地址匹配、对比该如何去做

Question

判断两个地址是不是同一个地址,例如：

北京市丰台区方庄芳群园四区16-x-xxx

北京丰台群园四区16-x-xxx

判读这两个地址是不是同一个位置，

请问我现在没有样本库，只有两万个比较干净的数据，如何去开展？
我现在是做的是先安行政区级别划分
比如：北京市/丰台区/新村街道/汉威广场/12号楼7层
现在是到街道包括街道 这些描述都可以标准化 切分后的后两部分想要匹配的话 该怎么做？

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

针对判断两个地址是否为同一位置的问题，可以采用地址的标准化和字符串匹配的方法进行处理。具体步骤如下：

1. 地址标准化：将地址字符串进行清洗和标准化，去除无关字符、空格等，统一大小写格式，确保地址信息一致性。
2. 地址切分：将地址按照不同级别进行切分，可以按照省、市、区、街道等级别进行切分，提取出各级别的地址信息。
3. 字符串匹配：对切分后的地址信息进行字符串匹配处理，可以采用字符串相似度计算算法（如编辑距离、Jaccard相似度等）来衡量两个地址之间的相似程度。
4. 设定匹配阈值：根据实际情况设定一个合适的匹配阈值，当两个地址的相似度超过该阈值时则认为它们是同一位置。
5. 代码实现示例（Python）：

def similarity(str1, str2):
    # 计算两个字符串的相似度（示例采用Jaccard相似系数）
    set1 = set(str1)
    set2 = set(str2)
    intersection = len(set1 & set2)
    union = len(set1 | set2)
    jaccard_similarity = intersection / union
    return jaccard_similarity
def is_same_location(address1, address2):
    # 对地址进行标准化、切分和字符串匹配
    standardized_address1 = address1.replace(" ", "").lower()  # 去除空格和大小写统一
    standardized_address2 = address2.replace(" ", "").lower()
    parts1 = standardized_address1.split("/")
    parts2 = standardized_address2.split("/")
    # 只比较后两部分的相似度
    similarity_score = similarity(parts1[-2], parts2[-2])
    if similarity_score > 0.9:  # 设定相似度阈值
        return True
    else:
        return False
# 示例地址进行判断
address1 = "北京市/丰台区/新村街道/汉威广场/12号楼7层"
address2 = "北京/丰台/新村街道/汉威广场/12号楼7层"
result = is_same_location(address1, address2)
print(result)

以上是一个简单的地址匹配示例，根据实际情况可以根据数据的特点进一步优化和调整算法。同时，建议在真实数据上进行验证和调试，以确保匹配的准确性。