[發明專利]一種地址數據結構化與規范化的清理方法

在審

• 申請號: 201811543929.3
• 申請日: 2018-12-17
• 公開（公告）號: CN109614396A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 宋才華;鄭愛武;藍源娟;王永才;吳麗賢
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司佛山供電局
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/2458;G06Q50/06
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明涉及一種地址數據結構化與規范化的清理方法，包括以下步驟：S1：原始地址文本初始化處理；S2原始地址層次化解析；S3：層級化解析的地址數據與基礎地址字典庫進行匹配；S4：根據匹配度是否滿足要求進行判斷，匹配度滿足要求的層級化解析的地址數據作為清理成果，并添加進基礎地址字典庫，不滿足要求的數據返回S2進入下一個清理循環；S5：應用相似度與一致性評估的算法對清理成果進行綜合評估，以確認成果的準確性和有效性；本發明可有效提高客戶用電地址的完整性與準確率；可提高用戶報障地址判斷的準確度、提高應急檢修的響應速度、為受停電影響的區域用戶發送消息提醒、掌握區域性的用電負荷需求等方面都發揮了非常重要的作用。

技術領域

本發明涉及地址數據結構化與規范化領域，更具體地，涉及一種地址數據結構化與規范化的清理方法。

背景技術

在城市建設日新月異的今天，眾多街道、社區被重新規劃與建設，這種現象造成供電企業營銷系統中越來越多客戶用電地址數據與現實地址不一致。除此之外，由于一些歷史原因導致現有的客戶用電地址數據存在大量的錯誤、名稱混亂、信息不完整等現象，如將表號作為地址、小區、樓棟等沒有標準稱謂等；同時，由于存量的客戶用電地址數據不是結構化的數據，存在不同小區的客戶地址填寫的規律不一致，甚至同一小區不同開發期、不同樓棟之間的地址填寫規律都不一致問題；這些問題嚴重影響了客戶服務工作、應急檢修工作的質量，對基于地址數據開展的各類分析與決策支持系統建設也產生了嚴重的影響。

發明內容

本發明為克服上述現有技術所述的客戶用電地址不完整、不準確，用戶報障地址判斷準確度不高，應急檢修響應速度慢，不能為受停電影響的區域用戶發送消息提醒等缺陷，提供一種地址數據結構化與規范化的清理方法。

所述方法包括以下步驟：

S1：獲取供電企業存量客戶用電原始地址數據，并進行初始化處理；

S2：對初始化后的供電企業存量客戶用電原始地址數據進行層次化解析；

S3：對層級化解析的地址數據與基礎地址字典庫進行匹配；

S4：根據層級化解析的地址數據與基礎地址字典庫之間的匹配度是否滿足要求進行判斷；

匹配度滿足要求的層級化解析的地址數據作為清理成果，并添加進基礎地址字典庫；

匹配度不滿足要求的數據返回S2進行下一個清理循環中再次解析，直至某個清理循環不能再獲得滿足匹配度要求的地址數據為止。

S5：構建相似度與一致性評估的算法，并對清理成果進行綜合評估。

該方法是一個多次循環的處理過程，每次清理的成果都會用來補充和修正基礎地址字典庫，然后用經過補充和修正的基礎地址字典庫參與下一輪的處理過程，直到完成整個清理過程。

本發明能將所有客戶用電地址進行結構化與規范化的處理，實現行政區域、街道辦、小區的命名統一，即將客戶用電地址統一處理并表述為：市+區縣+街道+小區+樓棟+門牌號的形式(沒有小區的可采用道路+道路號形式)，有效提高了客戶用電地址完整性與準確率；在提高用戶報障地址判斷的準確度、提高應急檢修的響應速度、為受停電影響的區域用戶發送消息提醒、掌握區域性的用電負荷需求等方面都發揮了非常重要的作用。

優選地，所述步驟S2的解析方法為由傳統的分詞方法改進為基于文本特征的分詞方法。

優選地，基于文本特征的分詞方法為：在對“基于統計的分詞方法”理解基礎上，進行算法擴展，在應用頻率(DF)之外，增加了信息增益(IG)、互信息、ⅹ²統計(CHI)、期望交叉熵(CE)四種方法。

優選地，步驟S5中相似度與一致性評估的算法通過綜合聚類算法、K近鄰算法、CART分類樹回歸算法來構建。