中文地名詞典維護(hù)方法研究.pdf

1、地名詞典(Gazetteer)是一個具有地理意義的字典或名錄，主要描述地名的名稱、要素類型、空間位置等重要參考信息，通常包含一個國家、地區(qū)或大陸的地理構(gòu)成，以及社會統(tǒng)計和物理特征，如山脈，水系或道路，在網(wǎng)絡(luò)電子地圖服務(wù)、移動位置服務(wù)、地理信息檢索、自然語言處理等方面有廣泛應(yīng)用。我國歷史悠久、民族眾多，地名既是社會文化的化石，也是時空的縮影?，F(xiàn)有的地名詞典管理和維護(hù)模式在時空關(guān)聯(lián)以及地名空間關(guān)系表達(dá)方面較為薄弱。
　　 本文在在地

2、名時空數(shù)據(jù)模型的基礎(chǔ)上，從被動式、大眾參與式與主動式維護(hù)三種視角，綜合運(yùn)用XML、Web服務(wù)、網(wǎng)絡(luò)爬蟲、網(wǎng)頁解析和地名識別等技術(shù)，探討中文地名詞典的多種維護(hù)方法。主要內(nèi)容與成果包括以下幾個方面:
　　 (1)基于XML Schema的多源地名數(shù)據(jù)集成方法研究:以XML和XMLSchema為基礎(chǔ)，通過XSLT映射機(jī)制實現(xiàn)了多源異構(gòu)的批量地名數(shù)據(jù)集成。該方法是基于數(shù)據(jù)結(jié)構(gòu)的被動式維護(hù)方法，沒有考慮地名屬性的語義集成問題。但是，實驗證

3、明這種方法具有跨平臺性、可擴(kuò)展性高，而且為地名Mashup提供了技術(shù)基礎(chǔ)。
　　 (2)基于網(wǎng)絡(luò)爬蟲的中文地名詞典維護(hù)方法研究:利用網(wǎng)絡(luò)爬蟲技術(shù)主動獲取海量空間敏感的網(wǎng)頁文本并進(jìn)行DOM結(jié)構(gòu)化解析，整合CRY地名識別模型、規(guī)則匹配和Geocode(地址編碼)技術(shù)實現(xiàn)地名詞典地名、要素類型和空間位置的獲取，有效解決了地名獲取難、維護(hù)效率低的問題。
　　 (3)基于Neogeography的中文地名詞典維護(hù)方法研究:利用We

4、b服務(wù)和Mashup技術(shù)，在國家安全保密規(guī)范允許的情況下，實現(xiàn)大眾參與的地名詞典維護(hù)方法。通過提供地名數(shù)據(jù)的查看、上傳、地址編碼等服務(wù)，Mashup其他地名數(shù)據(jù)資源，建立了地名服務(wù)評估機(jī)制，實現(xiàn)了VGI模式的地名詞典維護(hù)。
　　 (4)中文地名詞典維護(hù)原型系統(tǒng)設(shè)計:在上述三種方法研究的基礎(chǔ)上，設(shè)計了空間驅(qū)動的地名空間定位信息和屬性信息的圖文一體化管理模式，開發(fā)了中文地名詞典維護(hù)原型系統(tǒng)，實現(xiàn)了大眾參與式和主動式地名詞典自動維護(hù)。