基于编辑距离的中文组织机构名简称-全称匹配算法  

A Chinese organization′s full name and matching abbreviation algorithm based on edit-distance

作　　者：黄林晟[1] 邓志鸿[1,2] 唐世渭[1,2] 王文清 陈凌 

机构地区：[1]北京大学信息科学技术学院,北京100871 [2]北京大学信息科学技术学院机器感知与智能教育部重点实验室,北京100871 [3]中国高等教育文献保障系统(CALIS)管理中心,北京100871

出　　处：《山东大学学报（理学版）》2012年第5期43-48,共6页Journal of Shandong University(Natural Science)

基　　金：国家"八六三"高技术研究发展计划基金资助项目(2009AA01Z136);国家自然科学基金资助项目(90812001);国家教育部"211工程"中国高等教育文献保障系统(CALIS)三期建设项目

摘　　要：在面对中文语言环境下组织机构名简称-全称匹配这一具体问题时,经典的基于编辑距离进行字符串相似匹配方法的实用性有所下降。基于编辑距离的思想,提出了一种改进匹配算法:首先对简称和全称进行分词,以切合中文的语法结构特点;之后结合重定义的词汇语义相似度度量方法,修改编辑操作权重,并通过自适应学习的方式进一步修正;最后选择与简称编辑距离最小的全称作为匹配结果。实验结果表明,该算法匹配准确率比原始方法有较大提升。When dealing with the specific problem of a Chinese organization′s full name and matching abbreviation,the traditional string matching algorithm based on edit-distance performs poorly.A new algorithm,also based on edit-distance,was provided.The improvements include the following steps：（1） making the Chinese word segmentation fit the Chinese grammatical structure features,（2） modifying the edit-operation weights with the redefined semantic similarity,（3） adjusting these weights by adaptive learning,and（4） choosing the full name with minimum edit-distance as the matching result.Experimental results show that our algorithm can effectively achieve higher abbreviation-full name matching accuracy.

关 键 词：文本挖掘 机器学习 编辑距离 组织机构名 简称-全称匹配 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]