地址数据处理方法、装置、电子设备及计算机可读介质制造方法及图纸

本公开的实施例提供了一种地址数据处理方法、装置、电子设备及计算机可读介质。该方法包括：获取目标地址信息；对所述地址文本数据进行处理，获得目标字符串信息；根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息；其中，所述第一数据集包括尾部词及其尾部地址类型标注，所述第二数据集包括第二地址信息及其第一切分地址、第二切分地址、地址类型标注。本公开实施例提供的地址数据处理方法、装置、电子设备及计算机可读介质，通过第一数据集和/或第二数据集对目标地址类型信息进行匹配，无需借助额外硬件设施与软件技术服务，能够实现算法高覆盖率条件下的地址准确分类。

Address data processing methods, devices, electronic equipment and computer readable media

【技术实现步骤摘要】
地址数据处理方法、装置、电子设备及计算机可读介质
本公开涉及地址技术服务领域，具体而言，涉及一种地址数据处理方法、装置、电子设备及计算机可读介质。
技术介绍
目前，地址核验产品是在市场上相对需求最高的地址类数据产品。鉴于家庭和工作地址是用户在日常生活中最活跃的两个地点，市面上需求较多的两个地址核验产品为：工作地址核验和家庭地址核验。目前市场上已有的地址核验产品,大多数采用的数据为基于位置服务(LocationBasedServices，LBS)数据，通过策略或模型分析人群的作息时间特征，进而对地址位置进行标注，判断其为家庭地址、工作或其他地址。例如，通过地址编码(将详细的结构化地址转换为经纬度坐标)，可以将地址转化为经纬度坐标，结合LBS获取到人群的经纬度坐标数据，若某个坐标点上或区域内白天活跃人群数量显著高于晚上的或者周一至周五活跃人群数量显著高于周末的，则该地址很可能是一个工作地址，反之，若其晚上活跃人群数量显著高于白天或周末人群活跃人群数量显著高于周一至周五，则其很可能是一个家庭地址，否则不能判别其具体类型。然而，上述方法存在下述缺陷：(1)对数据量依赖过大：该分类方法是建立在大量数据基础之上的，而目前LBS数据精度高低不一，且覆盖率极低，只有10-15％，底层数据的不足导致上层分类模型的覆盖率和准确率不高。(2)模型特征阈值难以确定：该分类方法需构建许多人群行为特征，虽然人群的行为是有规律可循，但规律界限很难确定。例如什么情况下才是“白天活跃人群数量显著高于晚上”，高出多少才是显著高。另外，该方法无法判定或无法正确判定上夜班、或24小时倒班的情况。(3)模型维护成本高，结果可解释性弱。因此，需要一种新的地址数据处理方法、装置、电子设备及计算机可读介质。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开实施例提供一种地址数据处理方法、装置及电子设备，进而至少在一定程度上克服现有技术中地址分类覆盖率低且正确性低的缺陷。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。本公开实施例提出一种地址数据处理方法，包括：获取目标地址信息；对所述地址文本数据进行处理，获得目标字符串信息；根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息；其中，所述第一数据集包括尾部词及其尾部地址类型标注，所述第二数据集包括第二地址信息及其第一切分地址、第二切分地址、地址类型标注。在本公开的一种示例性实施例中，根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息，包括：将所述目标字符串信息与所述第一数据集中的各尾部词进行匹配，并将匹配成功的尾部词的尾部地址类型标注作为所述目标地址类型信息；和/或根据所述目标字符串信息与所述第二数据集中的各第二地址信息的相似度确定所述目标地址类型信息。在本公开的一种示例性实施例中，将所述目标字符串信息与所述第一数据集中的各尾部词进行匹配，并将匹配成功的尾部词的尾部地址类型标注作为所述目标地址类型信息包括：若所述目标字符串信息与所述第一数据集中的各尾部词匹配失败，则对所述目标字符串信息进行切分，获得目标切分地址；将所述目标切分地址与所述第一数据集中的各尾部词进行匹配，并将匹配成功的尾部词的尾部地址类型标注作为所述目标地址类型信息。在本公开的一种示例性实施例中，根据所述目标字符串信息与所述第二数据集中的各第二地址信息的相似度确定所述目标地址类型信息包括：对所述目标字符串信息进行切分，获得第一目标部分和第二目标部分；将所述第一目标部分与所述第二数据集中的各第一切分地址进行匹配；将匹配成功的各第一切分地址及其第二地址信息、第二切分地址、地址类型标注整合为第一匹配地址集合；计算所述第二目标部分与所述第一匹配地址集合中各第二切分地址的相似度，并将相似度大于预设阈值的第二切分地址及其第二地址信息、第一切分地址、地址类型标注整合为第二匹配地址集合；根据所述第二匹配地址集合中各第二地址信息的地址类型标注和/或所述相似度确定所述目标地址信息的目标地址类型信息。在本公开的一种示例性实施例中，计算所述第二目标部分与所述第一匹配地址集合中各第二切分地址的相似度包括：计算所述第二目标部分与所述第一匹配地址集合中的所述各第二切分地址之间的编辑距离；将所述第一匹配地址集合中每个第二切分地址的文本长度与所述第二目标部分的文本长度之间的最大值作为所述各第二切分地址的目标文本长度；根据所述编辑距离与所述目标文本长度确定所述第二目标部分与所述第一匹配地址集合中的所述各第二切分地址的相似度。在本公开的一种示例性实施例中，根据所述第二匹配地址集合中各第二地址信息的地址类型标注和/或所述相似度确定所述目标地址信息的目标地址类型信息包括：统计所述第二匹配地址集合中各地址类型标注的个数，并将具有最大个数的地址类型标注作为所述目标地址信息的目标类型信息；和/或将相似度最大的第二切分地址对应的地址类型标注作为所述目标地址信息的目标类型信息。在本公开的一种示例性实施例中，所述方法还包括：获取兴趣点数据集，所述兴趣点数据集包括第一地址信息及其一级分类信息；基于一级分类信息与地址类型的映射关系确定各第一地址信息的地址类型标注；对所述各第一地址信息的尾部词及其地址类型标注进行统计，获得各尾部词在各地址类型标注下的概率值；根据所述各尾部词在各地址类型标注下的概率值确定所述各尾部词的尾部地址类型标注，并根据所述各尾部词及其尾部地址类型标注生成所述第一数据集。在本公开的一种示例性实施例中，所述方法还包括：获取样本数据集，所述样本数据集包括第二地址信息及其地址类型标注；对所述地址文本信息进行切分，获得所述第二地址信息的第一切分地址与第二切分地址；根据所述第二地址信息及其第一切分地址、第二切分地址、地址类型标注生成所述第二数据集。本公开实施例提出一种地址数据处理装置，包括：目标地址获取模块，配置为获取目标地址信息；目标地址处理模块，配置为对所述地址文本数据进行处理，获得目标字符串信息；地址类型生成模块，配置为根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息；其中，所述第一数据集包括尾部词及其尾部地址类型标注，所述第二数据集包括第二地址信息及其第一切分地址、第二切分地址、地址类型标注。本公开实施例提出一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的地址数据处理方法。在本公开的一些实施例所提供的技术方案中，通过对目标地址信息进行处理获得目标字符串信息，并通过第一数据集中的尾部词及其尾部地址类型标注对目标字符串信息进行处理，和/或通过第二数据集中的第二地址信息及其第一切分地址、第二切分地址、本文档来自技高网...

【技术保护点】
1.一种地址数据处理方法，其特征在于，包括：/n获取目标地址信息；/n对所述目标地址信息进行处理，获得目标字符串信息；/n根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息；/n其中，所述第一数据集包括尾部词及其尾部地址类型标注，所述第二数据集包括第二地址信息及其第一切分地址、第二切分地址、地址类型标注。/n

【技术特征摘要】
1.一种地址数据处理方法，其特征在于，包括：
获取目标地址信息；
对所述目标地址信息进行处理，获得目标字符串信息；
根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息；
其中，所述第一数据集包括尾部词及其尾部地址类型标注，所述第二数据集包括第二地址信息及其第一切分地址、第二切分地址、地址类型标注。


2.如权利要求1所述的方法，其特征在于，根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息，包括：
将所述目标字符串信息与所述第一数据集中的各尾部词进行匹配，并将匹配成功的尾部词的尾部地址类型标注作为所述目标地址类型信息；和/或
根据所述目标字符串信息与所述第二数据集中的各第二地址信息的相似度确定所述目标地址类型信息。


3.如权利要求2所述的方法，其特征在于，将所述目标字符串信息与所述第一数据集中的各尾部词进行匹配，并将匹配成功的尾部词的尾部地址类型标注作为所述目标地址类型信息包括：
若所述目标字符串信息与所述第一数据集中的各尾部词匹配失败，则对所述目标字符串信息进行切分，获得目标切分地址；
将所述目标切分地址与所述第一数据集中的各尾部词进行匹配，并将匹配成功的尾部词的尾部地址类型标注作为所述目标地址类型信息。


4.如权利要求2所述的方法，其特征在于，根据所述目标字符串信息与所述第二数据集中的各第二地址信息的相似度确定所述目标地址类型信息包括：
对所述目标字符串信息进行切分，获得第一目标部分和第二目标部分；
将所述第一目标部分与所述第二数据集中的各第一切分地址进行匹配；
将匹配成功的各第一切分地址及其第二地址信息、第二切分地址、地址类型标注整合为第一匹配地址集合；
计算所述第二目标部分与所述第一匹配地址集合中各第二切分地址的相似度，并将相似度大于预设阈值的第二切分地址及其第二地址信息、第一切分地址、地址类型标注整合为第二匹配地址集合；
根据所述第二匹配地址集合中各第二地址信息的地址类型标注和/或所述相似度确定所述目标地址信息的目标地址类型信息。


5.如权利要求4所述的方法，其特征在于，计算所述第二目标部分与所述第一匹配地址集合中各第二切分地址的相似度包括：
计算所述第二目标部分与所述第一匹配地址集合中的所述各第二切分地址之间的编辑距离；
将所述第一匹配地址集合中每个第二切分地址的文本长度与所述第二目标部分的文本长...

【专利技术属性】
技术研发人员：斯义谱，叶露，
申请(专利权)人：同盾控股有限公司，
类型：发明
国别省市：浙江;33