论文研究非结构化中文自然语言地址描述的自动识别.pdf

互联网中存在海量易获取的自然语言形式地址描述文本，其中蕴含丰富的空间信息。针对其非结构化特点，提出了自动提取中文自然语言地址描述中词语和句法信息的方法，以便深度挖掘空间知识。首先，根据地址语料中字串共现的统计规律设计一种不依赖地名词典的中文分词算法，并利用在地址文本中起指示、限定作用的常见词语组成的预定义词表改善分词效果及辅助词性标注。分词完成后，定义能够表达中文地址描述常用句法的有限状态机模型，进而利用其自动匹配与识别地址文本的句法结构。最后，基于大规模真实语料的统计分词及句法识别实验表明了该方法的可用性及有效性。