基于BERT-BiLSTM-CRF的中文地址解析方法

吴 恪 涵，张 雪 英，叶 鹏，怀 安，张 航

(自然资源部城市国土资源监测与仿真重点实验室，广东 深圳 518034；南京师范大学虚拟地理环境教育部重点实验室/江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023)

0 引言

地址作为不可或缺的基础地理信息和社会公共信息，在国家治理、经济建设、文化传承等方面发挥着重要作用[1]。2019年，国家自然资源部发布《智慧城市时空大数据平台建设技术大纲》，其中明确要求实现高效、精准、实用的地址匹配服务技术，以建立智慧城市中时空数据和非时空数据的有序化组织与关联。地址解析是地址匹配的一项基础环节，可为地址数据检索、地址标准化、地址语义理解等应用提供支撑[2]。面对日益增长的地址数据规模，实现地址要素的准确解析已成为提升地址匹配服务水平的重要技术挑战。

西文地址解析主要依靠词与词之间的空格和标点符号间隔，对每个单词进行词干还原和词形还原，如经典的波特算法等[3,4]。中文地址由于缺少形态、没有分隔符、特征字词省略或冗余等特点，解析难度较大。目前，对于中文地址解析的研究主要包括地名词典、规则模型和统计学习等方法。基于地名词典的方法原理简单，但词典构建的人工工作量较大，同时也存在未登录词和歧义识别等难以解决的缺陷[5,6]。规则模型是将地址数据按照一定的扫描规则进行匹配，包括正向最大匹配法和逆向最大匹配法等[7,8]，但不同地区的地址命名与使用方式存在较大差异，适用于特定地区的词典与规则难以在其他地区推广应用。……