申请/专利权人:中图科信数智技术(北京)有限公司
申请日:2024-03-25
公开(公告)日:2024-06-21
公开(公告)号:CN118228731A
主分类号:G06F40/295
分类号:G06F40/295;G06F18/23;G06F18/22;G06F18/10
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明公开了一种基于ngram聚类的短命名实体聚合方法,分别获取规范基金名称和从学术文献提取得到的基金名称;分别对所述规范基金名称和基金名称进行清洗和处理;分别将所述规范基金名称和基金名称进行ngram化;计算提取所得所述基金名称和规范基金名称之间的Jaccard相似度;设置多个Jaccard相似度的阈值,循环计算提取所得基金名称和所有规范基金名称的Jaccard相似度,动态记录每一组计算的最高相似度及相关的规范基金信息,将最高相似度和多个阈值进行规则比对,实现基金信息关联,可实现在基金实体名称规范实践中应用于相似实体的聚合,推而广之,可从字符异同角度出发,主要针对在匹配过程中由于拼写习惯不同、翻译习惯不同、拼写错误等简单错误导致的差异。
主权项:1.一种基于ngram聚类的短命名实体聚合方法,其特征在于,包括:分别获取规范基金名称和从学术文献提取得到的基金名称;分别对所述规范基金名称和基金名称进行清洗和处理;分别将所述规范基金名称和基金名称进行ngram化;计算提取所得所述基金名称和规范基金名称之间的Jaccard相似度;设置所述Jaccard相似度的阈值,循环计算提取所得基金名称和所有规范基金名称的Jaccard相似度,动态记录每一组计算的最高相似度及相关的规范基金信息,将最高相似度和多个阈值进行规则比对,实现基金信息关联。
全文数据:
权利要求:
百度查询: 中图科信数智技术(北京)有限公司 一种基于ngram聚类的短命名实体聚合方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。