[发明专利]对地理地址进行标准化的方法和装置

权利要求书

1.一种对地理地址进行标准化的方法，其特征在于，包括：

接收一待处理地理地址；

在预定义的标准化地址库中查找与该待处理地理地址相似度最高的标准地址作为第一标准地址，相应的相似度作为第一相似度，当所述第一相似度大于预定的第一阈值，则确定该第一标准地址是所述待处理地理地址的标准化地址。

2.根据权利要求1所述的方法，其特征在于，还包括：

当所述第一相似度不大于预定的第一阈值，则生成所述待处理地理地址的地址向量；

在所述标准化地址库对应的标准地址向量库中查找与所述待处理地理地址相似度最高的标准地址向量，相应的相似度作为第二相似度，当所述第二相似度大于预定的第二阈值，则确定所查找的标准地址向量对应的第二标准地址是所述地理地址的标准化地址。

3.根据权利要求2所述的方法，其特征在于，还包括：

当所述第二相似度不大于所述第二阈值，且所述第一相似度和所述第二相似度的加权平均值大于预定的第三阈值，则确定所述第一相似度和所述第二相似度中较大者对应的标准地址是所述待处理地理地址的标准化地址。

4.根据权利要求1所述的方法，其特征在于，标准化地址库通过下述步骤获得：

接收样本地理地址集；

对样本地理地址集进行预处理；

基于地址词典读取所述地理地址集中的地理地址的地址键码及相应层级，并基于地址键码的层级去除其中不符合层级要求的地址键码，获得该地理地址的由所述地址键码分隔的层级标准化地址，从而得到由所述层级标准化地址组成的标准化地址库。

5.根据权利要求2所述的方法，其特征在于，生成所述待处理地理地址的地址向量包括：

在所述标准化地址库对应的词向量库中查找获得所述待处理地理地址的地址词对应的词向量；

根据所述待处理地理地址对应的词向量，基于预设的分层级地址词词典，通过词袋方式生成所述待处理地理地址的地址向量。

6.根据权利要求5所述的方法，其特征在于，所述词向量库通过下述步骤获得：

把所述标准化地址库中的所有地理地址的地址词转换成词向量，词向量的值是对应地址词的权重系数，所述权重系数是基于该地址词的上下文语义分配的，从而获得所述标准化地址库对应的词向量库。

7.根据权利要求6所述的方法，其特征在于，所述地址向量库通过下述步骤获得：

根据所述标准化地址库中的地理地址对应的词向量，基于预设的分层级地址词词典，通过词袋方式生成所述标准化地址库中的地理地址的地址向量，从而获得由地址向量组成的地址向量库。

8.根据权利要求5或7所述的方法，其特征在于，所述预设的分层级地址词词典是按照地址层级分层的多维向量，其中每一层表示一个地址层级且具有多个维度，每一层中包含有标准化地址库中存在的该层对应的地址层级的所有地址词种类，每一个地址词种类用该层级的一个维度表示。

9.根据权利要求2或7所述的方法，其特征在于，在所述地址向量库中，每个地址向量对应有n个记录，其中该n个记录的主键分别与该地址向量所对应的地址的n级地址表示相对应，n小于等于地址的层级数，在n级地址表示中，第1级地址表示为地址本身，其后每一级地址表示为去除其上一级地址表示中最高的层级序号对应的层级地址词所余下的地址，

在所述标准化地址库对应的标准地址向量库中查找与所述待处理地理地址相似度最高的标准地址向量包括：

在标准地址向量库中用所述待处理地理地址的n级地址表示逐级查找对应主键，直至找到相对应的主键并获取其所对应的记录中的地址向量，然后计算该地址向量与待处理地理地址的地址向量的相似度。

10.根据权利要求1所述的方法，其特征在于，所述第一标准地址是基于所述标准化地址库对应的倒排索引查找获得的，所述倒排索引是基于所述标准化地址库中的所有地理地址的地址词组成的地址词串建立的。