使用自然语言处理从推文中提取地址答案

【问题标题】：Using natural language processing to extract an address from a tweet使用自然语言处理从推文中提取地址
【发布时间】：2015-09-30 08:14:37
【问题描述】：

我正在构建一个 twitter 机器人，它将监听如下推文：

Hey @twitterbot, I'm looking for restaurants around 123 Main Street, New York

或者，另一个例子：

@twitterbot, what's near Yonge & Dundas, Toronto? I'm hungry!

然后它会回复您希望这些问题返回的数据类型。我已经解决了大部分问题，但我被困在不应该那么难的事情上；从推文中提取地址。

我会将地址转发到地理编码服务以获取纬度/经度，因此我不需要以任何方式格式化或准备地址；我只需要将其与“我正在寻找附近的餐馆”或“我饿了！”等不相关的文本区分开来。

是否有任何 NLP 工具可以在文本块中执行此地址识别？对另一种方法有什么建议吗？因为 Google 的地理编码器可以处理如此广泛的地址格式（即使是像“多伦多伊顿中心”这样的兴趣点也算作地址），我不能使用正则表达式来提取地址。

换一种说法，我只是想删除任何不属于地址的文本。

我正在寻找的地址需要在美国/加拿大工作。

StackOverflow 上有一些类似的问题，但没有一个可以解决我能找到的确切问题。因为 Google 的地理编码器非常宽容，所以解决方案不必完美无缺，它只需要消除足够多的模糊，以便 Google 知道我想说什么。

我对 NLP 很陌生，因此我很感激有关该主题的任何指导。

【问题讨论】：

标签： google-maps machine-learning nlp street-address

【解决方案1】：

How to parse freeform street/postal address out of text, and into components 回答了“有没有办法将地址与其周围的文本隔离开来并将其分解成碎片？” - 这与您的问题本质上是相同的（除了您不关心将其分解成碎片 - 只是将其与文本的其余部分隔离开来）。

SmartyStreets 在https://smartystreets.com/demo?mode=extract 也有一个不错的演示，但不幸的是不是免费的解决方案。

另一个快速的想法——由于 Twitter 帖子被限制为 140 个字符，并且往往包含很少的单词（您的两个示例分别有 9 个和 12 个单词），您可以想象它只是蛮力的。例如，要获取“@twitterbot，多伦多 Yonge & Dundas 附近有什么？我饿了！”中的位置，您可以将以下所有内容发送到 google geocoder --

多伦多的 Yonge & Dundas 附近有什么？我饿了！

多伦多的 Yonge & Dundas 附近有什么？我是

多伦多央街和登打士附近有什么？

央街和登打士附近有什么，

等等。对于由完整单词组成的所有可能的子字符串。

【讨论】：

谢谢加布里埃尔！你给了我一些想法。没想过蛮力的方法，但考虑到推文的长度有限，这是完全可行的！

【解决方案2】：

给你： http://geocoder.ca/?locate=Hey+%40twitterbot%2C+I%27m+looking+for+restaurants+around+123+Main+Street%2C+New+York&geoit=xml&parse=1

<geodata>
<latt>40.5119365</latt>
<longt>-74.2493562</longt>
<AreaCode>347,718</AreaCode>
<TimeZone>America/New_York</TimeZone>
<standard>
     <stnumber>123</stnumber>
     <staddress>Main ST</staddress>
     <city>STATEN ISLAND</city>
     <prov>NY</prov>
     <postal>11385</postal>
     <confidence>0.9</confidence>
  </standard>
</geodata>

或 http://geocoder.ca/?locate=Hey+%40twitterbot%2C+I%27m+looking+for+restaurants+around+123+Main+Street%2C+New+York

【讨论】：