[發(fā)明專利]一種地址模糊匹配方法、系統(tǒng)及計(jì)算機(jī)設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202010400129.7
• 申請(qǐng)日: 2020-05-13
• 公開（公告）號(hào): CN111291099B
• 公開（公告）日: 2020-08-14
• 發(fā)明（設(shè)計(jì)）人: 馬志豪;黃文輝;廖健;祝大裕;韓柳
• 申請(qǐng)（專利權(quán)）人: 中郵消費(fèi)金融有限公司
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06K9/62
• 代理公司: 廣州微斗專利代理有限公司 44390
• 代理人: 唐立平

本發(fā)明涉及一種地址模糊匹配方法，包括如下步驟：S1、獲取待匹配的地址數(shù)據(jù)集；S2、結(jié)合行政區(qū)劃分將地址數(shù)據(jù)集分為多組地址數(shù)據(jù)子集；S3、對(duì)第一組地址數(shù)據(jù)子集進(jìn)行K?means聚類匹配得到多個(gè)地址簇；S4、結(jié)合多個(gè)地址簇得到候選地址集，判斷當(dāng)前候選地址集是否為空，如果為空，則對(duì)下一組地址數(shù)據(jù)子集進(jìn)行K?means聚類匹配得到多個(gè)地址簇，再轉(zhuǎn)S5，否則將下一組地址數(shù)據(jù)子集與候選地址集進(jìn)行兩兩匹配，將下一組地址數(shù)據(jù)子集中各地址數(shù)據(jù)歸入相應(yīng)的地址簇中，再轉(zhuǎn)S5；S5、對(duì)連續(xù)兩組地址數(shù)據(jù)子集的匹配結(jié)果進(jìn)行合并，判斷是否所有地址數(shù)據(jù)子集均匹配完畢，如果是，則輸出多個(gè)地址簇，否則轉(zhuǎn)S4。本發(fā)明具有較低的性能損耗度。

技術(shù)領(lǐng)域

本發(fā)明涉及地址匹配技術(shù)領(lǐng)域，特別涉及一種地址模糊匹配方法、系統(tǒng)及計(jì)算機(jī)設(shè)備。

背景技術(shù)

中文地址模糊匹配算法可用來發(fā)現(xiàn)同一地址不同表述的地址集合，例如金融領(lǐng)域中可以用于發(fā)現(xiàn)同一地址集合，分析其存在欺詐風(fēng)險(xiǎn)的概率。現(xiàn)在對(duì)地址模糊匹配的做法大致有：

1、維護(hù)標(biāo)準(zhǔn)地址庫，通過將輸入地址與地址庫比對(duì)，將地址轉(zhuǎn)換為經(jīng)緯度，并計(jì)算兩個(gè)經(jīng)緯度在地圖上的距離作為地址相似度的標(biāo)準(zhǔn)。由于標(biāo)準(zhǔn)地址庫數(shù)據(jù)量過大，在進(jìn)行比對(duì)時(shí)會(huì)消耗大量資源，而且比對(duì)未經(jīng)標(biāo)準(zhǔn)化的地址時(shí)也會(huì)造成誤差，不太適用大規(guī)模地址、細(xì)粒度的匹配。

目前適用于大規(guī)模地址的模糊匹配算法較少，依賴人工維護(hù)標(biāo)準(zhǔn)地址庫，基于經(jīng)緯度無法精確定位樓棟信息、樓層及房間號(hào)，不適合海量、差異度小的地址匹配。

2、通過n折交叉匹配完成模型參數(shù)的訓(xùn)練，但是在大規(guī)模數(shù)據(jù)集下，n個(gè)地址的模糊匹配需要調(diào)用C(n,2)次，在千萬級(jí)的數(shù)據(jù)量下對(duì)的消耗過大。利用分布式計(jì)算平臺(tái)，例如spark平臺(tái)的分布式計(jì)算方法可以在一定程度上降低對(duì)性能的消耗，但是僅僅靠分布式計(jì)算方式對(duì)性能的提升非常有限。

發(fā)明內(nèi)容

基于此，有必要提供一種對(duì)性能消耗較低的地址模糊匹配方法、系統(tǒng)及計(jì)算機(jī)設(shè)備，以解決現(xiàn)有技術(shù)中進(jìn)行大規(guī)模地址模糊匹配時(shí)，調(diào)用模糊匹配的次數(shù)較多，導(dǎo)致性能消耗非常大的技術(shù)問題。

本發(fā)明實(shí)施例一方面提供一種地址模糊匹配方法，包括如下步驟：

S1、獲取待匹配的地址數(shù)據(jù)集，并對(duì)所述地址數(shù)據(jù)集進(jìn)行預(yù)處理；

S2、結(jié)合行政區(qū)劃分將所述地址數(shù)據(jù)集分為多組地址數(shù)據(jù)子集；

S3、對(duì)第一組所述地址數(shù)據(jù)子集進(jìn)行K-means聚類匹配得到多個(gè)地址簇；

S4、結(jié)合多個(gè)地址簇得到候選地址集，判斷當(dāng)前候選地址集是否為空，如果為空，則對(duì)下一組地址數(shù)據(jù)子集進(jìn)行K-means聚類匹配得到多個(gè)地址簇，然后轉(zhuǎn)S5，如果不為空，則將下一組地址數(shù)據(jù)子集與所述候選地址集進(jìn)行兩兩匹配，將下一組地址數(shù)據(jù)子集中各地址數(shù)據(jù)歸入相應(yīng)的地址簇中，得到更新后的地址簇，然后轉(zhuǎn)S5；

S5、對(duì)連續(xù)兩組地址數(shù)據(jù)子集的匹配結(jié)果進(jìn)行合并，判斷是否所有地址數(shù)據(jù)子集均匹配完畢，如果是，則輸出多個(gè)地址簇，得到地址匹配結(jié)果，如果否，則轉(zhuǎn)S4。

作為上述實(shí)施例的進(jìn)一步改進(jìn)，結(jié)合行政區(qū)劃分將所述地址數(shù)據(jù)集中地址數(shù)據(jù)分為多組地址數(shù)據(jù)子集，具體為：

對(duì)所述地址數(shù)據(jù)集中地址數(shù)據(jù)進(jìn)行各級(jí)行政區(qū)的標(biāo)準(zhǔn)化補(bǔ)全；

針對(duì)不同區(qū)域設(shè)定不同的地址描述規(guī)則，按所述地址描述規(guī)則對(duì)標(biāo)準(zhǔn)化補(bǔ)全后的地址數(shù)據(jù)進(jìn)行地址切割，得到多個(gè)層級(jí)的地址要素；

按各級(jí)行政區(qū)對(duì)應(yīng)的地址要素對(duì)所述地址數(shù)據(jù)集中地址數(shù)據(jù)進(jìn)行分組，得到多組所述地址數(shù)據(jù)子集。

作為上述實(shí)施例的進(jìn)一步改進(jìn)，對(duì)所述地址數(shù)據(jù)集中地址數(shù)據(jù)進(jìn)行各級(jí)行政區(qū)的標(biāo)準(zhǔn)化補(bǔ)全，具體為：按從高到低的順序?qū)λ龅刂窋?shù)據(jù)中各級(jí)行政區(qū)進(jìn)行標(biāo)準(zhǔn)化補(bǔ)全；