互联网文本蕴含道路交通信息抽取的模式匹配方法.pdfVIP

第17卷 第4 期 Vol. 17, No.4 2015 年4 月 Apr., 2015 互联网文本蕴含道路交通信息抽取的 模式匹配方法 1,2 1* 1 仇培元 ，张恒才 ，陆 锋 (1. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101； 2. 中国科学院大学，北京 100101) 摘要：互联网页面和社交网络文本中蕴含丰富的道路交通信息，是其他交通信息采集平台的有效补充。然而，自然 语言文本形式的交通信息多以线性参考或地标方位描述交通事件空间位置，且大量存在事件元素缺失或隐含现 象，对交通信息的自动化抽取有着较大影响。考虑到交通信息的自然语言表达方式虽然自由随意，但表达模式相 对固定，提出一种从互联网文本中抽取道路交通信息的模式匹配方法。首先，基于道路交通事件描述的语言特征 构建模式库；然后，以特征词词性序列的形式表达互联网文本和抽取模式，利用DTW 距离度量序列相似度，实现抽 取模式匹配；最后，在匹配抽取模式和填补规则指导下获取结构化的道路交通信息。由上海市城市交通相关门户 网站和微博客平台的实验过程显示，本文所提出的模式匹配方法，抽取道路交通信息的准确率和召回率分别达到 90%和80% 以上，表明该方法能有效抽取互联网文本蕴含的道路交通信息，且实现过程相对简单，易于扩展，具有 可用性。 关键词：互联网文本；道路交通信息；模式匹配；DTW 距离；信息抽取 DOI:10.3724/SP.J. 1047.2015.00416 1 引言 系实例，获取这些实例的相关参数，组织为结构化 [2] 数据格式的技术 。信息抽取技术已在获取文本蕴 [3] [4] [5] 道路交通状态的实时监测与分析是智慧城市 含医学信息 、生物学信息 、商业信息 、突发事件 [6-7] 建设的重点。现有的基于固定传感器或浮动车的 信息 等方面发挥重要作用。文本蕴含地理信息 [8-11] 实时交通信息采集技术虽然得到广泛应用，但无法 抽取也日益引起关注 。 采集突发性较强的交通事故、临时交通管制、交通 然而，对于互联网文本蕴含道路交通信息抽 [1] 取，现有信息抽取技术存在以下问题： 限制、实时交通环境等信息 。与此同时，互联网作 为便捷高效的信息载体，已成为政府机构、企业、公 （1）道路交通事件位置描述一般采用基于线性 [12