[發(fā)明專利]地址信息的處理方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910204539.1
• 申請(qǐng)日: 2019-03-18
• 公開（公告）號(hào): CN111723164A
• 公開（公告）日: 2020-09-29
• 發(fā)明（設(shè)計(jì)）人: 劉楚;鄭華飛;謝朋峻;李林琳;司羅
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G06F16/29
• 分類號(hào): G06F16/29;G06F40/295
• 代理公司: 北京博浩百睿知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11134
• 代理人: 謝湘寧;張文華

1.一種地址信息的處理方法，包括：

獲取至少兩個(gè)地址文本；

利用文本識(shí)別模型對(duì)每個(gè)地址文本進(jìn)行識(shí)別，得到識(shí)別結(jié)果，其中，所述識(shí)別結(jié)果用于表征不同的地址文本包含的地理實(shí)體是否相一致，所述文本識(shí)別模型基于多個(gè)地址文本和每個(gè)地址文本包含的地理實(shí)體的屬性得到。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述方法還包括：

獲取多個(gè)訓(xùn)練集合，其中，每個(gè)訓(xùn)練集合包括：兩個(gè)地址文本，每個(gè)地址文本包含的地理實(shí)體的屬性，以及兩個(gè)地理實(shí)體是否相一致的標(biāo)簽；

利用所述多個(gè)訓(xùn)練集合對(duì)文本識(shí)別模型進(jìn)行訓(xùn)練，得到所述文本識(shí)別模型。

3.根據(jù)權(quán)利要求2所述的方法，其中，獲取所述多個(gè)訓(xùn)練集合包括：

從地址庫中獲取地址文本集合，其中，所述地址文本集合包括：多個(gè)索引信息，以及每個(gè)索引信息對(duì)應(yīng)的至少一個(gè)地理實(shí)體，所述每個(gè)索引信息由地址文本中的預(yù)設(shè)地址元素確定；

獲取所述至少一個(gè)地理實(shí)體的屬性；

基于所述地址文本集合和至少一個(gè)地理實(shí)體的屬性，生成所述多個(gè)訓(xùn)練集合。

4.根據(jù)權(quán)利要求3所述的方法，其中，基于所述地址文本集合和至少一個(gè)地理實(shí)體的屬性，生成所述多個(gè)訓(xùn)練集合包括：

獲取所述每個(gè)索引信息對(duì)應(yīng)的兩個(gè)地理實(shí)體，其中，至少一個(gè)地理實(shí)體為標(biāo)準(zhǔn)地址文本中包含的地理實(shí)體；

基于所述每個(gè)索引信息對(duì)應(yīng)的兩個(gè)地理實(shí)體，每個(gè)地理實(shí)體的屬性，以及所述兩個(gè)地理實(shí)體是否相一致的標(biāo)簽，生成所述每個(gè)訓(xùn)練集合。

5.根據(jù)權(quán)利要求3所述的方法，其中，從地址庫中獲取地址文本集合包括：

從所述地址庫中獲取多個(gè)地址文本，其中，每個(gè)地址文本由多個(gè)地址元素構(gòu)成；

獲取所述每個(gè)地址文本中的預(yù)設(shè)地址元素，得到所述每個(gè)地址文本對(duì)應(yīng)的索引信息；

將相同索引信息對(duì)應(yīng)的地址文本進(jìn)行匯總，得到所述地址文本集合。

6.根據(jù)權(quán)利要求5所述的方法，所述方法還包括：

獲取多個(gè)地理實(shí)體的地址文本；

對(duì)所述地址文本進(jìn)行編碼處理，得到處理后的地址文本；

對(duì)所述處理后的地址文本進(jìn)行劃分，得到多個(gè)地址元素；

對(duì)所述多個(gè)地址元素進(jìn)行聚合，建立所述地址庫。

7.根據(jù)權(quán)利要求6所述的方法，其中，所述編碼處理包括如下至少之一：簡(jiǎn)體字和繁體字之間的轉(zhuǎn)換處理，全角字符和半角字符之間的轉(zhuǎn)換處理，大寫字符和小寫字符之間的轉(zhuǎn)換處理，地址元素的標(biāo)記處理。

8.根據(jù)權(quán)利要求2所述的方法，所述方法還包括：

對(duì)所述文本識(shí)別模型的輸出層進(jìn)行修改，得到處理后的文本識(shí)別模型，其中，所述處理后的文本識(shí)別模型的輸出結(jié)果僅包括：用于表征輸入的地址文本包含的地理實(shí)體是否相一致的識(shí)別結(jié)果；

利用所述處理后的文本識(shí)別模型對(duì)所述每個(gè)地址文本進(jìn)行識(shí)別，得到所述識(shí)別結(jié)果。

9.根據(jù)權(quán)利要求1所述的方法，其中，在獲取至少兩個(gè)地址文本之后，所述方法還包括：

對(duì)所述每個(gè)地址文本進(jìn)行過濾，得到過濾后的地址文本；

對(duì)所述過濾后的地址文本進(jìn)行編碼處理，得到處理后的地址文本；

利用文本識(shí)別模型對(duì)所述處理后的地址文本進(jìn)行識(shí)別，得到所述識(shí)別結(jié)果。

10.根據(jù)權(quán)利要求1所述的方法，其中，所述文本識(shí)別模型包括：依次連接的嵌入層、雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)層、全連接層和輸出層，其中，

所述嵌入層用于獲取輸入的地址文本中每個(gè)詞語對(duì)應(yīng)的詞向量；

所述雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)層用于基于所述每個(gè)詞語對(duì)應(yīng)的詞向量，得到所述每個(gè)詞語對(duì)應(yīng)的語義特征；

所述全連接層用于基于所述地址文本中每個(gè)詞語對(duì)應(yīng)的語義特征，得到所述輸入的地址文本的特征向量；

所述輸出層用于基于所述輸入的地址文本的特征向量，得到所述識(shí)別結(jié)果。