[发明专利]一种基于模糊匹配的中文地理编码确定方法

说明书

技术领域

本发明涉及一种地理信息数据处理、计算机应用领域，尤其涉及的是，一种 基于模糊匹配的地理编码方法。

背景技术

地址编码是建立地址描述与坐标对应关系的过程，也即是地点空间位置和地 点描述之间的转换工具。长期以来由于缺乏有效的空间分析技术的支持，空间数 据的分析处理无法满足科学决策和管理的需要，导致空间数据在决策管理中的价 值始终不能体现。通过地址匹配可以实现地理信息系统和空间信息的融合，促进 城市空间信息化，进而更有效、更方便的进行空间分析和决策应用。

近年来，随着地理信息技术的不断发展和完善，地理编码技术也在不断改进。 国外在这方面的研究已经比较成熟，如Davis提出了一种多模式交叉定位的理念， 但只是针对拥有地理编码标准的区域，而且多个空间信息数据库也造成了空间信 息冗余，降低了匹配效率；Duncan提出了等面积单元格统一编码方案，但是中国 城市各地区的地址编码规范各不相同，这种复杂的编码规范一经形成，一旦发生 变化将牵扯的大规模的改动，成本太高；Bakshi等人提出了一种基于文本记号分 割方案的地理编码技术，对英文地址来说这种匹配方案取得了较好的效果，但是 由于中文录入方式和英文存在着较大差异，因此对于中文的地址匹配效果并不明 显。对于国内来说，地址匹配技术刚刚起步，仅仅在应用方面做了比较多的工作。 如北京长地计算机公司的“寻址神”，北大方正数码公司的Map Searcher等，但是此 类应用系统在对特定城市的应用中存在着地址模型单一、匹配率不够高等问题。

因此，现有的技术在针对特定城市的中文地址编码方面存在着缺陷，需要改 进。

发明内容

为了克服已有的中文地理位置编码方法的地址模型单一、匹配率不够高、速 度慢的不足，本发明提供一种地址模型合理、匹配率较高、快速性良好的基于模 糊匹配的中文地理编码确定方法。

本发明解决其技术问题所采用的技术方案是：

一种基于模糊匹配的中文地理编码确定方法，包括以下步骤：

A1、读入描述性中文地址信息，以行政区级别为断点，采用正向最大搜索方法， 对原始地址进行切分，得到原始地址元素数组；

A2、将原始地址元素通过地址词典进行标准化；

A3、读取标准地址树，采用分支定界算法，对原始地址元素数组进行匹配：建立 地址树存储格式的地址数据库，根据中国行政区的层次化划分，建立树状地址存 储树，级别最高的行政区单位作为地址树的根结点，其下属行政区作为子结点进 行保存；依据对描述性中文地址信息切分后的地址要素和门牌号，在匹配过程中， 首先读取标准地址树R，判断通过切分后的候选地址要素中最高行政级别的关键 字，与标准地址树R的对应行政级别的地址结点进行匹配，匹配成功后舍弃不相 关分支树，保留相关分支树进行下一行政级别匹配；

同时，应用模糊规则对匹配操作进行控制：在获取原始地址切分后的关键字 后，还包括：

采用模糊匹配规则对匹配操作进行优化，模糊匹配规则定义如下：假定匹配 字段为字符串address，长度为h；标准字段为字符串std_address，长度为H；定 义满足address∩std_address≠Φ的std_address集合为满足匹配条件的集合，其中， address∩std_address≠Φ表示字符串address与标准字段字符串std_address交集不 为空，最后保留隶属度高的集合元素；定义如下匹配规则：

①标准字符串std_address和匹配字符串address中i个字符相同，则隶 属度为i/H；

②标准字符串std_address包含匹配字符串address，则隶属度为1；

得到隶属度之后，设定μ为匹配隶属度，按照映射规则f：sc→μ转化为量化分 值，映射函数：f(μ)＝10×μ，将sc作为该候选记录的评价分数；

评价分数最高的作为最相近匹配结果，即得到更为精确的匹配地址。

作为优选的一种方案：所述中文地理编码确定方法还包括：