地名分词搜索的词典设计与匹配方法研究
上传者:陆虹|上传时间:2015-05-05|密次下载
地名分词搜索的词典设计与匹配方法研究
第36 卷 第 2 期
2011 年4 月
测绘信息与工程
Journal of Geomatics
Vol. 36 No. 2
Apr. 2011
项目来源: 数字制图与国土信息应用工程国家测绘局重点实验室开放基金资助项目( GCWD200903) 。
文章编号: 10073817( 2011) 02005203 文献标志码: B
地名分词搜索的词典设计与匹配方法研究
李艳红
1
庞小平
1
李海亭
2
( 1 武汉大学资源与环境科学学院, 武汉市珞喻路129 号, 430079;
2 武汉市勘测设计研究院, 武汉市万松园路209 号, 430022)
摘 要: 阐述了专门用于分词搜索的关键词词典设计, 提出了采用逆向最大匹配和权重匹配相结合的方法, 实现
了更加准确、高效的地名搜索。
关键词: 地名搜索; 分词; 最大匹配; 权重匹配; 数据库
中图法分类号: P281
地名搜索服务是社会公众或单位群体最常使用
的功能之一。建立地名数据库系统, 开展地名公共
服务, 已经成为社会公共服务体系建设中的重要组
成部分。结合武汉市地名服务系统的开发实践, 针
对地名数据本身的特点, 设计了专门用于地名库分
词搜索的关键词词典, 阐明了终端输入的分词算法,
对分词后的关键词序列与地名库中的数据内容进行
注入权重系数的逆向最大匹配, 并辅以分词索引技
术, 使整个地名搜索系统的设计更趋合理, 地名搜索
服务更加准确、高效。
1 分词词典设计
地名库系统中的地名数据具有数据量大、覆盖
范围广、信息复杂度高的特点。在地名搜索服务中,
地名库的词典设计既要考虑区域范围内地名数据的
特征, 还要考虑用户对地名数据的模糊查询、日常用
词、短语、专用词汇等均应包含其中
[ 1~ 3]
。分词词典
既要具有良好的数据结构, 又要具有通用性。
1) 数据结构的设计。在武汉市地名服务系统
的开发过程中, 收集了 115 638 条地名数据和近 30
万条日常用词、短语、专用词汇等组成整个词典的主
要内容, 采用文本文件的方式存放地名分词词典。
具体数据结构设计思想包括: 每一个文本文件存
放相同字节长度的词条, 词条间用换行符隔开, 便于
词典数据的维护和管理; 每一个词典文件内部,
所有的词条数据根据其整型数值之和以升序的方式
存放; ! 每一个词典的文件名称均由相同的前缀和
表示该词典存放汉字的长度数值构成, 如Dic 4, 即
表示4 个汉字的词典。
2) 通用词典的生成。收集分词词典内容并按
上述设计思想整理成文本文件, 此文件称为词典源
数据文件, 在词典中每一行存放一个独立词条。然
后编制文本处理程序, 将源数据文件中的词条分别
存放于不同的词典文件中。具体方法如下: 遍历源<
br />
数据文件中的词条内容, 根据词条长度分别存放于
不同的链表中。对于每个链表中的词条数据, 分别
根据它们各个字符的整型数值之和, 进行冒泡排序,
再将每个重新排序链表内的词条内容依次写到相应
的词典文件中, 这样就生成了用于中文输入分词的
通用词典, 通用词典的生成过程如图1 所示。
图 1 通用词典的生成过程
3) 地名库数据的添加。为了使地名搜索服务
准确、高效, 需将地名库中已有地名数据添加到通用
词典中。添加地名库数据的具体方法如下: 首先, 将
下载文档
热门试卷
- 2016年四川省内江市中考化学试卷
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
- 山东省滨州市三校2017届第一学期阶段测试初三英语试题
- 四川省成都七中2017届高三一诊模拟考试文科综合试卷
- 2017届普通高等学校招生全国统一考试模拟试题(附答案)
- 重庆市永川中学高2017级上期12月月考语文试题
- 江西宜春三中2017届高三第一学期第二次月考文科综合试题
- 内蒙古赤峰二中2017届高三上学期第三次月考英语试题
- 2017年六年级(上)数学期末考试卷
- 2017人教版小学英语三年级上期末笔试题
- 江苏省常州西藏民族中学2016-2017学年九年级思想品德第一学期第二次阶段测试试卷
- 重庆市九龙坡区七校2016-2017学年上期八年级素质测查(二)语文学科试题卷
- 江苏省无锡市钱桥中学2016年12月八年级语文阶段性测试卷
- 江苏省无锡市钱桥中学2016-2017学年七年级英语12月阶段检测试卷
- 山东省邹城市第八中学2016-2017学年八年级12月物理第4章试题(无答案)
- 【人教版】河北省2015-2016学年度九年级上期末语文试题卷(附答案)
- 四川省简阳市阳安中学2016年12月高二月考英语试卷
- 四川省成都龙泉中学高三上学期2016年12月月考试题文科综合能力测试
- 安徽省滁州中学2016—2017学年度第一学期12月月考高三英语试卷
- 山东省武城县第二中学2016.12高一年级上学期第二次月考历史试题(必修一第四、五单元)
- 福建省四地六校联考2016-2017学年上学期第三次月考高三化学试卷
- 甘肃省武威第二十三中学2016—2017学年度八年级第一学期12月月考生物试卷
网友关注
- 在国际学校中开展中学数学建模教育——组织参加美国高中生数学建模竞赛的启示
- 2013年全国高中数学联赛加试题另解
- 邱维旺力的合成教学设计
- 2000年全国中学生生物学联赛理论试卷及参考答案
- NOIP名校讲义
- 高中数学竞赛培训专题3---几个重要的不等式
- 高中数学竞赛培训专题5---指数函数、对数函数
- 2015年生物竞赛预赛试题(山东赛区)
- 高中数学竞赛培训专题2----染色问题与染色方法
- 高中数学竞赛培训专题4---同余式与不定方程
- 奥赛班习题1
- 2009广东省地理奥林匹克竞赛高中组试题(含答案)
- 高中生物奥林匹克竞赛辅导专题讲座 专题六 细胞增殖与遗传
- 2013年广东地理奥林匹克竞赛高中
- 高中数学竞赛培训专题1-----等差数列与等比数列
- 哆啦B梦带我游未来
- 报告改定
- 我把与合作的内容粘到PPT上
- 高中生物奥林匹克竞赛辅导专题讲座 专题四 呼吸作用
- 高中数学竞赛培训专题7---高阶等差数列
- 让青春飞扬.
- 第一幕
- 河北省2009年全国中学生生物学竞赛
- 2015浙江省数学竞赛参考答案
- 2013年全国高中数学联合竞赛
- 2010年北京市化学竞赛试题(高一)及答案
- 2015年镇江一模市场营销答案
- 化学竞赛准考证
- 物理高中竞赛习题,by马玉林
- 2010年国庆作业(2)
网友关注视频
- 冀教版小学数学二年级下册第二单元《有余数除法的简单应用》
- 化学九年级下册全册同步 人教版 第25集 生活中常见的盐(二)
- 《空中课堂》二年级下册 数学第一单元第1课时
- 【部编】人教版语文七年级下册《逢入京使》优质课教学视频+PPT课件+教案,辽宁省
- 七年级英语下册 上海牛津版 Unit5
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 2
- 北师大版数学 四年级下册 第三单元 第二节 小数点搬家
- 【部编】人教版语文七年级下册《逢入京使》优质课教学视频+PPT课件+教案,安徽省
- 苏教版二年级下册数学《认识东、南、西、北》
- 人教版历史八年级下册第一课《中华人民共和国成立》
- 第五单元 民族艺术的瑰宝_16. 形形色色的民族乐器_第一课时(岭南版六年级上册)_T1406126
- 第4章 幂函数、指数函数和对数函数(下)_六 指数方程和对数方程_4.7 简单的指数方程_第一课时(沪教版高一下册)_T1566237
- 冀教版英语五年级下册第二课课程解读
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 3
- 外研版八年级英语下学期 Module3
- 小学英语单词
- 三年级英语单词记忆下册(沪教版)第一二单元复习
- 8.练习八_第一课时(特等奖)(苏教版三年级上册)_T142692
- 冀教版小学数学二年级下册第二单元《有余数除法的整理与复习》
- 外研版英语三起5年级下册(14版)Module3 Unit2
- 冀教版英语四年级下册第二课
- 化学九年级下册全册同步 人教版 第18集 常见的酸和碱(二)
- 3月2日小学二年级数学下册(数一数)
- 飞翔英语—冀教版(三起)英语三年级下册Lesson 2 Cats and Dogs
- 冀教版小学英语四年级下册Lesson2授课视频
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 8
- 北师大版小学数学四年级下册第15课小数乘小数一
- 19 爱护鸟类_第一课时(二等奖)(桂美版二年级下册)_T3763925
- 8.对剪花样_第一课时(二等奖)(冀美版二年级上册)_T515402
- 冀教版英语三年级下册第二课
精品推荐
- 2016-2017学年高一语文人教版必修一+模块学业水平检测试题(含答案)
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
分类导航
- 互联网
- 电脑基础知识
- 计算机软件及应用
- 计算机硬件及网络
- 计算机应用/办公自动化
- .NET
- 数据结构与算法
- Java
- SEO
- C/C++资料
- linux/Unix相关
- 手机开发
- UML理论/建模
- 并行计算/云计算
- 嵌入式开发
- windows相关
- 软件工程
- 管理信息系统
- 开发文档
- 图形图像
- 网络与通信
- 网络信息安全
- 电子支付
- Labview
- matlab
- 网络资源
- Python
- Delphi/Perl
- 评测
- Flash/Flex
- CSS/Script
- 计算机原理
- PHP资料
- 数据挖掘与模式识别
- Web服务
- 数据库
- Visual Basic
- 电子商务
- 服务器
- 搜索引擎优化
- 存储
- 架构
- 行业软件
- 人工智能
- 计算机辅助设计
- 多媒体
- 软件测试
- 计算机硬件与维护
- 网站策划/UE
- 网页设计/UI
- 网吧管理