[发明专利]中文地址层级化解析与规范处理方法和系统

权利要求书

1.一种中文地址层级化解析与规范处理方法，其特征在于，包括：

获取用电原始地址数据，并对所述用电原始地址数据进行初始化处理得到第一客户用电地址数据；

利用文本特征的分词方法对所述第一客户用电地址数据进行层级化解析得到第二客户用电地址数据；

将所述第二客户用电地址数据与基础地址字典库进行清理循环得到清理成果；

对所述清理成果进行综合评估以谨慎确认所述清理成果的准确性和有效性。

2.根据权利要求1所述的中文地址层级化解析与规范处理方法，其特征在于，所述文本特征的分词方法通过在应用频率DF的基础上进行算法扩展得到，包括信息增益IG方法、互信息方法、x2统计CHI方法和期望交叉熵CE方法。

3.根据权利要求1所述的中文地址层级化解析与规范处理方法，其特征在于，所述将所述第二客户用电地址数据与基础地址字典库进行清理循环得到清理成果包括：

将所有所述第二客户用电地址数据均与基础地址字典库进行匹配；

判断所述第二客户用电地址数据匹配度是否满足预设匹配度要求；

将匹配度满足预设匹配度要求的所述第二客户用电地址数据作为所述清理成果；

将匹配度不满足所述预设匹配度要求的所述第二客户用电地址数据放入下一个所述清理循环中，直至利用所述清理循环不能再获得满足所述预设匹配度要求的所述第二客户用电地址数据。

4.根据权利要求1所述的中文地址层级化解析与规范处理方法，其特征在于，所述对所述清理成果进行综合评估以谨慎确认所述清理成果的准确性和有效性包括：

利用综合聚类算法、K邻近算法和CART分类树回归算法构建相似度与一致性评估算法；

根据所述相似度与一致性评估算法对所述清理成果进行所述综合评估。

5.根据权利要求2所述的中文地址层级化解析与规范处理方法，其特征在于，所述应用频率DF为包含特征项的所述第一客户用电地址数据的频率。

6.根据权利要求5所述的中文地址层级化解析与规范处理方法，其特征在于，所述信息增益IG方法为通过统计所述特征项在所述第一客户用电地址数据中出现或不出现的次数，预测所述第一客户用电地址数据的类别的方法。

7.根据权利要求6所述的中文地址层级化解析与规范处理方法，其特征在于，所述互信息方法和所述x²统计CHI方法是通过计算所述特征项和所述类别间的相关性来提取互信息值的方法。

8.根据权利要求4所述的中文地址层级化解析与规范处理方法，其特征在于，所述CART分类树回归算法用于检验所述第二客户用电地址数据的基尼不纯度，所述基尼不纯度计算了一个被随机选中的所述第二客户用电地址数据在子集中被分错的可能性。

9.根据权利要求4所述的中文地址层级化解析与规范处理方法，其特征在于，所述K邻近算法利用闵可夫斯基距离公式计算距离函数。

10.一种中文地址层级化解析与规范处理系统，其特征在于，包括：

获取单元，用于获取用电原始地址数据，并对所述用电原始地址数据进行初始化处理得到第一客户用电地址数据；

层级化解析单元，用于利用文本特征的分词方法对所述第一客户用电地址数据进行层级化解析得到第二客户用电地址数据；

清理循环单元，用于将所述第二客户用电地址数据与基础地址字典库进行清理循环得到清理成果；

综合评估单元，用于对所述清理成果进行综合评估以谨慎确认所述清理成果的准确性和有效性。