如何提取公司真实名称

问题描述

就是我有一份公司信息数据，我要提取出每个公司名称并去重。现在的问题是：例1:：“江西省新余市某某农机有限公司”和“新余市晶丰农业机械制造有限公司”其实是同一公司例2：“江西赣州第一建筑有限公司”和“江西抚州第一建筑有限公司”，去掉前面地区和后面有限公司后都是“第一建筑”，可这是俩公司啊像碰到这类情况如何去重

解决方案

这属于机器学习，忒智能了点，不过倒是可以写个程序，把所有的名字相似的抓出来，人工核对一下。把两个串拆开，一个个字对比，如果有超过一半的字符一样，那么判断相似，然后存起来
解决方案二：
Entity Recognation 问题。典型人工智能问题。要求100%准确的话，无解。有些问题只能人工判断，甚至人都判断不了。不要求100%准确的话，可以通过各种方法来实现。先分词，计算相似性，聚类。或者写基于统计的机器学习模块，需要人工训练。
解决方案三：
如果名字相同，那么应该再设置一个字段作为代号，用名字和代号来组合查询，这样就可以避免重复的数据，如果不能新增代号字段，个人认为可以改变去重条件，不然无法区分同名的数据。
解决方案四：
这个不同名属于同一公司 只有提前定制规则了，定制同一公司多个名字的规范不在这个规范里的都认为是同一公司，这个没别的办法