地址纠错方法、装置、电子设备、介质和计算机程序产品与流程

1.本公开涉及图像识别和人工智能技术领域，更具体地，涉及一种地址纠错方法、装置、电子设备、介质和计算机程序产品。


背景技术：

2.目前的地址纠错方法均非常依赖地址树的建立与维护。例如大多都是基于编辑距离进行纠错，当地址在地址树中无法找到时，装置可能会把正确识别的地址查找为错误的地址。例如：云南省昆明市寻甸回族彝族自治县金所乡海子村委会新龙村37号。相关部门地址行政区划库中没有“金所乡”这个地址，而如果跳过金所乡依赖海子村委会进行查询时，结果为：“云南省530000000000，昆明市530100000000，寻甸回族彝族自治县530129000000，倘甸镇530129105000，海子村委会530129105206”。
3.在该地址中，由于地址树中缺少金所乡时，编辑距离纠错会将金所乡纠正为倘甸镇。而在光学文字识别中，这将变为完全影响文字识别结果的操作。与其说现有专利是“地址纠错”，不妨说现有专利为“地址标准化”更为贴切。


技术实现要素：

4.有鉴于此，本公开提供了一种纠错率高的地址纠错方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
5.本公开的一个方面提供了一种地址纠错方法，包括：获取地址信息；识别所述地址信息中的m个可疑位置，m个所述可疑位置分别具有ni个可疑字，其中，m和ni均为大于等于1的整数，1≤i≤m；根据m个所述可疑位置的ni个所述可疑字，组合出g个可能地址，其中，所述可能地址的个数g为将m个所述可疑位置的可疑字的个数相乘的结果；将每个所述可能地址与标准地址库中的标准地址比较，得到所述可能地址中的t个孤立地点，其中，所述孤立地点为非标准地址，t为大于等于0的整数。
6.提取h个第一纠错地址，每个所述第一纠错地址为所述孤立地点中包括所述可疑位置的所述可能地址，其中，h为大于等于1的整数；根据每个所述第一纠错地址，将每个所述可疑字与所述标准地址中的标准字比较，得到每个所述可疑字的s个相似度结果，其中，s为大于等于1的整数；根据s个所述相似度结果，用所述标准地址中的标准字替换对应的所述可疑字，得到k个可能正确地址，其中，k为小于等于s的整数；以及对k个所述可能正确地址中的所述标准字进行打分，将总得分最高的所述标准字替换所述可疑位置的所述可疑字，得到唯一正确地址。
7.在一些实施例中，所述识识别所述地址信息中的m个可疑位置，m个所述可疑位置分别具有ni个可疑字包括：识别所述地址信息中的每个字，得到识别结果，其中，所述地址信息中的每个字具有r个识别结果，r为大于等于1的整数；计算每个所述识别结果的置信度；以及当所述置信度大于第一阈值且小于第二阈值时，将与该置信度对应的所述识别结果作为所述可疑字，所述可疑字所在位置为所述可疑位置，其中。
8.在一些实施例中，所述将每个所述可能地址与标准地址库中的标准地址比较，得到所述可能地址中的t个孤立地点包括：将每个所述可能地址按照行政级别分词，以使每个所述可能地址包括多个行政节点；将每个所述行政节点与标准地址库中的标准地址匹配；以及当所述行政节点与所述标准地址无匹配结果时，将该行政节点作为所述孤立地点。
9.在一些实施例中，所述标准地址库包括多个所述标准地址，每个所述标准地址包括按照行政级别划分的多个节点名和与所述节点名一一对应的行政编号。
10.在一些实施例中，所述标准地址还包括与所述节点名对应的至少一个节点别名。
11.在一些实施例中，每个所述第一纠错地址还为包括所述孤立地点的数量最少的所述可能地址。
12.在一些实施例中，所述根据每个所述第一纠错地址，将每个所述可疑字与所述标准地址中的标准字比较，得到每个所述可疑字的s个相似度结果包括：根据每个所述第一纠错地址，获取对应的第二纠错地址，所述第二纠错地址中的所述孤立地点的上游节点和下游节点均能够在所述标准地址库中匹配到所述标准地址，其中，所述上游节点为比所述孤立地点高一个行政级别的地点，所述下游节点为比所述孤立地点低一个行政级别的地点；以及将每个所述第二纠错地址中的每个所述可疑字与所述标准地址中的标准字比较，得到每个所述可疑字的s个相似度结果。
13.在一些实施例中，所述将每个所述第二纠错地址中的每个所述可疑字与所述标准地址中的标准字比较，得到每个所述可疑字的s个相似度结果包括：确定每个所述可疑字与所述标准地址中的标准字的相似度值；以及判断1减去所述相似度值的结果是否小于第三阈值乘以log(所述可疑字所在所述孤立节点的字数)的结果，得到相似度结果。
14.在一些实施例中，所述根据s个所述相似度结果，用所述标准地址中的标准字替换对应的所述可疑字，得到k个可能正确地址包括：当1减去所述相似度值的结果小于第三阈值乘以log(所述可疑字所在所述孤立节点的字数)的结果时，用所述标准地址中的标准字替换对应的所述可疑字，得到k个可能正确地址，其中，k为小于等于s的整数。
15.在一些实施例中，所述对k个所述可能正确地址中的所述标准字进行打分，将总得分最高的所述标准字替换所述可疑位置的所述可疑字，得到唯一正确地址包括：统计k个所述可能正确地址中基于同一可疑位置，同一所述标准字替换该可疑位置的所述可疑字的替换次数；将所述替换次数最多的所述标准字替换该可疑位置的所述可疑字；以及将m个所述可疑位置的所述可疑字均替换为对应的所述替换次数最多的所述标准字后，得到所述唯一正确地址。
16.根据本公开实施例的地址纠错方法，可以便于将获得的地址信息进行纠错，使得对地址信息的识别更准确，给用户提供更加准确的显示结果。另外，通过循环遍历所有ocr识别结果的排列组合，可以筛选出尽可能多的可能地址。另外，通过在标准地址库中添加节点别名，可以灵活应对地址信息中行政节点名变化的情况。
17.另外，通过对第一纠错地址进行纠错，每个第一纠错地址还为包括孤立地点的数量最少的可能地址，可以保证后续流程的准确率。另外，根据识别结果中每个字的置信度进行筛选，确保不会将正确的字纠正为错误的字。另外，通过可疑字与标准字的相似度以及包括可疑字的孤立地点的词的字数得到相似度结果，确保不会将正确的字纠正为错误的字。另外，通过对k个可能正确地址中的标准字进行打分，将总得分最高的标准字替换可疑位置
的可疑字，得到唯一正确地址，进一步提升纠错准确率。
18.本公开的另一个方面提供了一种地址纠错装置，包括：获取模块，所述获取模块用于执行获取地址信息；识别模块，所述识别模块用于执行识别所述地址信息中的m个可疑位置，m个所述可疑位置分别具有ni个可疑字，其中，m和ni均为大于等于1的整数，1≤i≤m；组合模块，所述组合模块用于执行根据m个所述可疑位置的ni个所述可疑字，组合出g个可能地址，其中，所述可能地址的个数g为将m个所述可疑位置的可疑字的个数相乘的结果；第一比较模块，所述第一比较模块用于执行将每个所述可能地址与标准地址库中的标准地址比较，得到所述可能地址中的t个孤立地点，其中，所述孤立地点为非标准地址，t为大于等于0的整数。
19.提取模块，所述提取模块用于执行提取h个第一纠错地址，每个所述第一纠错地址为所述孤立地点中包括所述可疑位置的所述可能地址，其中，h为大于等于1的整数；第二比较模块，所述第二比较模块用于执行根据每个所述第一纠错地址，将每个所述可疑字与所述标准地址中的标准字比较，得到每个所述可疑字的s个相似度结果，其中，s为大于等于0的整数；替换模块，所述替换模块用于执行根据s个所述相似度结果，用所述标准地址中的标准字替换对应的所述可疑字，得到k个可能正确地址，其中，k为小于等于s的整数；以及确定模块，所述确定模块用于执行对k个所述可能正确地址中的所述标准字进行打分，将总得分最高的所述标准字替换所述可疑位置的所述可疑字，得到唯一正确地址。
20.本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及一个或多个存储器，其中，所述存储器用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现如上所述方法。
21.本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法
22.本公开的另一方面提供了一种计算机程序产品，包括计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
附图说明
23.通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
24.图1示意性示出了根据本公开实施例的可以应用方法、装置的示例性系统架构；
25.图2示意性示出了根据本公开实施例的地址纠错方法的流程图；
26.图3示意性示出了根据本公开实施例的识别地址信息中的m个可疑位置，m个可疑位置分别具有ni个可疑字的流程图；
27.图4示意性示出了根据本公开实施例的标准地址库的展示图；
28.图5示意性示出了根据本公开实施例的将每个可能地址与标准地址库中的标准地址比较，得到可能地址中的t个孤立地点的流程图；
29.图6示意性示出了根据本公开实施例的根据每个第一纠错地址，将每个可疑字与标准地址中的标准字比较，得到每个可疑字的s个相似度结果的流程图；
30.图7示意性示出了根据本公开实施例的将每个第二纠错地址中的每个可疑字与标准地址中的标准字比较，得到每个可疑字的s个相似度结果的流程图；
31.图8示意性示出了根据本公开实施例的根据s个相似度结果，用标准地址中的标准字替换对应的可疑字，得到k个可能正确地址的流程图；
32.图9示意性示出了根据本公开实施例的对k个可能正确地址中的标准字进行打分，将总得分最高的标准字替换可疑位置的可疑字，得到唯一正确地址的流程图；
33.图10示意性示出了根据本公开实施例的地址纠错装置的框图；
34.图11示意性示出了根据本公开实施例的电子设备的方框图。
具体实施方式
35.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。在本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
36.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
37.在使用类似于“a、b或c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b或c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。
38.目前的地址纠错方法均非常依赖地址树的建立与维护。例如大多都是基于编辑距离进行纠错，当地址在地址树中无法找到时，装置可能会把正确识别的地址查找为错误的地址。例如：云南省昆明市寻甸回族彝族自治县金所乡海子村委会新龙村37号。相关部门地址行政区划库中没有“金所乡”这个地址，而如果跳过金所乡依赖海子村委会进行查询时，结果为：“云南省530000000000，昆明市530100000000，寻甸回族彝族自治县530129000000，倘甸镇530129105000，海子村委会530129105206”。
39.在该地址中，由于地址树中缺少金所乡时，编辑距离纠错会将金所乡纠正为倘甸镇。而在光学文字识别中，这将变为完全影响文字识别结果的操作。与其说现有专利是“地址纠错”，不妨说现有专利为“地址标准化”更为贴切。
40.图1示意性示出了根据本公开实施例的可以应用地址纠错方法、装置、电子设备、计算机可读存储介质和计算机程序产品的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
41.如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
42.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
43.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
44.服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
45.需要说明的是，本公开实施例所提供的地址纠错方法一般可以由服务器105执行。相应地，本公开实施例所提供的地址纠错装置一般可以设置于服务器105中。本公开实施例所提供的地址纠错方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的地址纠错装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
46.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
47.以下将基于图1描述的场景，通过图2～图9对本公开实施例的地址纠错方法进行详细描述。
48.图2示意性示出了根据本公开实施例的地址纠错方法的流程图。
49.如图2所示，该实施例的地址纠错方法包括操作s210～操作s280。
50.在操作s210，获取地址信息，例如，可以通过光学字符识别技术(ocr技术)获得地址信息。在一个具体的示例中，有一个正确地址为四川德阳市旌阳区孝感镇红光村1组，通过ocr技术可以获取到与上述正确地址对应的地址信息。
51.在操作s220，识别地址信息中的m个可疑位置，m个可疑位置分别具有ni个可疑字，其中，m和ni均为大于等于1的整数，1≤i≤m。其中，对于通过ocr技术识别正确地址，一个位置可能识别到多个字，这里将可能识别到多个字的位置定义为可疑位置，将可能出现的多个字定义为可疑字。例如，对于正确地址中的“旌”字，识别到的字为“族”和“旋”；对于正确地址中的“孝”字，识别到的字为“孝”和“季”。因此，地址信息中识别到“族”和“旋”的位置为一个可疑位置，识别到“孝”和“季”的位置为另一个可疑位置，这里m为2，“族”和“旋”为两个可疑字，由此，n1为2，“孝”和“季”为两个可疑字，由此，n2为2。
52.作为一种可能实现的方式，如图3所示，操作s220识别地址信息中的m个可疑位置，m个可疑位置分别具有ni个可疑字包括操作s221～操作s223。
53.在操作s221，识别地址信息中的每个字，得到识别结果，其中，地址信息中的每个字具有r个识别结果，r为大于等于1的整数。例如，通过识别地址信息，可以得到识别结果[(四)(川)(德)(阳)(市)(族、旋)(阳)(区)(孝、季)(感)(镇)(红)(光)(村)(1)(组)]。
[0054]
其中，四处有1个识别结果，川处有1个识别结果，德处有1个识别结果，阳处有1个识别结果，市处有1个识别结果，族、旋处有2个识别结果，阳处有1个识别结果，区处有1个识别结果，孝、季处有2个识别结果，感处有1个识别结果，镇处有1个识别结果，红处有1个识别
结果，光处有1个识别结果，村处有1个识别结果，1处有1个识别结果，组处有1个识别结果。
[0055]
在操作s222，计算每个识别结果的置信度，例如，置信度可以为一个打分结果，置信度值越高，识别结果越接近正确的字。对于上述识别结果，置信度可以分别为[(0.99)(0.99)(0.99)(0.99)(0.99)(0.6、0.4)(0.99)(0.99)(0.89、0.5)(0.99)(0.99)(0.99)(0.99)(0.99)(0.99)(0.99)]。
[0056]
在操作s223，当置信度大于第一阈值且小于第二阈值时，将与该置信度对应的识别结果作为可疑字，可疑字所在位置为可疑位置，这里，可以设置两个阈值，分别为第一阈值和第二阈值，当置信度大于第一阈值且小于第二阈值时，才将与该置信度对应的识别结果作为可疑字。
[0057]
例如设第一阈值为0.3，设第二阈值为0.9，在地址信息中，识别结果“族”的置信度为0.6，0.6大于第一阈值且小于第二阈值，由此将“族”作为可疑字；识别结果“旋”的置信度为0.4，0.4大于第一阈值且小于第二阈值，由此将“旋”作为可疑字。
[0058]
识别结果“孝”的置信度为0.89，0.89大于第一阈值且小于第二阈值，由此将“孝”作为可疑字；识别结果“季”的置信度为0.5，0.5大于第一阈值且小于第二阈值，由此将“季”作为可疑字。进而，识别到“族、旋”的位置为可疑位置，识别到“孝、季”的位置为可疑位置。
[0059]
另外，在地址信息“族、旋”的位置，假设还识别到“旅”，旅的置信度为0.2，由于“旅”的置信度小于第一阈值，则不会将“旅”作为可疑字。
[0060]
由此，通过操作s221～操作s223可以便于实现识别地址信息中的m个可疑位置，m个可疑位置分别具有ni个可疑字。
[0061]
在操作s230，根据m个可疑位置的ni个可疑字，组合出g个可能地址，其中，可能地址的个数g为将m个可疑位置的可疑字的个数相乘的结果。例如，识别到“族、旋”的位置有2个可疑字，识别到“孝、季”的位置有2个可疑字，则可能地址的个数g为2乘以2，也即4个。4个可能地址分别如下所示。
[0062]
四川德阳市族阳区孝感镇红光村1组；
[0063]
四川德阳市旋阳区孝感镇红光村1组；
[0064]
四川德阳市族阳区季感镇红光村1组；
[0065]
四川德阳市旋阳区季感镇红光村1组。
[0066]
在操作s240，将每个可能地址与标准地址库中的标准地址比较，得到可能地址中的t个孤立地点，其中，孤立地点为非标准地址，t为大于等于0的整数。其中，标准地址库为从相关部门获取的，标准地址库中的标准地址为目前各个行政地区在使用的地址。
[0067]
在如图4所示的一些示例中，标准地址库可以包括多个标准地址，每个标准地址包括按照行政级别划分的多个节点名和与节点名一一对应的行政编号。例如，每个标准地址包括按照行政级别划分的省(province)、市(city)、县或者区(district)、镇或者乡(township)和村(village)，进一步地，省、市、县或者区、镇或者乡和村可以分别对应有行政编号。可以理解的是，设置标准地址库可以便于将每个可能地址与标准地址库中的标准地址比较，从而得到可能地址中的t个孤立地点。
[0068]
更进一步地，参考图4，标准地址还包括与节点名对应的至少一个节点别名。例如标准地址库中有标准地址：四川省/德阳市/旌阳区/孝感镇/红伏村村民委员会，与四川省对应的行政编号为510000000000，与四川省对应的节点别名为四川；与德阳市对应的行政
编号为510600000000，与德阳市对应的节点别名为德阳；与旌阳区对应的行政编号为510603000000，与旌阳区对应的节点别名为旌阳、旌阳县；与孝感镇对应的行政编号为510603104000，与孝感镇对应的节点别名为孝感街道、孝感乡和孝感；与红伏村村民委员会对应的行政编号为510603011203，与红伏村村民委员对应的节点别名为红伏村和红伏村委会。
[0069]
可以理解的是，设置与节点名对应的节点别名可以使得可能地址更容易在标准地址库中匹配到结果，从而提升可能地址与标准地址库比对的正确率，减少孤立地点的错误识别率。
[0070]
作为一种可实施的方式，如图5所示，操作s240将每个可能地址与标准地址库中的标准地址比较，得到可能地址中的t个孤立地点包括操作s241～操作s243。
[0071]
在操作s241，将每个可能地址按照行政级别分词，以使每个可能地址包括多个行政节点。
[0072]
例如可以将可能地址“四川德阳市族阳区孝感镇红光村1组”按照省、市、区、镇和村划分成“四川/德阳市/族阳区/孝感镇/红光村1组”。由此，该可能地址包括5个行政节点，分别为四川、德阳市、族阳区、孝感镇和红光村1组。
[0073]
可以将可能地址“四川德阳市旋阳区孝感镇红光村1组”按照省、市、区、镇和村划分成“四川/德阳市/旋阳区/孝感镇/红光村1组”。由此，该可能地址包括5个行政节点，分别为四川、德阳市、旋阳区、孝感镇和红光村1组。
[0074]
可以将可能地址“四川德阳市族阳区季感镇红光村1组”按照省、市、区、镇和村划分成“四川/德阳市/族阳区/季感镇/红光村1组”。由此，该可能地址包括5个行政节点，分别为四川、德阳市、族阳区、季感镇和红光村1组。
[0075]
可以将可能地址“四川德阳市旋阳区季感镇红光村1组”按照省、市、区、镇和村划分成“四川/德阳市/旋阳区/季感镇/红光村1组”。由此，该可能地址包括5个行政节点，分别为四川、德阳市、旋阳区、季感镇和红光村1组。
[0076]
在操作s242，将每个行政节点与标准地址库中的标准地址匹配。
[0077]
在操作s243，当行政节点与标准地址无匹配结果时，将该行政节点作为孤立地点。由此，通过操作s241～操作s243可以便于实现将每个可能地址与标准地址库中的标准地址比较，得到可能地址中的孤立地点。
[0078]
在操作s250，提取h个第一纠错地址，每个第一纠错地址为孤立地点中包括可疑位置的可能地址，其中，h为大于等于1的整数。可以理解的是，可以从g个可能地址中提取h个第一纠错地址，继续用可能地址四川德阳市族阳区孝感镇红光村1组、四川德阳市旋阳区孝感镇红光村1组、四川德阳市族阳区季感镇红光村1组和四川德阳市旋阳区季感镇红光村1组举例说明。
[0079]
可知“族、旋”位置为可疑位置，“感、季”位置为可疑位置，当在标准地址库中没有匹配到族阳区和孝感镇中的任意一个时，则没有匹配到的地点为孤立地点，此时孤立地点中包括可疑位置，因此提取四川德阳市族阳区孝感镇红光村1组为第一纠错地址；当在标准地址库中没有匹配到旋阳区和孝感镇中的任意一个时，则没有匹配到的地点为孤立地点，此时孤立地点中包括可疑位置，因此提取四川德阳市旋阳区孝感镇红光村1组为第一纠错地址。
[0080]
当在标准地址库中没有匹配到族阳区和季感镇中的任意一个时，则没有匹配到的地点为孤立地点，此时孤立地点中包括可疑位置，因此提取四川德阳市族阳区季感镇红光村1组为第一纠错地址；当在标准地址库中没有匹配到旋阳区和季感镇中的任意一个时，则没有匹配到的地点为孤立地点，此时孤立地点中包括可疑位置，因此提取四川德阳市旋阳区季感镇红光村1组为第一纠错地址。
[0081]
反之，可知“族、旋”位置为可疑位置，“感、季”位置为可疑位置，当在标准地址库中匹配到了族阳区和孝感镇时，则不将四川德阳市族阳区孝感镇红光村1组作为第一纠错地址。四川德阳市旋阳区孝感镇红光村1组、四川德阳市族阳区季感镇红光村1组和四川德阳市旋阳区季感镇红光村1组同理，这里不再一一赘述。
[0082]
反之，可知红光村三个字的置信度足够高，均不是可疑字，即使在标准地址库中没有匹配到红光村，红光村虽然为孤立地点，但是孤立地点中不包含可疑位置，也不会将因为带有红光村的可能地址作为第一纠错地址。
[0083]
进一步地，每个第一纠错地址还为包括孤立地点的数量最少的可能地址。可以理解的是，假设在标准地址库中识别到了四川、德阳市、和孝感镇。因此，四川德阳市族阳区孝感镇红光村1组包括族阳区和红光村1组2个孤立地点；四川德阳市旋阳区孝感镇红光村1组包括旋阳区和红光村1组2个孤立地点；四川德阳市族阳区季感镇红光村1组包括族阳区、季感镇和红光村1组3个孤立地点；四川德阳市旋阳区季感镇红光村1组包括旋阳区、季感镇和红光村1组3个孤立地点。
[0084]
因此，提取包括2个孤立地点的四川德阳市族阳区孝感镇红光村1组和四川德阳市旋阳区孝感镇红光村1组作为第一纠错地址。
[0085]
在操作s260，根据每个第一纠错地址，将每个可疑字与标准地址中的标准字比较，得到每个可疑字的s个相似度结果，其中，s为大于等于1的整数。
[0086]
作为一种可实施的方式，如图6所示，操作s260根据每个第一纠错地址，将每个可疑字与标准地址中的标准字比较，得到每个可疑字的s个相似度结果包括操作s261～操作s262。
[0087]
在操作s261，根据每个第一纠错地址，获取对应的第二纠错地址，第二纠错地址中的孤立地点的上游节点和下游节点均能够在标准地址库中匹配到标准地址，其中，上游节点为比孤立地点高一个行政级别的地点，下游节点为比孤立地点低一个行政级别的地点。
[0088]
例如，在第一纠错地址四川德阳市族阳区孝感镇红光村1组中，孤立地点族阳区的上游为德阳市，下游为孝感镇，由于德阳市和孝感镇均可以在标准地址库中匹配到标准地址，因此可以将四川德阳市族阳区孝感镇红光村1组作为第二纠错地址；若德阳市和孝感镇中的任意一个没有在标准地址库中匹配到标准地址，则不能将四川德阳市族阳区孝感镇红光村1组作为第二纠错地址。
[0089]
在操作s262，将每个第二纠错地址中的每个可疑字与标准地址中的标准字比较，得到每个可疑字的s个相似度结果。
[0090]
作为一种可实施的方式，如图7所示，操作s262将每个第二纠错地址中的每个可疑字与标准地址中的标准字比较，得到每个可疑字的s个相似度结果包括操作s2621～操作s2622。
[0091]
在操作s2621，确定每个可疑字与标准地址中的标准字的相似度值。需要说明的
是，与每个可疑字比较的的标准地址可以有多个，例如，在标准地址库中，位于德阳市和孝感镇之间的区有两个，分别为旌阳区和盛阳区，因此需要确定可疑字“族”与标准字“旌”的第一相似度值，需要确定可疑字“旋”与标准字“旌”的第二相似度值，需要确定可疑字“族”与标准字“盛”的第三相似度值，需要确定可疑字“旋”与标准字“盛”的第四相似度值。这里相似度值可以根据相似度函数计算得出，也可以根据经验设定，相似度值的取值范围为大于等于0，小于等于1。
[0092]
在操作s2622，判断1减去相似度值的结果是否小于第三阈值乘以log(可疑字所在孤立节点的字数)的结果，得到相似度结果。
[0093]
其中，可以设1减去相似度值的结果为x，第三阈值为一设定值a，可疑字“族”所在孤立节点“族阳区”的字数为3，可以设alog(3)为y，因此可以得到相似度结果x是否小于y。
[0094]
在操作s270，根据s个相似度结果，用标准地址中的标准字替换对应的可疑字，得到k个可能正确地址，其中，k为小于等于s的整数。可以理解的是，继续操作s2621中的示例，得到四个相似度值，用四个相似度值分别进行操作s2622，可以对应得到四个相似度结果。
[0095]
作为一种可能实施的方式，如图8所示，操作s270根据s个相似度结果，用标准地址中的标准字替换对应的可疑字，得到k个可能正确地址包括操作s271。
[0096]
在操作s271，当1减去相似度值的结果小于第三阈值乘以log(可疑字所在孤立节点的字数)的结果时，用标准地址中的标准字替换对应的可疑字，得到k个可能正确地址，其中，k为小于等于s的整数。
[0097]
其中，假设第一相似度结果对应x1和y1，第二相似度结果对应x2和y2，第三相似度结果对应x3和y3，第四相似度结果对应x4和y4。则当x1小于y1时，用旌替换族，否则不替换；当x2小于y2时，用旌替换旋，否则不替换；当x3小于y3时，用盛替换族，否则不替换；当x4小于y4时，用盛替换旋，否则不替换。
[0098]
这里假设x1小于y1，x2小于y2，x3小于y3，x4大于y4，则可以得到“旌替换族”后的旌阳区、“旌替换旋”后的旌阳区和“盛替换族”后的盛阳区3个可能正确地址。
[0099]
在操作s280，对k个可能正确地址中的标准字进行打分，将总得分最高的标准字替换可疑位置的可疑字，得到唯一正确地址。
[0100]
作为一种可实施的方式，如图9所示，操作s280对k个可能正确地址中的标准字进行打分，将总得分最高的标准字替换可疑位置的可疑字，得到唯一正确地址包括操作s281～操作s283。
[0101]
在操作s281，统计k个可能正确地址中基于同一可疑位置，同一标准字替换该可疑位置的可疑字的替换次数。可以理解的是，对于“族、旋”这一可疑位置，被同一标准字“旌”替换的次数为2，被标准字“盛”替换的次数为1。
[0102]
在操作s282，将替换次数最多的标准字替换该可疑位置的可疑字。其中，由操作s281可以得到“族、旋”这一可疑位置被标准字“旌”替换的次数最多，因此可以最终用“旌”替换“族、旋”，得到旌阳区这一字段。
[0103]
在操作s283，将m个可疑位置的可疑字均替换为对应的替换次数最多的标准字后，得到唯一正确地址。其中，将地址信息中需要纠错的可疑字均替换为标准字后，即可得到唯一正确地址。从而完成地址纠错流程。
[0104]
根据本公开实施例的地址纠错方法，通过操作s210～操作s280，可以便于将获得
的地址信息进行纠错，使得对地址信息的识别更准确，给用户提供更加准确的显示结果。另外，通过循环遍历所有ocr识别结果的排列组合，可以筛选出尽可能多的可能地址。另外，通过在标准地址库中添加节点别名，可以灵活应对地址信息中行政节点名变化的情况。
[0105]
另外，通过对第一纠错地址进行纠错，每个第一纠错地址还为包括孤立地点的数量最少的可能地址，可以保证后续流程的准确率。另外，根据识别结果中每个字的置信度进行筛选，确保不会将正确的字纠正为错误的字。另外，通过可疑字与标准字的相似度以及包括可疑字的孤立地点的词的字数得到相似度结果，确保不会将正确的字纠正为错误的字。另外，通过对k个可能正确地址中的标准字进行打分，将总得分最高的标准字替换可疑位置的可疑字，得到唯一正确地址，进一步提升纠错准确率。
[0106]
基于上述地址纠错方法，本公开还提供了一种地址纠错装置10。以下将结合图10对地址纠错装置10进行详细描述。
[0107]
图10示意性示出了根据本公开实施例的地址纠错装置10的结构框图。
[0108]
地址纠错装置10，包括获取模块1、识别模块2、组合模块3、第一比较模块4、提取模块5、第二比较模块6、替换模块7和确定模块8。
[0109]
获取模块1，获取模块1用于执行操作s210：获取地址信息。
[0110]
识别模块2，识别模块2用于执行操作s220：识别地址信息中的m个可疑位置，m个可疑位置分别具有ni个可疑字，其中，m和ni均为大于等于1的整数，1≤i≤m。
[0111]
组合模块3，组合模块3用于执行操作s230：根据m个可疑位置的ni个可疑字，组合出g个可能地址，其中，可能地址的个数g为将m个可疑位置的可疑字的个数相乘的结果。
[0112]
第一比较模块4，第一比较模块4用于执行操作s240：将每个可能地址与标准地址库中的标准地址比较，得到可能地址中的t个孤立地点，其中，孤立地点为非标准地址，t为大于等于0的整数。
[0113]
提取模块5，提取模块5用于执行操作s250：提取h个第一纠错地址，每个第一纠错地址为孤立地点中包括可疑位置的可能地址，其中，h为大于等于1的整数。
[0114]
第二比较模块6，第二比较模块6用于执行操作s260：根据每个第一纠错地址，将每个可疑字与标准地址中的标准字比较，得到每个可疑字的s个相似度结果，其中，s为大于等于0的整数。
[0115]
替换模块7，替换模块7用于执行操作s270：根据s个相似度结果，用标准地址中的标准字替换对应的可疑字，得到k个可能正确地址，其中，k为小于等于s的整数。
[0116]
确定模块8，确定模块8用于执行操作s280：对k个可能正确地址中的标准字进行打分，将总得分最高的标准字替换可疑位置的可疑字，得到唯一正确地址。
[0117]
由于上述地址纠错装置10是基于地址纠错方法设置的，因此上述地址纠错装置10的有益效果与地址纠错方法的相同，这里不再赘述。
[0118]
另外，根据本公开的实施例，获取模块1、识别模块2、组合模块3、第一比较模块4、提取模块5、第二比较模块6、替换模块7和确定模块8中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。
[0119]
根据本公开的实施例，获取模块1、识别模块2、组合模块3、第一比较模块4、提取模块5、第二比较模块6、替换模块7和确定模块8中的至少一个可以至少被部分地实现为硬件
电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。
[0120]
或者，获取模块1、识别模块2、组合模块3、第一比较模块4、提取模块5、第二比较模块6、替换模块7和确定模块8中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
[0121]
图11示意性示出了根据本公开实施例的适于实现地址纠错方法的电子设备的方框图。
[0122]
如图11所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(rom)902中的程序或者从存储部分908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
[0123]
在ram 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、rom 902以及ram 903通过总线904彼此相连。处理器901通过执行rom 902和/或ram 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 902和ram 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
[0124]
根据本公开的实施例，电子设备900还可以包括输入/输出(i/o)接口905，输入/输出(i/o)接口905也连接至总线904。电子设备900还可以包括连接至i/o接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至输入/输出(i/o)接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
[0125]
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
[0126]
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 902和/或ram 903和/或rom 902和ram 903以外的一个或多个存储器。
[0127]
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例的方法。
[0128]
在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
[0129]
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0130]
在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
[0131]
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c++，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0132]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0133]
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
[0134]
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱
离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。