一种基于无监督学习的中文地址分词方法及系统
基本信息
| 申请号 | CN202210119464.9 | 申请日 | - |
| 公开（公告）号 | CN114154501A | 公开（公告）日 | 2022-03-08 |
| 申请公布号 | CN114154501A | 申请公布日 | 2022-03-08 |
| 分类号 | G06F40/289（2020.01）I;G06K9/62（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 辛颖梅;胡玉伟;江锡强;郑雪原;魏刚;张家宝;杨孟金 | 申请（专利权）人 | 南京擎天科技有限公司 |
| 代理机构 | 北京弘权知识产权代理有限公司 | 代理人 | 逯长明;许伟群 |
| 地址 | 211800江苏省南京市浦口区经济开发区天浦路26号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本申请涉及地址分词技术领域，提供一种基于无监督学习的中文地址分词方法及系统，利用地址数据间的相关信息，即对于描述内容不同的地址含有全部或部分相同或相近的特征词，以及特征词会在地址数据中反复出现的特性，通过LDA主题模型自动挖掘出地址数据的候选特征词；通过将地址数据切分成词和字两种形式，增强不同长度特征词的挖掘能力；利用特征词在地址要素内的词位信息和词频信息，进一步合理确定地址切分位置，提高地址分词的有效性。本申请在进行中文地址分词时，仅仅使用地址自身的信息，无需额外建立规模庞大的地址特征词词典，也无需标注大量用于训练模型的地址数据，从而能够有效解决先验知识要求多和人工标注成本高的问题。 |
