網(wǎng)頁文本地名地址信息識(shí)別與萃取方法研究.pdf

1、隨著網(wǎng)絡(luò)、云計(jì)算、物聯(lián)網(wǎng)等信息技術(shù)的飛速發(fā)展，人類社會(huì)正以未有的速度闊步邁進(jìn)“網(wǎng)絡(luò)大數(shù)據(jù)”時(shí)代，特別網(wǎng)絡(luò)自媒體信息的爆炸性增長，其包含的海量信息已經(jīng)成為GIS領(lǐng)域重要的數(shù)據(jù)源?；ヂ?lián)網(wǎng)作為現(xiàn)代社會(huì)最重要的信息發(fā)布、傳播和交流的載體，蘊(yùn)含著豐富的地理空間信息，已成為傳統(tǒng)地理信息采集方式的有效補(bǔ)充。由于網(wǎng)絡(luò)信息多樣性、隨意性、交互性等特點(diǎn)使得這些信息難以自動(dòng)識(shí)別萃取，無法轉(zhuǎn)換為GIS工具的數(shù)據(jù)源作進(jìn)一步統(tǒng)計(jì)和分析，因此完成對網(wǎng)絡(luò)信息中包含的地

2、理空間信息的識(shí)別與萃取對有效利用“互聯(lián)網(wǎng)大數(shù)據(jù)”至關(guān)重要。
　　網(wǎng)絡(luò)信息常以文本的形式展現(xiàn)，有效識(shí)別與萃取網(wǎng)絡(luò)文本信息中的以地名地址形式出現(xiàn)的地理空間信息是有效的解決方式。網(wǎng)絡(luò)文本信息中地名地址識(shí)別是指對文本信息進(jìn)行語義分析，發(fā)現(xiàn)其中包含的規(guī)范的、不規(guī)范的地名地址信息。網(wǎng)絡(luò)文本信息中地名地址萃取是指利用地名地址的以數(shù)學(xué)形式表示的屬性值，實(shí)現(xiàn)準(zhǔn)確萃取目標(biāo)地名地址。本研究在分析了網(wǎng)絡(luò)信息以及網(wǎng)絡(luò)信息中地名地址特點(diǎn)的基礎(chǔ)上，采用了一種基

3、于“地名地址基因庫”的網(wǎng)絡(luò)文本地名地址識(shí)別與萃取方法，其研究結(jié)果如下：
　?。?）網(wǎng)絡(luò)文本信息中地名地址識(shí)別方法。定義了地名地址基因，采用地名地址由地名地址基因組成，構(gòu)建了面向某區(qū)域的地名地址基因庫。改進(jìn)了中文分詞算法，以“地名地址基因庫”為詞典，識(shí)別網(wǎng)頁信息中的地名地址基因。按照基因相鄰規(guī)則組合基因來還原了網(wǎng)頁信息中的地名地址串，以達(dá)到地名地址識(shí)別的目的。
　?。?）網(wǎng)絡(luò)文本信息中地名地址萃取方法。本研究嘗試用數(shù)學(xué)方式解釋