申请/专利权人：新智认知数据服务有限公司

申请日：2020-11-26

公开（公告）日：2024-05-17

公开（公告）号：CN112417812B

主分类号：G06F40/103

分类号：G06F40/103;G06F40/151;G06F16/33;G06F16/31

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2021.03.16#实质审查的生效;2021.02.26#公开

摘要：一种地址标准化方法、系统及电子设备，本发明将待标准化地址字符串转为拼音字符组，与纠错词集合匹配，得到相应的中文词集合，在关键词集合中查询中文词集合中的各中文词，形成关键中文词集合，中文词数量记为size_cn_keys，对关键中文词集合中的每个中文词进行召回操作，形成第一集合，统计第一集合中的每个标准地址字符串包含中文词集合中不重复中文词的数量size_in，将满足size_insize_cn_keys≧阈值的相应标准地址字符串加入第二集合，若第二集合中size_insize_cn_keys的最大值的标准地址字符串只有一条且该最大值为1时，则该标准地址字符串即为待标准化的地址字符串的标准地址，否则，通过相似度匹配，得到待标准化的地址字符串的标准地址。本发明可以准确并且快速地实现地址标准化。

主权项：1.一种地址标准化方法，其特征在于，包括：S101、根据预先收集的标准地址字符串集合，构建专业词集合；S102、构建纠错词集合：对所述专业词集合中的每个中文词进行拼音化，建立拼音字符组与中文词的对应关系；S103、将所述专业词集合的停用词删除，形成关键词集合；S104、根据所述关键词集合构建倒排索引，所述倒排索引的存储格式为key和value，所述key为所述关键词集合的词，所述value为所述标准地址集合中包含key的标准地址字符串以及对该标准地址字符串进行2-gram分解后的数组；S105、构建2-gram语言模型：对所述标准地址字符串集合中的各标准地址字符串进行2-gram分解，计算各分解词的词频；S106、接收待标准化的地址字符串；S107、将所述待标准化的地址字符串转换为拼音字符组；S108、将所述拼音字符组与所述纠错词集合进行匹配，得到相应的中文词集合；S109、在所述关键词集合中查询所述中文词集合中的各中文词，保留查询到的中文词，形成关键中文词集合，该集合中中文词的数量记为size_cn_keys；S110、对所述关键中文词集合中的每个中文词进行召回操作：将每个中文词与所述倒排索引的key进行匹配，取出对应的value，取出的各value中的标准地址字符串形成第一集合；S111、统计所述第一集合中的每个标准地址字符串包含所述中文词集合中不重复中文词的数量，记为size_in；S112、将满足size_insize_cn_keys≧阈值的相应标准地址字符串加入第二集合，若所述第二集合中size_insize_cn_keys的最大值的标准地址字符串只有一条且该最大值为1时，则所述标准地址字符串即为待标准化的地址字符串的标准地址，否则，执行步骤S113，0.5阈值1；S113、通过相似度匹配，得到所述待标准化的地址字符串的标准地址：对所述中文词集合中的中文词进行拼接，得到多个拼接字符串；根据所述2-gram语言模型中各分解词的词频，计算所述多个拼接字符串的频率，将频率最高的拼接字符串作为所述待标准化的地址字符串的等价地址字符串；将所述等价地址字符串与所述第一集合中的标准地址字符串进行相似度匹配，匹配度最高的标准地址字符串即为待标准化的地址字符串的标准地址。

全文数据：

权利要求：

百度查询： 新智认知数据服务有限公司 地址标准化方法、系统及电子设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD