[發明專利]一種基于地址編碼和相似計算的地址匹配方法

在審

• 申請號: 202110097553.3
• 申請日: 2021-01-25
• 公開（公告）號: CN112835894A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 金勇;鄧璇
• 申請（專利權）人: 武漢烽火普天信息技術有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/242;G06F16/29;G06F40/242;G06F40/289;G06Q50/26
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 劉寧

本發明涉及信息技術領域，具體為一種基于地址編碼和相似計算的地址匹配方法，包括如下步驟：S1、首先將標準地址庫中已有的“ID?地址要素”的地址編碼進行重構建，構成自定義詞典；S2、基于自定義詞典與新地址庫依賴地對原始標準地址庫進行數據初步過濾篩選；S3、通過地址標準化模塊對數字轉換、數字中文的分開提取與地址層級歸一化處理；S4、地址匹配模塊對提取的中文和數字分別基于WMD算法和最小編輯距離算法對數據進行加權匹配，返回準確度最高的標準地址庫信息。本發明加快了匹配速度。增加了算法的準確度解決了稀疏詞向量導致的內存不夠的問題，也避免了大量無效匹配值的產生。

技術領域

本發明涉及信息技術領域，具體為一種基于地址編碼和相似計算的地址匹配方法。

背景技術

公安行業項目往往涉及到海量的文本挖掘，且由于行業的特殊性，往往需要快速準確地返回結果，這對算法的實時性和準確性提出了一定的要求，而地址匹配就是這樣的一個典型場景。地方市級地址庫往往涉及到數百萬甚至上千萬條地址，在實際的業務場景中，往往需要將不規則的地址信息匹配到標準地址庫從而進行精準的定位以便進行后續專題業務應用。在這種情況下，而傳統的基于字符的的地址匹配方式往往會因為耗時高、匹配度低等問題無法滿足業務需求。

而標準地址庫的構建往往會依賴于地址編碼，通過給特定的地理要素指定唯一的標識碼，使數據庫的構建更加具有規律性。通過這一規律，依賴地址編碼對數據進行有效地初步過濾，能極大減少匹配工作量，從而提升工作效率。

因此一種基于地址編碼與相似計算的地址匹配方法能更快速準確地進行地址匹配，從而推動人工智能在實際業務中的落地情況。

發明內容

本發明的目的在于提供一種基于地址編碼和相似計算的地址匹配方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種基于地址編碼和相似計算的地址匹配方法，包括如下步驟：

S1、首先將標準地址庫中已有的“ID-地址要素”的地址編碼進行重構建，將ID所對應的道路、村委、小區信息利用正則表達式將鎮、村委、村莊不同級別地址分級抽取處理形成新的地址依賴表，并將抽取后的信息構成自定義詞典；

S2、基于自定義詞典與新地址庫依賴地對原始標準地址庫進行數據初步過濾篩選；

S3、通過地址標準化模塊對數字轉換、數字中文的分開提取與地址層級歸一化處理，經過地址標準化模塊后的地址信息會輸入地址匹配模塊進行后續操作；

S4、地址匹配模塊對提取的中文和數字分別基于WMD算法和最小編輯距離算法對數據進行加權匹配，返回準確度最高的標準地址庫信息。

優選的，所述步驟S1中先由預提取模塊對原有標準地址庫進行提取簡化，得到新的地址庫查詢依賴與詞庫依賴。

優選的，所述步驟S3中輸入的地址信息首先經過基于自定義詞庫與新地址庫依賴的預匹配模塊進行預匹配，經過預匹配操作后的地址信息經過標準化模塊對輸入的非標準數據進行數據標準化處理，然后將進行經過標準化的數據輸入地址匹配模塊。

優選的，所述步驟S4中地址匹配模塊對處理后的非標準化的數據進行匹配，輸出地址庫中對應相似度最高的單條地址信息，即為準確度最高的標準地址庫信息。

與現有技術相比，本發明的有益效果是：本發明經過輸入非標準化地址進行測試及業務人員進行結果對比，算法整體準確度較高，過濾掉準確度低于閾值(0.75)與不存在與標準地址庫中的記錄，整體算法的準確度可以達到96％，相比于tf-idf算法，解決了稀疏詞向量導致的內存不夠的問題，也避免了大量無效匹配值的產生。

附圖說明

圖1為本發明基于地址編碼和相似計算的地址匹配流程圖；

圖2為本發明預提取模塊流程圖；