如何高效的提取一个公司名全称中的关键名(如腾讯)? - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐关注
Meteor
JSLint - a Javascript code quality tool
jsFiddle
D3.js
WebStorm
推荐书目
Javascript 权威指南第 5 版
Closure: The Definitive Guide
EXDestroyer
V2EX    Javascript

如何高效的提取一个公司名全称中的关键名(如腾讯)?

  •  
  •   EXDestroyer 2016-01-18 20:50:39 +08:00 5505 次点击
    这是一个创建于 3557 天前的主题,其中的信息可能已经有所发展或是发生改变。

    现在一个需求是当用户输入他的公司名称时,判断这个公司的关键名称(如深圳市腾讯计算机系统有限公司,北京市百度信息技术有限公司的核心关键名就是腾讯百度);然后到他们给的表里面匹配是否有包含这个关键名称的公司(他们的表都是官方全称,但是怕用户输入的不完全一致)

    于是我个人的想法是计算两个词的相似度来解决,但是对于这么多的数据感觉如果拆词一个一个计算会不会很低效率,或者这种需求还能用别的方法解决吗?

    14 条回复    2016-01-20 15:00:03 +08:00
    jugelizi
        1
    jugelizi  
       2016-01-18 20:59:23 +08:00
    先分词
    billlee
        2
    billlee  
       2016-01-18 21:28:26 +08:00
    如果预先有关键名称的列表,那用 multiple string search 算法就可以了吧?
    chlx
        3
    chlx  
       2016-01-18 21:30:36 +08:00
    keyword: entity recognition
    jsq2627
        4
    jsq2627  
       2016-01-18 22:00:14 +08:00   2
    zenghsh3
        5
    zenghsh3  
       2016-01-18 22:32:52 +08:00
    可以尝试类似 TF-IDF 的思想,找出这个公司名和其他公司名相比的独特之处
    zenghsh3
        6
    zenghsh3  
       2016-01-18 23:09:32 +08:00
    @zenghsh3 严格来说是 IDF
    v2wtf
        7
    v2wtf  
       2016-01-18 23:13:47 +08:00
    先分词,然后把“科技、信息、公司”等等常见词组过滤掉,剩下的基本就是了
    rock_cloud
        8
    rock_cloud  
       2016-01-18 23:19:12 +08:00
    借助搜索引擎?查股票代码或者直接搜索公司全称的简称?或者搜索公司名称+主页,然后看域名?
    noli
        9
    noli  
       2016-01-18 23:48:13 +08:00
    https://zh.wikipedia.org/wiki/TF-IDF

    以下摘自 维基百科:

    TF-IDF 的主要思想是:如果某个词或短语在一篇文章中出现的频率 TF 高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。 TF-IDF 实际上是: TF * IDF , TF 词频( Term Frequency ), IDF 逆向文件频率( Inverse Document Frequency )。 TF 表示词条在文档 d 中出现的频率。 IDF 的主要思想是:如果包含词条 t 的文档越少,也就是 n 越小, IDF 越大,则说明词条 t 具有很好的类别区分能力。

    --

    “腾讯”和“百度”肯定比起什么“公司”,“有限” 这类词语出现得少……然后,就是这样了。
    EXDestroyer
        10
    EXDestroyer  
    OP
       2016-01-19 09:47:42 +08:00
    @jsq2627 原来有这种服务,正是我想要的!
    ivvei
        11
    ivvei  
       2016-01-19 15:05:14 +08:00
    求测试类似这样的:
    国际商业机器股份有限公司
    巴伐利亚汽车制造厂
    EXDestroyer
        12
    EXDestroyer  
    OP
       2016-01-19 22:41:38 +08:00
    @ivvei 结果:
    巴伐利亚汽车制造厂
    地名:巴伐利亚
    名词:汽车、制造厂


    国际商业机器股份有限公司
    名词:国际 、商业、 机器、 股份、 有限公司
    ivvei
        13
    ivvei  
       2016-01-20 13:14:06 +08:00
    @EXDestroyer 嗯然后关键名是……?
    EXDestroyer
        14
    EXDestroyer  
    OP
       2016-01-20 15:00:03 +08:00
    你这两个都没有。。
    关键名它会显示为 专有名词

    http://bosonnlp.com/demo
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     1077 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 25ms UTC 23:05 PVG 07:05 LAX 16:05 JFK 19:05
    Do have faith in what you're doing.
    ubao snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86