[发明专利]一种基于地址分词的地址存储方法、装置及计算机设备

权利要求书

1.一种基于地址分词的地址存储方法，其特征在于，包括：

根据条件随机场CRF，对每个地址的前半部分进行首次切分，得到每个所述地址的第一地址名；其中，所述地址为地理位置的地址；

顺序逐个读取每个地址的第一地址名，依次与标准地址树中的节点中的地址名进行比较；

根据条件随机场CRF对每个地址的后续部分进行再次切分，得到每个所述地址的第二地址名，通过有限状态机进行标注并筛选；采用筛选后的第二地址名进行余弦相似度匹配；

如果读取的当前第一地址名与当前节点的地址名相同，则将该读取的第一地址名、以及筛选后的后续部分的第二地址名，与预先存储的地址进行余弦相似度匹配；

如果匹配相同，则将该读取的第一地址名、以及筛选后的第二地址名与预先存储的地址存储在一个集合中。

2.根据权利要求1所述的方法，其特征在于，所述标准地址树通过以下步骤生成：按照行政区划的地址名、以及相应行政区域的级别大小构建标准地址树；其中，级别相邻的行政区域为所述标准地址树中的父子节点。

3.根据权利要求1所述的方法，其特征在于，所述通过有限状态机进行标注并筛选的过程具体包括：

对再次切分后的每个第二地址名通过关键字标注出每个第二地址名的状态；

将所述每个第二地址名的状态输入有限状态机，并判断是否为一个合理有效的地址；

若地址不是一个合理有效的地址，则对地址进行剔除；若判断到该地址满足有限状态机内的所有状态的规则，则将该地址用于后续的步骤。

4.根据权利要求1所述的方法，其特征在于，所述与预先存储的地址进行余弦相似度匹配的过程具体包括：

将所述第一地址名和再次切分后的第二地址名，生成每个所述第一地址名和所述第二地址名的词频，得到词频向量；

根据所述词频向量计算每个所述第二地址名的权重值；

根据计算出的权重值得到比较向量；

采用所述比较向量，根据余弦相似度计算公式进行相似度计算。

5.根据权利要求4所述的方法，其特征在于，所述余弦相似度计算公式为：

式中：为第一地址的第一比较向量V_A中的元素，ω_Bi为第二地址的第二比较向量V_B中的元素；所述第一地址为当前读取的地址，所述第二地址为所述预先存储的地址；所述元素的数量为n个，i＝1～n。

6.一种基于地址分词的地址存储装置，其特征在于，包括：

切分模块，用于根据条件随机场CRF对每个地址的前半部分进行首次切分，得到每个所述地址的第一地址名；其中，所述地址为地理位置的地址；

比较模块，用于顺序逐个读取每个地址的第一地址名，依次与标准地址树中的节点中的地址名进行比较；

标注筛选模块，用于根据条件随机场CRF对每个地址的后续部分进行再次切分，得到每个所述地址的第二地址名，通过有限状态机进行标注并筛选；采用筛选后的第二地址名进行余弦相似度匹配；

匹配模块，用于如果读取的当前第一地址名与当前节点的地址名相同，则将该读取的第一地址名、以及筛选后的后续部分的第二地址名，与预先存储的地址进行余弦相似度匹配；

存储模块，用于如果匹配相同，则将该读取的第一地址名、以及筛选后的第二地址名与预先存储的地址存储在一个集合中。

7.根据权利要求6所述的装置，其特征在于，所述标准地址树通过以下步骤生成：按照行政区划的地址名、以及相应行政区域的级别大小构建标准地址树；其中，级别相邻的行政区域为所述标准地址树中的父子节点。