我正在训练用于地址的文本分类器，以使给定的句子是否是地址。
Sentence examples :-
(1) Mirdiff City Centre, DUBAI United Arab Emirates
(2) Ultron Inc. <numb> Toledo Beach Rd #1189 La Salle, MI <numb>
(3) Avenger - HEAD OFFICE P.O. Box <numb> India
由于地址可以是n个类型，因此很难进行此类分类。是否有以相同或任何其他非ML方式进行任何预训练的模型或数据库。
答案 0 :(得分：2)
如前所述，验证地址是否有效-最好形式化为信息检索问题，而不是机器学习问题。 （例如，使用服务）。
但是，从您提供的示例来看，似乎您会再次遇到几种实体类型，例如组织和位置。
我建议使用诸如spacy之类的NER来丰富数据，并将实体类型用于功能或规则。
请注意，命名实体识别器比典型的词袋分类器更依赖于上下文，并且通常对看不见的数据更健壮。
答案 1 :(得分：0)
上次我这样做时，问题特别棘手。因为我有国际化的地址，而且各国之间的差异很大。加上人为增加的变异性，甚至对人类来说，问题也变得十分棘手。
我终于建立了一种启发式方法（包含PO BOX，可能包含国家名称（grep Wikipedia），也许还有城市名称），然后将剩下的所有地址都放入Google Maps API。 GM非常适合识别地址，但即使这样也会产生误报，因此很可能需要手动检查。
我没有使用ML，因为我的地址数据库“很大”，但不足以进行训练，尤其是。我们缺少标记的训练数据。
答案 2 :(得分：0)
正如Uri Goren提到的那样，问题在于命名实体识别，而市场上有很多训练有素的模型。尽管如此，最好的人选还是斯坦福大学的NER。
https://nlp.stanford.edu/software/CRF-NER.shtml 它是一个条件随机字段NER。它在Java中可用。
如果您正在寻找相同的python实现。看一下： How to install and invoke Stanford NERTagger?
您可以在此处从多个标签序列中收集信息，例如 ，或类似的其他顺序。如果没有为您提供正确的信息，它仍然会以某种方式使您更接近整个文档中的任何地址。这是一个很好的开端。
谢谢。