启发式预测名称或公司

Question

问题

我们正在接收字符串，它们可能代表公司名称或个人姓名。我们需要一种启发式来确定这一点。

初步想法

• 将XML文档与节点商业字符串/商业或个人字符串/个人和分数匹配字符串+1一起使用（抱歉不知道如何在SO中格式化XML）

• 不能检查专有名词。 I.E. Bob's Company是一家名为Bob Compton的公司

• 需要以某种格式返回置信度。我想不出如何以百分比的方式做到这一点，我能想到的就是如果它找到匹配使用整数

• 可能的商业（全部将转换为小写）：co，co。，inc，inc。等（每个的详细版本）

• 我可以在线获取英文名单

问题

之前有没有人遇到过这种域名问题？你用了什么方法？任何华而不实的解决方法？

谢谢。

Answer 1

我之前没有这样做，但还有其他一些想法：

检查不合适的名词（例如“and”，“the”，“piping”）。事实上，如果您有英文字典和名单，那么任何不是名字的单词都可以成为公司名称的良好指针。

一个大问题是，一些公司只是以一个人的名字命名。 “Fred Meyer”，“J.C。Penney”和“洛克希德·马丁”是看起来像人名的公司的例子。这可能没有什么好办法（反正可能并不容易）。如果您可以对名字和姓氏进行分类，则仅使用双姓或姓氏可能是降低确定性的好理由。

我同意你的整数想法。除非你能做一些非常广泛和非常彻底的测试，否则你的百分比可能毫无意义。我可能会运行所有测试（返回名称，公司或未知）并比较结果，根据结果的一致性添加一个整数。

Answer 2

您能与已知公司名称的数据库进行比较吗？

E.g。在英国：http://wck2.companieshouse.gov.uk

当然，如果它实际上是某个人的名字，这没有任何帮助，但是有一个同名的公司。