跨国地址解析：零样本评估
计算与语言
2021-12-09 v1 机器学习
摘要
地址解析旨在识别构成地址的各个片段，例如街道名称或邮政编码。由于其在记录链接等任务中的重要性，地址解析已通过多种技术实现，最新的方法依赖于神经网络。虽然这些模型取得了显著成果，但先前关于神经网络的工作仅专注于解析来自单一来源国的地址。本文探讨了在零样本迁移学习设置下，将通过在部分国家地址上训练深度学习模型所获得的地址解析知识迁移到其他国家而无需进一步训练的可能性。我们还尝试在相同的零样本迁移设置中使用注意力机制和领域对抗训练算法来提升性能。两种方法在大多数受测国家均达到了最先进的性能，同时在其余国家也给出了良好结果。我们还探讨了不完整地址对我们最佳模型的影响，并评估了在训练期间使用不完整地址的影响。此外，我们提供了部分训练模型的开源 Python 实现。
引用
@article{arxiv.2112.04008,
title = {Multinational Address Parsing: A Zero-Shot Evaluation},
author = {Marouane Yassine and David Beauchemin and François Laviolette and Luc Lamontagne},
journal= {arXiv preprint arXiv:2112.04008},
year = {2021}
}
备注
Accepted in the International Journal of Information Science and Technology (iJIST). arXiv admin note: text overlap with arXiv:2006.16152