[发明专利]中文地址层级化解析与规范处理方法和系统

说明书

本发明提供了中文地址层级化解析与规范处理方法和系统，包括：获取用电原始地址数据，并对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；对清理成果进行综合评估以谨慎确认清理成果的准确性和有效性。本发明促进了客户用电地址数据结构化与规范化，提高客户用电地址完整性与准确率。

技术领域

本发明涉及电力系统客户用电地址数据结构化与规范化技术领域，尤其是涉及中文地址层级化解析与规范处理方法和系统。

背景技术

在城市建设日新月异的今天，众多街道、社区被重新规划与建设，这种现象造成电力营销系统中越来越多客户用电地址数据与现实地址不一致。除此之外，由于一些历史原因导致现有的客户用电地址数据存在大量的错误、名称混乱、信息不完整等现象，如将表号作为地址、小区、楼栋等没有标准称谓等。同时，由于存量的客户用电地址数据不是结构化的数据，存在不同小区的客户地址填写的规律不一致，甚至同一小区不同开发期、不同楼栋之间的地址填写规律都不一致问题。这些问题严重影响了客户服务工作、应急检修工作的质量，对基于地址数据开展的各类分析与决策支持系统建设也产生了严重的影响。

综上所述，现有技术的客观缺点在于缺少一种有效的中文地址层级化解析与规范处理方法。

发明内容

有鉴于此，本发明的目的在于提供中文地址层级化解析与规范处理方法和系统，促进客户用电地址数据结构化与规范化，提高客户用电地址完整性与准确率。

第一方面，本发明实施例提供了中文地址层级化解析与规范处理方法，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。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，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。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，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。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，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。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，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。