[发明专利]中文地址分词标注方法有效
| 申请号： | 201510240706.X | 申请日： | 2015-05-12 |
| 公开（公告）号： | CN104933024B | 公开（公告）日： | 2017-09-01 |
| 发明（设计）人： | 王明兴;贾西贝 | 申请（专利权）人： | 深圳市华傲数据技术有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 北京酷爱智慧知识产权代理有限公司11514 | 代理人： | 赵永辉 |
| 地址： | 518057 广东省深圳市南山区高新区中*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种中文地址分词标注方法。该方法包括步骤11、人工分词标注挑选出的地址数据作为训练数据；步骤12、对出现的单个阿拉伯数字字符或英文字母字符以及多个连续阿拉伯数字字符或英文字母字符，以指定的单个阿拉伯数字字符或英文字母字符替换；步骤13、将训练数据转换成CRF++工具需要的格式；步骤14、定义特征模板；步骤15、建立分词标注模型；步骤16、地址中出现的单个阿拉伯数字字符或英文字母字符以及多个连续阿拉伯数字字符或英文字母字符，以该指定的单个阿拉伯数字字符或英文字母字符替换；步骤17、用CRF++工具分词标注；步骤18、还原替换前的阿拉伯数字字符或英文字母字符。本发明的中文地址分词标注方法的准确率高。 | ||
| 搜索关键词： | 中文 地址 分词 标注 方法 | ||
【主权项】：
一种中文地址分词标注方法，其特征在于，包括：步骤11、对挑选出的地址数据进行人工分词标注，以作为训练数据；步骤12、对于该训练数据中出现的单个阿拉伯数字字符或英文字母字符以及多个连续阿拉伯数字字符或英文字母字符，以预先唯一指定的单个阿拉伯数字字符或英文字母字符替换；步骤13、采用由分词标签和标注标签组成的组合标签将该训练数据转换成CRF++工具所需要的格式；步骤14、定义特征模板；步骤15、使用CRF++工具建立分词标注模型；步骤16、对于欲分词标注的地址中出现的单个阿拉伯数字字符或英文字母字符以及多个连续阿拉伯数字字符或英文字母字符，以该预先唯一指定的单个阿拉伯数字字符或英文字母字符替换，同时保存替换前的阿拉伯数字字符或英文字母字符；步骤17、然后使用CRF++工具对欲分词标注的地址进行分词标注；步骤18、在分词标注结果中还原替换前的阿拉伯数字字符或英文字母字符。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市华傲数据技术有限公司，未经深圳市华傲数据技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510240706.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种钢圈故障自识别方法
- 下一篇：一种利于翻译工作的文件抽取和还原方法
