[发明专利]一种下单地址结构化解析方法和系统

权利要求书

1.一种下单地址结构化解析方法，其特征在于，包括如下步骤：

S1、将待解析下单地址文本项作预处理后得到预处理信息，使用预设间隔符替代所述待解析下单地址文本项中的预处理信息，分割成包含地址信息和姓名信息在内的多个子文本项；所述多个子文本项依预处理前的文本顺序依次排序；

S2、将子文本项依次与省市集合数据集作省市匹配，直至提取出有效省市信息；

S3、从所述多个子文本项中提取出姓名信息；

S4、根据含有效省市信息的子文本项和含姓名信息的子文本项间的位置关系，提取出地址信息，包括：

S41、若所述含姓名信息的子文本项在含有效省市信息的子文本项之前，则提取所述含有效省市信息的子文本项之后的所有子文本项作为所述地址信息；

S42、若所述含姓名信息的子文本项在含有效省市信息的子文本项之后，则提取所述含姓名信息的子文本项与含有效省市信息的子文本项之间的所有子文本项作为所述地址信息；

S43、若所述含姓名信息的子文本项与含有效省市信息的子文本项为同一个，则提取该子文本项中姓名信息与有效省市信息之间的文本作为所述地址信息。

2.根据权利要求1所述的下单地址结构化解析方法，其特征在于，所述步骤S1包括：

S11、根据预设匹配规则，识别出待解析下单地址文本项中的预处理信息；所述预处理信息包含预设关键字段、数字信息以及标点符号；

S12、使用预设间隔符替代所述待解析下单地址文本项中的预处理信息，将待解析下单地址文本项分割成包含地址信息和姓名信息在内的多个子文本项。

3.根据权利要求1或2所述的下单地址结构化解析方法，其特征在于，所述步骤S3包括：

S31、选取不含有效省市信息的子文本项中文本长度为2至4的子文本项；

S32、将所述文本长度为2至4的子文本项依次与预设姓氏集合数据集作姓氏匹配，直至提取出姓名信息；

S33、若步骤S32未匹配成功，则将含有效省市信息的子文本项与预设姓氏集合数据集作姓氏匹配，提取出姓名信息。

4.根据权利要求1所述的下单地址结构化解析方法，其特征在于，所述步骤S2中的有效省市信息包括城市名称信息，或省份和城市名称信息，且省份信息的文本顺序在城市名称信息文本顺序之前。

5.一种下单地址结构化解析系统，其特征在于，包括：

预处理模块，用于将待解析下单地址文本项作预处理后得到预处理信息，使用预设间隔符替代所述待解析下单地址文本项中的预处理信息，分割成包含地址信息和姓名信息在内的多个子文本项；所述多个子文本项依预处理前的文本顺序依次排序；

省市信息提取模块，用于将子文本项依次与省市集合数据集作省市匹配，直至提取出有效省市信息；

姓名信息提取模块，用于从所述多个子文本项中提取出姓名信息；

地址信息提取模块，用于根据含有效省市信息的子文本项和含姓名信息的子文本项间的位置关系，提取出地址信息；

所述地址信息提取模块包括：

第一地址信息提取单元，用于若所述含姓名信息的子文本项在含有效省市信息的子文本项之前，则提取所述含有效省市信息的子文本项之后的所有子文本项作为所述地址信息；

第二地址信息提取单元，用于若所述含姓名信息的子文本项在含有效省市信息的子文本项之后，则提取所述含姓名信息的子文本项与含有效省市信息的子文本项之间的所有子文本项作为所述地址信息；

第三地址信息提取单元，用于若所述含姓名信息的子文本项与含有效省市信息的子文本项为同一个，则提取所述子文本项中姓名信息与有效省市信息之间的文本作为所述地址信息。

6.根据权利要求5所述的下单地址结构化解析系统，其特征在于，所述预处理模块包括：

识别单元，用于根据预设匹配规则，识别出待解析下单地址文本项中的预处理信息；所述预处理信息包含预设关键字段、数字信息以及标点符号；

预处理单元，用于使用预设间隔符替代所述待解析下单地址文本项中的预处理信息，将待解析下单地址文本项分割成包含地址信息和姓名信息在内的多个子文本项。