地址信息特征表示方法及其装置、设备、介质、产品.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115841107A(43)申请公布日2023.03.24(21)申请号202211358201.XG06F40/126(2020.01)(22)申请日2022.11.01G06N3/047(2023.01)G06N3/044(2023.01)(71)申请人广州欢聚时代信息科技有限公司G06N3/0442(2023.01)地址511442广东省广州市番禺区南村镇G06N3/09(2023.01)万博二路79号万博商务区万达商业广G06N5/04(2023.01)场北区B-1栋23层(72)发明人郭东波(74)专利代理机构广州利能知识产权代理事务所(普通合伙)44673专利代理师王增鑫(51)Int.Cl.G06F40/242(2020.01)G06F40/30(2020.01)G06F40/295(2020.01)G06F40/289(2020.01)权利要求书2页说明书15页附图7页(54)发明名称地址信息特征表示方法及其装置、设备、介质、产品(57)摘要本申请涉及一种地址信息特征表示方法及其装置、设备、介质、产品，所述方法包括：获取包含地址信息的地址文本；以所述地址文本中的每个字元为单位，采用词典适配网络，根据每个字元和所述地址文本中包含该字元的所有词元构造出每个字元的编码信息；将所述地址文本中所有字元相对应的编码信息构造为联合编码信息；将所述联合编码信息输入特征提取网络，提取出所述联合编码信息相对应的深层语义信息。本申请能够精准表示地址文本的深层语义，有效区分地址文本中的多义性，确保对地址文本中的各个行政层级相对应的词元进行对应的语义理解，从而能够使各种下游任务所依据的信息更为有效。CN115841107ACN115841107A权利要求书1/2页1.一种地址信息特征表示方法，其特征在于，包括：获取包含地址信息的地址文本；以所述地址文本中的每个字元为单位，采用词典适配网络，根据每个字元和所述地址文本中包含该字元的所有词元构造出每个字元的编码信息；将所述地址文本中所有字元相对应的编码信息构造为联合编码信息；将所述联合编码信息输入特征提取网络，提取出所述联合编码信息相对应的深层语义信息。2.根据权利要求1所述的地址信息特征表示方法，其特征在于，以所述地址文本中的每个字元为单位，采用词典适配网络，根据每个字元和所述地址文本中包含该字元的所有词元构造出每个字元的编码信息，包括：参考预设词典将所述地址文本分词，获得其中所有命中所述词典的词元，所述词元包含所述地址文本中连续两个以上的字元；根据所述词典将所述地址文本中的每个字元、包含该字元的所有词元构成的词元序列分别构造为字向量、词向量；确定每个词向量相对于其相应的字向量的关键特征信息；将每个字向量与其相应的关键特征信息相融合获得每个字元相对应的编码信息。3.根据权利要求2所述的地址信息特征表示方法，其特征在于，根据所述词典将所述地址文本中的每个字元、包含该字元的所有词元构成的词元序列分别构造为字向量、词向量，包括：查询所述词典，确定所述地址文本中每个字元及每个词元相对应的特征值；根据每个字元的特征值编码相应的字向量；根据每个字元相对应的词元序列中各个词元的特征值，构造该字元相应的词向量；将每个词向量进行特征尺度变换，使其与所述字向量统一特征尺度。4.根据权利要求2所述的地址信息特征表示方法，其特征在于，确定每个词向量相对于其相应的字向量的关键特征，包括：将所述字向量作为查询向量，将所述字向量相对应的词向量作为值向量和键向量，输入注意力层；由所述注意力层利用所述查询向量从键向量中查询出其中的交互特征向量；由所述注意力层将所述交互特征向量归一化为权重向量；将所述值向量匹配所述权重向量获得所述词向量相对于所述字向量的关键特征信息。5.根据权利要求1至4中任意一项所述的地址信息特征表示方法，其特征在于，获取包含地址信息的地址文本之前，包括：将所述词典适配网络与所述特征提取网络搭建为特征表示模型；迭代采用训练数据集中的训练样本输入所述特征表示模型以实施命名实体识别任务相对应的有监督训练，将其训练至收敛状态；其中，所述训练样本为包含地址信息的描述文本，所述特征提取网络被配置为提取出所述训练样本中的深层语义信息后，根据所述深层语义信息识别出其中的命名实体；启动已收敛的所述特征表示模型用于处理所述地址文本，以获得所述地址文本中的各个命名实体，作为相应的地址信息中与垂直行政层级相对应的各个地址单元。2CN115841107A权利要求书2/2页6.根据权利要求1至5中任意一项所述的地址信息特征表示方法，其特征在于，将所述联合编码信息输入特征提取网络，提取出所述联合编码信息相对应的深层语义信息之后，包括：获得所述特征提取网络或其后接的条件随