论文研究 基于SNM算法的大数据量中文地址清洗方法.pdf

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。