一种基于统计学的企业名称相似度计算方法

摘要

本发明提供一种基于统计学的企业名称相似度计算方法，包括如下步骤：收集某区域所有的企业名称，并进行分词，计算每个词的凝固度和自由度；将凝固度和自由度满足条件的新词加入ANSJ分词工具词汇库中；利用获得的分词工具对企业名称数据集中的每个企业名称进行分词，获得每个企业名称的词条集合，并对每个企业名称的词条集合中的每个词计算IDF值；根据所获得的每个企业名称的词条集合中的每个词计算IDF值，获得需要对比的不同企业名称分词得到的词汇所对应的IDF值，计算不同企业名称的相似度。本发明提供的基于统计学的企业名称相似度计算方法，较传统的编辑距离，余弦相似度计算等字符串相似度计算方法具有更高的鲁棒性和可信性。