一种基于综合分词和模糊匹配的地名地址匹配方法研究

算法和基 于： ｔ － Ｌ￣ ４ 的模糊 匹配方法， 并利用工商注册数据库为原始地址数据文件 ， 建立 了工 商职 能部 门企业地址数据与 空
间数 据 的 地 址 匹配 映 射 。 ．
关键 词： 地 址匹配； 层级模型 ； 模 糊 匹配 ； 先验规 则
中图分类号 ： Ｐ ２ ０ ８ 文 献标 识 码 ： Ａ 文章编号 ： １ ６ ７ ３ — １ １ ３ １ （ ２ ０ １ ５ ） Ｏ ５ ． ０ ０ １ ０ － ０ １
（ 天津市测绘 院 ， 天津 ３ ０ ０ ３ ８ １ ）
摘要 ： 通过对 国内地址 匹配现状的全面研 究 ， 并结合对原始地址数据 的分析 ， 总结 出了我 国常用地址表 述的 习惯和规律 ， 抽 象 出了地址 匹配层级模型和地址 匹配类型 ， 用于地址 匹配的各个过程 。 在此基础上 ， 提 出了基于先验知识的 中文分词
在地址 匹配时 ， 首先通过 Ｘ ＭＬ可扩展标记语言存储分 词 标志词库 。通过字符 串分词 正向最大匹配算法根据 ＸＭＬ行 政 区划词库进 行原始地 址拆 分，对拆分结果划入地址 匹配层 级模 型， 并与行政 区划地址库进 行模糊验 证， 将结果 写入模糊 地址数组 Ａ。 剩余 原始地 址， 按 ＸＭＬ道路和小 区词库进行拆
行模 糊验证 。完成地址匹配层级模型第三级构 建。在拆 分门
牌、 楼牌 、 兴趣时 ， 遍 历模糊数组 Ａ， 并根据模糊 匹配 规则进行
ｌ地 名地 址 匹配原 理 分析
实现地 名地址匹配 ， 需要满足 以下约束条件 ， 首先是空间
参考坐标系统， 用于确定匹配的数据赋予何种空间坐标 ； 其次 是地址匹配层级模型 ， 它是地名表述的抽象数据模型 ， 是进行
随着我 国城 市建 设脚 步的加快 ，原有的地名地址 已经无 法与 当前城 市实 际情况相适应 ， 因此 ， 对 地名地址进行更新 已
经成为 了城 市发展 中的一项重 要工作。但就 目前相关部 门所 采 取 的地 名 地 址 更新 方法 来 看 ， 并 不 十 分完 善 ， 无 法 满 足 城 市 建设发 展的根本 需求 。为此，对地 名地址更新方法进行完善 已经成为 了城建 部门的一项重要工作 。
２ ０ １ ５ 年 第 ５ 期 （ 总第 １ ４ ９期）
信 息 通 信
Ｉ ＮＦ０ＲＭ ＡＴ Ｉ ＯＮ ＆ Ｃ０Ｍ Ｍ ＵＮＩ ＣＡＴ１ ０ＮＳ
２ ０１ ５
（ Ｓ ｕ ｍ ． Ｎ ｏ １ ４ ９ ）
一
种基于综合 分词和模糊 匹配 的地 名地 址 匹配方法研 究
周 浩， 葛江涛
化市锦屏街道 广平 路 ８ ９号” 。 又如“ 奉化市锦屏街道广平 ２号 楼” ， 首先 通 过 基 于 先验 知 识 的 中 文 分 词 算 法 切 分 出奉 化 市和 锦屏街道 两词，然 后使用正 向最大匹配算法对广平一词在道
路和 小 区 表 中 进 行 匹 配 ， 分 别 匹配 到广 平 路 和 广 平 小 区两 词 ， 剩 余 字 段 为 ２号 楼 。根 据 地 址 匹 配 类 型 中 的 街 道 ＋ 门牌 和 小
分， 分别与道路和小 区地址库进行模糊验 证， 写入模糊地址数
组 Ａ， 完成地址匹配层级模 型中的第 一级和第 二级构建。 对 经 过行政 区划和道路小区拆分后的字符 串。根据 门牌 、 楼牌 、 兴 趣 点ＸＭＬ词库进行拆分 ， 拆分时选用词库顺序根据地址 匹配 规则进行排序 。对 拆分的字符与 门牌 、 楼 牌、 兴趣 点地址 库进
广 平 路 的上 级 编 码 为锦 屏街 道 。 重 构 后 的 标 准 地 址 就 是 “ 奉
化的地址数据与地理编码数据库进 行匹配时的验证规则 。以 上约束条件是地址匹配 的必备条件 ，是保证地址匹配准确率
和 精 度 的重 要 手 段 。
１ ． １地址 匹 配层级 模型
根 据 对 地 名地 址 信 息 的 分 析 ，总 结 抽 象 出 了地 址 匹配 层 级 模 型 。包 括 三 个 层 级 ， 依 次 是 面 状 行 政 区种类型 ，首先按街道＋ ｆ ｑ 牌对广平路 ２号楼进 行假 设性匹配 ， 匹配 失败 ， 转 由小 区＋ 楼牌 的方 式对 广平 小区 ２号 楼进行假设性匹配 ， 匹配 成功。重 构后的标准化地址是“ 奉化 市锦屏街道广平小 区 ２号楼” ， 赋予地址数据空间坐标 ， 完成
地址级 别、 点状子地址级别 。根据层级模 型， 标准地址 的全 写 形 式应 该是： 省 （ 地 级市） ＋ 市／ 县＋ 道路／ ｄ ， 区＋ 门／ 楼牌／ 标志物／
兴趣 点 。 ．
（ １ ） 面 状 行 政 区级 别 ： 包括五层 ： 国家 层 、 省级层 、 地 级 市 层、 区县 层 、 镇／ 乡层 。 （ ２ ） 面状或线状地址级别 ： 由道路或小区组成， 不允许为空。
随着建 设数 字城市的兴起和发展 ， 特别是随着 ＧＰ Ｓ 、 北 斗
导航 定位 系统的推广应用 ，地址数据 已经成为人们表达他们
感 兴趣 点位 的 重 要 方 式 。 如 何 将 没 有 坐 标 信 息 的属 性 数 据 与
包含坐 标信 息的空间数据对应起来 ，建立他们之 间的关联 关 系， 是 地 名 地 址 匹配 需要 处 理 和 解 决 的 问 题 。
地 址 拆 分 和 地 址 标 准 化 的基 础 ； 第三是地址匹配规则 ， 即 标 准
地址字段缺失和地址字段歧义 的处理 ， 直到字符 串拆分完 毕。 完全匹配规则库的记录 ，查询对应属 性地 址库 的空间坐标并
返回给用户 。模糊匹配规则库 的记录 ，返 回可能的地址全称 供用户选择 。无法匹配 的记录 ， 直接返 回。如“ 奉化市广平路 ８ ９号” ， 首先拆 分出奉 化市行政区一级 ， 然后依次匹配辖 区和 道路 ， 辖 区库无 “ 广平” 字段记 录， 转而匹配道路 ， 在数据库 中 找到 “ 广平 ” 一词 ， 根据街道＋ｆ ｑ 牌类型在找到 匹配记录 ， 反查