基于规则的中文分词与地址匹配.ppt

基于规则的中文地址分词与匹配方法研究背景及意义随着地理信息系统（GIS）的不断发展和其在各行业的广泛应用，人们对信息共享的要求也越来越迫切。例如在城市管网、交通导航、工商管理、公共卫生、灾害管理等领域，地理信息系统作为信息共享的平台，其应用越来越广泛。城市各行业的数据库都保存着大量和地理位置有关的非空间数据。但是这些行业建设的GIS系统并没有足够的空间位置数据进行支撑，因为地址数据并不能够批量、准确地转化为空间化的信息。这些数据大多都没有空间位置坐标，无法对应到电子地图上，也就无法进行空间分析和管理决策。地址匹配技术正是这一问题的解决方法。地址匹配技术就是把自然语言描述的地理位置信息转换成地理坐标的过程。通过地址匹配技术，可以把城市各个行业的非空间信息数据进行空间化，进而运用到GIS实际应用中，实现信息的集成与数据共享。GIS例如，百度地图引入一些地址组成的基本概念：(1)地址串：就是一般的地址，日常的通信地址。例如：青岛市黄岛区前湾港路579号。(2)地址要素：组成地址串的若干词组，如上面的地址就是由4个地址要素组成的，分别是“青岛市”、“黄岛区”、“前湾港路”和“579号”，每个地址要素相对独立。(3)地址通名：顾名思义，就是地址要素中通用的那些字段。例如：地址要素“黄岛区”中“区”为地址通名，“前湾港路”中“路”为地址通名。(4)地址专名：例如：“黄岛区”中“黄岛”为地址专名。地址要素中去掉地址通名后剩余的部分就称为地址专名。KeytechnologiesonAddressmatchingStandardaddressmodel标准地址模型举例中文分词方法：1.基于字典的分词方法（1）正向最大匹配法（2）逆向最大匹配法（3）最少切分词方法（4）逐词遍历法2.基于理解的分词方法3.基于统计的分词方法在人工智能的自然语言处理（NLP）领域也会用到中文分词技术。正向最大匹配法:它的基本思想是：首先创建一个用于自动分词的中文词典，可以得知词典中的最长词条的汉字个数，假设个数为n。然后，取待切分句子的前n个字符作为匹配字段，在分词词典中进行字段的查询匹配。如果词典中有这样的字段，则匹配成功。这样，由n个字符组成的字段被切分出来，作为一个词。如果词典中不存在这样的字段，则匹配失败，将字段末尾去一个汉字，剩下的n-1个字符作为新的字段，再进行匹配，如此重复，直到匹配成功为止。例如句子“我们是中华人民共和国的公民”，假设字典的最长词长为7，它的正向最大匹配法的分词流程如下表所示。分词过程实例Processofsegmentation标准数据库的创建：建立地址标准数据库系统是地址匹配的前提工作，需要将采集的城市地址按照确定的标准地址模型进行标准化。在创建的标准地址库中，分别存储地址的行政区划部分和详细街道地址部分。中文地址的组成复杂多样，对比标准地址模型，可能存在地址表达不完整、残缺的情况。（设定：1道路名，2门牌号，3住宅小区，4楼牌号，5建筑物。）例如地址址武汉市青山区工业一路21号，是1（道路名）+2（门牌号）的模式，没有3、4、5三种地址要素。因此需要定义规则以便于后面地址匹配的进行。如下表所示。地址匹配规则树Geocodingruletree对于存在语义歧义的模糊地址，可以利用栈存储所有歧义情况，并构建一棵歧义地址树，按照深度优先原则遍历该树，直至查询到满足规则的地址记录为止。当查询失败时，可以读取栈中上一层的歧义地址继续查询。虽然一定程度上加大了查询的复杂度，但可以比较好的应对歧义模糊地址的匹配问题。例如，地址“江汉墨水湖东侧12号楼B座301室”，首先，行政区划部分应该是“江汉区”，缺少地址通名“区”；“墨水湖”表述有歧义，可能是墨水湖路，也可能是墨水湖小区；另外，“东侧、B座301室”为多余信息，应该去掉。以此地址为例，算法的具体步骤如下：（1）判断字符串中是否存在行政区划。通过搜索标准地址库中行政区划表，查找到“江汉”一词与记录“江汉区”模糊匹配，将其分割出来。（2）对剩余字符串“墨水湖东侧12号楼B座301室”进行地址分词匹配。通过匹配规则树，限定了搜索字段为1（道路名）、3（住宅小区名）、5（建筑物）。调用最大正向匹配算法，查询到“墨水湖”分别与1墨水湖路和3墨水湖小区两个字段模糊匹配，因此产生语义歧义。并将1与3先后入栈，栈顶为3，故先将“墨水湖”匹配到3，查询规则库，没有满足条件的规则，故对“东侧12号楼B座301室”继续进行分词匹配。通过规则树，3后面只有4。继续调用最大匹配算法，在标准地址库中的4字段中查询剩余子串“东侧12号楼B座301室”，无匹配结果。故重新选取栈顶元素，将“墨水湖”匹配到1，查询规则库无满足的规则，故继续分词匹配。查询规则树并确定备选字段为2、3、4、5。搜寻字符串“东侧12号楼B座30