CN110765280A - 地址识别方法和装置 - Google Patents

Abstract

本公开的实施例公开了地址识别方法和装置。该方法的一具体实施方式包括：获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集，单位属于以下至少一项：事业单位、行政单位、企业单位；响应于确定单位名称集包括目标词的匹配单位名称，确定匹配单位名称作为待处理地址的识别结果以及输出，匹配单位名称是目标词的子串或目标词是匹配单位名称的子串。该实施方式实现了对待处理地址的精确识别。

Description

地址识别方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及地址识别方法和装置。

背景技术

文本是常用的一种地址描述方法之一。目前，在许多涉及地址的应用场景中，通常都是基于统一的行政区划设置来描述地址。例如，采用XX省XX市XX路XX号XX学校来描述XX学校的地址。

一般地，对于许多公开的单位(如学校、医院等)都有统一标准的地址表述。而用户在填写地址时，经常出现错写字、漏写字、简写字等各种情况，从而会增加识别地址的难度。

发明内容

本公开的实施例提出了地址识别方法和装置。

第一方面，本公开的实施例提供了一种地址识别方法，该方法包括：获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集，其中，单位属于以下至少一项：事业单位、行政单位、企业单位；响应于确定单位名称集包括目标词的匹配单位名称，确定匹配单位名称作为待处理地址的识别结果以及输出，其中，匹配单位名称是目标词的子串或目标词是匹配单位名称的子串。

在一些实施例中，单位名称集由待处理地址所在的、对应于预设区域等级信息的区域内的各单位的单位名称组成；以及获取预设的单位名称集，包括：根据待处理地址所在的、对应于预设区域等级信息的区域，从预设的地址信息库获取单位名称集，其中，地址信息库用于存储单位名称与单位名称指示的单位所在的、对应于预设区域等级信息的区域之间的对应关系。

在一些实施例中，上述方法还包括：响应于确定第一词集中的各词分别对应的区域等级信息不包括用于指示单位的目标区域等级信息，或，响应于确定单位名称集不包括目标词的匹配单位名称，针对单位名称集中的单位名称，执行如下步骤：获取对该单位名称指示的单位的地址进行分词处理得到的第二词集和第二词集中的各词分别指示的区域的区域等级信息；确定第一词集和第二词集中具有相同区域等级信息的词作为一组，得到至少一个词组；针对至少一个词组中的词组，确定由该词组中属于第一词集的词组成的第一子词组，和由该词组中属于第二词集的词组成的第二子词组之间的相似度作为该词组对应的相似度；根据至少一个词组分别对应的相似度，确定待处理地址与该单位名称指示的单位的地址之间的相似度；上述方法还包括：确定单位名称集中的、对应的相似度不小于预设的相似度阈值的单位名称作为待处理地址的识别结果以及输出。

在一些实施例中，确定由该词组中属于第一词集的词组成的第一子词组，和由该词组中属于第二词集的词组成的第二子词组之间的相似度作为该词组对应的相似度，包括：确定第一子词组中的各词分别与第二子词组中的各词之间的相似度，得到相似度集；确定第一子词组包括的词的数目作为第一数目，确定第二子词组包括的词的数目作为第二数目，确定第一数目和第二数目中的最小值和最大值；从相似度集中选取最小值个相似度，以及确定选取的各相似度的总和；确定所确定的总和与最大值的商作为第一子词组与第二子词组之间的相似度。

在一些实施例中，从相似度集中选取最小值个相似度，包括：确定第一数目和第二数目中的最小值对应的词组作为第一目标子词组，以及确定第一数目和第二数目中的最大值对应的词组作为第二目标子词组；针对第一目标子词组中的词，从相似度集中选取该词分别与第二目标子词组中的各词之间的相似度中的最大值作为该词对应的候选相似度；由第一目标子词组中的各词分别对应的候选相似度组成最小值个相似度。

在一些实施例中，确定第一子词组中的各词分别与第二子词组中的各词之间的相似度，得到相似度集，包括：通过如下步骤确定由第一子词组中的一个词与第二子词组中的一个词组成的两个词之间的相似度：确定两个词的最长公共子序列的长度作为第一长度；分别确定两个词的长度，以及选取两个词分别对应的长度中的最小值作为第二长度；确定第一长度与第二长度的商作为两个词之间的相似度。

在一些实施例中，根据至少一个词组分别对应的相似度，确定待处理地址与该单位名称指示的单位的地址之间的相似度，包括：针对至少一个词组中的词组，获取该词组对应的区域等级信息的预设权重作为该词组的权重；确定至少一个词组分别对应的相似度的加权和作为待处理地址与该单位名称指示的单位的地址之间的相似度。

在一些实施例中，地址信息库还用于存储单位名称与单位名称指示的单位的地址信息之间的对应关系，其中，单位名称指示的单位的地址信息包括对单位名称指示的单位的地址进行分词处理得到的词集和词集中的各词分别指示的区域的区域等级信息。

在一些实施例中，地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系通过如下步骤预先构建：获取目标用户群中的各用户在单位期间分别使用的收货地址，得到收货地址集；获取收货地址集中的各收货地址的经纬度信息，得到经纬度信息集，根据经纬度信息集，确定收货地址集中的异常收货地址，以及从收货地址集中删除确定的异常收货地址，得到更新后的收货地址集；针对更新后的收货地址集中的收货地址，确定该收货地址作为对应的用户所在的单位的地址，以及构建该收货地址的地址信息与对应的用户所在的单位的单位名称之间的对应关系。

在一些实施例中，地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系还通过如下步骤预先构建：获取公开的各单位的单位名称，得到公开单位名称集；将更新后的收货地址集中的各收货地址分别对应的用户所在的单位的单位名称组成初始单位名称集；将属于公开单位名称集但不属于初始单位名称集的单位名称组成补充单位名称集；响应于确定补充单位名称集不为空集，针对补充单位名称集中的单位名称，获取该单位名称指示的单位的地址信息，以及构建该单位名称指示的单位的地址信息与该单位名称之间的对应关系。

第二方面，本公开的实施例提供了一种地址识别装置，该装置包括：第一获取单元，被配置成获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；第二获取单元，被配置成响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集，其中，单位属于以下至少一项：事业单位、行政单位、企业单位；识别单元，被配置成响应于确定单位名称集包括目标词的匹配单位名称，确定匹配单位名称作为待处理地址的识别结果以及输出，其中，匹配单位名称是目标词的子串或目标词是匹配单位名称的子串。

在一些实施例中，单位名称集由待处理地址所在的、对应于预设区域等级信息的区域内的各单位的单位名称组成；以及第二获取单元进一步被配置成根据待处理地址所在的、对应于预设区域等级信息的区域，从预设的地址信息库获取单位名称集，其中，地址信息库用于存储单位名称与单位名称指示的单位所在的、对应于预设区域等级信息的区域之间的对应关系。

在一些实施例中，上述装置还包括执行单元，被配置成：响应于确定第一词集中的各词分别对应的区域等级信息不包括用于指示单位的目标区域等级信息，或，响应于确定单位名称集不包括目标词的匹配单位名称，针对单位名称集中的单位名称，执行如下步骤：获取对该单位名称指示的单位的地址进行分词处理得到的第二词集和第二词集中的各词分别指示的区域的区域等级信息；确定第一词集和第二词集中具有相同区域等级信息的词作为一组，得到至少一个词组；针对至少一个词组中的词组，确定由该词组中属于第一词集的词组成的第一子词组，和由该词组中属于第二词集的词组成的第二子词组之间的相似度作为该词组对应的相似度；根据至少一个词组分别对应的相似度，确定待处理地址与该单位名称指示的单位的地址之间的相似度；以及上述识别单元进一步被配置成确定单位名称集中的、对应的相似度不小于预设的相似度阈值的单位名称作为待处理地址的识别结果以及输出。

在一些实施例中，上述执行单元进一步被配置成确定第一子词组中的各词分别与第二子词组中的各词之间的相似度，得到相似度集；确定第一子词组包括的词的数目作为第一数目，确定第二子词组包括的词的数目作为第二数目，确定第一数目和第二数目中的最小值和最大值；从相似度集中选取最小值个相似度，以及确定选取的各相似度的总和；确定所确定的总和与最大值的商作为第一子词组与第二子词组之间的相似度。

在一些实施例中，上述执行单元进一步被配置成确定第一数目和第二数目中的最小值对应的词组作为第一目标子词组，以及确定第一数目和第二数目中的最大值对应的词组作为第二目标子词组；针对第一目标子词组中的词，从相似度集中选取该词分别与第二目标子词组中的各词之间的相似度中的最大值作为该词对应的候选相似度；由第一目标子词组中的各词分别对应的候选相似度组成最小值个相似度。

在一些实施例中，上述执行单元进一步被配置成通过如下步骤确定由第一子词组中的一个词与第二子词组中的一个词组成的两个词之间的相似度：确定两个词的最长公共子序列的长度作为第一长度；分别确定两个词的长度，以及选取两个词分别对应的长度中的最小值作为第二长度；确定第一长度与第二长度的商作为两个词之间的相似度。

在一些实施例中，上述执行单元进一步被配置成针对至少一个词组中的词组，获取该词组对应的区域等级信息的预设权重作为该词组的权重；确定至少一个词组分别对应的相似度的加权和作为待处理地址与该单位名称指示的单位的地址之间的相似度。

在一些实施例中，地址信息库还用于存储单位名称与单位名称指示的单位的地址信息之间的对应关系，其中，单位名称指示的单位的地址信息包括对单位名称指示的单位的地址进行分词处理得到的词集和词集中的各词分别指示的区域的区域等级信息。

在一些实施例中，地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系通过如下步骤预先构建：获取目标用户群中的各用户在单位期间分别使用的收货地址，得到收货地址集；获取收货地址集中的各收货地址的经纬度信息，得到经纬度信息集，根据经纬度信息集，确定收货地址集中的异常收货地址，以及从收货地址集中删除确定的异常收货地址，得到更新后的收货地址集；针对更新后的收货地址集中的收货地址，确定该收货地址作为对应的用户所在的单位的地址，以及构建该收货地址的地址信息与对应的用户所在的单位的单位名称之间的对应关系。

在一些实施例中，地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系还通过如下步骤预先构建：获取公开的各单位的单位名称，得到公开单位名称集；将更新后的收货地址集中的各收货地址分别对应的用户所在的单位的单位名称组成初始单位名称集；将属于公开单位名称集但不属于初始单位名称集的单位名称组成补充单位名称集；响应于确定补充单位名称集不为空集，针对补充单位名称集中的单位名称，获取该单位名称指示的单位的地址信息，以及构建该单位名称指示的单位的地址信息与该单位名称之间的对应关系。

第三方面，本公开的实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的地址识别方法和装置，通过判断待处理地址分词后得到的各词分别对应的区域等级信息是否包括用于指示单位的目标区域等级信息，并在确定待处理地址分词后得到的各词分别对应的区域等级信息包括目标区域等级信息时，利用待处理地址分词后得到的、对应目标区域等级信息的目标词与预设的单位名称集进行匹配，以确定单位名称集中是否存在属于目标词的子串或目标词是其子串的单位名称，进而在确定存在属于目标词的子串或目标词是其子串的单位名称时，可以将确定的单位名称作为待处理地址的识别结果以输出，由此可以实现对待处理地址的精确识别。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的地址识别方法的一个实施例的流程图；

图3是根据本公开的实施例的地址识别方法的一个应用场景的示意图；

图4是根据本公开的地址识别方法的又一个实施例的流程图；

图5是根据本公开的地址识别装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的地址识别方法或地址识别装置的实施例的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如，文本处理类应用、地图类应用、定位类应用等等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103发送的待处理地址进行地址识别的后端服务器。服务器105可以对待处理地址进行地址识别，并将识别出的单位名称返回至终端设备101、102、103。

需要说明的是，上述待处理地址也可以直接存储在服务器105的本地，服务器105可以直接提取本地所存储的待处理地址并进行处理，此时，可以不存在终端设备101、102、103和网络104。

需要说明的是，本公开的实施例所提供的地址识别方法一般由服务器105执行，相应地，地址识别装置一般设置于服务器105中。

还需要指出的是，终端设备101、102、103中也可以安装有地址识别类应用。此时，终端设备101、102、103也可以基于地址识别类应用对待处理地址进行地址识别。此时，地址识别方法也可以由终端设备101、102、103执行，相应地，地址识别装置也可以设置于终端设备101、102、103中。此时，示例性系统架构100可以不存在服务器105和网络104。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的地址识别方法的一个实施例的流程200。该地址识别方法包括以下步骤：

步骤201，获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息。

在本实施例中，地址识别方法的执行主体(如图1所示的服务器105)可以先从本地或其它存储设备(如图1所示的终端设备101、102、103等)获取第一词集和第一词集中的各词分别对应的区域等级信息。

在本实施例中，第一词集中的词对应的区域等级信息可以指该词指示的区域的区域等级信息。其中，区域等级信息可以用于表征区域等级。其中，不同的区域划分方法可能设置不同的区域等级。一般地，区域等级与区域的大小正相关。即区域越大，对应的区域等级越高。

例如，常用的区域等级包括省、市、区/县、乡镇等等。具体地，可以根据实际的应用需求灵活选择不同的区域等级划分方法。例如，区域等级可以详细划分为：国、省、市、县/区、乡镇、村庄/社区、道路、路号、道路附属点、住宅、建筑物、学校/企业/公共文化设施、机构、楼号、单元、方位等等。

作为示例，待处理地址为“河北省保定市河北大学”。对待处理地址进行分词后得到第一词集可以包括河北省、保定市、河北大学三个词。其中，河北省指示的区域的区域等级信息可以为表征省的信息，保定市指示的区域的区域等级信息可以为表征市的信息，河北大学指示的区域的区域等级信息可以为表征学校的信息。

在本实施例中，第一词集和第一词集中的各词分别对应的区域等级信息可以通过预先对待处理地址进行分词处理得到。其中，可以根据具体的应用场景采用现有的各种分词方法对待处理地址进行分词处理。

步骤202，响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集。

在本实施例中，单位可以属于以下至少一项：事业单位、行政单位、企业单位。其中，事业单位可以包括一些如学校、图书馆、医院、银行、博物馆、出版社、各种服务中心等等。行政单位可以包括一些如司法机关、检察机关等等。企业单位可以包括一些如教育机构、大中小型公司等等。

其中，目标区域等级信息即可以指用于指示单位的区域等级信息。在不同的应用场景下，目标区域等级信息可以有所不同。例如，在想要识别学校地址的应用场景下，目标区域等级信息可以指用于指示学校的区域等级信息。又例如，在想要识别医院地址的应用场景下，目标区域等级信息可以指用于指示医院的区域等级信息。

在本实施例中，单位名称集可以由技术人员预先指定的若干单位名称组成。例如，可以获取现有公开的一些单位名称集，并进行合并整理作为预设的单位名称集。

应当可以理解，在一些情况下，针对同一单位，在单位名称集中可能包括该单位的多个单位名称。例如，有的单位可能具有别称等。

在本实施例中，上述执行主体可以先确定第一词集中的各词分别对应的区域等级信息是否包括用于指示单位的目标区域等级信息。在确定第一词集中的各词分别对应的区域等级信息包括目标区域等级信息时，上述执行主体可以从第一词集中获取对应目标区域等级信息的词作为目标词，同时，可以从本地或其它存储设备(如连接的数据库)获取预设的单位名称集。

步骤203，响应于确定单位名称集包括目标词的匹配单位名称，确定匹配单位名称作为待处理地址的识别结果以及输出。

在本实施例中，目标词的匹配单位名称可以是目标词的子串，或，目标词可以是匹配单位名称的子串。其中，对于任一词，该词的任意个连续的字符组成的子序列可以称为该词的子串。

例如，目标词为国家图书馆，其匹配单位名称可以为中国国家图书馆。其中，“国家图书馆”即是“中国国家图书馆”的子串。

在本实施例中，上述执行主体可以先判断单位名称集是否包括目标词的匹配单位名称。若确定单位名称集包括目标词的匹配单位名称，即可以表示待处理地址指示的单位即为匹配单位名称指示的单位。因此，可以将单位名称集中的匹配单位名称确定为待处理地址的识别结果，并输出匹配单位名称。

由于基于子串进行待处理地址的识别，因此，这种方式可以实现对待处理地址的精确识别，保证识别结果的准确。

在本实施例的一些可选的实现方式中，上述单位名称集可以由待处理地址所在的、对应于预设区域等级信息的区域内的各单位的单位名称组成。

其中，由于单位名称指示的区域是一个单位(如一所学校、一所医院等等)。因此，单位名称对应的区域等级通常较低。在单位名称对应的区域等级之上还有国、省、市、区、县、乡镇等等各种区域等级。

一般地，由于不同地区具有的单位的数量通常较大。因此，通过选取待处理地址所在的、对应于预设区域等级信息的区域内的各单位的单位名称组成单位名称集，可以有效减少单位名称集包括的单位名称的数量，从而减少确定待处理地址的匹配单位名称过程的计算量，提升待处理地址的处理速度。

例如，预设区域等级信息可以设置为表征市的信息，要识别的单位为学校。那么此时，若待处理地址为河北省保定市河北大学，则单位名称集可以由河北省保定市内的各个学校的名称组成。

可选地，可以通过如下步骤获取预设的单位名称集：根据待处理地址所在的、对应于预设区域等级信息的区域，从预设的地址信息库获取单位名称集。

其中，地址信息库可以用于存储单位名称与单位名称指示的单位所在的、对应于预设区域等级信息的区域之间的对应关系。此时，可以根据待处理地址所在的、对应于预设区域等级信息的区域，在地址信息库中查找对应的单位名称以得到单位名称集。

例如，仍以预设区域等级信息可以设置为表征市的信息为示例，则地址信息库中可以存储各个单位名称与单位名称所在市之间的对应关系。

需要说明的是，预设区域等级信息的数目可以为两个以上。例如，预设区域等级信息可以设置为表征省的信息和表征市的信息。此时，地址信息库中可以存储各个单位名称与单位名称所在的省和市之间的对应关系。即预设区域等级信息可以由技术人员根据实际的应用场景灵活设置。

其中，地址信息库可以由技术人员预先构建。例如，可以预先获取所有公开的单位的名称，以及各单位所在的、对应于预设区域等级信息的区域，并由此构建地址信息库。

继续参见图3，图3是根据本实施例的地址识别方法的一个示意性的应用场景300。在图3的应用场景中，待处理地址301为“黑龙江省哈尔滨市南岗区哈尔滨医科大”。如图中标号302所示，对待处理地址301进行分词处理得到的第一词集包括“黑龙江省”、“哈尔滨市”、“南岗区”、“哈尔滨医科大”。其中，“黑龙江省”的区域等级信息为“省”，“哈尔滨市”的区域等级信息为“市”，“南岗区”的区域等级信息为“县/区”，“哈尔滨医科大”的区域等级信息为“学校”。

目标区域等级信息为“学校”。因此，可以确定第一词集包括对应“学校”的目标词为“哈尔滨医科大”。预设区域等级信息为“市”。由此可以确定待处理地址301所在市为“哈尔滨市”。

预先构建的地址信息库303可以包括字段学校名称，以及学校名称对应的省和市。基于此，可以从地址信息库303中选取字段“市”为“哈尔滨市”的学校名称组成学校名称集304。

由于目标词“哈尔滨医科大”是学校名称集304中的“哈尔滨医科大学”的子串，因此，可以将学校名称集304中的“哈尔滨医科大学”确定为待处理地址301的识别结果进行输出。

本公开的上述实施例提供的方法通过对待处理地址分词后得到的、对应目标区域等级信息的目标词与预设的单位名称集进行匹配，以确定单位名称集中的、属于目标词的子串或目标词是其子串的单位名称作为待处理地址的识别结果以输出，从而实现对待处理地址的精确识别。

进一步参考图4，其示出了地址识别方法的又一个实施例的流程400。该地址识别方法的流程400，包括以下步骤：

步骤401，获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息。

上述步骤401的具体的执行过程可参考图2对应实施例中的步骤201的相关说明，在此不再赘述。

步骤402，确定第一词集中的各词分别对应的区域等级信息是否包括用于指示单位的目标区域等级信息，响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，执行如下步骤403-404，响应于确定第一词集中的各词分别对应的区域等级信息不包括用于指示单位的目标区域等级信息，执行如下步骤406-410。

步骤403，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集。

上述步骤403的具体的执行过程可参考图2对应实施例中的步骤202的相关说明，在此不再赘述。

步骤404，确定单位名称集是否包括目标词的匹配单位名称，响应于确定单位名称集包括目标词的匹配单位名称，执行如下步骤405，响应于确定单位名称集不包括目标词的匹配单位名称，执行如下步骤406-410。

步骤405，确定匹配单位名称作为待处理地址的识别结果以及输出。

上述步骤405的具体的执行过程可参考图2对应实施例中的步骤203的相关说明，在此不再赘述。

步骤406，获取对该单位名称指示的单位的地址进行分词处理得到的第二词集和第二词集中的各词分别指示的区域的区域等级信息。

在本实施例中，可以预先从本地或其它存储设备(如连接的数据库)分别获取对单位名称集中的各单位名称进行分词处理得到的词集和词集中的各词分别指示的区域的区域等级信息。由此，可以根据单位名称，获取该单位名称指示的单位的地址对应的第二词集和第二词集中的各词分别指示的区域的区域等级信息。

在本实施例的一些可选的实现方式中，上述地址信息库还可以用于存储单位名称与单位名称指示的单位的地址信息之间的对应关系。其中，单位名称指示的单位的地址信息可以包括对单位名称指示的单位的地址进行分词处理得到的词集和词集中的各词分别指示的区域的区域等级信息。

在本实施例的一些可选的实现方式中，地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系可以通过如下步骤预先构建：

步骤一，获取目标用户群中的各用户在单位期间分别使用的收货地址，得到收货地址集。

在本步骤中，目标用户群可以由技术人员预先指定。一般地，目标用户群可以由可能在单位中出现的用户组成。例如，针对校园地址的识别的应用场景下，目标用户群可以由各种校园用户(如学生、教职工等等)组成。

其中，目标用户群中的各用户在单位期间分别使用的收货地址可以通过第三方数据源获取，也可以基于网络爬虫技术获取。

需要说明的是，在一些情况下，一用户在单位期间所使用的收货地址可能有多个。此时，可以获取该用户所使用过的所有收货地址，也可以仅获取基于统计确定的该用户最常用的收货地址。

可选地，收货地址集中的各收货地址可以是对获取到的原始收货地址进行数据预处理之后得到的收货地址。其中，具体的数据预处理过程可以根据实际的应用需求而确定。例如，可以采用数据清洗(如删除无效数据等)、数据标准化(如删除重复字段、文本数字转阿拉伯数字等)。通过数据预处理，可以加快之后地址识别过程的处理效率和准确度。

步骤二，获取收货地址集中的各收货地址的经纬度信息，得到经纬度信息集，根据经纬度信息集，确定收货地址集中的异常收货地址，以及从收货地址集中删除确定的异常收货地址，得到更新后的收货地址集。

在本步骤中，可以先将经纬度信息集中的对应同一单位的经纬度信息作为一个子集，得到至少一个子集。然后分别分析各个子集中的异常经纬度信息。根据不同的应用场景，可以采用各种不同的方法分析各个子集中的异常经纬度信息，并确定异常经纬度信息对应的收货地址作为异常收货地址。

例如，在针对学校地址识别的应用场景下，由于许多学校可能具有多个不同的校区。此时，针对每个子集，可以先以校区为单元进一步细分，然后再分析该子集中的异常经纬度信息。

可选地，针对每个子集，可以基于该子集中的各经纬度信息的统计数据(如极差、方差等)分析其中的异常经纬度信息。例如，根据子集中的各经纬度信息的极差或方差等统计数据，分析确定异常经纬度信息的取值范围，进而确定出异常经纬度信息。

步骤三，针对更新后的收货地址集中的收货地址，确定该收货地址作为对应的用户所在的单位的地址，以及构建该收货地址的地址信息与对应的用户所在的单位的单位名称之间的对应关系。

在本步骤中，可以对收货地址进行分词处理以得到收货地址的地址信息，即得到收货地址对应的词集和词集中的各词分别指示的区域的区域等级信息。

由此，可以根据大量用户真实填写的地址数据，分析并确定各单位的地址的地址信息，进而存储单位的单位名称与单位的地址的地址信息之间的对应关系。基于此，在地址识别过程中，有助于提升地址识别的准确度和识别效率。

可选地，还可以进一步通过如下步骤预先构建地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系：

步骤四，获取公开的各单位的单位名称，得到公开单位名称集。

在本步骤中，一般地，一些数据源或相关部门通常会发布各单位的官方统一的名称。基于此，可以得到公开单位名称集。例如，针对学校地址识别的应用场景，可以获取教育部官方发布的高校名单作为公开单位名称集。

步骤五，将更新后的收货地址集中的各收货地址分别对应的用户所在的单位的单位名称组成初始单位名称集。

步骤六，将属于公开单位名称集但不属于初始单位名称集的单位名称组成补充单位名称集。

步骤七，响应于确定补充单位名称集不为空集，针对补充单位名称集中的单位名称，获取该单位名称指示的单位的地址信息，以及构建该单位名称指示的单位的地址信息与该单位名称之间的对应关系。

在本步骤中，若补充单位名称集不为空集，可以表明初始单位名称集中的单位名称未覆盖到官方公开的所有单位的单位名称。因此，可以进一步对初始单位名称集进行补充。

由此，可以构建覆盖完整、精确的各单位的单位名称和对应的地址信息的地址信息库。基于该地址信息库进行地址识别，可以有效提升地址识别结果的准确度。

步骤407，确定第一词集和第二词集中具有相同区域等级信息的词作为一组，得到至少一个词组。

在本实施例中，可以将第一词集和第二词集中具有相同区域等级信息的词确定为一组。由此可以得到至少一个词组，每个词组对应于一个区域等级信息。

作为示例，第一词集包括“黑龙江省”、“哈尔滨市”、“南岗区”“西大直街”，其中，“黑龙江省”的区域等级信息为“省”，“哈尔滨市”的区域等级信息为“市”，“南岗区”的区域等级信息为“县/区”，“西大直街”的区域等级信息为“路/街”。第二词集包括“黑龙江省”、“哈尔滨市”、“环翠区”“文化西路”，其中，“黑龙江省”的区域等级信息为“省”，“哈尔滨市”的区域等级信息为“市”，“环翠区”的区域等级信息为“县/区”，“文化西路”的区域等级信息为“路/街”。

由此，可以将第一词集中的对应“省”的“黑龙江省”和第二词集中的对应“省”的“黑龙江省”作为一组，将第一词集中的对应“市”的“哈尔滨市”和第二词集中的对应“市”的“哈尔滨市”作为一组，将第一词集中的对应“县/区”的“南岗区”和第二词集中的对应“县/区”的“环翠区”作为一组，将第一词集中的对应“路/街”的“西大直街”和第二词集中的对应“路/街”的“文化西路”作为一组。

步骤408，针对至少一个词组中的词组，确定由该词组中属于第一词集的词组成的第一子词组，和由该词组中属于第二词集的词组成的第二子词组之间的相似度作为该词组对应的相似度。

在本实施例中，可以利用现有的各种相似度确定方法来确定第一子词组和第二子词组之间的相似度。

需要说明的是，根据不同的应用需求，在一些情况下，同一区域等级可以具有两个以上的区域等级信息。例如，县和区可以对应同一区域等级。楼、栋、幢、单元等可以对应同一区域等级。因此，第一子词组包括的词的数目可以为两个以上，第二子词组包括的词的数目也可以为两个以上。

在本实施例的一些可选的实现方式中，可以通过如下步骤确定第一子词组和第二子词组之间的相似度：

步骤一，确定第一子词组中的各词分别与第二子词组中的各词之间的相似度，得到相似度集。

在本步骤中，若第一子词组包括M个词，第二子词组包括N个词，则可以得到M×N个相似度，即得到的相似度集包括M×N个相似度。

其中，由第一子词组中的一个词与第二子词组中的一个词组成的两个词之间的相似度可以利用现有的各种相似度计算方法确定。

在本实施例的一些可选的实现方式中，可以通过如下步骤确定由第一子词组中的一个词与第二子词组中的一个词组成的两个词之间的相似度：确定两个词的最长公共子序列的长度作为第一长度，以及分别确定两个词的长度，然后选取两个词分别对应的长度中的最小值作为第二长度，之后可以确定第一长度与第二长度的商作为两个词之间的相似度。

其中，最长公共子序列(LCS，The longest common subsequence)是计算机技术中的一个术语。其定义为：一个序列，如果分别是两个或多个已知数列的子序列，且是所有符合此条件序列中最长的，则称为已知序列的最长公共子序列。

其中，最长公共子序列的长度可以指其包括的字符的数目。一词的长度同样可以指该词包括的字符的长度。

通过基于最长公共子序列计算两个词之间的相似度，可以有效解决由于不同的书写习惯或不同的书写格式等情况而导致的地址多样性对地址识别准确度的影响，从而有助于提升地址识别的准确度。

作为示例，两个词“新疆维吾尔自治区”和“新疆维吾尔族自治区”的最长公共子序列为“新疆维吾尔自治区”。其中，最长公共子序列“新疆维吾尔自治区”的长度为8，第一个词“新疆维吾尔自治区”的长度为8，第二个词“新疆维吾尔族自治区”的长度为9。因此两个词“新疆维吾尔自治区”和“新疆维吾尔族自治区”的相似度为8/8＝1。

从上述示例也可以看出，基于最长公共子序列计算两个词之间的相似度的方法可以有效识别“新疆维吾尔自治区”和“新疆维吾尔族自治区”为同一区的地址表述，以避免由于两者的表述差异而导致识别结果的准确度。

步骤二，确定第一子词组包括的词的数目作为第一数目，确定第二子词组包括的词的数目作为第二数目，确定第一数目和第二数目中的最小值和最大值。

步骤三，从相似度集中选取最小值个相似度，以及确定选取的各相似度的总和。

在本步骤中，可以根据实际的应用需求，按照不同的方法从相似度集中选取最小值个相似度。例如，可以从相似度集中随机选取最小值个相似度。又例如，可以基于分位数的方法，从相似度集中选取最小值分位数，以得到最小值个相似度。

在本实施例的一些可选的实现方式中，可以通过如下步骤得到从所述相似度集中选取所述最小值个相似度：

步骤1)确定第一数目和第二数目中的最小值对应的词组作为第一目标子词组，以及确定第一数目和第二数目中的最大值对应的词组作为第二目标子词组。

在本步骤中，若第一子词组包括的词的数目，即第一数目小于第二自词组包括的词的数目，即第二数目，则可以确定第一子词组作为第一目标子词组，并确定第二子词组作为第二目标子词组。

对应地，若第一子词组包括的词的数目，即第一数目大于第二自词组包括的词的数目，即第二数目，则可以确定第二子词组作为第一目标子词组，并确定第一子词组作为第二目标子词组。

步骤2)针对第一目标子词组中的词，从相似度集中选取该词分别与第二目标子词组中的各词之间的相似度中的最大值作为候选相似度；

在本步骤中，针对第一目标子词组中的词，可以先从相似度集中选取该词分别与第二目标子词组中的各词之间的相似度，得到该词对应的相似度子集，然后从该词对应的相似度子集中选取最大值作为该词对应的候选相似度。

步骤3)由第一目标子词组中的各词分别对应的候选相似度组成最小值个相似度。

步骤四，确定所确定的总和与最大值的商作为第一子词组与第二子词组之间的相似度。

步骤409，根据至少一个词组分别对应的相似度，确定待处理地址与该单位名称指示的单位的地址之间的相似度。

在本实施例中，可以根据应用需求，采用各种方法根据至少一个词组分别对应的相似度，确定待处理地址与该单位名称指示的单位的地址之间的相似度。

例如，可以从至少一个词组分别对应的相似度中选取最大值作为待处理地址与该单位名称指示的单位的地址之间的相似度。又例如，可以确定至少一个词组分别对应的相似度的平均值作为待处理地址与该单位名称指示的单位的地址之间的相似度。

在本实施例的一些可选的实现方式中，可以通过如下步骤根据至少一个词组分别对应的相似度，确定待处理地址与该单位名称指示的单位的地址之间的相似度：针对至少一个词组中的词组，获取该词组对应的区域等级信息的预设权重作为该词组的权重，然后确定至少一个词组分别对应的相似度的加权和作为待处理地址与该单位名称指示的单位的地址之间的相似度。其中，区域等级信息的预设权重可以由技术人员根据实际的应用场景设置。

步骤410，确定单位名称集中的、对应的相似度不小于预设的相似度阈值的单位名称作为待处理地址的识别结果以及输出。

在本实施例中，相似度阈值可以由技术人员预先设置。

可选地，可以由技术人员预先设置测试数据集。其中，测试数据集可以包括一定数目的单位的单位名称和这些单位名称分别指示的单位的地址的地址信息。然后可以基于测试数据集绘制ROC曲线(接受者操作特性曲线，receiver operating characteristiccurve)。然后基于ROC曲线确定相似度阈值。

本公开的上述实施例提供的地址识别方法在实施例2提供的对待处理地址进行精确识别的基础上，进一步针对在无法精确识别的情况下，通过如基于最长公共子序列的相似度计算方法、预先构建完整度和准确度高的地址信息库等实现对待处理地址的识别，以进一步提升在无法精确识别的情况下的地址识别结果的准确度。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了地址识别装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的地址识别装置500包括第一获取单元501、第二获取单元502和识别单元503。其中，第一获取单元501被配置成获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；第二获取单元502被配置成响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集，其中，单位属于以下至少一项：事业单位、行政单位、企业单位；识别单元503被配置成响应于确定单位名称集包括目标词的匹配单位名称，确定匹配单位名称作为待处理地址的识别结果以及输出，其中，匹配单位名称是目标词的子串或目标词是匹配单位名称的子串。

在本实施例中，地址识别装置500中：第一获取单元501、第二获取单元502和识别单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，单位名称集由待处理地址所在的、对应于预设区域等级信息的区域内的各单位的单位名称组成；以及第二获取单元502进一步被配置成根据待处理地址所在的、对应于预设区域等级信息的区域，从预设的地址信息库获取单位名称集，其中，地址信息库用于存储单位名称与单位名称指示的单位所在的、对应于预设区域等级信息的区域之间的对应关系。

在本实施例的一些可选的实现方式中，上述地址识别装置500还包括执行单元(图中未示出)，被配置成：响应于确定第一词集中的各词分别对应的区域等级信息不包括用于指示单位的目标区域等级信息，或，响应于确定单位名称集不包括目标词的匹配单位名称，针对单位名称集中的单位名称，执行如下步骤：获取对该单位名称指示的单位的地址进行分词处理得到的第二词集和第二词集中的各词分别指示的区域的区域等级信息；确定第一词集和第二词集中具有相同区域等级信息的词作为一组，得到至少一个词组；针对至少一个词组中的词组，确定由该词组中属于第一词集的词组成的第一子词组，和由该词组中属于第二词集的词组成的第二子词组之间的相似度作为该词组对应的相似度；根据至少一个词组分别对应的相似度，确定待处理地址与该单位名称指示的单位的地址之间的相似度；以及上述识别单元503进一步被配置成确定单位名称集中的、对应的相似度不小于预设的相似度阈值的单位名称作为待处理地址的识别结果以及输出。

在本实施例的一些可选的实现方式中，上述执行单元进一步被配置成确定第一子词组中的各词分别与第二子词组中的各词之间的相似度，得到相似度集；确定第一子词组包括的词的数目作为第一数目，确定第二子词组包括的词的数目作为第二数目，确定第一数目和第二数目中的最小值和最大值；从相似度集中选取最小值个相似度，以及确定选取的各相似度的总和；确定所确定的总和与最大值的商作为第一子词组与第二子词组之间的相似度。

在本实施例的一些可选的实现方式中，上述执行单元进一步被配置成确定第一数目和第二数目中的最小值对应的词组作为第一目标子词组，以及确定第一数目和第二数目中的最大值对应的词组作为第二目标子词组；针对第一目标子词组中的词，从相似度集中选取该词分别与第二目标子词组中的各词之间的相似度中的最大值作为该词对应的候选相似度；由第一目标子词组中的各词分别对应的候选相似度组成最小值个相似度。

在本实施例的一些可选的实现方式中，上述执行单元进一步被配置成通过如下步骤确定由第一子词组中的一个词与第二子词组中的一个词组成的两个词之间的相似度：确定两个词的最长公共子序列的长度作为第一长度；分别确定两个词的长度，以及选取两个词分别对应的长度中的最小值作为第二长度；确定第一长度与第二长度的商作为两个词之间的相似度。

在本实施例的一些可选的实现方式中，上述执行单元进一步被配置成针对至少一个词组中的词组，获取该词组对应的区域等级信息的预设权重作为该词组的权重；确定至少一个词组分别对应的相似度的加权和作为待处理地址与该单位名称指示的单位的地址之间的相似度。

在本实施例的一些可选的实现方式中，地址信息库还用于存储单位名称与单位名称指示的单位的地址信息之间的对应关系，其中，单位名称指示的单位的地址信息包括对单位名称指示的单位的地址进行分词处理得到的词集和词集中的各词分别指示的区域的区域等级信息。

在本实施例的一些可选的实现方式中，地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系通过如下步骤预先构建：获取目标用户群中的各用户在单位期间分别使用的收货地址，得到收货地址集；获取收货地址集中的各收货地址的经纬度信息，得到经纬度信息集，根据经纬度信息集，确定收货地址集中的异常收货地址，以及从收货地址集中删除确定的异常收货地址，得到更新后的收货地址集；针对更新后的收货地址集中的收货地址，确定该收货地址作为对应的用户所在的单位的地址，以及构建该收货地址的地址信息与对应的用户所在的单位的单位名称之间的对应关系。

在本实施例的一些可选的实现方式中，地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系还通过如下步骤预先构建：获取公开的各单位的单位名称，得到公开单位名称集；将更新后的收货地址集中的各收货地址分别对应的用户所在的单位的单位名称组成初始单位名称集；将属于公开单位名称集但不属于初始单位名称集的单位名称组成补充单位名称集；响应于确定补充单位名称集不为空集，针对补充单位名称集中的单位名称，获取该单位名称指示的单位的地址信息，以及构建该单位名称指示的单位的地址信息与该单位名称之间的对应关系。

本公开的上述实施例提供的装置，通过第一获取单元获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；第二获取单元响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集，其中，单位属于以下至少一项：事业单位、行政单位、企业单位；识别单元响应于确定单位名称集包括目标词的匹配单位名称，确定匹配单位名称作为待处理地址的识别结果以及输出，其中，匹配单位名称是目标词的子串或目标词是匹配单位名称的子串，由此可以实现对待处理地址的精确识别。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集，其中，单位属于以下至少一项：事业单位、行政单位、企业单位；响应于确定单位名称集包括目标词的匹配单位名称，确定匹配单位名称作为待处理地址的识别结果以及输出，其中，匹配单位名称是目标词的子串或目标词是匹配单位名称的子串。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取单元、第二获取单元和识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (13)

1.一种地址识别方法，包括：

获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；

响应于确定所述第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取所述第一词集中对应所述目标区域等级信息的词作为目标词，以及获取预设的单位名称集，其中，单位属于以下至少一项：事业单位、行政单位、企业单位；

响应于确定所述单位名称集包括所述目标词的匹配单位名称，确定所述匹配单位名称作为所述待处理地址的识别结果以及输出，其中，所述匹配单位名称是所述目标词的子串或所述目标词是所述匹配单位名称的子串。

2.根据权利要求1所述的方法，其中，所述单位名称集由所述待处理地址所在的、对应于预设区域等级信息的区域内的各单位的单位名称组成；

以及所述获取预设的单位名称集，包括：

根据所述待处理地址所在的、对应于预设区域等级信息的区域，从预设的地址信息库获取所述单位名称集，其中，所述地址信息库用于存储单位名称与单位名称指示的单位所在的、对应于预设区域等级信息的区域之间的对应关系。

3.根据权利要求1所述的方法，其中，所述方法还包括：

响应于确定所述第一词集中的各词分别对应的区域等级信息不包括用于指示单位的目标区域等级信息，或，响应于确定所述单位名称集不包括所述目标词的匹配单位名称，针对所述单位名称集中的单位名称，执行如下步骤：

获取对该单位名称指示的单位的地址进行分词处理得到的第二词集和第二词集中的各词分别指示的区域的区域等级信息；

确定所述第一词集和所述第二词集中具有相同区域等级信息的词作为一组，得到至少一个词组；

针对所述至少一个词组中的词组，确定由该词组中属于所述第一词集的词组成的第一子词组，和由该词组中属于所述第二词集的词组成的第二子词组之间的相似度作为该词组对应的相似度；

根据所述至少一个词组分别对应的相似度，确定所述待处理地址与该单位名称指示的单位的地址之间的相似度；

所述方法还包括：

确定所述单位名称集中的、对应的相似度不小于预设的相似度阈值的单位名称作为所述待处理地址的识别结果以及输出。

4.根据权利要求3所述的方法，其中，所述确定由该词组中属于所述第一词集的词组成的第一子词组，和由该词组中属于所述第二词集的词组成的第二子词组之间的相似度作为该词组对应的相似度，包括：

确定所述第一子词组中的各词分别与所述第二子词组中的各词之间的相似度，得到相似度集；

确定所述第一子词组包括的词的数目作为第一数目，确定所述第二子词组包括的词的数目作为第二数目，确定所述第一数目和第二数目中的最小值和最大值；

从所述相似度集中选取所述最小值个相似度，以及确定选取的各相似度的总和；

确定所确定的总和与所述最大值的商作为所述第一子词组与第二子词组之间的相似度。

5.根据权利要求4所述的方法，其中，所述从所述相似度集中选取所述最小值个相似度，包括：

确定所述第一数目和第二数目中的最小值对应的词组作为第一目标子词组，以及确定所述第一数目和第二数目中的最大值对应的词组作为第二目标子词组；

针对所述第一目标子词组中的词，从所述相似度集中选取该词分别与所述第二目标子词组中的各词之间的相似度中的最大值作为该词对应的候选相似度；

由所述第一目标子词组中的各词分别对应的候选相似度组成所述最小值个相似度。

6.根据权利要求4所述的方法，其中，所述确定所述第一子词组中的各词分别与所述第二子词组中的各词之间的相似度，得到相似度集，包括：

通过如下步骤确定由所述第一子词组中的一个词与所述第二子词组中的一个词组成的两个词之间的相似度：

确定两个词的最长公共子序列的长度作为第一长度；

分别确定两个词的长度，以及选取两个词分别对应的长度中的最小值作为第二长度；

确定所述第一长度与所述第二长度的商作为两个词之间的相似度。

7.根据权利要求3所述的方法，其中，所述根据所述至少一个词组分别对应的相似度，确定所述待处理地址与该单位名称指示的单位的地址之间的相似度，包括：

针对所述至少一个词组中的词组，获取该词组对应的区域等级信息的预设权重作为该词组的权重；

确定所述至少一个词组分别对应的相似度的加权和作为所述待处理地址与该单位名称指示的单位的地址之间的相似度。

8.根据权利要求2所述的方法，其中，所述地址信息库还用于存储单位名称与单位名称指示的单位的地址信息之间的对应关系，其中，单位名称指示的单位的地址信息包括对单位名称指示的单位的地址进行分词处理得到的词集和词集中的各词分别指示的区域的区域等级信息。

9.根据权利要求8所述的方法，其中，所述地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系通过如下步骤预先构建：

获取目标用户群中的各用户在单位期间分别使用的收货地址，得到收货地址集；

获取所述收货地址集中的各收货地址的经纬度信息，得到经纬度信息集，根据所述经纬度信息集，确定所述收货地址集中的异常收货地址，以及从所述收货地址集中删除确定的异常收货地址，得到更新后的收货地址集；

针对所述更新后的收货地址集中的收货地址，确定该收货地址作为对应的用户所在的单位的地址，以及构建该收货地址的地址信息与对应的用户所在的单位的单位名称之间的对应关系。

10.根据权利要求9所述的方法，其中，所述地址信息库存储的单位名称与单位名称指示的单位的地址信息之间的对应关系还通过如下步骤预先构建：

获取公开的各单位的单位名称，得到公开单位名称集；

将所述更新后的收货地址集中的各收货地址分别对应的用户所在的单位的单位名称组成初始单位名称集；

将属于所述公开单位名称集但不属于所述初始单位名称集的单位名称组成补充单位名称集；

响应于确定所述补充单位名称集不为空集，针对所述补充单位名称集中的单位名称，获取该单位名称指示的单位的地址信息，以及构建该单位名称指示的单位的地址信息与该单位名称之间的对应关系。

11.一种地址识别装置，包括：

第一获取单元，被配置成获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；

第二获取单元，被配置成响应于确定所述第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取所述第一词集中对应所述目标区域等级信息的词作为目标词，以及获取预设的单位名称集，其中，单位属于以下至少一项：事业单位、行政单位、企业单位；

识别单元，被配置成响应于确定所述单位名称集包括所述目标词的匹配单位名称，确定所述匹配单位名称作为所述待处理地址的识别结果以及输出，其中，所述匹配单位名称是所述目标词的子串或所述目标词是所述匹配单位名称的子串。

12.一种服务器，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。

13.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-10中任一所述的方法。

Images