顾及字符特征的中文地名词典查询方法

地名词典查询是地名校正、地名匹配等地名服务应用的重要基础,但是地名数量的快速增长使得词典查询性能面临严峻挑战。针对大规模数据环境中传统词典查询方法准确率不高且效率较低等问题,提出了一种顾及字符特征的中文地名词典查询方法（CGQM）。首先,查询具有相同字符特征的地名形成候选地名集合,同时构建单字索引提升查询效率;其次,依据字符数量特征比较查询地名与候选地名的差异,进一步过滤候选地名集合;最后,基于字符位置特征优化查询结果排序策略,使得结果排序更为合理。实验以全国地名词典为例,构建5组测试集进行CGQM方法与Lucene检索方法的对比分析。研究结果表明,CGQM方法对于增强地名词典查询功能、提升查询效率具有实际意义。     

大数据驱动的地名信息获取与应用

地名是各个历史时代人类活动的产物,蕴含丰富的历史、地理、语言、经济、民族、政治等内容,是不可或缺的基础地理信息和社会公共信息。大数据资源的快速增长以及数据挖掘和地理信息技术的逐步成熟为高效、智能化的地名信息获取提供了数据和技术支撑。针对非结构化和结构化大数据资源的特点,重点探讨了文本中地名名称、时间和空间位置等地名信息获取方法和多源地名数据库语义融合方法,分析了地名信息在科学研究、智慧城市和大众化服务等领域的应用前景。     

基于深度信念网络的地质实体识别方法

地质实体作为地质信息表达的核心要素,对其准确识别是地质文本数据挖掘和应用的重要基础。本文通过分析各种类型文本数据中地质实体信息的描述特点,构建了地质实体信息的标注规范和语料库,设计了基于深度信念网络(Deep Belief Networks)的地质实体识别模型,解决了文本数据中地质实体信息的结构化、规范化处理问题。以矿产资源地质调查报告为实验数据,对本文的地质实体识别方法性能进行了评估分析。结果表明,深度学习模型能够在较小规模语料库的基础上,达到较好的地质实体识别性能。