申请/专利权人:谊风信息技术(重庆)有限公司
申请日:2023-12-20
公开(公告)日:2024-02-27
公开(公告)号:CN117610560A
主分类号:G06F40/289
分类号:G06F40/289;G06F40/216;G06F16/33;G06F16/338
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.15#实质审查的生效;2024.02.27#公开
摘要:本发明请求保护一种中文地址的行政区划补齐及标准化方法,属于地址标准化信息处理技术领域。其包括以下步骤:输入待划分中文地址文本内容;根据中文中常见停用词在内明显的分隔符对输入的初始文本数据集进行粗切分得到一个短字符串集;对输入的中文地址文本进行分词;然后利用基于词典的逆向最大匹配算法,遍历短字符串集,将和词典中匹配的词语加入到分词结果,将短字符串集切分成多个散串及散词;然后采用词频‑逆文档TF‑IDF算法对得到的候选分词词串集语料进行训练,并获取每个词的TF‑IDF值作为该词TF‑IDF权重;最后对得到的TF‑IDF权重进行排序,与本地数据库进行对比,并输出排序后的省市区结果。本发明可以解决提高系统运作效率,不会出现识别错误的情况。
主权项:1.一种中文地址的行政区划补齐及标准化方法,其特征在于,包括以下步骤:输入待划分中文地址文本内容;根据中文中常见停用词在内明显的分隔符对输入的初始文本数据集进行粗切分得到一个短字符串集;对输入的中文地址文本进行分词;然后利用基于词典的逆向最大匹配算法,遍历短字符串集,将和词典中匹配的词语加入到分词结果,将短字符串集切分成多个散串及散词,通过分析采用的中文地址领域专有词的构词规则,将这些散词散串进行合并提取,放入到候选分词词串集;然后采用词频-逆文档TF-IDF算法对得到的候选分词词串集语料进行训练,并获取每个词的TF-IDF值作为该词TF-IDF权重;TF是词频,IDF是逆文本频率指数;最后对得到的TF-IDF权重进行排序,与本地数据库进行对比,并输出排序后的省市区结果。
全文数据:
权利要求:
百度查询: 谊风信息技术(重庆)有限公司 一种中文地址的行政区划补齐及标准化方法、系统及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。