[小O地图-数据] - 地址分词及对比

【概述】

小O地图是一款基于互联网地图进行地图数据挖掘、处理、图表的工具软件。

本文介绍众多功能之一“地址比较”功能。

作者认为这个功能还是很有用的，能够充分体现地理信息处理对于地址的处理

 

【场景一：地址比对】

物流、快递公司经常有大量地址数据需要处理，但由于用户输入地址不规范，容易导致同一个地点文字表述不一样。例如：

目标地点：中国纺织机械和技术进出口有限公司
输入地址1：北京市朝阳区北京市朝阳区建国路99号中服大厦18层
输入地址2：北京市朝阳区建国路９９号

由于输入的原因导致文字表述差异较大，而使用纯文字对比的方法比较，很难判断为同一个地点。

【场景二：地址分词】

科研院所做语义研究，需要将地址文字进行分解，用于分析地址词汇出现的频率，从而推导地址热度、用户输入习惯行为特征，为大数据分析、深度学习提供基础的数据源。

输入地址：北京市朝阳区北京市朝阳区建国路99号中服大厦18层

地址分解：

• 城市：北京市 
• 行政区：朝阳区
• 道路：建国路
• 门牌：99号
• 大厦：中服大厦
• 楼层：18层

按上面分解，当有多组地址作为样本，通过分解就能够很容易获得地址每个级别出现的频率，多数用户输入地址分段的习惯等，可以对输入界面UI/UE提供必要的提示或改进依据。

类似上述场景还有很多，作者不在此赘述，下面介绍小O地图功能，希望能够抛砖引玉，启发用户发现地理价值。

为满足上述场景，就可以使用小O地图的【地址比较】功能，利用地理分词技术对地址进行解析，判断地址是否为同一个地址；获得地址分解的结果。

 

【使用步骤】

 

【1】新建任务

小O地图功能均以任务的方式执行，如下图，首先新建“地址比较”任务，在任务界面中输入必要参数，保存新建任务。

 

【2】导入待处理地址（支持两列地址）

在任务菜单里选择导入数据功能，将待处理数据导入任务。待导入的数据通常包括：地址1、地址2、名称、编号等关键字段，地址1和地址2为待比较的字段，名称或编号作为保留字段导入，待处理完导出时关联原始数据。

使用任务导入数据功能

其中，地址1和地址2为比较的地址字段，其他字段为预留字段，用于处理后导出时与原数据进行对应。

 

【3】执行任务

导入后，登陆小O地图，非登录处理条数有限制。选择任务栏上的【爬虫】图表，启动任务进行地址分析及比较功能。小O地址比较功能支持离线，处理过程无需联网，不受地图KEY的限制。

 

【4】导出结果

执行完成后，选择任务的导出数据功能，将处理结果导出为CSV格式文件，可在Excel文件中打开查看或做后续处理。

上图为导出界面，设置为默认状态，点击【确定】即可导出所有处理结果，导出格式首选【CSV】。

 下图为导出的CSV文件在EXCEL中打开的截图，其中地址1和地址2为比较的地址字段。

比较结果字段有：

1、地址分词1：对地址1进行分词的结果。
2、地址分词2：对地址2进行分词的结果。
3、相似度：两个地址比较相似程度。

相似度表，数值表示两个地址相似的级别，例如：105 - 表示地址  省、市、区、镇、村 都相同。

 省 - (101)
 市 - (102)
 区 - (103)
 镇 - (104)
 村 - (105)
街路 - (106)
门牌 - (107)
建筑 - (108)
单元 - (110)
楼层 - (109)
房间 - (111)
号码 - (112)

下面给出详细样例：

待比较的地址：

地址1：北京市海淀区北京市海淀区三里河路１５号    
地址2：北京市海淀区三里河路15号

比较结果：

分词1：北京市[AddrCity]海淀区[AddrDist]北京市[AddrCity]海淀区[AddrDist]三里河路[AddrRoad]15号[AddrRoadNum] 
分词2：北京市[AddrCity]海淀区[AddrDist]三里河路[AddrRoad]15号[AddrRoadNum] 
相似度：107

上述两个地址比较结果是 相同至 门牌号。

 

【本文完】

 

更多资讯，请访问如下方式

官网：www.GIS9.com 
技术QQ群：1054 7087 07