[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

本發明涉及地址信息處理技術領域，且公開了一種地址要素解析方法和系統，其中一種地址要素解析方法，包括：S1、訓練得到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。該地址要素解析方法，通過引入特征提取器BILSTM和條件隨機場CRF，充分考慮到了地址要素上下文之間的相關性，讓地址要素提取模型基于文本上下關系，且能夠自動學習相關約束，從而增強了特征表達，提高了地址要素解析的效果。

技術領域

本發明涉及地址信息處理技術領域，具體為一種地址要素解析方法和系統。

背景技術

地址是日常生活中一種重要的文本信息，生活中諸多場景需要登記地址，如電商購物、外賣配送、人口普查、水電氣開戶等。面對海量的地址數據，如何準確提取地址要素，成為了中文地址處理的核心任務。面對這一挑戰，人們提出了地址要素解析技術，借助智能化地址要素解析技術得到準確的地址信息要素。

地址文本相關性任務在現實世界中存在著廣泛的應用場景，如：基于地理信息搜索的地理位置服務、對于突發事件位置信息的快速搜索定位、不同地址信息系統的對齊等；而地址要素解析是將地址文本拆分成獨立語義的要素，并對這些要素進行類型識別的過程。目前，針對地址文本內容要素的拆分，主要利用命名實體識別的方式處理地址數據。

傳統地址解析系統多基于詞典匹配來提高準確度，然而，由于我國的地址系統復雜，地址信息種類繁多，用詞典全部攬括需要相當大的人力，所以一般的識別系統基于大量的已知數據，只能細分到區或者街道。

在實際應用中，地址文本存在寫法自由、缺省別名多、地域性強等特點，對地址的解析、歸一和匹配等都造成困難，具體表現有，對于同一個地址存在多種寫法，沒有給定的改寫詞表、不同地市地址規范不一且存在省市區等限制條件；對于現有的很多模型來說，當地址出現缺省以及口語化等不規范表述時，容易導致要素提取錯誤。

發明內容

本發明提供了一種地址要素解析方法和系統，將命名實體識別模型應用到地址解析領域；通過提取地址信息的特征，通過上下文之間的約束，對地址要素進行預測，從而達到解析地址的效果，促進解決了上述背景技術中所提到的問題。

本發明提供如下技術方案：一種地址要素解析方法，所述地址要素解析方法包括：

S1、訓練模型，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。

作為本發明所述地址要素解析方法的一種可選方案，其中：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。

作為本發明所述地址要素解析方法的一種可選方案，其中：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。