[發(fā)明專利]一種特征提取方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201610202581.6
• 申請(qǐng)日: 2016-03-31
• 公開（公告）號(hào): CN107291748B
• 公開（公告）日: 2021-01-15
• 發(fā)明（設(shè)計(jì)）人: 王國(guó)印
• 申請(qǐng)（專利權(quán)）人: 菜鳥智能物流控股有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/332;G06F16/36
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 蘇培華

1.一種特征提取方法，其特征在于，包括：

確定進(jìn)行分詞處理后的地址文本；所述進(jìn)行分詞處理后的地址文本中包含N個(gè)詞，所述N為大于1的整數(shù)；

根據(jù)預(yù)先設(shè)置的取詞數(shù)和跳詞數(shù)，從所述進(jìn)行分詞處理后的地址文本中取詞，構(gòu)成所述進(jìn)行分詞處理后的地址文本的特征詞串；其中，每個(gè)特征詞串中包含的所取的詞的個(gè)數(shù)等于所述取詞數(shù)，且每個(gè)特征詞串中存在兩個(gè)相鄰的詞在所述地址文本中相隔的詞數(shù)量等于所述跳詞數(shù)；

其中，所述跳詞數(shù)為從1至k的整數(shù)，所述k為大于1、且小于N-1的整數(shù)。

2.如權(quán)利要求1所述的方法，其特征在于，根據(jù)預(yù)先設(shè)置的取詞數(shù)和跳詞數(shù)，從所述進(jìn)行分詞處理后的地址文本中取詞，構(gòu)成所述進(jìn)行分詞處理后的地址文本的特征詞串，具體包括：

預(yù)先設(shè)置取詞數(shù)為n，以及預(yù)先設(shè)置跳詞數(shù)為從1至k的整數(shù)，所述n為大于1、且小于N的整數(shù)，所述k為大于1、且小于N-1的整數(shù)；

根據(jù)當(dāng)前跳詞數(shù)s，在所述進(jìn)行分詞處理后的地址文本中，從當(dāng)前位置的詞開始選取n個(gè)詞，得到所述特征詞串；s為大于0、且小于或等于k的整數(shù)。

3.如權(quán)利要求2所述的方法，其特征在于，根據(jù)當(dāng)前跳詞數(shù)s，在所述進(jìn)行分詞處理后的地址文本中，從當(dāng)前位置的詞開始選取n個(gè)詞，得到所述特征詞串，包括：

在所述進(jìn)行分詞處理后的地址文本中，從所述當(dāng)前位置的詞開始，連續(xù)選取n個(gè)詞，得到第一詞串；

在所述進(jìn)行分詞處理后的地址文本中，確定從所述當(dāng)前位置的詞開始連續(xù)選取n個(gè)詞之后的剩余詞；在所述剩余詞的數(shù)量大于或等于s時(shí)，從所述剩余詞中的第一個(gè)詞開始，連續(xù)選取s個(gè)詞，得到第二詞串；

在所述第一詞串中除第一個(gè)詞之外的其它詞中，確定第一目標(biāo)詞，以及在所述第二詞串中確定與所述第一目標(biāo)詞個(gè)數(shù)相同的第二目標(biāo)詞；

通過將所述第一詞串中的所述第一目標(biāo)詞替換為所述第二目標(biāo)詞，確定所述特征詞串。

4.如權(quán)利要求3所述的方法，其特征在于，在所述第一詞串中除第一個(gè)詞之外的其它詞中，確定第一目標(biāo)詞，以及在所述第二詞串中確定與所述第一目標(biāo)詞個(gè)數(shù)相同的第二目標(biāo)詞，包括：

分別將所述第一詞串中的第二個(gè)詞到最后一個(gè)詞作為起始跳詞，執(zhí)行以下操作：

當(dāng)在所述第一詞串中，從所述起始跳詞開始到所述第一詞串的第n個(gè)詞的詞數(shù)量q大于或等于s時(shí)，將從所述起始跳詞開始的連續(xù)s個(gè)詞確定為所述第一目標(biāo)詞，以及將所述第二詞串中的詞確定為所述第二目標(biāo)詞；q為大于1、且小于n的整數(shù)；

當(dāng)在所述第一詞串中，從所述起始跳詞開始到所述第一詞串的第n個(gè)詞的詞數(shù)量q小于s時(shí)，將從所述起始跳詞開始到第n個(gè)詞的q個(gè)詞確定為第一目標(biāo)詞，以及從所述第二詞串中最后一個(gè)詞開始，向著第二詞串中第一個(gè)詞的方向，連續(xù)選取q個(gè)詞作為第二目標(biāo)詞。

5.如權(quán)利要求4所述的方法，其特征在于，通過將所述第一詞串中的所述第一目標(biāo)詞替換為所述第二目標(biāo)詞，確定所述特征詞詞串，包括：

將所述第一詞串中的所述第一目標(biāo)詞替換為所述第二目標(biāo)詞，得到第三詞串；

按照所述進(jìn)行分詞處理后的地址文本中N個(gè)詞排列的先后順序，對(duì)所述第三詞串中的詞進(jìn)行重新排序，得到所述特征詞串。

6.如權(quán)利要求1所述的方法，其特征在于，所述每個(gè)特征詞串中存在兩個(gè)相鄰的詞在所述地址文本中相隔的詞數(shù)量等于所述跳詞數(shù)，包括：

所述每個(gè)特征詞串中任意兩個(gè)相鄰的詞在所述地址文本中相隔的詞數(shù)量等于所述跳詞數(shù)。

7.一種特征提取裝置，其特征在于，包括：

確定模塊，用于確定進(jìn)行分詞處理后的地址文本；所述進(jìn)行分詞處理后的地址文本中包含N個(gè)詞，所述N為大于1的整數(shù)；

取詞模塊，用于根據(jù)預(yù)先設(shè)置的取詞數(shù)和跳詞數(shù)，從所述進(jìn)行分詞處理后的地址文本中取詞，構(gòu)成所述進(jìn)行分詞處理后的地址文本的特征詞串；其中，每個(gè)特征詞串中包含的所取的詞的個(gè)數(shù)等于所述取詞數(shù)，且每個(gè)特征詞串中存在兩個(gè)相鄰的詞在所述地址文本中相隔的詞數(shù)量等于所述跳詞數(shù)；

其中，所述跳詞數(shù)為從1至k的整數(shù)，所述k為大于1、且小于N-1的整數(shù)。