CN116702779A - 地址识别方法和装置、电子设备及存储介质 - Google Patents

地址识别方法和装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116702779A
CN116702779A CN202310725889.9A CN202310725889A CN116702779A CN 116702779 A CN116702779 A CN 116702779A CN 202310725889 A CN202310725889 A CN 202310725889A CN 116702779 A CN116702779 A CN 116702779A
Authority
CN
China
Prior art keywords
address
user
data
user address
sample data
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
CN202310725889.9A
Other languages
English (en)
Inventor
陶德威
王健宗
于凤英
程宁
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202310725889.9A priority Critical patent/CN116702779A/zh
Publication of CN116702779A publication Critical patent/CN116702779A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • 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)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Character Discrimination (AREA)

Abstract

本申请实施例提供了一种地址识别方法和装置、电子设备及存储介质，属于金融科技技术领域。该方法包括：获取用户地址数据；将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；通过目标识别模型对用户地址数据进行识别，生成地址识别结果。基于此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况。

Description

地址识别方法和装置、电子设备及存储介质
技术领域
本申请涉及金融科技(Fintech)技术领域，尤其涉及一种地址识别方法和装置、电子设备及存储介质。
背景技术
目前，关于地址识别问题是推进保险业务发展的一个重要课题。线上需要通过对客户说的地址进行识别与定位，从而推进保险的推销。但是，目前在保险电话销售的过程中，坐席和客户沟通过程中需要电话询问产品寄送地址，并由坐席手动记录地址信息，坐席一边通话一边手动记录地址以确定销售订单，很容易出现来不及记录或者记录出错的问题，使得地址记录效率较低且质量无法保证。无论是NLP(自然语言处理，Natural LanguageProcessing)还是ASR(自动语音识别技术，Automatic Speech Recognition)都需要对地址有一个良好的识别效果。如需要良好的效果，除了模型的选择，有大量、高质量的数据也是影响模型效果的一个重要因素。然而常规情况下，数据需要人工进行标注，如果标注数量巨大，那么不仅耗时长、成本高，同时还会存在很多其他隐患。例如，多人标注时，可能标注的结果不一致，可能存在错标、漏标的情况。
在相关技术中，当前的地址生成往往只是对省市区的元素进行随机组合，无法填入正确完整的地址或是有正确级联关系的地址。并且单纯用模板套入的方式也会显得单一化，即便是用一些词汇插入、删除、近义词替换等，虽然能实现多样化，但是无法保证语义的连贯性与正确性。
发明内容
本申请实施例的主要目的在于提出一种地址识别方法和装置、电子设备及存储介质，能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而使得在保险电话推销的场景下，能够自动识别客户所说的地址信息并相应填写到订单模板中，并减少了单个客户的通话时长，增加坐席的外呼量，提高了工作效率。
为实现上述目的，本申请实施例的第一方面提出了一种地址识别方法，所述方法包括：
获取用户地址数据；
将所述用户地址数据输入至预先训练好的目标识别模型，其中，所述目标识别模型根据所述用户地址数据的级联关系、分级标签和预设的文本扰动策略识别所述用户地址数据，所述级联关系用于表征用户地址行政分级关系，所述分级标签用于区分所述用户地址的地址等级；
通过所述目标识别模型对所述用户地址数据进行识别，生成地址识别结果。
在一些实施例，所述目标识别模型的训练方法包括：
获取地址格式模板和地址样本数据；
扩充所述地址格式模板的数量达到第一目标数量；
扩充所述地址样本数据的数量达到第二目标数量；
将扩充后的所述地址样本数据正确填入到扩充后的所述地址格式模板中，得到符合正确所述级联关系的地址数据；
对所述地址数据的各个行政分级打上所述分级标签；
基于所述文本扰动策略对所述地址数据添加扰动，生成所述目标识别模型。
在一些实施例，所述扩充所述地址格式模板的数量达到第一目标数量，包括：
扩充所述地址格式模板，直至所述地址格式模板的数量等于所述地址样本数据的数量，其中，所述地址样本数据的数量为所述第一目标数量。
在一些实施例，所述扩充所述地址格式模板，直至所述地址格式模板的数量等于所述地址样本数据的数量，包括：
确定所述地址样本数据的数量；
自我复制所述地址格式模板，直至所述地址格式模板的数量等于所述地址样本数据的数量。
在一些实施例，所述扩充所述地址样本数据的数量达到第二目标数量，包括：
对所述地址样本数据按照行政分级进行等级划分，识别所述地址样本数据的有效等级；
通过随机函数生成所述有效等级的子集；
基于所述有效等级的子集对所述地址样本数据的数量进行扩充至达到所述第二目标数量，得到地址池。
在一些实施例，所述将扩充后的所述地址样本数据正确填入到扩充后的所述地址格式模板中，得到符合正确所述级联关系的地址数据，包括：
将扩充后的所述地址样本数据填入到扩充后的所述地址格式模板中；
迭代所述地址格式模板，遍历所述地址池，得到符合正确所述级联关系的地址数据，其中，所述地址格式模板带有属性标签，所述属性标签包括用户肯定标签和用户否定标签。
在一些实施例，所述文本扰动策略包括文字插入、文字修改、文字删除中的至少之一。
为实现上述目的，本申请实施例的第二方面提出了一种地址识别装置，所述装置包括：
获取模块，用于获取用户地址数据；
识别模块，用于将所述用户地址数据输入至预先训练好的目标识别模型，其中，所述目标识别模型根据所述用户地址数据的级联关系、分级标签和预设的文本扰动策略识别所述用户地址数据，所述级联关系用于表征用户地址行政分级关系，所述分级标签用于区分所述用户地址的地址等级；
生成模块，用于通过所述目标识别模型对所述用户地址数据进行识别，生成地址识别结果。
为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子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上述第一方面所述的方法。
为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
本申请提出的地址识别方法和装置、电子设备及存储介质,获取用户地址数据；将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；通过目标识别模型对用户地址数据进行识别，生成地址识别结果。基于此，通过获取用户地址数据，将用户地址数据输入至预先训练好的目标识别模型，通过目标识别模型对用户地址数据进行识别，生成地址识别结果。目标识别模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，其中，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级，文本扰动策略用于提高用户地址识别准确性。因此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而可以更加准确地识别出用户说出的地址，从而使得在保险电话推销的场景下，能够自动识别客户所说的地址信息并相应填写到订单模板中，并减少了单个客户的通话时长，增加坐席的外呼量，提高了工作效率。
附图说明
图1是本申请实施例提供的地址识别方法的流程图；
图2是目标识别模型的训练方法的流程图；
图3是图2中的步骤S202的流程图；
图4是图3中的步骤S301的流程图；
图5是图2中的步骤S203的流程图；
图6是图2中的步骤S204的流程图；
图7是本申请实施例提供的地址识别装置的结构示意图；
图8是本申请实施例提供的电子设备的硬件结构示意图。
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，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
首先，对本申请中涉及的若干名词进行解析：
人工智能(artificial intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
保险：是指投保人根据合同约定，向保险人支付保险费，保险人对于合同约定的可能发生的事故因其发生所造成的财产损失承担赔偿保险金责任，或者被保险人死亡、伤残、疾病或者达到合同约定的年龄、期限等条件时承担给付保险金责任的商业保险行为。从经济角度看，保险是分摊意外事故损失的一种财务安排；从法律角度看，保险是一种合同行为，是一方同意补偿另一方损失的一种合同安排；从社会角度看，保险是社会经济保障制度的重要组成部分，是社会生产和社会生活“精巧的稳定器”；从风险管理角度看，保险是风险管理的一种方法。
自然语言处理(Natural Language Processing,NLP)：是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。自然语言处理主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等方面。
语音识别技术：也被称为自动语音识别(Automatic Speech Recognition，ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。语音识别技术属于人工智能方向的一个重要分支，涉及许多学科，如信号处理、计算机科学、语言学、声学、生理学、心理学等，是人机自然交互技术中的关键环节。语音识别较语音合成而言，技术上要复杂，但应用却更加广泛。语音识别ASR的最大优势在于使得人机用户界面更加自然和容易使用。
数据标注：是对未经处理的初级数据包括语音、图片、文本、视频等进行加工处理并转换为机器可识别信息的过程。
地址级联关系：用于表征地址中省、市、区、镇、村等逐级行政分级之间的关联。
随机函数：就是产生数的函数，是EXCEL中很重要的函数，C语言里也有rand(),srand()等随机函数。
子集：是一个数学概念，如果集合A的任意一个元素都是集合B的元素，那么集合A称为集合B的子集。符号语言：若均有a∈B，则/>
在相关技术中，当前的地址生成往往只是对省市区的元素进行随机组合，无法填入正确完整的地址或是有正确级联关系的地址。并且单纯用模板套入的方式也会显得单一化，即便是用一些词汇插入、删除、近义词替换等，虽然能实现多样化，但是无法保证语义的连贯性与正确性。
基于此，本申请实施例提供了一种地址识别方法和装置、电子设备及存储介质，获取用户地址数据；将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；通过目标识别模型对用户地址数据进行识别，生成地址识别结果。基于此，通过获取用户地址数据，将用户地址数据输入至预先训练好的目标识别模型，通过目标识别模型对用户地址数据进行识别，生成地址识别结果。目标识别模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，其中，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级，文本扰动策略用于提高用户地址识别准确性。因此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而可以更加准确地识别出用户说出的地址，从而使得在保险电话推销的场景下，能够自动识别客户所说的地址信息并相应填写到订单模板中，并减少了单个客户的通话时长，增加坐席的外呼量，提高了工作效率。
本申请实施例提供的地址识别方法和装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的地址识别方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的地址识别方法，涉及人工智能技术领域。本申请实施例提供的地址识别方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现地址识别方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
图1是本申请实施例提供的地址识别方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S103。
步骤S101，获取用户地址数据；
步骤S102，将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；
步骤S103，通过目标识别模型对用户地址数据进行识别，生成地址识别结果。
在一些实施例的步骤S101中，获取用户地址数据。用户地址数据可以为用户说出的地址语音数据。例如，在保险电话推销的场景下，业务人员询问“您的地址在哪里”，客户回答“我在北京市朝阳区新源南路12号平安国际金融中心12层”。目前通常的地址生成方法是随机将地址元素插入到地址格式模板中，例如，我在{}我不在{}，前一个{}可以填入北京，后一个可以填入朝阳区。但是如果丰富地址信息，例如北京后填入静安区，但是静安和北京并不相关。或者反向填，我在朝阳区，不在北京，又会发生逻辑悖论。因此在填入地址信息时，既需要考虑地址本身的级联关系，同时也需要考虑两个地址之间的关系。在申请实施例中，用户地址准备好后，还需要地址格式模板。地址格式模板就是提前写好上下文，然后填入对应的地址即可。由于客户可能会肯定一个地址或是否定一个地址，因此，可以在地址格式模板上直接做上标签。例如，我在{POS}，我不在{NEG}。其中，POS和NEG分别代表一个地址，POS代表是被客户肯定的地址，NEG代表是被客户否定的地址。这样，LEAR(标签知识增强表示，Label knowledge EnhAnced Representation)模型提取出地址后，不仅能够识别地址，同时也能知道是肯定/否定这个地址。
在一些实施例的步骤S102中，将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，例如，A省B市C区，A省、B市和C区之间的关系属于级联关系，需要说明的是，级联关系包括正确的级联关系和错误的级联关系，例如，“北京市朝阳区”属于正确的级联关系，而“上海市朝阳区”属于错误的级联关系。分级标签用于区分用户地址的地址等级，例如，“北京”可以带有市级标签，“朝阳”可以带有区级标签。文本扰动策略可以包括但不限于文字插入、文字修改、文字删除，采用文本扰动策略是为了让生成的文本更加贴近于实际获得的文本。目标识别模型以LEAR模型为例，将用户地址数据输入至LEAR模型。LEAR模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据。
在一些实施例的步骤S103中，通过目标识别模型对用户地址数据进行识别，生成地址识别结果。由于目标识别模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，因此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而可以更加准确地识别出用户说出的地址。
在一些实施例中，在保险电话推销的场景下，通过获取用户说出的地址数据，将用户地址数据输入至预先训练好的目标识别模型，通过目标识别模型对用户地址数据进行识别，生成地址识别结果，且生成的地址识别结果能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。采用本申请实施例的地址识别方法，能够自动识别客户所说的地址信息并相应填写到订单模板中，使得坐席无需一边通话一边手动记录地址来确定销售订单，从而可以减少了单个客户的通话时长，增加坐席的外呼量，提高了工作效率。
本申请实施例所示意的步骤S101至步骤S103，获取用户地址数据；将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；通过目标识别模型对用户地址数据进行识别，生成地址识别结果。基于此，通过获取用户地址数据，将用户地址数据输入至预先训练好的目标识别模型，通过目标识别模型对用户地址数据进行识别，生成地址识别结果。目标识别模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，其中，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级，文本扰动策略用于提高用户地址识别准确性。因此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而可以更加准确地识别出用户说出的地址，从而使得在保险电话推销的场景下，能够自动识别客户所说的地址信息并相应填写到订单模板中，并减少了单个客户的通话时长，增加坐席的外呼量，提高了工作效率。
请参阅图2，在一些实施例中，目标识别模型的训练方法可以包括但不限于包括步骤S201至步骤S206：
步骤S201，获取地址格式模板和地址样本数据；
步骤S202，扩充地址格式模板的数量达到第一目标数量；
步骤S203，扩充地址样本数据的数量达到第二目标数量；
步骤S204，将扩充后的地址样本数据正确填入到扩充后的地址格式模板中，得到符合正确级联关系的地址数据；
步骤S205，对地址数据的各个行政分级打上分级标签；
步骤S206，基于文本扰动策略对地址数据添加扰动，生成目标识别模型。
在一些实施例中，获取地址格式模板和地址样本数据，地址样本数据为正确的用户地址数据，而地址格式模板为提前写好上下文，然后填入对应的地址即可的格式模板，由于客户可能会肯定一个地址或是否定一个地址，因此，可以在地址格式模板上直接做上标签。以我在{POS}，我不在{NEG}的地址格式模板为例，其中，POS和NEG分别代表一个地址，POS代表是被客户肯定的地址，NEG代表是被客户否定的地址。例如，我在{}，我不在{}。前一个{}可以填入北京，后一个可以填入海淀区。为了扩充目标识别模型的训练样本数量，可以扩充地址格式模板的数量达到第一目标数量，并扩充地址样本数据的数量达到第二目标数量，需要说明的是，本申请实施例对第一目标数量和第二目标数量的具体数量不作限定。接着进行模板填充，即将扩充后的地址样本数据正确填入到扩充后的地址格式模板中，由于是一整条地址填入，因此地址样本数据本身是级联的，且前后关系是正确的。对于地址格式模板需求2条地址的，需要考虑POS和NEG的联系，POS不能是否定地址NEG的子地址。例如，我不在北京，我在朝阳，这样就产生了逻辑悖论。只要迭代地址格式模板，然后再迭代扩充后的地址样本数据，将地址样本数据依次填入地址格式模板中，对于不满足要求的地址样本数据跳过，满足的则pop出来，如果地址池被取空，那么将已遍历的地址池标记为未遍历的。如果未遍历的池不为空，且都不满足要求，那么则从已遍历池中随机挑选，直到找到合适的地址。在地址格式模板填入地址样本数据后，可以立即打上地址的分级标签，这样能够很好的区分地址等级。还需要基于文本扰动策略对地址数据添加扰动，添加扰动是为了让生成的文本更加贴近于实际获得的文本。例如有一些语气词等。当前可以有以下几种添加方案：①删除地址关键词：如删除省、市、区等关键词。例如：我在北京市→我在北京。又例如：我在朝阳区→我在朝阳。②重复单字：重复首个/尾部的第一个字1-3次，模拟用户口吃/ASR多转译等问题。例如：我在北京市→我在北北北京市。③重复实体：重复当前实体1-3次。例如：我在北京市→我在北京市北京市。④插入词汇：在实体前后随机插入预设的语气词等。例如：我在北京市→我在呃呃北京市。⑤解释词汇：在实体前后随机插入对字的组词。例如：我在北京市→我在北方的北北京市。需要说明的是，上述各方案的触发概率相互独立，每个实体均可触发，触发顺序随机。经过以上步骤后生成目标识别模型。
请参阅图3，在一些实施例中，步骤S202可以包括但不限于包括步骤S301：
步骤S301，扩充地址格式模板，直至地址格式模板的数量等于地址样本数据的数量，其中，地址样本数据的数量为第一目标数量。
在一些实施例中，为了扩充目标识别模型的训练样本数量，可以扩充地址格式模板的数量直至地址格式模板的数量等于地址样本数据的数量。
请参阅图4，在一些实施例中，步骤S301可以包括但不限于包括步骤S401至步骤S402：
步骤S401，确定地址样本数据的数量；
步骤S402，自我复制地址格式模板，直至地址格式模板的数量等于地址样本数据的数量。
在一些实施例中，确定地址样本数据的数量，因为一条地址格式模板最终会生成一条地址样本数据，因此生成地址样本数据的数量等于地址格式模板的数量。例如，假定地址库中有3000条地址格式模板，而我们需要生成30万的地址样本数据，那么可以把地址格式模板自我复制100次，这样就可以得到30万条地址格式模板，只要填入对应的地址就得到了30万的地址样本数据。
请参阅图5，在一些实施例中，步骤S203可以包括但不限于包括步骤S501至步骤S503：
步骤S501，对地址样本数据按照行政分级进行等级划分，识别地址样本数据的有效等级；
步骤S502，通过随机函数生成有效等级的子集；
步骤S503，基于有效等级的子集对地址样本数据的数量进行扩充至达到第二目标数量，得到地址池。
在一些实施例中，对于每一条地址样本数据可以对其进行切割划分。例如，北京市朝阳区新源南路12号平安国际金融中心12层，可以切割划分为7级，详细切割如下：
省 市 区/县 路/街 乡/镇/村 建筑物 门牌号等
/ 北京市 朝阳区 新源南路 / 平安金融中心 12楼
对于地址格式模板中的POS/NEG只要填入一条地址就可以保证POS/NEG地址本身是级联的关系，是正确的地址。为了丰富地址的多样性，可以将7级地址选择性填入，例如，表格中北京地址的有效等级为【2,3,4,6,7】，那么可以通过随机函数对它的子集进行填入，例如，只选【2,3】填入模板：我在{POS}→我在北京市朝阳区。例如，需要生成30W的地址样本数据，现在已有30W的地址格式模板，每个地址格式模板需要1-2条地址样本数据进行填入。所以可以对地址样本数据做1.5倍的扩充。比如30W条数据，需要把地址扩充成45W，假如地址库有5W条地址，那么每条地址需要扩充9倍。以【2,3,4,6,7】为例，扩充九倍可以取它不同的子集：【1】，【2】，【3】，【4】，【1,2】，【1,3】，【1,5】，【2,3,4】，【3,4,6,7】……子集有很多，从子集随机取出9条作为扩充后的地址样本数据。如果子集数不够，那么将子集数翻倍再取出对应数量，得到地址池。
请参阅图6，在一些实施例中，步骤S204可以包括但不限于包括步骤S601至步骤S602：
步骤S601，将扩充后的地址样本数据填入到扩充后的地址格式模板中；
步骤S602，迭代地址格式模板，遍历地址池，得到符合正确级联关系的地址数据，其中，地址格式模板带有属性标签，属性标签包括用户肯定标签和用户否定标签。
在一些实施例中，将扩充后的地址样本数据正确填入到扩充后的地址格式模板中，由于是一整条地址填入，因此地址样本数据本身是级联的，且前后关系是正确的。对于地址格式模板需求2条地址的，需要考虑POS和NEG的联系，POS不能是否定地址NEG的子地址。例如，我不在北京，我在朝阳，这样就产生了逻辑悖论。只要迭代地址格式模板，然后再迭代扩充后的地址样本数据，将地址样本数据依次填入地址格式模板中，对于不满足要求的地址样本数据跳过，满足的则pop出来，如果地址池被取空，那么将已遍历的地址池标记为未遍历的。如果未遍历的池不为空，且都不满足要求，那么则从已遍历池中随机挑选，直到找到合适的地址。在地址格式模板填入地址样本数据后，可以立即打上地址的分级标签，这样能够很好的区分地址等级。
在一些实施例中，文本扰动策略包括文字插入、文字修改、文字删除中的至少之一。基于文本扰动策略对地址数据添加扰动，添加扰动是为了让生成的文本更加贴近于实际获得的文本。例如有一些语气词等。当前可以有以下几种添加方案：①删除地址关键词：如删除省、市、区等关键词。例如：我在北京市→我在北京。又例如：我在朝阳区→我在朝阳。②重复单字：重复首个/尾部的第一个字1-3次，模拟用户口吃/ASR多转译等问题。例如：我在北京市→我在北北北京市。③重复实体：重复当前实体1-3次。例如：我在北京市→我在北京市北京市。④插入词汇：在实体前后随机插入预设的语气词等。例如：我在北京市→我在呃呃北京市。⑤解释词汇：在实体前后随机插入对字的组词。例如：我在北京市→我在北方的北北京市。
以下结合具体实施例进一步说明本申请的地址识别方法。
在地址生成之前，首先需要对每一条地址样本数据进行切割划分。例如，北京市朝阳区新源南路12号平安国际金融中心12层，可以切割划分为7级，详细切割如下：
省 市 区/县 路/街 乡/镇/村 建筑物 门牌号等
/ 北京市 朝阳区 新源南路 / 平安金融中心 12楼
浙江省 杭州市 拱墅区 / / 嘉里中心 1层乐乐茶
地址准备好后，还需要地址格式模板。地址格式模板为提前写好上下文，然后填入对应的地址即可的格式模板，由于客户可能会肯定一个地址或是否定一个地址，因此，可以在地址格式模板上直接做上标签。以我在{POS}，我不在{NEG}的地址格式模板为例，其中，POS和NEG分别代表一个地址，POS代表是被客户肯定的地址，NEG代表是被客户否定的地址。这样目标识别模型提取出地址后，不仅能够识别地址，同时也能知道是肯定/否定这个地址。
目标识别模型生成步骤主要具体如下：
1、模板扩充
因为一条地址格式模板最终会生成一条地址样本数据，因此生成地址样本数据的数量等于地址格式模板的数量。例如，假定地址库中有3000条地址格式模板，而我们需要生成30万的地址样本数据，那么可以把地址格式模板自我复制100次，这样就可以得到30万条地址格式模板，只要填入对应的地址就得到了30万的地址样本数据。
2、地址扩充
对于地址格式模板中的POS/NEG只要填入一条地址就可以保证POS/NEG地址本身是级联的关系，是正确的地址。为了丰富地址的多样性，可以将7级地址选择性填入，例如，表格中北京地址的有效等级为【2,3,4,6,7】，那么可以通过随机函数对它的子集进行填入，例如，只选【2,3】填入模板：我在{POS}→我在北京市朝阳区。例如，需要生成30W的地址样本数据，现在已有30W的地址格式模板，每个地址格式模板需要1-2条地址样本数据进行填入。所以可以对地址样本数据做1.5倍的扩充。比如30W条数据，需要把地址扩充成45W，假如地址库有5W条地址，那么每条地址需要扩充9倍。以【2,3,4,6,7】为例，扩充九倍可以取它不同的子集：【1】，【2】，【3】，【4】，【1,2】，【1,3】，【1,5】，【2,3,4】，【3,4,6,7】……子集有很多，从子集随机取出9条作为扩充后的地址样本数据。如果子集数不够，那么将子集数翻倍再取出对应数量。
3、模板填充
将扩充后的地址样本数据正确填入到扩充后的地址格式模板中，由于是一整条地址填入，因此地址样本数据本身是级联的，且前后关系是正确的。对于地址格式模板需求2条地址的，需要考虑POS和NEG的联系，POS不能是否定地址NEG的子地址。例如，我不在北京，我在朝阳，这样就产生了逻辑悖论。只要迭代地址格式模板，然后再迭代扩充后的地址样本数据，将地址样本数据依次填入地址格式模板中，对于不满足要求的地址样本数据跳过，满足的则pop出来，如果地址池被取空，那么将已遍历的地址池标记为未遍历的。如果未遍历的池不为空，且都不满足要求，那么则从已遍历池中随机挑选，直到找到合适的地址。在地址格式模板填入地址样本数据后，可以立即打上地址的分级标签，这样能够很好的区分地址等级。
4、添加扰动
因为纯用上述方法生成的地址数据其实是非常干净的。添加扰动是为了让生成的文本更加贴近于实际获得的文本。例如有一些语气词等。当前可以有以下几种添加方案：
①删除地址关键词：如删除省、市、区等关键词。例如：我在北京市→我在北京。又例如：我在朝阳区→我在朝阳。
②重复单字：重复首个/尾部的第一个字1-3次，模拟用户口吃/ASR多转译等问题。例如：我在北京市→我在北北北京市。
③重复实体：重复当前实体1-3次。例如：我在北京市→我在北京市北京市
④插入词汇：在实体前后随机插入预设的语气词等。例如：我在北京市→我在呃呃北京市。
⑤解释词汇：在实体前后随机插入对字的组词。例如：我在北京市→我在北方的北北京市。
需要说明的是，上述各方案的触发概率相互独立，每个实体均可触发，触发顺序随机。
经过以上步骤后生成目标识别模型。
基于此，本申请实施例通过获取用户地址数据；将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；通过目标识别模型对用户地址数据进行识别，生成地址识别结果。基于此，通过获取用户地址数据，将用户地址数据输入至预先训练好的目标识别模型，通过目标识别模型对用户地址数据进行识别，生成地址识别结果。目标识别模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，其中，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级，文本扰动策略用于提高用户地址识别准确性。因此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而可以更加准确地识别出用户说出的地址，从而使得在保险电话推销的场景下，能够自动识别客户所说的地址信息并相应填写到订单模板中，并减少了单个客户的通话时长，增加坐席的外呼量，提高了工作效率。
请参阅图7，本申请实施例还提供一种地址识别装置，可以实现上述地址识别方法，该装置包括：
获取模块710，用于获取用户地址数据；
识别模块720，用于将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；
生成模块730，用于通过目标识别模型对用户地址数据进行识别，生成地址识别结果。
在本申请的一些实施例中，获取模块710获取用户地址数据；识别模块720将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；生成模块730通过目标识别模型对用户地址数据进行识别，生成地址识别结果。
在本申请的一些实施例中，获取模块710获取用户地址数据。用户地址数据可以为用户说出的地址语音数据。例如，在保险电话推销的场景下，业务人员询问“您的地址在哪里”，客户回答“我在北京市朝阳区新源南路12号平安国际金融中心12层”。目前通常的地址生成方法是随机将地址元素插入到地址格式模板中，例如，我在{}我不在{}，前一个{}可以填入北京，后一个可以填入朝阳区。但是如果丰富地址信息，例如北京后填入静安区，但是静安和北京并不相关。或者反向填，我在朝阳区，不在北京，又会发生逻辑悖论。因此在填入地址信息时，既需要考虑地址本身的级联关系，同时也需要考虑两个地址之间的关系。在申请实施例中，用户地址准备好后，还需要地址格式模板。地址格式模板就是提前写好上下文，然后填入对应的地址即可。由于客户可能会肯定一个地址或是否定一个地址，因此，可以在地址格式模板上直接做上标签。例如，我在{POS}，我不在{NEG}。其中，POS和NEG分别代表一个地址，POS代表是被客户肯定的地址，NEG代表是被客户否定的地址。这样，LEAR(标签知识增强表示，Label knowledge EnhAnced Representation)模型提取出地址后，不仅能够识别地址，同时也能知道是肯定/否定这个地址。
在本申请的一些实施例中，识别模块720将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，例如，A省B市C区，A省、B市和C区之间的关系属于级联关系，需要说明的是，级联关系包括正确的级联关系和错误的级联关系，例如，“北京市朝阳区”属于正确的级联关系，而“上海市朝阳区”属于错误的级联关系。分级标签用于区分用户地址的地址等级，例如，“北京”可以带有市级标签，“朝阳”可以带有区级标签。文本扰动策略可以包括但不限于文字插入、文字修改、文字删除，采用文本扰动策略是为了让生成的文本更加贴近于实际获得的文本。目标识别模型以LEAR模型为例，将用户地址数据输入至LEAR模型。LEAR模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据。
在本申请的一些实施例中，生成模块730通过目标识别模型对用户地址数据进行识别，生成地址识别结果。由于目标识别模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，因此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而可以更加准确地识别出用户说出的地址。
基于此，本申请实施例的地址识别装置，获取模块710获取用户地址数据；识别模块720将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；生成模块730通过目标识别模型对用户地址数据进行识别，生成地址识别结果。本申请通过获取用户地址数据；将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；通过目标识别模型对用户地址数据进行识别，生成地址识别结果。基于此，通过获取用户地址数据，将用户地址数据输入至预先训练好的目标识别模型，通过目标识别模型对用户地址数据进行识别，生成地址识别结果。目标识别模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，其中，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级，文本扰动策略用于提高用户地址识别准确性。因此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而可以更加准确地识别出用户说出的地址，从而使得在保险电话推销的场景下，能够自动识别客户所说的地址信息并相应填写到订单模板中，并减少了单个客户的通话时长，增加坐席的外呼量，提高了工作效率。
该地址识别装置的具体实施方式与上述地址识别方法的具体实施例基本相同，在此不再赘述。
本申请实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述地址识别方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图8，图8示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器801，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案。
存储器802，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器802可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器802中，并由处理器801来调用执行本申请实施例的地址识别方法，即通过获取用户地址数据；将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；通过目标识别模型对用户地址数据进行识别，生成地址识别结果。基于此，通过获取用户地址数据，将用户地址数据输入至预先训练好的目标识别模型，通过目标识别模型对用户地址数据进行识别，生成地址识别结果。目标识别模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，其中，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级，文本扰动策略用于提高用户地址识别准确性。因此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而可以更加准确地识别出用户说出的地址，从而使得在保险电话推销的场景下，能够自动识别客户所说的地址信息并相应填写到订单模板中，并减少了单个客户的通话时长，增加坐席的外呼量，提高了工作效率。
输入/输出接口803，用于实现信息输入及输出。
通信接口804，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线，在设备的各个组件(例如处理器801、存储器802、输入/输出接口803和通信接口804)之间传输信息。
其中处理器801、存储器802、输入/输出接口803和通信接口804通过总线实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述地址识别方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的地址识别方法、地址识别装置、电子设备及存储介质，通过获取用户地址数据；将用户地址数据输入至预先训练好的目标识别模型，其中，目标识别模型根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级；通过目标识别模型对用户地址数据进行识别，生成地址识别结果。基于此，通过获取用户地址数据，将用户地址数据输入至预先训练好的目标识别模型，通过目标识别模型对用户地址数据进行识别，生成地址识别结果。目标识别模型能够根据用户地址数据的级联关系、分级标签和预设的文本扰动策略识别用户地址数据，其中，级联关系用于表征用户地址行政分级关系，分级标签用于区分用户地址的地址等级，文本扰动策略用于提高用户地址识别准确性。因此，本申请实施例能够不仅考虑每个地址填入的级联的正确性，同时也保证两条地址之间的逻辑正确。同时，通过加入文本扰动策略可以复现语音识别中的一些常见问题以及用户的说话问题，最大程度上还原了用户地址的实际情况，从而可以更加准确地识别出用户说出的地址，从而使得在保险电话推销的场景下，能够自动识别客户所说的地址信息并相应填写到订单模板中，并减少了单个客户的通话时长，增加坐席的外呼量，提高了工作效率。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读程序、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读程序、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种地址识别方法，其特征在于，所述方法包括：
获取用户地址数据；
将所述用户地址数据输入至预先训练好的目标识别模型，其中，所述目标识别模型根据所述用户地址数据的级联关系、分级标签和预设的文本扰动策略识别所述用户地址数据，所述级联关系用于表征用户地址行政分级关系，所述分级标签用于区分所述用户地址的地址等级；
通过所述目标识别模型对所述用户地址数据进行识别，生成地址识别结果。
2.根据权利要求1所述的方法，其特征在于，所述目标识别模型的训练方法包括：
获取地址格式模板和地址样本数据；
扩充所述地址格式模板的数量达到第一目标数量；
扩充所述地址样本数据的数量达到第二目标数量；
将扩充后的所述地址样本数据正确填入到扩充后的所述地址格式模板中，得到符合正确所述级联关系的地址数据；
对所述地址数据的各个行政分级打上所述分级标签；
基于所述文本扰动策略对所述地址数据添加扰动，生成所述目标识别模型。
3.根据权利要求2所述的方法，其特征在于，所述扩充所述地址格式模板的数量达到第一目标数量，包括：
扩充所述地址格式模板，直至所述地址格式模板的数量等于所述地址样本数据的数量，其中，所述地址样本数据的数量为所述第一目标数量。
4.根据权利要求3所述的方法，其特征在于，所述扩充所述地址格式模板，直至所述地址格式模板的数量等于所述地址样本数据的数量，包括：
确定所述地址样本数据的数量；
自我复制所述地址格式模板，直至所述地址格式模板的数量等于所述地址样本数据的数量。
5.根据权利要求2所述的方法，其特征在于，所述扩充所述地址样本数据的数量达到第二目标数量，包括：
对所述地址样本数据按照行政分级进行等级划分，识别所述地址样本数据的有效等级；
通过随机函数生成所述有效等级的子集；
基于所述有效等级的子集对所述地址样本数据的数量进行扩充至达到所述第二目标数量，得到地址池。
6.根据权利要求5所述的方法，其特征在于，所述将扩充后的所述地址样本数据正确填入到扩充后的所述地址格式模板中，得到符合正确所述级联关系的地址数据，包括：
将扩充后的所述地址样本数据填入到扩充后的所述地址格式模板中；
迭代所述地址格式模板，遍历所述地址池，得到符合正确所述级联关系的地址数据，其中，所述地址格式模板带有属性标签，所述属性标签包括用户肯定标签和用户否定标签。
7.根据权利要求1至6任意一项所述的方法，其特征在于，所述文本扰动策略包括文字插入、文字修改、文字删除中的至少之一。
8.一种地址识别装置，其特征在于，所述装置包括：
获取模块，用于获取用户地址数据；
识别模块，用于将所述用户地址数据输入至预先训练好的目标识别模型，其中，所述目标识别模型根据所述用户地址数据的级联关系、分级标签和预设的文本扰动策略识别所述用户地址数据，所述级联关系用于表征用户地址行政分级关系，所述分级标签用于区分所述用户地址的地址等级；
生成模块，用于通过所述目标识别模型对所述用户地址数据进行识别，生成地址识别结果。
9.一种电子设备，其特征在于，所述电子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权利要求1至7任一项所述的地址识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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中任一项所述的地址识别方法。
CN202310725889.9A 2023-06-16 2023-06-16 地址识别方法和装置、电子设备及存储介质 Pending CN116702779A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310725889.9A CN116702779A (zh) 2023-06-16 2023-06-16 地址识别方法和装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310725889.9A CN116702779A (zh) 2023-06-16 2023-06-16 地址识别方法和装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116702779A true CN116702779A (zh) 2023-09-05

Family

ID=87844758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310725889.9A Pending CN116702779A (zh) 2023-06-16 2023-06-16 地址识别方法和装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116702779A (zh)

Similar Documents

Publication Publication Date Title
CN100371927C (zh) 使用机器翻译技术标识释义的方法和系统
CN110020424B (zh) 合同信息的提取方法、装置和文本信息的提取方法
CN102880649B (zh) 一种个性化信息处理方法和系统
CN110276023B (zh) Poi变迁事件发现方法、装置、计算设备和介质
US20180293302A1 (en) Natural question generation from query data using natural language processing system
CN111783471B (zh) 自然语言的语义识别方法、装置、设备及存储介质
EP3685243A1 (en) Content pattern based automatic document classification
CN113205814B (zh) 语音数据标注方法、装置、电子设备及存储介质
CN114357117A (zh) 事务信息查询方法、装置、计算机设备及存储介质
CN112364664B (zh) 意图识别模型的训练及意图识别方法、装置、存储介质
CN110738055A (zh) 文本的实体识别方法、设备及存储介质
CN112749283A (zh) 一种面向法律领域的实体关系联合抽取方法
CN116796730A (zh) 基于人工智能的文本纠错方法、装置、设备及存储介质
CN116702736A (zh) 保险话术生成方法、装置、电子设备及存储介质
CN115238688A (zh) 电子信息数据关联关系分析方法、装置、设备和存储介质
CN116701604A (zh) 问答语料库的构建方法和装置、问答方法、设备及介质
CN112416992A (zh) 基于大数据和关键词的行业类型识别方法、系统及设备
CN109344388B (zh) 一种垃圾评论识别方法、装置及计算机可读存储介质
KR102072708B1 (ko) 텍스트 콘텐츠의 장르를 추론하는 방법 및 컴퓨터 프로그램
CN116166858A (zh) 基于人工智能的信息推荐方法、装置、设备及存储介质
CN115827847A (zh) 知识图谱构建方法、装置、电子设备和存储介质
CN116702779A (zh) 地址识别方法和装置、电子设备及存储介质
CN115730071A (zh) 电力舆情事件的抽取方法、装置、电子设备及存储介质
CN114637831A (zh) 基于语义分析的数据查询方法及其相关设备
CN113947510A (zh) 一种基于文件格式自适应的不动产电子证照管理系统

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