词的商号提取方法，以解决上述技术问题之一。

技术实现要素：

本发明的目的在于提供一种企业名称处理的办法，能够解决上述提到的至少一个技术问题。具体方案如下：

一种企业名称处理的方法，包括如下步骤：

获取公司名称；

对所述公司名称进行预处理；

过滤预处理后的公司名称中的行业属性词；

得到公司商号。

进一步，所述预处理包括：中文分词和词性标注。

进一步，在中文分词之前还包括：

去掉公司名称中的地区词和注册类型词，得到新的公司名称字段。

进一步，通过遍历地区词典和公司注册类型字典，去掉公司名称中的地区词和注册类型词。

进一步，对所述公司名称进行预处理包括：

对上述新的公司名称字段进行中文分词，并进行词性标注。

进一步，在词性标注之后，过滤预处理后的公司名称中的行业属性词之前还包括：

用上述公司名称字段的分词结果遍历公司所在行业的行业属性词词典，过滤掉分词中的行业属性词。

进一步，过滤后的词连在一起组成该公司的商号。

进一步，对各行业公司经营范围进行分隔符拆词和ik拆词，并通过停用词过滤掉无意义的词，剩余词作为行业属性词，形成行业属性词词典。

进一步，所述方法还包括：

根据各行业公司数进行分层抽样，各行业各抽取0.1‰公司进行商号提取准确度计算，对该公司商号的提取效果进行评估。

进一步，根据包含各省、市、自治区、直辖市以及县的地区字典，遍历每个公司名称，删除每个公司名称的地区词，构建不含地区词的公司名称数据库，然后再根据现有的公司注册类型字典遍历上述公司名数据库，构建不含地址词和公司注册类型词的公司名称数据库。

进一步，利用hanlp自然语言处理包进行中文分词和词性标注，过滤掉标点符号。

进一步，对各行业下每家公司的经营范围选取前两个分号的内容，并通过分隔符和ik拆词工具进行拆词，通过停用词库过滤掉无意义的词，从而构建该行业下的行业属性词词典；

进一步，依据公司主营业务在经营范围里一般靠前排列的规律对各行业下每家公司的经营范围选取前两个分号的内容。

进一步，所述的ik拆词具体操作过程如下：采用ik分词器技术，同时整理自己的词典，补充到ik分词器中，以便对ik分词器做优化；收集停用词，然后采用hive技术，同时集成ik分词器，对所有的公司进行分词，并过滤掉分词结果中一个字的词。

进一步，所述的步骤s5中，对步骤s4后处理的词进行hanlp中文分词，过滤掉行业属性词。

进一步，统计数据库中各行业的公司数，按各行业公司数的占比各抽取0.1‰公司，输出公司名称和判定的商号，判断商号是否提取正确，计算该技术提取商号的准确度。

进一步，所述的准确度的计算公式为：平均准确度＝各行业商号判断正确的公司数/抽取的总公司数*100％。

根据本发明的具体实施方式，本发明提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上任一项所述的对文档中的内容进行编辑的方法。

本发明实施例的上述方案与现有技术相比，至少具有以下有益效果：

本发明提供的一种企业名称处理的办法根据公司注册时企业名称的命名规则，对公司名称中的商号进行相对准确的提取，其中运用了中文分词和词性分析方法对公司名称拆解和过滤，并利用经营范围ik拆词构造行业属性词词典进行过滤，极大地减少了人工成本，提高了商号提取的效率和准确性等。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示出了根据本发明某一实施例提供的企业名称处理的方法流程图；

图2示出了根据本发明另一实施例提供的企业名称处理的方法流程图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述……，但这些……不应限于这些术语。这些术语仅用来将……区分开。例如，在不脱离本发明实施例范围的情况下，第一……也可以被称为第二……，类似地，第二……也可以被称为第一……。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。

下面结合附图详细说明本发明的可选实施例。

实施例1

如图1所示本发明某一实施例提供了一种企业名称处理的方法，包括如下步骤：

获取公司名称；

对所述公司名称进行预处理；

过滤预处理后的公司名称中的行业属性词；

得到公司商号。

进一步，所述预处理包括：中文分词和词性标注。

进一步，在中文分词之前还包括：

去掉公司名称中的地区词和注册类型词，得到新的公司名称字段。

进一步，通过遍历地区词典和公司注册类型字典，去掉公司名称中的地区词和注册类型词。

进一步，对所述公司名称进行预处理包括：

对上述新的公司名称字段进行中文分词，并进行词性标注。

进一步，在词性标注之后，过滤预处理后的公司名称中的行业属性词之前还包括：

用上述公司名称字段的分词结果遍历公司所在行业的行业属性词词典，过滤掉分词中的行业属性词。

进一步，过滤后的词连在一起组成该公司的商号。

进一步，对各行业公司经营范围进行分隔符拆词和ik拆词，并通过停用词过滤掉无意义的词，剩余词作为行业属性词，形成行业属性词词典。

进一步，所述方法还包括：

根据各行业公司数进行分层抽样，各行业各抽取0.1‰公司进行商号提取准确度计算，对该公司商号的提取效果进行评估。

进一步，根据包含各省、市、自治区、直辖市以及县的地区字典，遍历每个公司名称，删除每个公司名称的地区词，构建不含地区词的公司名称数据库，然后再根据现有的公司注册类型字典遍历上述公司名数据库，构建不含地址词和公司注册类型词的公司名称数据库。

进一步，利用hanlp自然语言处理包进行中文分词和词性标注，过滤掉标点符号。

进一步，对各行业下每家公司的经营范围选取前两个分号的内容，并通过分隔符和ik拆词工具进行拆词，通过停用词库过滤掉无意义的词，从而构建该行业下的行业属性词词典；

进一步，依据公司主营业务在经营范围里一般靠前排列的规律对各行业下每家公司的经营范围选取前两个分号的内容。

进一步，所述的ik拆词具体操作过程如下：采用ik分词器技术，同时整理自己的词典，补充到ik分词器中，以便对ik分词器做优化；收集停用词，然后采用hive技术，同时集成ik分词器，对所有的公司进行分词，并过滤掉分词结果中一个字的词。

进一步，所述的步骤s5中，对步骤s4后处理的词进行hanlp中文分词，过滤掉行业属性词。

进一步，统计数据库中各行业的公司数，按各行业公司数的占比各抽取0.1‰公司，输出公司名称和判定的商号，判断商号是否提取正确，计算该技术提取商号的准确度。

进一步，所述的准确度的计算公式为：平均准确度＝各行业商号判断正确的公司数/抽取的总公司数*100％。

实施例2

如图2所示本发明另一实施例提供了一种企业名称处理的方法，包括如下步骤：

s1、获取公司名称，遍历地区词典和公司注册类型字典，去掉公司名称中的地区词和注册类型词，得到新的公司名称字段；

s2、对上述新的公司名称字段进行中文分词，并进行词性标注；

s3、根据词性标注，过滤掉分词结果中没有意义的词；

s4、对各行业公司经营范围进行分隔符拆词和ik拆词，并通过停用词过滤掉无意义的词，剩余词作为行业属性词，形成行业属性词词典；

s5、用上述公司名称的分词结果遍历公司所在行业的行业属性词词典，过滤掉分词中的行业属性词；

s6、将步骤s5中过滤后的词连在一起组成该公司的商号；

s7、根据各行业公司数进行分层抽样，各行业各抽取0.1‰公司进行商号提取准确度计算，对该公司商号的提取效果进行评估

实施例3

本发明实施例提供的一种企业名称处理的方法，具体步骤如下：首先获取公司名称，并识别名称中蕴含的公司所在地和公司注册类型等信息，然后对公司名称中地址信息和公司注册类型信息摘除；具体的处理方法可以是：根据包含各省、市、自治区、直辖市以及县的地区字典，遍历每个公司名称，删除每个公司名称的地区词，构建不含地区词的公司名称数据库，然后再根据现有的公司注册类型字典遍历上述公司名数据库，构建不含地址词和公司注册类型词的公司名称数据库。

接下来，对上述公司名称数据库进行中文分词，并进行词性标注，过滤掉分词结果中没有意义的词；具体处理方法可以是：利用hanlp自然语言处理包进行中文分词和词性标注，过滤掉标点符号：wb(百分号千分号)、wd(逗号)、wf(分号)、wh(单位符号)等，状态词：u(助词)、ul(连词)、uls(来讲来说，而言，说来)等无意义的词，机构地名词：nis和ns等；

接下来，以行业为单位，对公司经营范围进行拆词，并构建行业属性词词典；具体的处理方法可以是：对各行业下每家公司的经营范围选取前两个分号的内容(依据公司主营业务在经营范围里一般靠前排列的规律)，并通过分隔符(，、；等)和ik拆词工具进行拆词，通过停用词库过滤掉无意义的词，从而构建该行业下的行业属性词词典；

ik拆词具体操作原理为：采用ik分词器技术，同时整理自己的词典，补充到ik分词器中，以便对ik分词器做优化；收集停用词如“的”、“地”、“和”等，然后采用hive技术，同时集成ik分词器，对所有的公司进行分词，并过滤掉分词结果中一个字的词；

接下来，用上述公司名称分词结果遍历公司所在行业的行业属性词词典，过滤掉行业属性词；具体的处理方式可以为：以“陕西秀灵网络科技有限公司”为例，去掉地区词和注册公司类型词后进行hanlp中文分词，分词结果为“秀”、“灵”、“网络”、“科技”，过滤掉行业属性词“网络”、“科技”，剩余的词“秀”、“灵”组合为“秀灵”即为该公司的商号；

最后，根据各行业公司数分层抽样，各行业各抽取0.1‰公司进行商号提取准确度计算，对商号提取效果进行评估；具体的处理方法可以是：统计数据库中各行业的公司数，按各行业公司数的占比各抽取0.1‰公司，输出公司名称和判定的商号，判断商号是否提取正确，计算该技术提取商号的准确度，准确度计算公式为：平均准确度＝各行业商号判断正确的公司数/抽取的总公司数*100％，此方法准确度可达75％。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。