[发明专利]中文地名查询方法、装置及设备

说明书

本发明提供一种中文地名查询方法、装置及设备，其利用地名中的相同字符、字符数量、字符位置等语言特征，按照“单字索引生成‑候选地名查询‑字符长度过滤‑相似程度排序”的主线进行地名查询。本发明提出的融合多字符特征的中文地名查询方法不仅在大规模数据环境下保持较高的运行效率，而且能够在查询地名表述不准确的情况下较为准确地查询到目标地名，让用户获得更优的用户体验。

技术领域

本发明涉及一种自然语言处理领域，特别是涉及一种面向海量大规模中文地名数据的中文地名查询方法、装置及设备。

背景技术

作为与人们日常密切相关的基础地理信息和社会公共信息，地名在社会管理、经济发展、文化建设、国家安全等方面具有非常重要的应用价值。近年来，地名数据采集涉及的部门越来越广，数据规模日益增大，应用场景不断丰富。如何从海量数据中实现地名的快速、准确查询已经成为中文地名信息管理与服务面临的重要技术挑战。

现有地名查询方法主要存在以下技术问题：

第一，现有地名查询方法主要包括有全字符匹配查询、模糊音查询、字符串匹配度、SQL(英文全称：Structured Query Language)通配符查询等方法，其对查询条件准确度要求和时间复杂度较高，要求用户具备一定专业知识，故很难满足海量地名查询的实际应用需求。

第二，由于中文地名区别于一般性的文本信息，中文地名具有字符长度较短、数据量巨大、描述形式多样等特点，而现有的地名查询方法大多直接采用或借鉴信息检索方法，缺少有效针对中文地名查询需求的应对策略；

第三，现有查询方法一般将地名作为普通字符串处理，忽略了地名本身的字符特征和描述规律，所以查询结果往往不准确，需要人为多次修订检索词才可能查询到。

因此，如何提供一种能够满足大众用户快速而准确地查中文地名的方法，成了当前的一个技术难题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种中文地名查询方法、装置及设备，用于解决面向海量大规模中文地名数据中快速而准确地实现中文地名的查询的问题。

为实现上述目的及其他相关目的，本发明提供以下解决方案：

一种融合多字符特征的中文地名查询方法，包括：S1)获取用户在查询终端输入的查询地名；S2)根据预先生成的词典文件和索引文件在地名数据库中依次进行候选地名查找、字符长度过滤、匹配度统计、相似度计算及相似度排序处理来识别出与所述查询地名相似的地名序列，并在所述查询终端予以显示；其中，所述词典文件是预先对所述地名数据库中所有地名按照无换行无间隔的方式依次排列得到的字符串文件；所述索引文件是预先存储有根据所述词典文件中所有不重复汉字形成的多条条索引记录的文件，每条所述索引记录至少包括地名个数，字符编码以及词典文件存储位置。

优选地，根据预先生成的词典文件和索引文件在地名数据库中依次进行候选地名查找、字符长度过滤、匹配度统计、相似度计算及相似度排序处理来识别出与所述查询地名相似的地名序列的步骤具体包括：

为了实现上述目的，本发明提出一种融合多字符特征的中文地名查询方法，包括以下步骤：

步骤211：查询地名分词，将查询地名按照一元分词方法进行中文分词，获得i个地名字符W₁、W₂、…、W_i；

步骤212：候选结果集合生成，以分词结果分别作为查询关键字，在索引文件中查询其对应的索引记录。之后对索引记录中的信息进行逆向解析，根据索引中位置信息查询词典文件中对应的地名数据，并将全部查询结果返回形成候选结果集合R＝{R₁，R₂，…，R_p}；