[发明专利]一种数据处理方法及装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

基于分词参考数据对非结构化地址进行分词处理以获得地址分词；以及

基于短语结构参考数据对所述地址分词进行结构化处理以获得与所述非结构化地址相对应的结构化数据。

2.根据权利要求1所述的方法，其特征在于，进一步包括：

基于与所述非结构化地址相对应的结构化数据获得地址树节点数据；以及

基于所述地址树节点数据和所述树结构参考数据获得地址树。

3.根据权利要求1所述的方法，其特征在于，进一步包括：

基于分类参考数据对所述结构化数据进行分类，以获取地址分类数据。

4.根据权利要求1至3中任一项权利要求所述的方法，其特征在于，所述对非结构化地址进行分词处理的步骤进一步包括：

对所述非结构化地址进行形式处理。

5.根据权利要求2所述的方法，其特征在于，通过利用结构化地址数据样本进行地址分词样本训练以得到所述分词参考数据，通过利用结构化地址数据样本进行地址短语结构样本训练以得到所述短语结构参考数据，通过利用结构化地址数据样本进行地址树结构样本训练得到所述树结构参考数据。

6.根据权利要求3所述的方法，其特征在于，通过利用结构化地址数据样本进行地址分词样本训练以得到所述分词参考数据，通过利用结构化地址数据样本进行地址短语结构样本训练以得到所述短语结构参考数据，通过利用结构化地址数据样本进行地址分类样本训练以得到所述分类参考数据。

7.根据权利要求3所述的方法，其特征在于，通过词语间的互信息分析，确定词语之间相关性。

8.根据权利要求5所述的方法，其特征在于，所述通过利用结构化地址数据样本进行地址树结构样本训练得到所述树结构参考数据的操作进一步包括：

按照所述树结构参考数据的预定要求定义各节点的节点类型；

分析所述结构化地址数据样本中各个短语结构转换到地址树结构中的节点的转换概率；以及

基于所述转换概率，获得所述树结构参考数据。

9.根据权利要求2所述的方法，其特征在于，所述地址树中的地址树节点数据之间存在相互关系。

10.一种数据处理装置，其特征在于，包括：

分词处理模块，用于基于分词参考数据对非结构化地址进行分词处理以获得地址分词；以及

结构化处理模块，用于基于短语结构参考数据对所述地址分词进行结构化处理以获得与所述非结构化地址相对应的结构化数据。

11.根据权利要求10所述的装置，其特征在于，进一步包括：

地址树节点数据获取模块，用于基于与所述非结构化地址相对应的结构化数据获得地址树节点数据；以及

地址树获得模块，用于基于所述地址树节点数据和所述树结构参考数据获得地址树。

12.根据权利要求10所述的装置，其特征在于，进一步包括：

分类模块，用于基于分类参考数据对所述结构化数据进行分类，以获取地址分类数据。

13.根据权利要求10至12中任一项权利要求所述的装置，其特征在于，所述对非结构化地址进行分词处理的步骤进一步包括：

形式处理模块，用于对所述非结构化地址进行形式处理。

14.根据权利要求11所述的装置，其特征在于，通过利用结构化地址数据样本进行地址分词样本训练以得到所述分词参考数据，通过利用结构化地址数据样本进行地址短语结构样本训练以得到所述短语结构参考数据，通过利用结构化地址数据样本进行地址树结构样本训练得到所述树结构参考数据。

15.根据权利要求12所述的装置，其特征在于，通过利用结构化地址数据样本进行地址分词样本训练以得到所述分词参考数据，通过利用结构化地址数据样本进行地址短语结构样本训练以得到所述短语结构参考数据，通过利用结构化地址数据样本进行地址分类样本训练以得到所述分类参考数据。

16.根据权利要求12所述的装置，其特征在于，通过词语间的互信息分析，确定词语之间相关性。