王克永，刘纪平，罗　安，王　勇

(1. 山东农业大学，山东 泰安 271018； 2. 中国测绘科学研究院，北京 100830)



前后缀与特征词相结合的地名地址提取

王克永1,2，刘纪平2，罗安2，王勇2

(1. 山东农业大学，山东 泰安 271018； 2. 中国测绘科学研究院，北京 100830)

Extracting Toponomy and Location Based on the Combination of Prefix and Suffix with Feature Words

WANG Keyong,LIU Jiping,LUO An,WANG Yong

摘要：随着地理信息与计算机技术的发展，网络中的非结构化地名地址数据越来越多，逐步成为地理信息更新的重要途径之一。针对互联网中地名地址的存在方式及结构特点，本文提出了一种前后缀与特征词相结合的地名地址识别提取方法。首先利用HMM训练进行分词，接着通过地名地址前后缀词库进行候选地名切分与预提取，最后根据特征词进行匹配过滤，实现对地名地址的准确提取。试验结果证明，本文方法提高了地名地址识别的准确率和召回率,很大程度上解决了未登录地址提取问题。

关键词：前后缀；特征词；HMM分词；地名地址

随着互联网技术的发展，多源网络中广泛存在数量庞大、种类繁多的新闻、报道、军事、生活信息，它们大多是文本数据，不容易被自动挖掘与提取。然而，蕴藏在文本中的地理信息不仅能为政府关注各类事件的分析、研究和决策提供支撑，而且还可以丰富地理信息的内容[1]，可以利用GIS软件进行空间分析与应用[2]。目前，地理信息中地名地址搜索大多利用关键词[3-4]及其出现词频统计结果进行分析和应用，导致搜索数据存在模糊、歧义等问题，使地名地址识别的准确率降低。因此，从海量网络资源中抽取准确的地名地址信息显得格外重要。……