馬 雷 雷，李 宏 偉，連 世 偉，梁 汝 鵬，龔 競

(1.信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450052；2.四川省應(yīng)急測繪與防災(zāi)減災(zāi)工程技術(shù)研究中心，四川 成都 610041)

地名知識輔助的中文地名消歧方法

馬 雷 雷1,2，李 宏 偉1，連 世 偉1，梁 汝 鵬1，龔 競2

(1.信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450052；2.四川省應(yīng)急測繪與防災(zāi)減災(zāi)工程技術(shù)研究中心，四川 成都 610041)

地理空間中對位置的描述可以基于形式化的地理坐標(biāo)，也可以利用自然語言文本中的非形式化地名來表達。文本中的同一地名可能指向很多地理位置，這就引起了地名歧義，地名消歧就是消除概念指稱上的認(rèn)知分歧，為地名分配唯一的地理位置。該文從地名知識的角度出發(fā)，首先提出了一種基于地名本體的地名知識統(tǒng)一表達方法，介紹了地名知識來源和地名知識庫建庫流程；然后給出了中文地名消歧原理和算法流程，從語義關(guān)系、拓?fù)潢P(guān)系、距離關(guān)系和地名密度4個維度計算地名實體之間的地理關(guān)聯(lián)度進行地名消歧；最后通過實驗對消歧方法進行了驗證與評價，結(jié)果表明該消歧方法具有較高的準(zhǔn)確率、召回率、覆蓋率和F值。

地名；知識；地名本體；地名消歧；關(guān)聯(lián)度

0 引言

地理空間無處不在，人類所有的活動、知識和決策都和地理空間中的位置相關(guān)，位置參照可以是形式化的地理坐標(biāo)，也可以是自然語言文本中的非形式化地名。自然語言文本是地理信息的重要數(shù)據(jù)源，據(jù)統(tǒng)計至少70%的文本文檔包含以地名形式表達的地理位置參考信息[1]。形式化表達是所有空間處理的基礎(chǔ)，可以通過空間分析和幾何計算實現(xiàn)，但是當(dāng)前GIS空間處理的過程還無法通過地名實現(xiàn)。中文地名復(fù)雜多樣，尤其文本中的地名，歧義現(xiàn)象非常嚴(yán)重，消除地名歧義是文本中定性地名信息空間化的必備環(huán)節(jié)，是連接自然語言處理和GIS的橋梁[2]。

地名歧義分為geo/non-geo歧義和 geo/geo歧義[3]。若某一地名具有非地理意義，則稱為geo/non-geo歧義，例如人名或者普通單詞；同一地名對應(yīng)多個地理位置就產(chǎn)生了geo/geo歧義，例如紅河可能指河流也可能指紅河縣、昌樂縣紅河鎮(zhèn)，它們使用同一個地名但指向不同的地理位置。據(jù)統(tǒng)計，全球80%以上的地名是無歧義的，但是自然語言文本中83%以上的地名存在歧義，其中一部分地名存在5個甚至更多的候選地理位置。網(wǎng)頁中的地名37%左右存在歧義，法新社新聞集合中新聞網(wǎng)頁中高達40.1%的地名存在歧義[4]。從自然語言處理的角度看，地名消歧屬于詞義消歧的一種，并著重處理地理領(lǐng)域的geo/geo歧義。Olligschlaeger[5]在開發(fā)數(shù)字視頻圖書館時嘗試將新聞中提到的地名位置在地圖上標(biāo)出，此后出現(xiàn)了很多地名消歧方法。通常地名消歧分為兩步:1)從本文中識別出所有地名，確定歧義地名對應(yīng)的所有地理位置，構(gòu)成候選位置集合；2)基于上下文和知識資源作為證據(jù)源，設(shè)計一系列的啟發(fā)式規(guī)則方法，從候選位置集合中選擇唯一的地理位置。

國外對地名消歧的研究主要分為基于地圖的方法、基于外部資源的方法和數(shù)據(jù)驅(qū)動的方法3種類型，前兩者都是基于啟發(fā)式規(guī)則的方法，后者是基于語料庫的方法。 1)基于地圖的方法。源于數(shù)字圖書館中的地名歧義問題，Smith[6]提出了一種基于位置地理坐標(biāo)的地名消歧方法，將上下文語境中的位置在地圖上表達，計算質(zhì)心并與歧義地名相關(guān)的實際位置比較，與質(zhì)心最近的位置被選為正確的地名；基于信任的方法[7]，綜合地理距離和文本距離進行地名消歧,Zhao提出了一種考慮文本距離和地理距離的GeoRank算法[8]。2)基于外部資源的方法。利用地名庫進行訓(xùn)練；基于維基百科生成共現(xiàn)模型(co-occurrence)應(yīng)用于地名消歧[9]；SPIRIT系統(tǒng)中基于多種資源(SABE、TGN 和OS)的地理編碼方法[10]；基于WordNet、GeoWordNet本體層次樹結(jié)構(gòu)特征解決地名歧義，典型的就是基于整體-部分關(guān)系的概念密度算法[11]和基于鄰近關(guān)系的地理密度算法[12]。3)數(shù)據(jù)驅(qū)動或者是監(jiān)督方法?；跇?biāo)準(zhǔn)的機器學(xué)習(xí)技術(shù)，例如貝葉斯分類[13]、支持向量機[14]，監(jiān)督學(xué)習(xí)方法的缺點是為了達到高精度需要大量的訓(xùn)練數(shù)據(jù)，并且沒有考慮未登錄地名。國內(nèi)針對中文地名消歧問題的研究也取得了一些成果。張毅等[15]提出了一種基于證據(jù)理論的地名消歧方法，通過計算地名所指地理實體語義關(guān)聯(lián)度，利用D-S證據(jù)理論合成排歧證據(jù)，最終實現(xiàn)地名消歧；唐旭日[16]提出了一種基于認(rèn)知顯著度的地理編碼方法，認(rèn)為地名與實體之間的關(guān)聯(lián)程度取決于該實體在上下文中的地名認(rèn)知顯示度；朱少楠等[17]認(rèn)為地名數(shù)據(jù)庫中的絕大多數(shù)地名具有行政隸屬關(guān)系，通過構(gòu)建歧義地名關(guān)聯(lián)的行政隸屬關(guān)系樹狀圖進行地名消歧；杜萍[18]在地名識別的基礎(chǔ)上編寫JAPE規(guī)則用于中國縣級以上行政區(qū)劃地名消歧。可見國內(nèi)對地名消歧的研究都是依據(jù)啟發(fā)式方法，在一定范圍內(nèi)取得了不錯的消歧效果。

本文提出了一種基于地名知識的地名消歧方法，并通過實驗進行了測試分析，結(jié)果表明該方法具有可行性，能夠達到一定的消歧精度。

1 經(jīng)典的地名消歧方法

1.1 基于地圖的地名消歧方法

基于地圖的方法起源于數(shù)字圖書館中的地名歧義問題[6]，此方法中上下文的大小是固定的，質(zhì)心僅通過非歧義的或者已經(jīng)存在歧義地名質(zhì)心計算。Buscaldi[19]利用了所有可能的參考，上下文的大小取決于包含在句子、上下文和文檔中的地名數(shù)量。對于歧義地名t和上下文C中的地名，ci∈C,0≤i≤n，n表示上下文的大小。上下文是由出現(xiàn)在同一文檔、段落或者句子中的地名組成。將歧義地名t的候選地理位置表示為t1,t2,…tk。

1.2 基于概念密度的地名消歧方法

WordNet的結(jié)構(gòu)化數(shù)據(jù)特征能夠?qū)⒃~義消歧算法引入到地名消歧領(lǐng)域，其中之一就是概念密度(Conceptual Density，CD)算法，該算法由Agirre提出[20]，作為給定詞義和它的上下文之間的相關(guān)性度量方法，基于WordNet的子層計算，通過上位關(guān)系(is-a)決定概念密度。Buscaldi[11]利用整體-部分關(guān)系(part-of/holonymy)代替上位關(guān)系，這種方法假設(shè)一個歧義地名決定WordNet整體層次的一部分，并且上下文中的地名通常跟相關(guān)的正確地理位置分開。

基于概念密度的地名消歧算法具體步驟為：選擇歧義地名t，列出對應(yīng)的k個候選地理位置|t|；選擇t所在文本的上下文，由一系列地名組成；構(gòu)建|t|的子層次結(jié)構(gòu)，每一個對應(yīng)一個地理位置；對于t的每一個候選地理位置s，計算概念密度CDs；選擇最大的CDs對應(yīng)的地理位置作為最終的結(jié)果。其中，CDs是與s相關(guān)的子層的概念密度，改進了原始的概念密度計算公式，如下式：

(1)

式中：m是子層次中相關(guān)的同義詞集，a是常數(shù)0.1，n是子層次中的同義詞集的總數(shù)，f是和子層相關(guān)的地理位置的頻率權(quán)重(1，2，…)。所有相關(guān)的同義詞集都是歧義詞和上下文詞的同義詞集，即候選地理位置與上下文地名之和。

2 基于地名本體的地名知識表達與建庫

2.1 地名知識模型與分析

現(xiàn)有地名庫的空間表達能力有限并且缺乏對時空關(guān)系和模糊空間位置的支持，提出一種顧及人類常識空間認(rèn)知、地名時態(tài)特征和空間關(guān)系特征的地名本體模型。在地名本體的基礎(chǔ)上實現(xiàn)地名知識的統(tǒng)一表達，面向地名領(lǐng)域相關(guān)標(biāo)準(zhǔn)和地名專家經(jīng)驗知識，涉及陳述型與規(guī)則型地名知識，突出對語義和時空等地名特征的表達，提出一種地名知識統(tǒng)一表達模型(TKURM，ToponymKnowledgeUnifiedRepresentationModel)[21]，如圖1所示。

圖1 地名知識統(tǒng)一表達模型(TKURM)

該模型包括地名本體、時空規(guī)則庫和空間元知識文檔?？臻g元知識是關(guān)于地名知識的知識，用來描述和說明地名知識的特征定義，文檔存儲為XML格式。地名本體主要是對地名概念、屬性和關(guān)系的描述，主要包括地名要素模型、地名類型模型、時態(tài)模型、幾何形態(tài)模型和空間關(guān)系模型。時空規(guī)則庫主要包括地名規(guī)則知識，應(yīng)用于規(guī)則推理，挖掘隱含的地名知識。文獻[21]對該模型進行了詳細(xì)闡述。需要特別指出的是，地名要素類型和空間關(guān)系是反映地名實體地理關(guān)聯(lián)度的重要因子，其完備性直接影響實名識別和消歧的精度。依據(jù)國家標(biāo)準(zhǔn)《地名分類與類別代碼編制規(guī)則》(GB/T 18521-2001)進行地名分類，結(jié)合地名詞典和敘詞表定義地名本體概念語義關(guān)系；對于地名本體中地名實體之間的空間關(guān)系，分別采用四交模型、圓錐模型表達拓?fù)潢P(guān)系和方向關(guān)系，采用定性與定量距離相結(jié)合的方式表達距離關(guān)系。地名知識模型不基于某種特定的存儲，并且能夠方便地映射到其他知識模型中，這是地名知識共享和重用的基礎(chǔ)，有利于地理空間知識的共享[22]。

2.2 地名知識庫構(gòu)建

知識獲取是知識庫構(gòu)建與知識管理必不可少的一部分，處于基礎(chǔ)地位。地名知識的獲取途徑主要通過標(biāo)準(zhǔn)規(guī)范、背景語料庫、數(shù)據(jù)資源和地名專家知識等。其中地名數(shù)據(jù)庫是依據(jù)一定區(qū)域內(nèi)各類基礎(chǔ)地理要素注記的名稱及其屬性特征而建成的關(guān)系數(shù)據(jù)庫，是地名知識的重要數(shù)據(jù)來源，基于逆向工程實現(xiàn)了1∶5萬和1∶25萬地名數(shù)據(jù)庫語義知識獲取。整個逆向過程分為3個步驟：1)逆向工程階段。此階段依據(jù)現(xiàn)有地名數(shù)據(jù)庫的表、表主鍵、表外鍵、屬性和約束等內(nèi)容，逆向推理出內(nèi)在的ER模式；2)ER模式向地名知識本體映射階段。此階段通過預(yù)處理、模式映射(表關(guān)系映射、表屬性映射和約束映射等)和地名專家確認(rèn)3個步驟實現(xiàn)了ER模式和地名本體之間的轉(zhuǎn)換；3)地名數(shù)據(jù)記錄向地名知識OWL的映射階段。由步驟2可知完成了地名語義知識結(jié)構(gòu)的轉(zhuǎn)換，此階段依據(jù)地名本體的語義知識結(jié)構(gòu)重構(gòu)地名數(shù)據(jù)庫中的數(shù)據(jù)記錄，在ER模式向地名本體映射的驅(qū)動下轉(zhuǎn)換具體地名知識實例展現(xiàn)形式。包括地名數(shù)據(jù)映射、交互補充和地名專家確認(rèn)3個步驟。

基于TKURM設(shè)計了中文地名知識庫構(gòu)建流程，如圖2所示。其中地名信息變化發(fā)現(xiàn)模塊是針對當(dāng)前地名數(shù)據(jù)庫時效性差而設(shè)計的，通過網(wǎng)絡(luò)爬蟲技術(shù)爬取提取地名信息，采用人機交互方式進行地名匹配，將地名信息存儲于地名數(shù)據(jù)庫并實現(xiàn)地名實時更新；專家知識、地名數(shù)據(jù)庫和空間元知識庫作為數(shù)據(jù)源輔助地名知識庫構(gòu)建。依據(jù)本流程構(gòu)建了中文地名知識庫，用于中文地名的識別和消歧，其中地名知識庫的質(zhì)量和完備性直接決定了地名消歧的精度。

3 地名知識輔助的中文地名消歧方法

3.1 中文地名消歧原理

Leidner[2]從語言和知識角度系統(tǒng)地總結(jié)了地名消歧中常見的16條啟發(fā)式規(guī)則，這些規(guī)則之間有些是互斥的，怎樣從中選取合適的規(guī)則融入一個統(tǒng)一的模型中進行地名消歧是需要首先解決的問題。首先做出以下兩個限定：同一文本或段落中多次出現(xiàn)的地名均指向同一地理位置[23]；同一文本中出現(xiàn)的地名所對應(yīng)的地理實體之間存在一定的關(guān)聯(lián)，例如等價關(guān)系、包含關(guān)系或相離關(guān)系[24]。

圖2 基于TKURM的地名知識庫構(gòu)建流程

地名實體之間的關(guān)聯(lián)強度對確定歧義地名的準(zhǔn)確參照起重要作用[25]，關(guān)聯(lián)強度越大則關(guān)聯(lián)度值越趨向于1，表明兩個地名實體越相似，反之亦然。本文針對中文地名的特點和地名知識庫結(jié)構(gòu)，參照文獻[25]提出的地名消歧方法，通過計算地名實體與上下文中地名實體之間的地理關(guān)聯(lián)度進行中文地名消歧，具有最大地理關(guān)聯(lián)度的就是該地名所指向的地名實體。地名t指向的地名實體g的計算公式為：

g=arggi∈StmaxSem(gi,Sc(t))

(2)

式中:gi表示第i個候選的地名實體，St表示地名指向的候選地名實體集合，c(t)表示地名t上下文地名集合，Sc(t)表示上下文地名匹配后的地名實體集合，Sem(gi,Sc(t))表示gi和Sc(t)的地理關(guān)聯(lián)度，g表示從St中選擇的具有最大地理關(guān)聯(lián)度的地名實體。

計算地理關(guān)聯(lián)度的核心是地名實體之間的地理關(guān)聯(lián)強度，從語義關(guān)系、拓?fù)潢P(guān)系、距離關(guān)系和地名密度四方面進行加權(quán)計算。兩個地名實體gi和gj之間的地理關(guān)聯(lián)強度可以表示為：

Sem(gi,gj)=α*Semsac(gi,gj)+β*Semtopo(gi,gj)+

γ*Semdis(gi,gj)+φ*Semdes(gi,gj)

(3)

式中：Semsac(gi,gj)表示語義關(guān)系關(guān)聯(lián)強度，Semtopo(gi,gj)表示拓?fù)潢P(guān)系關(guān)聯(lián)強度，Semdis(gi,gj)表示距離關(guān)系關(guān)聯(lián)強度，Semdes(gi,gj)表示地名密度關(guān)聯(lián)強度。

(1)語義關(guān)系關(guān)聯(lián)強度。語義關(guān)系主要是地名類型概念之間的關(guān)系，其關(guān)聯(lián)強度主要通過地名類型本體樹中概念節(jié)點之間的語義距離來衡量，同時受到概念深度因子的影響，具體計算公式如下:

Depth(gi)+Depth(gj)|Depth(gi)+Depth(gj)|+2×Depth(O)

(4)

式中:Semsac(gi,gj)表示地名實體gi和gj的語義關(guān)系關(guān)聯(lián)強度；τ為語義距離調(diào)節(jié)因子；δ為關(guān)聯(lián)強度調(diào)節(jié)因子； Distance(gi,gj)表示地名實體gi和gj的地名類型之間的語義距離，即地名類型本體樹中連接兩個概念最短距離的邊數(shù)量；Depth(gi)和Depth(gj)表示地名實體gi和gj的地名類型在本體樹中的層次深度，即地名類型本體樹概念節(jié)點與根節(jié)點的最短路徑包含的邊的數(shù)量；Depth(O)表示整個本體樹的層次深度。

(2)拓?fù)潢P(guān)系關(guān)聯(lián)強度。主要考慮相等、包含/包含于、相交、鄰接和相離等幾種拓?fù)潢P(guān)系，參考領(lǐng)域?qū)＜乙庖姴⑼ㄟ^實驗反復(fù)測試，可得地名實體gi和gj之間的拓?fù)潢P(guān)系關(guān)聯(lián)強度取值分別為：

(5)

(3)距離關(guān)系關(guān)聯(lián)強度。主要是指地名實體之間在地圖上的定量距離量度，距離越近關(guān)聯(lián)強度越大，反之亦然，關(guān)聯(lián)強度如下所示：

Semdis(gi,gj)=eρ*dis(gi,gj)

(6)

(7)

式中:gi和gj的坐標(biāo)為(?gi,θgi)，(?gj,θgj)，r表示地球的半徑，Δθ表示θgj-θgi。

(4)地名密度關(guān)聯(lián)強度。地名密度即候選地名實體在地名知識庫中所處區(qū)域的密度，具體量化為知識庫中兩個地名實例節(jié)點的最近公共祖先所包含的上下文中地名實例直接子節(jié)點數(shù)量，數(shù)量越多密度越大。將地名實體gi和gj之間的地名密度關(guān)聯(lián)強度取值分別為：

(8)

式中:Des(cgi,gj)表示地名實體gi和gj的地名密度，即最近公共祖先cgi,gj所包含的上下文中地名實例直接子節(jié)點數(shù)量；Des(TO)表示地名知識庫中地名實例節(jié)點的子節(jié)點數(shù)的最大值。

3.2 中文地名消歧算法流程

4 實驗測試與分析

地名消歧方法的評價性能指標(biāo)與詞義消歧、信息檢索和自然語言處理領(lǐng)域的度量標(biāo)準(zhǔn)類似，主要包括準(zhǔn)確率、召回率、覆蓋率和F值。準(zhǔn)確率P是正確消歧的地名數(shù)量占算法能夠識別出的歧義地名總數(shù)的比率；召回率R是正確消歧的地名數(shù)量占文檔集合中所有實際歧義地名總數(shù)的比率；覆蓋率C是算法能識別出的歧義地名總數(shù)占文檔集合中實際歧義地名總數(shù)的比率；F值是用來加權(quán)準(zhǔn)確率和召回率得到的平均指數(shù)，計算公式表示為：

(9)

實驗數(shù)據(jù)源主要是中文地名知識庫和標(biāo)注語料庫，標(biāo)注語料庫是基于地名知識結(jié)構(gòu)進行人工標(biāo)注的識別與消歧語料庫，該語料庫能夠給地名知識庫中的地名分配一個正確的空間參考。目前該標(biāo)注語料庫中現(xiàn)有文檔數(shù)量9 400個，其中中文地名總數(shù)84 000個，歧義地名數(shù)量14 700。

實驗采用3種級別的上下文：句子上下文、段落上下文和文檔上下文進行消歧測試，句子上下文就是在同一個句子中包含的所有地名數(shù)，段落上下文就是指在同一個段落中包含的所有地名用于消歧，文檔上下文就是文檔中包含的地名作為消歧上下文。為了便于橫向比較，本文選取經(jīng)典的基于地圖的方法進行地名消歧測試比較，由于基于密度的方法原理是基于WordNet，而WordNet與本文的地名知識本體的結(jié)構(gòu)是完全不同的，故無法采用基于密度的方法進行比較?；谖谋痉椒ê突诘貓D方法的地名消歧結(jié)果如表1所示。

表1 采用不同上下文的地名消歧結(jié)果比較

從結(jié)果中可以看出，本文的方法在上下文很小時也能達到很高的精度，基于地圖的方法相比本文的方法，需要更多的上下文信息才能得到同樣的消歧性能。本文的方法在不同上下文下準(zhǔn)確率、召回率、覆蓋率和F值都有很好的結(jié)果，限于本體結(jié)構(gòu)的影響，覆蓋率目前還不能達到100%。

5 結(jié)語

目前地名消歧在自然語言處理領(lǐng)域得到了快速發(fā)展，一些新的方法相繼提出，并且與已經(jīng)存在的方法比較，均取得了不錯效果。但是針對中文地名消歧的研究，在GIS和NLP領(lǐng)域都處于探索和實驗階段。本文僅是通過地名知識這一視角，利用定性與定量相結(jié)合的方式，提出一種中文地名消歧方法。實驗證明該方法具有一定的精度、覆蓋率和穩(wěn)定性，但依舊需要完善地名知識庫，進一步提高地名識別精度，并采取多種策略解決歧義問題。中文地名消歧未來依舊具有廣泛研究的空間，例如:對于geo/non-geo歧義的研究，基本沒有成熟的研究；利用地名消歧自動標(biāo)記網(wǎng)絡(luò)文本中的歧義地名從而豐富網(wǎng)絡(luò)中顯式的空間知識，為決策提供精準(zhǔn)定位服務(wù)；將地名消歧應(yīng)用于地理信息檢索、問答系統(tǒng)、基于位置的服務(wù)和空間信息挖掘等領(lǐng)域。

[1] HILL L L.Georeferencing:The Geographic Associations of Information[M].Mit Press,2009.

[2] LEIDNER J L.Toponym Resolution in Text:Annotation,Evaluation and Applications of Spatial Grounding of Place Names[M].Universal-Publishers,2008.

[3] AMITAY E,HAR′EL N,SIVAN R,et al.Web-a-where:Geotagging web content[A].Proceedings of the 27th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval[C].2004.273-280.

[4] GARBIN E,MANI I.Disambiguating toponyms in news[A].Proceedings of the Conference on Human Language Technology and Empirical Methods in Natural Language Processing[C].2005.363-370.

[5] OLLIGSCHLAEGER A M,HAUPTMANN A G.Multimodal information systems and GIS:The informedia digital video library[A].Proceedings of the 1999 ESRI User Conference[C].1999.102-106.

[6] SMITH D A,CRANE G.Disambiguating Geographic Names in a Historical Digital Library[M].Springer Berlin Heidelberg,2001.127-136.

[7] RAUCH E,BUKATIN M,BAKER K.A confidence-based framework for disambiguating geographic terms[A].Proceedings of the HLT-NAACL 2003 Workshop on Analysis of Geographic References-Volume 1[C].2003.50-54.

[8] ZHAO J,JIN P,ZHANG Q,et al.Exploiting location information for web search[J].Computers in Human Behavior,2014,30:378-388.

[9] OVERELL S,RüGER S.Using co-occurrence models for placename disambiguation[J].International Journal of Geographical Information Science,2008,22(3):265-287.

[10] CLOUGH P.Extracting metadata for spatially-aware information retrieval on the internet[A].Proceedings of the 2005 Workshop on Geographic Information Retrieval[C].2005.25-30.

[11] BUSCALDI D,ROSSO P.A conceptual density-based approach for the disambiguation of toponyms[J].International Journal of Geographical Information Science,2008,22(3):301-313.

[12] BENSALEM I,KHOLLADI M K.Toponym disambiguation by arborescent relationships[J].Journal of Computer Science,2010,6(6):653.

[13] SMITH D A,MANN G S.Bootstrapping toponym classifiers[A].Proceedings of the HLT-NAACL 2003 Workshop on Analysis of Geographic References-Volume 1[C].2003.45-49.

[14] MARTINS B,ANASTCIO I,CALADO P.A Machine Learning Approach for Resolving Place References in Text[M].Springer Berlin Heidelberg,2010.221-236.

[15] 張毅,王星光,陳敏,等.基于語義的文本地理范圍提取方法[J].高技術(shù)通訊,2012,22(2):165-170.

[16] 唐旭日,陳小荷,張雪英.中文文本的地名解析方法研究[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2010,35(8):930-935.

[17] 朱少楠,張雪英,李明,等.基于行政隸屬關(guān)系樹狀圖的地名消歧方法[J].地理與地理信息科學(xué),2013,29(3):39-42.

[18] 杜萍,劉勇.中文地名識別與歧義消除——以中國縣級以上行政區(qū)劃地名為例[J].遙感技術(shù)與應(yīng)用,2011,26(6):868-873.

[19] BUSCALDI D,ROSSO P.Map-based vs knowledge-based toponym disambiguation[A].Proceedings of the 2nd International Workshop on Geographic Information Retrieval[C].2008.19-22.

[20] AGIRRE E,RIGAU G.Word sense disambiguation using conceptual density[A].Proceedings of the 16th Conference on Computational Linguistics-Volume 1[C].1996.16-22.

[21] 馬雷雷,李宏偉,梁汝鵬,等.基于地名本體的地名知識表達方法[J].測繪科學(xué)技術(shù)學(xué)報,2015,32(3):305-309.

[22] 龔健雅,耿晶,吳華意.地理空間知識服務(wù)概論[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2014,39(8):883-890.

[23] GALE W A,CHURCH K W,YAROWSKY D.One sense per discourse[A].Proceedings of the Workshop on Speech and Natural Language[C].1992.233-237.

[24] MARTINS B,MANGUINHAS H,BORBINHA J,et al.A geo-temporal information extraction service for processing descriptive metadata in digital libraries[J].e-Perimetron,2009,4(1):25-37.

[25] WANG X,ZHANG Y,CHEN M,et al.An evidence-based approach for toponym disambiguation[C].Geoinformatics,2010 18th International Conference on IEEE[C].2010.1-7.

A Method to Toponym Disambiguation Aided by Toponym Knowledge

MA Lei-lei1,2,LI Hong-wei1,LIAN Shi-wei1,LIANG Ru-peng1,GONG Jing2

(1.InstituteofSurveyingandMapping,InformationEngineeringUniversity,Zhengzhou450052;2.SichuanEngineeringResearchCenterforEmergencyMapping&DisasterReduction,Chengdu610041,China)

In geographic space,a location can be expressed by either geographic coordinates or natural language texts,corresponding to formalized or non-formalized expressions respectively.A typonym in texts,however,can refer to different locations in geographic space,leading to toponym ambiguity.The toponym disambiguation is therefore to eliminate cognition divergence of concept reference and assign unique geographic coordinate for such ambiguous location.From the perspective of toponym knowledge,this paper proposes a unified expression method based on toponym ontology,and investigates the data source of toponym knowledge,and proposes the framework of constructing a toponym knowledge database.Next,this paper describes the theory of toponym disambiguation,and the corresponding algorithm flow by means of semantic relation,typology relation,distance relation and toponym density to calculate the geographic correlations for toponym disambiguation.Semantic relation mainly refers to the type of relationship between the concepts of toponyms.Typology relation mainly contain equal,contain,intersection,adjacent and disjoint etc.Distance relation refers to quantitative distance between the toponym entities on the map.Toponym density represents the density of toponym entities in regions in toponym knowledge base.The proposed method is evaluated by experiments,where the experimental results show that the proposed method produces a high accuracy in terms of precision,recall rate,coverage rate and F value.

toponym;knowledge;toponym ontology;toponym disambiguation;correlation

2015-12-18；

2016-03-24

國家自然科學(xué)基金項目(40871183、41140012、41271392、41401463、41571394)；四川省應(yīng)急測繪與防災(zāi)減災(zāi)工程技術(shù)研究中心開放基金項目(K2014B016、K2015B014)

馬雷雷(1987-),男，博士研究生,主要研究方向為地理本體與地理信息智能處理。E-mail:gisxiaomage@163.com

10.3969/j.issn.1672-0504.2016.04.002

P208

A

1672-0504(2016)04-0005-06