本發明公開了一種基于詞典和機器學習的地址匹配方法，包括地址解析模塊、地址標準化模塊、地址匹配模塊和地址篩選模塊，所述地址解析模塊用于將輸入的地址信息進行地址解析，解析后的地址數據輸入到地址標準化模塊經過標準化處理，處理后的地址信息輸入到地址匹配模塊中進行匹配，匹配到的地址信息利用地址篩選模塊的處理得到最終的標準地址信息；本發明涉及信息技術領域；與現有的其他基于地址詞典切分的模糊匹配相比，本發明采用的模糊地址詞典匹配的方法更加靈活，不需要累積地址元詞典，避免過多的人力去維護地址詞典的同時也有效的避免了因為地址信息變動而地址詞典更新不及時所造成的匹配率下降的問題。

技術領域

本發明涉及信息技術領域，具體為一種基于詞典和機器學習的地址匹配方法。

背景技術

在公安行業中的海量文本挖掘過程中，經常需要找到案件信息中的地址所在地圖的位置以及地址之間的距離，以提高案發地址的可視性和計算關聯性。這就需要在已知地址的情況下，通過與標準地址庫對比找到其標準地址和對應的經緯度，而后通過經緯度映射到地圖上并且計算出兩個地址之間的距離。但是在實際的項目應用中，標準地址庫一般存有百萬乃至千萬級以上的標準地址信息，如果對輸入的地址信息不加處理直接進行匹配操作，既會造成巨大的時間代價又會使得的匹配的準確率不高。

所以在大數據背景下，一種快速有效的地址匹配方法將會推動人工智能在自然語言領域的行業應用。

發明內容

本發明所要解決的主要問題是提供一種基于詞典和機器學習的地址匹配方法，從標準地址數據庫中快速的匹配出準確或者最接近的地址信息，從而提取出該地址對應的經緯度。

技術方案

為實現以上目的，本發明通過以下技術方案予以實現：一種基于詞典和機器學習的地址匹配方法，包括地址解析模塊、地址標準化模塊、地址匹配模塊和地址篩選模塊，所述地址解析模塊用于將輸入的地址信息進行地址解析，解析后的地址數據輸入到地址標準化模塊經過標準化處理，處理后的地址信息輸入到地址匹配模塊中進行匹配，匹配到的地址信息利用地址篩選模塊的處理得到最終的標準地址信息。

作為本發明的進一步優選方案，在地址解析模塊中，利用地址詞典對輸入的地址信息按照區縣、鄉鎮、村組、居委會、小區、樓幢依次進行解析。

作為本發明的進一步優選方案，在地址標準化模塊中，通過對解析出的地址信息進行標準化填充和糾錯處理，然后將處理之后的地址信息輸入到地址匹配模塊中。

作為本發明的進一步優選方案，在地址匹配模塊中，對標準化處理之后的地址信息，通過遞減查詢標準地址數據庫的方式，找出接近的多條地址數據信息，將找到的地址信息數據傳入到地址篩選模塊中。

作為本發明的進一步優選方案，在地址篩選模塊中，對查詢到地址信息數據，首先利用最小編輯距離的方法找出編輯距離最小的地址，如果有多個最小編輯距離，則利用余弦定理對這些最小編輯距離的地址計算其余弦距離，返回最大余弦距離的地址。

有益效果

本發明的主要特點：

1、由于加入地址標準化處理過程使得地址的匹配準確率大大提高。

2、采用模糊匹配算法使得地址匹配速度更快。

3、利用最小編輯距離和余弦相似性，篩選出準確且唯一的標準地址。

本發明與現有技術相比具有如下優點和有益效果：

首先，與現有的其他基于地址詞典切分的模糊匹配相比，本發明采用的遞減式模糊匹配算法，具有速度快、準確率高的優點，同時由于加入了地址篩選模塊的處理，使得篩選出的地址信息更加精確。