我正在尝试构建一个分类器，可以确定两个地址是匹配还是不匹配。

假设我有一组具有匹配或不匹配标签的地址对数据集。

我是 ML 的新手，所以有些事情可能会在我脑海中浮现，但这就是我正在考虑的完成任务的方式：

构建分类器的方法

• 将每个地址分割成它的子组件，例如街道名称、邮政编码等
• 为每个字段构造一个具有一维的比较向量。这些字段保存来自字符串相似性方法（例如 jaro-winkler）的值。
• 我的所有带有关联匹配标签的比较向量现在都可以用于训练分类器

预测一对是否匹配

• 使用阻塞等方法构建候选地址对列表
• 以与上面构建分类器相同的方式构建比较向量
• 每个候选者的比较向量现在被输入到分类器中，这将解析为匹配或不匹配

我的方法受到研究论文 地址匹配中的机器学习创新的启发：word2vec 和 CRF 的实际比较，但是对于初学者来说，很多东西都被模糊地描述了。

总而言之，我正在寻找有关这种方法是否成立或我完全误解了某些东西的任何意见