归类识别地名匹配算法

归类识别地名匹配算法
Ｖｏｌ．３２ Ｎｏ．４ Ａｐｒｉｌ２０１８
占斌斌 赵 英 赵婷婷 朱 峰
（山东科技大学 测绘科学与工程学院，山东 青岛 ２６６５９０）
［摘 要］ 针对现有中文地名匹配算法忽略 中 文 表 达 的 多 样 性 和 规 则 性 使 得 匹 配 准 确 性 不 足 的 问 题， 文章提出了一种归类识别地名匹配算法。该算法首先基于地名通名词典和地名结构规则知识库对地名类型 判定，然后进行地名核心词字符串相似度匹配，最终得到符合查找期望的匹配 结 果。 论 文 以 居 民 小 区 地 名 为 具体研究对象，利用该算法对德州市６００条已售小区数据进行匹配验证，试验 结 果 表 明 该 算 法 在 匹 配 效 率 和 准确性两方面有较大提升。
第 ３２ 卷 第 ４ 期 ２０１８ 年 ４ 月
北京测绘 ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄ Ｍａｐｐｉｎｇ
引 文 格 式 ：占 斌 斌 ，赵 英 ，赵 婷 婷 ，等 ．归 类 识 别 地 名 匹 配 算 法 ［Ｊ］．北 京 测 绘 ，２０１８（４）：４８４４８７． 犇犗犐：１０．１９５８０／ｊ．ｃｎｋｉ．１００７３０００．２０１８．０４．０２４
语义特性，难以保 证 较 高 的 准 确 率。 这 类 研 究 从 地名语 义 特 征 角 度 进 行 地 名 匹 配［５８］，充 分 考 虑 地名结 构 的 相 似 性，其 匹 配 结 果 具 有 一 定 可 靠 性。但由于 这 类 算 法 缺 统 一 规 范 的 标 准 地 名 本 体 ，影 响 了 该 方 法 在 实 际 中 的 应 用 。
１ 地 名 归 类 识 别 匹 配 算 法 模 型
１．１ 地 名 字 符 串 相 似 度 匹 配 假设地名集合为 犗，则存在地名 犕 与地名 犖 满足 犕 犗，犖犗，设 地 名 犃＝犪１犪２…犪犻…犪犿 ，其 中犪犻∈犕，１≤犻≤犿；地 名 犅＝犫１犫２…犫犼…犫狀，其 中 犫犼∈犖，１≤犼≤狀。 取 自 然 数狇＝ｍｉｎ（犿，狀），犽＝０ 若犪狆＝犫狆（狆＝１，２，…，狇）则犽＋ ＋，由 此，本 文 对 地名的相似度给出计算公式 如 ［９］ 下：
似性，因此 比 较 两 个 地 名 字 符 串 的 长 度，并 假 设
｜犃｜≥｜犅｜，即 犿≥狀。固定地名字符串 犅，从地名 字符串 犃 中的第一 个 字 符 开 始，不 间 断 的 抽 取狀
个字符作为孩子字符串１并与地名 犅 做 比 较，记
录对应位置上的相同 字 符 个 数 为狉１；接 着 从 地 名 字符串 犃 中的第 二 个 字 符 开 始 连 续 读 取狀 个 地
［收稿日期］ ２０１７ ０８ ０１ ［作 者 简 介 ］ 占 斌 斌 （１９９０－ ），男 ，江 西 上 饶 人 ，硕 士 在 读 ，从 事 地 址 匹 配 方 面 的 研 究 。 犈犿犪犻犾：９５２８２４４１９＠ｑｑ．ｃｏｍ
第 ３２ 卷 第 ４ 期
占 斌 斌 ，赵 英 ，赵 婷 婷
针对上述匹配算 法 的 不 足，考 虑 地 名 表 达 的 多样性和结构的规 则 性 问 题，结 合 字 符 串 相 似 度 匹配思想和语义相 似 度 匹 配 思 想，本 文 提 出 了 一 种归类识 别 地 名 匹 配 算 法。 该 算 法 顾 及 地 名 通 名对地名 类 型 的 判 定 作 用 和 地 名 专 名 核 心 词 对 地名的定性作用，采 用 通 名 等 价 思 想 来 限 定 匹 配 范围，根据地名类型 的 专 名 核 心 词 动 态 加 权 相 似 度匹配方 式 来 修 正 字 符 串 相 似 度 匹 配 缺 陷。 从 而提高了匹配的速度和准确性。
４８５
犔犃犅
＝
犽 犿
×１００％
（１）
犔犅犃
＝
犽 狀
×１００％
（２）
上述公式中，式（１）表 示 地 名 犃 与 地 名犅 的 相似度；式（２）表 示 地 名 犅 与 地 名 犃 的 相 似 度。
令 犔＝ｍａｘ（犔犃犅 ，犔犅犃 ），则 犔 表 示 犃 与犅 两 地 名 的相似度。
上述匹配 方 法 未 考 虑 地 名 数 据 字 符 长 度 相
［关 键 词 ］ 地 名 ；中 文 分 词 ；归 类 识 别 ；相 似 度 匹 配 ［中 图 分 类 号 ］ Ｐ２５８ ［文 献 标 识 码 ］ Ａ ［文 章 编 号 ］ １００７－３０００（２０１８）０４－０４８４－４
０ 引 言
地名 地 址 匹 配，又 称 为 地 理 编 码，它 是 基 于 空间定位技术的 一 种 编 码 方 法，提 供 一 种 把 描 述 成地名地址的地理位置信息转换成可以用于 ＧＩＳ 系统的地理坐 标 的 方 式 。 ［１］ 在 进 行 地 名 匹 配 时， 中文的匹配处理相对于西文 存在更大的难度。 西文地名中存在 明 显 的 分 隔 符，且 西 文 单 词 独 立 成词的特点，使得 西 文 地 名 结 构 容 易 识 别。 而 中 文书写字与字之间 没 有 间 隙，并 且 词 是 中 文 最 小 的能够独立活动 的 有 意 义 的 语 言 单 位［２］，这 就 使 得中文地 名 表 达 相 对 灵 活，地 名 结 构 比 较 复 杂。 加之中文存在许 多 的 多 音 字 和 同 音 异 形 字，输 入 地名字符 串 往 往 难 以 与 标 准 地 名 完 全 匹 配。 因 此，提升中文地名匹 配 成 功 率 是 该 领 域 研 究 的 焦 点之一。程 刚 等 提 ［３］ 出 一 种 基 于 字 符 串 相 似 匹 配并根据专名和通名加权 的 相 似 度 匹 配 算 法。 通过控制 专 名 和 通 名 权 重 来 调 节 相 似 度 匹 配 的 准确性；王俊超等 对 ［４］ 常 见 的 地 名 字 符 串 相 似 度 匹配方法 进 行 了 论 述。 上 述 研 究 都 采 用 将 地 名 视为字符串，从字面 相 似 度 的 角 度 研 究 地 名 匹 配 的方法。该类方法提 供 了 较 好 的 查 询 效 率，但 由 于将地名作为普通 字 符 串 处 理，忽 略 了 其 符 号 和