10.1 各字段值结合

• 省市区：固定值
• 街镇：浦东36个街镇
• 小区、poi：线下收集
• 其他字段：程序造的字段模板 见address字段内部分布.json

10.2 数据生成配置文件

config.json 结构如下，其中fields为各字段内部分布、pattern为地址模式分布。

将 address字段内部分布.json粘贴进config.json 中filed；

详细字段人工检查，增删改查，形成最终的配置文件new_config.json

{
  "version": [
    "0.1.0 init",
    "0.1.1 增加label路径",
    "0.1.2 修改部分名字",
    "0.1.3 去除label文件路径, label内容由field中的name来定义",
    "0.1.4 大重构, 大大降低配置档的难度",
    "0.1.5 增加模版和实际分布"
  ],
  "totalCount": 100000,
  "shuffle": true,
  "outputFile": "./data/datas.json",
  "outputFileHuman": "./data/datas_human.txt",
  "fields":[...]
	"pattern":[...]
}

10.3.生成指定条数据量

位置：【main.py】

• input: new_config.json 、各字段候选集
• output：train.json 、test.json 、data_human.txt（方便阅读的造的地址）

执行 main.py，生成训练集和测试集。