[发明专利]一种融合句式信息的地址要素识别方法

说明书

一种融合句式信息的地址要素识别方法，包括：获取待识别地址文本的地址片段序列和句式模式；将地址片段序列中的每个地址片段和地址的句式模式输入到特征表示层,得到地址片段序列的特征向量序列；将地址片段序列的特征向量序列输入到地址要素识别模型进行编码解码，得到地址片段序列的标签序列；将地址片段序列的标签序列输入到地址要素后处理模块，得到地址要素的识别结果。本发明通过获取地址的句式信息以及对句式信息进行建模，来提高地址要素识别的准确性。

技术领域

本发明涉及的是信息识别领域，特别涉及一种融合句式信息的地址要素识别方法。

背景技术

在公共安全行业中，地址是一种重要的行业要素。地址数据一般以非结构化的形式存在，这给我们有效的利用地址中包含的细粒度信息带来了挑战。同时，我们通常会采用地址将业务数据进行关联，而地址要素识别作为进行地址关联的重要环节对后续的地址标准化、地址相关性计算等任务起着至关重要的作用。因此，我们需要进行地址要素识别，即正确识别地址文本中要素的边界并预测要素的类别。

目前地址要素识别常常被转换成命名实体识别的问题。因此，所有命名实体识别的技术方案都适用于地址要素识别。与此同时，地址也有其自身的一些特点，比如：上下文信息缺失。因此，现有专利CN201810627403.7中通过引入领域信息、属性信息和结构信息来提升准确性。CN202011211412.1通过引入基础信息、地址词的标识信息和字的特征信息来提升准确性。上述方法一定程度上改善了地址要素识别的准确性，但忽略了地址往往具有一些特定的句式特点。这种句式的具体表现形式为：“省份|城市|行政区|道路名|兴趣点”。直观的来看，如果一个地址中出现了“省份”和“行政区”两种地址要素，那么它们之间的文本片段大概率为“城市”类别。因此，如何获取地址的句式信息以及如何对句式信息进行建模来提高地址要素识别的准确性成为了亟待解决的问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种融合句式信息的地址要素识别方法。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

一种融合句式信息的地址要素识别方法，包括：

S100.获取待识别地址文本的地址片段序列和句式模式；

S200.将地址片段序列中的每个地址片段和地址的句式模式输入到特征表示层,得到地址片段序列的特征向量序列；其中，地址片段表示和地址句式表示，作为地址要素识别模型的参数，通过模型训练得到。

S300.将地址片段序列的特征向量序列输入到地址要素识别模型进行编码解码，得到地址片段序列的标签序列；

S400.将地址片段序列的标签序列输入到地址要素后处理模块，得到地址要素的识别结果。

进一步地，S100中，获取待识别地址文本的地址片段序列方法包括：从待识别的地址文本抽取出预定义的地址要素；这些预定义的地址要素包括：省、市、区、街道、居委会、道路、门牌号、兴趣点、楼栋、单元和楼层号。

进一步地，S100中，获取待识别地址文本的句式模式方法为：地址文本的句式模式通过匹配字典树得到的地址要素标签合并得到，在整个地址匹配完成之后，得到其句式模式为“行政区|兴趣点|楼栋”。

进一步地，S200中，特征表示层的特征融合，至少包括直接将各种特征拼接或拼接后采用全连接层映射。

进一步地，S300中，地址要素识别模型的编码层，至少包括于双向长短期记忆网络和BERT。

进一步地，S300中，地址要素识别模型的解码层，至少包括条件随机场和指针网络。