基于SNM算法的大数据量中文地址清洗方法

摘要：

中文地址由行政区划地址和详细地址两部分组成，行政区划地址的处理可通过构建地址词典、分词、补充特征字等方式清洗，目前技术较为成熟。详细地址则随我国城镇化的发展而不断变化，且新的地址层出不穷，导致其清洗和规范化工作极其困难。在研究大数据量中文地址的基础上，提出了中文地址清洗模型，在行政区划地址先清洗并规范的前提下，对地址进行排序，利用SNM算法将详细地址聚集在一个较小的窗口内，对窗口内的地址进行匹配和清洗，实验结果证明清洗效果良好。

关键词：中文地址、行政区划、详细地址、特征字、清洗

分类号：TP391(计算技术、计算机技术)

资助基金：福建省教育厅A类科技项目No.JA12335。

在线出版日期：2014-03-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：108-111