專利名稱：一種數(shù)據(jù)匹配方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種數(shù)據(jù)匹配方法及裝置。
背景技術(shù)：
目前，在處理各類客戶信息數(shù)據(jù)時(shí)，經(jīng)常需要進(jìn)行數(shù)據(jù)比較、匹配等處理首先，系統(tǒng)通過多種渠道獲取較準(zhǔn)確權(quán)威的個(gè)人外部數(shù)據(jù)，例如公安系統(tǒng)數(shù)據(jù)、固定電話、黃頁數(shù)據(jù)、高教部學(xué)歷認(rèn)證中心數(shù)據(jù)(教育學(xué)歷、教育學(xué)籍等)以及機(jī)動(dòng)車駕駛證數(shù)據(jù)、機(jī)動(dòng)車行駛證數(shù)據(jù)等。另一方面，由客戶填寫輸入的數(shù)據(jù)，在核對(duì)其正確性時(shí)需要和系統(tǒng)獲取的上述數(shù)據(jù)進(jìn)行比對(duì)。但客戶填寫輸入的數(shù)據(jù)往往不規(guī)范，特別是如地址、公司名稱等字?jǐn)?shù)較多的信息。目前，一般采用全字符精確匹配技術(shù)或者人工比對(duì)方式。這些處理技術(shù)主要存在以下幾方面不足I、全字符精確匹配可以對(duì)諸如姓名、婚姻狀況、學(xué)歷等簡(jiǎn)單數(shù)據(jù)項(xiàng)進(jìn)行處理，但對(duì)較為復(fù)雜的數(shù)據(jù)，比如中文地址和中文公司名稱等數(shù)據(jù)項(xiàng)，由于其來源于各種不同的數(shù)據(jù)環(huán)境，一般是由同一人多次輸入或者是不同的人輸入，其填寫的數(shù)據(jù)具有一定的隨意性和隨機(jī)性，而全字符精確匹配沒有任何容錯(cuò)能力，準(zhǔn)確性不高，因此無法對(duì)此類數(shù)據(jù)項(xiàng)進(jìn)行較好的比對(duì)和識(shí)別，例如“云巖區(qū)中天花園玉蘭園D-1-10-2號(hào)”與“貴陽云巖中天花園玉蘭園D座I單元10樓2號(hào)”使用全字符精確匹配無法判斷出它們是相同的地址。2、通過人工比對(duì)的方式對(duì)客戶信息數(shù)據(jù)中的中文地址、中文公司名稱進(jìn)行比對(duì)，但是效率較低，并需要耗費(fèi)大量的人力和物力。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服現(xiàn)有技術(shù)中存在的全字符精確匹配的方式不能較好地比較、匹配客戶信息數(shù)據(jù)以及人工比對(duì)的方式效率較低、需要耗費(fèi)大量人力物力的困難，提出一種數(shù)據(jù)比較、匹配系統(tǒng)及方法，通過對(duì)客戶信息數(shù)據(jù)采用數(shù)據(jù)預(yù)處理、數(shù)據(jù)分割、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)比較的技術(shù)處理手段，實(shí)現(xiàn)對(duì)客戶信息數(shù)據(jù)的中文模糊匹配，從而對(duì)客戶信息數(shù)據(jù)的準(zhǔn)確性進(jìn)行判斷和識(shí)別，提高比較、匹配的準(zhǔn)確性和效率，實(shí)現(xiàn)匹配的系統(tǒng)化、自動(dòng)化、流程化、客觀化。為了達(dá)到上述目的，本發(fā)明實(shí)施例公開了一種數(shù)據(jù)匹配方法，包括獲取客戶信息數(shù)據(jù)中要進(jìn)行匹配的待處理數(shù)據(jù)；將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)；根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分害I]，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)；根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)；將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值。為了達(dá)到上述目的，本發(fā)明實(shí)施例還公開了一種數(shù)據(jù)匹配裝置，包括待處理數(shù)據(jù)獲取單元，用于獲取客戶信息數(shù)據(jù)中要進(jìn)行匹配的待處理數(shù)據(jù)；預(yù)處理數(shù)據(jù)生成單元，用于將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)；子數(shù)據(jù)生成單元，用于根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)；標(biāo)準(zhǔn)數(shù)據(jù)生成單元，用于根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)；匹配值生成單元，用于將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值。本發(fā)明實(shí)施例的數(shù)據(jù)匹配方法及裝置的有益效果是改變了通過人工對(duì)客戶信息數(shù)據(jù)中的中文數(shù)據(jù)項(xiàng)進(jìn)行比對(duì)的方法，克服了全字符精確匹配沒有任何容錯(cuò)能力的不足，提高比對(duì)的效率和準(zhǔn)確性，降低人工操作成本，實(shí)現(xiàn)大數(shù)據(jù)量的處理；實(shí)現(xiàn)了對(duì)客戶信息數(shù)據(jù)中的中文數(shù)據(jù)項(xiàng)進(jìn)行比對(duì)的系統(tǒng)化、自動(dòng)化、流程化、客觀化；可將相關(guān)數(shù)據(jù)源的中文數(shù)據(jù)項(xiàng)都納入到數(shù)據(jù)比較、匹配系統(tǒng)，從而擴(kuò)展系統(tǒng)可用的數(shù)據(jù)項(xiàng)范圍。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)
有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖I為本發(fā)明實(shí)施例的數(shù)據(jù)匹配方法的方法流程圖；圖2為本發(fā)明實(shí)施例的進(jìn)行數(shù)據(jù)分割，生成多個(gè)子數(shù)據(jù)的方法流程圖；圖3為本發(fā)明實(shí)施例的將多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)的方法流程圖；圖4為本發(fā)明實(shí)施例的一個(gè)地區(qū)樹的結(jié)構(gòu)示意圖；圖5為本發(fā)明實(shí)施例的構(gòu)造比較矩陣，生成匹配值的方法流程圖；圖6為本發(fā)明實(shí)施例的數(shù)據(jù)匹配裝置的結(jié)構(gòu)示意圖；圖7為本發(fā)明實(shí)施例的數(shù)據(jù)匹配裝置中的預(yù)處理數(shù)據(jù)生成單元的結(jié)構(gòu)示意圖；圖8為本發(fā)明實(shí)施例的數(shù)據(jù)匹配裝置中的子數(shù)據(jù)生成單元的結(jié)構(gòu)示意圖；圖9為利用本發(fā)明實(shí)施例的子數(shù)據(jù)生成單元生成多個(gè)子數(shù)據(jù)的一個(gè)實(shí)施例的方法流程圖；圖10為本發(fā)明實(shí)施例的數(shù)據(jù)匹配裝置中的標(biāo)準(zhǔn)數(shù)據(jù)生成單元的結(jié)構(gòu)示意圖；圖11為本發(fā)明實(shí)施例的數(shù)據(jù)匹配裝置中的匹配值生成單元的結(jié)構(gòu)示意圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明可用于眾多通用或?qū)Ｓ玫挠?jì)算機(jī)裝置環(huán)境或配置中。例如個(gè)人計(jì)算機(jī)、月艮務(wù)器計(jì)算機(jī)、手持設(shè)備或便攜式設(shè)備、平板型設(shè)備、多處理器裝置、包括以上任何裝置或設(shè)備的分布式計(jì)算環(huán)境等等。本發(fā)明可以在由計(jì)算機(jī)執(zhí)行的計(jì)算機(jī)可執(zhí)行指令的一般上下文中描述，例如程序模塊。一般地，程序模塊包括執(zhí)行特定任務(wù)或?qū)崿F(xiàn)特定抽象數(shù)據(jù)類型的例程、程序、對(duì)象、組件、數(shù)據(jù)結(jié)構(gòu)等等。也可以在分布式計(jì)算環(huán)境中實(shí)踐本發(fā)明，在這些分布式計(jì)算環(huán)境中，由通過通信網(wǎng)絡(luò)而被連接的遠(yuǎn)程處理設(shè)備來執(zhí)行任務(wù)。在分布式計(jì)算環(huán)境中，程序模塊可以位于包括存儲(chǔ)設(shè)備在內(nèi)的本地和遠(yuǎn)程計(jì)算機(jī)存儲(chǔ)介質(zhì)中。本發(fā)明是一種計(jì)算機(jī)處理過程中的數(shù)據(jù)匹配方法。該方法首先該系統(tǒng)將客戶信息數(shù)據(jù)中要進(jìn)行比較、匹配的數(shù)據(jù)信息通過數(shù)據(jù)預(yù)處理，降低數(shù)據(jù)質(zhì)量問題對(duì)最終匹配結(jié)果的影響。其次，將預(yù)處理后的數(shù)據(jù)通過數(shù)據(jù)分割劃分成多條有意義的子數(shù)據(jù)。再次，在數(shù)據(jù)分割的基礎(chǔ)上，通過數(shù)據(jù)轉(zhuǎn)換，將同種含義的不同數(shù)據(jù)轉(zhuǎn)換為同一種數(shù)據(jù)。最后，將數(shù)據(jù)轉(zhuǎn)換得到的結(jié)果通過數(shù)據(jù)比較得到匹配值，該匹配值在O到I之間，代表兩條數(shù)據(jù)間的相似程度。圖I為本發(fā)明實(shí)施例的數(shù)據(jù)匹配方法的方法流程圖。如圖所示，本實(shí)施例的數(shù)據(jù)匹配方法包括步驟S101，獲取客戶信息數(shù)據(jù)中要進(jìn)行匹配的待處理數(shù)據(jù)；步驟S102，將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)；步驟S103，根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)；步驟S104，根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)
據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)；步驟S105，將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值。在本實(shí)施例中，待處理數(shù)據(jù)、最后計(jì)算得到的匹配值、預(yù)設(shè)的字符串最大值、字符標(biāo)準(zhǔn)值以及子數(shù)據(jù)標(biāo)準(zhǔn)名稱、字符轉(zhuǎn)換規(guī)則，都預(yù)存在一存儲(chǔ)裝置中。當(dāng)計(jì)算需要時(shí)，直接調(diào)用即可，當(dāng)然，這些數(shù)據(jù)可以根據(jù)情況而作人為設(shè)定。在本實(shí)施例中，步驟S102中的將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)，包括對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行字符轉(zhuǎn)換，包括將全角字符轉(zhuǎn)換為半角字符；對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行字體轉(zhuǎn)換，包括將大寫字母轉(zhuǎn)換為小寫字母；對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行分隔符處理，包括將與預(yù)存的通用分隔符相匹配的字符刪除。例如，讀取預(yù)設(shè)的通用分隔符，如"、"、"、"，"、" *"、" " #"、空格等，然后，將客戶信息數(shù)據(jù)中與讀取出的通用分隔符相匹配的字符去除。以中文地址數(shù)據(jù)匹配為例介紹數(shù)據(jù)預(yù)處理的過程如果接收到的預(yù)處理前的數(shù)據(jù)如下“吉林朝陽人民路10弄三單元#六〇二#室”，則根據(jù)本發(fā)明實(shí)施例的預(yù)處理方法，預(yù)處理后的結(jié)果如下“吉林朝陽人民路10弄
三單元六〇二室”。在本實(shí)施例中，如圖2所示，在步驟S 102中的根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)，包括步驟S201，判斷接收到的預(yù)處理數(shù)據(jù)是否為單字符或?yàn)榭?；步驟S202，如果所述預(yù)處理數(shù)據(jù)不為單字符或空，則從所述預(yù)處理數(shù)據(jù)的最右邊截取長度為所述預(yù)存的字符串最大值的子字符串；步驟S203，判斷所述子字符串與所述預(yù)存的字符標(biāo)準(zhǔn)值是否匹配，如果不匹配，轉(zhuǎn)至步驟S204，如果匹配，轉(zhuǎn)至步驟S205 ；步驟S204，刪除所述子字符串最左邊的一個(gè)字符后，重復(fù)步驟S203 ；步驟S205，將所述子字符串作為分割后生成的一個(gè)子數(shù)據(jù)進(jìn)行保存；所述多個(gè)子數(shù)據(jù)等級(jí)由高到低排列是指按所述多個(gè)子數(shù)據(jù)分割出的先后順序排列其等級(jí)高低，最先分割出來的子數(shù)據(jù)等級(jí)最低。以上述的中文地址數(shù)據(jù)匹配為例介紹數(shù)據(jù)分割的過程假定數(shù)據(jù)預(yù)處理后的結(jié)果為“吉林朝陽人民路10弄三單元六〇二室”，字符串截取長度 MAX_LENGTH 為 10。第一步，截取出的子字符串為“10弄三單元六〇二室”，從省級(jí)行政區(qū)通名開始與逐個(gè)字典值進(jìn)行匹配直到非標(biāo)準(zhǔn)行政區(qū)通名為止，發(fā)現(xiàn)匹配不到任何字典值。其中的字典值即預(yù)設(shè)的字符標(biāo)準(zhǔn)值，其包括通用分隔符、省級(jí)行政區(qū)通名、省級(jí)行政區(qū) 專名、市級(jí)行政區(qū)通名、市級(jí)行政區(qū)專名、區(qū)級(jí)行政區(qū)通名、區(qū)級(jí)行政區(qū)專名、鄉(xiāng)鎮(zhèn)、村通名、門牌號(hào)通名、非標(biāo)準(zhǔn)行政區(qū)通名、行政區(qū)名對(duì)應(yīng)到的所有標(biāo)準(zhǔn)名稱和地區(qū)樹。第二步，刪除截取出的子字符串的最左邊一個(gè)字符，子字符串為“O弄三單元六〇二室”，同樣匹配不到任何字典值。直到截取出的子字符串為“室”時(shí)，匹配到一個(gè)門牌號(hào)通名。分割后字符串變?yōu)椤笆摇?，待分割字符串變?yōu)椤凹殖柸嗣衤?0弄三單元六O二”。第三步，重復(fù)上述步驟，可以得到分割后字符串變?yōu)椤傲柖摇?，待分割字符串變?yōu)椤凹殖柸嗣衤?0弄三單元”，此時(shí)，“單元”可以匹配到一個(gè)非標(biāo)準(zhǔn)行政區(qū)通名，因此，可以認(rèn)為“六〇二室”是一個(gè)可以被分割出來的子字符串，分割后字符串變?yōu)椤皢卧?，六〇二室”，待分割字符串變?yōu)椤凹殖柸嗣衤?0弄三”。以此類推，最終數(shù)據(jù)分割后的結(jié)果如下“吉林，朝陽，人民路，10弄，三單元，六〇
二室”。在本實(shí)施例中，如圖3所示，在步驟S 103中的根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)，包括步驟S301，根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱，將與每一子數(shù)據(jù)對(duì)應(yīng)的標(biāo)準(zhǔn)名稱存儲(chǔ)為一個(gè)數(shù)據(jù)組，以生成多個(gè)數(shù)據(jù)組；步驟S302，將所述多個(gè)數(shù)據(jù)組按級(jí)別由高到低排序，所述級(jí)別的高低與所述多個(gè)子數(shù)據(jù)的排序規(guī)則相同；步驟S303，對(duì)所述排序后的多個(gè)數(shù)據(jù)組進(jìn)行排列組合，生成多個(gè)多維數(shù)據(jù)組；步驟S304，根據(jù)預(yù)存的關(guān)系樹，找出與所述多個(gè)多維數(shù)據(jù)組中一組對(duì)應(yīng)的關(guān)系樹中的一條路徑，生成所述標(biāo)準(zhǔn)數(shù)據(jù)。在本實(shí)施例中，并不是每一個(gè)子數(shù)據(jù)都會(huì)對(duì)應(yīng)于一個(gè)標(biāo)準(zhǔn)名稱，此時(shí)將所述多個(gè)子數(shù)據(jù)中的不能與所述預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱相匹配的子數(shù)據(jù)，根據(jù)所述數(shù)字轉(zhuǎn)換規(guī)則，生成所述標(biāo)準(zhǔn)數(shù)據(jù)；其中，所述數(shù)字轉(zhuǎn)換規(guī)則包括將所述中文數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字。如果不符合數(shù)字轉(zhuǎn)換規(guī)則，例如不是中文數(shù)字，則將所述多個(gè)子數(shù)據(jù)中的不能與所述子數(shù)據(jù)標(biāo)準(zhǔn)名稱相匹配、且不能進(jìn)行字符轉(zhuǎn)換的子數(shù)據(jù)保持不變。同樣以上述的中文地址數(shù)據(jù)匹配為例介紹數(shù)據(jù)轉(zhuǎn)換的過程假定數(shù)據(jù)分割后的結(jié)果為“吉林，朝陽，人民路，10弄，三單元，六〇二室”。第一步，獲取行政區(qū)名對(duì)應(yīng)到的所有標(biāo)準(zhǔn)名稱，同一個(gè)行政區(qū)名對(duì)應(yīng)的所有標(biāo)準(zhǔn)名稱作為一組數(shù)據(jù)保存，結(jié)果如下{吉林} — {吉林市，吉林省}，{朝陽} — {朝陽區(qū)，朝陽市，朝陽縣}。第二步，將數(shù)據(jù)組按級(jí)別由高到低排序，結(jié)果如下{吉林省，吉林市}，{朝陽市，朝陽區(qū)，朝陽縣}。第三步，將排序后的數(shù)據(jù)組合成有意義的省、市、區(qū)名三維組，結(jié)果如下{吉林省，朝陽市，null}, {吉林省,null,朝陽區(qū)}, {吉林省，null,朝陽縣}, {null,吉林市,朝陽區(qū)}，{null，吉林市，朝陽縣}。第四步，遍歷預(yù)存的地區(qū)樹，如圖4所示，三維組中的{吉林省，null，朝陽區(qū)}可以在地區(qū)樹中找到對(duì)應(yīng)的一條路徑，因此，“吉林，朝陽”標(biāo)準(zhǔn)化后的行政區(qū)名為“吉林省長春市朝陽區(qū)”。第五步，將所有門牌號(hào)通名統(tǒng)一轉(zhuǎn)換為“ 10弄，三單元，六〇二室”被轉(zhuǎn)換為“10-三-六〇二”。第六步，將所有中文數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字，“ 10-三-六〇二”被轉(zhuǎn)換為“10-3-602”。第七步，剩余的即不屬于行政區(qū)名又不屬于門牌號(hào)部分的數(shù)據(jù)保持不變，拼接結(jié)果后得到最終的數(shù)據(jù)轉(zhuǎn)換后的結(jié)果“吉林省長春市朝陽區(qū)人民路10-3-602”。在本實(shí)施例中，如圖5所示，在步驟S104中的將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值，包括步驟S501，將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)按位比較，構(gòu)造比較矩陣；步驟S502，查找所述比較矩陣中的線段對(duì)其按長度由長到短進(jìn)行排序，并刪除在行上或列上被更長線段完全包含的線段；步驟S503，根據(jù)預(yù)設(shè)的線段權(quán)值和所述子數(shù)據(jù)中的進(jìn)行字符轉(zhuǎn)換規(guī)則的子數(shù)據(jù)所占的權(quán)值，生成匹配值。同樣以上述的中文地址數(shù)據(jù)匹配為例介紹計(jì)算匹配值的過程首先，接收經(jīng)過數(shù)據(jù)轉(zhuǎn)換得到的一條標(biāo)準(zhǔn)數(shù)據(jù)；其次，對(duì)標(biāo)準(zhǔn)數(shù)據(jù)和最開始的待處理數(shù)據(jù)進(jìn)行按位比較，相同位置1，不同位置0，構(gòu)造出比較矩陣；其次，查找比較矩陣中的線段并對(duì)其按長度由長到短進(jìn)行排序；其次，去除在行上和列上被更長線段完全包含的線段，其中線段完全包含是指較短的線段在上下左右平移N個(gè)位置后可以被更長的線段完全覆蓋；其次，獲取不同線段長度對(duì)應(yīng)權(quán)值和門牌號(hào)部分所占權(quán)值。門牌號(hào)部分所占權(quán)值即是進(jìn)行字符轉(zhuǎn)換規(guī)則的子數(shù)據(jù)；最后，計(jì)算出線段匹配值和門牌號(hào)匹配值后將線段匹配值和門牌號(hào)匹配值相加，得到最終的匹配值。圖6為本發(fā)明實(shí)施例的數(shù)據(jù)匹配裝置的結(jié)構(gòu)示意圖。如圖6所示，本實(shí)施例中的數(shù)據(jù)匹配裝置包括待處理數(shù)據(jù)獲取單元101，用于獲取客戶信息數(shù)據(jù)中要進(jìn)行匹配的待處理數(shù)據(jù)；預(yù)處理數(shù)據(jù)生成單元102，用于將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)；子數(shù)據(jù)生成單元103，用于根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)；標(biāo)準(zhǔn)數(shù)據(jù)生成單元104，用于根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)；匹配值生成單元105，用于將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值。數(shù)據(jù)存儲(chǔ)單元106，用于存儲(chǔ)所述待處理數(shù)據(jù)、生成的最終的匹配值、所述字符串最大值、所述字符標(biāo)準(zhǔn)值、所述子數(shù)據(jù)標(biāo)準(zhǔn)名稱和所述字符轉(zhuǎn)換規(guī)則。在本實(shí)施例中，待處理數(shù)據(jù)獲取單元101與預(yù)處理數(shù)據(jù)生成單元102相連接，負(fù)責(zé)從數(shù)據(jù)存儲(chǔ)單元106中讀取待處理的數(shù)據(jù)；預(yù)處理數(shù)據(jù)生成單元102與子數(shù)據(jù)生成單元103連接，負(fù)責(zé)對(duì)待處理數(shù)據(jù)進(jìn)行預(yù)處理，排除可能影響到最終匹配結(jié)果的因素，并將結(jié)果傳入子數(shù)據(jù)生成單元103 ；子數(shù)據(jù)生成單元103與標(biāo)準(zhǔn)數(shù)據(jù)生成單元104相連接，負(fù)責(zé)接收從預(yù)處理數(shù)據(jù)生成單元102傳入的預(yù)處理后的數(shù)據(jù)，然后將該數(shù)據(jù)分解為多條子數(shù)據(jù)，并將結(jié)果傳入標(biāo)準(zhǔn)數(shù)據(jù)生成單元104 ；標(biāo)準(zhǔn)數(shù)據(jù)生成單元104與匹配值生成單元105相連接，負(fù)責(zé)接收從子數(shù)據(jù)生成單元103傳入的子數(shù)據(jù)，然后將這些子數(shù)據(jù)轉(zhuǎn)換成一條標(biāo)準(zhǔn)數(shù)據(jù)，并將結(jié)果傳入匹配值生成單元105 ；匹配值生成單元105與數(shù)據(jù)存儲(chǔ)單元106相連接，負(fù)責(zé)接收從標(biāo)準(zhǔn)數(shù)據(jù)生成單元104傳入的數(shù)據(jù)，然后將欲進(jìn)行匹配的數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行比較得到最終的匹配值 ，并將結(jié)果傳入數(shù)據(jù)存儲(chǔ)單元106 ；數(shù)據(jù)存儲(chǔ)單元106負(fù)責(zé)存儲(chǔ)數(shù)據(jù)、參數(shù)和字典值。其中，數(shù)據(jù)包括待處理的數(shù)據(jù)和最終的匹配值；參數(shù)包括字符串最大值MAX_LENGTH、計(jì)算匹配值時(shí)用到的不同線段長度對(duì)應(yīng)權(quán)值其他權(quán)值；字典值即字符標(biāo)準(zhǔn)值，在中文地址匹配實(shí)施例中，包括通用分隔符、省級(jí)行政區(qū)通名、省級(jí)行政區(qū)專名、市級(jí)行政區(qū)通名、市級(jí)行政區(qū)專名、區(qū)級(jí)行政區(qū)通名、區(qū)級(jí)行政區(qū)專名、鄉(xiāng)鎮(zhèn)、村通名、門牌號(hào)通名、非標(biāo)準(zhǔn)行政區(qū)通名、行政區(qū)名對(duì)應(yīng)到的所有標(biāo)準(zhǔn)名稱和地區(qū)樹。在本實(shí)施例中，如圖7所示，所述預(yù)處理數(shù)據(jù)生成單元102包括字符轉(zhuǎn)換模塊1021，用于對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行字符轉(zhuǎn)換，包括將全角字符轉(zhuǎn)換為半角字符；字體轉(zhuǎn)換模塊1022，用于對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行字體轉(zhuǎn)換，包括將大寫字母轉(zhuǎn)換為小寫字母；分隔符處理模塊1023，用于對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行分隔符處理，包括將與預(yù)存的通用分隔符相匹配的字符刪除。例如，讀取預(yù)設(shè)的通用分隔符，如"、"、"、"，"、" *"、" 、" #"、空格等，然后，將客戶信息數(shù)據(jù)中與讀取出的通用分隔符相匹配的字符去除。在本實(shí)施例中，如圖8所示，所述子數(shù)據(jù)生成單元103根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)，其包括數(shù)據(jù)判斷模塊1031，用于判斷接收到的預(yù)處理數(shù)據(jù)是否為單字符或?yàn)榭?；?shù)據(jù)截取模塊1032，如果所述預(yù)處理數(shù)據(jù)不為單字符或空，則從所述預(yù)處理數(shù)據(jù)的最右邊截取長度為所述預(yù)存的字符串最大值的子字符串；數(shù)據(jù)匹配模塊1033，用于將所述子字符串與所述預(yù)存的字符標(biāo)準(zhǔn)值進(jìn)行匹配；如果匹配不成功，則由所述數(shù)據(jù)截取模塊刪除所述子字符串最左邊的一個(gè)字符后，再交由所述數(shù)據(jù)匹配模塊進(jìn)行匹配處理；如果匹配成功，則將所述匹配成功的子字符串作為分割后生成的一個(gè)子數(shù)據(jù)進(jìn)行保存。在本實(shí)施例中，數(shù)據(jù)截取模塊1032負(fù)責(zé)接收數(shù)據(jù)判斷模塊1031發(fā)送的字符串，并作為待處理字符串暫存在數(shù)據(jù)截取模塊1032。接著，從字符串最右邊截取長度為MAX_LENGTH (MAX_LENGTH的數(shù)值從數(shù)據(jù)存儲(chǔ)單元106中獲取)的子字符串，將子字符串發(fā)送給數(shù)據(jù)匹配模塊1033。同時(shí)接收數(shù)據(jù)匹配模塊1033的匹配結(jié)果，若不匹配，則數(shù)據(jù)截取模塊1032刪除子字符串的最左邊一個(gè)字符后再發(fā)送給數(shù)據(jù)匹配模塊1033繼續(xù)匹配。若匹配上，則將子字符串作為分割后的字符串暫存在數(shù)據(jù)截取模塊1032，然后，將子字符串從待處理字符串中刪除并將刪除后的待處理字符串發(fā)送給數(shù)據(jù)判斷模塊1031。數(shù)據(jù)匹配模塊1033負(fù)責(zé)接收數(shù)據(jù)截取模塊1032發(fā)送的字符串。接著，從數(shù)據(jù)存儲(chǔ)單元106中獲取省級(jí)行政區(qū)通名、省級(jí)行政區(qū)專名、市級(jí)行政區(qū)通名、市級(jí)行政區(qū)專名、區(qū)級(jí)行政區(qū)通名、區(qū)級(jí)行政區(qū)專名、鄉(xiāng)鎮(zhèn)、村通名、門牌號(hào)通名以及非標(biāo)準(zhǔn)行政區(qū)通名，并與接收到的字符串進(jìn)行匹配。最后，將匹配的結(jié)果發(fā)送給數(shù)據(jù)截取模塊1032。數(shù)據(jù)判斷模塊1031負(fù)責(zé)接收預(yù)處理數(shù)據(jù)生成單元102處理后的字符串，判斷字符串是否為空，如果不為空，則將字符串傳給數(shù)據(jù)截取模塊1032，否則，將暫存在數(shù)據(jù)截取模塊1032中的分割后字符串傳給標(biāo)準(zhǔn)數(shù)據(jù)生成單元104，數(shù)據(jù)分割結(jié)束。同時(shí)該模塊還負(fù)責(zé)接收數(shù)據(jù)截取模塊1032截取的數(shù)據(jù)，判斷其是否為單字符，如果不是單字符，則將其傳給數(shù)據(jù)匹配模塊1033。圖9為利用本發(fā)明實(shí)施例的子數(shù)據(jù)生成單元103生成多個(gè)子數(shù)據(jù)的一個(gè) 實(shí)施例的方法流程圖，如圖9所示，其包括步驟801，數(shù)據(jù)判斷模塊1031接收從預(yù)處理數(shù)據(jù)生成模塊102傳來的數(shù)據(jù)作為待處理數(shù)據(jù)；步驟802，數(shù)據(jù)判斷模塊1031判斷待處理數(shù)據(jù)是否為空，如果不為空，轉(zhuǎn)步驟803 ；否則，轉(zhuǎn)步驟808 ；步驟803，數(shù)據(jù)截取模塊1032從待處理數(shù)據(jù)最右邊截取長度為字符串最大值MAX_LENGTH (MAX_LENGTH的數(shù)值從數(shù)據(jù)存儲(chǔ)模塊106獲取)的子字符串；步驟804，數(shù)據(jù)匹配模塊1033判斷截取出的子字符串是否與從數(shù)據(jù)存儲(chǔ)模塊106中讀取到的字符標(biāo)準(zhǔn)值匹配，如果匹配，轉(zhuǎn)步驟805 ;否則，轉(zhuǎn)步驟806 ；步驟805，數(shù)據(jù)截取模塊1032將截取出的子字符串作為分割出的一條子數(shù)據(jù)，并刪除待處理數(shù)據(jù)中截取出的子字符串；步驟806，數(shù)據(jù)截取模塊1032刪除截取出的子字符串的最左邊一個(gè)字符；步驟807，數(shù)據(jù)判斷模塊1031判斷截取出的子字符串是否為單字符，如果是單字符，轉(zhuǎn)步驟805 ;否則，轉(zhuǎn)步驟804 ；步驟808，數(shù)據(jù)截取模塊1032將分割出的所有子數(shù)據(jù)合并，流程結(jié)束。在本實(shí)施例中，如圖10所示，所述標(biāo)準(zhǔn)數(shù)據(jù)生成單元104根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)，其包括數(shù)據(jù)組生成模塊1041，用于根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱，將與每一子數(shù)據(jù)對(duì)應(yīng)的標(biāo)準(zhǔn)名稱存儲(chǔ)為一個(gè)數(shù)據(jù)組，以生成多個(gè)數(shù)據(jù)組；排序模塊1042，用于將所述多個(gè)數(shù)據(jù)組按級(jí)別由高到低排序，所述級(jí)別的高低與所述多個(gè)子數(shù)據(jù)的排序規(guī)則相同；多維數(shù)據(jù)組生成模塊1043，用于對(duì)所述排序后的多個(gè)數(shù)據(jù)組進(jìn)行排列組合，生成多個(gè)多維數(shù)據(jù)組；標(biāo)準(zhǔn)數(shù)據(jù)生成模塊1044，用于根據(jù)預(yù)存的關(guān)系樹，找出與所述多個(gè)多維數(shù)據(jù)組中一組對(duì)應(yīng)的關(guān)系樹中的一條路徑，生成所述標(biāo)準(zhǔn)數(shù)據(jù)；數(shù)字轉(zhuǎn)換模塊1045，用于將所述多個(gè)子數(shù)據(jù)中的不能與所述預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱相匹配的子數(shù)據(jù)，根據(jù)所述數(shù)字轉(zhuǎn)換規(guī)則，生成所述標(biāo)準(zhǔn)數(shù)據(jù)；其中，所述數(shù)字轉(zhuǎn)換規(guī)則包括將所述中文數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字。同樣以中文地址數(shù)據(jù)匹配為例介紹數(shù)據(jù)轉(zhuǎn)換的過程第一步，數(shù)據(jù)組生成模塊1041接收到的數(shù)據(jù)中篩選出代表行政區(qū)名的數(shù)據(jù)，逐一從數(shù)據(jù)存儲(chǔ)單元106中讀取行政區(qū)名對(duì)應(yīng)到的所有標(biāo)準(zhǔn)名稱，同一個(gè)行政區(qū)名對(duì)應(yīng)的所有標(biāo)準(zhǔn)名稱作為一組數(shù)據(jù)保存。第二步，排序模塊1042將數(shù)據(jù)組按級(jí)別由高到低排序。第三步，多維數(shù)據(jù)組生成模塊1043將排序后的數(shù)據(jù)組合成有意義的省、市、區(qū)名三維組，這里所謂的有意義是指，組成的三維組中不能存在省、市、區(qū)名中任意兩個(gè)處于同一行政級(jí)別的情況。第四步，標(biāo)準(zhǔn)數(shù)據(jù)生成模塊1044從數(shù)據(jù)存儲(chǔ)單元106中獲取地區(qū)樹，地區(qū)樹是一棵以中國為根節(jié)點(diǎn)的省、市、區(qū)標(biāo)準(zhǔn)名組成的樹。遍歷地區(qū)樹，判斷組成的省、市、區(qū)名三維組是否可以對(duì)應(yīng)到樹中的一條路徑，如果可以對(duì)應(yīng)到，則該條路徑上所有節(jié)點(diǎn)即構(gòu)成標(biāo)準(zhǔn)化后的行政區(qū)名。

第五步，數(shù)字轉(zhuǎn)換模塊1045從數(shù)據(jù)存儲(chǔ)單元106中獲取門牌號(hào)通名，將數(shù)據(jù)中所有門牌號(hào)通名轉(zhuǎn)換為統(tǒng)一字符，即將數(shù)據(jù)中門牌號(hào)部分的所有中文數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字。在本實(shí)施例中，如圖11所示，所述匹配值生成單元105用于將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值，其包括比較矩陣構(gòu)造模塊1051，用于將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)按位比較，構(gòu)造比較矩陣；有效線段生成模塊1052，查找所述比較矩陣中的線段對(duì)其按長度由長到短進(jìn)行排序，并刪除在行上或列上被更長線段完全包含的線段；匹配值計(jì)算模塊1053，用于根據(jù)預(yù)設(shè)的線段權(quán)值和所述子數(shù)據(jù)中的進(jìn)行字符轉(zhuǎn)換規(guī)則的子數(shù)據(jù)所占的權(quán)值，生成匹配值。本發(fā)明實(shí)施例克服了目前普遍采用的全字符精確匹配、人工比對(duì)或者兩者相結(jié)合的方式對(duì)客戶信息數(shù)據(jù)進(jìn)行比對(duì)，效率較低、需要耗費(fèi)大量人力物力的困難，提高比對(duì)的效率和準(zhǔn)確性，降低人工操作成本，實(shí)現(xiàn)大數(shù)據(jù)量的處理。具體實(shí)施例(I)獲取客戶信息數(shù)據(jù)中要進(jìn)行匹配的待處理數(shù)據(jù)“上海南京路18號(hào)5#102”和“南京東路18號(hào)五號(hào)樓102室”；(2)將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)“上海南京路18-5-102”和“南京東路18-5-102”；(3)根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)“上海，南京路，18，5，102”和“南京東路，18，5，102”;(4)根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)“上海市南京路18-5-102”和“南京東路18-5-102” ；(5)經(jīng)過數(shù)據(jù)轉(zhuǎn)換后的兩數(shù)據(jù)分別為“上海市南京路18-5-102”和“南京東路18-5-102”；(6)將兩個(gè)數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值第一步，構(gòu)造比較矩陣，相同位置1，不同位置0，結(jié)果如下表I所示表I
權(quán)利要求
1.一種數(shù)據(jù)匹配方法，其特征在于，所述方法包括 獲取客戶信息數(shù)據(jù)中要進(jìn)行匹配的待處理數(shù)據(jù)； 將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)； 根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)； 根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)； 將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值。
2.根據(jù)權(quán)利要求I所述的數(shù)據(jù)匹配方法，其特征在于，所述將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)，包括 對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行字符轉(zhuǎn)換，包括將全角字符轉(zhuǎn)換為半角字符。
3.根據(jù)權(quán)利要求2所述的數(shù)據(jù)匹配方法，其特征在于，所述將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)，還包括對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行字體轉(zhuǎn)換，包括將大寫字母轉(zhuǎn)換為小寫字母。
4.根據(jù)權(quán)利要求3所述的數(shù)據(jù)匹配方法，其特征在于，所述將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)，還包括 對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行分隔符處理，包括將與預(yù)存的通用分隔符相匹配的字符刪除。
5.根據(jù)權(quán)利要求I所述的數(shù)據(jù)匹配方法，其特征在于，所述根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)，包括 步驟A，判斷接收到的預(yù)處理數(shù)據(jù)是否為單字符或?yàn)榭眨? 步驟B，如果所述預(yù)處理數(shù)據(jù)不為單字符或空，則從所述預(yù)處理數(shù)據(jù)的最右邊截取長度為所述預(yù)存的字符串最大值的子字符串； 步驟C，判斷所述子字符串與所述預(yù)存的字符標(biāo)準(zhǔn)值是否匹配，如果不匹配，轉(zhuǎn)至步驟D，如果匹配，轉(zhuǎn)至步驟E ; 步驟D，刪除所述子字符串最左邊的一個(gè)字符后，重復(fù)步驟C ; 步驟E，將所述子字符串作為分割后生成的一個(gè)子數(shù)據(jù)進(jìn)行保存； 所述等級(jí)由高到低排列是指按所述多個(gè)子數(shù)據(jù)分割出的先后順序排列其等級(jí)高低，最先分割出來的子數(shù)據(jù)等級(jí)最低。
6.根據(jù)權(quán)利要求5所述的數(shù)據(jù)匹配方法，其特征在于，所述根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)，包括 根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱，將與每一子數(shù)據(jù)對(duì)應(yīng)的標(biāo)準(zhǔn)名稱存儲(chǔ)為一個(gè)數(shù)據(jù)組，以生成多個(gè)數(shù)據(jù)組； 將所述多個(gè)數(shù)據(jù)組按級(jí)別由高到低排序，所述級(jí)別的高低與所述多個(gè)子數(shù)據(jù)的排序規(guī)則相同； 對(duì)所述排序后的多個(gè)數(shù)據(jù)組進(jìn)行排列組合，生成多個(gè)多維數(shù)據(jù)組； 根據(jù)預(yù)存的關(guān)系樹，找出與所述多個(gè)多維數(shù)據(jù)組中一組對(duì)應(yīng)的關(guān)系樹中的一條路徑，生成所述標(biāo)準(zhǔn)數(shù)據(jù)。
7.根據(jù)權(quán)利要求6所述的數(shù)據(jù)匹配方法，其特征在于，所述根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和數(shù)字轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)，還包括 將所述多個(gè)子數(shù)據(jù)中的不能與所述預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱相匹配的子數(shù)據(jù)，根據(jù)所述數(shù)字轉(zhuǎn)換規(guī)則，生成所述標(biāo)準(zhǔn)數(shù)據(jù)； 其中，所述數(shù)字轉(zhuǎn)換規(guī)則包括將所述中文數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字。
8.根據(jù)權(quán)利要求7所述的數(shù)據(jù)匹配方法，其特征在于，所述根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)，還包括 將所述多個(gè)子數(shù)據(jù)中的不能與所述子數(shù)據(jù)標(biāo)準(zhǔn)名稱相匹配、且不能進(jìn)行字符轉(zhuǎn)換的子數(shù)據(jù)保持不變。
9.根據(jù)權(quán)利要求8所述的數(shù)據(jù)匹配方法，其特征在于，所述將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值，包括 將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)按位比較，構(gòu)造比較矩陣； 查找所述比較矩陣中的線段對(duì)其按長度由長到短進(jìn)行排序，并刪除在行上或列上被更長線段完全包含的線段； 根據(jù)預(yù)設(shè)的線段權(quán)值和所述子數(shù)據(jù)中的進(jìn)行字符轉(zhuǎn)換規(guī)則的子數(shù)據(jù)所占的權(quán)值，生成匹配值。
10.一種數(shù)據(jù)匹配裝置，其特征在于，所述裝置包括 待處理數(shù)據(jù)獲取單元，用于獲取客戶信息數(shù)據(jù)中要進(jìn)行匹配的待處理數(shù)據(jù)； 預(yù)處理數(shù)據(jù)生成單元，用于將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)； 子數(shù)據(jù)生成單元，用于根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)； 標(biāo)準(zhǔn)數(shù)據(jù)生成單元，用于根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)； 匹配值生成單元，用于將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值。
11.根據(jù)權(quán)利要求10所述的數(shù)據(jù)匹配裝置，其特征在于，所述數(shù)據(jù)匹配裝置還包括 數(shù)據(jù)存儲(chǔ)單元，用于存儲(chǔ)所述待處理數(shù)據(jù)、所述匹配值、所述字符串最大值、所述字符標(biāo)準(zhǔn)值、所述子數(shù)據(jù)標(biāo)準(zhǔn)名稱和所述字符轉(zhuǎn)換規(guī)則。
12.根據(jù)權(quán)利要求10所述的數(shù)據(jù)匹配裝置，其特征在于，所述預(yù)處理數(shù)據(jù)生成單元包括 字符轉(zhuǎn)換模塊，用于對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行字符轉(zhuǎn)換，包括將全角字符轉(zhuǎn)換為半角字符。
13.根據(jù)權(quán)利要求12所述的數(shù)據(jù)匹配裝置，其特征在于，所述預(yù)處理數(shù)據(jù)生成單元還包括 字體轉(zhuǎn)換模塊，用于對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行字體轉(zhuǎn)換，包括將大寫字母轉(zhuǎn)換為小寫字母。
14.根據(jù)權(quán)利要求13所述的數(shù)據(jù)匹配裝置，其特征在于，所述預(yù)處理數(shù)據(jù)生成單元還包括 分隔符處理模塊，用于對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行分隔符處理，包括將與預(yù)存的通用分隔符相匹配的字符刪除。
15.根據(jù)權(quán)利要求10所述的數(shù)據(jù)匹配裝置，其特征在于，所述子數(shù)據(jù)生成單元根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)，其包括 數(shù)據(jù)判斷模塊，用于判斷接收到的預(yù)處理數(shù)據(jù)是否為單字符或?yàn)榭眨? 數(shù)據(jù)截取模塊，如果所述預(yù)處理數(shù)據(jù)不為單字符或空，則從所述預(yù)處理數(shù)據(jù)的最右邊截取長度為所述預(yù)存的字符串最大值的子字符串； 數(shù)據(jù)匹配模塊，用于將所述子字符串與所述預(yù)存的字符標(biāo)準(zhǔn)值進(jìn)行匹配； 如果匹配不成功，則由所述數(shù)據(jù)截取模塊刪除所述子字符串最左邊的一個(gè)字符后，再交由所述數(shù)據(jù)匹配模塊進(jìn)行匹配處理；如果匹配成功，則將所述匹配成功的子字符串作為分割后生成的一個(gè)子數(shù)據(jù)進(jìn)行保存。
16.根據(jù)權(quán)利要求15所述的數(shù)據(jù)匹配裝置，其特征在于，所述標(biāo)準(zhǔn)數(shù)據(jù)生成單元根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)，其包括 數(shù)據(jù)組生成模塊，用于根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱，將與每一子數(shù)據(jù)對(duì)應(yīng)的標(biāo)準(zhǔn)名稱存儲(chǔ)為一個(gè)數(shù)據(jù)組，以生成多個(gè)數(shù)據(jù)組； 排序模塊，用于將所述多個(gè)數(shù)據(jù)組按級(jí)別由高到低排序，所述級(jí)別的高低與所述多個(gè)子數(shù)據(jù)的排序規(guī)則相同； 多維數(shù)據(jù)組生成模塊，用于對(duì)所述排序后的多個(gè)數(shù)據(jù)組進(jìn)行排列組合，生成多個(gè)多維數(shù)據(jù)組； 標(biāo)準(zhǔn)數(shù)據(jù)生成模塊，用于根據(jù)預(yù)存的關(guān)系樹，找出與所述多個(gè)多維數(shù)據(jù)組中一組對(duì)應(yīng)的關(guān)系樹中的一條路徑，生成所述標(biāo)準(zhǔn)數(shù)據(jù)。
17.根據(jù)權(quán)利要求16所述的數(shù)據(jù)匹配裝置，其特征在于，所述標(biāo)準(zhǔn)數(shù)據(jù)生成單元還包括 數(shù)字轉(zhuǎn)換模塊，用于將所述多個(gè)子數(shù)據(jù)中的不能與所述預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱相匹配的子數(shù)據(jù)，根據(jù)所述數(shù)字轉(zhuǎn)換規(guī)則，生成所述標(biāo)準(zhǔn)數(shù)據(jù)； 其中，所述數(shù)字轉(zhuǎn)換規(guī)則包括將所述中文數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字。
18.根據(jù)權(quán)利要求17所述的數(shù)據(jù)匹配裝置，其特征在于，所述匹配值生成單元用于將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值，其包括 比較矩陣構(gòu)造模塊，用于將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)按位比較，構(gòu)造比較矩陣； 有效線段生成模塊，查找所述比較矩陣中的線段對(duì)其按長度由長到短進(jìn)行排序，并刪除在行上或列上被更長線段完全包含的線段； 匹配值計(jì)算模塊，用于根據(jù)預(yù)設(shè)的線段權(quán)值和所述子數(shù)據(jù)中的進(jìn)行字符轉(zhuǎn)換規(guī)則的子數(shù)據(jù)所占的權(quán)值，生成匹配值。
全文摘要
本發(fā)明公開了一種數(shù)據(jù)匹配方法，包括獲取客戶信息數(shù)據(jù)中要進(jìn)行匹配的待處理數(shù)據(jù)；將所述待處理數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，生成預(yù)處理數(shù)據(jù)；根據(jù)預(yù)存的字符串最大值和字符標(biāo)準(zhǔn)值，利用逆向最大匹配法對(duì)所述預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成等級(jí)由高到低排列的多個(gè)子數(shù)據(jù)；根據(jù)預(yù)存的子數(shù)據(jù)標(biāo)準(zhǔn)名稱和字符轉(zhuǎn)換規(guī)則，將所述多個(gè)子數(shù)據(jù)轉(zhuǎn)換為一條標(biāo)準(zhǔn)數(shù)據(jù)；將所述標(biāo)準(zhǔn)數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行比較，計(jì)算生成匹配值。本發(fā)明實(shí)施例的數(shù)據(jù)匹配方法及裝置，提高了比對(duì)的效率和準(zhǔn)確性，降低人工操作成本，實(shí)現(xiàn)大數(shù)據(jù)量的處理；實(shí)現(xiàn)了對(duì)客戶信息數(shù)據(jù)中的中文數(shù)據(jù)項(xiàng)進(jìn)行比對(duì)的系統(tǒng)化、自動(dòng)化、流程化、客觀化。
文檔編號(hào)G06F17/30GK102880650SQ20121030856
公開日2013年1月16日 申請(qǐng)日期2012年8月27日 優(yōu)先權(quán)日2012年8月27日
發(fā)明者曹折波, 胡弘毅, 黃文卿, 徐敏, 陳姍婷, 侯鵬燕 申請(qǐng)人:中國工商銀行股份有限公司