买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京明亿科技有限公司

摘要：本公开实施例公开了基于正则表达式的接处警文本地址提取方法和装置。该方法的一具体实施方式包括：获取待提取地址接处警文本；将待提取地址接处警文本与地址提取正则表达式进行匹配，以提取待提取地址接处警文本中的地址。该实施方式实现了自动提取接处警文本中的地址。

主权项：1.一种基于正则表达式的接处警文本地址提取方法，包括：获取待提取地址接处警文本；将所述待提取地址接处警文本与地址提取正则表达式进行匹配，以提取所述待提取地址接处警文本中的地址；其中，所述地址提取正则表达式是通过如下第一训练步骤预先训练得到的：获取训练样本集合和测试样本集合，其中，训练样本和测试样本均包括历史接处警文本和相应的标注地址信息序列，其中，标注地址信息包括起始位置和结束位置，标注地址信息用于表征历史接处警文本中起始位置和结束位置之间为地址；用所述训练样本集合中标注地址信息序列不为空的各训练样本生成正样本集合；在所述正样本集合中选取正样本组成目标数目个正样本子集合；对于所述目标数目个正样本子集合中的每个正样本子集合，基于该正样本子集合中各正样本，生成与该正样本子集合对应的候选正则表达式；基于所述测试样本集合对所生成的各个候选正则表达式进行测试以确定与每个所生成的候选正则表达式对应的准确率；将所生成的各候选正则表达式中准确率最高的候选正则表达式确定为所述地址提取正则表达式；其中，所述在所述正样本集合中选取正样本组成目标数目个正样本子集合，包括：执行所述目标数目次正样本子集合生成操作以生成所述目标数目个正样本子集合，所述正样本子集合生成操作包括：在所述正样本集合中随机选取N个正样本组成正样本子集合，其中，所述N为对L除以M的商向下取整所得的整数，所述L是所述正样本集合中的正样本数量，所述M是大于等于2小于所述L的正整数；其中，训练样本集合中的正样本数量和负样本数量的比值在第一预设比例范围内，第一预设比例范围是在大于等于0.6且小于等于1.6之间；测试样本集合中的正样本数量和负样本数量的比值在第二预设比例范围内，第二预设比例范围是在大于等于0.6且小于等于1.6之间；训练样本集合中的正样本数量要多于测试样本集合中的正样本数量；其中，所述基于该正样本子集合中各正样本，生成与该正样本子集合对应的候选正则表达式，包括：首先对于该正样本子集合中的每个正样本，按照该正样本的标注地址信息序列中每个标注地址信息中的起始位置和终止位置获取该正样本的历史接处警文本中的相应地址；然后，基于针对该正样本子集合中的各正样本所获取的地址，生成与该正样本子集合对应的候选正则表达式；其中，将目标重复内容作为正则表达式中的内容，而将目标变化内容在正则表达式中用通配符表示，其中，目标重复内容在至少一个文本中的重复比例大于等于预设比例，目标变化内容在至少一个文本中的重复比例小于上述预设比例。

全文数据：

权利要求：

百度查询： 北京明亿科技有限公司 基于正则表达式的接处警文本地址提取方法和装置