CN112818665A - 结构化地址信息的方法、装置、电子设备及存储介质 - Google Patents
结构化地址信息的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112818665A CN112818665A CN202110127681.8A CN202110127681A CN112818665A CN 112818665 A CN112818665 A CN 112818665A CN 202110127681 A CN202110127681 A CN 202110127681A CN 112818665 A CN112818665 A CN 112818665A
- Authority
- CN
- China
- Prior art keywords
- address
- word segmentation
- address information
- information
- processed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000011218 segmentation Effects 0.000 claims abstract description 114
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000153 supplemental effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000001364 causal effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 125000002015 acyclic group Chemical group 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种结构化地址信息的方法、装置、电子设备及存储介质，结构化地址信息的方法，包括：按地址标准词库对待处理地址信息进行分词，获得多个分词结果，每一分词结果包括多个分词字段以及该分词字段的地址标注；根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型；采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值；以及将概率值最大的分词结果作为所述待处理地址信息的结构化信息。本发明实现地址结构化，以避免用户填写信息的干扰，提高地址结构化效果，从而提高用户物流体验。
Description
技术领域
本发明涉及计算机应用领域，尤其涉及一种结构化地址信息的方法、装置、电子设备及存储介质。
背景技术
目前，在物流场景下，对于用户给定的收货地址，需要对其进行地址结构化。地址结构化也就是识别出地址信息中的‘省份’、‘市’、‘区、县’、‘乡、镇/街道’、‘路名’、‘路号’、‘小区’、‘楼栋号’等关键信息，以便于进行地址匹配、地址聚类、物流路由计算等地址信息的处理。地址结构化作为物流场景中的基础功能，在诸如个人发件、商户发件、电商平台仓库发件、电商平台管理商户发件等各类物流场景下下应用广泛，地址结果化的效果好坏间接影响了众多物流业务的最终效果。
因此，提升地址结构化的效果在物流场景中显得至关重要。然而，实际的场景中，用户填写的收货地址形式多种多样，有些用户并不会写‘乡、镇’、‘小区’等关键信息的全称，而是约定俗称的简称，同时有些地址中还会出现错别字，从而出现并不存在的‘路名’、‘小区’等，并且很多地址中包含有干扰信息，例如备注、手机号码、描述性词语等，以上列举的情况都会对地址结构化的过程增加很多困难。
由此，如何实现地址结构化，以避免用户填写信息的干扰，提高地址结构化效果，从而提高用户物流体验，是本领域亟待解决的技术问题。
发明内容
本发明为了克服上述相关技术存在的缺陷，提供一种结构化地址信息的方法、装置、电子设备及存储介质，进而实现地址结构化，以避免用户填写信息的干扰，提高地址结构化效果，从而提高用户物流体验。
根据本发明的一个方面，提供一种结构化地址信息的方法，包括：
按地址标准词库对待处理地址信息进行分词，获得多个分词结果，每一分词结果包括多个分词字段以及该分词字段的地址标注；
根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型；
采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值；以及
将概率值最大的分词结果作为所述待处理地址信息的结构化信息。
在本发明的一些实施例中，所述根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型包括：
计算各所述地址标注的概率值；
计算各所述地址标注所在字段的下一字段对应的各地址标注的概率值；
计算各所述分词字段对应于各所述地址标注的概率值。
在本发明的一些实施例中，所述根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型包括：
在所述地址标准词库和/或补充地址词库的范围内统计各所述分词字段以及各所述地址标注，以获得所述统计数据。
在本发明的一些实施例中，所述补充标准词库包括历史地址信息的结构化信息，且所述结构化信息不在所述地址标准词库中，所述历史地址信息为经所述的结构化地址信息的方法结构化的地址信息。
在本发明的一些实施例中，所述补充标准词库中的结构化信息为反馈准确率大于准确率阈值的历史地址信息的结构化信息。
在本发明的一些实施例中，所述按地址标准词库对待处理地址信息进行分词，获得多个分词结果之前还包括：
对所述待处理地址信息进行预处理，以删除干扰信息。
在本发明的一些实施例中，所述对所述待处理地址信息进行预处理，以删除干扰信息包括如下预处理步骤中的一项或多项：
识别所述待处理地址信息中的联系方式，并自所述待处理地址信息中删除；
识别所述待处理地址信息中的备注信息，并自所述待处理地址信息中删除；
识别所述待处理地址信息中的描述性词语，并自所述待处理地址信息中删除。
在本发明的一些实施例中，所述动态规划算法包括前向算法、后向算法、维特比算法中的一个或多个动态规划算法。
根据本发明的又一方面，还提供一种结构化地址信息的装置，包括：
分词模块，配置成按地址标准词库对待处理地址信息进行分词，获得多个分词结果，每一分词结果包括多个分词字段以及该分词字段的地址标注；
构建模块，配置成根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型；
计算模块，配置成采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值；以及
结构化模块，配置成将概率值最大的分词结果作为所述待处理地址信息的结构化信息。
根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术，本发明的优势在于：
一方面，本发明按地址标准词库对待处理地址信息进行分词，获得多个分词结果，以提高分词的准确率；另一方面，根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型，并采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值，将概率值最大的分词结果作为所述待处理地址信息的结构化信息，从而避免用户填写错误、分词歧义等对地址信息结构化的影响。由此，实现地址结构化，以避免用户填写信息的干扰，提高地址结构化效果，从而提高用户物流体验。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的结构化地址信息的方法的流程图。
图2示出了根据本发明实施例的根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型的流程图。
图3示出了根据本发明实施例的结构化地址信息的装置的模块图。
图4示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。
图5示意性示出本发明示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。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方式中。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。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。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，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。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。
在本发明的各个实施例中，本发明提供的结构化地址信息的方法可以应用于物流平台、电商平台或任何第三方需要使用地址信息的平台，但本发明的应用场景并非以此为限制，在此不予赘述。
图1示出了根据本发明实施例的结构化地址信息的方法的流程图。结构化地址信息的方法包括如下步骤：
步骤S110：按地址标准词库对待处理地址信息进行分词，获得多个分词结果，每一分词结果包括多个分词字段以及该分词字段的地址标注。
具体而言，地址标准词库可以由地图供应商提供，也可以由其它第三方平台提供。地址标准词库可以包括中国各省、市、区/县、乡/镇等行政区划相关全称、简称、别称，路名，小区名，中学、小区、商场等地址后缀名词，本发明并非以此为限制。在一些变化例中，也可以在结构化地址信息的服务器中自行生成和维护地址标准词库，本发明并非以此为限制。
在本发明的一些实施例中，步骤S110可以采用基于字符串匹配的分词算法进行分词。基于字符串匹配，即扫描字符串，如果发现字符串的子串和地址标准词库中的词相同，即为匹配。这类分词通常会加入一些启发式规则，比如“正向/反向最大匹配”，“长词优先”等。在本发明的另一些实施例中，步骤S110可以采用基于统计以及机器学习的分词方法进行分词。基于统计以及机器学习的分词方法基于人工标注的词性和统计特征，对中文进行建模，即根据观测到的数据(标注好的语料)对模型参数进行训练。本领域技术人员可以实现更多不同的分词算法，在此不予赘述。进一步地，步骤S110还可以采用多种不同的分词算法，从而获得多个不同的分词结果。
具体而言，步骤S110对地址信息进行分词，以省、市、区/县、乡/镇等行政区划，路名，小区名，中学、小区、商场等字段级对应的标注。例如，可以获得分词字段以及地址标注：江苏-省；南京-市；雨花台-区。
步骤S120：根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型。
具体而言，概率图模型是一类用图形模式表达基于概率相关关系的模型的总称。概率图模型结合概率论与图论的知识,利用图来表示与模型有关的变量的联合概率分布。本发明所采用的概率图模型可以为贝叶斯网络、马尔可夫网络和隐马尔可夫网络中的任一项。贝叶斯网络(BayesianNetwork)和马尔可夫随机场(Markov Random Field)的主要区别在于采用不同类型的图来表达变量之间的关系:贝叶斯网络采用有向无环图(DirectedAcyclic Graph)来表达因果关系，马尔可夫随机场则采用无向图(Undirected Graph)来表达变量间的相互作用。这种结构上的区别导致了它们在建模和推断方面的一系列微妙的差异。一般来说，贝叶斯网络中每一个节点都对应于一个先验概率分布或者条件概率分布，因此整体的联合分布可以直接分解为所有单个节点所对应的分布的乘积。而对于马尔可夫场，由于变量之间没有明确的因果关系，它的联合概率分布通常会表达为一系列势函数(potential function)的乘积。在一些优选例中，由于各所述分词字段以及各所述地址标注之间没有明确的因果关系，所以步骤S120可以采用马尔可夫网络或隐马尔可夫网络。
步骤S130：采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值。
具体而言，由于概率图模型涉及多个节点和节点之间的关系，因此，可以通过动态规划算法来求得概率图模型的最优解，从而计算各所述分词结果的概率值。
步骤S140：将概率值最大的分词结果作为所述待处理地址信息的结构化信息。
具体而言，步骤S140中将概率值最大的分词结果作为所述待处理地址信息的结构化信息，从而提高结构化信息的准确度，且当分词获得多个分词结果时，无法确定应用在地址信息中最合适的结构化信息的分词结果。
具体而言，概率图模型可以用于解决分词中出现的歧义情况，例如：‘南京市长江大桥’，可以分成‘南京市-长江大桥’，也可以分成‘南京-市长-江大桥’，两种结果都是有合理意义的。但在物流场景/电商场景下的收货地址里，明显第一种是最有可能的。
分词场景中，一个词的出现通常取决于前几个词，因此一般基于N元语言模型，假定其符合马尔可夫条件，然后利用词汇的统计信息，构建概率图模型。模型的参数使用维特比算法计算得到。
在本发明提供的结构化地址信息的方法中，一方面，本发明按地址标准词库对待处理地址信息进行分词，获得多个分词结果，以提高分词的准确率；另一方面，根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型，并采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值，将概率值最大的分词结果作为所述待处理地址信息的结构化信息，从而避免用户填写错误、分词歧义等对地址信息结构化的影响。由此，实现地址结构化，以避免用户填写信息的干扰，提高地址结构化效果，从而提高用户物流体验。
下面参见图2，图2示出了根据本发明实施例的根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型的流程图。图2共示出如下步骤：
步骤S121：计算各所述地址标注的概率值。
步骤S122：计算各所述地址标注所在字段的下一字段对应的各地址标注的概率值。
步骤S123：计算各所述分词字段对应于各所述地址标注的概率值。
具体而言，在本实施例中，可以构建隐马尔可夫网络。在隐马尔可夫网络是关于时序的概率模型，其描述的是由一个隐藏的马氏链随机生成不可观测的状态序列，再由各个状态随机生成一个观测而产生的观测序列的过程(李航，统计学习方法)。其实也就是说在一个系统中同时存在两条序列，一个是我们可以直接通过观测获得的，称之为观察序列(显示的)，而另一条则是状态转移序列即马氏链(隐藏的)，该序列我们并不能通过观察直接获得。但是呢状态转系序列会直接影响观察序列的结果，因此我们要做的是通过观察序列去推断状态序列最可能的结果，即通过可见的事物的变化揭示深藏其后的内在的本质规律，这也是为什么该模型称之为隐马尔可夫的原因(状态序列不可知)。
隐马尔可夫网络主要用于根据观察值序列(分词字段序列)预测隐含的状态序列(标注序列)。
构建隐马尔可夫网络需要各隐含的状态的初始概率，也就是各所述地址标注的概率值。各所述地址标注的概率值可以基于地址标准词库和/或补充地址词库。具体而言，地址标准词库和/或补充地址词库皆储存有字段以及字段对应的标注，地址标注的概率值为该标注出现的数量与各标注的出现数量之合的比值。具体而言，所述补充标准词库可以包括历史地址信息的结构化信息。在该实施例中，所述结构化信息不在所述地址标准词库中，以避免重复计算匹配，提高结构化准确率的同时，避免系统处理效率的降低。在该实施例中，所述历史地址信息可以为经所述的结构化地址信息的方法结构化的地址信息。由此，可以实现地址信息结构化的方法的复用，从而在结构化地址信息的同时，便于将已结构化的地址信息用于后续结构化地址信息的参考。进一步地，所述补充标准词库中的结构化信息可以是反馈准确率大于准确率阈值的历史地址信息的结构化信息。由此，避免结构化信息的准确率，对后续地址信息的结构化的影响，进一步提高结构化信息的准确率。
构建隐马尔可夫网络需要状态转移概率矩阵，也就是各所述地址标注所在字段的下一字段对应的各地址标注的概率值。与所述地址标注的概率值类似，各所述地址标注所在字段的下一字段对应的各地址标注的概率值也可以基于地址标准词库和/或补充地址词库计算。优选地，各所述地址标注所在字段的下一字段对应的各地址标注的概率值所基于的词库与所述地址标注的概率值所基于的词库相同，以保证统计值的基准词库相同。进一步地，可以将一所述地址标注所在字段的下一字段对应的各地址标注的出现次数之和与一所述地址标注所在字段的下一字段对应的另一地址标注的出现次数的比值作为一所述地址标注所在字段的下一字段对应的另一地址标注(可以与一所述地址标注为相同的地址标注)的概率值。
构建隐马尔可夫网络还需要给定状态下观测值概率分布矩阵，也就是各所述分词字段对应于各所述地址标注的概率值。与所述地址标注的概率值类似，各所述分词字段对应于各所述地址标注的概率值也可以基于地址标准词库和/或补充地址词库计算。优选地，各所述分词字段对应于各所述地址标注的概率值所基于的词库与所述地址标注的概率值所基于的词库相同，以保证统计值的基准词库相同。进一步地，可以将分词字段对应于各所述地址标注的出现次数之和与分词字段对应于该所述地址标注的出现次数的比值作为该分词字段的对应于该所述地址标注的概率值。
由此，通过上述步骤S121至步骤S123构建隐马尔可夫网络。
具体而言，隐马尔可夫网络可以给出标注序列(隐含的状态序列)的概率值，而为了计算标注序列的概率值，需要通过动态规划算法来对隐马尔可夫网络进行求解。具体而言，本发明所采用的动态规划算法可以包括前向算法、后向算法、维特比算法中的一个或多个动态规划算法。在本发明的一个优选例中，可以采用维特比算法来对构建的隐马尔可夫网络进行求解。本发明可以实现更多的变化方式，在此不予赘述。
在本发明的一些实施例中，图1步骤S110所述按地址标准词库对待处理地址信息进行分词，获得多个分词结果之前还可以包括：对所述待处理地址信息进行预处理，以删除干扰信息的步骤。由此，通过干扰信息的删除，从而提高结构化信息的准确率。在一些实施例中，对所述待处理地址信息进行预处理，以删除干扰信息可以包括识别所述待处理地址信息中的联系方式，并自所述待处理地址信息中删除。在另一些实施例中，对所述待处理地址信息进行预处理，以删除干扰信息可以包括识别所述待处理地址信息中的备注信息，并自所述待处理地址信息中删除。在又一些实施例中，对所述待处理地址信息进行预处理，以删除干扰信息可以包括识别所述待处理地址信息中的描述性词语，并自所述待处理地址信息中删除。由此，可以通过上述一种或多种预处理方式，对待处理地址信息进行预处理，以将与地址信息无关的内容进行删除，避免该些内容对地址信息结构化的影响。
以上仅仅是本发明的结构化地址信息的方法的多个具体实现方式，各实现方式可以独立或组合来实现，本发明并非以此为限制。进一步地，本发明的流程图仅仅是示意性地，各步骤之间的执行顺序并非以此为限制，步骤的拆分、合并、顺序交换、其它同步或异步执行的方式皆在本发明的保护范围之内。
下面参见图3，图3示出了根据本发明实施例的结构化地址信息的装置的模块图。结构化地址信息的装置200包括分词模块210、构建模块220、计算模块230以及结构化模块240。
分词模块210配置成按地址标准词库对待处理地址信息进行分词，获得多个分词结果，每一分词结果包括多个分词字段以及该分词字段的地址标注；
构建模块220配置成根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型；
计算模块230配置成采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值；以及
结构化模块240配置成将概率值最大的分词结果作为所述待处理地址信息的结构化信息。
在本发明的示例性实施方式的结构化地址信息的装置中，一方面，本发明按地址标准词库对待处理地址信息进行分词，获得多个分词结果，以提高分词的准确率；另一方面，根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型，并采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值，将概率值最大的分词结果作为所述待处理地址信息的结构化信息，从而避免用户填写错误、分词歧义等对地址信息结构化的影响。由此，实现地址结构化，以避免用户填写信息的干扰，提高地址结构化效果，从而提高用户物流体验。
图3仅仅是示意性的分别示出本发明提供的结构化地址信息的装置200，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的结构化地址信息的装置200可以由软件、硬件、固件、插件及他们之间的任意组合来实现，本发明并非以此为限。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述结构化地址信息的方法的步骤。在一些可能的实施方式中，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所述结构化地址信息的方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图4所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，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。
所述计算机可读存储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。可读存储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。可读存储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租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租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)，连接到租户计算设备，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)。
在本发明的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述结构化地址信息的方法的步骤。
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：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500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5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
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510执行，使得所述处理单元510执行本说明书上述所述结构化地址信息的方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1至图2任一幅或多幅附图所示的步骤。
所述存储单元520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)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205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530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500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通讯，还可与一个或者多个使得租户能与该电子设备500交互的设备通讯，和/或与使得该电子设备500能与一个或多个其它计算设备进行通讯的任何设备(例如路由器、调制解调器等等)通讯。这种通讯可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560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)通讯。网络适配器560可以通过总线530与电子设备500的其它模块通讯。应当明白，尽管图中未示出，可以结合电子设备500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。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式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、或者网络设备等)执行根据本发明实施方式的上述所述结构化地址信息的方法。
相比现有技术，本发明的优势在于：
一方面，本发明按地址标准词库对待处理地址信息进行分词，获得多个分词结果，以提高分词的准确率；另一方面，根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型，并采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值，将概率值最大的分词结果作为所述待处理地址信息的结构化信息，从而避免用户填写错误、分词歧义等对地址信息结构化的影响。由此，实现地址结构化，以避免用户填写信息的干扰，提高地址结构化效果，从而提高用户物流体验。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明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，本发明的真正范围和精神由所附的权利要求指出。
Claims (11)
1.一种结构化地址信息的方法，其特征在于，包括：
按地址标准词库对待处理地址信息进行分词，获得多个分词结果，每一分词结果包括多个分词字段以及该分词字段的地址标注；
根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型；
采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值；以及
将概率值最大的分词结果作为所述待处理地址信息的结构化信息。
2.如权利要求1所述的结构化地址信息的方法，其特征在于，所述根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型包括：
计算各所述地址标注的概率值；
计算各所述地址标注所在字段的下一字段对应的各地址标注的概率值；
计算各所述分词字段对应于各所述地址标注的概率值。
3.如权利要求1所述的结构化地址信息的方法，其特征在于，所述根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型包括：
在所述地址标准词库和/或补充地址词库的范围内统计各所述分词字段以及各所述地址标注，以获得所述统计数据。
4.如权利要求1所述的结构化地址信息的方法，其特征在于，所述补充标准词库包括历史地址信息的结构化信息，且所述结构化信息不在所述地址标准词库中，所述历史地址信息为经所述的结构化地址信息的方法结构化的地址信息。
5.如权利要求4所述的结构化地址信息的方法，其特征在于，所述补充标准词库中的结构化信息为反馈准确率大于准确率阈值的历史地址信息的结构化信息。
6.如权利要求1所述的结构化地址信息的方法，其特征在于，所述按地址标准词库对待处理地址信息进行分词，获得多个分词结果之前还包括：
对所述待处理地址信息进行预处理，以删除干扰信息。
7.如权利要求6所述的结构化地址信息的方法，其特征在于，所述对所述待处理地址信息进行预处理，以删除干扰信息包括如下预处理步骤中的一项或多项：
识别所述待处理地址信息中的联系方式，并自所述待处理地址信息中删除；
识别所述待处理地址信息中的备注信息，并自所述待处理地址信息中删除；
识别所述待处理地址信息中的描述性词语，并自所述待处理地址信息中删除。
8.如权利要求1至7任一项所述的结构化地址信息的方法，其特征在于，所述动态规划算法包括前向算法、后向算法、维特比算法中的一个或多个动态规划算法。
9.一种结构化地址信息的装置，其特征在于，包括：
分词模块，配置成按地址标准词库对待处理地址信息进行分词，获得多个分词结果，每一分词结果包括多个分词字段以及该分词字段的地址标注；
构建模块，配置成根据各所述分词字段以及各所述地址标注的统计数据，构建概率图模型；
计算模块，配置成采用动态规划算法求解所述概率图模型，以计算各所述分词结果的概率值；以及
结构化模块，配置成将概率值最大的分词结果作为所述待处理地址信息的结构化信息。
10.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行：
如权利要求1至8任一项所述的结构化地址信息的方法。
11.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行：
如权利要求1至8任一项所述的结构化地址信息的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110127681.8A CN112818665A (zh) | 2021-01-29 | 2021-01-29 | 结构化地址信息的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110127681.8A CN112818665A (zh) | 2021-01-29 | 2021-01-29 | 结构化地址信息的方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112818665A true CN112818665A (zh) | 2021-05-18 |
Family
ID=75860298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110127681.8A Pending CN112818665A (zh) | 2021-01-29 | 2021-01-29 | 结构化地址信息的方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112818665A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113823371A (zh) * | 2021-09-18 | 2021-12-21 | 上海保链科技有限公司 | 医疗数据结构化处理方法、装置及设备 |
| CN113901792A (zh) * | 2021-10-12 | 2022-01-07 | 广州汇智通信技术有限公司 | 一种快递地址标准化方法、系统和计算机程序 |
| CN114970518A (zh) * | 2022-02-15 | 2022-08-30 | 北京青萌数海科技有限公司 | 一种修正地址数据的方法和装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104679850A (zh) * | 2015-02-13 | 2015-06-03 | 深圳市华傲数据技术有限公司 | 地址结构化方法及装置 |
| CN109033086A (zh) * | 2018-08-03 | 2018-12-18 | 银联数据服务有限公司 | 一种地址解析、匹配的方法及装置 |
| CN109858025A (zh) * | 2019-01-07 | 2019-06-07 | 中科鼎富（北京）科技发展有限公司 | 一种地址标准化语料的分词方法及系统 |
| CN110442856A (zh) * | 2019-06-14 | 2019-11-12 | 平安科技（深圳）有限公司 | 一种地址信息标准化方法、装置、计算机设备及存储介质 |
| CN110929520A (zh) * | 2019-11-25 | 2020-03-27 | 北京明略软件系统有限公司 | 非命名实体对象抽取方法、装置、电子设备及存储介质 |
| CN110990520A (zh) * | 2019-11-28 | 2020-04-10 | 中国建设银行股份有限公司 | 一种地址编码方法、装置、电子设备和存储介质 |
| CN111414357A (zh) * | 2019-01-07 | 2020-07-14 | 阿里巴巴集团控股有限公司 | 地址数据处理方法、装置、系统和存储介质 |
| CN111767734A (zh) * | 2020-06-11 | 2020-10-13 | 安徽旅贲科技有限公司 | 一种基于多层隐马模型的分词方法及系统 |
| CN112256932A (zh) * | 2020-12-22 | 2021-01-22 | 中博信息技术研究院有限公司 | 一种地址字符串的分词方法及装置 |
-
2021
- 2021-01-29 CN CN202110127681.8A patent/CN112818665A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104679850A (zh) * | 2015-02-13 | 2015-06-03 | 深圳市华傲数据技术有限公司 | 地址结构化方法及装置 |
| CN109033086A (zh) * | 2018-08-03 | 2018-12-18 | 银联数据服务有限公司 | 一种地址解析、匹配的方法及装置 |
| CN109858025A (zh) * | 2019-01-07 | 2019-06-07 | 中科鼎富（北京）科技发展有限公司 | 一种地址标准化语料的分词方法及系统 |
| CN111414357A (zh) * | 2019-01-07 | 2020-07-14 | 阿里巴巴集团控股有限公司 | 地址数据处理方法、装置、系统和存储介质 |
| CN110442856A (zh) * | 2019-06-14 | 2019-11-12 | 平安科技（深圳）有限公司 | 一种地址信息标准化方法、装置、计算机设备及存储介质 |
| CN110929520A (zh) * | 2019-11-25 | 2020-03-27 | 北京明略软件系统有限公司 | 非命名实体对象抽取方法、装置、电子设备及存储介质 |
| CN110990520A (zh) * | 2019-11-28 | 2020-04-10 | 中国建设银行股份有限公司 | 一种地址编码方法、装置、电子设备和存储介质 |
| CN111767734A (zh) * | 2020-06-11 | 2020-10-13 | 安徽旅贲科技有限公司 | 一种基于多层隐马模型的分词方法及系统 |
| CN112256932A (zh) * | 2020-12-22 | 2021-01-22 | 中博信息技术研究院有限公司 | 一种地址字符串的分词方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113823371A (zh) * | 2021-09-18 | 2021-12-21 | 上海保链科技有限公司 | 医疗数据结构化处理方法、装置及设备 |
| CN113901792A (zh) * | 2021-10-12 | 2022-01-07 | 广州汇智通信技术有限公司 | 一种快递地址标准化方法、系统和计算机程序 |
| CN114970518A (zh) * | 2022-02-15 | 2022-08-30 | 北京青萌数海科技有限公司 | 一种修正地址数据的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112560501B (zh) | 语义特征的生成方法、模型训练方法、装置、设备及介质 | |
| CN112818665A (zh) | 结构化地址信息的方法、装置、电子设备及存储介质 | |
| CN110276023B (zh) | Poi变迁事件发现方法、装置、计算设备和介质 | |
| WO2022218186A1 (zh) | 个性化知识图谱的生成方法、装置及计算机设备 | |
| CN112560496A (zh) | 语义分析模型的训练方法、装置、电子设备及存储介质 | |
| CN113064964A (zh) | 文本分类方法、模型训练方法、装置、设备以及存储介质 | |
| CN111737974A (zh) | 一种语句的语义抽象化表示方法及装置 | |
| CN110874536A (zh) | 语料质量评估模型生成方法和双语句对互译质量评估方法 | |
| CN113868368A (zh) | 用于信息处理的方法、电子设备和计算机程序产品 | |
| CN116245097A (zh) | 训练实体识别模型的方法、实体识别方法及对应装置 | |
| US12038955B2 (en) | Method for generating query statement, electronic device and storage medium | |
| CN111753029A (zh) | 实体关系抽取方法、装置 | |
| CN112818666B (zh) | 地址识别方法、装置、电子设备和存储介质 | |
| JP4738753B2 (ja) | 文法オーサリングにおけるセグメント化あいまい性（ｓｅｇｍｅｎｔａｔｉｏｎａｍｂｉｇｕｉｔｙ）の自動的な解決 | |
| CN112836497A (zh) | 地址纠正方法、装置、电子设备及存储介质 | |
| CN112528674B (zh) | 文本处理方法、模型的训练方法、装置、设备及存储介质 | |
| CN113553834B (zh) | 文本纠错方法、装置、电子设备及存储介质 | |
| CN116167382A (zh) | 意图事件提取方法及装置、电子设备、存储介质 | |
| CN115048425A (zh) | 一种基于强化学习的数据筛选方法及其装置 | |
| US11244156B1 (en) | Locality-sensitive hashing to clean and normalize text logs | |
| CN114115878A (zh) | 一种工作流节点推荐方法及装置 | |
| CN113221578A (zh) | 疾病实体检索方法、装置、设备及介质 | |
| CN111753548A (zh) | 信息获取方法及装置、计算机存储介质、电子设备 | |
| CN111597224A (zh) | 结构化信息的生成方法、装置、电子设备和存储介质 | |
| CN117131152B (zh) | 信息存储方法、装置、电子设备和计算机可读介质 |
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 |