[发明专利]一种基于模糊匹配的中文地理编码确定方法

权利要求书

1.一种基于模糊匹配的中文地理编码确定方法，其特征在于：所述中文地理编码 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。

2.如权利要求1所述的一种基于模糊匹配的中文地理编码确定方法，其特征在于： 所述中文地理编码确定方法还包括：

A4、如果匹配地址包含的门牌号，进行空间定位：设定城市道路门牌号以以 下规则分布：按照单双号规则分布于道路的两侧，正向左侧为单号，右侧为双号； 正向右侧为单号，左侧为双号；记录道路拐点门牌号以及其地理坐标信息，获取 原始地址中的门牌号信息后，判断处于哪两个拐点之间，假定匹配地址门牌号位 于拐点A、B之间，以A、B为参照点，进行最小二乘法线性插值，得到该门牌 号位于道路的具体地理坐标，最后定位到地图。

3.如权利要求1或2所述的一种基于模糊匹配的中文地理编码确定方法，其特 征在于：所述步骤A3中，设置辅助地名数据库，对于拥有第二特征身份的比较 重要同时使用较为频繁的地理位置进行单独建库。

4.如权利要求1或2所述的一种基于模糊匹配的中文地理编码确定方法，其特征 在于：在步骤A1中，获取的原始地址，以原始地址的第一个字符为起始点，对 地址数据库进行搜索查找对应的标准地址名称，存在则读取地址信息保留，同时 将该字符在原始地址字符串切除，否则读取下一字符与上一个字符组成字符串， 继续在地址数据库中搜索对应标准地址名称，依次进行读取，确定所有行政级别 的地址要素。

5.如权利要求1或2所述的一种基于模糊匹配的中文地理编码确定方法，其特征 在于：在步骤A2中，如果切分后的候选地址数组存在缺省项，依据下一级别的 地址元素，在地址数据库获取其上级地址，写入候选地址要素数组中。

6.如权利要求5所述的一种基于模糊匹配的中文地理编码确定方法，其特征在于： 在步骤A2中，设计地址简称、别名信息数据库，保存当前所有的标准地址信息 与其别名、简称的专门信息数据库。

7.如权利要求6所述的一种基于模糊匹配的中文地理编码确定方法，其特征在于： 在步骤A2中，切分后的地址元素的错别字纠错，假定录入的地址信息中存在错 别字，即切分后的地址元素在地址词典中无法找到完全对应的标准地址名称，取 与录入的地址信息最相近的标准地址名称返回，并取代录入的地址信息。