[发明专利]一种文本上下文中实体地址信息的提取方法

权利要求书

1.一种文本上下文中实体地址信息的提取方法，其步骤为：

1)针对要提取地址信息的区域，建立相应的地名词典或采用已有的地名词典；

2)搜索包含用户输入的实体名称的所有网页；

3)提取各网页中实体名称的上下文信息；

4)从上下文信息中提取所有地名词典中包含的地址信息；

5)根据上述地址信息与实体名称的字符距离设定各地址信息与实体名称的空间相关度，字符距离越近，空间相关度值越高；

6)根据空间相关度值对各地址信息进行排序；

7)提取排序靠前的一定数量的地址信息返回客户，供用户选择。

2.如权利要求1所述的方法，其特征在于所述实体名称选自但不限于下列几种实体名称：机构、事件、人物。

3.如权利要求1所述的方法，其特征在于所述地名词典中的每一个地名词汇，根据其所描述的空间范围不同具有不同的级别。

4.如权利要求1所述的方法，其特征在于所述上下文信息为距离实体名称200个字以内的文本信息。

5.如权利要求1所述的方法，其特征在于所述地址信息与实体名称的空间相关度为地址信息与实体名称在上下文中字符距离的减函数。

6.如权利要求5所述的方法，其特征在于所述减函数为f(x)＝1/(x+1)，其中x为地址信息与地址关键词的字符距离。

7.如权利要求5所述的方法，其特征在于所述减函数为f(x)＝a^x，其中0＜a＜1，x为地址信息与地址关键词的字符距离。

8.如权利要求1所述的方法，其特征在于根据同一地址信息出现的次数对该地址信息与实体名称的空间相关度值进行累加，得到的和作为该地址信息与实体名称的相关度。

9.如权利要求1或8所述的方法，其特征在于采用相互贡献方法修正相关度值，所述相互贡献方法为：求任意两个所搜集到的地址Addr_i的所有地址元素集合S_i＝{s|s∈Addr_i}，和地址Addr_j的所有地址元素集合S_j＝{s|s∈Addr_j}中地址元素的交集及其对应的级别，根据相关度相互贡献公式$g=\underset{s}{\mathrm{\Σ}}\frac{\mathrm{baseValue}}{n-l\left(s\right)+1},(s\∈S_{\mathrm{ij}}),$计算修正后的地址相关度值，其中相关度增加数值的基准baseValue可以根据当前地址列表中相关度的最大值或平均值来决定，n为地名词典中地址元素的最大级别，l(s)为地址元素s的级别，S_ij＝S_i⌒S_j。