一種非規(guī)范中文地址的行政區(qū)劃提取算法

　　由于互聯(lián)網(wǎng)上中文地址的非規(guī)范化表達(dá)，導(dǎo)致互聯(lián)網(wǎng)中的中文地址信息在地理位置服務(wù)中難以直接應(yīng)用。針對(duì)此問(wèn)題，提出一種非規(guī)范中文地址的行政區(qū)劃提取算法。首先，對(duì)原始數(shù)據(jù)進(jìn)行“路”特征詞分組預(yù)處理；再利用行政區(qū)劃字典和移動(dòng)窗口最大匹配算法，從中文地址中提取所有可能的行政區(qū)劃數(shù)據(jù)集；然后，利用中文地址行政區(qū)劃元素之間具有層次關(guān)系的特點(diǎn)，建立行政區(qū)劃條件集合運(yùn)算規(guī)則，對(duì)獲取的數(shù)據(jù)集進(jìn)行集合運(yùn)算；再利用行政區(qū)劃匹配度建立一種行政區(qū)劃集合解析規(guī)則，來(lái)計(jì)算行政區(qū)劃可信度；最后，得到可信度最大信息量最完整的中文地址的行政區(qū)劃。利用從互聯(lián)網(wǎng)中提取的約25萬(wàn)條中文地址數(shù)據(jù)進(jìn)行是否采用“路”特征詞分組處理以及是否進(jìn)行可信度計(jì)算處理，對(duì)算法的可用性進(jìn)行了驗(yàn)證，并與目前的地址匹配技術(shù)進(jìn)行對(duì)比，準(zhǔn)確率達(dá)到93. 51%。