[發(fā)明專利]一種地址匹配方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011442909.4
• 申請(qǐng)日: 2020-12-08
• 公開（公告）號(hào): CN112559658B
• 公開（公告）日: 2022-12-30
• 發(fā)明（設(shè)計(jì)）人: 陳歡歡;范祖寧
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)技術(shù)大學(xué)
• 主分類號(hào): G06F16/29
• 分類號(hào): G06F16/29;G06F40/186
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 李婷婷

本發(fā)明公開了一種地址匹配方法及裝置，應(yīng)用于預(yù)先訓(xùn)練好的地址匹配模型，方法包括：接收待匹配地址；確定待匹配地址的句子向量；采用余弦距離分析方法確定待匹配地址的句子向量與模板地址對(duì)應(yīng)的句子向量的相似度，其中，模板地址屬于地址匹配模型；基于預(yù)設(shè)規(guī)則和預(yù)設(shè)閾值確定待匹配地址與模板地址是否匹配。本實(shí)現(xiàn)方案可以利用一定數(shù)量的地址信息構(gòu)建模型，并對(duì)模型進(jìn)行訓(xùn)練，從而提取地址信息當(dāng)中的特征；和人工構(gòu)建規(guī)則的方式相比，可以更有效的利用數(shù)據(jù)當(dāng)中的信息，從而獲得更高的匹配準(zhǔn)確率；此外，隨著訓(xùn)練數(shù)據(jù)規(guī)模的不斷增加，可以隨時(shí)利用新的地址數(shù)據(jù)對(duì)模型進(jìn)行調(diào)整，使其在實(shí)際應(yīng)用環(huán)境中具有更好的適應(yīng)性和實(shí)用性。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理技術(shù)領(lǐng)域，更具體的說，是涉及一種地址匹配方法及裝置。

背景技術(shù)

當(dāng)前隨著互聯(lián)網(wǎng)應(yīng)用以及地理信息系統(tǒng)的普及，諸如電子地圖和基于位置信息的在線服務(wù)逐漸被廣泛地應(yīng)用。在此基礎(chǔ)上，出現(xiàn)了越來越多的基于地理位置服務(wù)的需求，其中就包括了地址匹配服務(wù)。

地名是特定空間位置上自然或人文地理實(shí)體的名稱，地址是具有地名的自然或人為地理實(shí)體位置的結(jié)構(gòu)化描述，地名地址是表達(dá)一個(gè)專業(yè)或社會(huì)經(jīng)濟(jì)信息與地理空間信息進(jìn)行掛接的橋梁。地名地址數(shù)據(jù)廣泛存在于政務(wù)數(shù)據(jù)、社會(huì)數(shù)據(jù)中，蘊(yùn)藏著巨大的價(jià)值。地址匹配的作用就在于將這些數(shù)據(jù)成功挖掘出來，構(gòu)建地址信息的數(shù)據(jù)庫(kù)，從而為地址信息的實(shí)際應(yīng)用帶來方便。

當(dāng)前主要的地址匹配的方法主要是基于規(guī)則的方法，如人工構(gòu)建的規(guī)則、采用正則表達(dá)式等方法。這些方法可以在一定程度上解決地址匹配的問題，但基于規(guī)則的方法需要人工構(gòu)建規(guī)則，而人工構(gòu)建的規(guī)則常常不能覆蓋數(shù)據(jù)當(dāng)中的大多數(shù)模式。因此，基于規(guī)則的方法很難覆蓋到測(cè)試場(chǎng)景當(dāng)中的新地址，從而很難獲得較高的準(zhǔn)確率。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供如下技術(shù)方案：

一種地址匹配方法，應(yīng)用于預(yù)先訓(xùn)練好的地址匹配模型，方法包括：

接收待匹配地址；

確定所述待匹配地址的句子向量；

采用余弦距離分析方法確定所述待匹配地址的句子向量與模板地址對(duì)應(yīng)的句子向量的相似度，其中，所述模板地址屬于所述地址匹配模型；

基于預(yù)設(shè)規(guī)則和預(yù)設(shè)閾值確定所述待匹配地址與所述模板地址是否匹配。

可選的，所述地址匹配模型的訓(xùn)練過程包括：

對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行關(guān)鍵詞提取劃分，得到關(guān)鍵詞劃分?jǐn)?shù)據(jù)，所述訓(xùn)練數(shù)據(jù)為模板地址，所述關(guān)鍵詞為表征行政區(qū)域的詞匯；

基于所述關(guān)鍵詞劃分?jǐn)?shù)據(jù)構(gòu)建地址匹配模型。

可選的，所述基于所述關(guān)鍵詞劃分?jǐn)?shù)據(jù)構(gòu)建地址匹配模型，包括：

對(duì)所述模板地址的關(guān)鍵詞劃分?jǐn)?shù)據(jù)進(jìn)行分詞處理，得到詞語集合；

基于所述詞語集合訓(xùn)練得到對(duì)應(yīng)的詞向量集合；

采用TF-IDF模型對(duì)所述詞向量集合中包含的詞向量進(jìn)行加權(quán)平均，得到所述關(guān)鍵詞劃分?jǐn)?shù)據(jù)的句子向量。

可選的，所述確定所述待匹配地址的句子向量的過程，與所述地址匹配模型的訓(xùn)練過程中確定所述模板地址的句子向量的過程相同。

可選的，所述對(duì)所述模板地址的關(guān)鍵詞劃分?jǐn)?shù)據(jù)進(jìn)行分詞處理，得到詞語集合，包括：

采用基于詞典的分詞算法或基于統(tǒng)計(jì)學(xué)習(xí)的分詞算法對(duì)所述模板地址的關(guān)鍵詞劃分?jǐn)?shù)據(jù)。

可選的，所述基于所述詞語集合訓(xùn)練得到對(duì)應(yīng)的詞向量集合，包括：

基于所述詞語集合，采用CBOW模型或Skip-Gram模型訓(xùn)練得到對(duì)應(yīng)的詞向量集合。