---
title: nlp_structbert_address-matching_chinese_base
canonical_url: "https://www.modelscope.cn/models/iic/nlp_structbert_address-matching_chinese_base"
md_url: "https://www.modelscope.cn/models/iic/nlp_structbert_address-matching_chinese_base.md"
repository: iic/nlp_structbert_address-matching_chinese_base
chinese_name: "StructBERT地址相似度匹配-中文-地址领域-base"
last_updated: 2022-11-24
pipeline_tag: text-classification
tasks:
  - text-classification
model_type:
  - bert
architectures:
  - BertForSequenceClassification
library_name:
  - pytorch
frameworks:
  - pytorch
inference_backends:
  - "deploy_task emb"
  - "sglang 0.5.2"
  - "vllm 0.9.2"
downloads: 2347
stars: 4
domain:
  - nlp
backbone:
  - bert
metrics:
  - Acc
language:
  - cn
license: "Apache License 2.0"
tags:
  - Alibaba
  - transformer
  - sentence-similarity
  - text-similarity
  - text-semantic-matching
  - "文本相似度"
  - "文本对匹配"
  - "句子对匹配"
  - "句子相似度"
  - "语义匹配"
---

# nlp_structbert_address-matching_chinese_base

> nlp_structbert_address-matching_chinese_base - iic 在 ModelScope 开源的模型。模型描述 本模型使用StructBERT作为预训练模型底座，使用句子对分类计算交叉熵的方式进行训练。 模型结构如下图所示：

iic/nlp_structbert_address-matching_chinese_base 是 ModelScope 魔搭社区上的text-classification模型，可用 deploy_task emb、sglang 0.5.2、vllm 0.9.2 部署。

- **Repository**: iic/nlp_structbert_address-matching_chinese_base
- **Tasks**: text-classification
- **Inference backends**: deploy_task emb, sglang 0.5.2, vllm 0.9.2
- **Downloads**: 2347
- **Stars**: 4
- **Last updated**: 2022-11-24

Source: https://www.modelscope.cn/models/iic/nlp_structbert_address-matching_chinese_base

---

# 地址相似度匹配介绍

## 模型描述
本模型使用StructBERT作为预训练模型底座，使用句子对分类计算交叉熵的方式进行训练。
模型结构如下图所示：

![模型结构](bert_sim.png)


## 期望模型使用方式以及适用范围


日常生活中输入的地址文本可以为以下几种形式：


> 包含四级行政区划及路名路号POI的规范地址文本；


> 地址要素缺省的规范地址文本，例：只有路名+路号、只有POI；


> 非规范的地址文本、口语化的地址信息描述，例：阿里西溪园区东门旁亲橙里；


地址相似度匹配模型主要是对输入的两条地址，评估他们之间的相似程度，输出完全相关(exact_match)、部分相关(partial_match)、不相关(not_match)这三个标签类型的概率。

用户可以自行尝试输入中文句子。具体调用方式请参考代码示例。

### 如何使用
在安装ModelScope完成之后即可使用nlp_structbert_address-match_chinese_base(地址相似度匹配)的能力, 默认两个句子长度加起来不超过512。

#### 代码范例
```
kk```python
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

pipeline_ins = pipeline(
    task=Tasks.text_classification, model='damo/nlp_structbert_address-matching_chinese_base')
print(pipeline_ins(input=('北京航空航天大学逸夫楼', '北京航空航天大学图书馆')))
# {'scores': [0.005042273085564375, 0.14676348865032196, 0.8481942415237427], 'labels': ['exact_match', 'not_match', 'partial_match']} 
```


### 模型局限性以及可能的偏差
本模型基于ccks2021-addrsim数据集上训练，请用户自行评测后决定如何使用。

## 训练数据介绍
- ccks2021-addrsim: 中文地址相似度匹配数据集。

## 数据评估及结果
模型在ccks2021-addrsim测试数据评估结果:

| Dataset | Accuracy |
| --- | --- | 
| ccks2021-addrsim | 83.86 |