GRAAL-Research/deepparse

解決的問題

Deepparse 是為了解決多國地址解析的困難而設計的。它透過識別不同國家與格式中的特定元件（例如街道名稱、市鎮、郵遞區號），將原始的非結構化地址字串轉換為結構化資料。

工作原理

該庫使用深度學習與 Seq2Seq 模型來預測地址元件的標籤。提供基於 FastText 和 BPEmb 嵌入的預訓練模型，並可選地使用注意力機制以提升準確度。使用者可透過 Python API、命令列介面，或透過 Docker 部署的 FastAPI REST API 使用此庫。

適用對象

適合需要處理大量國際地址資料、自動化地址驗證，或建構需要結構化位置資訊之應用程式的開發人員與資料科學家。

主要特色

• 多國支援：已在 20 個國家上進行預訓練，並具備對另外 41 個國家的零樣本（zero-shot）能力。
• 彈性部署：可作為 Python 套件、CLI 工具，或 Docker 化的 FastAPI 服務使用。
• 可客製化：支援在新資料上重新訓練模型、新增自訂預測標籤，或從零開始訓練新的 Seq2Seq 配置。
• 高準確率：在乾淨與不完整地址資料上皆表現出高準確率，注意力機制進一步提升效能。