应用于电力客服中心的地址实体提取方法

2021-01-12

探索科学(学术版) 2020年8期

关键词：街道

国网客服中心南方分中心江苏南京 210000

1 前言

电力客服中心承载着受理电力用户故障报修、业务咨询、服务申请、投诉举报、意见建议等工作。经统计，目前电力服务行业中，客户能够直接提供户号的比例在50%左右，有近50%的客户无法提供户号信息，客服专员只能通过地址等信息进行再次查询，而地址是查询停电信息、历史报修记录、派发供电单位等主要依据。同时，在服务问题分析定位中，需要对某类问题高发的区域进行提取，那么同样要对地址进行统计。实际应用中，为了便于地址之间做匹配，需要将客户地址中的“村、小区、街道、路、单位/公司名称”等实体信息提取出来，从而提升匹配的成功率。在这一背景下，我们研究了一种地址实体提取的方法。

2 地址实体提取方法简介

地址信息的提取不光在电力客服中心有着重要的应用，在其他行业也有着相关应用。随着电子地图的发展，地址在人们生活中的作用越来越重要，将大量的中文地址转化为地理坐标，并定位到地图上，从而实现空间与非空间数据的整合[1]。在地址分析方面，也涌现出了很多方法，比如在《基于规则的中文地址要素解析方法》论文中，通过构建各类地址要素特征词库，利用地名词典和特征词库来解析地址[2]。《基于自动机分词的中文地址地理编码技术研究与实现》中提出了利用中文地址的自动机的中文分词算法等等[3]。以上方法的分词准确率还有待进一步提升。本文的优势在于在结合电力行业客户地址特点的基础上，形成本行业内特有的地址库和“切点库”从而有利于提升地址实体提取的准确性。

3 本文方法

(1)规律总结。对电力服务中客户提供的地址进行了特点总结，共总结出“X省”+“X市”+“X区/县”+“X乡/镇”+“X村”、“X省”+“X市”+“X区/县”+“X街道/社区”+“X路”+“X小区”+“X号/幢/#/-X(门牌号)”等17种地址模式。

地址特点总结(举例)现场地址地址特点陕西省渭南市临渭区三张镇张毛村标准的“X省”+“X市”+“X区/县”+“X乡/镇”+“X村”陕西省咸阳市秦都区人民西路49号芙蓉佳苑小区8-2-201标准的“X省”+“X市”+“X区/县”+“X乡/镇”+“X村”陕西省延安市黄陵县腰坪乡建庄村标准的“X省”+“X市”+“X区/县”+“X乡/镇”+“X村”陕西省西安市蓝田县三里镇杨坡头村二组标准的“X省”+“X市”+“X区/县”+“X乡/镇”+“X村+X组”陕西省西安市高陵县耿镇苏家村标准的“X省”+“X市”+“X区/县”+“X乡/镇”+“X村”陕西省安康市汉滨区老城街道鼓楼社区兴安东路北医大小区3号楼-2-303标准的“X省”+“X市”+“X区/县”+“X街道/社区”+“X路”+“X小区”+“X号/幢/#/-X(门牌号)”陕西省西安市未央区凤城三路东段888号颐和郡小区6-1-1801标准的“X省”+“X市”+“X区/县”+“X路”+“X号”+“X小区”+“X号/幢/#/-X(门牌号)”

(2)具体方法。鉴于电力客服中心的客户地址具备一定的结构性，区别于传统的完全基于地址库匹配方式的地址分词算法，本文采用前三级地址用地址库+后级地址进行“切点”分词的方法，进行地址中的实体信息提取。

前三级地址采用地址库匹配方法主要原因为，前三级地址涉及省、市、县/区，该部分信息在国家统计局官网中即可获取，容易组成地址地名库进行匹配，匹配成功率高。后级地址采用逐词搜索办法，主要原因是客户提供信息差异化较大，地址地名库不够完善，匹配率低，因此通过将地址中“切点”找出进行分词的方法进行实体信息提取。常规切点主要指的是“镇/乡、组、街、路、大道、弄、小区、村”等信息。

利用VBA编写代码，前三级地址与地址库逐级匹配，后几级主要通过关键词进行截取，从而提取出“小区、村、街道”等末级信息。