[发明专利]地址识别方法和装置

说明书

本公开的实施例公开了地址识别方法和装置。该方法的一具体实施方式包括：获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集，单位属于以下至少一项：事业单位、行政单位、企业单位；响应于确定单位名称集包括目标词的匹配单位名称，确定匹配单位名称作为待处理地址的识别结果以及输出，匹配单位名称是目标词的子串或目标词是匹配单位名称的子串。该实施方式实现了对待处理地址的精确识别。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及地址识别方法和装置。

背景技术

文本是常用的一种地址描述方法之一。目前，在许多涉及地址的应用场景中，通常都是基于统一的行政区划设置来描述地址。例如，采用XX省XX市XX路XX号XX学校来描述XX学校的地址。

一般地，对于许多公开的单位(如学校、医院等)都有统一标准的地址表述。而用户在填写地址时，经常出现错写字、漏写字、简写字等各种情况，从而会增加识别地址的难度。

发明内容

本公开的实施例提出了地址识别方法和装置。

第一方面，本公开的实施例提供了一种地址识别方法，该方法包括：获取对待处理地址进行分词处理得到的第一词集和第一词集中的各词分别指示的区域的区域等级信息；响应于确定第一词集中的各词分别对应的区域等级信息包括用于指示单位的目标区域等级信息，获取第一词集中对应目标区域等级信息的词作为目标词，以及获取预设的单位名称集，其中，单位属于以下至少一项：事业单位、行政单位、企业单位；响应于确定单位名称集包括目标词的匹配单位名称，确定匹配单位名称作为待处理地址的识别结果以及输出，其中，匹配单位名称是目标词的子串或目标词是匹配单位名称的子串。

在一些实施例中，单位名称集由待处理地址所在的、对应于预设区域等级信息的区域内的各单位的单位名称组成；以及获取预设的单位名称集，包括：根据待处理地址所在的、对应于预设区域等级信息的区域，从预设的地址信息库获取单位名称集，其中，地址信息库用于存储单位名称与单位名称指示的单位所在的、对应于预设区域等级信息的区域之间的对应关系。

在一些实施例中，上述方法还包括：响应于确定第一词集中的各词分别对应的区域等级信息不包括用于指示单位的目标区域等级信息，或，响应于确定单位名称集不包括目标词的匹配单位名称，针对单位名称集中的单位名称，执行如下步骤：获取对该单位名称指示的单位的地址进行分词处理得到的第二词集和第二词集中的各词分别指示的区域的区域等级信息；确定第一词集和第二词集中具有相同区域等级信息的词作为一组，得到至少一个词组；针对至少一个词组中的词组，确定由该词组中属于第一词集的词组成的第一子词组，和由该词组中属于第二词集的词组成的第二子词组之间的相似度作为该词组对应的相似度；根据至少一个词组分别对应的相似度，确定待处理地址与该单位名称指示的单位的地址之间的相似度；上述方法还包括：确定单位名称集中的、对应的相似度不小于预设的相似度阈值的单位名称作为待处理地址的识别结果以及输出。

在一些实施例中，确定由该词组中属于第一词集的词组成的第一子词组，和由该词组中属于第二词集的词组成的第二子词组之间的相似度作为该词组对应的相似度，包括：确定第一子词组中的各词分别与第二子词组中的各词之间的相似度，得到相似度集；确定第一子词组包括的词的数目作为第一数目，确定第二子词组包括的词的数目作为第二数目，确定第一数目和第二数目中的最小值和最大值；从相似度集中选取最小值个相似度，以及确定选取的各相似度的总和；确定所确定的总和与最大值的商作为第一子词组与第二子词组之间的相似度。