所有文档

          语言处理技术

          地址识别

          地址识别接口

          接口描述

          针对快递、电商行业中客户在线提交的大量非结构化地址单据,该接口可以帮助精准提取快递填单文本中的姓名、电话、地址信息,通过自然语言处理辅助地址识别做自动补充和纠正,生成标准规范的结构化信息,大幅提升企业处理单据的效率。

          请求说明

          请求示例

          HTTP方法: POST

          请求URL: https://aip.baidubce.com/rpc/2.0/nlp/v1/address

          URL参数:

          参数
          access_token 通过API Key和Secret Key获取的access_token,参考“Access Token获取

          Header如下:

          参数
          Content-Type application/json

          Body请求示例:

          {
              "text": "上海市浦东新区纳贤路701号百度上海研发中心 F4A000 张三",
              "confidence":100
          }

          请求格式

          POST方式调用

          注意:要求使用JSON格式的结构体来描述一个请求的具体内容。

          body整体文本内容可以支持GBK和UTF-8两种格式的编码。

          请求参数

          参数 类型 是否必选 描述
          text string 待识别的文本内容,不超过1000字节
          confidence int 取值100-0,不设置时默认为50。该字段用于触发补充解析策略,对置信度在配置值以下的结果,进行补充解析,以提高结果精度。该字段配置会增加服务耗时。经评测,在保证准确率提升效果的前提下,当取值=50时,服务平响增长相对较小。也可根据业务数据评测,决定取值。

          返回参数

          参数 说明 描述
          log_id uint64 请求唯一标识码
          text string 原始输入的文本内容
          province string 省(直辖市/自治区)
          province_code string 省国标code
          city string
          city_code string 城市国标code
          county string 区(县)
          county_code string 区县国标code
          town string 街道(乡/镇)
          town_code string 街道/乡镇国标code
          person string 姓名,如果出现多个则按顺序输出
          detail string 详细地址
          phonenum string 电话号码,如果出现多个则按顺序输出

          返回格式

          JSON格式

          返回编码格式与传入编码格式一致

          若用户输入为GBK编码,则返回内容为GBK编码;若用户输入为UTF-8编码,则返回内容为UTF-8编码

          返回示例

          {
              "province": "上海市",
              "city": "上海市",
              "province_code": "310000",
              "log_id": 1420038644986026316,
              "text": "上海市浦东新区纳贤路701号百度上海研发中心 F4A000 张三",
              "town": "张江镇",
              "phonenum": "",
              "detail": "纳贤路701号百度上海研发中心F4A000",
              "county": "浦东新区",
              "person": "张三",
              "town_code": "310115125",
              "county_code": "310115",
              "city_code": "310100"
          }
          上一篇
          多实体情感倾向分析
          下一篇
          消费者评论分析