中文地址名稱識別算法設(shè)計和實現(xiàn).pdf

1、中文地址名稱識別是將用戶輸入的地址信息轉(zhuǎn)化到地理坐標(biāo)的過程，是現(xiàn)代汽車導(dǎo)航軟件、地理信息和基于位置的服務(wù)等系統(tǒng)中最重要的功能之一。百度地圖和高德地圖等國內(nèi)廠商大多采用“正向最大匹配分詞”或“逆向最大匹配分詞”的地址分詞算法，當(dāng)用戶的輸入在地址庫中存在時也能夠搜索到正確值。但當(dāng)用戶輸入稍有錯誤就不能得到滿意的結(jié)果或不能得到結(jié)果。本文通過用戶的輸入并結(jié)合地址詞典，利用自然語言處理等技術(shù)，合理推斷用戶最大意圖，從而大大增加地址匹配的魯棒性和智

2、能性。
　　從原始地圖供應(yīng)商拿到的地址庫是固定唯一的，首先要保證當(dāng)用戶輸入在該原始字典中的情況下，能夠正確匹配到地址。采用了利用原始地址庫建立Trie樹的數(shù)據(jù)結(jié)構(gòu)，分詞采用動態(tài)規(guī)劃的方法。這樣做能夠使分詞效率和準(zhǔn)確率大大增加。
　　當(dāng)用戶輸入的地址在地址庫中不存在的情況下，上面方法就會失敗。為了解決這個問題，本文對地址詞典中的元素（即地址詞）中的每一個字建立位置標(biāo)注（B-開始，E-結(jié)束，M-中間，S-單個詞），建立隱馬爾科夫

3、模型，訓(xùn)練該模型參數(shù)?？紤]到性能，識別過程采用基于動態(tài)規(guī)劃的維特比算法，這樣進(jìn)一步增大了分詞的范圍。
　　當(dāng)對地址分詞后，需要確定單詞的屬性，也就是該單詞屬于省、市、縣、街道名或興趣點等，同時也需要滿足對用戶的輸入能夠在地址庫中校正。本文建立了基于n-gram的倒排索引文件，該文件能夠快速索引到與某一單詞相關(guān)的單詞集。之后通過計算相似度并排序，得到對應(yīng)匹配地址的最大結(jié)果。
　　智能地址匹配最主要的部分就是分詞和匹配，如何能夠