[发明专利]一种基于地址编码和相似计算的地址匹配方法

说明书

本发明涉及信息技术领域，具体为一种基于地址编码和相似计算的地址匹配方法，包括如下步骤：S1、首先将标准地址库中已有的“ID‑地址要素”的地址编码进行重构建，构成自定义词典；S2、基于自定义词典与新地址库依赖地对原始标准地址库进行数据初步过滤筛选；S3、通过地址标准化模块对数字转换、数字中文的分开提取与地址层级归一化处理；S4、地址匹配模块对提取的中文和数字分别基于WMD算法和最小编辑距离算法对数据进行加权匹配，返回准确度最高的标准地址库信息。本发明加快了匹配速度。增加了算法的准确度解决了稀疏词向量导致的内存不够的问题，也避免了大量无效匹配值的产生。

技术领域

本发明涉及信息技术领域，具体为一种基于地址编码和相似计算的地址匹配方法。

背景技术

公安行业项目往往涉及到海量的文本挖掘，且由于行业的特殊性，往往需要快速准确地返回结果，这对算法的实时性和准确性提出了一定的要求，而地址匹配就是这样的一个典型场景。地方市级地址库往往涉及到数百万甚至上千万条地址，在实际的业务场景中，往往需要将不规则的地址信息匹配到标准地址库从而进行精准的定位以便进行后续专题业务应用。在这种情况下，而传统的基于字符的的地址匹配方式往往会因为耗时高、匹配度低等问题无法满足业务需求。

而标准地址库的构建往往会依赖于地址编码，通过给特定的地理要素指定唯一的标识码，使数据库的构建更加具有规律性。通过这一规律，依赖地址编码对数据进行有效地初步过滤，能极大减少匹配工作量，从而提升工作效率。

因此一种基于地址编码与相似计算的地址匹配方法能更快速准确地进行地址匹配，从而推动人工智能在实际业务中的落地情况。

发明内容

本发明的目的在于提供一种基于地址编码和相似计算的地址匹配方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于地址编码和相似计算的地址匹配方法，包括如下步骤：

S1、首先将标准地址库中已有的“ID-地址要素”的地址编码进行重构建，将ID所对应的道路、村委、小区信息利用正则表达式将镇、村委、村庄不同级别地址分级抽取处理形成新的地址依赖表，并将抽取后的信息构成自定义词典；

S2、基于自定义词典与新地址库依赖地对原始标准地址库进行数据初步过滤筛选；

S3、通过地址标准化模块对数字转换、数字中文的分开提取与地址层级归一化处理，经过地址标准化模块后的地址信息会输入地址匹配模块进行后续操作；

S4、地址匹配模块对提取的中文和数字分别基于WMD算法和最小编辑距离算法对数据进行加权匹配，返回准确度最高的标准地址库信息。

优选的，所述步骤S1中先由预提取模块对原有标准地址库进行提取简化，得到新的地址库查询依赖与词库依赖。

优选的，所述步骤S3中输入的地址信息首先经过基于自定义词库与新地址库依赖的预匹配模块进行预匹配，经过预匹配操作后的地址信息经过标准化模块对输入的非标准数据进行数据标准化处理，然后将进行经过标准化的数据输入地址匹配模块。

优选的，所述步骤S4中地址匹配模块对处理后的非标准化的数据进行匹配，输出地址库中对应相似度最高的单条地址信息，即为准确度最高的标准地址库信息。

与现有技术相比，本发明的有益效果是：本发明经过输入非标准化地址进行测试及业务人员进行结果对比，算法整体准确度较高，过滤掉准确度低于阈值(0.75)与不存在与标准地址库中的记录，整体算法的准确度可以达到96％，相比于tf-idf算法，解决了稀疏词向量导致的内存不够的问题，也避免了大量无效匹配值的产生。

附图说明

图1为本发明基于地址编码和相似计算的地址匹配流程图；

图2为本发明预提取模块流程图；