CN109446207A - 一种标准地址数据库更新方法和地址匹配方法 - Google Patents

Abstract

本发明公开了一种标准地址数据库更新方法，包括以下步骤：获取步骤：获取地址匹配过程中产生的匹配日志；数据分析步骤：对匹配日志中的数据进行分析以更新地址数据信息，所述地址数据信息包括各地址数据之间的关系和地址名称信息；数据库更新步骤：将更新后的地址数据信息写入标准地址数据库。本发明还提供了一种地址匹配方法及计算机可读存储介质。本发明的标准地址数据库更新方法通过深度挖掘匹配过程中产生的日志数据，从而提升对数据的敏感度，进而检测到当某个地址的信息发生改变的时候，可以即是检测得到并对标准地址数据库进行更新，大大提升匹配准确率。

Description

一种标准地址数据库更新方法和地址匹配方法

技术领域

本发明涉及一种地图导航技术领域，尤其涉及一种标准地址数据库更新方法和地址匹配方法。

背景技术

目前，地址匹配是将文字性的描述地址与其空间的地理位置坐标建立起对应关系的过程。地址匹配引擎是以城市统一的基础地理信息为基础，以标准地名地址库为核心，实现“三域”标识信息在空间数据立方体模型上定位寻址，帮助用户将各类业务信息融合集成为时空专题信息。传统的地址匹配服务按照特定的步骤为地址查找匹配对象，首先要将地址标准化；然后与已建立的标准地址库匹配参考数据，查找潜在的位置；根据与地址的接近程度为每个候选位置指定分值，最后用分值最高的来匹配这个地址。

标准地址库中的分词库是静态的，需人工更新，而地址匹配引擎需要依赖于分词库，分词库的准确性和丰富程度极大地影响了匹配的精度。当标准地址库发生改变时，无法实时对标准库进行丰富和修正，导致匹配存在错误；由于城市发展的日新月异，区域合并或拆分的情况普遍存在。针对不同城市、不同环境的地名地址匹配无法动态调整各个分词的匹配权重，导致匹配准确率低。并且准确率低，并且会随着时间逐渐降低，匹配结果多样且不符合用户期望。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种标准地址数据库更新方法，其能解决对标准地址数据库中存储内容进行不断更新的技术问题。

本发明的目的之二在于提供一种计算机可读存储介质，其能解决对标准地址数据库中存储内容进行不断更新的技术问题。

本发明的目的之三在于提供一种地址匹配方法，其能解决数据匹配的技术问题。

本发明的目的之四在于提供一种计算机可读存储介质，其能解决数据匹配的技术问题。

本发明的目的之一采用如下技术方案实现：

一种标准地址数据库更新方法，包括以下步骤：

获取步骤：获取地址匹配过程中产生的匹配日志；

数据分析步骤：对匹配日志中的数据进行分析以更新地址数据信息，所述地址数据信息包括各地址数据之间的关系和地址名称信息；

数据库更新步骤：将更新后的地址数据信息写入标准地址数据库。

进一步地，所述数据分析步骤具体包括以下步骤：

提取匹配日志中的道路信息和行政区域信息；

分析道路信息和行政区域信息之间的关系并判断道路信息和行政信息是否存在变更，如果是，则根据变更后的道路信息和行政信息以更新地址数据信息。

进一步地，所述数据分析步骤具体包括以下步骤：

对匹配日志中的数据进行分析，判断出现与地址名称信息不同的待匹配地址出现的次数是否达到预设值，如果是，则根据待匹配地址来更新地址名称信息。

本发明的目的之二采用如下技术方案实现：

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明目的之一中任意一项所述的标准地址数据库更新方法。

本发明的目的之三采用如下技术方案实现：

一种地址匹配方法，包括以下步骤：

获取步骤：获取待匹配地址数据；

判断步骤：判断获取到的待匹配地址数据的属性特征，如果待匹配地址数据为地名地址数据则执行正向匹配步骤，如果待匹配地址数据为坐标地址数据则执行逆向匹配步骤；

正向匹配步骤：根据地名地址数据与标准地址数据库匹配以生成带有空间信息的业务数据。

逆向匹配步骤：根据坐标地址数据与标准地址数据库匹配以生成带有空间信息的业务数据。

进一步地，所述正向匹配步骤具体包括以下子步骤：

预处理步骤：对地名地址数据进行预处理，所述预处理包括繁体简体转换、半角全角转换、大小写转换、汉字和数字转化以及地名别名转化中的一种或多种；

分词步骤：对地名地址数据进行分词处理以得地址分词；

筛选步骤：对地址分词以及标准地址数据库进行筛选以得地址数据集；

匹配步骤：根据地址数据集和标准地址数据库进行匹配计算以得匹配率最高的地址数据，并根据匹配率最高的地址数据生成带有空间信息的业务数据。

进一步地，所述匹配步骤具体包括以下子步骤：

通过向量空间模型计算地址数据集中的各地址要素与标准地址数据库中的地址要素的匹配率；

得到匹配率最高的地址数据，并根据匹配率最高的地址数据生成带有空间信息的业务数据。

进一步地，在匹配步骤之前还包括权重配置步骤，所述权重配置步骤包括如下步骤：

进行初始化权重配置；

根据地址分词判断自动调整匹配权重；

判断动态权重调整是否陷入局部最优，若未陷入局部最优，则进行下一步处理，若已陷入局部最优，则在现有权重上增加干扰因子，再进行下一步处理。

进一步地，所述逆向匹配步骤具体包括以下子步骤：

对坐标地址数据通过二分法定位最近的横坐标或纵坐标；

向横坐标或纵坐标两侧搜索以得地址数据；

根据筛选出的地址数据与待匹配的点进行距离计算筛选出最近的点。

本发明的目的之四采用如下技术方案实现：

一种计算机可读存储介质，其上存储有计算机程序所述计算机程序被处理器执行时实现如本发明目的之三中任意一项所述的地址匹配方法。

相比现有技术，本发明的有益效果在于：

本发明的标准地址数据库更新方法通过深度挖掘匹配过程中产生的日志数据，从而提升对数据的敏感度，进而检测到当某个地址的信息发生改变的时候，可以即是检测得到并对标准地址数据库进行更新，大大提升匹配准确率。

附图说明

图1为实施例一的标准地址数据库更新方法的流程图；

图2为实施例三的地址匹配方法的流程图；

图3为实施例三的地址匹配方法的整体流程图；

图4为实施例三的地址匹配方法的正向匹配的流程图；

图5为实施例三的地址匹配方法的正向匹配的整体流程图；

图6为实施例三的正向匹配中的匹配步骤的流程图；

图7为实施例三的正向匹配过程中匹配率的计算流程图；

图8为实施例三的地址匹配方法的逆向匹配的整体流程图；

图9为实施例三的逆向匹配中经纬度匹配流程图；

图10为实施例三的逆向匹配中平面坐标匹配流程图；

图11为实施例三中权重动态配置的流程图；

图12为实施例三中的正向匹配的具体示例图；

图13为实施例三中的逆向匹配的具体示例图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

实施例一：

现有的标准地址库中的分词库是静态的，需人工更新，而地址匹配引擎需要依赖于分词库，分词库的准确性和丰富程度极大地影响了匹配的精度。当标准地址库发生改变时，无法实时对标准库进行丰富和修正，导致匹配存在错误；由于城市发展的日新月异，区域合并或拆分的情况普遍存在。针对不同城市、不同环境的地名地址匹配无法动态调整各个分词的匹配权重，导致匹配准确率低。准确率低，并且会随着时间逐渐降低，匹配结果多样且不符合用户期望。针对于此，提出下述方案。

如图1所示，本实施例提供了一种标准地址数据库更新方法，包括以下步骤：

S101：获取地址匹配过程中产生的匹配日志；在地名地址匹配的过程中，会根据匹配过程及用户行为自动生成匹配过程日志；由于在地址匹配的过程中会产生大量的搜索日志，故而为数据挖掘提供了一个比较优异的数据基础，因为用户在使用过程中会有不同的习惯，并且各个地址以及区域会随着时间的改变而进行名称的更迭，因此，如果从一而终采用同一套数据库则会使得匹配的准确度大大下降，但是通过人为去修改就很需要耗费精力。通过长期的实践与摸索，研发出了本申请的数据挖掘方案，其不是基于人为的去收集信息，而是通过挖掘日志数据从而获取信息从而使得整个数据的获取更加的智能化，获得的数据也更为的准确。

S102：对匹配日志中的数据进行分析以更新地址数据信息，所述地址数据信息包括各地址数据之间的关系和地址名称信息；进行数据分析的时候可以采用多种方式，在本实施例中列举以下几种方式来进行，但是也不限于下述几种方式。

第一种：提取匹配日志中的道路信息和行政区域信息；分析道路信息和行政区域信息之间的关系并判断道路信息和行政信息是否存在变更，如果是，则根据变更后的道路信息和行政信息以更新地址数据信息；分析大量道路名称相同但行政区域名称不同的地址数据，推测该行政区域可能存在变更，进一步通过空间关系判断行政区域的拓扑关系，确定其为变更的行政区域，将分析结果写入分词关系表。由于政府工作过程中，出于对地区的发展规划，会对不同的地区进行区域划分，比如将本来属于广州从化区的部分区域划分到广州白云区，如果没有信息没有及时更新，进行检索的时候，可能会出现检索不到的情况；因此，这种数据挖掘方式适用于这样的情况。

第二种：对匹配日志中的数据进行分析，判断出现与地址名称信息不同的待匹配地址出现的次数是否达到预设值，如果是，则根据待匹配地址来更新地址名称信息。比如当某个区域更换名称的时候，比如越秀更换为荔湾，这样如果用户采用新的名称的时候，则没办法去进行检索；但是由于检索的时候其会采用“越秀区某路某小区多少号”这样的信息从而为我们提供了数据挖掘的可能。并且当新出现的检索数据较多的时候，则将新的关系链写入标准地址数据库中。

第三种是：基于用户行为手动编辑地址行为分析，修正待匹配地址与标准地址的关联关系，确保下一次用户再次用相同的地址匹配时，可以得出更准确的匹配结果。除了上述方式外，还有其他的数据更新方式，其最主要的是为了更新地址库中的各个分词之间的关系链以及各个分词的名称等信息。

S103：将更新后的地址数据信息写入标准地址数据库。本实施例的方案在现有分词库基础上，通过日志分析挖掘，自动丰富和完善分词库，分析不同分词之间的相关关系，建立分词关系表，从而完成标准地址数据库的自更新，大大提高了数据检索的效率。

实施例二：

实施例二公开了一种计算机可读存储介质，该存储介质用于存储程序，并且该程序被处理器执行时，实现实施例一的标准地址数据库更新方法。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

值得注意的是，上述基于内容更新通知装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

实施例三：

如图2和图3所示，本实施例提供了一种地址匹配方法，包括以下步骤：

S201：获取待匹配地址数据；在进行地址匹配的时候需要用户输入对应的待匹配地址数据，这里的待匹配地址数据有两种形式一种是地名地址数据，比如广州市天河区体育东路123号；一种是坐标地址数据，比如经纬度信息或者平面坐标信息；

S202：判断获取到的待匹配地址数据的属性特征，如果待匹配地址数据为地名地址数据则执行S203，如果待匹配地址数据为坐标地址数据则执行S204；

S203：根据地名地址数据与标准地址数据库匹配以生成带有空间信息的业务数据；如图4、图5和图12所示，所述正向匹配步骤具体包括以下子步骤：

预处理步骤：对地名地址数据进行预处理，所述预处理包括繁体简体转换、半角全角转换、大小写转换、汉字和数字转化以及地名别名转化中的一种或多种；并通过地名别名预处理，抗干扰预处理等，进一步提高地址匹配的准确率。

分词步骤：对地名地址数据进行分词处理以得地址分词；将地址信息进行分词处理，从最开始的待匹配字符串转换成地址分词；

筛选步骤：对地址分词以及标准地址数据库进行筛选以得地址数据集；按照地址分词进行地址粗略筛选，从地址库中的几十万到几百万条地址中筛选出几千条地址数据进行下一步的匹配率计算。地址粗略筛选是从地址库中提取分词所对应的地址数据集合，然后从地址集合中按照集合大小从小到大进行排序，优先选择地址数量比较小的集合加入预选地址数据集合。从第二个地址数据集合开始，对比预选地址数据集合和地址数据集合，公共的地址数据。如果公共的地址数据小于一定数目(默认分词为5条，单字为100条)，则把地址数据集合加入预选地址数据集合中，否则跳过进行下一个集合筛选。

匹配步骤：根据地址数据集和标准地址数据库进行匹配计算以得匹配率最高的地址数据，并根据匹配率最高的地址数据生成带有空间信息的业务数据。这一步其实为精确筛选，地址精确筛选，通过地址的粗略筛选，进行地址数据中的地址、地名、别名的匹配率计算。匹配度为待匹配地址与标准地址之间的匹配程度。如图5和图6所示，所述匹配步骤具体包括以下子步骤：

将地址数据集中的各地址要素与标准地址数据库中的地址要素进行相似度匹配计算，并分别得到一个对应分值；通过向量空间模型计算，求得总体匹配相似度值；匹配率的计算具体实现方式如图7所示，在地址匹配模型中划分了三种不同的匹配模型：纯地址模型、纯地名模型和地名地址模型。

如图11所示，在地址匹配过程中，根据分词类型和实际情况动态配置权重，具体的权重配置主要由下述步骤完成，判断动态权重调整是否陷入局部最优，若未陷入局部最优，则进行下一步处理，若已陷入局部最优，则在现有权重上增加干扰因子，再进行下一步处理。

初始化地名地址匹配的权重配置，据地址分词判断自动调整匹配权重，若地址分词包含市/区县部分，则适当调高市/区县的权重，若不包含则适当调高最高级别的分词权重，判断动态权重调整是否陷入局部最优，若未陷入局部最优，则进行下一步处理，若已陷入局部最优，则在现有权重上增加干扰因子，再进行下一步处理。其中，局部最优是指：假设当事人在一定的范围内寻找一个解决方案，使得当事人期望的目标达到最大或者最小。如果一个方案使得当事人的目标得以实现，就称该方案为全局最优方案，而目标就称为全局最优的目标。假设一个方案虽然不能让当事人的目标达到全局最优，但是在一个小范围内，已经没有其他的方案比这个方案更好了，那么就称该方案为局部最优。比如区的比重为4，镇的比重为3，道的比重为2，路的比重为1等，但是这样的比重配置不是固定不变的，是可以进行动态配置的。从而使得匹配的结果更为精准。

如图8和图13所示，逆向匹配步骤S204为：根据坐标地址数据与标准地址数据库匹配以生成带有空间信息的业务数据。所述逆向匹配步骤具体包括以下子步骤：

对坐标地址数据通过二分法定位最近的横坐标或纵坐标；

向横坐标或纵坐标两侧搜索以得地址数据；

根据筛选处的地址数据与待匹配的点进行距离计算筛选出最近的点。在进行匹配的时候有两种坐标形式，一种是经纬度匹配，一种是平面坐标匹配；经纬度匹配过程具体如图9所示，平面坐标匹配方式具体如图10所示，通过上述两种方式来计算不同的坐标对应的信息。

本实施例的地址匹配包含了正向匹配和逆向匹配两个方面的内容，正向匹配是将带有地名地址信息的业务数据与标准地址库数据进行匹配，生成带有空间信息的业务数据；而逆向匹配是将带有坐标信息的业务数据与标准地址库进行空间匹配上图，实现业务数据的互通共享。根据匹配过程中的日志，深度挖掘地名地址匹配信息，经过审核后，将优化的标准地址和地名信息更新到标准地名地址数据库，实现分词库的智能更新。从而完成了效率的提升。

实施例四：

实施例四公开了一种计算机可读存储介质，该存储介质用于存储程序，并且该程序被处理器执行时，实现实施例一的地址匹配方法。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

值得注意的是，上述基于内容更新通知装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种标准地址数据库更新方法，其特征在于，包括以下步骤：

获取步骤：获取地址匹配过程中产生的匹配日志；

数据分析步骤：对匹配日志中的数据进行分析以更新地址数据信息，所述地址数据信息包括各地址数据之间的关系和地址名称信息；

数据库更新步骤：将更新后的地址数据信息写入标准地址数据库。

2.如权利要求1所述的标准地址数据库更新方法，其特征在于，所述数据分析步骤具体包括以下步骤：

提取匹配日志中的道路信息和行政区域信息；

分析道路信息和行政区域信息之间的关系并判断道路信息和行政信息是否存在变更，如果是，则根据变更后的道路信息和行政信息以更新地址数据信息。

3.如权利要求1所述的标准地址数据库更新方法，其特征在于，所述数据分析步骤具体包括以下步骤：

对匹配日志中的数据进行分析，判断出现与地址名称信息不同的待匹配地址出现的次数是否达到预设值，如果是，则根据待匹配地址来更新地址名称信息。

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-3中任意一项所述的标准地址数据库更新方法。

5.一种地址匹配方法，其特征在于，包括以下步骤：

获取步骤：获取待匹配地址数据；

判断步骤：判断获取到的待匹配地址数据的属性特征，如果待匹配地址数据为地名地址数据则执行正向匹配步骤，如果待匹配地址数据为坐标地址数据则执行逆向匹配步骤；

正向匹配步骤：根据地名地址数据与标准地址数据库匹配以生成带有空间信息的业务数据；

逆向匹配步骤：根据坐标地址数据与标准地址数据库匹配以生成带有空间信息的业务数据。

6.如权利要求5所示的地址匹配方法，其特征在于，所述正向匹配步骤具体包括以下子步骤：

预处理步骤：对地名地址数据进行预处理，所述预处理包括繁体简体转换、半角全角转换、大小写转换、汉字和数字转化以及地名别名转化中的一种或多种；

分词步骤：对地名地址数据进行分词处理以得地址分词；

筛选步骤：对地址分词以及标准地址数据库进行匹配筛选以得地址数据集；

匹配步骤：根据地址数据集和标准地址数据库进行匹配计算以得匹配率最高的地址数据，并根据匹配率最高的地址数据生成带有空间信息的业务数据。

7.如权利要求6所示的地址匹配方法，其特征在于，所述匹配步骤具体包括以下子步骤：

通过向量空间模型计算地址数据集中的各地址要素与标准地址数据库中的地址要素的匹配率；

得到匹配率最高的地址数据，并根据匹配率最高的地址数据生成带有空间信息的业务数据。

8.如权利要求7所述的地址匹配方法，其特征在于，在匹配步骤之前还包括权重配置步骤，所述权重配置步骤包括如下步骤：

进行初始化权重配置；

根据地址分词判断自动调整匹配权重；

判断动态权重调整是否陷入局部最优，若未陷入局部最优，则进行下一步处理，若已陷入局部最优，则在现有权重上增加干扰因子，再进行下一步处理。

9.如权利要求5-8中任意一项所述的地址匹配方法，其特征在于，所述逆向匹配步骤具体包括以下子步骤：

对坐标地址数据通过二分法定位最近的横坐标或纵坐标；

向横坐标或纵坐标两侧搜索以得地址数据；

根据筛选出的地址数据与待匹配的点进行距离计算筛选出最近的点。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求5-9中任意一项所述的地址匹配方法。