JP6594988B2 - 住所テキストを処理する方法及び機器 - Google Patents

Description

本願は、一般に通信技術の分野に関し、具体的には住所テキスト（text address）を処理する方法及び機器に関する。

インターネット技術の発展と共に、インターネットベースのアプリケーションがますます広く使用されている。インターネットアプリケーションでは、利用者は自宅の住所や会社の住所等の何らかの住所情報をテキストによって埋めることをしばしば要求される。利用者による住所情報のテキスト記述を住所テキストと呼ぶ。住所情報をテキストによって埋めるとき、利用者は通常、その人自身の記述の癖を有し、異なる利用者の記述の癖は一般に異なる。その結果、同じ住所情報が様々な住所テキストに対応する。例えば「建物１、地区１」のような住所情報では、一部の利用者は住所情報を「１０１」と記述する場合があり、一部の利用者は住所情報を「１−０１」と記述する場合があり、一部の利用者は住所情報を「建物１、地区１」等と記述する場合がある。このことは同じ住所情報が複数の住所テキストを有することを招く。

住所情報の管理及びアプリケーション（例えば住所情報に基づいてアプリケーションマイニング等を行うことができる）を円滑化するために、住所テキストに対して正規化処理を行う必要がある。つまり、同じ住所情報に対応する様々な住所テキストを１つの住所テキストに統一する必要がある。住所テキストを正規化するための既存の考えは：正規化しようとする全ての住所テキストを識別し、住所テキスト内に含まれる標準的断片（standard fragment）を抽出し、住所テキスト内に含まれる標準的断片に基づいて相関度を対ごとに計算し、２つの住所テキスト間の相関度に基づいて２つの住所テキストを正規化すべきかどうかを判定する、というものである。

住所テキストが多様だと、同じ住所情報を記述するための異なる住所テキストのテキストコンテンツが大幅にばらつき得る一方、異なる住所情報を記述するための住所テキストのテキストコンテンツは僅かにしかばらつかない可能性がある。これに基づき、正規化しようとする大量の住所テキストがある場合、誤り許容限度を管理するのが困難な場合があり、このことは住所テキストの正規化結果の精度を相対的に低くする。

複数の態様において、本願は住所テキストの正規化結果の精度を改善するための、住所テキストを処理する方法及び機器を提供する。

一態様では、本願は住所テキストを処理する方法を提供し、この方法は、
サービスシステム内の利用者の社会的な関係によるサークル（以下、社会的関係サークル）に従って少なくとも１つの住所集合を決定することであって、少なくとも１つの住所集合内の各住所集合は少なくとも２つのオリジナル住所テキストを含む、決定すること、及び
住所集合に対応する目的住所テキストを得るために、住所集合内のオリジナル住所テキストに対して正規化処理を住所集合ごとに実行することを含む。

別の態様では、本願は住所テキスト処理機器を提供し、この住所テキスト処理機器は、
サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定するように構成される決定モジュールであって、少なくとも１つの住所集合内の各住所集合は少なくとも２つのオリジナル住所テキストを含む、決定モジュールと、
住所集合に対応する目的住所テキストを得るために、住所集合内のオリジナル住所テキストに対して正規化処理を住所集合ごとに実行するように構成される正規化モジュールとを含む。

本願では、サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定する。各住所集合に対応する目的住所テキストを得るために、住所集合を１つの単位として解釈することによって各住所集合内のオリジナル住所テキストに対して正規化処理をそれぞれ実行し、それにより住所テキストに対する正規化処理を実現する。正規化しようとするオリジナル住所テキストを利用者の社会的関係サークルに従って分けるので、一方で、正規化しようとするオリジナル住所テキストの範囲が利用者の社会的関係サークルに限定され、正規化しようとするオリジナル住所テキストの範囲を減らすことと同等である。他方で、社会的関係サークル外の利用者が使用する住所テキストと比較し、社会的関係サークル内の利用者が使用する住所テキストには或る程度の関連性があり、住所テキストの正規化を関連性がある住所テキスト間に固定することと同等である。このようにして、住所テキスト間の誤り許容限度をより容易に管理することができ、このことは住所テキストの正規化結果の精度を改善する助けとなる。

図面の簡単な説明
本願の実施形態における技術的解決策をより明確に説明するために、実施形態又は従来技術に関する説明の中で使用する添付図面を以下で簡潔に紹介する。以下の説明の中の添付図面が本願の一部の実施形態を示すことが明らかである。創造的な取組みを行うことなしに、添付図面に従う他の添付図面も当業者なら得ることができる。

本願の一実施形態による住所テキストを処理する方法の概略的な流れ図である。 本願の一実施形態による正規化プロセスの概略図である。 本願の一実施形態による住所テキスト処理機器の概略的な構造図である。

詳細な説明
本願の実施形態の目的、技術的解決策、及び利点をより明確にするために、本願の一部の実施形態の技術的解決策を添付図面に関して以下で明確且つ完全に説明する。記載する実施形態は、本願の実施形態の全てではなく一部であることが明らかである。創造的な取組みを行うことなしに本願の実施形態に基づいて当業者が得る他の全ての実施形態が本願の保護範囲に属する。

図１は、本願の一実施形態による住所テキストを処理する方法の概略的な流れ図である。図１に示すようにこの方法は、
１０１：サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定することであって、少なくとも１つの住所集合内の各住所集合は少なくとも２つのオリジナル住所テキストを含む、決定すること、及び
１０２：住所集合に対応する目的住所テキストを得るために、住所集合内のオリジナル住所テキストに対して正規化処理を住所集合ごとに実行することを含む。

この実施形態による住所テキスト処理方法は、住所テキスト処理機器によって実行され得る。この実施形態による方法は、住所テキストに対して正規化処理を実行するために主に使用される。

まず第一に、この実施形態の住所テキストは、住所情報に関するテキスト記述を指すことに留意すべきである。様々な住所テキストが、同じ住所情報に関するテキスト記述であり得る。加えてこの実施形態では、記述及び区別を簡単にするために、正規化を行う前の住所テキストをオリジナル住所テキストと呼び、正規化後に得られる住所テキストを目的住所テキストと呼ぶ。オリジナル住所テキスト及び目的住所テキストはどちらも、住所情報に関するテキスト記述である。

概して、正規化の需要がある場合にのみ住所テキストに対して正規化処理が行われる。住所テキストに対して正規化処理を行う需要は、概して特定のサービスシステム又は一部のサービスシステムに固有である。手短に言えば、正規化済みの住所テキストによって新たなサービス若しくは新たなサービスの需要を引き出すことができるように、又は関連情報の統計的解析等を行うことができるように、特定のサービスシステム又は一部のサービスシステムについて関係する住所テキストを正規化する必要がある。

この実施形態はサービスシステムを限定しないことに留意すべきである。サービスシステムは、例えば電子商取引システム、オンライン決済システム、インスタントメッセージングシステム、電子メールシステム等であり得る、住所テキストに関する様々なサービスシステムとすることができる。

住所テキストに対して正規化処理を実行する前に、サービスシステムに関係する正規化しようとするオリジナル住所テキストを決定することが必要であり得る。本願では、サービスシステムに関係するオリジナル住所テキストが、サービスシステム内の利用者の社会的関係サークルに従って決定され得る。或る利用者にとって自分の社会的関係サークルは、自分と交友関係がある他の利用者を主に含む。好ましくは、対象利用者と密に関連する利用者が、対象利用者と交友関係を有する利用者から、対象利用者の社会的関係サークルとして選択され得る。例えば、対象利用者の社会的関係サークルは以下のやり方の少なくとも１つによって得ることができる。

対象利用者と金融取引（例えば口座振替）を行う他の利用者が、対象利用者の社会的関係サークル内の利用者として取得され得る。好ましくは、対象利用者との振替の頻度又は金額が閾値を上回る他の利用者が、対象利用者の社会的関係サークル内の利用者として取得され得る。

対象利用者の住所録内の他の利用者が、対象利用者の社会的関係サークル内の利用者として取得され得る。概して、対象利用者によって承認されると、各アプリケーションが対象利用者の住所録を読み取ることができる。

インスタントメッセージングツールによって対象利用者と通信する他の利用者が、対象利用者の社会的関係サークル内の利用者として取得され得る。インスタントメッセージングツールは、これだけに限定されないがＷｅＣｈａｔやＱＱ等を含む。好ましくは、対象利用者との対話頻度又は通信時間が閾値を上回る他の利用者が、対象利用者の社会的関係サークル内の利用者として取得され得る。

対象利用者と同じ装置を使用する他の利用者が、対象利用者の社会的関係サークル内の利用者として取得され得る。ここでの装置は、コンピュータ、携帯電話、ＷＩＦＩ等を含み得る。好ましくは、対象利用者と同じ装置を使用する頻度又は時間が閾値を上回る他の利用者が、対象利用者の社会的関係サークル内の利用者として取得され得る。

具体的には、住所テキストに対して正規化処理を行う必要がある場合、住所テキスト処理機器が、サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定する。各住所集合は少なくとも２つのオリジナル住所テキストを含む。このプロセスでは、利用者の社会的関係サークルに従ってサービスシステムに関係するオリジナル住所テキストを決定することに加えて、サービスシステムに関係するオリジナル住所テキストが同時に分けられる。サービスシステムに関係するオリジナル住所テキストは、異なる住所集合へと分けられる。

任意選択的な実装形態では、サービスシステム内の利用者数に従って住所集合の数を決定することができ、例えば１人の利用者は１つの住所集合に対応し得る。

具体的には、サービスシステム内の利用者ごとに、住所テキスト処理機器は利用者の社会的関係サークルをまず決定する必要がある（特に利用者の社会的関係サークルは上記のやり方で決定することができる）。次いで、利用者が使用した住所情報及び利用者の社会的関係サークル内の利用者が使用した住所情報を住所集合として取得することができる。

住所テキスト処理機器は、住所集合に対応する目的住所テキストを得るために、住所集合内のオリジナル住所テキストに対して正規化処理を住所集合ごとに実行する。これは、住所テキストに対する正規化処理を各住所集合に限定することと同等である。一方で、これは正規化しようとするオリジナル住所テキストの範囲を減らすことと同等である。他方で、社会的関係サークル外の利用者が使用する住所テキストと比較し、社会的関係サークル内の利用者が使用する住所テキストには或る程度の関連性があり、住所テキストの正規化を関連性がある住所情報間に固定することと同等である。このようにして、住所テキスト処理機器が住所テキスト間の誤り許容限度をより容易に管理することができ、このことは住所テキストの正規化結果の精度を改善する助けとなる。

任意選択的な実装形態では、住所集合に対応する目的住所テキストを得るために、住所集合内のオリジナル住所テキストに対して正規化処理を住所テキスト処理機器が住所集合ごとに実行するプロセスが、
住所集合内の２つのオリジナル住所テキストそれぞれの特徴に従って前記２つのオリジナル住所テキスト間の類似度を住所テキスト処理機器によって計算すること、及び住所集合に対応する目的住所テキストを得るために、前記２つのオリジナル住所テキストが前記２つのオリジナル住所テキストのうちの１つに正規化され得るかどうかを、前記２つのオリジナル住所テキスト間の類似度に従って判定することを含み得る。

住所集合に対応する１つ又は複数の目的住所テキストがあり得ることに留意すべきである。

具体的には、住所テキスト処理機器は、１つの住所集合についてその住所集合内の２つのオリジナル住所テキストそれぞれの特徴を抽出して、前記２つのオリジナル住所テキストそれぞれの特徴を得ることができる。次いで住所テキスト処理機器は、前記２つのオリジナル住所テキストそれぞれの抽出済みの特徴に従って前記２つのオリジナル住所テキスト間の類似度を計算する。住所テキスト処理機器は、前記２つのオリジナル住所テキストが前記２つのオリジナル住所テキストのうちの１つに正規化され得るかどうかを、前記２つのオリジナル住所テキスト間の類似度に従って更に判定する。

任意選択的に、この実施形態で使用するオリジナル住所テキストの特徴は、標準的断片特徴、経度及び緯度の特徴、並びに英数字の特徴のうちの少なくとも１つを含み得る。

上記の内容に基づき、住所テキスト処理機器は、１つの住所集合についてその住所集合内の２つのオリジナル住所テキストそれぞれの特徴を抽出して、前記２つのオリジナル住所テキストの標準的断片特徴、経度及び緯度の特徴、並びに英数字の特徴のうちの少なくとも１つを得る。住所テキスト処理機器は、少なくとも１つの特徴のうちの特徴ごとに、その特徴に対応する前記２つのオリジナル住所テキスト間の類似度をその特徴に従って計算する。住所テキスト処理機器は、前記２つのオリジナル住所テキストを前記２つのオリジナル住所テキストのうちの１つに正規化すべきかどうかを、その特徴に対応する前記２つのオリジナル住所テキスト間の類似度に従って更に判定する。

標準的断片特徴は、オリジナル住所テキスト内に含まれる標準的な住所の断片を特に反映し得る。例えば、オリジナル住所テキスト内に含まれる標準的断片を得るために、オリジナル住所テキストに対して構造的な構文解析を行うことができる。この実施形態では、住所テキストを２４個の標準的な住所の断片に事前に分けることができる。例えば、オリジナル住所テキストが２４個の標準的断片のどの断片を含むのかを得るために、オリジナル住所テキストに対して構造解析を行うことができる。２４個の標準的断片は、例えば州、都市、地区、開発地域、道路等の断片情報を含み得る。

経度及び緯度の特徴は、オリジナル住所テキストによって記述される住所情報の経度及び緯度情報を特に反映し得る。例えば、AutoNaviのジオコーディング技術を使用することにより、オリジナル住所テキストの経度及び緯度の特徴を抽出することができる。ジオコーディング技術は、住所テキストを地理情報システム（ＧＩＳ）内で使用できる地理座標に変換するやり方を提供する空間的位置決め技術に基づく符号化方法である。詳細な説明については従来技術を参照することができる。

英数字の特徴は、オリジナル住所テキスト内に含まれるアルファベット及び／又は数字を特に反映し得る。英数字の特徴は、オリジナル住所テキストから直接抽出し、得ることができる。

標準的断片特徴、経度及び緯度の特徴、並びに英数字の特徴のうちの少なくとも１つの特徴内の各特徴について、
特徴が標準的断片特徴である場合、住所テキスト処理機器は、SimHashアルゴリズムを使用することによって前記２つのオリジナル住所テキストそれぞれの標準的断片特徴を処理して、標準的断片特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を得ることができる。

SimHashアルゴリズムの主な考えは特徴の次元を減らすことであり、高次元の標準的断片特徴を低次元の標準的断片特徴にマップし、次いで２つの低次元の標準的断片特徴間のハミング距離を比較することにより、２つの低次元の標準的断片特徴によって識別される２つの住所テキストが同じものであるかどうか、又は極めて似ているかどうかを判定する。２つの符号語内で異なる対応ビット値を有するビットの個数を２つの符号語間のハミング距離と呼ぶ。有効な符号集合内の２つの任意の符号語間のハミング距離の最小値を符号集合のハミング距離と呼ぶ。例えば、符号語１０１０１と符号語００１１０とでは、最初のビットから開始してその１番目のビット、４番目のビット、及び５番目のビットが順序的に異なり、ハミング距離は３である。

上記の特徴が経度及び緯度の特徴である場合、住所テキスト処理機器は、経度／緯度距離アルゴリズムを使用することによって前記２つのオリジナル住所テキストそれぞれの経度及び緯度の特徴を処理して、経度及び緯度の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を得ることができる。

具体的には、住所テキスト処理機器は、２つのオリジナル住所テキストによって記述される住所情報間の距離を２つのオリジナル住所テキストの経度及び緯度の特徴に従って計算することができる。次いで住所テキスト処理機器は、経度及び緯度の特徴の次元上での２つのオリジナル住所テキスト間の類似度をその距離に従って決定することができる。

実際の応用例では、一部の利用者によって記述されるオリジナル住所テキストが地図上の点まで正確な場合があり、一部の利用者によって記述されるオリジナル住所テキストが地図上の線までしか正確でない場合があり、一部の利用者によって記述されるオリジナル住所テキストが地図上の面までしか正確でない場合さえある。粒度は同一ではないので、オリジナル住所テキストを地図の観点から正規化する場合、正規化は最も粗い粒度からしか行うことができず、正規化結果の精度を不十分なものにする。しかしこの実施形態では、オリジナル住所テキストを経度及び緯度上にマップすることができる。全ての住所テキストを経度及び緯度にマップすることができ、経度及び緯度の粒度が比較的細かいので、この形態は比較的細かい粒度上に正規化処理を統一するのを助け、そのことは正規化結果の精度を改善し得る。

上記の特徴が英数字の特徴である場合、住所テキスト処理機器は、ジャカード係数アルゴリズムを使用することによって前記２つのオリジナル住所テキストそれぞれの英数字の特徴を処理して、英数字の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を得ることができる。

ジャカード係数は、サンプル集合内の類似性及び分散度を比較するために主に使用される確率である。ジャカード係数は、サンプル集合の和集合に対するサンプル集合の共通集合の比率に等しく、つまりＪ＝｜Ａ∩Ｂ｜／｜Ａ∪Ｂ｜が成立する。上記のオリジナル住所テキストのうちの１つの英数字の特徴をサンプル集合として使用することができ、英数字の特徴の中のアルファベット及び／又は数字をサンプル集合内の要素として使用することができる。

住所テキスト処理機器は、標準的断片特徴の次元上での前記２つのオリジナル住所テキスト間の類似度、経度及び緯度の特徴の次元上でのその類似度、並びに英数字の特徴の次元上でのその類似度に基づき、標準的断片特徴の次元上での前記２つのオリジナル住所テキスト間の類似度、経度及び緯度の特徴の次元上でのその類似度、並びに英数字の特徴の次元上でのその類似度に従って、２つのオリジナル住所テキストをその１つの住所テキストへと正規化できるかどうかを特に同時に判定することができる。

例えば、各次元上の２つのオリジナル住所テキスト間の類似度を対応する閾値とそれぞれ比較することができる。各次元上の２つのオリジナル住所テキスト間の類似度が対応する閾値を上回る場合、２つのオリジナル住所テキストをその１つの住所テキストへと正規化できると判定することができる。さもなければ、他の状況では、２つのオリジナル住所テキストをその１つの住所テキストへと正規化できないと判定することができる。

別の例では、一つの次元上の２つのオリジナル住所テキスト間の類似度を対応する閾値と優先的に比較することができる。一つの次元上の２つのオリジナル住所テキスト間の類似度が、対応する閾値を上回る場合、２つのオリジナル住所テキストをその１つの住所テキストへと正規化できると直接判定することができる。

別の例では、各次元上の類似度に関して重みを事前に設定することができる。各次元上の２つのオリジナル住所テキスト間の類似度及び対応する重みに対して数値処理を行い、処理結果を得ることができる。処理結果は予め設定した閾値と比較することができる。処理結果が閾値を上回る場合、２つのオリジナル住所テキストをその１つの住所テキストへと正規化できると判定することができる。さもなければ、２つのオリジナル住所テキストをその１つの住所テキストへと正規化できないと判定することができる。

更に、任意選択的な実装形態では、或る利用者がサービスシステム内の複数の利用者と社会的関係を同時に有する可能性が高く、従って複数の利用者の社会的関係サークル内に登場することを考慮すると、それは利用者が使用したオリジナル住所テキストが様々な住所集合内で登場し得ることを意味する。この状況では、各住所集合に対応する目的住所テキストを得た後、住所集合間の正規化を更に行ってより正確且つ単純化された正規化結果を得ることができる。

各住所集合を正規化するプロセス内で、住所テキスト処理機器は、目的住所テキストとオリジナル住所テキストとの間の対応関係を記録し得ることに留意すべきである。対応関係は、目的住所テキストがどのオリジナル住所テキストから正規化によって明確に得られるのかを示し得る。

上記の内容に基づき、各住所集合に対応する目的住所テキストを得た後、住所テキスト処理機器は、正規化処理中に形成される目的住所テキストとオリジナル住所テキストとの間の対応関係に従い、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストを更に決定することができる。同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストは異なる住所集合にそれぞれ対応する。次いで住所テキスト処理機器は、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストに対して正規化処理を行うことができる。

任意選択的な実装形態では、住所テキスト処理機器が、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストにそれぞれ対応するオリジナル住所テキスト内に含まれる標準的な住所の断片を取得することができる。住所テキスト処理機器は、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストにそれぞれ対応するオリジナル住所テキスト内に含まれる標準的な住所の断片の断片共通集合を更に得ることができる。断片共通集合は、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストにそれぞれ対応する全てのオリジナル住所テキスト内に含まれる標準的な住所の断片を含む。次いで住所テキスト処理機器は、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストに対する正規化処理を断片共通集合に従って行うことができる。

特定の正規化処理のやり方は、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストのうちの１つを断片共通集合が表し得るかどうかを、住所テキスト処理機器によって判定することを含み得る。判定結果が肯定である、つまり同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストのうちの１つを断片共通集合が表し得る場合、このやり方は、共通集合同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストを、断片共通集合が表すことができる目的住所テキストへ正規化することを更に含む。逆に判定結果が否定である、つまり同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストのうちのどれも断片共通集合が表せない場合、このやり方は正規化処理を行うことを含まない。

特に、目的住所テキストを表すのに必要な断片集合を予め設定することができる。予め設定した断片集合と断片共通集合を比較することができる。断片共通集合が予め設定した断片集合と一致する場合、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストのうちの１つを断片共通集合が表し得ると判定することができる。さもなければ、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストのうちのどれも断片共通集合が表せないと判定することができる。

更に、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストのうちの１つを上記の断片共通集合が表し得る場合、断片共通集合及びその断片共通集合が表し得る目的住所テキストを特徴知識ベース内に対応して記憶することができる。このようにして、更に多くのオリジナル住所テキストを正規化するために、この特徴知識ベースを使用することができる。

以下、サービスシステムが第１の利用者と第２の利用者とを含むことを一例として説明する。第１の利用者の社会的関係サークルが、利用者Ａ、利用者Ｂ、及び利用者Ｃを含み、第２の利用者の社会的関係サークルが、利用者Ｄ、利用者Ｅ、及び利用者Ｆを含むと仮定する。第１の利用者が使用した住所テキスト、及び第１の利用者の社会的関係サークル内の利用者が使用した住所テキストが、第１の住所集合を構成する。第１の住所集合内に含まれる住所テキストがＸ１、Ｘ２、及びＸ３だと仮定する。第１の利用者、利用者Ａ、利用者Ｂ、及び利用者Ｃ、並びに住所テキストＸ１、Ｘ２、及びＸ３の間に決まった対応関係はない。１人の利用者が１つの住所テキストを使用する可能性があり、複数の利用者が同じ住所テキストを使用する可能性もあり、１人の利用者が複数の住所テキストを使用する可能性もある。例えば、第１の利用者が住所テキストＸ１を使用し、利用者Ａ及び利用者Ｂが住所テキストＸ２を使用し、利用者Ｃが住所テキストＸ１及びＸ３を使用する。

第２の利用者が使用した住所テキスト、及び第２の利用者の社会的関係サークル内の利用者が使用した住所テキストが、第２の住所集合を構成する。第２の住所集合内に含まれる住所テキストがＸ２、Ｘ４、及びＸ５だと仮定する。同様に第２の利用者、利用者Ｄ、利用者Ｅ、及び利用者Ｆ、並びに住所テキストＸ２、Ｘ４、及びＸ５の間に決まった対応関係はない。１人の利用者が１つの住所テキストを使用する可能性があり、複数の利用者が同じ住所テキストを使用する可能性もあり、１人の利用者が複数の住所テキストを使用する可能性もある。例えば、第２の利用者が住所テキストＸ２を使用し、利用者Ｄが住所テキストＸ２、Ｘ４、及びＸ５を使用し、利用者Ｅが住所テキストＸ２及びＸ５を使用し、利用者Ｆが住所テキストＸ５を使用する。

上記の内容に基づき、全正規化プロセスは具体的には図２に示すようになり得る。

まず、第１の住所集合を得るために第１の利用者の社会的関係サークルを決定する。図２に示すように、第１の住所集合は住所テキストＸ１、Ｘ２、及びＸ３を含む。第２の住所集合を得るために第２の利用者の社会的関係サークルを決定する。図２に示すように、第２の住所集合は住所テキストＸ２、Ｘ４、及びＸ５を含む。

第１の住所集合内の住所テキスト間の類似度を対ごとに計算し、その類似度に従って正規化処理を実現する。住所テキストＸ１及びＸ２をＸ１及びＸ２の一方へと正規化する。ここでは住所テキストＸ１及びＸ２をＸ１へと正規化し、住所テキストＸ３を住所テキストＸ３へと正規化すると仮定する。つまり図２に示すように、第１の住所集合に対応する２つの目的住所テキストは住所テキストＸ１及びＸ３である。同様に、第２の住所集合内の住所テキスト間の類似度を対ごとに計算し、その類似度に従って正規化処理を実現する。住所テキストＸ２及びＸ４を、Ｘ２及びＸ４の一方へと正規化する。ここでは住所テキストＸ２及びＸ４をＸ４へと正規化し、住所テキストＸ５を住所テキストＸ５へと正規化すると仮定する。つまり図２に示すように、第２の住所集合に対応する２つの目的住所テキストは住所テキストＸ４及びＸ５である。

更に、第１の住所集合に対応する目的住所テキストＸ１及び第２の住所集合に対応する目的住所テキストＸ４が、どちらも住所テキストＸ２の正規化によって得られるので、２つの目的住所テキストに対して正規化処理を行うことができる。２つの目的住所テキストをＸ１及びＸ４のうちの一方へと更に正規化する。図２に示すように、ここでは２つの目的住所テキストをＸ１へと正規化すると仮定する。これまでにオリジナル住所テキストＸ１、Ｘ２、Ｘ３、Ｘ４、及びＸ５を住所テキストＸ１、Ｘ３、及びＸ５へと正規化した。

上記のプロセスにおいて、住所テキストＸ１及びＸ２を、Ｘ２へと正規化し、住所テキストＸ２及びＸ４も、Ｘ２へと正規化する場合、住所テキストＸ１、Ｘ２、及びＸ４を同じ住所テキストへと正規化しているので、上記の２つの住所集合に対応する目的住所テキストを正規化するプロセス内で、２つの同一の目的住所テキストに対して正規化処理を行わなくても良い。このことは正規化によって消費される資源を節約し、正規化処理の効率を改善することをもたらす。

住所テキストに対して正規化処理を行うことによって住所テキストの数が単純化され、住所テキストが統一され、そのことが住所テキストの管理及びアプリケーションを更に円滑化することが上記の内容から見て取れる。加えて、正規化しようとするオリジナル住所テキストは利用者の社会的関係サークルに従って分けられる。一方で、正規化しようとするオリジナル住所テキストの範囲が各利用者の社会的関係サークルに限定され、正規化しようとするオリジナル住所テキストの範囲を減らすことと同等である。他方で、社会的関係サークル外の利用者が使用する住所テキストと比較し、社会的関係サークル内の利用者が使用する住所テキストには或る程度の関連性があり、住所テキストの正規化を、関連性がある住所テキスト間に固定することと同等である。このようにして、住所テキスト間の誤り許容限度をより容易に管理することができ、このことは住所テキストの正規化結果の精度を改善する助けとなる。

説明を簡単にするために、上記の方法の実施形態は全ての一連のアクションの組合せとして表したことに留意すべきである。但し、一部のステップは本願に従って別の順序で又は同時に実行できるので、本願は記載したアクションの順序によって限定されないことを当業者なら理解すべきである。第２に、本明細書に記載した実施形態は全て好ましい実施形態であり、関与するアクション及びモジュールは本願では必ずしも必要ではないことも当業者なら理解すべきである。

上記の実施形態では、各実施形態の説明が独自の焦点を有している。特定の実施形態の中で詳述しなかった内容については別の実施形態の関連する説明を参照することができる。

図３は、本願の一実施形態による住所テキスト処理機器の概略的な構造図である。図３に示すように、この機器は決定モジュール３１と正規化モジュール３２とを含み得る。

決定モジュール３１は、サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定するように構成することができ、少なくとも１つの住所集合内の各住所集合は少なくとも２つのオリジナル住所テキストを含む。

正規化モジュール３２は、住所集合に対応する目的住所テキストを得るために、住所集合内のオリジナル住所テキストに対する正規化処理を、決定モジュール３１によって決定される住所集合ごとに実行するように構成することができる。

住所集合に対応する目的住所テキストは１つ又は複数であり得ることに留意すべきである。

任意選択的な実装形態では、決定モジュール３１が、
サービスシステム内の各利用者の社会的関係サークルを決定し、
各利用者が使用する住所テキスト及び各利用者の社会的関係サークル内の利用者が使用する住所テキストを取得して、住所集合を構成するように特に構成され得る。

任意選択的な実装形態では、正規化モジュール３２が、
住所集合内の２つのオリジナル住所テキストそれぞれの特徴に従って、前記２つのオリジナル住所テキスト間の類似度を計算し、
住所集合に対応する目的住所テキストを得るために、前記２つのオリジナル住所テキストが前記２つのオリジナル住所テキストのうちの１つに正規化され得るかどうかを、前記２つのオリジナル住所テキスト間の類似度に従って判定するように特に構成され得る。

正規化モジュール３２は、住所集合内の２つのオリジナル住所テキストそれぞれの特徴に従って、前記２つのオリジナル住所テキスト間の類似度を計算するとき、
住所集合内の２つのオリジナル住所テキストそれぞれの特徴を抽出し、前記２つのオリジナル住所テキストの標準的断片特徴、経度及び緯度の特徴、並びに英数字の特徴のうちの少なくとも１つの特徴を取得し、
少なくとも１つの特徴のうちの特徴ごとに、その特徴に対応する前記２つのオリジナル住所テキスト間の類似度を、その特徴に従って計算するように更に特に構成され得る。

正規化モジュール３２は、少なくとも１つの特徴のうちの特徴ごとに、その特徴に対応する前記２つのオリジナル住所テキスト間の類似度をその特徴に従って計算するとき、
特徴が標準的断片特徴である場合、SimHashアルゴリズムを使用することによって前記２つのオリジナル住所テキストそれぞれの標準的断片特徴を処理して、標準的断片特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を取得し、
特徴が経度及び緯度の特徴である場合、経度／緯度距離アルゴリズムを使用することによって前記２つのオリジナル住所テキストそれぞれの経度及び緯度の特徴を処理して、経度及び緯度の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を取得し、
特徴が英数字の特徴である場合、ジャカード係数アルゴリズムを使用することによって前記２つのオリジナル住所テキストそれぞれの英数字の特徴を処理して、英数字の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を取得するように、更に構成され得る。

任意選択的な実装形態では、決定モジュール３１は、各住所集合に対応する目的住所テキストを正規化モジュール３２が得た後、正規化処理中に形成される目的住所テキストとオリジナル住所テキストとの間の対応関係に従い、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストを決定するように更に構成することができ、
正規化モジュール３２は、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストに対して正規化処理を行うように更に構成することができる。

正規化モジュール３２は、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストに対して正規化処理を行うとき、
同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストにそれぞれ対応するオリジナル住所テキスト内に含まれる標準的な住所の断片の断片共通集合を取得し、
同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストに対する正規化処理を、断片共通集合に従って行うように特に構成され得る。

任意選択的な実装形態では、この実施形態の住所テキスト処理機器は、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストのうちの１つを断片共通集合が表し得る場合、断片共通集合及びその断片共通集合が表し得る目的住所テキストを対応づけて記憶するように構成される特徴知識ベースを更に含み得る。

この実施形態による住所テキスト処理機器は、サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定することができる。次いで住所テキスト処理機器は、各住所集合に対応する目的住所テキストを得るために、住所集合を１つの単位として解釈することによって、各住所集合内のオリジナル住所テキストに対して正規化処理をそれぞれ実行し、それにより住所テキストに対する正規化処理を実現する。この実施形態による住所テキスト処理機器は、正規化しようとするオリジナル住所テキストを、利用者の社会的関係サークルに従って分ける。一方で、正規化しようとするオリジナル住所テキストの範囲が利用者の社会的関係サークルに限定され、正規化しようとするオリジナル住所テキストの範囲を減らすことと同等である。他方で、社会的関係サークル外の利用者が使用する住所テキストと比較し、社会的関係サークル内の利用者が使用する住所テキストには或る程度の関連性があり、住所テキストの正規化を関連性がある住所テキスト間に固定することと同等である。従って、住所テキスト間の誤り許容限度をより容易に管理することができ、このことは住所テキストの正規化結果の精度を改善する助けとなる。

この説明を有用且つ簡潔にするために、本明細書では繰り返さない上記のシステム、機器、及びユニットの特定の動作プロセスについて、上記の方法の実施形態の中の対応するプロセスを参照できることを当業者なら明確に理解することができる。

本願の中で示した幾つかの実施形態において、開示したシステム、機器、及び方法を別のやり方で実装できることを理解すべきである。例えば、記載した機器の実施形態は例示に過ぎない。例えばユニットを分割することは論理機能を分割することに過ぎず、実際の実装形態では別のやり方の分割も存在し得る。例えば、複数のユニット又はコンポーネントを別のシステムに組み込み又は一体化することができ、又は一部の特徴を無視し又は行わなくても良い。加えて、記載し又は解説した相互結合、直接結合、若しくは通信接続は、何らかのインタフェース、機器、又はユニットを介した間接的な結合又は通信接続とすることができ、電気的に、機械的に、又は他の形態で実装することができる。

別個のパーツとして記載したユニットは物理的に別個でもそうでなくても良く、ユニットとして記載したパーツは１つの場所に位置し得る又は複数のネットワークユニット上に分散され得る物理的ユニットでもそうでなくても良い。実施形態の解決策の目的を実現するために、ユニットの一部又は全てを実際の需要に応じて選択することができる。

加えて、本願の実施形態の中の機能ユニットを１つの処理ユニットに一体化することができ、ユニットのそれぞれは物理的に単独で存在することができ、又は２つ以上のユニットが１つのユニットに一体化される。一体型ユニットはハードウェア形式で実装することができ、又はハードウェア及びソフトウェアの機能ユニット形式で実装することができる。

ソフトウェアの機能ユニット形式で実装される一体型ユニットはコンピュータ可読記憶媒体の中に記憶することができる。ソフトウェアの機能ユニットは記憶媒体の中に記憶することができ、本願の実施形態に記載の方法のステップの一部を実行するようにコンピュータ装置（パーソナルコンピュータ、サーバ、ネットワーク装置等であり得る）又はプロセッサに命令するための命令を含む。上記の記憶媒体は、ＵＳＢフラッシュドライブ、リムーバブルハードディスク、読取専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、磁気ディスク、光ディスク等、プログラムコードを記憶し得る任意の媒体を含み得る。

最後に、上記の実施形態は本願の技術的解決策を説明するために与えたに過ぎず、本願を限定することは意図しないことに留意すべきである。上記の実施形態に関して本願を詳細に説明してきたが、上記の実施形態に記載の技術的解決策に修正をなお加えることができ、又は技術的解決策の中の一部の技術的特徴に対して等価の置換を行うことができることを当業者なら理解すべきである。そのような修正又は置換は、本願の実施形態の技術的解決策の趣旨及び範囲から対応する技術的解決策の本質が逸脱することは引き起こさない。

Claims (26)

1. 住所テキストを処理する方法であって、
   サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定することであって、前記少なくとも１つの住所集合の各住所集合は少なくとも２つのオリジナル住所テキストを含む、決定すること、及び
   前記住所集合に対応する目的住所テキストを得るために、前記住所集合内のオリジナル住所テキストに対して正規化を住所集合ごとに実行すること
   を含む、方法。
2. サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定することが、
   前記サービスシステム内の利用者の社会的関係サークルを決定すること、及び
   前記利用者が使用する住所テキスト及び前記社会的関係サークル内の利用者が使用する住所テキストを取得して住所集合を構成すること
   を含む、請求項１に記載の方法。
3. 前記住所集合に対応する目的住所テキストを得るために、前記住所集合内のオリジナル住所テキストに対して正規化を実行することが、
   前記住所集合内の２つのオリジナル住所テキストそれぞれの特徴に従って、前記２つのオリジナル住所テキスト間の類似度を決定すること、及び
   前記住所集合に対応する目的住所テキストを得るために、前記２つのオリジナル住所テキストが前記２つのオリジナル住所テキストのうちの１つに正規化され得るかどうかを、前記類似度に従って判定すること
   を含む、請求項１に記載の方法。
4. 前記住所集合内の２つのオリジナル住所テキストそれぞれの特徴に従って、前記２つのオリジナル住所テキスト間の類似度を決定することが、
   前記２つのオリジナル住所テキストそれぞれの標準的断片特徴、経度及び緯度の特徴、又は英数字の特徴のうちの少なくとも１つを抽出すること、及び
   前記抽出された特徴に対応する前記２つのオリジナル住所テキスト間の類似度を、抽出された特徴それぞれに従って決定すること
   を含む、請求項３に記載の方法。
5. 前記特徴に対応する前記２つのオリジナル住所テキスト間の類似度を、抽出された特徴それぞれに従って決定することは、
   前記抽出された特徴が標準的断片特徴であることに応じて、SimHashアルゴリズムを使用することによって、標準的断片特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を決定すること、
   前記抽出された特徴が経度及び緯度の特徴であることに応じて、経度／緯度距離アルゴリズムを使用することによって、経度及び緯度の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を決定すること、及び
   前記抽出された特徴が英数字の特徴であることに応じて、ジャカード係数アルゴリズムを使用することによって、英数字の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を決定すること
   を含む、請求項４に記載の方法。
6. 目的住所テキストとオリジナル住所テキストとの間の対応関係に従い、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストを決定すること、及び
   前記少なくとも２つの目的住所テキストに対して正規化を行うこと
   を更に含む、請求項１に記載の方法。
7. 前記少なくとも２つの目的住所テキストに対して正規化を行うことが、
   前記少なくとも２つの目的住所テキストにそれぞれ対応するオリジナル住所テキスト内に含まれる標準的な住所の断片の断片共通集合を取得すること、及び
   前記少なくとも２つの目的住所テキストに対する正規化を前記断片共通集合に従って行うこと
   を含む、請求項６に記載の方法。
8. 前記少なくとも２つの目的住所テキストに対する正規化を前記断片共通集合に従って行うことが、
   前記断片共通集合が、前記少なくとも２つの目的住所テキストのうちの１つを表すことに応じて、前記少なくとも２つの目的住所テキストを、前記断片共通集合が表す前記目的住所テキストへ正規化すること
   を含む、請求項７に記載の方法。
9. 前記断片共通集合及び前記断片共通集合が表す前記目的住所テキストを特徴知識ベース内に記憶すること
   を更に含む、請求項８に記載の方法。
10. 住所テキスト処理機器であって、
    サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定するように構成される決定モジュールであって、前記少なくとも１つの住所集合の各住所集合は少なくとも２つのオリジナル住所テキストを含む、決定モジュールと、
    前記住所集合に対応する目的住所テキストを得るために、前記住所集合内のオリジナル住所テキストに対して正規化を住所集合ごとに実行するように構成される正規化モジュールと
    を含む、機器。
11. 前記決定モジュールが、
    前記サービスシステム内の利用者の社会的関係サークルを決定し、
    前記利用者が使用する住所テキスト及び前記社会的関係サークル内の利用者が使用する住所テキストを取得して住所集合を構成する
    ように更に構成される、請求項１０に記載の機器。
12. 前記正規化モジュールが、
    前記住所集合内の個々の２つのオリジナル住所テキストの特徴に従って前記２つのオリジナル住所テキスト間の類似度を決定し、
    前記住所集合に対応する目的住所テキストを得るために、前記２つのオリジナル住所テキストが前記２つのオリジナル住所テキストのうちの１つに正規化され得るかどうかを、前記類似度に従って判定する
    ように更に構成される、請求項１０に記載の機器。
13. 前記正規化モジュールが、
    前記２つのオリジナル住所テキストの標準的断片特徴、経度及び緯度の特徴、又は英数字の特徴のうちの少なくとも１つを抽出し、
    前記抽出された特徴に対応する前記２つのオリジナル住所テキスト間の類似度を、抽出された特徴それぞれに従って決定する
    ように更に構成される、請求項１２に記載の機器。
14. 前記正規化モジュールは、
    前記抽出された特徴が標準的断片特徴である場合、SimHashアルゴリズムを使用することによって、標準的断片特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を決定し、
    前記抽出された特徴が経度及び緯度の特徴である場合、経度／緯度距離アルゴリズムを使用することによって、経度及び緯度の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を決定し、
    前記特徴が英数字の特徴である場合、ジャカード係数アルゴリズムを使用することによって、英数字の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を決定する
    ように更に構成される、請求項１３に記載の機器。
15. 前記決定モジュールは、目的住所テキストとオリジナル住所テキストとの間の対応関係に従い、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストを決定するように更に構成され、
    前記正規化モジュールは、前記少なくとも２つの目的住所テキストに対して正規化を行うように更に構成される、
    請求項１０に記載の機器。
16. 前記正規化モジュールが、
    前記少なくとも２つの目的住所テキストにそれぞれ対応するオリジナル住所テキスト内に含まれる標準的な住所の断片の断片共通集合を取得し、
    前記少なくとも２つの目的住所テキストに対する正規化を前記断片共通集合に従って行う
    ように更に構成される、請求項１５に記載の機器。
17. 前記少なくとも２つの目的住所テキストのうちの１つを前記断片共通集合が表す場合、前記断片共通集合及び前記断片共通集合が表す前記目的住所テキストを記憶するように構成される特徴知識ベースを更に含む、請求項１６に記載の機器。
18. 命令のセットを格納する非一時的コンピュータ可読媒体であって、前記命令のセットは、住所テキスト処理機器に、住所テキストを処理する方法を行わせるように、前記住所テキスト処理機器の少なくとも一つのプロセッサによって実行可能であり、前記方法が、
    サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定することであって、前記少なくとも１つの住所集合の各住所集合は少なくとも２つのオリジナル住所テキストを含む、決定すること、及び
    前記住所集合に対応する目的住所テキストを得るために、前記住所集合内のオリジナル住所テキストに対して正規化を住所集合ごとに実行すること
    を含む、非一時的コンピュータ可読媒体。
19. サービスシステム内の利用者の社会的関係サークルに従って少なくとも１つの住所集合を決定することが、
    前記サービスシステム内の利用者の社会的関係サークルを決定すること、及び
    前記利用者が使用する住所テキスト及び前記社会的関係サークル内の利用者が使用する住所テキストを取得して住所集合を構成すること
    を含む、請求項１８に記載の非一時的コンピュータ可読媒体。
20. 前記住所集合に対応する目的住所テキストを得るために、前記住所集合内のオリジナル住所テキストに対して正規化を実行することが、
    前記住所集合内の２つのオリジナル住所テキストそれぞれの特徴に従って、前記２つのオリジナル住所テキスト間の類似度を決定すること、及び
    前記住所集合に対応する目的住所テキストを得るために、前記２つのオリジナル住所テキストが前記２つのオリジナル住所テキストのうちの１つに正規化され得るかどうかを、前記類似度に従って判定すること
    を含む、請求項１８に記載の非一時的コンピュータ可読媒体。
21. 前記住所集合内の２つのオリジナル住所テキストそれぞれの特徴に従って、前記２つのオリジナル住所テキスト間の類似度を決定することが、
    前記２つのオリジナル住所テキストそれぞれの標準的断片特徴、経度及び緯度の特徴、又は英数字の特徴のうちの少なくとも１つを抽出すること、及び
    前記特徴に対応する前記２つのオリジナル住所テキスト間の類似度を、抽出された特徴それぞれに従って決定すること
    を含む、請求項２０に記載の非一時的コンピュータ可読媒体。
22. 前記特徴に対応する前記２つのオリジナル住所テキスト間の類似度を、抽出された特徴それぞれに従って決定することは、
    前記抽出された特徴が標準的断片特徴であることに応じて、SimHashアルゴリズムを使用することによって、標準的断片特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を決定すること、
    前記抽出された特徴が経度及び緯度の特徴であることに応じて、経度／緯度距離アルゴリズムを使用することによって、経度及び緯度の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を決定すること、及び
    前記抽出された特徴が英数字の特徴であることに応じて、ジャカード係数アルゴリズムを使用することによって、英数字の特徴の次元上での前記２つのオリジナル住所テキスト間の類似度を決定すること
    を含む、請求項２１に記載の非一時的コンピュータ可読媒体。
23. 前記命令のセットは、
    目的住所テキストとオリジナル住所テキストとの間の対応関係に従い、同じオリジナル住所テキストに対応する少なくとも２つの目的住所テキストを決定すること、及び
    前記少なくとも２つの目的住所テキストに対して正規化を行うこと
    を前記住所テキスト処理機器が更に行うように、前記住所テキスト処理機器の前記少なくとも一つのプロセッサによって実行可能である、請求項１８に記載の非一時的コンピュータ可読媒体。
24. 前記少なくとも２つの目的住所テキストに対して正規化を行うことが、
    前記少なくとも２つの目的住所テキストにそれぞれ対応するオリジナル住所テキスト内に含まれる標準的な住所の断片の断片共通集合を取得すること、及び
    前記少なくとも２つの目的住所テキストに対する正規化を前記断片共通集合に従って行うこと
    を含む、請求項２３に記載の非一時的コンピュータ可読媒体。
25. 前記少なくとも２つの目的住所テキストに対する正規化を前記断片共通集合に従って行うことが、
    前記断片共通集合が、前記少なくとも２つの目的住所テキストのうちの１つを表すことに応じて、前記少なくとも２つの目的住所テキストを、前記断片共通集合が表す前記目的住所テキストへ正規化すること
    を含む、請求項２４に記載の非一時的コンピュータ可読媒体。
26. 前記命令のセットは、
    前記断片共通集合及び前記断片共通集合が表す前記目的住所テキストを特徴知識ベース内に記憶すること
    を前記住所テキスト処理機器が更に行うように、前記住所テキスト処理機器の前記少なくとも一つのプロセッサによって実行可能である、請求項２５に記載の非一時的コンピュータ可読媒体。
    

Images