專利名稱：一種基于匹配規(guī)則的模糊中文地址地理賦值方法
技術(shù)領(lǐng)域：
本發(fā)明屬于地理信息系統(tǒng)領(lǐng)域，涉及面向模糊中文地址的地址賦值方法。
背景技術(shù)：
隨著電子地圖的應(yīng)用與普及，各行各業(yè)都普遍存在著大量由自然語言描述的中文 地址數(shù)據(jù)，需要映射為地理坐標(biāo)，并定位到電子地圖上，從而使原有非空間數(shù)據(jù)獲得空間坐 標(biāo)信息，實現(xiàn)各部門和各地理范圍的數(shù)據(jù)的整合與共享。這就需要用到地理(地址)賦值 技術(shù)，即把文本地址轉(zhuǎn)換成地理坐標(biāo)的技術(shù)。地理賦值方法一般被劃分為地址標(biāo)準(zhǔn)化，地址 分詞，數(shù)據(jù)庫匹配，空間定位等幾個步驟。國外的地理賦值技術(shù)已基本成熟，但是對于中文地址的地理賦值方法還有待研 究。一是因為中英文之間的差異，比如中文地址的詞與詞之間沒有空格隔開等問題的存在。 二是因為我國的現(xiàn)有地名，地址體系異常復(fù)雜，地址系統(tǒng)混亂、無序、缺乏規(guī)律性和統(tǒng)一的 標(biāo)準(zhǔn)。因此，國外已有的地理賦值技術(shù)并不適合中國國情，直接套用國外的地理賦值技術(shù)是 不可行的。目前，國內(nèi)各部門與學(xué)者已經(jīng)陸續(xù)開展了中國地址標(biāo)準(zhǔn)化的研究，為標(biāo)準(zhǔn)地址庫 的建立奠定了良好的數(shù)據(jù)基礎(chǔ)。但是普通百姓在輸入其需要定位的地址時，往往輸入的往 往是一些模糊中文地址。以標(biāo)準(zhǔn)地址“東直門內(nèi)大街5號東興樓”為列，普通百姓輸入的地 址可能五花八門，如含冗余信息的“東直門橋東直門內(nèi)大街5號西東興樓”、信息殘缺的“東 興樓”、易引起歧義的“東直門5號”、使用別名的“簋街5號東興樓”等。如何做好模糊中文 的地址匹配是地理賦值方法在我國進入實用階段的一個重要問題。此外，我國不同地區(qū)、不同行業(yè)對地址匹配的精度要求不同。例如，在農(nóng)村信件的 投遞中，地址匹配最小行政區(qū)“村”即可，而在城市的信件投遞中則可能需要定位到“街道號 +門牌號”或“小區(qū)+樓號+房間號”等。因此，為了提高中文地址賦值方法的通用性，需要 研究如何基于用戶定義的匹配規(guī)則對已分詞的中文地址進行地址匹配。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的不足，提出一種基于規(guī)則的模糊中 文地址地理賦值方法；該方法基于標(biāo)準(zhǔn)地址庫和既定的地址匹配規(guī)則，能夠?qū)崿F(xiàn)模糊中文 地址的分詞與匹配，從而實現(xiàn)模型中文地址的地理賦值。本發(fā)明為解決其技術(shù)問題所采用的技術(shù)方案是一種基于規(guī)則的模糊中文地址地 理賦值方法，包括以下步驟(1)數(shù)據(jù)準(zhǔn)備a)輸入地址字符串Addr ；b)讀入整個標(biāo)準(zhǔn)地址庫，作為目標(biāo)數(shù)據(jù)集RecSet ；標(biāo)準(zhǔn)地址庫中包含以下內(nèi)容 12位代碼表示的行政區(qū)劃；存儲詳細街道地址中最小地址要素的五個字段，即道路1、門牌 號2、住宅小區(qū)3、樓牌號4、興趣點POI (Point of Interest) 5 ；用于存儲空間信息的字段，
4存儲地理坐標(biāo)、經(jīng)緯度或建筑物編碼；c)讀入行政區(qū)劃代碼表；表中包括以下幾個字段序號，行政區(qū)劃名稱，行政區(qū)劃 級別，行政區(qū)劃12位代碼；d)定義匹配規(guī)則庫，將地址總結(jié)為常見的地址公式，并根據(jù)步驟(1)中步驟b)里 所述標(biāo)準(zhǔn)地址庫中對應(yīng)的字段編號，將每條地址公式轉(zhuǎn)化成對應(yīng)的地址規(guī)則并存儲到文本 文件Rule中；(2)讀入標(biāo)準(zhǔn)地址庫、行政區(qū)劃代碼表和規(guī)則庫；地址字符串作為待匹配記錄，用 Addr表示；標(biāo)準(zhǔn)地址庫作為初始目標(biāo)數(shù)據(jù)集，用RecSet表示；(3)將Addr中的行政區(qū)劃部分轉(zhuǎn)換為12位代碼，縮小目標(biāo)數(shù)據(jù)集a)在行政區(qū)劃代碼表中，搜索Addr中存在的行政區(qū)劃標(biāo)志詞，根據(jù)所述行政區(qū)劃 標(biāo)志詞從Addr中識別并拆分出行政區(qū)劃部分；b)如果搜索到的行政區(qū)劃標(biāo)志詞為多個，則比較各個行政區(qū)劃標(biāo)志詞的級別屬 性，確定行政區(qū)劃標(biāo)志詞中行政級別最低的詞語，并據(jù)此將所述行政區(qū)劃部分轉(zhuǎn)化為與確 定的行政級別最低的詞語相對應(yīng)的12位行政區(qū)劃代碼；c)過濾RecSet，除去與得到的12位行政區(qū)劃代碼不符的記錄；d)將除去的行政區(qū)劃部分的地址字符串重新賦值為Addr ；(4)對Addr進行地址分詞與匹配，將分詞結(jié)果存儲到數(shù)組Addr_Split[i]里，將匹 配結(jié)果存儲到數(shù)據(jù)集RecSet里a)定義Addr的子串為Sub，首先將整個Addr賦值給Sub，定義歧義棧為Stack， Stack用于存儲匹配中產(chǎn)生的語義歧義，Stack中存儲的元素為結(jié)構(gòu)體變量Struct (i)；b)查詢地址匹配規(guī)則庫，根據(jù)查詢規(guī)則庫的次數(shù)，限定步驟(4)中步驟c)里的搜 索字段范圍；如果為第n次查詢規(guī)則庫，則依次訪問庫中的每條規(guī)則，將每條規(guī)則中第n個 字段的合集限定為搜索字段范圍；c)判斷Sub是否為空i)如果Sub為空，則繼續(xù)查看Stack是否為空，如果Stack也為空，則地址分詞 匹配失敗，整個方法終止退出；如果Stack不為空，則根據(jù)先進后出原則取出棧頂元素，將 Struct (i)中的各個值賦給相應(yīng)變量，并根據(jù)結(jié)構(gòu)體變量中存儲的匹配字段分量中存儲的 值，將該字段標(biāo)記為匹配，轉(zhuǎn)到步驟(4)中的步驟e)；ii)如果Sub不為空，則調(diào)用最大正向匹配算法，根據(jù)步驟(4)中的步驟b)里限定 的字段，在RecSet相應(yīng)字段中分別搜索與Sub匹配的記錄；d)判斷與Sub匹配的字段個數(shù)i)如果匹配失敗，則繼續(xù)調(diào)用最大正向匹配算法進行分詞，轉(zhuǎn)到步驟(4)中的步 驟c)；ii)如果匹配的字段個數(shù)大于1，則將Sub存儲到分詞數(shù)組Addr_Split[i]中；由 于產(chǎn)生了歧義，將每一種歧義情況的多個分量存儲到結(jié)構(gòu)體變量Struct (i)中，并依次存 入Stack中；取出棧頂元素，并根據(jù)棧頂元素中存儲的匹配字段，將該字段標(biāo)記為匹配；iii)如果匹配的字段個數(shù)等于1，則將Sub存儲到分詞數(shù)組Addr_Split[i]，并將 查詢到的匹配字段標(biāo)記為匹配；e)查詢規(guī)則庫，比對已經(jīng)標(biāo)記為匹配的字段與每條規(guī)則，查看是否有滿足條件的規(guī)則存在i)如果存在，則返回分詞結(jié)果數(shù)組Addr_Split與匹配結(jié)果數(shù)據(jù)集RecSet，整個方 法終止退出；ii)如果不存在，則將查詢到的子串Sub在字符串Addr中去掉，重新賦值為Sub = Addr-Sub，返回步驟步驟(4)中的步驟b)繼續(xù)進行分詞匹配。本發(fā)明與現(xiàn)有技術(shù)相比所具有的優(yōu)點如下(1)將地理賦值的兩個環(huán)節(jié)地址分詞與地址匹配整合在了一起，即在分詞的同時 進行數(shù)據(jù)庫地址匹配，實現(xiàn)了在分詞完成的同時也查找到了所匹配的記錄。顯而易見，通過 這種方法可以有效的減少數(shù)據(jù)庫的查詢訪問次數(shù)，從而加快匹配速度。(2)算法中首先通過識別字符串中的行政區(qū)劃部分來對目標(biāo)數(shù)據(jù)集進行一次過 濾，實現(xiàn)了對于地址數(shù)據(jù)中行政區(qū)劃和詳細街道地址兩部分信息的分離，從而提高了算法 的匹配效率。然后，在調(diào)用最大正向匹配算法時，借助每一次成功分詞時對數(shù)據(jù)集的搜索， 可以達到橫向縮小目標(biāo)數(shù)據(jù)集，加快匹配速度的目的。(3)對于分詞匹配時產(chǎn)生的語意歧義，算法中通過建立一棵歧義樹并利用棧進行 臨時存儲，然后依據(jù)深度優(yōu)先原則，對歧義樹進行遍歷訪問，直至滿足匹配規(guī)則終止算法， 否則繼續(xù)完成整棵歧義樹的遍歷。從而解決了第一類模糊地址的分詞匹配問題。(4)借助規(guī)則樹，一方面可以實時的限定在標(biāo)準(zhǔn)地址庫中每一步搜索時的備選字 段范圍。例如，第一次搜索時是限定備選字段為1、3、5，如果第一次搜索匹配到字段3，則根 據(jù)規(guī)則樹，第二次搜索時限定字段只能為4。以此類推，從而實現(xiàn)縱向縮小目標(biāo)數(shù)據(jù)集，進一 步加快匹配速度的目的；另一方面，利用樹中的匹配規(guī)則，對于殘缺地址要素的第二類模糊 地址數(shù)據(jù)，也可以提高其匹配成功率。


圖1為本發(fā)明的基于規(guī)則的模糊中文地址地理賦值方法實現(xiàn)流程圖；圖2為北京市標(biāo)準(zhǔn)地址庫部分數(shù)據(jù)；圖3為行政區(qū)劃代碼的碼段意義；圖4為北京市行政區(qū)劃代碼表部分數(shù)據(jù)；圖5為規(guī)則庫中包含的規(guī)則；圖6為規(guī)則樹示意圖；圖7為地址分詞匹配流程圖(以字符串“海淀安寧莊北側(cè)22號樓C座1120室”為 例)；圖8為實驗結(jié)果統(tǒng)計；圖9為部分模糊中文地址的地理賦值結(jié)果示意。
具體實施例方式下面結(jié)合附圖及具體實施方式
詳細介紹本發(fā)明。本發(fā)明的基于規(guī)則的模糊中文地址地理賦值方法，實現(xiàn)流程圖如圖1所示。這里 選取中文地址“海淀安寧莊北側(cè)22號樓C座1120室”對本發(fā)明的具體實施過程進行說明。 首先對地址進行分析，該地址是由行政區(qū)劃部分(“海淀”)與詳細街道地址部分(“安寧莊北側(cè)22號樓C座1120室”)組成的。其中包含以下幾方面問題a)行政區(qū)劃部分描述不完整，且“海淀” 一詞表述模糊；b) “安寧莊”一詞表述有歧義，可能為道路名，也可能為小區(qū)名；c)地址中存在要素殘缺，缺少門牌號等信息；d) “北側(cè)”與"C座1120室”為冗余干擾信息。由此可見，該地址中存在語義歧義與地址要素殘缺兩類地址中常見的模糊問題， 很具有代表性。下面就以上述地址為例(參考圖7)，詳細說明本發(fā)明的具體實施過程，其具 體步驟(1)數(shù)據(jù)準(zhǔn)備a)輸入地址字符串Addr為“海淀安寧莊北側(cè)22號樓C座1120室”；b)讀入整個標(biāo)準(zhǔn)地址庫，作為目標(biāo)數(shù)據(jù)集RecSet。標(biāo)準(zhǔn)地址庫中包含以下內(nèi)容 12位代碼表示的行政區(qū)劃；存儲詳細街道地址中最小地址要素的五個字段，即道路、門牌 號、住宅小區(qū)、樓牌號、P0I(興趣點)；用于存儲空間信息的字段，該字段可以是地理坐標(biāo)、 經(jīng)緯度或者建筑物編碼等。北京市部分標(biāo)準(zhǔn)地址庫數(shù)據(jù)如圖2所示。c)讀入行政區(qū)劃代碼表。將每個地址中有關(guān)行政區(qū)劃的部分都轉(zhuǎn)化為一個對應(yīng) 的12位行政區(qū)劃代碼。其編碼方式與碼段意義具體來說(參考圖3)前六位每兩位代表 一級，后六位中每三位代表一級，如果已知的行政區(qū)劃部分描述不夠完整，導(dǎo)致轉(zhuǎn)化為代碼 后不足12位，則后面位數(shù)用0補齊。北京市部分行政區(qū)劃代碼表如圖4所示。d)定義匹配規(guī)則庫，將北京地區(qū)的地址總結(jié)為六種常見的地址公式，并根據(jù)地址 公式中各個項在標(biāo)準(zhǔn)地址庫中對應(yīng)的字段編號(即道路(1)、門牌號(2)、住宅小區(qū)(3)、樓 牌號(4)、興趣點POI (Point of Interest) (5)，將其定義為規(guī)則，例如將地址形式“道路+ 住宅小區(qū)+樓牌號”定義為“規(guī)則一 1、3、4”，北京市匹配規(guī)則庫參考圖5(2)判斷字符串中是否存在行政區(qū)劃部分，通過搜索比對行政區(qū)劃表，查找到字符 串中“海淀”一詞與記錄“海淀區(qū)”模糊匹配，所以將其分割出來，并轉(zhuǎn)換為相應(yīng)的12位代 碼“110108000000”。對目標(biāo)數(shù)據(jù)集RecSet進行過濾，將行政區(qū)劃代碼字段與該代碼前六位 “110108”不符的記錄去掉。(3)把剩余字符串“安寧莊北側(cè)22號樓C座1120室”傳入地址分詞匹配模塊，通 過查詢地址匹配規(guī)則樹(參考圖6)，限定搜索字段為1、3、5。調(diào)用最大正向匹配算法，查詢 到“安寧莊”一詞分別與1(道路名)和3(住宅小區(qū)名)兩個字段模糊匹配，因此產(chǎn)生語義 歧義。將“安寧莊”一詞記入分詞結(jié)果數(shù)組，并將1字段與3字段先后入棧，然后取棧頂元 素，先將“安寧莊”匹配到3字段(住宅小區(qū)名)，同時數(shù)據(jù)集RecSet中滿足要求的記錄縮小 為8條。此時查詢規(guī)則庫，由于沒有滿足條件的規(guī)則，故對“北側(cè)22號樓C座1120室”繼續(xù) 進行分詞匹配。第二次查詢規(guī)則樹，確定備選字段為4。繼續(xù)調(diào)用最大匹配算法，在RecSet 中的4字段(樓牌號)中查詢剩余子串“北側(cè)22號樓C座1120室”，無匹配結(jié)果。故重新 選取棧頂元素，將“安寧莊”匹配到1字段(道路名)，過濾后當(dāng)前數(shù)據(jù)集RecSet縮小為11 條，查詢規(guī)則庫無滿足的終止條件，故繼續(xù)分詞匹配。重新查詢規(guī)則樹并確定備選字段為2、 3、4。調(diào)用最大正向匹配算法，在RecSet的限定字段中搜尋字符串“北側(cè)22號樓C座1120 室”，查找到“22號樓”一詞，與4字段(樓牌號)有一條匹配記錄，將該詞記入分詞結(jié)果詞 組，同時數(shù)據(jù)集RecSet中滿足要求的記錄縮小為1條。此時繼續(xù)查詢規(guī)則庫，發(fā)現(xiàn)有滿足條件的規(guī)則，即規(guī)則三(1和4字段匹配)。返回目標(biāo)數(shù)據(jù)集R中的剩余記錄，分詞匹配算法 成功終止。運算結(jié)果對于模糊地址“海淀安寧莊北側(cè)22號樓C座1120室”，分詞結(jié)果為 “安寧莊、22號樓”;在目標(biāo)數(shù)據(jù)集RecSet中找到了一條模糊匹配記錄“安寧莊東路15號22 號樓”。以全國經(jīng)濟普查中北京市1827條模糊企業(yè)為例，用本發(fā)明方法進行匹配，匹配的 結(jié)果如圖8所示。在上述實驗中，成功匹配的地址有1527條，占總數(shù)的83.6%。其中，一 類地址描述比較完整，或為標(biāo)準(zhǔn)地址，或為本身存在小部分地址要素殘缺的第二類模糊地 址，它們在地址分詞匹配過程中滿足了規(guī)則要求，返回了正確匹配結(jié)果，這類完全匹配的地 址共1292條，占總數(shù)的70. 7% ；另一類地址雖然本身存在描述歧義導(dǎo)致的第一類地址模 糊，但通過程序推理機的智能推理，最終找到了滿足規(guī)則的記錄并返回了正確匹配結(jié)果，此 類模糊匹配的地址共235條，占總數(shù)的12. 9%，圖9中給出了實驗中“金泰富地大廈”、“怡 美家園6號樓”、“安寧莊摩碼園1號樓”3個模糊地址匹配成功后得到的標(biāo)準(zhǔn)地址以及空間 定位的結(jié)果。對于其中300條(占總數(shù)的16.4% )無法匹配的企業(yè)地址，主要由以下兩個 方面的原因?qū)е碌囊皇怯捎诘刂繁旧泶嬖阱e誤，例如，地址所屬地區(qū)為非實驗區(qū)數(shù)據(jù)，存 在此類錯誤的地址較少，共9條；二是由于地址本身的描述過于模糊，比如“北京市海淀區(qū) 西三旗橋西”、“北京市海淀區(qū)清河西二旗字寧莊路北側(cè)”等地址，它們由于過于模糊導(dǎo)致在 標(biāo)準(zhǔn)地址庫中無法匹配到滿足規(guī)則要求的地址記錄，這類錯誤在無法匹配的地址中占大多 數(shù)，共291條?？梢?，本發(fā)明的方法可以實現(xiàn)模糊中文地址的地理賦值，且具有較高的定位 準(zhǔn)確率。以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人 員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng) 視為本發(fā)明的保護范圍。
權(quán)利要求
一種基于匹配規(guī)則的模糊中文地址地理賦值方法，其特征在于步驟如下(1)數(shù)據(jù)準(zhǔn)備a)輸入地址字符串Addr；b)讀入整個標(biāo)準(zhǔn)地址庫，作為目標(biāo)數(shù)據(jù)集RecSet；標(biāo)準(zhǔn)地址庫中包含以下內(nèi)容12位代碼表示的行政區(qū)劃；存儲詳細街道地址中最小地址要素的五個字段，即道路1、門牌號2、住宅小區(qū)3、樓牌號4、興趣點POI(Point of Interest)5；用于存儲空間信息的字段，存儲地理坐標(biāo)、經(jīng)緯度或建筑物編碼；c)讀入行政區(qū)劃代碼表；表中包括以下幾個字段序號，行政區(qū)劃名稱，行政區(qū)劃級別，行政區(qū)劃12位代碼；d)定義匹配規(guī)則庫，將地址總結(jié)為地址公式，并根據(jù)步驟(1)中步驟b)里所述標(biāo)準(zhǔn)地址庫中對應(yīng)的字段編號，將每條地址公式轉(zhuǎn)化成對應(yīng)的地址規(guī)則并存儲到文本文件Rule中；(2)讀入標(biāo)準(zhǔn)地址庫、行政區(qū)劃代碼表和規(guī)則庫；地址字符串作為待匹配記錄，用Addr表示；標(biāo)準(zhǔn)地址庫作為初始目標(biāo)數(shù)據(jù)集，用RecSet表示；(3)將Addr中的行政區(qū)劃部分轉(zhuǎn)換為12位代碼，縮小目標(biāo)數(shù)據(jù)集a)在行政區(qū)劃代碼表中，搜索Addr中存在的行政區(qū)劃標(biāo)志詞，根據(jù)所述行政區(qū)劃標(biāo)志詞從Addr中識別并拆分出行政區(qū)劃部分；b)如果搜索到的行政區(qū)劃標(biāo)志詞為多個，則比較各個行政區(qū)劃標(biāo)志詞的級別屬性，確定行政區(qū)劃標(biāo)志詞中行政級別最低的詞語，并據(jù)此將所述行政區(qū)劃部分轉(zhuǎn)化為與確定的行政級別最低的詞語相對應(yīng)的12位行政區(qū)劃代碼；c)過濾RecSet，除去與得到的12位行政區(qū)劃代碼不符的記錄；d)將除去的行政區(qū)劃部分的地址字符串重新賦值為Addr；(4)對Addr進行地址分詞與匹配，將分詞結(jié)果存儲到數(shù)組Addr_Split[i]里，將匹配結(jié)果存儲到數(shù)據(jù)集RecSet里a)定義Addr的子串為Sub，首先將整個Addr賦值給Sub，定義歧義棧為Stack，Stack用于存儲匹配中產(chǎn)生的語義歧義，Stack中存儲的元素為結(jié)構(gòu)體變量Struct(i)；b)查詢地址匹配規(guī)則庫，根據(jù)查詢規(guī)則庫的次數(shù)，限定步驟(4)中步驟c)里的搜索字段范圍；如果為第n次查詢規(guī)則庫，則依次訪問庫中的每條規(guī)則，將每條規(guī)則中第n個字段的合集限定為搜索字段范圍；c)判斷Sub是否為空i)如果Sub為空，則繼續(xù)查看Stack是否為空，如果Stack也為空，則地址分詞匹配失敗，整個方法終止退出；如果Stack不為空，則根據(jù)先進后出原則取出棧頂元素，將Struct(i)中的各個值賦給相應(yīng)變量，并根據(jù)結(jié)構(gòu)體變量中存儲的匹配字段分量中存儲的值，將該字段標(biāo)記為匹配，轉(zhuǎn)到步驟(4)中的步驟e)；ii)如果Sub不為空，則調(diào)用最大正向匹配算法，根據(jù)步驟(4)中的步驟b)里限定的字段，在RecSet相應(yīng)字段中分別搜索與Sub匹配的記錄；d)判斷與Sub匹配的字段個數(shù)i)如果匹配失敗，則繼續(xù)調(diào)用最大正向匹配算法進行分詞，轉(zhuǎn)到步驟(4)中的步驟c)；ii)如果匹配的字段個數(shù)大于1，則將Sub存儲到分詞數(shù)組Addr_Split[i]中；由于產(chǎn)生了歧義，將每一種歧義情況的多個分量存儲到結(jié)構(gòu)體變量Struct(i)中，并依次存入Stack中；取出棧頂元素，并根據(jù)棧頂元素中存儲的匹配字段，將該字段標(biāo)記為匹配；iii)如果匹配的字段個數(shù)等于1，則將Sub存儲到分詞數(shù)組Addr_Split[i]，并將查詢到的匹配字段標(biāo)記為匹配；e)查詢規(guī)則庫，比對已經(jīng)標(biāo)記為匹配的字段與每條規(guī)則，查看是否有滿足條件的規(guī)則存在i)如果存在，則返回分詞結(jié)果數(shù)組Addr_Split與匹配結(jié)果數(shù)據(jù)集RecSet，整個方法終止退出；ii)如果不存在，則將查詢到的子串Sub在字符串Addr中去掉，重新賦值為Sub＝Addr-Sub，返回步驟步驟(4)中的步驟b)繼續(xù)進行分詞匹配。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于在所述標(biāo)準(zhǔn)地址庫中，將中文地址中的行政區(qū)劃部分存儲為12位代碼；將詳細街道 地址部分分割為多種不同的最小地址要素分別存儲；并單獨建立一個字段用于存儲空間信 肩、o
3.根據(jù)權(quán)利要求2所述的方法，其特征在于在所述定義匹配規(guī)則庫中，將標(biāo)準(zhǔn)地址庫中包含的五種最小地址要素字段分別由數(shù)字 1-5代替道路1、門牌號2、住宅小區(qū)3、樓牌號4、興趣點POI (Point of Interest) 5 ；總結(jié) 常見的地址公式，將其定義成相應(yīng)的多個地址匹配規(guī)則。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于在所述行政區(qū)劃代碼表中存儲各級行政區(qū)劃的級別、名稱以及相應(yīng)的12位代碼，利用 該表將每個地址中有關(guān)行政區(qū)劃的部分都轉(zhuǎn)化為一個對應(yīng)的12位行政區(qū)劃代碼。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于所述歧義棧中存放地址分詞匹配過程中產(chǎn)生的所有語義歧義情況；棧中的每個元素代 表一種歧義情況，由結(jié)構(gòu)體變量Struct (i)表示；每個結(jié)構(gòu)體變量Struct (i)中，存儲了產(chǎn) 生某一歧義時的多個全局變量，包括目標(biāo)數(shù)據(jù)集RecSet、剩余字符串Addr-Sub、記錄所有 已標(biāo)記為匹配字段的數(shù)組MatchField。
全文摘要
一種基于匹配規(guī)則的模糊中文地址地理賦值方法，屬于地理信息系統(tǒng)的地址賦值領(lǐng)域。首先讀入地址字符串與標(biāo)準(zhǔn)地址庫；查詢與分割地址字符串中的行政區(qū)劃部分并過濾縮小目標(biāo)數(shù)據(jù)集；然后，借助匹配規(guī)則樹與規(guī)則庫，針對地址字符串中經(jīng)常出現(xiàn)的地址要素殘缺與地址歧義等模糊問題，實現(xiàn)地址的分詞與匹配，返回滿足要求的匹配記錄。本發(fā)明整合了地理賦值中的地址分詞與數(shù)據(jù)庫匹配兩個重要環(huán)節(jié)，實現(xiàn)了在分詞的同時完成地址的數(shù)據(jù)庫匹配，且有效的解決了模糊中文地址的地址匹配問題，提高了地址匹配的準(zhǔn)確性與正確性。
文檔編號G06F17/30GK101882163SQ20101022194
公開日2010年11月10日 申請日期2010年6月30日 優(yōu)先權(quán)日2010年6月30日
發(fā)明者于濱, 程昌秀 申請人:中國科學(xué)院地理科學(xué)與資源研究所