基于规则的中文地址要素解析方法

摘要

在日常生产与生活中,地址是最常见的使用自然语言描述地理位置的参考系统之一.地址地理编码技术被认为是大量业务数据的GIS实现可视化定位和空间分析的桥梁,在房地产管理、土地管理、城市规划、公安、邮政、税收、电讯和公共卫生等领域中具有十分重要的应用前景.地址要素解析是中文地址编码的核心技术之一.它是将自然语言描述的地址拆分为在某一限定区域内,可以指定某一地理范围的地址要素的过程.实际上,这个过程可以被看作是一种特定的中文分词任务.由于语言和文化的原因,中文地址描述采用连续的字符串,而且普遍存在不规范现象.目前,采用的地址解析方法在较大程度上受限于词典的更新维护和规则的不完备问题.本文以大规模地名词典和地址数据库为数据源,通过系统分析地址要素的构词特征和句法模式,构建了各类地址要素的特征字库,提出了中文地址的数字表达方法,设计了RBAI中文地址要素解析算法,开发了相应的原型系统.实验结果准确率达到92%以上,处理效率达2800条/秒.这表明该方法符合大规模数据处理的应用需求,具有重要的推广应用价值.