[发明专利]一种从文本抽取地址的方法

权利要求书

1.一种从文本抽取地址的方法，其特征在于，包括以下操作步骤：

S1、预先创建专用数据库群；

S2、针对已获得的文本内容，进行分词，获得分词数据集；

S3、针对分词数据集进行检索，同步或逐次地抽取其中的地址。

2.根据权利要求1所述的一种从文本抽取地址的方法，其特征在于：所述专用数据库群均支持用户自定义增减数据。

3.根据权利要求1所述的一种从文本抽取地址的方法，其特征在于：所述文本内容均为电子格式的面向计算机信息处理的文字组合。

4.根据权利要求1所述的一种从文本抽取地址的方法，其特征在于：所述专用数据库群，包括自定义地址数据库、标准地址数据库、全国行政区划及其简称库、地址触发词组合库、全国单位名称和简称及地址库、天干序词库、地址专用标点符号库、数词库、方位名词库、楼宇小区名称及其简称库和趋向动词库。

5.根据权利要求4所述的一种从文本抽取地址的方法，其特征在于：所述自定义地址数据库，包括：

①自定义地址专用词语组合占比阈值，所述自定义地址专用词语组合占比阈值是指用户预先设置一个阈值，当自定义地址组合专用词库、全国单位名称和简称及地址库、天干序词库、地址专用标点符号库、数词库、方位名词库、楼宇小区名称及其简称库、趋向动词库中的字词在文本中占有的比例高于阈值，即默认文本为地址；若低于阈值，判断为非法地址；

②自定义地址组合专用词库，所述自定义地址组合专用词库分为自定义地址末端词库和自定义地址交通词库。

6.根据权利要求4所述的一种从文本抽取地址的方法，其特征在于：所述地址触发词组合库包括：触发词库和触发词后面的专用标点符号，所述触发词库分为单独触发词和组合触发词两种类型。

7.根据权利要求1所述的一种从文本抽取地址的方法，其特征在于：所述同步或逐次地抽取其中的地址，包含以下四个规则：

规则一，根据预先创建的专用数据库群中的全国单位名称和简称及地址库，检索有无企业、事业单位、政府机构、社会团体的地址，如有，抽取为地址；

规则二和规则三，检索有无同时符合条件的文字组合，如有，抽取为地址；

规则四，包括以下检索步骤：

步骤Ⅰ、根据预先创建的专用数据库群中的触发词库，检索触发词库中有无触发词，如有，则继续检索，若无，则不再检索；

步骤Ⅱ、根据预先创建的专用数据库群中的触发词后面的专用标点符号，检索地址触发词的右侧有无触发词后面的专用标点符号，如有，则抽取触发词后面的专用标点符号右侧的第一个单句作为地址。

8.根据权利要求1所述的一种从文本抽取地址的方法，其特征在于：所述单句的抽取方法如下：

首先，检索触发词后面的专用标点符号；

之后，检索触发词往右的第一个触发词后面的专用标点符号之外的其他标点符号或空格；

最后，抽取触发词后面的专用标点符号和触发词往右的第一个触发词后面的专用标点符号之外的其他标点符号或空格两者之间的文本内容，作为所述单句。