基于规则的中文分词与地址匹配.pptVIP

基于规则的中文地址分词与匹配方法 计算机技术 研究背景及意义 随着地理信息系统（GIS）的不断发展和其在各行业的广泛应用，人们对信息共享 的要求也越来越迫切。例如在城市管网、交通导航、工商管理、公共卫生、灾害管理等 领域，地理信息系统作为信息共享的平台，其应用越来越广泛。城市各行业的数据库都 保存着大量和地理位置有关的非空间数据。但是这些行业建设的 GIS 系统并没有足够的 空间位置数据进行支撑，因为地址数据并不能够批量、准确地转化为空间化的信息。这 些数据大多都没有空间位置坐标，无法对应到电子地图上，也就无法进行空间分析和管 理决策。 地址匹配技术正是这一问题的解决方法。地址匹配技术就是把自然语言描述的地理 位置信息转换成地理坐标的过程。通过地址匹配技术，可以把城市各个行业的非空间 信息数据进行空间化，进而运用到 GIS 实际应用中，实现信息的集成与数据共享。 GIS 例如，百度地图 引入一些地址组成的基本概念： (1)地址串：就是一般的地址，日常的通信地址。例如：青岛市黄岛区前湾港路 579 号。 (2)地址要素：组成地址串的若干词组，如上面的地址就是由 4 个地址要素组成的，分别是“青岛市”、“黄岛区”、“前湾港路”和“579 号”，每个地址要素相对独立。 (3)地址通名：顾名思义，就是地址要素中通用的那些字段。例如：地址要素 “黄岛区”中“区”为地址通名， “前湾港路”中“路”为地址通名。 (4)地址专名：例如：“黄岛区”中“黄岛”为地址专名。地址要素中去掉地址通名后剩余的部分就称为地址专名。 Key technologies on Address matching Standard address model 标准地址模型举例 中文分词方法： 1.基于字典的分词方法 （1）正向最大匹配法 （2）逆向最大匹配法 （3）最少切分词方法 （4）逐词遍历法 2.基于理解的分词方法 3.基于统计的分词方法 在人工智能的自然语言处理（NLP）领域也会用到中文分词技术。 正向最大匹配法: 它的基本思想是：首先创建一个用于自动分词的中文词典，可以得知词典中的最长词条的汉字个数，假设个数为 n。然后，取待切分句子的前 n 个字符作为匹配字段，在分词词典中进行字段的查询匹配。如果词典中有这样的字段，则匹配成功。这样，由 n个字符组成的字段被切分出来，作为一个词。如果词典中不存在这样的字段，则匹配失败，将字段末尾去一个汉字，剩下的 n-1 个字符作为新的字段，再进行匹配，如此重复，直到匹配成功为止。 例如句子“我们是中华人民共和国的公民”，假设字典的最长词长为 7，它的正向最 大匹配法的分词流程如下表 所示。 分词过程实例 Process of segmentation 标准数据库的创建： 建立地址标准数据库系统是地址匹配的前提工作，需要将采集的城市地址按照确定 的标准地址模型进行标准化。 在创建的标准地址库中，分别存储地址的行政区划部分和详细街道地址部分。 中文地址的组成复杂多样，对比标准地址模型，可能存在地址表达不完整、残缺的情况。（设定：1道路名，2门牌号，3住宅小区，4楼牌号，5建筑物。）例如地址址武汉市青山区工业一路21号，是1（道路名）+2（门牌号）的模式，没有3、4、5三种地址要素。因此需要定义规则以便于后面地址匹配的进行。如下表所示。 地址匹配规则树 Geocoding rule tree 对于存在语义歧义的模糊地址，可以利用栈存储所有歧义情况，并构建一棵歧义地址树，按照深度优先原则遍历该树，直至查询到满足规则的地址记录为止。当查询失败时，可以读取栈中上一层的歧义地址继续查询。虽然一定程度上加大了查询的复杂度，但可以比较好的应对歧义模糊地址的匹配问题。 例如，地址“江汉墨水湖东侧12号楼B座301室”，首先，行政区划部分应该是“江汉区”，缺少地址通名“区”；“墨水湖”表述有歧义，可能是墨水湖路，也可能是墨水湖小区；另外，“东侧、B座301室”为多余信息，应该去掉。以此地址为例，算法的具体步骤如下： （1）判断字符串中是否存在行政区划。通过搜索标准地址库中行政区划表，查找到“江汉”一词与记录“江汉区”模糊匹配，将其分割出来。 （2）对剩余字符串“墨水湖东侧12号楼B座301室”进行