通訊地址查詢郵政編碼系統設計論文
隨著電子商務的突飛猛進和物流行業的信息化，使得人們在足不出戶的情況下完成購物和郵寄物品，大大節約了時間和金錢成本。
1 現狀分析
隨著電子商務的突飛猛進和物流行業的信息化，使得人們在足不出戶的情況下完成購物和郵寄物品，大大節約了時間和金錢成本。電子商務和物流行業都離不開通信地址(又稱為通訊地址，簡稱為地址)和郵編，這些數據都需要用戶提供，當前一些電子商務網站和物流行業的主要的做法如下：
(1)讓用戶手工輸入完整的地址和地址對應的郵編。
(2)通過下拉列表提供省，省下面地級市和地級市下面的區縣，這些比較固定的地址讓用戶選擇，余下的地址和郵編由用戶手工輸入。
(3)保留用戶輸入的地址和郵編，方便下次再次使用，即如果本次輸入的地址和郵編之前已經有了一份，直接選中，就避免了讓用戶重復輸入。
這些做法主要存在的問題如下：
(1)很多情況下用戶未必知道自己輸入的地址對應的郵編。
(2)由于基于拼音的輸入法和漢語本身存在的缺陷(漢字存在多音字，多個漢字擁有相同的讀音，多數基于拼音的輸入法都是基于統計的語言模型)，再加上地址中存在的一些生僻字的原因會導致輸入的地址存在錯別字。
(3)由于地名存在別名現象，即同一個地名有多種叫法，例如“廣東省”的別名有“廣東”和“粵”，因此他們識別不了對同一個地名的不同描述。
(4)有些情況下用戶無法輸入完整的地址，當輸入的時候一臉茫然和無助。
(5)由于地址存在變更和搜集不完全的問題，這些網站的數據往往得不到更新。
當前一些其他的網站能夠解決第一個問題，即幫助用戶得到地址對應的郵編。但是他們往往采用數據庫技術來實現的系統，對于低于區縣級別的地址，往往采用字串模糊查詢(like %XXX%)的方式參與檢索，由于性能的原因此種方式對于大數據量的查詢效率很差。另外基于數據庫實現的查詢使得用戶的輸入格式和內容受到了很大的限制，比如：
用戶首先選擇省級行政區(包括省、特別行政區、自治區和直轄市)的名字，其次是選擇地級行政區(包括地級市、自治州、地區和盟)級別的名字，然后再縣級行政區(包括市轄區、縣、旗、特區、林區、自治縣和自治旗等)級別的名字，最后用戶輸入鄉鎮級別及村莊道路等。查詢的輸入過程非常機械。
另外基于數據庫的查詢模式，要求地址格式全部滿足四級，即省級，地級市級，區縣級，然后是其他具體地址。但是并不是所有的地址都滿足此種情況，例如直轄市下和省與直轄縣或省直轄縣級市之間就沒有地級市級，一些特殊的地級市沒有區縣級，如廣東省中山市、廣東省東莞市、海南省三亞市、海南省三沙市、甘肅省嘉峪關市;他們的解決辦法，起個其他的名字代替，例如“直轄區縣”，“市轄區”，“省直轄縣”等，但是查詢的結果中一般也包含這些非真正地址的數據。
本方法嘗試解決如下問題：
(1)幫助用戶輸入，即提供輸入提示功能(類似Google Suggestion)。
(2)采用基于搜索引擎技術使得用戶輸入的查詢格式更加自由，并且通過一個比較短的地址片段就可以找到完整的地址。
(3)基于命名實體識別技術能夠識別出用戶輸入地址元數據的級別，從而實現地址的逐級查詢(例如已知一個地級市，給出該地級市下所有縣級行政區的名字和對應的郵編;已知一個省的名字，給出該省下所有地級行政區的名字和對應的郵編等)。
(4)自動從互聯網上抓取地址數據，完成參考數據的更新。
(5)對不用來源的參考數據進行校驗，識別出有問題的參考數據，使得參考數據更加準確。
(6)有時候由于參考數據在鄉鎮級行政區級別及以下級別上收錄得不是很全，本方法可以通過地址補全方式完善查詢結果。
(7)實現查詢結果地址的切分和級別標注，方便用戶靈活使用結果。
(8)將地址和對應的郵編加密到二維碼中，方便用戶通過二維碼掃描軟件直接獲取完整的地址和郵編。
(9)將用戶的檢索結果鏈接到知名的地圖廠商(百度，谷歌，搜狗地圖等)獲取相關地址的經緯度數據。
2 系統設計
2.1 總體架構設計
本系統的總體架構如圖1所示。
從圖1郵編查詢系統的總體架構圖可以看出，該系統需要三種數據：
(1)用于通過通信地址查詢郵政編碼的通信地址和郵政編碼對應關系的數據。
(2)用于輸入地址提示的標準化的通信地址數據。
(3)用于地址切分，地址標注，命名實體識別和Query語句生成的地址元數據字典數據。
第一種數據：通信地址和郵政編碼的對應關系，可以從一些數據比較新而且數據比較標準和完整的郵編查詢網站上，利用基于種子的網絡爬蟲和信息抽取技術抓取相關數據。
第二種數據：標準化的通信地址數據，一種來源是第一種數據去掉郵政編碼后的通信地址數據，第二種來源，從維基百科和國家統計局網站上，最新的有關中國行政區劃上的網頁上利用爬蟲技術和信息抽取技術抽取得來。
第三種數據：地址元數據字典數據，源自維基百科和國家統計局有關中國行政區劃的地址元數據，以及通過地址切分和識別技術從完整的通信地址中獲得。
地址元數據包含的數據主要有：省級行政區名(包括省、自治區、直轄市和特別行政區)、地級行政區名(地級市、自治州、地區、盟)、縣級行政區名(包含市轄區、縣級市、縣、自治縣、旗、自治旗、特區和林區)、鄉級行政區名(包括鄉、鎮、街道、蘇木、區公所)，其他地址數據(包括道路名、村莊名、小區名、建筑物名和廣場名)等。
2.2 地址查詢編碼過程設計
地址查詢郵編索引結構如圖2所示。
其中地址的最低等級域(Level Field)包含的數據值如下：
(1)省級行政區級(包括省、自治區、直轄市和特別行政區)，用province表示。
(2)地級行政區級(包括地級市、自治州、地區、盟、直轄市轄區)，用city表示。
(3)縣級行政區級(包括市轄區、縣、旗、特區、林區、自治縣和自治旗等)，用district表示。
(4)鄉級行政區級(包括鄉、鎮、街道、蘇木、區公所)，用town表示。
(5)低于鄉級行政區級，用all表示。
一個地址文本，其對應的最低地址等級域的值計算如下：
(1)首先對地址文本做預處理，預處理包括刪除多余的空格，全角字符轉換成半角字符。
(2)其次是地址切分和地址標注。
(3)接著是地址命名實體識別，獲取最終的地名實體標注序列。
(4)然后根據規則計算出此地址文本的最低地址等級的值。
(5)將最低地址等級映射到最低地址等級域的值：1→province;2→city;3→district;4→town;0→all。
2.3 地址解析過程
本系統是基于開源的全文搜索引擎工具包Lucene實現的系統，中文分詞模型采用的是二元模型(bigram)。為了提高搜索的精度和排序的質量，需要對輸入的文本進行解析，解析的結果是生成相關的Query語句。因此整個流程為首先對用戶輸入的文本進行預處理，切分，標注和地名實體識別，識別出不同級別的地名，然后對不同級別的地名分別用半角的`雙引號“””括起來生成PhraseQuery查詢語句，并賦以不同的權值，權值的設定應遵循如下原則，已被收錄到字典里的地名(即確定被識別的地名)其對應的權值要大于未知的地名。舉例如圖3所示。
圖3中“29號”是不能識別的地址，因此其對應的權值W5設置的值要比其他的權值小。通常情況下W5的值一般設置成1.0，其他確定已被識別的地址對應的權值的值一般大于1.0。
接著用地址的標注等級序列獲得地址的最低標注等級，為了能夠支持地址的分級查詢(僅限四級以上的地址)，即：搜索的結果首先是當前地址的標準形式，其次是當前地址等級下的直屬行政等級(即子等級)的所有地址，然后才是更下一級的地址。例如：當輸入“深圳市”時，排在第一個的應該是“廣東省深圳市”，其次是“深圳市”下的直轄區縣，然后是區縣下的鄉鎮街道，最后是道路，小區，村莊等。系統在最低標注等級映射到最低等級域上要做分級查詢處理，具體做法是：獲得當前最低等級及下屬的等級域的值，然后按照逐級遞減的方向賦上遞減的加權值。規則如下：
(1)1→province city;
(2)2→city district town;
(3)3→district town。
當用戶提交查詢請求后，系統會返回查詢的結果，并把與用戶輸入的地址文本最相似的地址排在第一位。由于參考數據搜集的不是太全，加上每年都有新增的建筑，道路，小區等，還有一些行政區劃的變更等等，使得排在第一位置上的地址中區縣位置之后的地址和用戶輸入的地址有出入，本系統采用地址補全技術，對最相似的返回結果進行改造，使得更接近用戶的要求。
2.4 地址補全
地址補全是根據用戶的輸入來完善查詢結果的技術，使得結果更貼近用戶的需求。地址補全主要用在某一級別的地址很難搜集全，而且新增量比較大，主要集中在四級和五級地址上。地址補全的條件時用戶輸入的地址文本其地址級別的順序是正常的，即不存在一二三級地址出現在四級或者五級地址之后。識別出用戶輸入的地址級別中四級地址及以后的部分，拼接到搜索結果最相似的那條地址中三級地址之后。
3 總結
本文設計的系統是用來實現地址查詢編碼這一功能的。在分析了現有系統情況之后，使用了地址解析、補全、查詢等技術，來滿足實際生產的需要。實際使用情況顯示本文提出的諸多解決方案能夠很好地滿足需求。
【通訊地址查詢郵政編碼系統設計論文】相關文章：
本文來源：http://www.nvnqwx.com/shiyongwen/2474925.htm