关于如何进行数据标准化的问题
有如下几类地址：1.沧湖东二里30#1201 2.南山路208号404 3.风和苑17-299 4.南营24座101 5.井大新村南401
现在要将这些地址标准化，可以看到地址中的具体住宅地址，有些是小区名字，有些是路名和门牌号，并且楼房号的写法也不一致，有的是#，有的是-，有的是座
现在需将所有地址归入到一个标准化的库中，库中选项有路名 门牌号 小区 楼栋编号 单元号 房间号
例：南山路208号404 经过标准化后 路名：南山路 门牌号：208 房间号：404
风和苑17-299 经过标准化后 小区：风和苑 楼栋编号：17 房间号：299
数据量比较庞大，请问有何高效的算法能够实现该标准化的问题，谢谢！
[解决办法]
这个需求能照顾精度就不错了。
从地址信息里面提取出门牌号，小区名这样的信息，需要用模式识别的算法。
看上去决策树效率比较高。
不过，如果真的数据量非常大的话，也可以先排序，对于重复率比较高的关键词，再进行识别。
