python - 使用 NLP 进行地址拆分

Question

我目前正在开展一个项目，该项目应识别地址的每个部分，例如来自“str. Jack London 121, Corvallis, ARAD, ap. 1603, 973130”，输出应如下所示:

street name: Jack London; 
no: 121; city: Corvallis; 
state: ARAD; 
apartment: 1603; 
zip code: 973130

问题在于并非所有输入数据的格式都相同，因此某些元素可能会丢失或顺序不同，但保证是地址。
我在互联网上检查了一些资源，但其中很多只适用于美国地址 - 就像 Google API Places，问题是我会将它用于另一个国家。
正则表达式不是一种选择，因为地址可能变化太大。
我还考虑过 NLP 使用命名实体识别模型，但我不确定这是否可行。
你知道什么是一个很好的开始方式，也许可以帮我一些提示吗？

Answer 1

有一个similar question在 Data Science Stack Exchange 论坛中，只有一个答案建议使用 SpaCy。
关于 detecting addresses using Stanford NLP 的另一个问题详细介绍了另一种检测地址及其组成部分的方法。
有一个LexNLP具有以这种方式检测和拆分地址的功能的库(从库中的 TowardsDatascience article 借来的片段):

from lexnlp.extract.en.addresses import address_features
for filename,text in d.items():
    print(list(lexnlp.extract.en.addresses.address_features.get_word_features(text)))

还有一个比较新的(2018)和“研究”代码 DeepParse (和 documentation )用于伴随 IEEE article 的深度学习地址解析(付费专区)或 Semantic Scholar .
对于培训，您将需要使用一些大型地址语料库或使用生成的假地址，例如 Faker图书馆。