一种基于有限状态机的中文地址标准化方法-计算机应用研究.PDF

第３３卷第１２期 计 算 机 应 用 研 究 Ｖｏｌ３３Ｎｏ１２ ２０１６年１２月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｄｅｃ．２０１６ 一种基于有限状态机的中文地址标准化方法 ａ，ｂ ａ，ｂ 罗　明 ，黄海量 （上海财经大学 ａ．信息管理与工程学院；ｂ．上海市金融信息技术研究重点实验室，上海２００４３３） 摘　要：由于中文的内涵多义性和形式多样性的特点，使中文地址长期以来存在着难以标准化的问题，对进一 步开展地址定位、区域网格分析和社情、舆情定位等工作都造成了较大的障碍。针对这个问题提出了基于地址 分级模型和有限状态机驱动的新方法，并通过软件开发对这种方法的地址识别率和匹配准确率进行了验证，实 验结果显示该方法对中文地址能够达到９６％左右的识别率，匹配准确率也达到了８５％左右，并且还能实现标准 地址库的自动化更新。因此，采取该方法能够有效地解决中文地址标准化困难的问题，具有显著的实用性和研 究参考价值。 关键词：中文地址；地址编码；地址标准化；地址分级模型；地址匹配；有限状态机 中图分类号：ＴＰ３９１．１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１６）１２３６９１０５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１６．１２．０３８ ＮｅｗｍｅｔｈｏｄｏｆＣｈｉｎｅｓｅａｄｄｒｅｓｓｓｔａｎｄａｒｄｉｚａｔｉｏｎｂａｓｅｄｏｎ ｆｉｎｉｔｅｓｔａｔｅｍａｃｈｉｎｅｔｈｅｏｒｙ ａ，ｂ ａ，ｂ ＬｕｏＭｉｎｇ ，ＨｕａｎｇＨａｉｌｉａｎｇ （ａ．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＭａｎａｇｅｍｅｎｔ＆Ｅｎｇｉｎｅｅｒｉｎｇ，ｂ．ＳｈａｎｇｈａｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＦｉｎａｎｃｉａｌＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙ ｏｆＦｉｎａｎｃｅ＆Ｅｃｏｎｏｍｉｃ，Ｓｈａｎｇｈａｉ２００４３３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＢｅｃａｕｓｅａｍｂｉｇｕｉｔｙａｎｄｄｉｖｅｒｓｉｔｙａｒｅａｌｗａｙｓｅｘｉｓｔｅｄｉｎＣｈｉｎｅｓｅ，ｔｈｅｓｅｌｅａｄｉｔｔｏｂｅａｈａｒｄｗｏｒｋｉｎＣｈｉｎｅｓｅａｄｄｒｅｓｓ ｓｔａｎｄａｒｄｉｚａｔｉｏｎｆｏｒａｌｏｎｇｔｉｍｅ，ａｎｄｃａｕｓｅｄａｈｕｇｅｄｉｆｆｉｃｕｌｔｙｉｎｆｕｒｔｈｅｒｃａｒｒｙｏｕｔｐｒｅｃｉｓｅｌｏｃａｔｉｎｇ，ｇｅｏｇｒａｐｈｉｃｇｒｉｄａｎａｌｙｓｉｓａｎｄ ｓｏｃｉａｌｓｉｔｕａｔｉｏｎａｎｄｐｕｂｌｉｃｓｅｎｔｉｍｅｎｔｌｏｃａｔｅ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｅｗｍｅｔｈｏｄｏｆＣｈｉｎｅｓｅａｄ ｄｒｅｓｓｓｔａｎｄａｒｄｉｚａｔｉｏｎ，ｗｈｉｃｈｂａｓｅｄｏｎａｄｄｒｅｓｓｇｒａｄａｔｉｏｎａｎｄｆｉｎｉｔｅｓｔａｔｅｍａｃｈｉｎｅｔｈｅｏｒｙ．Ｉｔｖｅｒｉｆｉｅｄｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｉｏａｎｄｃｏｒ ｒｅｃｔｌｙｍａｔｃｈｉｎｇｒａｔｉｏｏｆｔｈｉｓｍｅｔｈｏｄｂｙｓｏｆｔｗａｒｅｄｅｖｅｌｏｐｉｎｇｗｏｒｋ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓｈｏｗｓｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎａｃｈｉｅｖｅｍｏｒｅｔｈａｎ ９６％ ｏｆｒｅｃｏｇｎｉｔｉｏｎｒａｔｉｏ，ａｎｄｍｏｒｅｔｈａｎ８５％ｍａｔｃｈｉｎｇｒａｔｉｏ，ｉｔａｌｓｏｃａｎｒｅａｌｉｚｅａｕｔｏｍａｔｉｃｓｔａｎｄａｄｄｒｅｓｓｕｐｄａｔｉｎｇｗｏｒｋ．Ｓｏｔｈｉｓ ｎｅｗｍｅｔｈｏｄｃａｎｓｏｌｖｅｔｈｅｄｉｆｆｉｃｕｌｔｐｒｏｂｌｅｍｉｎＣｈｉｎｅ