[發明專利]基于重復度權重的地址匹配方法及裝置

在審

• 申請號: 202211353271.6
• 申請日: 2022-11-01
• 公開（公告）號: CN115905464A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 陸啟衡;侯方杰;陶闖
• 申請（專利權）人: 上海維智卓新信息科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/30;G06Q50/30
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 江銀會

1.一種基于重復度權重的地址匹配方法，其特征在于，所述方法包括：

對待匹配地址進行向量化處理，得到對應的地址向量；

將所述地址向量與預設的地址數據庫中多個候選地址對應的候選地址向量進行相似度計算，得到所述待匹配地址與任一所述候選地址之間的權重向量相似度；所述權重向量相似度包括所述地址向量與所述候選地址向量之間的相似度與重復度權重的乘積；所述重復度權重與對應的所述地址向量或所述候選地址向量的同一數據外觀可能同時指向的不同實體對象的對象數量成反比；

根據所述權重向量相似度，從所述多個候選地址中篩選出所述待匹配地址對應的目標地址。

2.根據權利要求1所述的基于重復度權重的地址匹配方法，其特征在于，所述重復度權重包括層級重復度權重和/或場景重復度權重；所述層級重復度權重與所述地址向量或所述候選地址向量中的部分或全部向量所屬的地址層級的同一數據外觀可能同時指向的不同實體對象的對象數量成反比；所述場景重復度權重與所述待匹配地址或所述候選地址中的部分或全部地址所屬的場景類型的同一數據外觀可能同時指向的不同實體對象的對象數量成反比；所述數據外觀包括數據名稱、數據向量、數據標識和數據可視化圖案中的至少一種。

3.根據權利要求1所述的基于重復度權重的地址匹配方法，其特征在于，所述地址向量包括所述待匹配地址對應的多個地址層級對應的多個地址片段向量；所述候選地址向量包括所述候選地址對應的多個地址層級對應的多個候選地址片段向量；

以及，所述對待匹配地址進行向量化處理，得到對應的地址向量，包括：

對待匹配地址進行拆分，以得到多個地址層級對應的待匹配地址片段；

對所述待匹配地址片段進行向量化處理，得到對應的地址片段向量。

4.根據權利要求3所述的基于重復度權重的地址匹配方法，其特征在于，所述將所述地址向量與預設的地址數據庫中多個候選地址對應的候選地址向量進行相似度計算，得到所述待匹配地址與任一所述候選地址之間的權重向量相似度，包括：

對于預設的地址數據庫中多個候選地址中的任一所述候選地址，獲取該候選地址對應的多個地址層級的候選地址片段的候選地址片段向量；

計算所述待匹配地址對應的任一所述地址片段向量與同一所述地址層級的所述候選地址片段向量之間的加權向量相似度；所述加權相似度為所述地址片段向量與同一層級的所述候選地址片段向量之間的相似度與所述重復度權重的乘積

計算所述待匹配地址對應的至少兩個所述地址片段向量對應的所述加權向量相似度的和，得到所述待匹配地址與該候選地址之間的權重向量相似度。

5.根據權利要求2所述的基于重復度權重的地址匹配方法，其特征在于，所述相似度包括余弦距離和/或歐式距離；和/或，所述層級重復度權重與所述地址向量或所述候選地址向量中的部分或全部向量所屬的地址層級在所有地址層級中的層級細化程度成反比；和/或，所述場景類型包括隨意性命名場景和非隨意性命名場景；其中，所述隨意性命名場景對應的所述場景重復度權重低于所述非隨意性命名場景對應的所述場景重復度權重。

6.根據權利要求2所述的基于重復度權重的地址匹配方法，其特征在于，任一所述地址層級對應的所述層級重復度權重可以通過以下步驟計算得到：

對于任一所述地址層級，獲取該地址層級對應的多個地址片段信息；

根據每一所述地址片段信息對應的實體地址對象，篩選出該地址層級對應的多個重復片段集合；每一所述重復片段集合中包括有多個所述數據外觀相同但對應于不同實體地址對象的所述地址片段信息；

根據所有所述重復片段集合中包括的所述地址片段信息的數量，確定該地址層級對應的所述層級重復度權重；

以及，所述根據所有所述重復片段集合中包括的所述地址片段信息的數量，確定該地址層級對應的所述層級重復度權重，包括：

計算所有所述重復片段集合中包括的所述地址片段信息的數量的統計值；所述統計值包括總和值、平均值和加權平均值中的至少一種；

根據所述統計值，確定該地址層級對應的所述層級重復度權重；所述層級重復度權重與所述統計值成反比。