[发明专利]地址数据处理方法、装置、电子设备及计算机可读介质

说明书

本公开的实施例提供了一种地址数据处理方法、装置、电子设备及计算机可读介质。该方法包括：获取目标地址信息；对所述地址文本数据进行处理，获得目标字符串信息；根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息；其中，所述第一数据集包括尾部词及其尾部地址类型标注，所述第二数据集包括第二地址信息及其第一切分地址、第二切分地址、地址类型标注。本公开实施例提供的地址数据处理方法、装置、电子设备及计算机可读介质，通过第一数据集和/或第二数据集对目标地址类型信息进行匹配，无需借助额外硬件设施与软件技术服务，能够实现算法高覆盖率条件下的地址准确分类。

技术领域

本公开涉及地址技术服务领域，具体而言，涉及一种地址数据处理方法、装置、电子设备及计算机可读介质。

背景技术

目前，地址核验产品是在市场上相对需求最高的地址类数据产品。鉴于家庭和工作地址是用户在日常生活中最活跃的两个地点，市面上需求较多的两个地址核验产品为：工作地址核验和家庭地址核验。目前市场上已有的地址核验产品,大多数采用的数据为基于位置服务(Location Based Services，LBS)数据，通过策略或模型分析人群的作息时间特征，进而对地址位置进行标注，判断其为家庭地址、工作或其他地址。例如，通过地址编码(将详细的结构化地址转换为经纬度坐标)，可以将地址转化为经纬度坐标，结合LBS获取到人群的经纬度坐标数据，若某个坐标点上或区域内白天活跃人群数量显著高于晚上的或者周一至周五活跃人群数量显著高于周末的，则该地址很可能是一个工作地址，反之，若其晚上活跃人群数量显著高于白天或周末人群活跃人群数量显著高于周一至周五，则其很可能是一个家庭地址，否则不能判别其具体类型。

然而，上述方法存在下述缺陷：

(1)对数据量依赖过大：该分类方法是建立在大量数据基础之上的，而目前LBS数据精度高低不一，且覆盖率极低，只有10-15％，底层数据的不足导致上层分类模型的覆盖率和准确率不高。(2)模型特征阈值难以确定：该分类方法需构建许多人群行为特征，虽然人群的行为是有规律可循，但规律界限很难确定。例如什么情况下才是“白天活跃人群数量显著高于晚上”，高出多少才是显著高。另外，该方法无法判定或无法正确判定上夜班、或24小时倒班的情况。(3)模型维护成本高，结果可解释性弱。

因此，需要一种新的地址数据处理方法、装置、电子设备及计算机可读介质。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例提供一种地址数据处理方法、装置及电子设备，进而至少在一定程度上克服现有技术中地址分类覆盖率低且正确性低的缺陷。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

本公开实施例提出一种地址数据处理方法，包括：获取目标地址信息；对所述地址文本数据进行处理，获得目标字符串信息；根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息；其中，所述第一数据集包括尾部词及其尾部地址类型标注，所述第二数据集包括第二地址信息及其第一切分地址、第二切分地址、地址类型标注。

在本公开的一种示例性实施例中，根据第一数据集和/或第二数据集对所述目标字符串信息进行处理，获得所述目标地址信息的目标地址类型信息，包括：将所述目标字符串信息与所述第一数据集中的各尾部词进行匹配，并将匹配成功的尾部词的尾部地址类型标注作为所述目标地址类型信息；和/或根据所述目标字符串信息与所述第二数据集中的各第二地址信息的相似度确定所述目标地址类型信息。