【技术实现步骤摘要】
一种类别确定方法、装置及设备
本申请涉及互联网
,尤其涉及一种类别确定方法、装置及设备。
技术介绍
数据归类是指:确定数据的类别,并获取属于同一类别的所有数据,基于该类别的所有数据进行处理。例如,在税务行业中,发票数据的商品名称是关键要素,可以根据商品名称确定发票数据的类别,得到该类别的所有发票数据,并利用该类别的所有发票数据进行宏观分析、进销异常、偷税漏税检测等处理。但是,应该如何确定数据的类别,目前,缺少有效的实现方式。例如,发票数据中的商品名称可以是用户手工录入的,并没有规范的命名方式,如“水泥”类别的发票数据中,商品名称可能包括:水泥208、水泥322、水泥(快干)、水泥PC325-纸袋50KG-红水河牌等,这样,如何将包括这些商品名称的发票数据归类到“水泥”类别,目前,还没有有效的实现方式。
技术实现思路
本申请提供一种类别确定方法,所述方法包括:利用字符属性将数据的名称信息分割成至少一个字符组;利用字符组的字符属性从所述至少一个字符组中选取目标字符组;根据所述目标字符组确定所述数据的类别。本申请提供一种类别确定方法,所述方法包括:利用字符属性将数据中的商品名称分割成至少一个字符组;利用字符组的字符属性从所述至少一个字符组中选取目标字符组;根据所述目标字符组确定所述商品名称对应的类别;将所述数据归集到所述商品名称对应的类别。本申请提供一种类别确定装置,所述装置包括:分割模块,用于利用字符属性将数据的名称信息分割成至少一个字符组;选取模块,用于利用字符组的字符属性从所述至少一个字符组中选取目标字符组;确定模块,用于根据所述目标字符组确定所述数据的 ...
【技术保护点】
1.一种类别确定方法,其特征在于,所述方法包括:利用字符属性将数据的名称信息分割成至少一个字符组;利用字符组的字符属性从所述至少一个字符组中选取目标字符组;根据所述目标字符组确定所述数据的类别。
【技术特征摘要】
1.一种类别确定方法,其特征在于,所述方法包括:利用字符属性将数据的名称信息分割成至少一个字符组;利用字符组的字符属性从所述至少一个字符组中选取目标字符组;根据所述目标字符组确定所述数据的类别。2.根据权利要求1所述的方法,其特征在于,所述利用字符属性将数据的名称信息分割成至少一个字符组,包括以下方式中的至少一种:将所述名称信息中具有相同字符属性的相邻字符分割到同一字符组;将所述名称信息中具有不同字符属性的字符分割到不同字符组;将所述名称信息中具有相同字符属性的不相邻字符分割到不同字符组。3.根据权利要求1所述的方法,其特征在于,所述利用字符属性将数据的名称信息分割成至少一个字符组,包括:利用字符属性对所述名称信息进行哈希编码,得到至少一个编码值;从所述名称信息中确定与所述编码值对应的字符组。4.根据权利要求3所述的方法,其特征在于,所述利用字符属性对所述名称信息进行哈希编码,得到至少一个编码值,包括:确定所述名称信息中每个字符的字符属性对应的编码值;对编码值相同的相邻编码值进行合并,得到所述至少一个编码值。5.根据权利要求4所述的方法,其特征在于,所述确定所述名称信息中每个字符的字符属性对应的编码值,包括:通过字符的字符属性查询映射表,得到与所述字符属性对应的编码值;其中,所述映射表用于记录字符属性与编码值的对应关系。6.根据权利要求1所述的方法,其特征在于,利用字符组的字符属性从所述至少一个字符组中选取目标字符组,包括:从所述至少一个字符组中选取出具有特定字符属性的字符组;将选取的字符组确定为所述目标字符组。7.根据权利要求1所述的方法,其特征在于,所述根据所述目标字符组确定所述数据的类别,包括:若目标字符组为一个,则将所述目标字符组确定为所述数据的类别;或,若目标字符组为至少两个,则从至少两个目标字符组中选择一个目标字符组,并将选择的目标字符组确定为所述数据的类别。8.根据权利要求7所述的方法,其特征在于,所述从至少两个目标字符组中选择一个目标字符组,包括:根据目标字符组的特征信息确定所述目标字符组的分数值;从至少两个目标字符组中选择分数值最高的目标字符组。9.根据权利要求8所述的方法,其特征在于,所述目标字符组的特征信息包括以下之一或者任意组合:所述目标字符组对应的总出现次数;使用所述目标字符组的企业总数量;所述目标字符组对应的目录数量。10.根据权利要求9所述的方法,其特征在于,所述根据目标字符组的特征信息确定所述目标字符组的分数值时,所述分数值与所述总出现次数成正比,所述分数值与所述企业总数量成正比,所述分数值与所述目录数量成反比。11.根据权利要求1所述的方法,其特征在于,所述根据所述目标字符组确定所述数据的类别之后,所述方法还包括:将所述目标字符组记录到分词词典中,所述分词词典用于进行分词处理。12.根据权利要求1所述的方法,其特征在于,所述字符属性包括以下之一或者任意组合:文字字符、字母字符、数字字符、符号类字符。13.一种类别确定方法,其特征在于,所述...
【专利技术属性】
技术研发人员:梁奇,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛,KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。