[發明專利]地址模糊匹配方法及裝置

有效

• 申請號: 202010541244.6
• 申請日: 2020-06-15
• 公開（公告）號: CN111737315B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 徐琳玲;張瑩;厲林晨;高峰
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/29
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王濤;湯在彥

本申請實施例提供一種地址模糊匹配方法及裝置，方法包括：分別獲取標準數據塊中各個目標用戶各自對應的多個虛擬記錄對，各個標準數據塊分別用于存儲前三層相同的標準地址表，各個虛擬記錄對分別用于存儲各自對應的用戶唯一標識與對應的虛擬地址，虛擬地址預先基于位于對應的標準地址表的第四層或大于第四層的層級中的詳細地址信息獲取；應用各個虛擬記錄對生成目標有向圖；在目標有向圖中進行兩次傳遞方向相反的消息傳遞，得到存在相似性的各個虛擬記錄對之間的地址相似度。本申請能夠有效提高用戶地址模糊匹配的效率，并能夠有效降低用戶地址模糊匹配的計算量，進而能夠有效提高企業獲取存在高地址相似度的用戶的效率。

技術領域

本申請涉及數據處理技術領域，具體涉及地址模糊匹配方法及裝置。

背景技術

隨著大數據技術的發展，對用戶間社會關系的分析已成為各個企業或機構等進行用戶數據分析的常用技術甚至必備手段，如：銀行機構在識別信用卡欺詐團伙時：同一欺詐團伙往往申請一批信用卡來套取資金，這些信用卡往往使用相同的卡片郵寄地址、公司地址等，通過建立信用卡申請客戶間在地理位置信息上的關系，對于識別信用卡團伙欺詐有著重要意義。

在各個企業或機構構建其用戶的社會關系的過程中，地址關系的建立至關重要，然而，對于大型銀行來說，其所有用戶地址的兩兩匹配往往面臨以下耗時漫長難以滿足應用性能的困難。原因如下：

1、匹配次數多：

假如銀行每日出現100萬個新地址信息(這些地址信息可來自于客戶的交易地址、申請信用卡填寫的公司地址\居住地址等)，如果逐條匹配：即對每個客戶均掃描一遍其余客戶地址數據來得到其余所有客戶的地址相似度，則需要匹配(1*106)！次，如果串行執行耗時過長難以滿足銀行數據分析的及時性要求。

2、匹配算法復雜：

上海市浦東新區XX路XX號與上海浦東XX路XX號是一個地址，如果采用精確匹配則不能正確反映其關系。因此，傳統上往往采用各類模糊匹配算法來進行地址的模糊匹配，這些算法有時十分復雜，這樣就更加劇了地址匹配的性能瓶頸。

發明內容

針對現有技術中的問題，本申請提供一種地址模糊匹配方法及裝置，能夠有效提高用戶地址模糊匹配的效率，并能夠有效降低用戶地址模糊匹配的計算量，進而能夠有效提高企業獲取存在高地址相似度的用戶的效率。

為解決上述技術問題，本申請提供以下技術方案：

第一方面，本申請提供一種地址模糊匹配方法，包括：

分別獲取標準數據塊中各個目標用戶各自對應的多個虛擬記錄對，其中，各個所述標準數據塊分別用于存儲前三層相同的標準地址表，各個所述虛擬記錄對分別用于存儲各自對應的用戶唯一標識與對應的虛擬地址，且所述虛擬地址預先基于位于對應的所述標準地址表的第四層或大于第四層的層級中的詳細地址信息獲取；

應用各個所述虛擬記錄對生成目標有向圖，且該目標有向圖中的各個邊的起始節點為所述用戶唯一標識，各個邊的目的節點為對應的所述虛擬地址；

在所述目標有向圖中進行兩次傳遞方向相反的消息傳遞，得到存在相似性的各個所述虛擬記錄對之間的地址相似度。

進一步地，所述分別獲取標準數據塊中各個目標用戶各自對應的多個虛擬記錄對，包括：

分別獲取各個標準數據塊各自對應的多個記錄對，其中，各個所述記錄對分別用于存儲各自對應的用戶唯一標識與對應的詞向量，且該詞向量為位于所述標準地址表的第四層或大于第四層的層級中的詳細地址信息；

將所在層級相同的所述詞向量對應的所述記錄對合并至同一數據集合，并所述數據集合內的詞向量進行聚類，得到至少一個詞向量類；

獲取各個所述詞向量類的中心點向量，并將所述記錄對中的所述詞向量替換為對應的中心點向量，得到各個所述記錄對各自對應的虛擬記錄對。