一種基于無監(jiān)督學習的中文地址分詞方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN202210119464.9 申請日 -
公開（公告）號 CN114154501A 公開（公告）日 2022-03-08
申請公布號 CN114154501A 申請公布日 2022-03-08
分類號 G06F40/289（2020.01）I;G06K9/62（2022.01）I 分類 計算；推算；計數;
發(fā)明人 辛穎梅;胡玉偉;江錫強;鄭雪原;魏剛;張家寶;楊孟金 申請（專利權）人 南京擎天科技有限公司
代理機構 北京弘權知識產權代理有限公司 代理人 逯長明;許偉群
地址 211800江蘇省南京市浦口區(qū)經濟開發(fā)區(qū)天浦路26號
法律狀態(tài) -

摘要

摘要 本申請涉及地址分詞技術領域，提供一種基于無監(jiān)督學習的中文地址分詞方法及系統(tǒng)，利用地址數據間的相關信息，即對于描述內容不同的地址含有全部或部分相同或相近的特征詞，以及特征詞會在地址數據中反復出現的特性，通過LDA主題模型自動挖掘出地址數據的候選特征詞；通過將地址數據切分成詞和字兩種形式，增強不同長度特征詞的挖掘能力；利用特征詞在地址要素內的詞位信息和詞頻信息，進一步合理確定地址切分位置，提高地址分詞的有效性。本申請在進行中文地址分詞時，僅僅使用地址自身的信息，無需額外建立規(guī)模龐大的地址特征詞詞典，也無需標注大量用于訓練模型的地址數據，從而能夠有效解決先驗知識要求多和人工標注成本高的問題。