網(wǎng)絡(luò)文本中地理實體屬性抽取研究.pdf

1、地理實體屬性是基礎(chǔ)地理信息的重要組成部分，傳統(tǒng)的地理實體屬性信息只包含名稱、類別、經(jīng)度、緯度四個屬性值。隨著時代的發(fā)展，人們對地理實體屬性多樣化的需求日益突出，如何豐富地理實體的屬性已經(jīng)成為地理人日益關(guān)心的一個話題。傳統(tǒng)的地理信息屬性獲取多靠野外測繪，在面對海量數(shù)據(jù)時，測量數(shù)據(jù)已經(jīng)無法滿足時代需求。因此如何快速、有效的豐富地理實體的屬性已經(jīng)是基礎(chǔ)地理信息面臨的一個重要挑戰(zhàn)。網(wǎng)絡(luò)文本中蘊含中大量的信息，其中也不乏地理信息，從網(wǎng)絡(luò)文本中獲取

2、地理信息，不僅豐富了地理信息的數(shù)據(jù)來源，也解決了測繪外業(yè)獲取屬性數(shù)據(jù)的繁瑣。本文的主要研究內(nèi)容就是從網(wǎng)絡(luò)文本中獲取地理實體屬性。
　　不同的地理實體類別有不同的屬性信息，因此獲取地理實體屬性應(yīng)首先知道其類別。本文對地理實體類別信息判定依據(jù)主要來源于兩方面，一是利用地理實體名稱，二是利用地理實體的上下文信息。在基于地理實體名稱上，本文首先從OpenStreetMap(OSM)獲取地理實體每一類別下的實例名稱，以此作為基于名稱分類的依

3、據(jù)，利用支持向量機和決策樹，判斷地理實體所屬的類別，實驗結(jié)果表明這兩種方法均取得了不錯的實驗效果，其中在分類的準確率和召回率上SVM的結(jié)果要優(yōu)于決策樹。在基于地理實體所處上下文上，本文利用SVM分類方法，以百度百科文本為數(shù)據(jù)源，構(gòu)建分類模型，與基于名稱判斷地理實體類別相比，該方法具有了更好的分類結(jié)果。已知類別后，本文利用條件隨機場，選取詞本身、詞性、詞綴、觸發(fā)詞，單字等作為特征，利用百度百科信息框已經(jīng)結(jié)構(gòu)化的屬性值作為已知屬性值回標到百