加拿大地名趣话

“蒙特利尔”我们读对了吗?我们惯常使用的外国地名,很多是过去的人根据英语的读音规则,大体音译过来的,这其中当然就难免会出现讹误,甚至弄出笑话来。例子虽然没有达到“不胜枚举”的地步,但事实上也够多的了,这里谈一个例子,就是蒙特利尔。蒙特利尔是加拿大赫赫有名的大城市,     

北极地区地名纵横谈

北极地区是指北极圈(66°33′)以北的广大地区,包括北冰洋、诸多岛屿和亚、欧、北美大陆北部的苔原带和部分泰加林带,面积2100万平方公里,约占地球总面积的     

基于地名本体的地名演变分析

测绘学叙词表是测绘领域专家经过严格的概念及关系定义组织而成的专业词汇表,基于它构建地名本体,能够继承表中严格的精确的概念术语及概念间的关系,提高本体构建的效率和质量.从本体的概念出发、探讨了基于测绘学叙词表的地名本体构建方法、地名本体模型建立、空间关系添加及形式化描述与表达等关键技术,并以郑州市为例进行了基于地名本体的...     

地名与地址之比较

在对地名和地址定义分析基础上,从语义构成、存在的先后顺序、空间形态、指代空间范围的确定性、时间形态、文化内涵几个方面对二者进行了对比。研究表明:地址是一种复合的地名或地名的延伸;地名在先,地址在后;地名一般表示较模糊的面状范围,地址一般表示较具体的定位点;地名有历史、现状和规划三种时间形态,地址只有现状地址才有意义;地名具有文化内涵,地址是地名的组合,侧重于应用。     

地名就是地名

<正> 地名就是地名——一个特定的、有明确范围的空间的名称,它的主要功能就是一个地方或一个地域范围的代表或识别标志,因而应该尽可能保持稳定。这本来是一种常识,也是地名使用的惯例,近年     

北京市数字地名的发展现状

简要介绍北京市地址地名数据库建设的背景和北京市的地名发展史,从政府部门和地名信息提供商两个方面综述北京市数字地名发展的现状,并与兄弟城市的发展情况作对比。认为数字地名已引起全社会的重视,北京市的数字地名事业正处在一个大发展时期,需要政府出面很好地规划、协调、管理,实现地名信息资源的社会共享。地名服务开始走向多元化。     

基于MongoDB的地名信息管理

地名数据具有数据量大,数据结构复杂,查询方式多样等一系列特征。传统的关系数据库在存储地名信息数据时,往往需要预先定义数据表结构,从而难以支持无模式化存储以支持多样化地名标注。此外,多样化的地理查询接口需求也难以得到支持。提出一种基于非关系型数据库MongoDB的地名数据存储管理方式,可同时满足地名存储各种需求。各种查询方式,包括名称查询,空间邻近查询,空间范围查询等均能得到有效的支持。     

境外地名翻译软件的研制

从境外地名翻译的规则和研究现状出发,探讨地名译写规则库的建立以及地名数据库的设计和建立,并通过原型系统的开发,验证境外地名翻译软件实现的可行性.     

上海的路名与地名

漫游上海 走遍中国 泱泱中华．孕育出东方大城——上海,这里汇聚了各国乃至世界各地的人才精英、商贾客旅;九州四海各地的地名,也会聚沪上．犹如全国缩影,在上海频现纷呈。     

中文文本的地名解析方法研究

讨论了中文文本的地名解析流程,提出基于条件随机场和篇章地名关系的地名识别方法、基于局部模糊匹配的地名标准化方法以及基于认知显著度的地理编码方法,并构建了地名解析原型系统。实验显示,该系统可以获得较为满意的精确率、召回率和F-1值,同时讨论了地名词典的完备性、地名识别精度以及地名语义歧义消除等影响地名解析性能的主要因素。     

地名管理与服务平台的开发应用

为切实提高地名信息化水平和公共管理服务能力,福建省周宁县积极开展地名成果应用开发工作,其中周宁区划地名网的建设是实现数字地名管理和服务的重要平台,它的建成及应用能够更好地发挥地名普查成果在经济社会生产生活中的作用^[1]。     

地名的魅力

读过钱锺书先生的《谈艺录》就会知道，西方诗人学者不少谈到诗中地名人名之妙。像李特就说：“此数语无深意而有妙趣，以其善用前代人名，外国地名，使读者悠然生怀古之幽情，思远之逸致也。”钱先生说：“吾国古人作诗．早窥厥旨”，并对唐诗明诗中的地名分析得很是中肯。由此不由引出另一个有趣的话题，那就是我国的地名人名，到了异国诗歌当中，变成了什么样子?     

1：5万地名数据库到1：1万地名数据库转换的研究与开发

浅述地名数据转换的背景、需要解决的关键性问题以及地名转换软件的实现。     

浅谈第二次地名普查方法与注意事项

地名是地理信息的基本要素,地名普查是国土部门最基础的工作之一。本文基于长期地名调查工作,对该项工作流程、内容以及各环节主要内容进行了梳理总结,并对地名普查及更新的方法和步骤进行介绍和讨论。文章通过上述介绍,能够增加业界对地名普查工作的认知,推进该项工作的完善。     

混合神经网络的中文地名识别方法

针对互联网媒体数据中地名信息表达不规范、实体边界不清晰、地名简化表达问题,该文提出了一种混合神经网络的中文地名识别方法.通过ALBERT层学习字级别特征表达与BiLSTM层提取文本上下文语义特征,由CRF层获得全局最优标记序列,更有效地识别并提取中文地名.数据测试表明:相较于BiLSTM的地名识别模型,本文模型精确率提高12.89％,F1值提高10.83％;相较于BiLSTM-CRF的地名识别模型,本文模型精确率提高3.56％,F1值提高2.1％;相较于ALBERT-CRF的地名识别模型,本文模型精确率提高1.22％,F1值提高0.72％.     

基于GIS的历史地名采集

为充分发挥历史地名的作用,在现势地名的基础上,经过合理筛选,对有价值的历史地名进行合理的分类,并基于GIS进行采集与建库,从而实现历史地名的共享和应用。