[發(fā)明專利]一種基于地點(diǎn)POI的大數(shù)據(jù)解析地址文本的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011589770.6
• 申請(qǐng)日: 2020-12-29
• 公開(kāi)（公告）號(hào): CN112732779B
• 公開(kāi)（公告）日: 2022-12-30
• 發(fā)明（設(shè)計(jì)）人: 劉超群
• 申請(qǐng)（專利權(quán)）人: 合肥市智享億云信息科技有限公司
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06F16/29;G06F16/34;G06F16/951;G06F40/205
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明涉及地址文本解析技術(shù)領(lǐng)域，具體為一種基于地點(diǎn)POI的大數(shù)據(jù)解析地址文本的方法，包括如下步驟：S1、城市POI基礎(chǔ)數(shù)據(jù)處理；S2、匹配地址文本解析；S3、數(shù)據(jù)分析及可視化展示。本發(fā)明通過(guò)城市POI基礎(chǔ)數(shù)據(jù)處理加匹配地址文本解析的方法，可實(shí)現(xiàn)對(duì)用戶包裹地址的統(tǒng)計(jì)和分析，并可以精確定位地址文本，實(shí)現(xiàn)對(duì)用戶包裹地址的精確分析統(tǒng)計(jì)，為郵政、物流公司或者電商企業(yè)等提供了有效的用戶分布數(shù)據(jù)及畫像，進(jìn)而可為快遞攬投部選址及人員配備提供決策依據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及地址文本解析技術(shù)領(lǐng)域，具體為一種基于地點(diǎn)POI的大數(shù)據(jù)解析地址文本的方法。

背景技術(shù)

對(duì)于某些用戶量龐大的郵政、物流公司或者電商企業(yè)等，存在大量的用戶包裹地址，往往需要根據(jù)這些地址文本，統(tǒng)計(jì)和分析用戶的分布情況。其中的難點(diǎn)就是如何精確定位這些地址文本。由于這些地址可能來(lái)自于第三方電商平臺(tái)或由于用戶輸入錯(cuò)誤，導(dǎo)致文本數(shù)據(jù)難以解析，這些地址文本的特點(diǎn)是：沒(méi)有固定的格式，包含了隨機(jī)的錯(cuò)字，地點(diǎn)的別名，甚至是不存在的地點(diǎn)。對(duì)這些地址直接使用第三方地圖公司接口解析定位，會(huì)造成大量的偏差，無(wú)法達(dá)到統(tǒng)計(jì)分析的目的，使用其他常規(guī)的方法均難以準(zhǔn)確分析處理。鑒于此，我們提出一種基于地點(diǎn)POI的大數(shù)據(jù)解析地址文本的方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于地點(diǎn)POI的大數(shù)據(jù)解析地址文本的方法，以解決上述背景技術(shù)中提出的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于地點(diǎn)POI的大數(shù)據(jù)解析地址文本的方法，包括如下步驟：

S1、城市POI基礎(chǔ)數(shù)據(jù)處理；

S2、匹配地址文本解析；

S3、數(shù)據(jù)分析及可視化展示。

作為本發(fā)明優(yōu)選的技術(shù)方案，S1中城市POI基礎(chǔ)數(shù)據(jù)處理具體包括如下步驟：

S11：POI數(shù)據(jù)爬取；

S12：POI名稱優(yōu)化；

S13：POI別名自動(dòng)處理；

S14：POI人工調(diào)優(yōu)。

作為本發(fā)明優(yōu)選的技術(shù)方案，S11中POI數(shù)據(jù)爬取的具體操作為：

a.對(duì)百度，高德地圖，以多次、不同范圍的矩形掃描方式爬取地點(diǎn)POI，同時(shí)可繼續(xù)探索其他數(shù)據(jù)獲取方式，包括其他網(wǎng)站，政府統(tǒng)計(jì)數(shù)據(jù)；

b.將爬取的POI數(shù)據(jù)分類存儲(chǔ)到數(shù)據(jù)庫(kù)。

作為本發(fā)明優(yōu)選的技術(shù)方案，S12中POI名稱優(yōu)化的具體操作為：

a.去除明顯無(wú)效及重復(fù)的數(shù)據(jù)；

b.POI名有包含關(guān)系，判斷距離，如小于200米則合并且處理；

c.名稱含“安徽省”、“合肥市”的，優(yōu)化為“省”及“市”；針對(duì)地產(chǎn)類：如有且只有含有“一期”、“一棟”、“A座”，則去除“一期”、“一棟”、“A座”；

d.針對(duì)地產(chǎn)類寫字樓：自動(dòng)合并“A座”、“A棟”并重命名，去掉“B座”、“C座”等。

作為本發(fā)明優(yōu)選的技術(shù)方案，S13中POI別名自動(dòng)處理的具體操作為：

1)針對(duì)地產(chǎn)類：

a.智能提取“-”及“·”中的前綴，如“萬(wàn)科-金色名郡”，提取“萬(wàn)科”并保存到tag_poi；

b.遇到類似“萬(wàn)科-金色名郡”、“萬(wàn)科金色名郡”，智能添加備注“金色名郡”；

2)針對(duì)政府單位類：

a.XX村村民員會(huì)，可簡(jiǎn)稱為XX村委；