GRAAL-Research/deepparse

解决的问题

Deepparse 旨在解决多国地址解析的困难。它通过识别不同国家和格式中的特定组件（如街道名称、市镇、邮政编码），将原始的非结构化地址字符串转换为结构化数据。

工作原理

该库使用深度学习和 Seq2Seq 模型来预测地址组件的标签。它提供基于 FastText 和 BPEmb 嵌入的预训练模型，并可选地使用注意力机制以提高准确性。用户可以通过 Python API、命令行界面或通过 Docker 部署的 FastAPI REST API 使用该库。

适用人群

适用于需要处理大量国际地址数据、自动化地址验证或构建需要结构化位置信息的应用程序的开发人员和数据科学家。

主要亮点

• 多国支持：在 20 个国家上进行了预训练，并具备对另外 41 个国家的零样本（zero-shot）能力。
• 灵活部署：可作为 Python 库、CLI 工具或 Docker 化的 FastAPI 服务使用。
• 可定制性：支持在新数据上重新训练模型、添加自定义预测标签，或从头开始训练新的 Seq2Seq 配置。
• 高准确率：在干净和不完整的地址数据上均表现出高准确率，注意力机制进一步提升了性能。