买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种差错自适应的深度学习地址语义匹配方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115718849B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211474657.2，技术领域涉及：G06F16/9537；该发明授权一种差错自适应的深度学习地址语义匹配方法及系统是由雷建军;巫晨设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本一种差错自适应的深度学习地址语义匹配方法及系统在说明书摘要公布了：本发明属于自然语言处理领域，具体涉及一种差错自适应的深度学习地址语义匹配方法及系统；包括：采用BERT模型对非标准地址文本进行处理，得到非标准地址文本的分词结果及词嵌入向量；将分词结果和词嵌入向量同时输入到Bi‑LSTM和Transformer模型中，Bi‑LSTM用于从输入的地址文本中抽取地址关键元素，而Transformer模型用于判别地址关键元素是否可用于地址查询语句的构建；采用predictalgorithm算法，根据可用的地址关键元素信息构建地址查询语句进行数据库查询，得到非标准地址文本对应的标准地址匹配结果；本发明可大幅减少地址匹配任务的耗时，提高相应地址匹配模型的部署性能。

本发明授权一种差错自适应的深度学习地址语义匹配方法及系统在权利要求书中公布了：1.一种差错自适应的深度学习地址语义匹配方法，其特征在于，包括：用户将非标地址文本输入到已训练好的基于深度学习的地址语义匹配模型中，得到非标地址对应的标准地址匹配结果； 训练好的基于深度学习的地址语义匹配模型对非标地址文本进行处理的过程包括： S1：采用BERT模型对非标地址文本进行文本编码，得到非标地址的分词结果和词嵌入向量；得到地址关键元素信息的过程包括：Bi-LSTM模型根据分词结果和词嵌入向量判断非标地址文本中各单词是否为地址关键元素，若是，则判断该地址关键元素的父类类别，得到地址关键元素信息即地址关键元素及其对应的父类类别； S2：将分词结果和词嵌入向量同时输入到Bi-LSTM模型和Transformer模型中，得到地址关键元素信息以及地址关键元素信息是否可用的判别结果；地址关键元素是否可用的判断过程包括：Transformer模型根据数据库当前数据存储状态、BERT模型输出的分词结果和词嵌入向量，判断地址关键元素信息是否可用于构建地址查询语句； S3：采用predictalgorithm算法，根据可用的地址关键元素信息构建查询语句进行地址查询，得到非标准地址文本对应的标准地址匹配结果；predictalgorithm算法进行地址查询的过程包括： predictalgorithm算法根据可用的地址关键元素信息构建一条地址查询语句，地址查询语句中地址关键元素的位置由Bi-LSTM模型输出的地址关键元素父类类别决定； 查询记忆池中是否存在与地址查询语句对应的标准地址匹配结果，若存在，则直接返回标准地址匹配结果，否则，使用地址查询语句查询数据库，若查询到标准地址，则返回该结果并将其写入记忆池中以备后续查询使用。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。