[發明專利]一種地址要素解析方法和系統

在審

• 申請號: 202211034540.2
• 申請日: 2022-08-26
• 公開（公告）號: CN115481635A
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 鄭鴻敏;張劍;潘曉衡
• 申請（專利權）人: 東莞理工學院
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F16/35;G06F16/951
• 代理公司: 東莞恒成知識產權代理事務所(普通合伙) 44412
• 代理人: 姚偉旗

1.一種地址要素解析方法，其特征在于，所述地址要素解析方法包括：

S1、訓練模型，訓練出地址信息要素抽取模型；

S2、對用戶輸入的地址信息進行命名實體識別，用訓練好的模型提取所需信息元，即，地址信息要素標簽；

S3、儲存所提取出的地址信息要素標簽；

S4、將地址信息要素標簽以結構化的方式呈現給用戶。

2.根據權利要求1所述的地址要素解析方法，其特征在于，所述S1的訓練模型步驟具體包括：

S11、通過網絡爬蟲技術爬取數據，并存儲到第一數據庫中；

S12、對第一數據庫中的數據集進行預處理；

S13、通過特征提取層提取文本特征，得到序列的特征表征；

S14、通過最優化輸出層得到最優模型參數，保存最終的地址信息要素抽取模型。

3.根據權利要求1所述的地址要素解析方法，其特征在于，所述S2具體包括：

S21、將用戶輸入地址中的每一個詞，構建一個向量用于表示詞的意思以及特征，將由詞轉化而成的詞向量通過編碼被計算機所識別和處理；

S22、依據用戶地址的詞向量，通過模型預測出NER標注序列，解碼并輸出每個字的序列，即得到信息要素。

4.根據權利要求2或3所述的地址要素解析方法，其特征在于，所述S12的預處理步驟包括：

S121、對數據集進行劃分，其中一部分用來訓練，另一部分用來檢驗模型效果；

S122、處理地址信息要素標簽，構建一個包含所有地址信息要素標簽的id表，將地址元素地址信息要素標簽轉化為跟文本一樣大小的k維地址信息要素標簽映射序列；

S123、對劃分后的地址數據集進行詞向量化，得到該地址的詞向量序列，作為模型的輸入。

5.根據權利要求4所述的地址要素解析方法，其特征在于，所述S13步驟包括：

將詞向量序列(x1，x2，...，xn)作為特征提取層各個時間步的輸入，再將正向LSTM輸出的隱狀態序列(h1→，h2→，...，hn→)與反向LSTM輸出的隱狀態序列(h1←，h2←，...，hn←)在各個位置輸出的隱狀態進行按位置拼接ht＝[ht→；ht←]∈Rm，得到完整的隱狀態序列(h1，h2，...，hn)∈Rn×m；

利用線性關系將隱狀態向量從m維映射到k維，k是標注集的地址信息要素標簽數，從而得到自動提取的句子特征，記作矩陣P＝(p1，p2，...，pn)∈Rn×k，其中，pi的每一維pij都視作將字i分類到第j個地址信息要素標簽的打分值，即這個字對于每個地址信息要素標簽的概率值；

特征提取層的輸出即為得到的評分矩陣P。

6.根據權利要求5所述的地址要素解析方法，其特征在于，所述S14步驟中：

以(k+2)×(k+2)的轉移矩陣A作為最優化輸出層的參數，其中，Aij表示為從第i個地址信息要素標簽到第j個地址信息要素標簽的轉移得分；

整個序列的打分等于各個位置的打分之和，每個位置的打分由矩陣P和矩陣A決定；

具體為：

記一個長度等于句子長度的地址信息要素標簽序列y＝(y1，y2，...，yn)，則句子x的地址信息要素標簽等于y的得分為：

句子x的地址信息要素標簽等于y的得分隨著訓練的迭代次數的增加，更新轉移矩陣的參數值，得到模型參數，保存最終的地址要素抽取模型。

7.根據權利要求6所述的地址要素解析方法，其特征在于，所述S22步驟還包括：

通過用戶地址的向量序列，根據轉移矩陣的參數進行維特比解碼，得到預測序列標注值，輸出每個字對應的地址信息要素標簽。