如何检查两个非结构化街道地址字符串是不是相同？

Posted 2023-05-08

【中文标题】如何检查两个非结构化街道地址字符串是不是相同？

【英文标题】：How two check if two unstructured street adresses strings are the same?如何检查两个非结构化街道地址字符串是否相同？

【发布时间】：2016-09-24 17:32:10

【问题描述】：

我需要比较两个非结构化地址，并能够确定它们是否相同（或足够相似）。

场景

地址由最终用户以纯文本形式提供。 没有什么可以帮助用户以更易于识别的方式书写（没有自动完成功能，什么都没有。只是一个空文本框）。 “#102 Nice-Looking Street, Gotham City, NY”应与“Nice Loking St., Gotham City, New York, apt 102”匹配。 不能使用第三方服务。 搜索不是问题。我已经有了这两个字符串。我需要检查它们是否代表相同的地址，尽管其结构不同。

我发现了什么

我知道我们可以使用一些模糊逻辑进行这种比较，对拼写错误有一定的容忍度，但是......

有些关键字（例如，将“Street”与“St.”进行比较，或将“#102”与“apt 102”进行比较，或将“NY”与“New York”进行比较）不应受到惩罚可靠程度。 有些词可以按不同的顺序排列（如上例中的公寓）。

我不想重新发明***。这个问题似乎是不同情况下的常见问题，我认为有一种算法（可能稍作修改）可能适合这种情况。

提前致谢

【问题讨论】：

好吧，您可以将两个地址都传递给 Google 或其他映射 API，取回它认为每个地址所在位置的坐标，然后进行一些数学运算以找出它们之间的距离，但是这是使用第 3 方 API。除此之外，它们是地址的事实几乎无关紧要 - 这只是一个模糊的字符串匹配问题，通过使用您提到的常见替换稍微简化，您可以将其存储在某种数据库中（Street/St，Washington/ DC/DC、纽约/纽约等）

【参考方案1】：

我帮助构建了一些开源工具来执行此操作。

基本上，该方法是尝试将其拆分并寻址到其组成部分，然后智能地比较这些部分。

问题的两个部分都很困难。

第一部分通常称为地址解析。这是我们使用的：https://github.com/datamade/usaddress

第二部分有很多很多的名字，但我们称之为模糊匹配。这是我们为此创建的库：https://github.com/datamade/dedupe

我们还提供了一些一起使用它们的工具：http://dedupe.readthedocs.io/en/latest/Variable-definition.html#address-type