CN116306646A - 信息的填写方法、装置、计算机设备和存储介质 - Google Patents

信息的填写方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116306646A
CN116306646A CN202310090831.1A CN202310090831A CN116306646A CN 116306646 A CN116306646 A CN 116306646A CN 202310090831 A CN202310090831 A CN 202310090831A CN 116306646 A CN116306646 A CN 116306646A
Authority
CN
China
Prior art keywords
address
field
target
information
corrected
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
Application number
CN202310090831.1A
Other languages
English (en)
Inventor
郭志军
周洪菊
王晓红
赵凯宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202310090831.1A priority Critical patent/CN116306646A/zh
Publication of CN116306646A publication Critical patent/CN116306646A/zh
Pending legal-status Critical Current

Links

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
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/232—Orthographic correction, e.g. spell checking or vowelisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及一种信息的填写方法、装置、计算机设备、存储介质和计算机程序产品，涉及人工智能技术领域。所述方法包括：根据交易信息，确定交易信息所属的目标语种，并将交易信息输入至目标语种对应的命名实体识别模型，得到包含地址字段的地址识别信息、以及地址字段对应的字段标签；根据字段标签、以及地址识别信息，确定待校正地址信息；根据预设选取策略、以及待校正地址信息包含的各待校正地址字段，确定目标关键词，并根据目标关键词，在预设的地址知识图谱中，确定与目标关键词相匹配的校正参照地址；根据校正参照地址，确定目标地址信息，并将目标地址信息填入对应的地址信息框。本方法能够提高信息填写效率。

Description

信息的填写方法、装置、计算机设备和存储介质
技术领域
本申请涉及人工智能技术领域，特别是涉及一种信息的填写方法、装置、计算机设备和存储介质。
背景技术
随着人工智能技术的发展，出现了信息的填写技术，这个技术可以对交易信息中包含的各类信息进行分类，并将各类信息填入对应的信息框。
传统的信息的填写，直接对交易信息进行命名实体识别，得到各实体识别信息，以及实体识别信息对应的实体标签。在实体识别信息是地址识别信息的情况下，地址识别信息包含至少一个地址字段，每个地址字段对应一种类别的字段标签。然后，根据实体标签，将各实体识别信息填入对应的信息框中。
然而，目前的信息的填写技术是基于交易信息对应的实体识别信息进行信息填写，而交易信息可以是人工输入的，也可以是对交易信息图片进行信息识别得到的，所以交易信息可能会出现输入信息错误、信息识别错误等情况，导致需要多次人工输入交易信息，因此，信息填写效率低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高信息填写效率的信息的填写方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种信息的填写方法。所述方法包括：
获取交易信息，并将所述交易信息输入至命名实体识别模型，得到包含地址字段的地址识别信息、以及所述地址字段对应的字段标签；
根据所述字段标签、以及所述地址识别信息，确定待校正地址信息；
根据预设选取策略、以及所述待校正地址信息包含的各待校正地址字段，确定目标关键词，并根据所述目标关键词，在预设的地址知识图谱中，确定与所述目标关键词相匹配的校正参照地址；
基于所述校正参照地址对所述待校正地址信息进行校正得到目标地址信息，并将所述目标地址信息进行填写处理。
在其中一个实施例中，所述字段标签用于构建字段标签集；所述根据所述字段标签、以及所述地址识别信息，确定待校正地址信息包括：
在所述字段标签集等于预设字段标签集的情况下，将所述地址识别信息作为待校正地址信息；
在所述字段标签集是所述预设字段标签集的真子集的情况下，根据预设的地址匹配策略、以及所述预设的地址知识图谱，确定补充参照地址；
根据所述补充参照地址，对所述地址识别信息进行信息补充处理，得到所述待校正地址信息。
在其中一个实施例中，所述根据预设的地址匹配策略、以及所述预设的地址知识图谱，确定补充参照地址包括：
在所述地址识别信息包含多个地址字段的情况下，在所述多个地址字段中确定包含至少一个地址字段的目标字段；
在所述地址识别信息包含一个地址字段的情况下，将所述地址字段作为目标字段；
在所述预设的地址知识图谱中，确定与所述目标字段相匹配的补充参照地址。
在其中一个实施例中，所述字段标签用于表征地址级别；所述在所述多个地址字段中确定包含至少一个地址字段的目标字段包括：
将属于所述预设字段标签集、且不属于所述字段标签集的字段标签，作为缺失字段标签；所述缺失字段标签用于表征缺失地址级别；
在存在高于所述缺失地址级别的地址级别所属的字段标签的情况下，在高于所述缺失地址级别的字段标签对应的地址级别中，确定与所述缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第一目标字段；
在低于所述缺失地址级别的字段标签对应的地址级别中，确定与所述缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第二目标字段；
将所述第一目标字段、以及所述第二目标字段作为目标字段。
在其中一个实施例中，所述根据预设选取策略、以及所述待校正地址信息包含的各待校正地址字段，确定目标关键词包括：
根据预设的相似度计算策略，确定所述待校正地址信息包含的各待校正地址字段的目标实体相似度；
根据各所述待校正地址字段的目标实体相似度，在所述待校正地址字段中，确定初始关键词
针对每个所述待校正地址字段，在所述待校正地址字段的目标实体相似度小于预设阈值的情况下，将所述待校正地址字段、以及所述初始关键词作为目标关键词。
在其中一个实施例中，所述根据各所述待校正地址字段的目标实体相似度，在所述待校正地址字段中，确定初始关键词包括：
在各所述待校正地址字段中，选取最大目标实体相似度所属的待校正地址字段，得到准确地址字段；
在所述最大目标实体相似度大于或者等于预设相似度阈值的情况下，将所述准确地址作为初始关键词。
在其中一个实施例中，所述将所述交易信息输入至命名实体识别模型包括：
确定所述交易信息所属的目标语种；
将所述交易信息输入至所述目标语种对应的命名实体识别模型。
第二方面，本申请还提供了一种信息的填写装置。所述装置包括：
获取模块，用于获取交易信息，并将所述交易信息输入至命名实体识别模型，得到包含地址字段的地址识别信息、以及所述地址字段对应的字段标签；
第一确定模块，用于根据所述字段标签、以及所述地址识别信息，确定待校正地址信息；
第二确定模块，用于根据预设选取策略、以及所述待校正地址信息包含的各待校正地址字段，确定目标关键词，并根据所述目标关键词，在预设的地址知识图谱中，确定与所述目标关键词相匹配的校正参照地址；
第三确定模块，用于基于所述校正参照地址对所述待校正地址信息进行校正得到目标地址信息，并将所述目标地址信息进行填写处理。
在其中一个实施例中，所述字段标签用于构建字段标签集；所述第一确定模块具体用于：
在所述字段标签集等于预设字段标签集的情况下，将所述地址识别信息作为待校正地址信息；
在所述字段标签集是所述预设字段标签集的真子集的情况下，根据预设的地址匹配策略、以及所述预设的地址知识图谱，确定补充参照地址；
根据所述补充参照地址，对所述地址识别信息进行信息补充处理，得到所述待校正地址信息。
在其中一个实施例中，所述第一确定模块具体用于：
在所述地址识别信息包含多个地址字段的情况下，在所述多个地址字段中确定包含至少一个地址字段的目标字段；
在所述地址识别信息包含一个地址字段的情况下，将所述地址字段作为目标字段；
在所述预设的地址知识图谱中，确定与所述目标字段相匹配的补充参照地址。
在其中一个实施例中，所述字段标签用于表征地址级别；所述第一确定模块具体用于：
将属于所述预设字段标签集、且不属于所述字段标签集的字段标签，作为缺失字段标签；所述缺失字段标签用于表征缺失地址级别；
在存在高于所述缺失地址级别的地址级别所属的字段标签的情况下，在高于所述缺失地址级别的字段标签对应的地址级别中，确定与所述缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第一目标字段；
在低于所述缺失地址级别的字段标签对应的地址级别中，确定与所述缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第二目标字段；
将所述第一目标字段、以及所述第二目标字段作为目标字段。
在其中一个实施例中，所述第二确定模块具体用于：
根据预设的相似度计算策略，确定所述待校正地址信息包含的各待校正地址字段的目标实体相似度；
根据各所述待校正地址字段的目标实体相似度，在所述待校正地址字段中，确定初始关键词
针对每个所述待校正地址字段，在所述待校正地址字段的目标实体相似度小于预设阈值的情况下，将所述待校正地址字段、以及所述初始关键词作为目标关键词。
在其中一个实施例中，所述第二确定模块具体用于：
在各所述待校正地址字段中，选取最大目标实体相似度所属的待校正地址字段，得到准确地址字段；
在所述最大目标实体相似度大于或者等于预设相似度阈值的情况下，将所述准确地址作为初始关键词。
在其中一个实施例中，所述获取模块具体用于：
确定所述交易信息所属的目标语种；
将所述交易信息输入至所述目标语种对应的命名实体识别模型。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以第一方面所述的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述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以第一方面所述的步骤。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时以第一方面所述的步骤。
上述信息的填写方法、装置、计算机设备、存储介质和计算机程序产品，通过获取交易信息，并将交易信息输入至命名实体识别模型，得到包含地址字段的地址识别信息、以及地址字段对应的字段标签；根据字段标签、以及地址识别信息，确定待校正地址信息；根据预设选取策略、以及待校正地址信息包含的各待校正地址字段，确定目标关键词，并根据目标关键词，在预设的地址知识图谱中，确定与目标关键词相匹配的校正参照地址；基于校正参照地址对待校正地址信息进行校正得到目标地址信息，并将目标地址信息进行填写处理。上述方案中，根据待校正地址信息，确定目标关键词，并根据该目标关键词、以及预设的地址知识图谱，确定校正参照地址，最后，根据该校正参照地址来确定目标地址信息。因此，本方案可以基于校正参照地址对待校正地址信息进行校正，得到目标地址信息，从而校正地址识别信息中的错误地址字段，进而减少人工多次输入交易信息的情况，提高信息填写效率。
附图说明
图1为一个实施例中信息的填写方法的流程示意图；
图2为一个实施例中待校正地址信息的确定方法的流程示意图；
图3为一个实施例中初始关键词的确定方法的流程示意图；
图4为一个实施例中信息的填写装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种信息的填写方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤102，获取交易信息，并将交易信息输入至命名实体识别模型，得到包含地址字段的地址识别信息、以及地址字段对应的字段标签。
本申请实施例中，终端获取目标用户的交易信息。其中，交易信息包括但不限于交易人的姓名、交易联系方式、以及交易地址。可选的，交易联系方式可以是联系号码，也可以是交易账号。终端将交易信息输入至命名实体识别模型，得到各交易识别信息、以及交易识别信息对应的信息标签。其中，交易识别信息包括但不限于交易人的姓名识别信息、交易联系方式识别信息、以及地址识别信息。交易人的姓名识别信息对应的信息标签是姓名标签，交易联系方式识别信息对应的信息标签是联系方式标签，地址识别信息对应的信息标签是地址标签。针对交易信息中的交易地址，具体的，终端将交易地址输入至目标语种对应的命名实体识别模型，输出包含地址字段的地址识别信息、以及地址字段对应的字段标签。其中，地址字段包括但不限于一级地址字段、二级地址字段、三级地址字段、以及四级地址字段等。字段标签包括但不限于一级地址字段标签、二级地址字段标签、三级地址字段标签、以及四级地址字段标签等。字段标签用于表征地址级别。具体的，一级地址字段对应的字段标签表征的地址级别为一级，二级地址字段对应的字段标签表征的地址级别为二级，以此类推，N级地址字段对应的字段标签表征的地址级别为N级，其中，N为正整数，N级是(N+1)级的上一级，(N+2)级是(N+1)级的下一级。示例性的，假设地址识别信息为A市B区C街道D社区，那么A市B区C街道D社区整体的信息标签是地址标签，其中，A市为一级地址字段，A市对应的字段标签为一级地址字段标签；B区为二级地址字段，B区对应的字段标签为二级地址字段标签；C街道为三级地址字段，C街道对应的字段标签为三级地址字段标签；D社区为四级地址字段对应的字段标签为四级地址字段标签。
步骤104，根据字段标签、以及地址识别信息，确定待校正地址信息。
本申请实施例中，针对地址识别信息，终端根据地址识别信息包含的各地址字段对应的字段标签、以及预设字段标签集，判断地址识别信息是否缺失地址字段，得到判断结果。终端根据判断结果、以及地址识别信息，确定地址识别信息对应的包含待校正地址字段的待校正地址信息。在一个实施例中，终端根据判断结果、以及地址识别信息，还确定待校正地址字段对应的待校正字段标签。
步骤106，根据预设选取策略、以及待校正地址信息包含的各待校正地址字段，确定目标关键词，并根据目标关键词，在预设的地址知识图谱中，确定与目标关键词相匹配的校正参照地址。
其中，待校正地址信息包含多个待校正地址字段。
本申请实施例中，终端根据预设的相似度计算策略，计算得到待校正地址信息中每个待校正地址字段的目标实体相似度，并根据该目标实体相似度，判断目标实体相似度所属的待校正地址字段是否需要进行校正处理。针对需要进行校正处理的待校正地址字段(为了方便区分，称为目标待校正地址字段)，终端根据预设选取策略、以及待校正地址信息包含的各待校正地址字段的目标实体相似度，在各待校正地址字段中，选取至少一个待校正地址字段作为目标关键词。终端根据目标关键词，在预设的地址知识图谱中，查询与该目标关键词相匹配的校正参照地址。其中，地址知识图谱包括地址字段实体集、以及各地址字段实体关系集。地址字段实体集包括但不限于城市集、市辖区集、街道集、以及社区集等。地址字段实体关系集包括二元组实体关系集、三元组实体关系集、以及四元组实体关系集，其中，二元组实体关系集包括但不限于城市-市辖区集、市辖区-街道集、以及街道-社区集，三元组实体关系集包括但不限于城市-市辖区-街道集、以及市辖区-街道-社区集等，四元组实体关系集包括但不限于城市-市辖区-街道-社区集。具体的，终端根据目标关键词，确定目标关键词在预设的地址知识图谱中所属的第一目标集合，并在该第一目标集合中查询与该目标关键词相匹配的校正参照地址。示例性的，假设目标关键词为A市B区，则目标关键词所属的第一目标集合为城市-市辖区集，终端根据目标关键词，在预设的地址知识图谱中的城市-市辖区集，查询与该目标关键词相匹配的校正参照地址。假设目标关键词为A市C街道，则目标关键词所属的第一目标集合为城市-市辖区-街道集，终端根据目标关键词，在预设的地址知识图谱中的城市-市辖区-街道集，查询与该目标关键词相匹配的校正参照地址。
步骤108，基于校正参照地址对待校正地址信息进行校正得到目标地址信息，并将目标地址信息进行填写处理。
本申请实施例中，针对待校正地址信息中每个目标待校正地址字段，终端基于校正参照地址，对该目标待校正地址字段进行校正处理，得到目标地址字段。在一个实施例中，针对待校正地址信息中每个目标待校正地址字段，终端将该目标待校正地址字段对应的校正参照地址替换为目标地址字段。针对不需要进行校正处理的待校正地址字段，终端将待校正地址字段作为目标地址字段。在一个实施例中，终端将待校正地址字段对应的待校正字段标签作为该待校正地址字段对应的目标地址字段的目标地址字段标签。其中，目标地址信息包含各目标地址字段。示例性的，假设待校正地址信息为E′市F区G街道H社区，则E′市、F区、G街道、以及H社区是待校正地址字段，E′市对应的待校正字段标签为一级地址字段标签、F区对应的待校正字段标签为二级地址字段标签、G街道对应的待校正字段标签为三级地址字段标签、H社区对应的待校正字段标签为四级地址字段标签。假设E′市是需要进行待校正处理的待校正地址字段(即目标待校正地址字段)，并且E′市经终端进行待校正处理后得到的目标地址字段为E市，那么目标地址字段E市的目标地址字段标签为一级地址字段标签。终端根据目标地址信息对应的信息标签(即地址标签)，将目标地址信息进行填写处理。在一个实施例中，针对目标地址信息中每个目标地址字段，终端根据该目标地址字段对应的目标地址字段标签，将目标地址字段填入对应的地址信息框。
上述信息的填写方法中，根据待校正地址信息，确定目标关键词，并根据该目标关键词、以及预设的地址知识图谱，确定校正参照地址，最后，根据该校正参照地址来确定目标地址信息。因此，本方案可以基于校正参照地址对待校正地址信息进行校正，得到目标地址信息，从而校正地址识别信息中的错误地址字段，进而减少人工多次输入交易信息的情况，提高信息填写效率。
在一个实施例中，如图2所示，字段标签用于构建字段标签集；根据字段标签、以及地址识别信息，确定包含待校正地址字段的待校正地址信息、以及待校正地址字段对应的待校正字段标签包括：
步骤202，在字段标签集等于预设字段标签集的情况下，将地址识别信息作为待校正地址信息。
本申请实施例中，终端比对字段标签集与预设字段标签集。在字段标签集等于预设字段标签集的情况下，终端将地址识别信息作为待校正地址信息。可以理解，在字段标签集等于预设字段标签集的情况下，说明地址识别信息中并没有缺失地址字段。示例性的，假设预设字段标签集包括一级地址字段标签、二级地址字段标签、三级地址字段标签、以及四级地址字段标签，假设地址识别信息为A市B区C街道D社区，则A市B区C街道D社区对应的字段标签集也包括一级地址字段标签、二级地址字段标签、三级地址字段标签、以及四级地址字段标签。终端比对A市B区C街道D社区对应的字段标签集与预设字段标签集，判断A市B区C街道D社区对应的字段标签集等于预设字段标签集，则终端将地址识别信息A市B区C街道D社区作为待校正地址信息。
步骤204，在字段标签集是预设字段标签集的真子集的情况下，根据预设的地址匹配策略、以及预设的地址知识图谱，确定补充参照地址。
本申请实施例中，在字段标签集是预设字段标签集的真子集的情况下，终端根据预设的地址匹配策略，在地址识别信息包含的各地址字段中，确定目标字段，并在预设的地址知识图谱中，查询与目标字段相匹配的补充参照地址。
步骤206，根据补充参照地址，对地址识别信息进行信息补充处理，得到待校正地址信息。
本申请实施例中，终端根据补充参照地址，对地址识别信息进行信息补充处理，得到待校正地址信息。其中，补充参照地址包含各补充参照地址字段。可以理解，补充参照地址至少包含缺失字段标签所属的补充参照地址字段。缺失字段标签是不属于字段标签集但属于预设字段标签集的字段标签。示例性的，假设预设字段标签集包括一级地址字段标签、二级地址字段标签、三级地址字段标签、以及四级地址字段标签，地址识别信息为A市C街道D社区，则A市C街道D社区对应的字段标签集也包括一级地址字段标签、三级地址字段标签、以及四级地址字段标签，所以缺失字段标签为二级地址字段标签。所以，补充参照地址包含二级地址字段标签所属的补充参照地址字段。可选的，补充参照地址可以是A市B区C街道，也可以是A市B区C街道D社区。具体的，终端将补充参照地址中缺失字段标签所属的补充参照地址字段，补充到地址识别信息中，得到待校正地址信息。
本实施例中，在字段标签集是预设字段标签集的真子集的情况下，根据补充参照地址对地址识别信息进行信息补充处理，得到待校正地址信息。也就是说，在地址识别信息缺失地址字段时，本方案可以对地址识别信息进行信息补充，进而使待校正地址信息的信息完整。
在一个实施例中，根据预设的地址匹配策略、以及预设的地址知识图谱，确定补充参照地址包括：
在地址识别信息包含多个地址字段的情况下，在多个地址字段中确定包含至少一个地址字段的目标字段；在地址识别信息包含一个地址字段的情况下，将地址字段作为目标字段；在预设的地址知识图谱中，确定与目标字段相匹配的补充参照地址。
本申请实施例中，终端统计地址识别信息中包含的地址字段的个数。在地址识别信息包含多个地址字段的情况下，终端判断缺失字段标签所表征的缺失地址级别，并根据缺失地址级别，在地址识别信息包含的各地址字段中，确定包含至少一个地址字段的目标字段。在地址识别信息包含一个地址字段的情况下，终端将地址字段作为目标字段。终端根据目标字段，在预设的地址知识图谱中，查询与该目标字段相匹配的补充参照地址。具体的，终端根据目标字段、以及缺失字段标签所属缺失字段类别，确定目标字段和缺失字段类型在预设的地址知识图谱中所属的第二目标集合，并在该第二目标集合中查询与该目标字段相匹配的补充参照地址。示例性的，假设地址识别信息为A市C街道D社区，则缺失字段标签为二级地址字段标签，二级地址字段标签所属缺失字段类别为二级地址字段；假设目标字段为A市C街道，则终端根据目标字段A市C街道、以及缺失字段类别二级地址字段，确定目标字段和缺失字段类型在预设的地址知识图谱中所属的第二目标集合为城市-市辖区-街道集，终端在城市-市辖区-街道集中，查询与该目标字段A市C街道相匹配的补充参照地址。
本实施例中，通过判断地址识别信息包含的地址字段的个数来确定目标字段，并在预设的地址知识图谱中，确定与该目标字段相匹配的补充参照地址。因此，本方案可以根据目标字段来确定补充参照地址，进而为后续基于补充参照地址来对地址识别信息进行信息补充处理提供前提。
在一个实施例中，字段标签用于表征地址级别；在多个地址字段中确定包含至少一个地址字段的目标字段包括：
将属于预设字段标签集、且不属于字段标签集的字段标签，作为缺失字段标签；缺失字段标签用于表征缺失地址级别；在存在高于缺失地址级别的地址级别所属的字段标签的情况下，在高于缺失地址级别的字段标签对应的地址级别中，确定与缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第一目标字段；在低于缺失地址级别的字段标签对应的地址级别中，确定与缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第二目标字段；将第一目标字段、以及第二目标字段作为目标字段。
其中，缺失字段标签用于表征缺失地址级别。
本申请实施例中，终端比对字段标签集与预设字段标签集，识别属于预设字段标签集、且不属于字段标签集的字段标签(即只属于预设字段标签集的字段标签)，并将只属于预设字段标签集的字段标签作为缺失字段标签。终端判断缺失字段标签所表征的缺失地址级别。其中，缺失字段标签包括但不限于一级地址字段标签、二级地址字段标签、三级地址字段标签、以及四级地址字段标签等。一级地址字段对应的字段标签表征的地址级别为一级，二级地址字段对应的字段标签表征的地址级别为二级，以此类推，N级地址字段对应的字段标签表征的地址级别为N级，其中，N为正整数，N级是(N+1)级的上一级，(N+2)级是(N+1)级的下一级，上一级地址级别高于下一级地址级别。
在存在高于缺失地址级别的地址级别所属的字段标签的情况下，终端在地址识别信息包含的各地址字段对应的字段标签中，选取高于缺失地址级别的地址级别对应的字段标签，并在高于缺失地址级别的地址级别对应的字段标签中，选取与缺失地址级别的地址级别最接近的地址级别对应的字段标签(为了方便区分，称为第一目标字段标签)。终端将第一目标字段标签所属的地址字段作为第一目标字段。终端在地址识别信息包含的各地址字段对应的字段标签中，选取低于缺失地址级别的地址级别对应的字段标签，并在低于缺失地址级别的地址级别对应的字段标签中，选取与缺失地址级别的地址级别最接近的地址级别对应的字段标签(为了方便区分，称为第二目标字段标签)。终端将第二目标字段标签所属的地址字段作为第二目标字段。终端将第一目标字段、以及第二目标字段作为目标字段。在不存在高于缺失地址级别的地址级别所属的字段标签的情况下，终端将第二目标字段标签所属的地址字段作为目标字段。
本实施例中，通过根据缺失字段标签所表征的缺失地址级别来确定目标字段，因此，本方案可以根据缺失的地址字段来动态地确定合适的目标字段，进而加快基于目标字段来确定补充参照地址的效率。
在一个实施例中，如图3所示，根据预设选取策略、以及待校正地址信息包含的各待校正地址字段，确定目标关键词包括：
步骤302，根据预设的相似度计算策略，确定待校正地址信息包含的各待校正地址字段的目标实体相似度。
本申请实施例中，针对待校正地址信息包含的每个待校正地址字段，终端根据待校正地址字段，在预设的地址知识图谱中，查询与该待校正地址字段相匹配的相似地址字段。终端计算相似地址字段与待校正地址字段的实体相似度，并选取其中最大的实体相似度作为待校正地址字段的目标实体相似度。终端对每个待校正地址字段都进行上述处理，得到各待校正地址字段的目标实体相似度。示例性的，假设待校正地址信息为A市B区，A市的相似地址字段为A1市、A2市，其中，A市与A1市的实体相似度为0.9，A市与A2市的实体相似度为0.8，那么A市的目标实体相似度为0.9；类似的，假设B区的相似地址字段为B1市、B2市，其中，B市与B1市的实体相似度为0.78，B市与B2市的实体相似度为0.88，那么B市的目标实体相似度为0.88。经过上述处理，终端得到待校正地址信息A市B区包含的A市的目标实体相似度为0.9、B市的目标实体相似度为0.88。
步骤304，根据各待校正地址字段的目标实体相似度，在待校正地址字段中，确定初始关键词。
本申请实施例中，终端比较各待校正地址字段的目标实体相似度，得到比较结果，并根据比较结果、以及预设相似度阈值，在待校正地址字段中，确定初始关键词。其中，预设相似度阈值的范围为(0,1]。在一个实施例中，预设相似度阈值为0.8。
步骤306，针对每个待校正地址字段，在待校正地址字段的目标实体相似度小于预设阈值的情况下，将待校正地址字段、以及初始关键词作为目标关键词。
本申请实施例中，针对每个待校正地址字段，在待校正地址字段的目标实体相似度小于预设阈值的情况下，终端将待校正地址字段、以及初始关键词作为目标关键词。可以理解，若待校正地址字段的目标实体相似度小于预设阈值，则说明待校正地址字段的信息错误，需要进行校正处理。
本实施例中，计算各待校正地址字段的目标实体相似度，并基于目标实体相似度来判断待校正地址字段是否需要进行校正处理。在待校正地址字段需要进行校正处理的情况下，确定目标关键词为待校正地址字段和初始关键词。因此，本方案可以判断待校正信息中哪些待校正地址字段需要进行校正处理，还可以确定需要进行校正处理的待校正地址字段对应的目标关键词，进而为后续基于目标关键词来进行校正处理提供前提。
在一个实施例中，根据各待校正地址字段的目标实体相似度，在待校正地址字段中，确定初始关键词包括：
在各待校正地址字段中，选取最大目标实体相似度所属的待校正地址字段，得到准确地址字段；在最大目标实体相似度大于或者等于预设相似度阈值的情况下，将准确地址作为初始关键词。
本申请实施例中，在各待校正地址字段中，终端选取最大目标实体相似度所属的待校正地址字段，并将最大目标实体相似度所属的待校正地址字段作为准确地址字段。可以理解，由于准确地址字段是各待校正地址字段中目标实体相似度最大的待校正地址字段，因此，可以认为准确地址字段的信息准确率是最高的。终端比较准确地址字段的目标实体相似度与预设相似度阈值的大小。在最大目标实体相似度大于或者等于预设相似度阈值的情况下，终端将准确地址作为初始关键词。可以理解，若准确地址字段的目标实体相似度达到预设相似度阈值，说明准确地址字段的信息准确率不仅在各待校正地址字段中最高，并且可以认为是填写正确。
本实施例中，将最大目标实体相似度所属的待校正地址字段作为准确地址字段，并在准确地址字段的目标实体相似度大于或者等于预设相似度阈值的情况下，终端将准确地址作为初始关键词。因此，初始关键词可以认为是填写正确的信息，那么后续基于包含正确率高的初始关键词的目标关键词来匹配校正参照地址，可以提高匹配效率。
在一个实施例中，将交易信息输入至命名实体识别模型包括：
确定交易信息所属的目标语种；将交易信息输入至目标语种对应的命名实体识别模型。
本申请实施例中，终端将该交易信息进行语种识别，得到该交易信息所属的目标语种。具体的，终端将交易信息输入至预先训练的语种识别模型，输出语种识别结果，并将该语种识别结果作为该交易信息所属的目标语种。其中，语种识别结果包括但不限于是中文、英文、日文、德语、以及俄语。终端根据目标语种、以及预设的语种与命名实体识别模型的对应关系，查询得到该目标语种对应的命名实体识别模型，并将交易信息输入至目标语种对应的命名实体识别模型。
本实施例中，可以对交易信息进行语种识别，确定交易信息的目标语种，进而确定目标语种对应的命名实体识别模型。因此，本方案可以对各种语种的交易信息进行命名实体识别，减少人工对交易信息进行翻译的操作，提高信息填写效率。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的信息的填写方法的信息的填写装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个信息的填写装置实施例中的具体限定可以参见上文中对于信息的填写方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种信息的填写装置，包括：
获取模块402，用于获取交易信息，并将交易信息输入至命名实体识别模型，得到包含地址字段的地址识别信息、以及地址字段对应的字段标签；
第一确定模块404，用于根据字段标签、以及地址识别信息，确定待校正地址信息；
第二确定模块406，用于根据预设选取策略、以及待校正地址信息包含的各待校正地址字段，确定目标关键词，并根据目标关键词，在预设的地址知识图谱中，确定与目标关键词相匹配的校正参照地址；
第三确定模块408，用于基于校正参照地址对待校正地址信息进行校正得到目标地址信息，并将目标地址信息进行填写处理。
在一个实施例中，字段标签用于构建字段标签集；第一确定模块404具体用于：
在字段标签集等于预设字段标签集的情况下，将地址识别信息作为待校正地址信息；
在字段标签集是预设字段标签集的真子集的情况下，根据预设的地址匹配策略、以及预设的地址知识图谱，确定补充参照地址；
根据补充参照地址，对地址识别信息进行信息补充处理，得到待校正地址信息。
在一个实施例中，第一确定模块404具体用于：
在地址识别信息包含多个地址字段的情况下，在多个地址字段中确定包含至少一个地址字段的目标字段；
在地址识别信息包含一个地址字段的情况下，将地址字段作为目标字段；
在预设的地址知识图谱中，确定与目标字段相匹配的补充参照地址。
在一个实施例中，字段标签用于表征地址级别；第一确定模块404具体用于：
将属于预设字段标签集、且不属于字段标签集的字段标签，作为缺失字段标签；缺失字段标签用于表征缺失地址级别；
在存在高于缺失地址级别的地址级别所属的字段标签的情况下，在高于缺失地址级别的字段标签对应的地址级别中，确定与缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第一目标字段；
在低于缺失地址级别的字段标签对应的地址级别中，确定与缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第二目标字段；
将第一目标字段、以及第二目标字段作为目标字段。
在一个实施例中，第二确定模块406具体用于：
根据预设的相似度计算策略，确定待校正地址信息包含的各待校正地址字段的目标实体相似度；
根据各待校正地址字段的目标实体相似度，在待校正地址字段中，确定初始关键词
针对每个待校正地址字段，在待校正地址字段的目标实体相似度小于预设阈值的情况下，将待校正地址字段、以及初始关键词作为目标关键词。
在一个实施例中，第二确定模块406具体用于：
在各待校正地址字段中，选取最大目标实体相似度所属的待校正地址字段，得到准确地址字段；
在最大目标实体相似度大于或者等于预设相似度阈值的情况下，将准确地址作为初始关键词。
在其中一个实施例中，获取模块402具体用于：
确定交易信息所属的目标语种；
将交易信息输入至目标语种对应的命名实体识别模型。
上述信息的填写装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种信息的填写方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (11)

1.一种信息的填写方法，其特征在于，所述方法包括：
获取交易信息，并将所述交易信息输入至命名实体识别模型，得到包含地址字段的地址识别信息、以及所述地址字段对应的字段标签；
根据所述字段标签、以及所述地址识别信息，确定待校正地址信息；
根据预设选取策略、以及所述待校正地址信息包含的各待校正地址字段，确定目标关键词，并根据所述目标关键词，在预设的地址知识图谱中，确定与所述目标关键词相匹配的校正参照地址；
基于所述校正参照地址对所述待校正地址信息进行校正得到目标地址信息，并将所述目标地址信息进行填写处理。
2.根据权利要求1所述的方法，其特征在于，所述字段标签用于构建字段标签集；所述根据所述字段标签、以及所述地址识别信息，确定待校正地址信息包括：
在所述字段标签集等于预设字段标签集的情况下，将所述地址识别信息作为待校正地址信息；
在所述字段标签集是所述预设字段标签集的真子集的情况下，根据预设的地址匹配策略、以及所述预设的地址知识图谱，确定补充参照地址；
根据所述补充参照地址，对所述地址识别信息进行信息补充处理，得到所述待校正地址信息。
3.根据权利要求2所述的方法，其特征在于，所述根据预设的地址匹配策略、以及所述预设的地址知识图谱，确定补充参照地址包括：
在所述地址识别信息包含多个地址字段的情况下，在所述多个地址字段中确定包含至少一个地址字段的目标字段；
在所述地址识别信息包含一个地址字段的情况下，将所述地址字段作为目标字段；
在所述预设的地址知识图谱中，确定与所述目标字段相匹配的补充参照地址。
4.根据权利要求3所述的方法，其特征在于，所述字段标签用于表征地址级别；所述在所述多个地址字段中确定包含至少一个地址字段的目标字段包括：
将属于所述预设字段标签集、且不属于所述字段标签集的字段标签，作为缺失字段标签；所述缺失字段标签用于表征缺失地址级别；
在存在高于所述缺失地址级别的地址级别所属的字段标签的情况下，在高于所述缺失地址级别的字段标签对应的地址级别中，确定与所述缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第一目标字段；
在低于所述缺失地址级别的字段标签对应的地址级别中，确定与所述缺失地址级别最接近的地址级别对应的字段标签所属的地址字段，得到第二目标字段；
将所述第一目标字段、以及所述第二目标字段作为目标字段。
5.根据权利要求1所述的方法，其特征在于，所述根据预设选取策略、以及所述待校正地址信息包含的各待校正地址字段，确定目标关键词包括：
根据预设的相似度计算策略，确定所述待校正地址信息包含的各待校正地址字段的目标实体相似度；
根据各所述待校正地址字段的目标实体相似度，在所述待校正地址字段中，确定初始关键词
针对每个所述待校正地址字段，在所述待校正地址字段的目标实体相似度小于预设阈值的情况下，将所述待校正地址字段、以及所述初始关键词作为目标关键词。
6.根据权利要求5所述的方法，其特征在于，所述根据各所述待校正地址字段的目标实体相似度，在所述待校正地址字段中，确定初始关键词包括：
在各所述待校正地址字段中，选取最大目标实体相似度所属的待校正地址字段，得到准确地址字段；
在所述最大目标实体相似度大于或者等于预设相似度阈值的情况下，将所述准确地址作为初始关键词。
7.根据权利要求1所述的方法，其特征在于，所述将所述交易信息输入至命名实体识别模型包括：
确定所述交易信息所属的目标语种；
将所述交易信息输入至所述目标语种对应的命名实体识别模型。
8.一种信息的填写装置，其特征在于，所述装置包括：
获取模块，用于获取交易信息，并将所述交易信息输入至命名实体识别模型，得到包含地址字段的地址识别信息、以及所述地址字段对应的字段标签；
第一确定模块，用于根据所述字段标签、以及所述地址识别信息，确定待校正地址信息；
第二确定模块，用于根据预设选取策略、以及所述待校正地址信息包含的各待校正地址字段，确定目标关键词，并根据所述目标关键词，在预设的地址知识图谱中，确定与所述目标关键词相匹配的校正参照地址；
第三确定模块，用于基于所述校正参照地址对所述待校正地址信息进行校正得到目标地址信息，并将所述目标地址信息进行填写处理。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
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权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202310090831.1A 2023-02-09 2023-02-09 信息的填写方法、装置、计算机设备和存储介质 Pending CN116306646A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310090831.1A CN116306646A (zh) 2023-02-09 2023-02-09 信息的填写方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310090831.1A CN116306646A (zh) 2023-02-09 2023-02-09 信息的填写方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN116306646A true CN116306646A (zh) 2023-06-23

Family

ID=86827828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310090831.1A Pending CN116306646A (zh) 2023-02-09 2023-02-09 信息的填写方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116306646A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910386A (zh) * 2023-09-14 2023-10-20 深圳市智慧城市科技发展集团有限公司 地址补全方法、终端设备及计算机可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910386A (zh) * 2023-09-14 2023-10-20 深圳市智慧城市科技发展集团有限公司 地址补全方法、终端设备及计算机可读存储介质
CN116910386B (zh) * 2023-09-14 2024-02-02 深圳市智慧城市科技发展集团有限公司 地址补全方法、终端设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
WO2017215370A1 (zh) 构建决策模型的方法、装置、计算机设备及存储设备
CN109697451B (zh) 相似图像聚类方法及装置、存储介质、电子设备
US11714921B2 (en) Image processing method with ash code on local feature vectors, image processing device and storage medium
CN111666442B (zh) 一种图像检索方法、装置及计算机设备
CN114817553A (zh) 知识图谱构建方法、知识图谱构建系统和计算设备
CN116306646A (zh) 信息的填写方法、装置、计算机设备和存储介质
CN111783695A (zh) 文本识别方法、装置、电子设备及存储介质
CN112015955A (zh) 一种多模态数据关联方法和装置
CN112465231A (zh) 地区人口健康状态预测方法、设备和可读存储介质
CN111125318A (zh) 基于义原-义项信息提升知识图谱关系预测性能的方法
CN115131803A (zh) 文档字号的识别方法、装置、计算机设备和存储介质
CN111444906B (zh) 基于人工智能的图像识别方法和相关装置
CN113761867A (zh) 地址识别方法、装置、计算机设备及存储介质
CN109885180B (zh) 纠错方法和装置、计算机可读介质
CN113221558B (zh) 一种快递地址纠错方法、装置、存储介质及电子设备
CN115688779A (zh) 一种基于自监督深度学习的地址识别方法
WO2022271369A1 (en) Training of an object linking model
CN114387602A (zh) 医疗ocr数据优化模型训练方法、优化方法及设备
CN113887201A (zh) 文本定长纠错方法、装置、设备及存储介质
CN113128496B (zh) 一种从图像中提取结构化数据的方法、装置和设备
CN111414452A (zh) 搜索词匹配方法、装置、电子设备及可读存储介质
CN109241208B (zh) 地址定位、地址监测、信息处理方法及装置
US11893012B1 (en) Content extraction using related entity group metadata from reference objects
CN115641573B (zh) 一种文本排序方法、装置、电子设备和存储介质
US20230298326A1 (en) Image augmentation method, electronic device and readable storage medium

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