[發明專利]一種數據處理方法及裝置

在審

• 申請號: 201310577237.1
• 申請日: 2013-11-18
• 公開（公告）號: CN104657361A
• 公開（公告）日: 2015-05-27
• 發明（設計）人: 鐘觀海
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許志勇

1.一種數據處理方法，其特征在于，包括：

基于分詞參考數據對非結構化地址進行分詞處理以獲得地址分詞；以及

基于短語結構參考數據對所述地址分詞進行結構化處理以獲得與所述非結構化地址相對應的結構化數據。

2.根據權利要求1所述的方法，其特征在于，進一步包括：

基于與所述非結構化地址相對應的結構化數據獲得地址樹節點數據；以及

基于所述地址樹節點數據和所述樹結構參考數據獲得地址樹。

3.根據權利要求1所述的方法，其特征在于，進一步包括：

基于分類參考數據對所述結構化數據進行分類，以獲取地址分類數據。

4.根據權利要求1至3中任一項權利要求所述的方法，其特征在于，所述對非結構化地址進行分詞處理的步驟進一步包括：

對所述非結構化地址進行形式處理。

5.根據權利要求2所述的方法，其特征在于，通過利用結構化地址數據樣本進行地址分詞樣本訓練以得到所述分詞參考數據，通過利用結構化地址數據樣本進行地址短語結構樣本訓練以得到所述短語結構參考數據，通過利用結構化地址數據樣本進行地址樹結構樣本訓練得到所述樹結構參考數據。

6.根據權利要求3所述的方法，其特征在于，通過利用結構化地址數據樣本進行地址分詞樣本訓練以得到所述分詞參考數據，通過利用結構化地址數據樣本進行地址短語結構樣本訓練以得到所述短語結構參考數據，通過利用結構化地址數據樣本進行地址分類樣本訓練以得到所述分類參考數據。

7.根據權利要求3所述的方法，其特征在于，通過詞語間的互信息分析，確定詞語之間相關性。

8.根據權利要求5所述的方法，其特征在于，所述通過利用結構化地址數據樣本進行地址樹結構樣本訓練得到所述樹結構參考數據的操作進一步包括：

按照所述樹結構參考數據的預定要求定義各節點的節點類型；

分析所述結構化地址數據樣本中各個短語結構轉換到地址樹結構中的節點的轉換概率；以及

基于所述轉換概率，獲得所述樹結構參考數據。

9.根據權利要求2所述的方法，其特征在于，所述地址樹中的地址樹節點數據之間存在相互關系。

10.一種數據處理裝置，其特征在于，包括：

分詞處理模塊，用于基于分詞參考數據對非結構化地址進行分詞處理以獲得地址分詞；以及

結構化處理模塊，用于基于短語結構參考數據對所述地址分詞進行結構化處理以獲得與所述非結構化地址相對應的結構化數據。

11.根據權利要求10所述的裝置，其特征在于，進一步包括：

地址樹節點數據獲取模塊，用于基于與所述非結構化地址相對應的結構化數據獲得地址樹節點數據；以及

地址樹獲得模塊，用于基于所述地址樹節點數據和所述樹結構參考數據獲得地址樹。

12.根據權利要求10所述的裝置，其特征在于，進一步包括：

分類模塊，用于基于分類參考數據對所述結構化數據進行分類，以獲取地址分類數據。

13.根據權利要求10至12中任一項權利要求所述的裝置，其特征在于，所述對非結構化地址進行分詞處理的步驟進一步包括：

形式處理模塊，用于對所述非結構化地址進行形式處理。

14.根據權利要求11所述的裝置，其特征在于，通過利用結構化地址數據樣本進行地址分詞樣本訓練以得到所述分詞參考數據，通過利用結構化地址數據樣本進行地址短語結構樣本訓練以得到所述短語結構參考數據，通過利用結構化地址數據樣本進行地址樹結構樣本訓練得到所述樹結構參考數據。

15.根據權利要求12所述的裝置，其特征在于，通過利用結構化地址數據樣本進行地址分詞樣本訓練以得到所述分詞參考數據，通過利用結構化地址數據樣本進行地址短語結構樣本訓練以得到所述短語結構參考數據，通過利用結構化地址數據樣本進行地址分類樣本訓練以得到所述分類參考數據。

16.根據權利要求12所述的裝置，其特征在于，通過詞語間的互信息分析，確定詞語之間相關性。