一种地址识别方法及装置、存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113609290A(43)申请公布日2021.11.05(21)申请号202110856358.4G06Q30/06(2012.01)(22)申请日2021.07.28(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人林元晟王仲琪崔文谦李若昊(74)专利代理机构北京派特恩知识产权代理有限公司11270代理人李江张颖玲(51)Int.Cl.G06F16/35(2019.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书7页附图2页(54)发明名称一种地址识别方法及装置、存储介质(57)摘要本申请实施例提供了一种地址识别方法及装置、存储介质，包括：根据预设分类维度，从待识别地址信息中提取至少一组词向量和至少一个词统计数量；利用预设神经网络模型，依次预测每组词向量中、一个词向量与相邻的下一个词向量之间的关联概率，得到每组词向量对应的一组关联概率；预设神经网络模型为通过无监督训练得到的模型；将至少一组词向量对应的至少一组关联概率和至少一个词统计数量输入预设分类模型中，得到待识别地址信息对应的分类结果，分类结果用于识别待识别地址信息的真实性；预设分类模型为通过有监督训练得到的模型。CN113609290ACN113609290A权利要求书1/2页1.一种地址识别方法，其特征在于，所述方法包括：根据预设分类维度，从待识别地址信息中提取至少一组词向量和至少一个词统计数量；利用预设神经网络模型，依次预测每组词向量中、一个词向量与相邻的下一个词向量之间的关联概率，得到每组词向量对应的一组关联概率；所述预设神经网络模型为通过无监督训练得到的模型；将所述至少一组词向量对应的至少一组关联概率和所述至少一个词统计数量输入预设分类模型中，得到所述待识别地址信息对应的分类结果，所述分类结果用于识别所述待识别地址信息的真实性；所述预设分类模型为通过有监督训练得到的模型。2.根据权利要求1所述的方法，其特征在于，所述根据预设分类维度，从待识别地址信息中提取至少一组词向量和至少一个词统计数量之前，所述方法还包括：利用真样本地址信息对初始神经网络模型进行无监督训练，得到所述预设神经网络模型；基于所述预设神经网络模型，对真样本地址信息和假样本地址信息进行处理，得到样本输出结果；基于所述样本输出结果对初始分类模型进行有监督训练，得到所述预设分类模型。3.根据权利要求1所述的方法，其特征在于，所述根据预设分类维度，从待识别地址信息中提取至少一组词向量和至少一个词统计数量之前，所述方法还包括：对所述待识别地址信息进行分词，得到分词结果；对所述分词结果进行词频统计，得到第一分词和第二分词；所述第一分词的词频高于预设词频阈值，所述第二分词的词频低于预设词频阈值；相应的，所述根据预设分类维度，从待识别地址信息中提取至少一组词向量和至少一个词统计数量，包括：根据所述预设分类维度，将所述第一分词划分为至少一组分词，并对所述至少一组分词进行词向量提取，得到所述至少一组词向量；统计所述第二分词的数量，所述第二分词的数量为所述至少一个词统计数量中的一个统计数量。4.根据权利要求1或3所述的方法，其特征在于，所述预设分类维度包括目标地址、停用词、英文字符、汉字数字、阿拉伯数字、罕见字的数量和停用词之间的字符数量；其中，所述目标地址为词频高于预设词频阈值、且除停用词、英文字符、汉字数字、阿拉伯数字外的地址信息；所述罕见字为词频低于预设词频阈值的地址信息；所述停用词为表征行政区划的词。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：从所述待识别地址信息中，查找所述停用词对应的一组词向量中、每两个相邻词向量之间的字符数量，得到一组字符数量；从一组字符数量中筛选预设数量的字符数量，并对所述预设数量的字符数量进行处理，得到一个统计值；所述一个统计值为所述至少一个词统计数量中的一个统计数量。6.根据权利要求1所述的方法，其特征在于，所述预设神经网络模型为字符级循环神经网络Char‑RNN模型。2CN113609290A权利要求书2/2页7.根据权利要求1所述的方法，其特征在于，所述预设分类模型为随机森林模型。8.一种地址识别装置，其特征在于，所述装置包括：提取单元，用于根据预设分类维度，从待识别地址信息中提取至少一组词向量和至少一个词统计数量；预测单元，用于利用预设神经网络模型，依次预测每组词向量中、一个词向量与相邻的下一个词向量之间的关联概率，得到每组词向量对应的一组关联概率；所述预设神经网络模型为通过无监督训练得到的模