JP2023542146A - アドレスマッチングを行うための方法及び関連する電子装置 - Google Patents

Abstract

アドレスマッチングを行うための、電子装置によって行われる方法が開示されている。本方法は、第１のアドレスを示す第１のデータセットを取得することを含む。本方法は、第１のデータセットに基づいて、エンティティ抽出技法を用いて、第１のアドレスを示す１つ以上の第１の要素を決定することを含む。本方法は、１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを取得することを含む。本方法は、第２のデータセットが、第２のアドレスを示す１つ以上の第２の要素を含むことを含む。本方法は、第１のデータセット及び第２のデータセットに自然言語処理（ＮＬＰ）技法を適用して、１つ以上の類似度スコアを取得することを含む。本方法は、第１のアドレスの対応する第１の要素に対応付けられる重みのセットを取得することを含む。

Description

本開示は搬送及び運送貨物の分野に関する。本開示は、アドレスマッチングを行うための方法及び関連する電子装置に関する。

出荷サイクルでは、予約が確認されたら、出荷指示（ＳＩ）が顧客によって発行される。船荷証券（Ｂ／Ｌ）を作成するためにＳＩをさらに用いる場合がある。ＳＩは、出荷詳細を含むキードキュメントと考えることができる。ＳＩには、荷送人、荷受人、第一通知人、及びそれらの対応する郵便用アドレスに関する詳細を記載する当事者情報と言われるセクションが含まれている。前述したアドレスは顧客データベースにすでに存在している場合がある。ＳＩのアドレスはデータベース内のアドレスによってマッピングされ得る。

しかし、すべてのアドレスがうまくマッピングできるわけではない。アドレスによっては、ばらつき（たとえば、テキストの配置の変化、タイポグラフィ、間違い、スペルミス及び／または省略されたアドレスなど）を伴い、識別することができない。このような間違ったアドレスを処理する時間は著しく、間違ったアドレスの一貫性のない処理につながり得る。手作業の処理では間違いが発生しがちであり、費用及び時間がかかる。

アドレスデータを処理する技術的なプロセスを支援することが求められている。ツールとして、アドレスマッチングを支援し、間違ったアドレスを処理する時間を減らす一方で、精度及び一貫性を維持及び／または改善するものが求められている。たとえば、開示した技術によって、自動識別、及び２つのソース間のアドレスのマッチングが可能になる。

したがって、電子装置及びアドレスマッチングを行うための方法として、存在する欠点を緩和するか、軽減するか、またはこれに対処し、また精度が向上して適用範囲及び一貫性が向上した自動化されたさらに時間効率の良いアドレス識別及びアドレスマッチングを提供するものが求められている。

たとえば、アドレスマッチングを行うための、電子装置によって行われる方法が開示される。本方法は、第１のアドレスを示す第１のデータセットを取得することを含む。本方法は、第１のデータセットに基づいて、エンティティ抽出技法を用いて、第１のアドレスを示す１つ以上の第１の要素を決定することを含む。本方法は、１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを取得することを含む。本方法は、第２のデータセットは、第２のアドレスを示す１つ以上の第２の要素を含むことを含む。本方法は、第１のデータセット及び第２のデータセットに自然言語処理（ＮＬＰ）技法を適用して、１つ以上の類似度スコアを取得することを含む。本方法は、第１のアドレスの対応する第１の要素に対応付けられる重みのセットを取得することを含む。本方法は、重みのセットに基づいて、１つ以上の第１の要素のうちの少なくとも１つと１つ以上の第２の要素のうちの少なくとも１つとの間のマッチングを示すマッチングパラメータを決定することを含む。本方法は、マッチングパラメータを出力することを任意選択で含む。

メモリ回路、プロセッサ回路、及びインターフェース回路を含む電子装置であって、電子装置は、本明細書で開示した方法のいずれかを実行するように構成されている、電子装置が開示される。

１つ以上のプログラムを記憶するコンピュータ可読記憶媒体であって、１つ以上のプログラムは、ディスプレイ及びタッチセンサ表面を伴う電子装置によって実行されると、電子装置に本明細書で開示した方法のいずれかを実行させる命令を含む、コンピュータ可読記憶媒体が開示される。

本開示の利点は、開示した電子装置及び方法によって、精度、適用範囲、及び一貫性が向上した自動化されたさらに時間効率の良いアドレス識別及びアドレスマッチングが提供されることである。結果として、開示した技術を用いれば、より速いアドレス補正が実現され得る。この結果、ＳＩ及びＳＩにおけるアドレス補正のより頑強な処理が得られる。

本開示により、１つ以上の実施形態において、アドレスに関連するデータが記憶され、取り出され、及び処理される技法であって、使用する記憶空間、アドレスマッチングの適用範囲及び精度、ならびにＳＩを処理するスピードを改善する技法が提供される。

本開示の前述及び他の特徴及び利点は、添付図面を参照しながら典型的な実施形態の以下の詳細な説明によって当業者には容易に明らかになる。

開示した技術が本開示による電子装置例によって行われるプロセスを概略的に例示する図である。 開示した技術が本開示による電子装置例によって行われるプロセスを概略的に例示する図である。 本開示によるアドレスマッチングを行うための、電子装置によって行われる典型的な方法を例示するフローチャートである。 本開示による典型的な電子装置を例示するブロック図である。

種々の典型的な実施形態及び詳細について、関連する場合に図を参照して、以下に説明する。図は一定の比率で描かれている場合もそうでない場合もあり、また図の全体にわたって類似の構造または機能の要素は同様の参照数字によって表されていることに注意されたい。また、図は実施形態の説明を容易にすることのみを意図していることにも注意されたい。それらは、本開示の範囲に対する限定としても本開示の網羅的な説明としても意図されてはいない。加えて、例示した実施形態は、図示したすべての態様または利点を有する必要はない。特定の実施形態ともに説明される態様または利点は、必ずしもその実施形態に限定されず、任意の他の実施形態で実行することができる（たとえそのように例示されていなくても、またはそのように明示的に説明されていなくても）。

図は、明瞭にするために概略的で簡略化されており、本開示の理解を助ける詳細を示すだけであり、一方で他の詳細は省略されている。全体にわたって、同一部分または対応する部分に対しては同じ参照数字を用いている。

図１Ａ～１Ｂは、開示した技術が本開示による電子装置例によって行われるプロセスを概略的に例示する図である。

図１Ａは、取得した第１のアドレス１２を示す第１のデータセット１４を示している。たとえば、第１のアドレス１２を示す第１のデータセット１４は出荷指示から取得され得る。第１のアドレス１２は入力アドレスと考えてもよい。第１のデータセットのソース及び／または構造は出荷指示であってもよい。たとえば、第１のデータセットは、入力として出荷指示において顧客によって与えられるフリーテキストである顧客住所に基づいて取得してもよい。

第１のアドレスを示す第１のデータセットの例は、以下の形式であってもよい。Ａ＆Ｂカンパニー（ＸＸＸＸＸＸ）ＣＯ．ＬＴＤ．部屋ＸＸＸＸＸ６階プライム番号ＮＯ．１３６１北ＸＸＸＸＸＸ通りＸＸＸＸＸ地域ＸＸＸＸＸ８５７５７８ＸＸＸＸＸ連絡先：氏名ＸＸＸＸＸ電話：ＸＸＸＸＸＸＸＸＸ電子メール：ＸＸＸＸＸ＠ＸＸＸ．ＣＯＭＸＸＸＸＸＸ税参照：ＸＸＸＸＸＸＸＸＸＸＸＸ

第１のアドレス１２を示す１つ以上の第１の要素１７、１８、１９、２０を、第１のデータセット１４に基づいて、エンティティ抽出技法１６を用いて決定する。

第２のデータセット２４を、１つ以上の第１の要素１７、１８、１９、２０のうちの少なくとも１つに基づいて、たとえば検索２２を行うことによって取得する。第２のデータセット２４は、第２のアドレスを示す１つ以上の第２の要素を含む。第２のデータセット２４は、対応するデータベースマッチング（たとえば、第１のアドレスに対応するデータベースマッチング）を含むと考えてもよい。

言い換えれば、第１のアドレス（入力アドレスとして）は、エンティティ（たとえば、顧客商号、仲買人名義、都市、国、電話番号、電子メールＩＤ、及び税参照番号）として抽出され得る１つ以上の第１の要素を含む。エンティティは、ＮＬＰ技法を用いて抽出され、第２のデータセットを生成するために顧客データベース内のマッチングアドレスを探すために用いられる。異なるエンティティが顧客データベース中で検索され、検索結果の第１のレベルとして、たとえば、５０の最も近いマッチングアドレスが取り出されて、第２のアドレスとして第２のデータセットの一部を構成する。

自然言語処理（ＮＬＰ）技法２６を第１のデータセット１４及び第２のデータセット２４に適用して、１つ以上の類似度スコア２８を取得する。第２のデータセットの取り出した第２のアドレスを、ＮＬＰ技法（たとえば、近似文章マッチング技法）を用いて第１のアドレスと比較して、類似度スコアに達する。

類似度スコアを、たとえば、第１の要素と第２の要素との間の類似度を定量化するための第１の要素と第２の要素との間の類似度を示すパラメータと考えてもよい。類似度スコアを、たとえば、第２のデータセットの第２の要素に対応付けて、第２の要素が、対応する第１の要素とどのくらい似ているかを示す。たとえば、仲買人名義を示す類似度スコアは、仲買人名義に関連する第２の要素が、対応する仲買人名義に関連する第１の要素とどのくらい似ているかを示し得る。

たとえば、第１のアドレスにおける各単語に、ＮＬＰにおいて等しい重み付けを与えて、類似度スコアを伴う第２のデータセットに達する。しかし、一部の単語は、最終のマッチングアドレスを決定するときに、他の単語よりも重要性（たとえば、重み）を加えることが分かる。たとえば、顧客商号における単語は、都市または国名の場合よりも結果に大きく影響する。

開示した技術によって、第１のアドレスの第１の要素と第２のアドレスの対応する第２の要素との間の最終のマッチングとしてのマッチングパラメータを決定するときに、異なる単語に対する重みを変えることが提供される。重みのセットを予測分析技法によって取得して、結果を決定するときの第１のアドレスの異なる単語の影響を計算する。これは、たとえば、多くの第１のアドレス（たとえば、数１０００の第１のアドレス）とそれらの対応する第２のアドレス（たとえば、対応するデータベースマッチング）とを分析することによって行ってもよい。

第１のアドレスの対応する第１の要素に対応付けられる重みのセットを取得して、動作３０においてＮＬＰ技法において適用して、１つ以上の第１の要素のうちの少なくとも１つと１つ以上の第２の要素のうちの少なくとも１つとの間のマッチングを示すマッチングパラメータ３２を決定する。言い換えれば、重みのセットは、重みの改善されたセット（たとえば、第１のアドレスに適応されたカスタマイズされた重みのセット）と考えられる。

図１Ｂに、本開示の態様による開示したプロセスを例示する一実施形態例を示す。図１Ｂにおいて、第１のアドレスを示す第１のデータセットを取得する。

第１のアドレスを示す１つ以上の第１の要素（たとえば、顧客商号、仲買人名義、電子メールＩＤ、電話番号）を第１のデータセットに基づいて、エンティティ抽出技法を用いて決定する。たとえば、第１のアドレス（たとえば、物理的なドキュメントから）を、ＰＤＦ抽出または類似のツールを通してシステム内に供給する。第１のアドレスは、複数のエンティティ（たとえば、顧客商号、仲買人名義、電子メールＩＤ、電話番号、及び税参照）を含む。たとえば、第１のアドレスはフリーテキストであり、第１のアドレスは特定のフォーマットに従っておらず、多数の間違いまたは異常があり得る。エンティティを、カスタムアドレス構文解析アルゴリズムによって抽出する。

第２のデータセットを、１つ以上の第１の要素のうちの少なくとも１つに基づいて、たとえば検索２２を行うことによって取得する。たとえば、システムの時間計算量を減らすために、類似度スコアを、存在する最もありそうなアドレス（第２のデータセットの一部）に対して計算してもよい。検索サービスを用いて、最もありそうなアドレスのセットを、第２のデータセットとして抽出することができる。検索サービスは、システム内に存在するすべてのアドレスを用いて作成してもよい。第１のアドレス構文解析から抽出したエンティティを、検索における基準として用いる。

自然言語処理（ＮＬＰ）技法（たとえば、コサイン類似度）を、第１のデータセット及び第２のデータセットに適用して、第２のデータセットの対応する第２の要素に対応付けられる１つ以上の類似度スコアを取得する。検索サービスから返った第２のデータセットと第１のアドレスとを、ＮＬＰ技法（たとえば、コサイン類似度アルゴリズム）に供給する。ＮＬＰ技法は、第２のデータセットを構成する第２の要素に対応付けられる類似度スコア（たとえば、コサイン類似度スコア）を、第２のデータセットにおける各記録に対して計算する。

第１のアドレスの対応する第１の要素に対応付けられる重みのセットを取得して、カスタム機械学習及びＮＬＰ技法におけるＮＬＰ技法において適用して、たとえば、最終のマッチングしたアドレスを、任意選択で、変更された類似度スコアとともに決定する。たとえば、結果に対する第１のアドレスの異なる単語の影響因子を、ロジスティック回帰モデルを用いて履歴データを処理することによって計算して、重みのセットを生成する。

コサイン類似度は２つのドキュメント間の類似度を測定することに注意されたい。ドキュメントを、アドレスまたは文章または段落として規定することができる。初期設定のコサイン類似度アルゴリズムは、入力ドキュメント内のすべての単語に等しい重み付けを与えて最終のマッチングを決定する。しかし実際には、ドキュメント内の異なる単語は、結果を決定するときの影響が異なっている。本開示では、回帰分析を利用して入力における各トークンまたは単語に対するカスタム重みを考え出して、望ましい結果に達する。開示した技術によって、９９％の精度（従来のコサイン類似度による９５％と比べて）を伴う結果がもたらされ、マッチングしたアドレスの再現度が８０％（７０％と比べて）に高まる。

言い換えれば、通常の類似度スコアをＮＬＰ技法を用いて取得したら、次のステップは、取得した出力アドレスのセットに対するカスタム重みを用いて、精緻化された類似度スコアを取得することである。たとえば、トップアドレス（たとえば、最も高い精緻化された類似度スコアを伴うものが、最終出力と考えられる）。最終のマッチングしたアドレスに対して、精緻化された類似度スコアが０．５以上である場合には、最終出力はマッチングしていると考えられ、スコアが０．５よりも小さい場合には、マッチングアドレスは見つからなかったと明言する。

図２に、本開示によるアドレスマッチングを行うための、電子装置（たとえば、本明細書で開示した電子装置、たとえば、図３の電子装置３００）によって行われる方法例１００を例示するフロー図を示す。電子装置は、メモリ回路、プロセッサ回路、及びインターフェースを含む。開示した方法は、テキスト文字列とマッチングするための方法と考えてもよい。開示した技術は、任意のタイプのテキスト文字列（アドレスでないテキスト文字列を含む）に適用でき得る。

本方法１００は、第１のアドレスを示す第１のデータセットを（たとえば、インターフェース、及び／またはプロセッサ回路を介して）取得することＳ１０２を含む。たとえば、第１のアドレスを示す第１のデータセットを出荷指示から取得してもよい。第１のアドレスは入力アドレスと考えてもよい。たとえば、第１のデータセットを出荷指示から抽出してもよい。１つ以上の方法例では、第１のデータセットを取得することＳ１０２は、１つ以上の第１のシステムから第１のデータセットを（たとえば、インターフェース、及び／またはプロセッサ回路を介して）取得することＳ１０２Ａ（たとえば、取り出すこと及び／または受け取ること）を含む。１つ以上の方法例では、１つ以上の第１のシステムは動作システムである。１つ以上の方法例では、１つ以上の動作システムは、出荷システム、請求書発行システム、及びケースマネジメントシステムのうちの１つ以上を含む。

本方法１００は、第１のデータセットに基づいて、エンティティ抽出技法を用いて、第１のアドレスを示す１つ以上の第１の要素を（たとえば、プロセッサ回路を介して）決定することＳ１０４を含む。エンティティ抽出技法は、未構造化及び／または半構造化の機械可読テキストまたはドキュメント及び他の電子的に表現されたソースから、エンティティを自動的に抽出することができる情報抽出技法と考えてもよい。

たとえば、１つ以上の第１の要素は、エンティティ抽出技法から得られる１つ以上の第１のエンティティと考えてもよい。１つ以上の方法例では、エンティティ抽出技法は、構文解析技術及び要素抽出技法のうちの１つ以上を含む。たとえば、エンティティ抽出技法は区切り記号を用いて、たとえば、第１のデータセットを構文解析してもよい。たとえば、エンティティ抽出技法は光学文字認識（ＯＣＲ）を用いてもよい。たとえば、エンティティ抽出技法は、名前付きエンティティ認識（ＮＥＲ）（たとえば、エンティティの辞書を用いてモデルをトレーニングする）を用いてもよい。たとえば、区切り記号を用いて、異なるエンティティを抽出することができる。

本方法１００は、１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを（たとえば、インターフェース、及び／またはプロセッサ回路を介して）取得すること（たとえば、取り出すこと及び／または受け取ること）Ｓ１０５を含む。第２のデータセットは、第２のアドレスを示す１つ以上の第２の要素を含む。１つ以上の第２の要素を１つ以上の第２のアドレスを示してもよい。１つ以上の方法例では、１つ以上の第１の要素のうちの少なくとも１つ（たとえば全部未満）を選択して、第２のデータセットを取得する。１つ以上の方法例では、１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを取得することＳ１０５は、１つ以上の検索基準を用いて１つ以上の第２のシステムを（たとえば、プロセッサ回路を介して）検索することＳ１０５Ａを含む。１つ以上の方法例では、１つ以上の検索基準は１つ以上の第１の要素に基づく。たとえば、１つ以上の第２のシステムを検索して第２のデータセットを生成する。たとえば、第２のデータセットは、選択したエンティティに基づく検索を用いて取得した検索結果セットと考えてもよい。言い換えれば、１つ以上の第２のシステムのアドレスを除去して、より少ない第２の要素を取得する。１つ以上の方法例では、１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを取得することＳ１０５は、１つ以上の第２のシステムから第２のデータセットを、１つ以上の第１の要素のうちの少なくとも１つに基づいて（たとえば、インターフェース、及び／またはプロセッサ回路を介して）取得することＳ１０５Ｂを含む。１つ以上の方法例では、１つ以上の第２のシステムは、顧客管理システム及び／または顧客データベースを含む。

本方法１００は、第１のデータセット及び第２のデータセットに自然言語処理（ＮＬＰ）技法を（たとえば、プロセッサ回路を介して）適用してＳ１０６、１つ以上の類似度スコアを取得することを含む。ＮＬＰ技法は、言説（たとえば、スピーチまたはテキスト）における自然言語データを処理及び分析することができる計算技法と考えてもよい。本開示では、ＮＬＰ技法をテキストに適用する。１つ以上の方法例では、第１のデータセット及び第２のデータセットにＮＬＰ技法を適用してＳ１０６、１つ以上の類似度スコアを取得することは、近似文章マッチング技法を用いて、１つ以上の第１の要素と第２のデータセットの１つ以上の第２の要素とを（たとえば、プロセッサ回路を介して）比較することＳ１０６Ａを含む。言い換えれば、たとえば、第２のデータセット（たとえば、検索から取得したアドレスリスト）のうちの１つ以上の第２の要素の１つ以上の通常のコサイン類似度スコアを取得する。

本方法１００は、第１のアドレスの対応する第１の要素に対応付けられる重みのセットを（たとえば、インターフェース、及び／またはプロセッサ回路を介して）取得することＳ１０８を含む。１つ以上の方法例では、重みのセットを取得することＳ１０８は、第１のデータセット及び第２のデータセットに基づいて、ロジスティック回帰モデルを１つ以上の類似度スコアに適用することＳ１０８Ａと、任意選択で、履歴の類似度スコアを用いて重みのセットを取得することと、を含む。履歴の類似度スコアは、以前の類似度スコアと考えられる。ＬＲを用いて、特定のクラスの存在する事象（たとえば、合格／不合格、マッチングあり／マッチングなし）の確率をモデリングしてもよい。ＬＲを用いて、いくつかのクラスの事象（たとえば、アドレスに特定の仲買人名義が含まれているか否かを決定する等）をモデリングしてもよい。アドレス内で検出される各要素に０～１の確率（合計は１）を割り当ててもよい。

１つ以上の方法例では、１つ以上の類似度スコアにロジスティック回帰モデルを（たとえば、プロセッサ回路で）適用してＳ１０８Ａ、重みのセットを取得することは、第１の要素のうちの少なくとも１つと、対応する第２の要素との比較に基づいて、重みのセットを（たとえば、プロセッサ回路を介して）決定することＳ１０８ＡＡを含む。

第２のデータセット内のすべての第２の要素に対して等しい重み付けを与えることによって、１つ以上の類似度スコアを取得する（Ｓ１０６）。本開示では、重みのセットを、精緻化された類似度スコアを得るための第２のデータセットの第２の要素に対するカスタム重みと考えてもよい。たとえば、重みのセットを、実行時間ではなくロジスティック回帰（ＬＲ）を用いて生成する（たとえば、１つおきのアドレスマッチングでは行わない）。ＬＲは、たとえば、重みのセットをトレーニングするとき（たとえば、１回限りのアクティビティのとき）に時々行う。マッチングが存在する場合にこれは重みに寄与するという点で、重みをＬＲモデルに基づいて導出してもよい。

たとえば、ＬＲに対する入力には従属変数及び独立変数が含まれ、ＬＲは、第２のデータセットの第２の要素に対する重みのセットを出力する（たとえば、第１のアドレス及び／または第２のアドレスにおけるすべてのエンティティ）。独立変数は、アドレスにおける異なる要素（たとえば、エンティティ）の存在を示す（たとえば、入力と最終のマッチング出力とを比較して）。独立変数には類似度スコアが含まれる。従属変数は、第１のアドレスと第２のアドレスとを比較する最終のマッチングのステータス（たとえば、マッチングありまたはマッチングなし）、たとえば最終のマッチング出力を示す。最終のマッチング出力を手作業の検査によって評価してもよい。

いくつかの実施形態では、ＬＲ及び／またはＮＬＰは、人工知能を用いてもよく、及び／または教師ありもしくは教師なし機械学習を用いてトレーニングしてもよく、また機械学習プログラムは、ニューラルネットワーク（畳み込みニューラルネットワーク、深層学習ニューラルネットワーク、または対象とする２つ以上の分野もしくは領域において学習する結合された学習モジュールもしくはプログラムであり得る）を用いてもよい。機械学習は、以後のデータに対して予測を行うことを容易にするために既存のデータにおけるパターンを識別及び認識することを含んでいてもよい。新規の入力に対して有効で信頼性の高い予測を行うために、モデルを入力例に基づいて形成してもよい。

それに加えてまたはその代わりに、機械学習プログラムを、プログラム内にサンプルデータセットまたは特定のデータを入力することによってトレーニングしてもよい（たとえば、画像データ、テキストデータ、レポートデータ、及び／または数値解析）。機械学習プログラムは、主にパターン認識にフォーカスし得る深層学習アルゴリズムを用いてもよく、また複数の例を処理した後にトレーニングしてもよい。機械学習プログラムは、物体認識、光学文字認識、及び／または自然言語処理を、個別にまたは組み合わせて含んでいてもよい。また機械学習プログラムは、自然言語処理、意味解析、及び／または自動推論を含んでいてもよい。

教師あり機械学習では、処理要素に入力例及びその対応付けられる出力を与えてもよく、処理要素は入力を出力にマッピングする一般規則を見出そうとしてもよく、その結果、以後の新規の入力が与えられたときに、処理要素は、見出した規則に基づいて、正しい出力を正確に予測し得る。教師なし機械学習では、処理要素は、標示されていない入力例においてそれ自体の構造を見出す必要があり得る。いくつかの実施形態では、機械学習技法を用いて、コンピュータ装置、コンピュータ装置のユーザ、コンピュータ装置をホストするコンピュータネットワーク、コンピュータ装置上で実行されるサービス、及び／または他のデータについてのデータを抽出してもよい。

このような分析に基づいて、処理要素は、特徴及びパターンを識別する方法を学習する場合があり、それをモデルのトレーニング、アドレス及びテキスト文字列の分析、ならびにマッチングの検出に適用し得る。

本方法１００は、重みのセットに基づいて、１つ以上の第１の要素のうちの少なくとも１つと１つ以上の第２の要素のうちの少なくとも１つとの間のマッチングを示すマッチングパラメータを（たとえば、プロセッサ回路を介して）決定することＳ１１０を含む。たとえば、マッチングパラメータを、ＮＬＰ技法において重みのセットを用いることによって決定してもよい。第１のアドレスの対応する第１の要素に対応付けられる重みのセットを取得して、カスタム機械学習及びＮＬＰ技法においてＮＬＰ技法において適用して、マッチングパラメータを決定する。マッチングパラメータを、第１の要素（複数可）と、対応する第２の要素（複数可）との間のマッチングの程度を示すパラメータと考えてもよい。マッチングパラメータはマッチングありまたはマッチングなしを示してもよい。たとえば、マッチングパラメータは１または０を示してもよく、１は１００％マッチングあり、０はまったくマッチングなしである。たとえば、マッチングパラメータは、マッチングあり／マッチングなしを識別する前に基準と比較する必要がある０～１の数を示してもよい。

開示した技術を適用する例示的な実施例では、ロジスティック回帰は、従属変数（たとえば、予測すべき）及び独立変数（たとえば、予測するために用いる特徴）を用いて実行される。特徴に基づいて、アドレスマッチングを成功または失敗と予測してよい。例では、使用する変数には以下のうちの１つ以上が含まれていてもよい。独立変数＝［’ｎａｍｅｐｒｅｓｅｎｔ’，’ａｄｄｒｅｓｓｐｒｅｓｅｎｔ’，’ｅｍａｉｌｐｒｅｓｅｎｔ’，’ｐｈｏｎｅ＿ｎｕｍ＿ｐｒｅｓｅｎｔ’，’Ｃｏｓｉｎｅ＿Ｓｃｏｒｅ’，’Ａｚｕｒｅ＿Ｓｅａｒｃｈ＿Ｓｃｏｒｅ’，’Ｃｏｕｎｔ＿ｏｆ＿Ｍａｔｃｈｉｎｇ＿ｎｕｍｂｅｒｓ’］、従属変数＝［’Ｓｕｃｃｅｓｓ’］。

例では、以下の等式を実行してもよい。

ｐ＝１／［１＋ｅｘｐ（－ａ－Ｂ０Ｘ０－Ｂ１Ｘ１－Ｂ２Ｘ２－Ｂ３Ｘ３－Ｂ４Ｘ４－Ｂ５Ｘ５－Ｂ６Ｘ６）］

ｐはマッチングパラメータを表し得る確率であり（ｐ＞＝０．５のとき合格［成功＝１］、ｐ＜０．５のとき失敗［成功＝０］）、ａは一定値であり、Ｘ０は名前の存在を示す変数ｎａｍｅｐｒｅｓｅｎｔの値［０／１］であり、Ｘ１はアドレスの存在を示す変数ａｄｄｒｅｓｓｐｒｅｓｅｎｔの値［０／１］であり、Ｘ２は電子メールの存在を示す変数ｅｍａｉｌｐｒｅｓｅｎｔの値［０／１］であり、Ｘ３は電話番号の存在を示す変数ｐｈ＿ｎｕｍ＿ｐｒｅｓｅｎｔの値［０／１］であり、Ｘ４はコサイン類似度スコアＣｏｓｉｎｅ＿Ｓｃｏｒｅの値［０～１で変化する］であり、Ｘ５はＡｚｕｒｅ＿Ｓｅａｒｃｈ＿Ｓｃｏｒｅの値［数値］であり、Ｘ６はＣｏｕｎｔ＿ｏｆ＿Ｍａｔｃｈｉｎｇ＿ｎｕｍｂｅｒｓの値［数値］である。

係数は、ＬＲを適用することによって得られる重みのセットと考えてもよく、以下のようであってもよい。Ｂ０＝Ｘ０の依存性係数、Ｂ１＝Ｘ１の依存性係数、Ｂ２＝Ｘ２の依存性係数、Ｂ３＝Ｘ３の依存性係数、Ｂ４＝Ｘ４の依存性係数、Ｂ５＝Ｘ５の依存性係数、及びＢ６＝Ｘ６の依存性係数。たとえば、以下の係数がロジスティック回帰から計算される。ａ＝－６．１９、Ｂ０＝２．３６９７８６３、Ｂ１＝０．１０７８４７６６、Ｂ２＝１．４９０９４９７４、Ｂ３＝０．６５０９８８３１、Ｂ４＝５．９９９０６０３５、Ｂ５＝０．６０３０９２２、Ｂ６＝０．９７４３０００７。

１つ以上の方法例では、１つ以上の第１の要素のうちの少なくとも１つと１つ以上の第２の要素のうちの少なくとも１つとの間のマッチングを示すマッチングパラメータを重みのセットを用いて決定することＳ１１０は、第２のアドレスの各第２の要素に対する更新された類似度スコアを、（たとえば、プロセッサ回路を介して）計算することＳ１１０Ａを含む。更新された類似度スコアは、精緻化された類似度スコアと考えてもよい。１つ以上の方法例では、マッチングパラメータを重みのセットを用いて決定することＳ１１０は、更新された類似度スコアが基準を満たすか否かを判定することＳ１１０Ｂを含む。基準は閾値に基づいてもよい。マッチングパラメータが閾値以上であるときに基準を満たし、マッチングパラメータが閾値未満であるときに基準を満たさない。

１つ以上の方法例では、マッチングパラメータを重みのセットを用いて決定することＳ１１０は、更新された類似度スコアが基準を満たすと判定されたときに、マッチングパラメータが第２のアドレスの第２の要素と第１のアドレスの対応する第１の要素との間の成功したマッチングであると、（たとえば、プロセッサ回路を介して）決定することＳ１１０Ｄを含む。１つ以上の方法例では、マッチングパラメータを重みのセットを用いて決定することＳ１１０は、更新された類似度スコアが基準を満たさないと判定されたときに、マッチングパラメータが第１のアドレスと第２のアドレスとの間の失敗したマッチングであると決定することＳ１１０Ｃを含む。たとえば、更新または精緻化された類似度スコア（複数可）を重みのセット（たとえばカスタム重み）を用いて計算する間、０．５未満の小さいマッチングパラメータはマッチングなしと言われ、０．５以上のマッチングパラメータはマッチングありと考えられる。

本方法１００は、マッチングパラメータを（たとえば、インターフェース、及び／またはプロセッサ回路を介して）出力することＳ１１１を含む。出力されたマッチングパラメータは、重みのセットを用いて更新または精緻化された類似度スコアを示し得る。たとえば、マッチングパラメータを、プロセッサ回路のある部分からプロセッサ回路の別の部分へ（たとえば、電子装置のマッチングパラメータ発生器回路から補正回路へ）出力して、第１のアドレスをマッチングパラメータにより補正できるようにしてもよい。開示した方法によって、９９％精度及びより広い適用範囲（たとえば、いくつのアドレスをカバーしたか）を伴う結果を実現することができる。

１つ以上の方法例では、ＮＬＰ技法はコサイン類似度技法を含む。１つ以上の方法例では、１つ以上の類似度スコアはコサイン類似度スコアである。コサイン類似度は、内積空間の２つの非ゼロベクトル（本開示では第１の要素と第２の要素）の間の類似度の尺度と考えてもよい。コサイン類似度は、２つのベクトル間の角度のコサインに等しいと規定してもよく、これは、両方とも長さ１を有するように正規化された同じベクトルの内積とも同じである。たとえば、各要素に異なる寸法を概念的に割り当ててもよく、アドレスをベクトルによって特徴付けてもよく、各寸法における値はアドレスにおいて要素が現れる回数に相当する。そしてコサイン類似度は、２つのアドレスがその要素に関してどのくらい似ている可能性があるかの有用な尺度を与える。

１つ以上の方法例では、第１のデータセット及び第２のデータセットにＮＬＰ技法を（たとえば、プロセッサ回路を介して）適用してＳ１０６、１つ以上の類似度スコアを取得することは、第２のデータセットの各第２の要素に対して１つ以上のコサイン類似度スコアを（たとえば、プロセッサ回路を介して）生成することＳ１０６Ｂを含む。

１つ以上の方法例では、本方法１００は、マッチングパラメータにより第１のアドレスを（たとえば、プロセッサ回路を介して）補正することＳ１１２を含む。１つ以上の方法例では、第２のアドレスは補正アドレスである。

図３に、本開示による典型的な電子装置３００のブロック図を示す。電子装置３００は、メモリ回路３０１、プロセッサ回路３０２、及びインターフェース３０３を含む。電子装置３００は、図２に開示した方法のいずれかを実行するように構成されている。言い換えれば、電子装置３００は、アドレスマッチングまたはテキスト文字列のマッチングを行うように構成されている。たとえば、本明細書で開示した電子装置（たとえば、電子装置３００）は、出荷指示処理装置であってもよい。たとえば、本明細書で開示した電子装置（たとえば、電子装置３００）は、アドレス補正装置であってもよい。たとえば、本明細書で開示した電子装置（たとえば、電子装置３００）は、請求書処理装置であってもよい。

電子装置３００は、第１のアドレスを示す第１のデータセットを（たとえば、プロセッサ回路３０２を介して）取得するように構成されている。

電子装置３００は、第１のデータセットに基づいて、エンティティ抽出技法を用いて、第１のアドレスを示す１つ以上の第１の要素を（たとえば、プロセッサ回路３０２を介して）決定するように構成されている。

電子装置３００は、１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを（たとえば、プロセッサ回路３０２及び／またはインターフェース３０３を介して）取得するように構成されている。第２のデータセットは、第２のアドレスを示す１つ以上の第２の要素を含む。

電子装置３００は、第１のデータセット及び第２のデータセットに自然言語処理（ＮＬＰ）技法を（たとえば、プロセッサ回路３０２を介して）適用して、１つ以上の類似度スコアを取得するように構成されている。

電子装置３００は、第１のアドレスの対応する第１の要素に対応付けられる重みのセットを（たとえば、プロセッサ回路３０２及び／またはインターフェース３０３を介して、及び／またはメモリ回路３０１から）取得するように構成されている。

電子装置３００は、重みのセットに基づいて、１つ以上の第１の要素のうちの少なくとも１つと１つ以上の第２の要素のうちの少なくとも１つとの間のマッチングを示すマッチングパラメータを（たとえば、プロセッサ回路３０２を介して）決定するように構成されている。

任意選択で、電子装置３００は、マッチングパラメータを出力するように構成されている。

プロセッサ回路３０２は、任意選択で、図２に開示した動作のいずれか（たとえば、Ｓ１０２Ａ、Ｓ１０４Ａ、Ｓ１０５Ａ、Ｓ１０５Ｂ、Ｓ１０６Ａ、Ｓ１０６Ｂ、Ｓ１０８Ａ、Ｓ１０８ＡＡ、Ｓ１１０Ａ、Ｓ１１０Ｂ、Ｓ１１０Ｃ、Ｓ１１０Ｄ、Ｓ１１２のうちのいずれか１つ以上）を実行するように構成されている。電子装置３００の動作を、非一時的コンピュータ可読媒体（たとえば、メモリ回路３０１）上に記憶されてプロセッサ回路３０２によって実行される実行可能なロジックルーチン（たとえば、コードのライン、ソフトウェアプログラムなど）の形式で具体化してもよい）。

さらに、電子装置３００の動作を、電子装置３００が実行するように構成されている方法と考えてもよい。また、説明した機能及び動作をソフトウェアで実施してもよいが、このような機能を、専用のハードウェアもしくはファームウェア、またはハードウェア、ファームウェア、及び／もしくはソフトウェアの何らかの組み合わせを介して実行してもよい。

メモリ回路３０１は、バッファ、フラッシュメモリ、ハードドライブ、リムーバブルメディア、揮発性メモリ、不揮発性メモリ、ランダムアクセスメモリ（ＲＡＭ）、または他の好適な装置のうちの１つ以上であってもよい。典型的な配置では、メモリ回路３０１は、長時間データ記憶用の不揮発性メモリと、プロセッサ回路３０２に対するシステムメモリとして機能する揮発性メモリとを含んでいてもよい。メモリ回路３０１は、データバスを介してプロセッサ回路３０２とデータを交換してもよい。制御ライン、及びメモリ回路３０１とプロセッサ回路３０２との間のアドレスバスも存在してもよい（図３には示さず）。メモリ回路３０１は非一時的コンピュータ可読媒体と考えられる。

メモリ回路３０１を、メモリの一部に重みのセットを記憶するように構成してもよい。

電子装置３００は、いくつかの実施形態では、ユーザ装置として機能してもよい。

いくつかの実施形態では、電子装置３００はサーバ装置として機能してもよい。

本開示による方法及び製品（電子装置）の実施形態を、以下の条項において述べる。

１．アドレスマッチングを行うための、電子装置によって行われる方法であって、前記方法は、
第１のアドレスを示す第１のデータセットを取得すること（Ｓ１０２）と、
前記第１のデータセットに基づいて、エンティティ抽出技法を用いて、前記第１のアドレスを示す１つ以上の第１の要素を決定すること（Ｓ１０４）と、
前記１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを取得すること（Ｓ１０５）であって、前記第２のデータセットは、第２のアドレスを示す１つ以上の第２の要素を含む、前記取得することと、
前記第１のデータセット及び前記第２のデータセットに自然言語処理（ＮＬＰ）技法を適用して（Ｓ１０６）、１つ以上の類似度スコアを取得することと、
前記第１のアドレスの対応する第１の要素に対応付けられる重みのセットを取得すること（Ｓ１０８）と、
前記重みのセットに基づいて、前記１つ以上の第１の要素のうちの少なくとも１つと前記１つ以上の第２の要素のうちの少なくとも１つとの間のマッチングを示すマッチングパラメータを決定すること（Ｓ１１０）と、
前記マッチングパラメータを出力すること（Ｓ１１１）と、を含む前記方法。

２．前記エンティティ抽出技法は、構文解析技術及び要素抽出技法のうちの１つ以上を含む条項１に記載の方法。

３．前記１つ以上の第１の要素のうちの少なくとも１つに基づいて、前記第２のデータセットを取得すること（Ｓ１０５）は、１つ以上の検索基準を用いて１つ以上の第２のシステムを検索すること（Ｓ１０５Ａ）を含み、前記１つ以上の検索基準は前記１つ以上の第１の要素に基づく、前記条項のいずれかに記載の方法。

４．前記重みのセットを取得すること（Ｓ１０８）は、前記第１のデータセット及び前記第２のデータセットに基づいて、前記１つ以上の類似度スコアにロジスティック回帰モデルを適用すること（Ｓ１０８Ａ）を含む、前記条項のいずれかに記載の方法。

５．前記第１のデータセット及び前記第２のデータセットに前記ＮＬＰ技法を適用して（Ｓ１０６）、前記１つ以上の類似度スコアを取得することは、近似文章マッチング技法を用いて、前記１つ以上の第１の要素と前記第２のデータセットのうちの１つ以上の第２の要素とを比較すること（Ｓ１０６Ａ）を含む、前記条項のいずれかに記載の方法。

６．前記ＮＬＰ技法はコサイン類似度技法を含む前記条項のいずれかに記載の方法。

７．前記１つ以上の類似度スコアはコサイン類似度スコアである条項６に記載の方法。

８．前記第１のデータセット及び前記第２のデータセットに前記ＮＬＰ技法を適用して（Ｓ１０６）、１つ以上の類似度スコアを取得することは、前記第２のデータセットの各第２の要素に対して前記１つ以上のコサイン類似度スコアを生成すること（Ｓ１０６Ｂ）を含む、条項６～７のいずれかに記載の方法。

９．前記１つ以上の類似度スコアに前記ロジスティック回帰モデルを適用して（Ｓ１０８Ａ）、前記重みのセットを取得することは、
前記第１の要素のうちの少なくとも１つと、対応する第２の要素との比較に基づいて、前記重みのセットを決定すること（Ｓ１０８ＡＡ）を含む、条項４に対する従属項としての前記条項のいずれかに記載の方法。

１０．前記重みのセットを用いて、前記１つ以上の第１の要素のうちの少なくとも１つと前記１つ以上の第２の要素のうちの少なくとも１つとにおけるマッチングを示す前記マッチングパラメータを決定すること（Ｓ１１０）は、
前記第２のアドレスの各第２の要素に対する更新された類似度スコアを計算すること（Ｓ１１０Ａ）と、
前記更新された類似度スコアが基準を満たすか否かを判定すること（Ｓ１１０Ｂ）と、
前記更新された類似度スコアが前記基準を満たすと判定されたときに、前記マッチングパラメータが、前記第２のアドレスの前記第２の要素と前記第１のアドレスの前記対応する第１の要素との間の成功したマッチングであると決定すること（Ｓ１１０Ｄ）と、を含む、前記条項のいずれかに記載の方法。

１１．前記方法は、（ａ）前記マッチングパラメータにより前記第１のアドレスを補正することを含む前記条項のいずれかに記載の方法。

１２．前記第１のデータセットを取得すること（Ｓ１０２）は、１つ以上の第１のシステムから前記第１のデータセットを取得すること（Ｓ１０２Ａ）を含み、前記１つ以上の第１のシステムは１つ以上の動作システムであり、前記１つ以上の動作システムは、出荷システム、請求書発行システム、及びケースマネジメントシステムのうちの１つ以上を含む、前記条項のいずれかに記載の方法。

１３．前記１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを取得すること（Ｓ１０５）は、前記１つ以上の第１の要素のうちの少なくとも１つに基づいて、前記１つ以上の第２のシステムから第２のデータセットを取得すること（Ｓ１０５Ｂ）を含み、前記１つ以上の第２のシステムは顧客管理システム及び／または顧客データベースを含む、前記条項のいずれかに記載の方法。

１４．前記第２のアドレスは補正アドレスである前記条項のいずれかに記載の方法。

１５．メモリ回路、プロセッサ回路、及び無線インターフェースを含む電子装置であって、前記電子装置は、条項１～１４のいずれかに記載の方法のいずれかを実行するように構成されている、前記電子装置。

１６．１つ以上のプログラムを記憶するコンピュータ可読記憶媒体であって、前記１つ以上のプログラムは、電子装置によって実行されると、前記電子装置に条項１～１４に記載の方法のいずれかを実行させる命令を含む、前記コンピュータ可読記憶媒体。

用語「第１の」、「第２の」、「第３の」、及び「第４の」、「一次の」、「二次の」、「三次の」などを用いることは、何らかの識別の順番は意味しないが、個々の要素を識別するために含まれている。また、用語「第１の」、「第２の」、「第３の」、及び「第４の」、「一次の」、「二次の」、「三次の」などを用いることは、何らかの順番も重要性も示しておらず、むしろ用語「第１の」、「第２の」、「第３の」、及び「第４の」、「一次の」、「二次の」、「三次の」などは、ある要素を別の要素から区別するために用いられている。なお、用語「第１の」、「第２の」、「第３の」、及び「第４の」、「一次の」、「二次の」、「三次の」などは、単に標示を目的としてここ及び他で用いており、何らかの具体的な空間順序または時間順序を示すことは意図していない。さらに、第１の要素を標示することは第２の要素が存在することを意味しておらず、逆もまた同様である。

図１Ａ～３には、実線で例示される何らかの回路または動作と、破線で例示される何らかの回路または動作とが含まれていることが理解され得る。実線に含まれる回路または動作は、最も広い実施形態例に含まれる回路または動作である。破線に含まれる回路または動作は、実線の実施形態例の回路または動作に加えて取り入れられ得るさらなる回路または動作に含まれ得るか、またはその一部であり得るか、またはそれらである実施形態例である。当然のことながら、これらの動作は、示した順番で行う必要はない。さらに、当然のことながら、すべての動作を行う必要はない。典型的な動作を任意の順番及び任意の組み合わせで行ってもよい。

用語「含む」は、必ずしも列記したもの以外の他の要素またはステップの存在を除外するものではないことに注意されたい。

要素に先行する用語「ａ」または「ａｎ」は、複数のこのような要素の存在を除外するものではないことに注意されたい。

また、どんな引用符号も特許請求の範囲を限定しないこと、典型的な実施形態は、少なくとも部分的には、ハードウェア及びソフトウェア両方によって実施し得ること、及びいくつかの「手段」、「ユニット」、または「装置」は、ハードウェアの同じ物品によって表し得ることにも注意されたい。

本明細書に記載の種々の典型的な方法、装置、ノード、及びシステムは、方法ステップまたはプロセスの全般的な文脈（一態様では、コンピュータ可読媒体（ネットワーク環境におけるコンピュータによって実行されるプログラムコードなどのコンピュータ実行可能命令を含む）において具体化されるコンピュータプログラム製品によって実施され得る）において説明される。コンピュータ可読媒体には、リムーバブル及びノンリムーバブル記憶装置、たとえば、限定することなく、読み出し専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、コンパクトディスク（ＣＤ）、デジタル多用途ディスク（ＤＶＤ）、などが含まれていてもよい。全般的に、プログラム回路には、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造などであって、指定されたタスクを実行するかまたは識別の抽象データ型を実装するものが含まれていてもよい。コンピュータ実行可能命令、付随するデータ構造、及びプログラム回路は、本明細書で開示した方法のステップを実行するためのプログラムコードの例を表す。このような実行可能命令または付随するデータ構造の識別の順序は、このようなステップまたはプロセスにおいて説明した機能を実施するための対応する作用の例を表す。

特徴について図示及び説明してきたが、当然のことながら、それらは、請求する開示内容を限定することは意図しておらず、請求する開示内容の範囲から逸脱することなく種々の変形及び変更を施してもよいことが当業者には明らかになる。したがって、明細書及び図面は、限定的な意味ではなく例示的な意味で考慮すべきである。請求する開示内容は、すべての代替物、変更、及び均等物に及ぶことが意図されている。

Claims (15)

1. アドレスマッチングを行うための、電子装置によって行われる方法であって、前記方法は、
   第１のアドレスを示す第１のデータセットを取得すること（Ｓ１０２）と、
   前記第１のデータセットに基づいて、エンティティ抽出技法を用いて、前記第１のアドレスを示す１つ以上の第１の要素を決定すること（Ｓ１０４）と、
   前記１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを取得すること（Ｓ１０５）であって、前記第２のデータセットは、第２のアドレスを示す１つ以上の第２の要素を含む、前記取得することと、
   前記第１のデータセット及び前記第２のデータセットに自然言語処理（ＮＬＰ）技法を適用して（Ｓ１０６）、１つ以上の類似度スコアを取得することと、
   前記第１のアドレスの対応する第１の要素に対応付けられる重みのセットを取得すること（Ｓ１０８）と、
   前記重みのセットに基づいて、前記１つ以上の第１の要素のうちの少なくとも１つと前記１つ以上の第２の要素のうちの少なくとも１つとの間のマッチングを示すマッチングパラメータを決定すること（Ｓ１１０）と、
   前記マッチングパラメータを出力すること（Ｓ１１１）と、
   前記マッチングパラメータにより前記第１のアドレスを補正すること（Ｓ１１２）と、
   を含む、方法。
2. 前記エンティティ抽出技法は、構文解析技術及び要素抽出技法のうちの１つ以上を含む、請求項１に記載の方法。
3. 前記１つ以上の第１の要素のうちの少なくとも１つに基づいて、前記第２のデータセットを取得すること（Ｓ１０５）は、１つ以上の検索基準を用いて１つ以上の第２のシステムを検索すること（Ｓ１０５Ａ）を含み、
   前記１つ以上の検索基準は、前記１つ以上の第１の要素に基づく、請求項１または２に記載の方法。
4. 前記重みのセットを取得すること（Ｓ１０８）は、前記第１のデータセット及び前記第２のデータセットに基づいて、前記１つ以上の類似度スコアにロジスティック回帰モデルを適用すること（Ｓ１０８Ａ）を含む、請求項１乃至３のいずれかに記載の方法。
5. 前記第１のデータセット及び前記第２のデータセットに前記ＮＬＰ技法を適用して（Ｓ１０６）、前記１つ以上の類似度スコアを取得することは、近似文章マッチング技法を用いて、前記１つ以上の第１の要素と前記第２のデータセットのうちの１つ以上の第２の要素とを比較すること（Ｓ１０６Ａ）を含む、請求項１乃至４のいずれかに記載の方法。
6. 前記ＮＬＰ技法はコサイン類似度技法を含む、請求項１乃至５のいずれかに記載の方法。
7. 前記１つ以上の類似度スコアはコサイン類似度スコアである、請求項６に記載の方法。
8. 前記第１のデータセット及び前記第２のデータセットに前記ＮＬＰ技法を適用して（Ｓ１０６）、１つ以上の類似度スコアを取得することは、前記第２のデータセットの各第２の要素に対して前記１つ以上のコサイン類似度スコアを生成すること（Ｓ１０６Ｂ）を含む、請求項６または７に記載の方法。
9. 前記１つ以上の類似度スコアに前記ロジスティック回帰モデルを適用して（Ｓ１０８Ａ）、前記重みのセットを取得することは、
   前記第１の要素のうちの少なくとも１つと、対応する第２の要素との比較に基づいて、前記重みのセットを決定すること（Ｓ１０８ＡＡ）を含む、請求項４に対する従属項としての前記請求項のいずれかに記載の方法。
10. 前記重みのセットを用いて、前記１つ以上の第１の要素のうちの少なくとも１つと前記１つ以上の第２の要素のうちの少なくとも１つとにおけるマッチングを示す前記マッチングパラメータを決定すること（Ｓ１１０）は、
    前記第２のアドレスの各第２の要素に対する更新された類似度スコアを計算すること（Ｓ１１０Ａ）と、
    前記更新された類似度スコアが基準を満たすか否かを判定すること（Ｓ１１０Ｂ）と、
    前記更新された類似度スコアが前記基準を満たすと判定されたときに、前記マッチングパラメータが、前記第２のアドレスの前記第２の要素と、前記第１のアドレスの前記対応する第１の要素との間の成功したマッチングであると決定すること（Ｓ１１０Ｄ）と、を含む、請求項１乃至９のいずれかに記載の方法。
11. 前記第１のデータセットを取得すること（Ｓ１０２）は、１つ以上の第１のシステムから前記第１のデータセットを取得すること（Ｓ１０２Ａ）を含み、
    前記１つ以上の第１のシステムは１つ以上の動作システムであり、
    前記１つ以上の動作システムは、出荷システム、請求書発行システム、及びケースマネジメントシステムのうちの１つ以上を含む、
    請求項１乃至１０のいずれかに記載の方法。
12. 前記１つ以上の第１の要素のうちの少なくとも１つに基づいて、第２のデータセットを取得すること（Ｓ１０５）は、前記１つ以上の第１の要素のうちの少なくとも１つに基づいて、前記１つ以上の第２のシステムから第２のデータセットを取得すること（Ｓ１０５Ｂ）を含み、
    前記１つ以上の第２のシステムは顧客管理システム及び／または顧客データベースを含む、請求項１乃至１１のいずれかに記載の方法。
13. 前記第２のアドレスは補正アドレスである請求項１乃至１２のいずれかに記載の方法。
14. メモリ回路、プロセッサ回路、及び無線インターフェースを含む電子装置であって、前記電子装置は、請求項１乃至１３のいずれかに記載の方法のうちのいずれかを実行するように構成される、電子装置。
15. １つ以上のプログラムを記憶するコンピュータ可読記憶媒体であって、前記１つ以上のプログラムは、電子装置によって実行されると前記電子装置に請求項１乃至１３に記載の方法のいずれかを実行させる命令を含む、コンピュータ可読記憶媒体。

Images