1.一种地址相似度评估方法,其特征在于,具体包括以下步骤:
Step1:获取待比较地址X的地址文本strx及该地址对应的经纬度坐标(Ex,Nx)和目标地址Y的地址文本stry及该地址对应的经纬度坐标(Ey,Ny);
Step2:对待比较地址X的地址文本strx和目标地址Y的地址文本stry进行预处理,采用命名实体识别技术和地址词库对其进行六段式分词,对不足六段式的地址进行补充,得到待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6};
Step3:对待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}以六段式设权重,对应权重集合为W:{w1,w2…w6};
Step4:以待比较地址X的地址文本strx和目标地址Y的地址文本stry作为输入,采用字符串相似算法Jaro-Winler Distance对其进行相似度的计算,得到待比较地址X和目标地址Y之间基于地址文本的相似度Sim1(X,Y);
Step5:以待比较地址X的经纬度坐标(Ex,Nx)和目标地址Y的经纬度坐标(Ey,Ny)作为输入,采用坐标转换及勾股定理,计算待比较地址X和目标地址Y的直线距离lxy,给出误差范围Δl,由公式(1)计算待比较地址X和目标地址Y之间基于经纬度坐标的相似度Sim2(X,Y);
Step6:以待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}作为输入,以权重集合W:{w1,w2…w6}作为标准,生成特征向量FX={fx1,fx2…fxg}和FY={fy1,fy2…fyg},由余弦定理确定待比较地址X和目标地址Y之间基于词集合的相似度Sim3(X,Y);
Step7:设Step4、Step5、Step6步骤所计算出的相似度对应权值分别为α、β、γ,权值α、β、γ满足α+β+γ=1的要求,由相似度Sim1(X,Y)及权值α、相似度Sim2(X,Y)及权值β、相似度Sim3(X,Y)及权值γ,由公式(2)计算出待比较地址X和目标地址Y之间的最终相似度Sim(X,Y);
Sim(X,Y)=Sim1(X,Y)·α+Sim2(X,Y)·β+Sim3(X,Y)·γ (2)。
2.根据权利要求1所述的地址相似度评估方法,其特征在于:所述步骤Step2中,地址词库应包含全国地名数据,按照行政级别依次排序,并且每个地名对应唯一一个的所属的经纬度范围。
3.根据权利要求1所述的地址相似度评估方法,其特征在于:所述步骤Step3中权重集合W:{w1,w2…w6},是对六段式地址信息的每段设置权重,该权重需满足公式:w1<w2<w3<w4>w5>w6的要求。
4.根据权利要求1所述的地址相似度评估方法,其特征在于:所述步骤Step6中,特征向量FX={fx1,fx2…fxg}和FY={fy1,fy2…fyg}的长度g由待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}中的元素决定;如公式:g=len(X∪Y)所示,即特征向量FX={fx1,fx2…fxg}和FY={fy1,fy2…fyg}的长度g为待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}的并集集合长度。
5.根据权利要求1所述的地址相似度评估方法,其特征在于:所述步骤Step7中,相似度对应权值α、β、γ需满足β<α<γ的要求。
6.根据权利要求1所述的地址相似度评估方法,其特征在于:所述步骤Step4、Step5、Step6、Step7中所计算的相似度Sim1(X,Y)、Sim2(X,Y)、Sim3(X,Y)、Sim(X,Y)应是一个介于[0,1]之间的数值,且值越接近1则说明待比较地址X和目标地址Y的相似度越高。