[中文地址提取关键词，匹配标准库的关键词更换] 有什么好的实现思路吗？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 764 天前的主题，其中的信息可能已经有所发展或是发生改变。

实例数据：

1.柒松江区上海市松江区岳阳街道木鱼弄 5-16 号木鱼弄小区木鱼弄 16 号 301 室

#.提取为 [木鱼弄 16 号 301 室]

#.提取为标准库中的[西林塔居委]

2.九亭镇涞亭北路 99 弄 203 号 502 室

#.提取为 [九亭镇涞亭北路 99 弄 203 号 502 室]

#.提取为标准库中的[奥园居委]

类似这样的数据，标准库中具体是什么关键词这个也不太清楚。有什么推荐算法或者实现思路吗？

标准库

提取

木鱼弄

九亭镇

13 条回复 • 2022-10-10 17:15:21 +08:00

blankmiss

2022-10-10 14:50:20 +08:00

怎么看起来像是 es 的分词？

respect11

2022-10-10 14:54:06 +08:00

@blankmiss #1 差不多，大佬可以推荐个分词后进行匹配算法吗？

joApioVVx4M4X6Rf

2022-10-10 15:00:35 +08:00

ner?

buyan3303

2022-10-10 15:01:09 +08:00

总感觉和顺丰自动提取地址类似，这个是不是可以在 GITHUB 上搜索一下 [顺丰地址] 之类的关键词

respect11

2022-10-10 15:04:07 +08:00

@buyan3303 #4 对，第一步拆分提取差不多。核心主要是和标准库数据进行匹配，相当于路名或者小区提取出来某个居委会或者街道

respect11

2022-10-10 15:04:26 +08:00

@v2exblog #3 谢谢大佬，我去研究下

Troevil

2022-10-10 15:17:37 +08:00

nlp? 类似 paddlenlp 应该可以实现,不过对于你这个需求可能有点重

Vegetable

2022-10-10 15:18:50 +08:00

你这路子感觉不对劲，交给地图不好吗，使用高德之类的 API ，可以轻松的将不规则的地址标准化，再拿到自己的库里比对居委会，这玩意确实没见过开放 API

respect11

2022-10-10 15:20:45 +08:00

@Vegetable #8 环境特殊..这个必须内网😂

Vegetable

2022-10-10 15:30:36 +08:00

@respect11 你这么一说，大家估计都猜出来你在做什么了...你这个挺麻烦，但愿有现成的轮子吧

respect11

2022-10-10 15:32:30 +08:00

@Vegetable #10 😂

QuinceyWu

2022-10-10 15:33:14 +08:00

https://github.com/dongrixinyu/JioNLP

TimePPT

2022-10-10 17:15:21 +08:00

标准库中具体是什么关键词这个也不太清楚
================
这个提取好说，就是地点 NER 。但和标准库没法直接 NLP 替换啊，文本层面一点相似性都没有。你这匹配规则是啥都不清楚。明显是需要地点和区域映射。
如果外网的话，有些地图服务商提供 API 的，内网的话，只能自己维护。