[发明专利]一种基于字典树的中文地理编码方法

权利要求书

1.一种基于字典树的中文地理编码方法，其特征在于，所述中文地理编码方法包括以下步骤：

1).地址要素级别划分，将地址要素级别划分为11级别，分别是：1级，中国；2级，省、直辖市；3级，省会、地级市；4级，区、县、地级市；5级，街道、乡镇；6级，社区、村；7级，地片、区片；8级，道路、街巷；9级，楼牌号；10级，门牌号；11级，POI标志物；

2).将标准化的字符串分割，将得到的字符串，按照地址要素级别划分；

3).构建字典树，过程如下：

3.1).构建字典树节点，构建节点类，类里实例域包含地址要素、地址要素级别、标准地址、经纬度、父地址引用、节点是否可用；

3.2).收集整理尽可能多的标准信息地址串，用于数据的构建，字典树的生成；

3.3).将整理好的标准信息地址串拆分成地址要素；

3.4).将拆分好的地址要素，标记好要素级别，将分好的要素级别持久化到数据库，以便后期构建字典树查询使用；

3.5).将标记好的地址要素，通过Google地图API或者百度地图API获取当前节点的经纬度；

3.6).初始化根节点，将信息地址串拆分为地址要素，从数据库获取当前节点的要素级别，通过Google地图API或者百度地图API获取当前地址要素节点的经纬度，将这些值初始化到根节点中；

3.7).查询地址串的要素级别为2的地址要素，初始化下级节点，并将父节点下一个指向引用指向本节点，本节点的父地址要素的引用指向父节点，并如3.6)一样将节点数据域初始化，形成二级节点，以此类推直至叶节点，完成此信息地址串的构建；

3.8).重复3.3)-3.8)步骤，将信息地址串拆分，然后依次建树，最后形成一个庞大的字典树；

4).信息地址串的匹配，过程如下：

4.1).信息地址串标准化，过程如下：

4.1.1).将信息地址人工拆分标记，然后送入到隐含的马尔科夫训练模型训练，通过(1)式，据统计语言设计方法，统计出某种非标准地址要素映射到标准地址要素的概率，从(2)式获得的概率，其中#是当前地址要素的在样本中的次数，估计当前的输入地址要素与标准地址要素偏差概率；

其中在(1)式中，O_t为某种不标准地址要素，S_t为标准地址要素；

4.1.2).通过得到的马尔科夫模型标准化信息地址串，将地址串标准化；

4.2).把标准化的地址串分割成标准的地址要素，输入到步骤3)所得到的字典树，搜寻对应的叶子节点，获得叶子节点的必要信息，所述必要信息包括邮编和经纬度，则完成搜索。

2.如权利要求1所述一种基于字典树的中文地理编码方法，其特征在于，所述在步骤3)中，根据标准化的信息地址串，将地址串拆分，构建成字典树；在构建字典树的基础上，通过标准化信息地址串，查找到叶子节点信息，完成搜索。