基于行政隶属关系树状图的地名消歧方法 Toponym Disambiguation Based on Administrative District Relation Tree.pdfVIP

第29卷第3期 地理与地理信息科学 VoL29 No．3 Science 2013 2013年5月 andGeo-Information Mav Geography doi：10．7702／dlydIxxk 基于行政隶属关系树状图的地名消歧方法 朱少楠，张雪英。，李明，王宇 (南京师范大学虚拟地理环境教育部重点实验室，江苏南京210023) 摘要：同一地名映射不同物理空间位置的地名歧义现象普遍存在，地名消歧是指为地名分配唯一地理位置的过程。 欧美国家的地名数据库和相关知识库比较完善，提出一系列通用或适宜个别语种的地名消歧方法。由于我国当前 缺乏类似的高质量数据资源，难以直接引入这些方法解决中文地名消歧问题。该文提出在地名识别和地名匹配的 基础上，通过构建歧义地名行政隶属关系树状图，利用上下文相关地名在树状图中出现的子节点数，判断歧义地名 指向的地理位置。实验表明，该方法简单易行，而且可以达到较好的消歧效果。 关键词：地名消歧；行政隶属关系；地名匹配；地理位置 中图分类号：P208 文献标识码：A 文章编号：1672一0504(2013)03一0039一04 在上述研究基础上，陆续提出了一些针对不同 0引言 语种或跨语种的地名消歧方法，大多数方法比较类 由于地名表达方式的多样性，同一地名映射不 似，主要在地名数据库和知识库方面进行改进[8]。 同物理空间位置的地名歧义现象普遍存在。调查发 Amitay等则提出不应用任何知识库的启发式算 现，全球超过80％的地名是无歧义地名，但是出现在 法，主要考虑词汇的出现频率及地名匹配的情况， 文本中的歧义地名高达83％，其中相当一部分存在 以确定是普遍词汇还是地名，多个网页数据集的实 5个以上的候选地理位置[13；Perseus数字图书馆文 本数据资源中大约92％的地名具有歧义[z1；美国地名之间区域等级路径的算法，选择最小路径代价作 质调查局与美国国家情报局的全球地名数据库中存 为地名分配地理位置的重要指标，12篇德语新闻 在两种以上歧义的地名约为19．2％；新闻文本中约文本中的测试准确率为64％，其中一个主要原因 有40％的地名存在歧义[33。 是地名数据库规模较小[1州。Clough等则综合应用 地名消歧是指为地名分配唯一地理位置的过 了地名匹配、停用词表和人口数量等因素，130篇 程，在地理信息检索和地理信息挖掘等方面具有重 要作用[4]。文献Es]最早阐述地名消歧问题，提出基消歧系统性能评测语言资源，并对多种地名消歧算 于地名在文本篇章中出现频率的启发式地名消歧算 法进行了性能测试[4]。总体看，地名消歧都假设同 法，实现了新闻文本中的地名解析和动态地图标注。 一文本中多次出现的地名都指向同一地理位置，且 Perseus数字图书馆是一个历史文献数据库，涉及一充分利用地名数据库进行地名匹配，利用知识库(停 百多万个地名，采用基于上下文的方法针对每篇文 用词表、空间本体)和参照部分空间显著度影响因子 InfoXtract 本中的单个地名消歧[2]。CymfonyIE系 (如人口、区域等级)可以在一定程度上改进地名消 统进一步泛化了时空和度量表达，利用局部模式匹 歧性能。 配、篇章共现频率分析和缺省空间参照等模式进行 近年来，国内也开始关注中文地名消歧研究。 地名消歧，在地名数据库匹配基础上，将人口显著度 唐旭日[12]通过计算该地名上下文语境中地理要素的 最高的区域作为歧义地名的指示位置。由于人口显 认知显著度进行地名的消歧，但这些影响因子数值 著度指标较模糊，且缺省参照只有32．75％，实验效的定义比较主观。杜萍等[13]提出利用行政区划地名 果并不理想[6]。基于置信度