[发明专利]一种基于字典树的中文地理编码方法

摘要

一种基于字典树的中文地理编码方法，首先对当前的中文地理编码的背景进行了概述，阐述了中文地理编码同英文地理编码的差异和难度，包括以下步骤：1)对地址要素进行了划分；2)将标准化的字符串分割；3)讲述了如何构建字典树——构建字典树节点类型，拆分地址信息为地址要素，映射要素级别，映射出经纬度；4)探讨了如何通过构建的字典树，进行地址串搜索、通配。本发明提供了一种提高中文地址编码效率和增强灵活性的基于字典树的中文地理编码方法。

主权项

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，例如要素节点“中国”，从数据库获取当前节点的要素级别，通过百度地图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，Ot为某种不标准地址要素，St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，获得叶子节点的必须信息，例如邮编，经纬度，则完成搜索。