基于中文分词检索技术的企业名称查重系统研究.docVIP

代  号  10701  学  号  0677960356  分类号 U D C  TP319  密 编  级 号  公开  题（中、英文）目  基于中文分词检索技术的企业名称查重系统的研究 Research based on Chinese Word Segmentation technology in the duplicate-inquiry system of corporate name  作者姓名  陈堃  学校指导教师姓名职称  王泉 教授  工 程 领 域计算机技术企业指导教师姓名职称  徐林 副高  提交论文日期  2011 年 6 月 2 日 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下 进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内 容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技 大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。  本人签名：  日期:  西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件， 允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其 它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名 单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 本人签名： 导师签名： 年解密后适用本授权书。 日期: 日期: 摘 要 企业名称是企业申请登记时，由企业名称的登记主管机关核定，经核准登记 注册后方可使用，在规定的范围内享有专用权。随着贵州经济的高速发展，企业 的数量正在不断增长，面对如此众多的企业名称信息，充分利用计算机系统强大 的查询检索功能，对企业名称的查重、分析有着重要的理论意义和现实意义。本 文针对企业名称的特点重点研究和实现一种新的企业名称查重模块，本文的主要 研究工作如下： 1.中文分词技术在企业名称查重系统中的运用，中文分词技术，就是指将文 本中每句话，利用分词算法拆分成词，以便于计算机对文本信息进行处理和理解 的过程。它应用广泛，主要应用于信息检索，信息抽取，机器翻译等自然语言处 理技术等。本文采用了一种典型的基于词典的中文分词算法——正向最大匹配算 法，它的思想简单，并且易于实现，但是分词的精确度和速度并不理想。针对该 问题，本文添加关键词切分，提升分词的速度，提高分词的精确度。 2.针对企业名称的法定依据，本文中引进同音字和多音字处理模块，提出对 企业名称中的字号进行拼音转换，并用穷举法罗列出所有的发音序列，再使用发 音序列对企业名称进行查重，完成企业名称查重处理。 关键词：企业名称 中文分词 分词算法 Abstract An enterprise name， when being applied for registration by an enterprise， shall be examined and approved by the competent registration authorities. An enterprise name can be used only after it has been approved and registered， and the exclusive right to its use shall be enjoyed within a prescribed scope. With the rapid development of Guizhou, the amount of enterprise is growing constanly.Facing so many information about corpoerate name, making full use of the computer systemwhich powerful and query search function. And it also has important theoretical and practical significance in analysising and repeating inquiries or not.This paper focused o