文章目录
一、数据地址实体抽取的目的及问题
对数据的地址进行实体识别,主要作用是确定我们的数据主体最终可以归到哪一行政单位,从而在各行政单位上对数据主体的归属问题进行判断。
因何原因使用实体抽取:
二、方法一:调用ahocorasick库
ahocorasick是个python模块,Aho-Corasick算法是多模式匹配中的经典算法,目前在实际应用中较多。
ahocorasick安装:
1、确定安装VC++,安装后,在模块选择里勾选Visual Studio Build Tools里面的C++ Build Tools
2、执行pip安装命令
pip install pyahocorasick
(若该方法安装失败,可尝试CSDN中其他安装方法)
ahocorasick使用:
若直接使用,会出现如下问题:
ahocorasick并没有对数据进行补全的功能,若原数据对子数据有确实,无法进行补齐,如内蒙古自治区——磴口县与内蒙古自治区——巴彦淖尔市——磴口县。后者数据符合要求,可分级进行存储,但前者地级市数据丢失。
解决方法:
该方法可参考,但不推荐,较为麻烦,且具有隐患。
三、方法一:调用cpca库
1、安装cpca库
pip指令执行:
pip install cpca
2、cpca库使用方法
import cpca
information=['内蒙古自治区呼伦贝尔市牙克石市民生B区','赛罕区大学西路街道内蒙古大学','回民区北二环路内蒙古财经大学','北京海淀区','河北深州市' ]
s=cpca.transform(information)
print(s)
3、执行结果
注:cpca第三方库只会精确到县级市,县级市后均为地址
如果能解决您的问题,记得收藏+关注呀!!!
创作时间:2022.2.3
文章编号YU.NO.2