(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211034540.2 (22)申请日 2022.08.26 (71)申请人 东莞理工学院 地址 523808 广东省东莞 市松山湖区大 学 路1号 (72)发明人 郑鸿敏　张剑　潘晓衡　 (74)专利代理 机构 东莞恒成知识产权代理事务 所(普通合伙) 44412 专利代理师 姚伟旗 (51)Int.Cl. G06F 40/295(2020.01) G06F 16/35(2019.01) G06F 16/951(2019.01) (54)发明名称 一种地址要素解析方法和系统 (57)摘要 本发明涉及地址信息处理技术领域， 且公开 了一种地址要素解析方法和系统， 其中一种地址 要素解析方法， 包括： S1、 训练得到地址信息要素 抽取模型； S2、 对用户输入的地址信息进行命名 实体识别， 用训练好的模 型提取所需信息元， 即， 地址信息要素标签； S3、 储存所提取出的地址信 息要素标签； S4、 将地址信息要素标签以结构化 的方式呈现给用户。 该地址要素解析方法， 通过 引入特征提取器BILSTM和条件随机场CRF， 充分 考虑到了地址要素上下文之间的相关性， 让地址 要素提取模 型基于文本上下关系， 且能够自动学 习相关约束， 从而增强了特征表达， 提高了地址 要素解析的效果。 权利要求书2页 说明书9页 附图1页 CN 115481635 A 2022.12.16 CN 115481635 A 1.一种地址要素解析 方法， 其特 征在于， 所述 地址要素解析 方法包括： S1、 训练模型， 训练出地址信息要素抽取模型； S2、 对用户输入的地址信息进行命名实体识别， 用训练好的模型提取所需信息元， 即， 地址信息要素 标签； S3、 储存所提取 出的地址信息要素 标签； S4、 将地址信息要素 标签以结构化的方式呈现给用户。 2.根据权利要求1所述的地址要素解析方法， 其特征在于， 所述S1的训练模型步骤具体 包括： S11、 通过网络 爬虫技术爬取数据， 并存 储到第一数据库中； S12、 对第一数据库中的数据集进行 预处理； S13、 通过 特征提取层提取文本特 征， 得到序列的特 征表征； S14、 通过最优化输出层得到最优 模型参数， 保存最终的地址信息要素抽取模型。 3.根据权利要求1所述的地址要素解析 方法， 其特 征在于， 所述S2具体包括： S21、 将用户输入地址中的每一个词， 构建一个向量用于表示词的意思以及特征， 将由 词转化而成的词向量 通过编码被 计算机所识别和处 理； S22、 依据用户地址的词向量， 通过模型预测出NER标注序列， 解码并输出每个字的序 列， 即得到信息要素。 4.根据权利要求2或3所述的地址要素解析方法， 其特征在于， 所述S12的预处理步骤包 括： S121、 对数据集进行划分， 其中一部分用来训练， 另一部分用来检验 模型效果； S122、 处理地址信息要素标签， 构 建一个包含所有地址信息要素标签的id表， 将地址元 素地址信息要素 标签转化为跟文本一样大小的k维地址信息要素 标签映射序列； S123、 对划分后的地址数据集进行词向量化， 得到该地址的词向量序列， 作为模型的输 入。 5.根据权利要求 4所述的地址要素解析 方法， 其特 征在于， 所述S13步骤 包括： 将词向量序列(x1， x2， ...， xn)作为特征提取层 各个时间步的输入， 再将正向LSTM输出 的隐状态序列(h1 →， h2→， ...， hn→)与反向LSTM输出的隐状态序列(h1 ←， h2←， ...， hn ←)在各个位置输出的 隐状态进 行按位置拼接ht＝[ ht→； ht←]∈Rm， 得到完整的 隐状态序 列(h1， h2， . ..， hn)∈Rn ×m； 利用线性关系将隐状态向量从m维映射到k维， k是标注集的地址信息要素标签数， 从而 得到自动提取的句子特征， 记作矩阵P＝(p1， p2， ...， pn)∈Rn ×k， 其中， pi的每一维pij都 视作将字i分类到第 j个地址信息要 素标签的打分值， 即这个字对于每个地址信息要 素标签 的概率值； 特征提取层的输出即为得到的评分矩阵P。 6.根据权利要求5所述的地址要素解析 方法， 其特 征在于， 所述S14 步骤中： 以(k+2)×(k+2)的转移矩阵A作为最优化输出层的参数， 其 中， Aij表示为从第i个地址 信息要素 标签到第j个地址信息要素 标签的转移得分； 整个序列的打 分等于各个位置的打 分之和， 每 个位置的打 分由矩阵P和矩阵A决定； 具体为：权　利　要　求　书 1/2 页 2 CN 115481635 A 2记一个长度等于句子长度的地址信息要素标签序列y＝(y1， y2， ...， yn)， 则句子x的地 址信息要素 标签等于y的得分为： 句子x的地址信 息要素标签等于y的得分随着训练的迭代次数的增加， 更新转移矩阵的 参数值， 得到模型参数， 保存最终的地址要素抽取模型。 7.根据权利要求6所述的地址要素解析 方法， 其特 征在于， 所述S2 2步骤还包括： 通过用户地址的向量序列， 根据转移矩阵的参数进行维特比解码， 得到预测序列标注 值， 输出每 个字对应的地址信息要素 标签。 8.根据权利要求2所述的地址要素解析 方法， 其特 征在于， 所述S1 1步骤还包括： 数据去噪， 去除与地址无关的内容； 对去噪后的数据进行 标注； 对去噪后的数据进行 标注具体为： 指定各个 触发词类型的定义标准； 找出数据中的触发词， 对所有事 件触发词给予对应地址信息要素 标签； 对每个地址句进行分词处理， 并在每个句子插入开头([CLS])以及 结尾([SEP])这两个 地址信息要素 标签用于为分类任务 服务。 9.根据权利要求7 所述的地址要素解析 方法， 其特 征在于， 所述S121步骤具体包括： 训练集， 采用训练模型的数据集， 通过 数据训练得到模型的参数； 验证集， 用于做超参数的选取与模型的选取； 测试集， 用于 评价模型的好坏， 检测训练后的模型效果； 其中， 数据划分比例为8： 1： 1， 将划分好的带地址信息要素标签数据集存储到第二数据 库中； 所述S123步骤 包括： token embedding阶段， 将各个词转换成固定维度的向量； Segment Embeddings阶段， 前一个句子的词用0表示， 后一个句子的词用1表示， 用于处 理对输入句子对的分类任务； Position Embeddings阶段， 对句子中各个词之间的相对位置信息进行处 理； 将三个向量相加即为预处理后的词向量， 并得到句子中各个字的词向量序列(x1， x2， ...， xn)， 其中n表示 一个地址信息中字的数量。 10.一种地址要素解析系统， 其特 征在于， 包括： 输入模块： 用户输入需要解析的地址信息； 信息元抽取模块： 用于将数据预处理模块处理后的地址文本进行命名实体识别， 提取 所需信息元， 得到地址文本中每 个字的地址信息要素 标签； 存储模块： 用于储 存提取出来的地址信息要素 标签； 输出模块： 将识别出的地址信息要素 标签以结构化的方式呈现给用户。权　利　要　求　书 2/2 页 3 CN 115481635 A 3