[发明专利]一种汉语地名的拼音拼写规范化方法

说明书

本发明的涉及一种汉语地名的拼音拼写规范化方法，依据获取的地名类型，构建相应汉语关键词词典，并结合字符串标签，完成地名中关键词的最佳匹配与自动分词；接着进行地名拼音转换与拼写规范化操作，最终实现汉语地名转化成对应拼写规范的拼音要素。本发明的分词方法可避免分词歧义，提高分词效率，在汉语地名数据库中数据量多、语义丰富、汉语地名类型复杂的需求场合下，解决汉语地名自动分词问题；实现汉语地名数据库的汉语地名快速拼音转换，以及拼音拼写规范化，解决了大数据量汉语地名库的汉语拼音转换及规范化拼写问题。

技术领域

本发明属于地理信息系统领域，用于对地名数据库中汉语地名自动分词及拼音转换功能，最终实现汉语地名的拼音拼写规范化。

背景技术

汉语地名作为地理信息的重要属性，其对应的规范化拼音是地图上辅助认知中国地名的重要桥梁。随着地理信息系统领域不断发展，为了地名汉语拼音拼写规范化，中国地名委员会、中国文字改革委员会等机构授权公布了一套汉字标准名称、拼音标准及拼写规范。然而，汉语地名常表现为数据量多、语义丰富、汉语地名类型复杂，导致地名汉语难以实现拼音拼写规范化的自动化操作。

专利申请CN201210332072公开了一种基于单词查找树实现的汉语拼音快速分词方法，该方法通过建立哈希树的数据结构实现拼音的与词典的最小次数配对，完成快速拼音快速分词。但该方法直接对汉语拼音进行分词处理，对存在歧义的拼音词语无法进行合理判断。例如，针对包含多个语义的关键词，例如：piao，既可以解释成“票”，也可以解释成“皮袄”，该方法分词结果不能准确表达汉语意思。

专利申请CN200810203059公开了一种主要基于汉语语法分析基础上的汉语文本智能分词方法，该方法通过建立匹配数据库实现汉语分词。该数据库内容十分丰富，涵盖了专用名词、代词、数量词、部分副词、介词、连词、语气词和象声词、形容词、动词等。但是，该方法需要遍历所有关键词，计算复杂度过高，不适用于较大数据量的分词处理。

专利申请CN201310106588公开了一种汉字转换成拼音及首字母的方法，该方法通过对所有拼音进行编号，建立汉字拼音的基础对照表，并依据对照表将汉字转换为拼音及拼音首字母的方法。但该方法没有依据拼音拼写规范完成汉语地名中不同词素间自动分词，因此，不适用于汉语地名的拼音规范化。

上述方案中汉语分词及拼音转换方法虽然有诸如内存中易维护、分词策略简单等优点，但存在分词歧义、分词效率低等缺点。

发明内容

本发明目的在于提供一种避免分词歧义，提高分词效率的汉语地名的拼音拼写规范化方法。

本发明提供了一种地名汉语拼音拼写规范化的方法，包括如下步骤：

S100.读取地名数据库，遍历汉语地名，对各个汉语地名进行分类，一级分类为地名类型包括自然地地名和居民地地名；地名类型下设置二级分类，为汉语地名的分类名称，对各分类名称赋予类型编码，并对相同分类名称下的各汉语地名赋予相应的类型编码；基于一级分类、二级分类和类型编码构建类型编码查找表；

S200.构建不同类型编码相应的关键词专名词典和关键词通名词典，读取汉语地名字符串及其类型编码字符串，根据汉语地名类型编码调取对应的关键词专名词典和关键词通名词典，遍历汉语地名字符串，匹配关键词，在关键词处添加分词符号；

S300.构建特殊词词典，包括单字附加修饰词词典、元音词组词典、歧义词词典、儿话音、数字词典、多音字字典、交通线路简称词典、少数民族音译字词典、港澳台地区汉语地名词典和中国南海及中国邻近国际公域词典；基于特殊词词典遍历汉语地名，在特殊词处添加分词符号，并将汉语地名字符串划分成一个多个字符串，对每个特殊词字符串赋予相应标签，添加相应属性信息；

所述标签的属性信息包括：

判断是否分词，存储形式为布尔值；

判断是否为特殊词，存储形式为布尔值；