龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：佛山科学技术学院;广东工业大学
申请日：2024-05-22
公开（公告）日：2024-06-21
公开（公告）号：CN118227809A
主分类号：G06F16/387
分类号：G06F16/387;G06F40/216;G06F40/284;G06F16/33;G06F16/35
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明属于数据处理的领域，提供了一种基于文本分类进行地址分类的词元分隔方法及系统，筛选每个词元序列聚类中的词元靶序列，根据各个词元序列的对齐词元数计算该词元序列聚类的聚类对齐数，将中心词元序列中首个词元至聚类对齐数对应的词元的部分截取出来，计算得到该词元序列聚类的中心词元索引量；将输入的待检索地址文本向量化后与各个词元序列聚类中的词元靶序列对应的词向量序列进行匹配得到匹配的词元靶序列；根据匹配的词元靶序列所在的词元序列聚类对应的中心词元索引量和聚类对齐数，对待检索地址文本的词向量序列进行分隔补齐，得到所述待检索地址文本的分隔补齐序列，能够更有效地将待检测地址文本归类至区域地址。
主权项：1.一种基于文本分类进行地址分类的词元分隔方法，其特征在于，所述方法包括：收集多个不同的地址文本组成地址文本数据集，并获取每个地址文本对应的坐标，对每个地址文本进行分词得到词元序列，获取其中每个词元的嵌入向量，组成词向量序列；计算获取所述地址文本数据集中的词元序列聚类，通过分别将每个词元序列与中心词元序列进行对比得到每个词元序列的地址贴合数；再在各个词元序列聚类中，计算每个词元序列对应的坐标与其所在的词元序列聚类的中心词元序列对应的坐标之间的距离，作为该词元序列对应的地址修正距离，根据地址修正距离和地址贴合数，筛选每个词元序列聚类中的词元靶序列；根据词元序列聚类中各个词元序列的对齐词元数计算该词元序列聚类的聚类对齐数，将该词元序列聚类的中心词元序列中首个词元至聚类对齐数对应的词元的部分截取出来，进行计算得到该词元序列聚类的中心词元索引量；当进行地址文本检索时，将输入的待检索地址文本向量化后与各个词元序列聚类中的词元靶序列对应的词向量序列通过向量搜索进行匹配，得到匹配的词元靶序列；根据匹配的词元靶序列所在的词元序列聚类对应的中心词元索引量和聚类对齐数，对待检索地址文本的词向量序列进行分隔补齐，得到所述待检索地址文本的分隔补齐序列。
全文数据：
权利要求：
百度查询： 佛山科学技术学院;广东工业大学 一种基于文本分类进行地址分类的词元分隔方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号