[发明专利]地址相似度确定方法、装置和计算机设备

权利要求书

1.一种地址相似度确定方法，其特征在于，方法包括：

获取第一原始地址中的第一具体地址信息，第一具体地址信息为由所述第一原始地址中除行政区域信息之外的地址信息构成，以及获取第二原始地址中的第二具体地址信息，所述第二具体地址信息为由所述第二原始地址中除行政区域信息之外的地址信息构成，其中，所述第一原始地址的行政区域信息和所述第二原始地址的行政区域信息表征同一行政区域；

采用N-Gram模型对所述第一具体地址信息进行分词，得到第一系列分词，以及采用N-Gram模型对所述第二具体地址信息进行分词，得到第二系列分词；

对所述第一系列分词和所述第二系列分词进行相似度计算，获得第一类相似度值；

根据所述第一类相似度值，确定所述第一原始地址和所述第二原始地址的相似度。

2.根据权利要求1所述的方法，其特征在于，

所述第一具体地址信息包括第一描述字段和第一门牌信息，所述采用N-Gram模型对所述第一具体地址信息进行分词，得到第一系列分词，包括：采用所述N-Gram模型对所述第一描述字段进行分词，得到所述第一系列分词；

所述第二具体地址信息包括第二描述字段和第二门牌信息，所述采用N-Gram模型对所述第二具体地址信息进行分词，得到第二系列分词，包括：采用所述N-Gram模型对所述第二描述字段进行分词，得到所述第二系列分词；

所述方法还包括：对所述第一门牌信息和所述第二门牌信息进行相似度计算，获得第二类相似度值；

所述根据所述第一类相似度值，确定所述第一原始地址和所述第二原始地址的相似度,包括：根据所述第一类相似度值和所述第二类相似度值，确定所述第一原始地址和所述第二原始地址的相似度。

3.根据权利要求2所述的方法，其特征在于，

所述采用所述N-Gram模型对所述第一描述字段进行分词，得到所述第一系列分词，包括：确定所述第一描述字段的长度值，根据所述第一描述字段的长度值确定一个以上的第一分词长度值；根据所述一个以上的第一分词长度值，采用所述N-Gram模型对所述第一描述字段进行分词，得到与各第一分词长度值对应的第一系列分词；

所述采用所述N-Gram模型对所述第二描述字段进行分词，得到所述第二系列分词，包括：确定所述第二描述字段的长度值，根据所述第二描述字段的长度值，确定一个以上的第二分词长度值；根据所述一个以上的第二分词长度值，采用所述N-Gram模型对所述第二描述字段进行分词，得到与各第二分词长度值对应的第二系列分词；

所述对所述第一系列分词和所述第二系列分词进行相似度计算，获得第一类相似度值，包括：对分词长度值相同的所述第一系列分词和所述第二系列分词进行相似度计算，获得所述第一类相似度值。

4.根据权利要求3所述的方法，其特征在于，

所述根据所述第一描述字段的长度值确定一个或多个的第一分词长度值，包括：根据所述第一描述字段的长度值，确定出多个不大于所述第一描述字段的长度值的第一分词长度值；

所述根据所述一个以上的第一分词长度值，采用所述N-Gram模型对所述第一描述字段进行分词，得到与第一分词长度值对应的第一系列分词，包括：将所述各第一分词长度值分别作为所述N-Gram模型中的N值，对所述第一描述字段进行分词，得到各第一分词长度值对应的第一系列分词；

所述根据所述第二描述字段的长度值确定一个或多个的第二分词长度值，包括：根据所述第二描述字段的长度值，确定出多个不大于所述第二描述字段的长度值的第二分词长度值；

所述根据所述一个以上的第二分词长度值，采用所述N-Gram模型对所述第二描述字段进行分词，得到与第二分词长度值对应的第一系列分词，包括：将各第二分词长度值作为所述N-Gram模型中的N值，对所述第二描述字段进行分词，得到各第二分词长度值对应的第二系列分词；

所述对分词长度值相同的所述第一系列分词和所述第二系列分词进行相似度计算，获得所述第一类相似度值，包括：按照分词长度值从大到小的排序，依次从多个所述第一系列分词以及多个所述第二系列分词中选取分词长度值相同的第一系列分词和第二系列分词进行相似度计算，当相似度计算结果满足预设要求时，根据所述相似度计算结果获得所述第一类相似度值。