CN110765773A - 地址数据获取方法以及装置 - Google Patents
地址数据获取方法以及装置 Download PDFInfo
- Publication number
- CN110765773A CN110765773A CN201911055831.8A CN201911055831A CN110765773A CN 110765773 A CN110765773 A CN 110765773A CN 201911055831 A CN201911055831 A CN 201911055831A CN 110765773 A CN110765773 A CN 110765773A
- Authority
- CN
- China
- Prior art keywords
- administrative division
- address
- preset
- information
- word segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开是关于一种地址数据获取方法、装置、电子设备以及存储介质。其中,该方法包括:通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理;对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路;若确定所述地址路径链路中存在有效的地址路径链路,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。本公开可以大幅提高企业的行政区划地址的准确性,且节省人力成本。
Description
技术领域
本公开涉及数据处理领域,具体而言,涉及一种地址数据获取方法、装置、电子设备以及计算机可读存储介质。
背景技术
企业的行政区划地址是企业信息中非常重要的一项信息,在企业信息获取的过程中所获得的地址信息通常是企业在进行工商信息登记时的登记地址,或者是企业自行公示的地址,由于存在企业登记时的不规范编写或者企业实际地址变更等情况,无论是上述何种途径获取的企业地址,在企业信息抓取时都会获取到大量的不正确的企业地址信息。
因此,需要一种或多种方法解决上述问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种地址数据获取方法、装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面,提供一种地址数据获取方法,包括:
通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理;
对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路;
若确定所述地址路径链路中存在有效的地址路径链路,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。
在本公开的一种示例性实施例中,通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理,包括:
获取待处理地址的有向无环图,所述有向无环图包括由进行分词处理后的分词形成的多个结点;
根据预设的行政区划分词词典获取所述有向无环图中各个结点的权重值;
通过DP动态规划策略以及所述各个结点的权重值对所述有向无环图进行计算得到最大概率路径分词策略;
根据所述最大概率路径分词策略对所述待处理地址进行分词。
在本公开的一种示例性实施例中,所述预设的行政区划分词词典包括行政区划结点名称、权重值以及行政区划标识,所述行政区划标识包括以下任意一项或多项:本结点的行政区划编码、时间信息、行政区划级别、本结点的上级行政区划的编码、以及本结点的标准名称。
在本公开的一种示例性实施例中,对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路,包括:
将分词处理后的连续多个分词与预设行政区划链表进行匹配,确定所述连续多个分词在预设行政区划链表中是否为同一链路中连续的上、下级行政区划信息,若是,确定连续多个分词具有关联性。
在本公开的一种示例性实施例中,所述预设行政区划链表中包括多级行政区划信息,所述方法还包括:生成预设行政区划链表,具体包括:
根据单个行政区划信息以及其上、下级行政区划信息形成由最低级行政区划信息指向最高级行政区划信息的链路;
将链路中各级行政区划信息与对应的行政区划标识进行关联,生成具有行政区划标识的所述预设行政区划链表。
在本公开的一种示例性实施例中,得到对应的地址路径链路后,所述方法还包括:
判断地址路径链路中是否存在满足第一预设条件的链路,若是,确定所述地址路径链路中存在有效的地址路径链路;其中,第一预设条件为地址路径链路数量为1,且链路结点大于1;
若否,则判断所述地址路径链路是否满足第二预设条件,若满足,确定所述地址路径链路为候选地址路径链路,并将满足第二预设条件的所有候选地址路径链路生成候选地址结果簇;其中,第二预设条件为地址路径链路数量及各链路中结点数量均大于1,或者,所有地址链路的结点数均为1。
在本公开的一种示例性实施例中,将满足第二预设条件的所有候选地址路径链路生成候选地址结果簇后,所述方法还包括:
获取所述待处理地址对应的主体信息;
获取所述主体信息对应的官方代码信息;
提取所述官方代码信息中的行政区划代码段;
根据预设行政区划链表确定所述行政区划代码段对应的多级行政区划信息,将行政区划代码段对应的多级行政区划信息作为前缀筛选条件遍历所述候选地址结果簇;
将候选地址结果簇中与行政区划代码段对应的所述多级行政区划信息匹配的候选地址路径链路作为有效的地址路径链路。
在本公开的一种示例性实施例中,所述方法还包括:
预设行政区划名称数据库,所述行政区划名称数据库包括行政区划标准名称与行政区划简称的对应关系;
对分词处理后的连续多个分词进行关联性分析之前,还包括:
将所述分词处理后的分词匹配行政区划名称数据库,根据行政区划标准名称与行政区划简称的对应关系确定所述分词的行政区划标准名称,根据所述分词的行政区划标准名称进行关联性分析。
在本公开的一种示例性实施例中,对分词处理后的连续多个分词进行关联性分析之前,还包括:
将所述分词匹配预设行政区划变更历史映射表,确定所述分词是否存在变更数据,若是,根据所述变更数据更新所述分词并进行关联性分析。
在本公开的一种示例性实施例中,所述方法还包括生成所述预设行政区划变更历史映射表,具体包括:
根据预设时间条件构建多个行政区划多叉树,所述行政区划多叉树包括多个子树;
对比所述连续两个行政区划多叉树中子树的节点数据是否满足预设变更条件,将满足变更条件的结点数据标记为变更数据;
根据所述变更数据生成预设行政区划变更历史映射表;
其中,对比所述连续两个行政区划多叉树中子树的节点数据是否满足预设变更条件,包括:
对比所述连续两个行政区划多叉树中子树的节点数据是否一致;
若节点数据不一致,对比连续两个行政区划多叉树中的对应子树的结点数量是否一致;
若结点数量一致,判断不一致的至少两个节点数据的前缀词是否一致;
若前缀词一致,确定连续两个行政区划多叉树中子树的节点数据满足预设变更条件,并将前缀词一致的两个节点数据作为变更数据。
在本公开的一种示例性实施例中,所述方法还包括:
校验分词处理后的分词结果是否存在错误,并根据错误的分词结果,调整预设的行政区划分词词典中对应行政区划结点名称的权重值。
在本公开的一个方面,提供一种地址数据获取装置,包括:
分词模块,用于通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理;
分析模块,用于对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路;
获取模块,用于在确定所述地址路径链路中存在有效的地址路径链路时,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。
在本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
在本公开的一个方面,提供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根据上述任意一项所述的方法。
本公开的示例性实施例中的地址数据获取方法,通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理;对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路;若确定所述地址路径链路中存在有效的地址路径链路,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。本公开通过配置行政区域分词词典,对地址信息分词并匹配,可以大幅提高企业的行政区划地址的准确性,且节省人力成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例,本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的地址数据获取方法的流程图;
图2示出了根据本公开一示例性实施例的地址数据获取装置的示意框图;
图3示意性示出了根据本公开一示例性实施例的电子设备的框图;以及
图4示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中,首先提供了一种地址数据获取方法;参考图1中所示,该地址数据获取方法可以包括以下步骤:
步骤S110,通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理;
步骤S120,对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路;
步骤S130,若确定所述地址路径链路中存在有效的地址路径链路,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。
本公开的示例性实施例中的地址数据获取方法,通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理;对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路;若确定所述地址路径链路中存在有效的地址路径链路,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。本公开通过配置行政区域分词词典,对地址信息分词并匹配,可以大幅提高企业的行政区划地址的准确性,且节省人力成本。
下面,将对本示例实施例中的地址数据获取方法进行进一步的说明。
在步骤S110中,可以通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理。
在本示例的实施例中,基于国标及网络数据建立行政区划分词词典,所述词典中包含我国全部一至四级行政区划分的全部地名,将所述行政区划分词词典作为地址识别补全的标准库。
在本示例的实施例中,所述预设的行政区划分词词典包括行政区划结点名称、权重值以及行政区划标识,所述行政区划标识包括以下任意一项或多项:本结点的行政区划编码、时间信息、行政区划级别、本结点的上级行政区划的编码、以及本结点的标准名称。
在本示例的实施例中,所述预设的行政区划分词词典包含全部地名及地名的权重值,所述权重值可以由行政区级别定义,如河南省的“河南”的权重值大于某市河南区的“河南”的权重值,也可以按照预设使用习惯及不同地域分别定义,如按照人口、经济规模、企业数量不同的“大王庄”的权重值也不同。
在本示例的实施例中,所述预设的行政区划分词词典还包含地址的时间信息,如“北京市通县|1997”、“四川省重庆市|1997”,同时,建立所述地名历史变更的映射表,如“北京市通县-北京市通州区”、“四川省重庆市-重庆市”。
在本示例的实施例中,所述方法还包括:
预设行政区划名称数据库,所述行政区划名称数据库包括行政区划标准名称与行政区划简称的对应关系。
在本示例的实施例中,根据我国地名的使用惯例,省级地名及部分市级地名都有行政区划简称,如山西省简称“晋”、河南省简称“豫”、广州简称“羊城”、呼和浩特市简称“呼市”等,建立行政区划标准名称与行政区划简称的对应关系有助于对模糊地址中行政区划简称的识别。
在本示例的实施例中,通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理,包括:
获取待处理地址的有向无环图,所述有向无环图包括由进行分词处理后的分词形成的多个结点;
根据预设的行政区划分词词典获取所述有向无环图中各个结点的权重值;
通过DP(Dynamic Programming,动态规划)动态规划策略以及所述各个结点的权重值对所述有向无环图进行计算得到最大概率路径分词策略;
根据所述最大概率路径分词策略对所述待处理地址进行分词。
在本示例的实施例中,首先将待处理地址的有向无环图展开,并获取所述有向无环图中各结点在预设的行政区划分词词典中的权重值,然后根据DP动态规划策略对所述待处理地址的有向无环图中各结点的权重值进行分析计算,得到最大概率路径分词策略,并根据所述最大概率路径分词策略对所述待处理地址进行分词。如待处理地址为“北京市海淀中关村”,根据有向无环图展开后有很多结果,如“北京-市-海淀-中关-村”链路、“北-京市海-淀-中关-村”链路、“北京市-海淀-中-关-村”链路等等,而在预设的行政区划分词词典中“北京市”的权重值远大于“京市海”,所以根据DP动态规划策略就可以得到一个或者多个权重值分数相似的分词链路,所述链路中的分词结果即是所述待处理地址的分词结果。
在本示例的实施例中,对分词处理后的连续多个分词进行关联性分析之前,还包括:
将所述分词处理后的分词匹配行政区划名称数据库,根据行政区划标准名称与行政区划简称的对应关系确定所述分词的行政区划标准名称,根据所述分词的行政区划标准名称进行关联性分析。
在本示例的实施例中,在分词处理后将行政区划简称进行匹配,将使用简称的待处理地址标准化为完整的地名,如将“内蒙-呼市”匹配为“内蒙古自治区-呼和浩特市”。
在本示例的实施例中,对分词处理后的连续多个分词进行关联性分析之前,还包括:
将所述分词匹配预设行政区划变更历史映射表,确定所述分词是否存在变更数据,若是,根据所述变更数据更新所述分词并进行关联性分析。
在本示例的实施例中,如前述示例中,如分词后有企业地址为“北京市-通县-九棵树”则根据历史行政区划对应为“北京市-通州区-九棵树”。
在本示例的实施例中,所述方法还包括生成所述预设行政区划变更历史映射表,具体包括:
根据预设时间条件构建多个行政区划多叉树,所述行政区划多叉树包括多个子树;
对比所述连续两个行政区划多叉树中子树的节点数据是否满足预设变更条件,将满足变更条件的结点数据标记为变更数据;
根据所述变更数据生成预设行政区划变更历史映射表;
其中,对比所述连续两个行政区划多叉树中子树的节点数据是否满足预设变更条件,包括:
对比所述连续两个行政区划多叉树中子树的节点数据是否一致;
若节点数据不一致,对比连续两个行政区划多叉树中的对应子树的结点数量是否一致;
若结点数量一致,判断不一致的至少两个节点数据的前缀词是否一致;
若前缀词一致,确定连续两个行政区划多叉树中子树的节点数据满足预设变更条件,并将前缀词一致的两个节点数据作为变更数据。
在本示例的实施例中,在预设的行政区划分词词典构建时,也可以根据不同预设时间的多个行政区划子树的节点数据对比,判断所述行政区划是否存在映射关系。如建立“那曲地区|2018”的行政区划多叉树后,其子树为“色尼区、嘉黎县、比如县、聂荣县、安多县、申扎县、索县、班戈县、巴青县、尼玛县、双湖县”,与“那曲市”的行政区划比较,发现子树数量相同,切至少两个节点数据的前缀词一致,则可以判断“那曲市”为“那曲地区”的变更映射结果。同时,对于两个行政区划变更为合并/拆分的,并不能简单的通过子树节点的数据进行判断,这时,就需要人工干预进行人工标注行政区划变更映射情况调整,如把“宣武区”通过人工干预的方式将映射结果调整为“西城区”。
在本示例的实施例中,所述方法还包括:
校验分词处理后的分词结果是否存在错误,并根据错误的分词结果,调整预设的行政区划分词词典中对应行政区划结点名称的权重值。
在本示例的实施例中,对分词结果进行错误校验,若存在分词错误,则对应调整所述分词在预设的行政区划分词词典中的权重值,如降低权重值,保存并更新行政区划分词词典。
在步骤S120中,可以对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路。
在本示例的实施例中,基于预设行政区划链表对分词处理后的连续多个分词进行关联性分析,可以排除大多数不合理的分词链路,得到对应的地址路径链路,
在本示例的实施例中,对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路,包括:
将分词处理后的连续多个分词与预设行政区划链表进行匹配,确定所述连续多个分词在预设行政区划链表中是否为同一链路中连续的上、下级行政区划信息,若是,确定连续多个分词具有关联性。
在本示例的实施例中,以待确定地址“长沙市南山区”为例,对“长沙市南山区”分词后存在“长沙市-南山区”、“长沙市南-山区”的分词地址路径链路,通过基于预设行政区划链表查询,长沙市并没有南山区,所以可以确定分词结果为“长沙市南-山区”的地址路径链路。
在本示例的实施例中,所述预设行政区划链表中包括多级行政区划信息,所述方法还包括:生成预设行政区划链表,具体包括:
根据单个行政区划信息以及其上、下级行政区划信息形成由最低级行政区划信息指向最高级行政区划信息的链路;
将链路中各级行政区划信息与对应的行政区划标识进行关联,生成具有行政区划标识的所述预设行政区划链表。
在本示例的实施例中,根据预设的行政区划分词词典,对每一个四级地址都建立从一级到四级地址的行政区划链表,并根据预设的行政区划代码对所述行政区划链表进行对应匹配,如四级地址“吾斯塘博依街道办事处”对应的行政区划链表为:6531010030|2018|4|653101|吾斯塘博依街道办事处,所述行政区划链表格式为:行政区划代码|最新的有效年份|地址级别|上级地址的行政区划代码|行政区划的标准称谓。
在步骤S130中,可以若确定所述地址路径链路中存在有效的地址路径链路,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。
在本示例的实施例中,在确定所述地址路径链路中存在有效的地址路径链路后,若仍不能确定唯一的地址映射时,可以根据企业的统一社会信用代码或工商注册编码中的地址信息,对所述多个有效的地址路径链路进行筛选,确定出所述企业对应的唯一地址。
在本示例的实施例中,得到对应的地址路径链路后,所述方法还包括:
判断地址路径链路中是否存在满足第一预设条件的链路,若是,确定所述地址路径链路中存在有效的地址路径链路;其中,第一预设条件为地址路径链路数量为1,且链路结点大于1;
若否,则判断所述地址路径链路是否满足第二预设条件,若满足,确定所述地址路径链路为候选地址路径链路,并将满足第二预设条件的所有候选地址路径链路生成候选地址结果簇;其中,第二预设条件为地址路径链路数量及各链路中结点数量均大于1,或者,所有地址链路的结点数均为1。
在本示例的实施例中,以西安曲江以东、南三环以北中国铁建国际城14幢1单元1层10109号’为例,经过最大概率分词的结果为:‘西安,曲江,南三,国铁,建国’,每个分词会有其对应的多个的行政区划,如“西安”对应的有:西安:5307020010|2018|4|530702|西安街道办事处、610100|2018|2|61|西安市|None、6405221030|2018|4|640522|西安镇|None、2111211080|2015|4|211121|西安镇|None、3208020050|2015|4|320802|西安路街道办事处|None等,通过第一预设条件,也就是地址路径链路数量为1,且链路结点大于1判断后,仍然后多个链路结果,则通过第二预设条件,也就是地址路径链路数量及各链路中结点数量均大于1,或者,所有地址链路的结点数均为1,将所述多个地址链路确定为候选地址结果簇。
在本示例的实施例中,将满足第二预设条件的所有候选地址路径链路生成候选地址结果簇后,所述方法还包括:
获取所述待处理地址对应的主体信息;
获取所述主体信息对应的官方代码信息(统一社会信用代码和工商注册号);
提取所述官方代码信息中的行政区划代码段;
根据预设行政区划链表确定所述行政区划代码段对应的多级行政区划信息,将行政区划代码段对应的多级行政区划信息作为前缀筛选条件遍历所述候选地址结果簇;
将候选地址结果簇中与行政区划代码段对应的所述多级行政区划信息匹配的候选地址路径链路作为有效的地址路径链路。
在本示例的实施例中,以上述西安市某企业地址为例,确定多个地址链路确定为候选地址结果簇后,则调取所述企业的统一社会信用代码判断,其中3-8位是行政区划代码,或工商注册号(0-6位是行政区划代码),如所述企业的统一社会信用代码的3-8位为“530702”,则可以判断所述企业为陕西省西安市的企业,此时,可以将其它非陕西省的企业全部排除,得到唯一的企业的详细补全地址。
在本示例的实施例中,若分词结果不能组成一条完整的地址链路利用行政区划代码的映射图进行补全,如:北京市->中关村街道’,其中缺少第三级(区、县)行政区划信息,通过中关村街道的上级行政区划代码配合行政区划代码的映射图得到’海淀区’添加到地址链路中,从而补全地址链路’北京市->海淀区->中关村街道’。
进一步地,还可以根据与所述待处理地址信息对应的地址数据在预设的地址编码数据库中查找对应的地址编码信息。该预设的地址编码数据库可以是国家行政区划地区编码表,在本示例的实施例中,在确定出企业的详细补全地址后,根据该编码表即可以生成地址对应行政区划代码并对应展示。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
此外,在本示例实施例中,还提供了一种地址数据获取装置。参照图2所示,该地址数据获取装置200可以包括:分词模块210、分析模块220以及获取模块230。其中:
分词模块210,用于通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理;
分析模块220,用于对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路;
获取模块230,用于在确定所述地址路径链路中存在有效的地址路径链路时,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。
上述中各地址数据获取装置模块的具体细节已经在对应的地址数据获取方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了地址数据获取装置200的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参照图3来描述根据本发明的这种实施例的电子设备300。图3显示的电子设备300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:上述至少一个处理单元310、上述至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如,所述处理单元310可以执行如图1中所示的步骤S110至步骤S130。
存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备370(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且,电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器360通过总线330与电子设备300的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图4所示,描述了根据本发明的实施例的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (15)
1.一种地址数据获取方法,其特征在于,所述方法包括:
通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理;
对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路;
若确定所述地址路径链路中存在有效的地址路径链路,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。
2.如权利要求1所述的方法,其特征在于,通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理,包括:
获取待处理地址的有向无环图,所述有向无环图包括由进行分词处理后的分词形成的多个结点;
根据预设的行政区划分词词典获取所述有向无环图中各个结点的权重值;
通过DP动态规划策略以及所述各个结点的权重值对所述有向无环图进行计算得到最大概率路径分词策略;
根据所述最大概率路径分词策略对所述待处理地址进行分词。
3.如权利要求1或2所述的方法,其特征在于,所述预设的行政区划分词词典包括行政区划结点名称、权重值以及行政区划标识,所述行政区划标识包括以下任意一项或多项:本结点的行政区划编码、时间信息、行政区划级别、本结点的上级行政区划的编码、以及本结点的标准名称。
4.如权利要求1所述的方法,其特征在于,对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路,包括:
将分词处理后的连续多个分词与预设行政区划链表进行匹配,确定所述连续多个分词在预设行政区划链表中是否为同一链路中连续的上、下级行政区划信息,若是,确定连续多个分词具有关联性。
5.如权利要求4所述的方法,其特征在于,所述预设行政区划链表中包括多级行政区划信息,所述方法还包括:生成预设行政区划链表,具体包括:
根据单个行政区划信息以及其上、下级行政区划信息形成由最低级行政区划信息指向最高级行政区划信息的链路;
将链路中各级行政区划信息与对应的行政区划标识进行关联,生成具有行政区划标识的所述预设行政区划链表。
6.如权利要求1所述的方法,其特征在于,得到对应的地址路径链路后,所述方法还包括:
判断地址路径链路中是否存在满足第一预设条件的链路,若是,确定所述地址路径链路中存在有效的地址路径链路;其中,第一预设条件为地址路径链路数量为1,且链路结点大于1;
若否,则判断所述地址路径链路是否满足第二预设条件,若满足,确定所述地址路径链路为候选地址路径链路,并将满足第二预设条件的所有候选地址路径链路生成候选地址结果簇;其中,第二预设条件为地址路径链路数量及各链路中结点数量均大于1,或者,所有地址链路的结点数均为1。
7.如权利要求6所述的方法,其特征在于,将满足第二预设条件的所有候选地址路径链路生成候选地址结果簇后,所述方法还包括:
获取所述待处理地址对应的主体信息;
获取所述主体信息对应的官方代码信息;
提取所述官方代码信息中的行政区划代码段;
根据预设行政区划链表确定所述行政区划代码段对应的多级行政区划信息,将行政区划代码段对应的多级行政区划信息作为前缀筛选条件遍历所述候选地址结果簇;
将候选地址结果簇中与行政区划代码段对应的所述多级行政区划信息匹配的候选地址路径链路作为有效的地址路径链路。
8.如权利要求1所述的方法,其特征在于,所述方法还包括:
预设行政区划名称数据库,所述行政区划名称数据库包括行政区划标准名称与行政区划简称的对应关系;
对分词处理后的连续多个分词进行关联性分析之前,还包括:
将所述分词处理后的分词匹配行政区划名称数据库,根据行政区划标准名称与行政区划简称的对应关系确定所述分词的行政区划标准名称,根据所述分词的行政区划标准名称进行关联性分析。
9.如权利要求1所述的方法,其特征在于,对分词处理后的连续多个分词进行关联性分析之前,还包括:
将所述分词匹配预设行政区划变更历史映射表,确定所述分词是否存在变更数据,若是,根据所述变更数据更新所述分词并进行关联性分析。
10.如权利要求9所述的方法,其特征在于,所述方法还包括生成所述预设行政区划变更历史映射表,具体包括:
根据预设时间条件构建多个行政区划多叉树,所述行政区划多叉树包括多个子树;
对比所述连续两个行政区划多叉树中子树的节点数据是否满足预设变更条件,将满足变更条件的结点数据标记为变更数据;
根据所述变更数据生成预设行政区划变更历史映射表;
其中,对比所述连续两个行政区划多叉树中子树的节点数据是否满足预设变更条件,包括:
对比所述连续两个行政区划多叉树中子树的节点数据是否一致;
若节点数据不一致,对比连续两个行政区划多叉树中的对应子树的结点数量是否一致;
若结点数量一致,判断不一致的至少两个节点数据的前缀词是否一致;
若前缀词一致,确定连续两个行政区划多叉树中子树的节点数据满足预设变更条件,并将前缀词一致的两个节点数据作为变更数据。
11.如权利要求1所述的方法,其特征在于,所述方法还包括:
校验分词处理后的分词结果是否存在错误,并根据错误的分词结果,调整预设的行政区划分词词典中对应行政区划结点名称的权重值。
12.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据与所述待处理地址信息对应的地址数据在预设的地址编码数据库中查找对应的地址编码信息。
13.一种地址数据获取装置,其特征在于,所述装置包括:
分词模块,用于通过预设的行政区划分词词典对待处理地址信息进行最大概率路径分词处理;
分析模块,用于对分词处理后的连续多个分词进行关联性分析,得到对应的地址路径链路;
获取模块,用于在确定所述地址路径链路中存在有效的地址路径链路时,根据所述有效的地址路径链路获取与所述待处理地址信息对应的地址数据。
14.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现上述权利要求1-11任一所述的方法。
15.一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,该计算机程序被处理器执行时,实现上述权利要求1-11任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911055831.8A CN110765773A (zh) | 2019-10-31 | 2019-10-31 | 地址数据获取方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911055831.8A CN110765773A (zh) | 2019-10-31 | 2019-10-31 | 地址数据获取方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110765773A true CN110765773A (zh) | 2020-02-07 |
Family
ID=69335419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911055831.8A Pending CN110765773A (zh) | 2019-10-31 | 2019-10-31 | 地址数据获取方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765773A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914557A (zh) * | 2020-07-31 | 2020-11-10 | 上海燕汐软件信息科技有限公司 | 地址解析方法、装置、设备及计算机可读存储介质 |
CN112148819A (zh) * | 2020-08-17 | 2020-12-29 | 北京来也网络科技有限公司 | 结合rpa和ai的地址识别方法和装置 |
CN112651232A (zh) * | 2020-12-29 | 2021-04-13 | 中国平安人寿保险股份有限公司 | 一种地址纠错方法、装置、设备及存储介质 |
CN112835897A (zh) * | 2021-01-29 | 2021-05-25 | 上海寻梦信息技术有限公司 | 地理区域划分管理方法、数据转换方法及相关设备 |
CN112862245A (zh) * | 2020-12-30 | 2021-05-28 | 北京知因智慧科技有限公司 | 数据交换方法、装置以及电子设备 |
CN113536070A (zh) * | 2021-08-11 | 2021-10-22 | 汉唐信通(北京)咨询股份有限公司 | 一种地址解析方法、系统、计算机设备和存储介质 |
CN113656450A (zh) * | 2021-07-12 | 2021-11-16 | 大箴(杭州)科技有限公司 | 地址处理方法及装置、电子设备、存储介质 |
CN113761909A (zh) * | 2021-01-18 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种识别地址的方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289467A (zh) * | 2011-07-22 | 2011-12-21 | 浙江百世技术有限公司 | 确定目标网点的方法和装置 |
CN105224622A (zh) * | 2015-09-22 | 2016-01-06 | 中国搜索信息科技股份有限公司 | 面向互联网的地名地址提取与标准化方法 |
CN106202028A (zh) * | 2015-04-30 | 2016-12-07 | 阿里巴巴集团控股有限公司 | 一种地址信息识别方法及装置 |
CN106959961A (zh) * | 2016-01-11 | 2017-07-18 | 阿里巴巴集团控股有限公司 | 一种地址识别方法及装置 |
CN107220240A (zh) * | 2017-06-06 | 2017-09-29 | 深圳中泓在线股份有限公司 | 微博微信文本中地名识别方法 |
CN108959244A (zh) * | 2018-06-07 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 地址分词的方法和装置 |
CN109359174A (zh) * | 2018-09-03 | 2019-02-19 | 杭州数梦工场科技有限公司 | 行政区划归属识别方法、装置、存储介质及计算机设备 |
CN109710087A (zh) * | 2018-12-28 | 2019-05-03 | 北京金山安全软件有限公司 | 输入法模型生成方法及装置 |
-
2019
- 2019-10-31 CN CN201911055831.8A patent/CN110765773A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289467A (zh) * | 2011-07-22 | 2011-12-21 | 浙江百世技术有限公司 | 确定目标网点的方法和装置 |
CN106202028A (zh) * | 2015-04-30 | 2016-12-07 | 阿里巴巴集团控股有限公司 | 一种地址信息识别方法及装置 |
CN105224622A (zh) * | 2015-09-22 | 2016-01-06 | 中国搜索信息科技股份有限公司 | 面向互联网的地名地址提取与标准化方法 |
CN106959961A (zh) * | 2016-01-11 | 2017-07-18 | 阿里巴巴集团控股有限公司 | 一种地址识别方法及装置 |
CN107220240A (zh) * | 2017-06-06 | 2017-09-29 | 深圳中泓在线股份有限公司 | 微博微信文本中地名识别方法 |
CN108959244A (zh) * | 2018-06-07 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 地址分词的方法和装置 |
CN109359174A (zh) * | 2018-09-03 | 2019-02-19 | 杭州数梦工场科技有限公司 | 行政区划归属识别方法、装置、存储介质及计算机设备 |
CN109710087A (zh) * | 2018-12-28 | 2019-05-03 | 北京金山安全软件有限公司 | 输入法模型生成方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914557A (zh) * | 2020-07-31 | 2020-11-10 | 上海燕汐软件信息科技有限公司 | 地址解析方法、装置、设备及计算机可读存储介质 |
CN112148819A (zh) * | 2020-08-17 | 2020-12-29 | 北京来也网络科技有限公司 | 结合rpa和ai的地址识别方法和装置 |
CN112651232A (zh) * | 2020-12-29 | 2021-04-13 | 中国平安人寿保险股份有限公司 | 一种地址纠错方法、装置、设备及存储介质 |
CN112651232B (zh) * | 2020-12-29 | 2023-07-25 | 中国平安人寿保险股份有限公司 | 一种地址纠错方法、装置、设备及存储介质 |
CN112862245A (zh) * | 2020-12-30 | 2021-05-28 | 北京知因智慧科技有限公司 | 数据交换方法、装置以及电子设备 |
CN112862245B (zh) * | 2020-12-30 | 2024-04-23 | 北京知因智慧科技有限公司 | 数据交换方法、装置以及电子设备 |
CN113761909A (zh) * | 2021-01-18 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种识别地址的方法及装置 |
CN113761909B (zh) * | 2021-01-18 | 2023-11-07 | 北京京东振世信息技术有限公司 | 一种识别地址的方法及装置 |
CN112835897A (zh) * | 2021-01-29 | 2021-05-25 | 上海寻梦信息技术有限公司 | 地理区域划分管理方法、数据转换方法及相关设备 |
CN112835897B (zh) * | 2021-01-29 | 2024-03-15 | 上海寻梦信息技术有限公司 | 地理区域划分管理方法、数据转换方法及相关设备 |
CN113656450A (zh) * | 2021-07-12 | 2021-11-16 | 大箴(杭州)科技有限公司 | 地址处理方法及装置、电子设备、存储介质 |
CN113536070A (zh) * | 2021-08-11 | 2021-10-22 | 汉唐信通(北京)咨询股份有限公司 | 一种地址解析方法、系统、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110765773A (zh) | 地址数据获取方法以及装置 | |
CN111061833B (zh) | 数据处理方法、装置、电子设备和计算机可读存储介质 | |
CN111325022B (zh) | 识别层级地址的方法和装置 | |
CN111435406A (zh) | 一种纠正数据库语句拼写错误的方法和装置 | |
CN114091426A (zh) | 一种处理数据仓库中字段数据的方法和装置 | |
CN105573971A (zh) | 表格重构装置和方法 | |
CN111984673B (zh) | 一种电网电能量计量系统树形结构模糊检索方法和装置 | |
CN113312539A (zh) | 一种检索服务的提供方法、装置、设备和介质 | |
CN111026629A (zh) | 一种测试脚本自动生成的方法和装置 | |
CN112115125B (zh) | 数据库访问对象名称解析方法、装置及电子设备 | |
CN113204613B (zh) | 地址生成方法、装置、设备和存储介质 | |
CN114169318A (zh) | 进程识别方法、装置、设备、介质和程序 | |
CN116107971A (zh) | 模型的数据处理方法、装置、电子设备以及存储介质 | |
CN111475742A (zh) | 一种地址提取方法和装置 | |
CN113760891B (zh) | 一种数据表的生成方法、装置、设备和存储介质 | |
TWI844091B (zh) | 特徵匹配規則構建、特徵匹配方法、裝置、設備及介質 | |
CN110727672A (zh) | 数据映射关系查询方法、装置、电子设备及可读介质 | |
US11947958B2 (en) | Method, device, and program product for managing object in software development project | |
CN113761909B (zh) | 一种识别地址的方法及装置 | |
US20230195734A1 (en) | Machine learning enabled real time query handling system and method | |
CN117689299A (zh) | 一种订单处理方法和装置 | |
CN117435740A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN115422204A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115774802A (zh) | 一种基于set数组的终端信息匹配方法及系统 | |
CN115645930A (zh) | 一种高灵活度的sdk配置方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |