(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210927656.2 (22)申请日 2022.08.03 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 周柱君　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 姚大雷 (51)Int.Cl. G06Q 40/02(2012.01) G06F 16/35(2019.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01) (54)发明名称 一种不动产抵押地址的核验方法、 装置、 系 统及存储介质 (57)摘要 本发明提供了一种不动产抵押地址的核验 方法、 装置、 系统及存储介质， 其中所述方法包 括： 获取不动产抵押地址的信息文本； 利用细粒 度地址元素解析模型对所述信息文本进行地址 核验， 得地址核验结果； 根据所述地址核验结果 确认所述信息文本中缺失的关键地址元素。 本发 明通过在获取到不动产抵押地址中的信息文本 后， 利用预先训练好的细粒度地址元素解析模型 对信息文本进行地址核验， 从而可以进一步根据 地址核验结果确认信息文本中所缺失的关键地 址元素。 本发 明所提供方法能够准确核验客户在 办理银行不动产抵押贷款时所填写的抵押不动 产地址信息文本中是否缺失关键的地址元素， 同 时能够满足业务与监管的要求， 为银行不动产抵 押业务提供了方便 。 权利要求书3页 说明书12页 附图4页 CN 115311069 A 2022.11.08 CN 115311069 A 1.一种不动产抵押地址的核验方法， 其特 征在于， 包括： 获取不动产抵押地址的信息文本； 利用细粒度地址元 素解析模型对所述信息文本进行地址核验， 得地址核验结果； 根据所述 地址核验结果确认所述信息文本中缺失的关键地址元 素。 2.如权利要求1所述 不动产抵押地址的核验方法， 其特 征在于， 所述细粒度地址元 素解析模型包括词义融合层、 注意力编码计算层和分类层； 所述利用 细粒度地址元素解析模型对所述信息文本进行地址核验， 得地址核验结果， 包括： 将所述信息文本通过所述词义融合层转换为与所述信息文本中子字符对应的词义编 码向量； 将所述词义编码向量输入进所述注意力编码计算层， 进行所述词义编码向量之间的注 意力编码计算， 得到注意力编码计算结果； 利用所述分类层对所述注意力编码计算结果进行分类 计算， 得到所述 地址核验结果。 3.如权利要求2所述不动产抵押地址的核验方法， 其特征在于， 所述将所述信 息文本通 过所述词义融合层转换为与所述信息文本中子 字符对应的词义编码向量， 包括： 将所述信息文本利用Word ‑Bert中文词义预训练模型进行分词拆分， 得到多个与所述 信息文本对应的子 字符； 将所有所述子字符输入进所述Word ‑Bert中文词义预训练模型的所述词义融合层， 进 行词义嵌入编码， 将所述子 字符转换为词义编码向量。 4.如权利要求3所述不动产抵押地址的核验方法， 其特征在于， 所述词义编码向量ei的 计算方式如下： Tokenization(t)∝(x1,x2,...,xi...xn)0≤i≤n； ei＝Word‑Bert Embedding(xi)； 其中， t代表不动产抵押地址的信息文本； xi代表所述信息文本被分词拆分后得到的所 有子字符； Word ‑Bert Embedding(xi)表示通过所述Word ‑Bert中文词义预训练模型的所述 词义融合层对所述子 字符进行词义嵌入编码； ei为所述子 字符转换后的词义编码向量。 5.如权利要求2所述 不动产抵押地址的核验方法， 其特 征在于， 所述注意力编码计算层， 包括混合注意力机制； 所述混合注意力机制包括全局注意力 机制和跨字符动态卷积局部注意力机制； 所述将所述词义编码向量输入进所述注意力编码计算层， 进行所述词义编码向量之间 的注意力编码计算， 得到注意力编码计算结果， 包括： 根据全局注意力机制， 进行针对于所述将所述词义编码向量进行全局注意力计算， 得 到全局注意力结果； 并且， 根据所述跨字符动态卷积局部注 意力机制， 针对于所述将所述词 义编码向量进行局部注意力计算， 得到跨字符动态卷积局部注意力结果； 根据所述混合注意力 机制， 将所述全局 注意力结果和所述跨字符动态卷积局部注意力 结果进行拼接， 得到混合注意力聚合编码向量， 并将所述混合注意力聚合编码向量作为所 述注意力编码计算结果。 6.如权利要求5所述不动产抵押地址的核验方法， 其特征在于， 所述根据全局 注意力机 制， 进行针对于所述将所述词义编码向量进 行全局注意力计算， 得到全局注意力结果中， 所权　利　要　求　书 1/3 页 2 CN 115311069 A 2述全局注意力结果的计算方法为： 其中， Q、 K和V分别代表所述词义编码向量ei经过映射转换计算后得到的查询向量、 键向 量与值向量； Self ‑Attn((K,V),qi)代表使用所述查询向量Q、 所述键向量K与所述值向量V 计算自注意力 矩阵， 并计算字符i的所述全局注意力结果的过程； 为字符i的所述全局注 意力结果。 7.如权利要求5所述不动产抵押地址的核验方法， 其特征在于， 所述根据 所述跨字符动 态卷积局部注意力机制， 针对于所述将所述词义编码向量进行局部注意力计算， 得到跨字 符动态卷积局部注意力结果中， 所述 跨字符动态卷积局部注意力结果的计算方法为： 其中， Q、 V分别代表所述词义编码向量ei经过映射转换计算后得到的查询向量与值向 量； Kspan代表字符i的跨字符局部上下文键值向量； LConv(e,W,i)为动 态卷积注意力中卷积 核的计算过程； SDConv(Q,Kspan,V； Wf,i)代表使用所述查询向量Q、 所述值向量V和所述跨字 符局部上下文键值向量Kspan计算局部注意力依赖矩阵， 并计算字符i 的所述跨字符动态卷 积局部注意力结果的过程； 为字符i的所述 跨字符动态卷积局部注意力结果。 8.如权利要求5所述不动产抵押地址的核验方法， 其特征在于， 所述根据 所述混合注意 力机制， 将所述全局注意力结果和所述跨字符动态卷积局部注意力结果进行拼接， 得到混 合注意力聚合编码向量， 并将所述混合注意力聚合编 码向量作为所述注意力编 码计算结果 中， 所述混合注意力聚合编码向量 的计算方法为： 其中， Cat表示拼接操作； 为所述全局注意力结果与所述跨字符动态卷积局部注意 力结果进行拼接后得到的字符i的所述混合注意力聚合编码向量。 9.如权利要求2所述不动产抵押地址的核验方法， 其特征在于， 所述利用所述分类层对 所述注意力编码计算结果进行分类 计算， 得到所述 地址核验结果， 包括： 利用所述分类层的长短期记忆双向循环神经网络模型对所述注意力编码计算结果进 行正向循环编 码计算和反向循环编 码计算， 得到针对所述注意力编 码计算结果的多个隐藏 层的正向数组结果和反向数组结果； 提取所述正向数组结果中和所述反向数组结果中的各最后一层隐藏层中子字符序列权　利　要　求　书 2/3 页 3 CN 115311069 A 3