基于文本复杂度与节点搜索的地址确定方法及系统与流程
本发明涉及数据处理,尤其涉及一种基于文本复杂度与节点搜索的地址确定方法及系统。
背景技术:
1、随着地址解析与地理信息服务在物流、导航和智慧城市领域的快速增长,用户和平台运营商越来越重视通过智能化手段提升地址匹配的准确性和效率,其中,如何实现精准地址解析以降低因地址文本模糊的匹配偏差风险成为关键技术问题。现有技术通常通过获取用户输入的待匹配地址文本,采用固定层级搜索或简单关键词匹配方式在地址数据库中进行节点匹配,并基于统一规则返回结果,以支持地址解析需求。现有解决方案因缺乏对地址文本复杂度的动态预测分析以及根据复杂度智能确定初始匹配层级的机制,难以在地址图节点网络中实现从合适层级开始的精准搜索,常用静态或单层匹配策略无法适配不同复杂度的地址文本,导致地址解析的准确性和效率不足,易因层级不当或模糊文本处理不佳引发匹配偏差,限制了地址服务系统的整体性能与用户体验。可见,现有技术存在缺陷,亟待解决。
技术实现思路
1、本发明所要解决的技术问题在于,提供一种基于文本复杂度与节点搜索的地址确定方法及系统,能够实现基于文本复杂度驱动的分层精准地址匹配,提升地址解析的准确性和效率,降低因地址文本模糊或层级不当导致的匹配偏差风险。
2、为了解决上述技术问题,本发明第一方面公开了一种基于文本复杂度与节点搜索的地址确定方法,所述方法包括:
3、获取用户输入的待匹配的地址文本;
4、基于文本复杂度算法,预测所述地址文本对应的最终文本复杂度;
5、根据所述最终文本复杂度,确定所述地址文本对应的初始匹配层级;
6、在预设的地址图节点网络中从所述初始匹配层级开始对所述地址文本进行节点匹配搜索,以得到所述地址文本对应的匹配地址。
7、作为一个可选的实施方式,在本发明第一方面中,所述基于文本复杂度算法,预测所述地址文本对应的最终文本复杂度,包括:
8、将所述地址文本和对应的所述用户的输入过程数据,输入至最终文本预测模型,以得到多个输出的预测最终文本;
9、基于文本复杂度算法,确定每一所述预测最终文本对应的复杂度;
10、基于所有所述预测最终文本对应的复杂度,计算所述地址文本对应的最终文本复杂度。
11、作为一个可选的实施方式,在本发明第一方面中,所述输入过程数据包括所述用户在输入所述地址文本的时间段中的键盘操作数据、鼠标操作数据、触摸屏操作数据或语音数据中的至少一种。
12、作为一个可选的实施方式,在本发明第一方面中,所述基于文本复杂度算法,确定每一所述预测最终文本对应的复杂度,包括:
13、将每一所述预测最终文本输入至训练好的文本复杂度预测模型中,以得到对应的复杂度;所述文本复杂度预测模型通过包括有多个训练地址文本和对应的地址复杂度标注的训练数据集训练得到。
14、作为一个可选的实施方式,在本发明第一方面中,所述基于所有所述预测最终文本对应的复杂度,计算所述地址文本对应的最终文本复杂度,包括:
15、计算所有所述预测最终文本对应的复杂度的加权求和平均值,得到所述地址文本对应的最终文本复杂度;其中,每一所述复杂度对应的计算权重为第一权重和第二权重的乘积;所述第一权重和对应的所述预测最终文本的文本长度成反比;所述第二权重和对应的所述预测最终文本和所述地址文本之间的相似度成正比。
16、作为一个可选的实施方式,在本发明第一方面中,所述根据所述最终文本复杂度,确定所述地址文本对应的初始匹配层级,包括:
17、基于预设的复杂度区间和层级的对应关系,确定所述最终文本复杂度对应的多个候选匹配层级;
18、基于每一所述候选匹配层级的历史匹配数据,确定每一所述候选匹配层级对应的匹配度参数;
19、将所述匹配度参数最高的所述候选匹配层级,确定为所述地址文本对应的初始匹配层级。
20、作为一个可选的实施方式,在本发明第一方面中,所述基于每一所述候选匹配层级的历史匹配数据,确定每一所述候选匹配层级对应的匹配度参数,包括:
21、对于每一所述候选匹配层级,获取该候选匹配层级对应的多个历史成功匹配文本;
22、计算每一所述历史成功匹配文本与所述地址文本之间的文本相似度的平均值,得到该候选匹配层级对应的匹配度参数。
23、作为一个可选的实施方式,在本发明第一方面中,所述节点匹配搜索包括以下步骤:
24、将所述地址文本和对应的所述最终文本复杂度,输入至训练好的特征提取网络中,以得到对应的文本特征;
25、在预设的地址图节点网络中确定所述初始匹配层级对应的多个图节点;
26、计算每一所述图节点的节点特征值和所述文本特征之间的特征匹配度;
27、将所述特征匹配度最高的所述图节点对应的节点地址文本纳入待整理的地址文本集合;
28、确定所述特征匹配度最高的所述图节点沿所述初始匹配层级的下一层级对应的多个图节点,以重复进行特征匹配度的计算和搜索,直至搜索完成,得到完整的地址文本集合;
29、基于文本最优组合预测算法,确定所述地址文本集合对应的文本组合,以得到所述地址文本对应的匹配地址。
30、本发明实施例第二方面公开了一种基于文本复杂度与节点搜索的地址确定系统,所述系统包括:
31、获取模块,用于获取用户输入的待匹配的地址文本;
32、预测模块,用于基于文本复杂度算法,预测所述地址文本对应的最终文本复杂度;
33、确定模块,用于根据所述最终文本复杂度,确定所述地址文本对应的初始匹配层级;
34、匹配模块,用于在预设的地址图节点网络中从所述初始匹配层级开始对所述地址文本进行节点匹配搜索,以得到所述地址文本对应的匹配地址。
35、作为一个可选的实施方式,在本发明第二方面中,所述预测模块基于文本复杂度算法,预测所述地址文本对应的最终文本复杂度的具体方式,包括:
36、将所述地址文本和对应的所述用户的输入过程数据,输入至最终文本预测模型,以得到多个输出的预测最终文本;
37、基于文本复杂度算法,确定每一所述预测最终文本对应的复杂度;
38、基于所有所述预测最终文本对应的复杂度,计算所述地址文本对应的最终文本复杂度。
39、作为一个可选的实施方式,在本发明第二方面中,所述输入过程数据包括所述用户在输入所述地址文本的时间段中的键盘操作数据、鼠标操作数据、触摸屏操作数据或语音数据中的至少一种。
40、作为一个可选的实施方式,在本发明第二方面中,所述预测模块基于文本复杂度算法,确定每一所述预测最终文本对应的复杂度的具体方式,包括:
41、将每一所述预测最终文本输入至训练好的文本复杂度预测模型中,以得到对应的复杂度;所述文本复杂度预测模型通过包括有多个训练地址文本和对应的地址复杂度标注的训练数据集训练得到。
42、作为一个可选的实施方式,在本发明第二方面中,所述预测模块基于所有所述预测最终文本对应的复杂度,计算所述地址文本对应的最终文本复杂度的具体方式,包括:
43、计算所有所述预测最终文本对应的复杂度的加权求和平均值,得到所述地址文本对应的最终文本复杂度;其中,每一所述复杂度对应的计算权重为第一权重和第二权重的乘积;所述第一权重和对应的所述预测最终文本的文本长度成反比;所述第二权重和对应的所述预测最终文本和所述地址文本之间的相似度成正比。
44、作为一个可选的实施方式,在本发明第二方面中,所述确定模块根据所述最终文本复杂度,确定所述地址文本对应的初始匹配层级的具体方式,包括:
45、基于预设的复杂度区间和层级的对应关系,确定所述最终文本复杂度对应的多个候选匹配层级;
46、基于每一所述候选匹配层级的历史匹配数据,确定每一所述候选匹配层级对应的匹配度参数;
47、将所述匹配度参数最高的所述候选匹配层级,确定为所述地址文本对应的初始匹配层级。
48、作为一个可选的实施方式,在本发明第二方面中,所述确定模块基于每一所述候选匹配层级的历史匹配数据,确定每一所述候选匹配层级对应的匹配度参数的具体方式,包括:
49、对于每一所述候选匹配层级,获取该候选匹配层级对应的多个历史成功匹配文本;
50、计算每一所述历史成功匹配文本与所述地址文本之间的文本相似度的平均值,得到该候选匹配层级对应的匹配度参数。
51、作为一个可选的实施方式,在本发明第二方面中,所述节点匹配搜索包括以下步骤:
52、将所述地址文本和对应的所述最终文本复杂度,输入至训练好的特征提取网络中,以得到对应的文本特征;
53、在预设的地址图节点网络中确定所述初始匹配层级对应的多个图节点;
54、计算每一所述图节点的节点特征值和所述文本特征之间的特征匹配度;
55、将所述特征匹配度最高的所述图节点对应的节点地址文本纳入待整理的地址文本集合;
56、确定所述特征匹配度最高的所述图节点沿所述初始匹配层级的下一层级对应的多个图节点,以重复进行特征匹配度的计算和搜索,直至搜索完成,得到完整的地址文本集合;
57、基于文本最优组合预测算法,确定所述地址文本集合对应的文本组合,以得到所述地址文本对应的匹配地址。
58、本发明第三方面公开了另一种基于文本复杂度与节点搜索的地址确定系统,所述系统包括:
59、存储有可执行程序代码的存储器;
60、与所述存储器耦合的处理器;
61、所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于文本复杂度与节点搜索的地址确定方法中的部分或全部步骤。
62、本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于文本复杂度与节点搜索的地址确定方法中的部分或全部步骤。
63、与现有技术相比,本发明实施例具有以下有益效果:
64、本发明通过获取用户输入的待匹配地址文本,基于文本复杂度算法预测最终文本复杂度,根据复杂度确定初始匹配层级,并在地址图节点网络中从该层级开始进行节点匹配搜索得到匹配地址,从而能够实现基于文本复杂度驱动的分层精准地址匹配,提升地址解析的准确性和效率,降低因地址文本模糊或层级不当导致的匹配偏差风险。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com