（计算机应用技术专业论文）地理信息检索若干技术研究.pdf

摘要 摘要 万维网( w w w ) 已经逐步成为一种人们获取信息的重要来源，信息检索则 是帮助人们快速准确的获取所需信息的技术。信息检索相关技术的研究对于国民 经济的发展有着非常重要的现实意义，无论学术界与工q p 界都投入了越来越多的 力量与资金来促进信息检索的研究与应用。另一方面，近年来地理信息系统技术 的飞速发展以及基于地理位置的移动信息服务的普及，使得人们对地理相关信息 的关注逐渐升温。因此，对于地理位置的信息检索技术的研究有着迫切的需求和 现实意义。地理信息检索( g l r ) 就足关注地理信息的一种检索技术。多数义档都 含有某利- 地理信息，如何对这些地理信息进行检索是- 个非常值得研究的问题。 月前对地理信息检索的研究内容丰要包括地理信息抽取，针对地理信息的排序模 型与算法，结合地理信息的索引结构，地理信息可视化以及地理信息挖掘等等。 长远来看，基于地理位置的信息检索以及相关的服务，有着广阔的科研和应用前 景。 本研究分别在如下方面对地理信息检索的相关技术进行了研究： 1 一种基于l d a 模型的地理信息检索模型。目前大部分的检索模型都是基 于关键词匹配的算法，但是检索的发展趋势是语义检索。l d a ( l a t e n t d i r i c h l e t a l l o c a t i o n ) 是近年发展起来的有效的文本概率图模型，它可以 自动发现文本的潜在主题。奉研究拟提出把l d a 概率图模型和传统的文 档检索模型相结合，利用l d a 发现闻之间潜在相关性的能力，提高文本 信息检索的准确度。而地理信息检索是该算法的应朋对象，冈为表示地 理位置的词互相之间有着很强的相关性，很多相关的地理位置不便在查 询词中描述，所以通过该方法，能帮助减少查询词和文档之间的语义鸿 沟，并提高检索结果的准确率。 2 一种皋于语言模型的地理信息检索模型。区别于传统的信息检索，地理 信息检索通过一个金询范围词( q u e s p a t i a ls c o p e ) 来限制用户的兴趣区 域。目前的技术一般是把该查询范围词作为一个过滤器，将在该范围之 外的文档排除存查询结果中。但是，词在地理空间的词频分布并小是均 。匀的，那么词在排序结果中的重要性也应该随着杏询范围的变化而有所 改变。凶此，我们提出了一种新的基于语言模型( l a n g u a g em o d e i ) 的地 理信息榆索模型，把查询范围引入到传统的语言模型中。在该模型中， 我们引入了个本地语言模型( l o c a im o d e l ) 来描述查询词的地理分布 特性。实验结果表明新的检索模型优子t f i d f 与传统的语言模型。 3 基于隐含地名的地理信息索引结构。目前的地理信息索引结构都没有考 i 摘要 虑隐含的地理信息，例如，对丁查询s n o w s t o r n l si nn o n ha m e r i c a ，传 统的方法就是简单地返回所有包含n o n h a m e r i c a ，的网页。实际上，假 如一个网贞包含“c a n a d a ”。“u n i t e ds t 习l t e so f a m e r i c a ”，或者“m e x i c o ”， 也是跟这个查询相关的。“n o 劬a m e r i c a ”。口j 以看作是“c a n a d a ”的隐 含地名。在这个研究中，我们把存文档中显式提到的地名的祖先称之为 隐含地名，并提出了一种基于隐含地名的地理信息索引结构，并把它和 不i 刊的索引结构相比较。实验结果表明我们的结果好于之前的方法。 4 i r t r c e ：一种高效的地理信息索引结构。目前的地理信息榆索系统采取 的索引结构都是简单的反向索引结构与空问索引结构相结合的方式，该 方式是顺序执行查询。需要遍历所有的相关文档。导致查询效率低下。 实际上，用户通常只会关心t o p k 的结果，所以没必要对所有相关文档 处理。所以本人提出一种把反向索引结构和空间索引结构r t r e e 有机结 合的高效索引结构i r - 1 r e e ，通过r t r e e 对文档相关联的地理位置进行 索引，并在r t r e e 中的每个节点保存辅助统计信息。该统计信息包含对 文档进行排序所必需的统计量。同时我们提出一种新的r a n k - b a s e d 文档 查询算法。该算法利用优先队列来保存l r t r e e 的树节点，这些节点按 照饵i d f 的值进行排序，每次只有一个节点将会被处理，那么只有最可 能包括t o p _ k 文档的节点需要被检索，每当处于队列首的元素是文档时 就可以把它放到结果队列i l i 。当结果队列的文档数达到用户需要的k 时， 算法将会停止。i r t r e e 结合r a n k b a s e d 奇询算法，将有效的减少文档 搜索空间，只需要对t o p k 文档进行检索，从而减少了i o 的消耗，提 高了查询效率。 5 利- 新的地理信息查询词分类框架与算法。黄页在线查询是口前地理信 息检索的丰要应用之一。如何针对用户的查询词米提供有效的广告内容 是工业界非常关注的谍题，而对查询词分类后就可以根据查询词类别来 提供合适的存线广告。黄页查询词和传统的查询词有很大的区别，一方 面黄页杏询词有地理位置的限制，另一方面，黄页查询词的类别体系是 层次化的并且类别数目很大，而黄页也有层次化体系结构划分。本研究 提出一种基于类别结构匹配的黄页查询词分类技术，该技术利用相似性 公式找到黄页分类体系和口标分类体系的匹配关系，然后利用搜索结果 对应的目标分类综合情况来进行查询词分类。为了得当更高的分类准确 率，= 耷= 研究提出了多种结果过滤算法。初步结果表明该技术的分类效果 比简单的关键词匹配法和传统的s v m 分类效果更好，而且无需人工标 注训练数据，鲁棒性强，可以适用于任意大规模的口标类别体系。 n 摘要 关键词：地理信息检索地理信息抽取地理信息检索模型地理信息索引结构 黄页查询词分类数据挖掘 a b s t r a c t w w wh a sb e c o m ea ni m p o r t 绷tm e d i af o rp c o p l et oa c q u i r ei n f o n l l a t i o nw h i l e i n f o m a t i o nr e t r i e v a l t e c h n i q u ei sat o o lt oh e l pp e o p l et 0a c h i e v et h i sg o a le f f e c t i v e l y 卸de m c i e n t l y b o t ha c a d e m i c 锄di n d u s t 盯h a v ep u tm o r ea n dm o r ee 仟0 r t so nt h e r c s e a r c ho fi n f o 咖a t i o nr e t r i e v a ld u et 0i t sh u g e 印p i i c a t i o np o t e n t i a lo nb r o a da r e 嬲 o nt h eo t h e rh a n d ，w i t ht 1 1 ed e v e l o p m e n to fg e o g r a p h i ci n f o m l a t i o ns y s t e ma n dt h e 印p l i c a t i o no fl o c a t i o n b a s e ds e r v i c e s ，g e o g r a p h i ci n f o r m a t i o nh a sa t t r a c t c dg r e a t i n t e r e s tf 如mp e o p i e t h e r e f o r e ，h o wt 0r e t r i e v eg e o g r a p h i c r e l a t e di n f o 砷a t i o ni s 绷 i m p o r t a n t 陀s e a r c hp r o b l e m g e o g r a p h i c a i l n f o 舶a t i o nr e t r i e v a l ( g i r ) c o n c e m st h e r e t r i e v a lo fi n f o r m a t o ni n v o l v i n gs 0 m ek i n do fs p a t i a ia w a r e n e s s g i v e nt h a tm a n y d o c u m e n t sc o n t a i ns o m ek i n do fs p a t i a l r e 佗r e n c e ，t h e s eg e o g r a p h i c a ir e f e r e n c e s ( g e o 。陀f c r e l l c e s ) a r ei m p o r t 卸tf o rl r m a n yw o r k sh a v e b e c nd o n eo ng e o g r a p h i c i n f o n n a t i o nr c t r i e v a l t h e s ew o r l ( sa r em a i n i ya b o u tg e o 聊h i ce n t i t ye x t r a c t i o n ， g e o g r a p h i ci n d e x i n g ，g e o g m p h i cr a n k i n g ，g e o g r a p h i cv i s u a l 拓：a t i o na n dg e o g r a p h i c d a t am i n i n g i nm yp h dr e s e a r c h 、v 0 订( ，ih a v ed o n er e s e a r c hi nm ec o n t e x to fg e o g r a p h i c i n f o m l a t i o nr e l ：r i e v a l i nt h ef o l i o w i n ga s p c c t s ： 1 l d a - b a s e dd o c u m e n tm o d e lf o rg e o g r 印h i ci n f o m l a t i o nr e t r i e v a l l a t e n t d i r i c h l e ta i l o c a t i o n ( l d a ) m o d e l ，af o r n l a ig e n e r a t i v em o d e l ，h a l sb e e n u s e dt 0 i m p r 0 v ea d _ h o c i n f o m l a t i o nr e 喇e v a l r e c e n t l y h o w e v e r ， i t s f e a s i b i “够觚de 侬：c t i v e n e s sf o rg e o g r a p h i ci n f o r m a t i o n 陀t r i e v a ih a sn o t b e e ne x p l o r e d w ep r o p o s e 锄l d a - b a s e dd o c u m e n tm o d e lt 0 i m p r o v e g e o 铲a p h i c i n f o m a t i o nr e t r i e v a lb y i n h e r i t i n g t h el d am o d e lw i t h c o n v e n t i o n a lt e x tr e t r i e v a lm o d e l s t h ep r o p o s e dm o d e lh a sb e e ne v a l u a t e d 0 ng e o c l e f2 0 0 7c o i l e c t i o n t h er e s u i t ss h o wt h a tt h ea p p l i c a t i o no fl d a m o d e li ng e o c l e fm o n o l i n g u a le n g l i s ht a s kp e 晌n n s s t a b l yb u tn e e d st 0 b ef u r t h e re x p l o r e d 2 l a n g u a g em o d e lb a s e dm o d e if o rg e 0 9 1 a p h i c 胁i e v a im o d e l d i f l 奄r e n t 矗d mc o n v e n t i o n a li n f o m a t i o nr e t r i e v a l ，g i rh 勰锄a d d i t i o n a lq u e 叮s p a t a i s c o p et 0r e s t r i c tt h eu s e r si n t e r e s t e da r 铭e x is t i n gw o r k su s u a i l yu s et h e q u e 叮s p a t i a ls c o p ea sad o c u m e n tn l t e ri nn l er a n k i n gp r o c e s s h o w e v e r ， 、v o r ds p e c i f i c i 妙o v e rg e o g r a p h i cs p a c ed o e sn o td i s t r i b u t eu n i f o r m i ys ot h a t a b s t r a c t t h ei m p o n a n c eo fw o r ds h o u l dv a 叫w i t ht h eq u e 叫s p a t i a is c o p e s o ，w e p r o p o s ean e wg e o g r a p h i ci n f o m a t i o nr e t r i e v a im o d e i ，n a m e l yl a l m ， w h i c hs 伽d sf o rl o c a t i o n - a w a r el a n g u a g em o d e l ，t 0i n c o r p o r a t et h eq u e 哕 s p a t i a ls c o p ei n t oc o n v e n t i o n a l l a n g u a g em o d e i i nl a l m ，w ei n t r o d u c ea l o c a lm o d e lt dc a p t u r et h es p e c i 6 c i 母o fw o r d sw h o s cl o c a t i o n sa r ec o v e r e d b yaq u e 叮s p a t i a is c o p e e x p e r i m e n tr e s u i t sd e m o n s 妇t et h ee 脆c t i v e n e s s o f l a l m i m p l i c i tl o c a t i o nb a s e dg e o g r a p h i ci n d e x i n gs t r i j c t u r e c u r r e n t i y ，g e o g r a p h i c s e a r c he n g i n e sd o n tc o n s i d e ri m p i i c i tl o c a t i o n s f o re x 帅p l e ，f o raq u e “s n o w s t o r m si nn o r t ha m e r i c a ，t r a d i t i o n a lm e t h o d ss i m p l yr e t u ma i lt h e w e bp a g e st h a t1 n c l u d e n o r t ha m e r c a i nf i a c t ，i faw e bp a g ei n c i u d e s “c a n a d a ，“u n i t e ds t a l e so f a m e r i c a ，0 r “m e x i c o ”，i ti sa l s or e l e v a n tt 0t h e q u e u “n o r t ha m e r i c a c a nb es e e na st h ei m p l i c i ti o c a t i o nf o r “c a n a d a ， w ed e f i n ei m p i i c i tl o c a t i o n s 缎t 1 1 e 卸c e s t o r so ft h ee x p i i c i tl o c a t i o n s m e n t i o n e di nt h ed o c u m e n t s w ep r 0 1 ) o s e 锄i m p i i c i tl o c “o nb a s e d g e o g r a p h i c a li n d e x i n gs t r u c t u r ea n dc o m p a r ci t sp e r f o m l a n c ew i t hd i f f e r e n t i n d e x i n gm e t h o d s e x p e r i m e n t a lr e s u l t ss h o wt h a to u ra p p r o a c hi sb e 位e r t h a np r e v i o u so n e s i r - t 僦：e 侬c i e n ti n d c x i n g 姗c t u r ef o rg e o g r a p h i cd o c u m e n ts e a r c h a g e o g r a p h i cs e a r c he n g i n er e t r i e v e sd o c u m e n t st h a ta r et c x t u a l l ya n ds p a t i a l l y r e l e v 卸tt o q u e r i e ss p e c i f i e dw i t hk e y w o r d s 趴dl o c a t i o n s ，a n dr a n k st h e r e t r i e v e dd o c 啪e n t sa c c o r d i n gt 0t h e i rj o i n tt e x t u a la u l ds p a t i a lr c l e v a n c e s c o n v e n t i o n a lg e o g r a p h i cs e a r c he n g i n e su s ei n v e r t e d 行l e sa n dr t r e et 0 s t o r et h el o c a t i o n s 觚dd o c u m e n t ss e p a r a t e l ya n df i l t e rt h ei r r e l e v a n t d o c u m e n t sb yq u e 叮s p a t i a ls c o p ei nt h eq u e 叫p r o c e s s i n gs t e p s u c hm e t h o d i si n e 衔c i e n ta st h es e a r c ha n dr a n k i n gp r o c e s s e sa r es e p a r a t ea n ds e q u e n t i a l o nt h eo t h e rh a n d ，p e o p l ea r eu s u a l l yi n t e r c s t e di nt h et o p kd o c u m e n t s w h i l ec u n e n tg e o g i i a p h i c a r c he n g i n e sc a n n o tg u a r a n t e ee 伟c i e n ts e a r c ho f t o p kr e s u l t s m o t i v a t e db yt h es h o m o m i n g so fe x i s t i n ga p p r o a c h e s ，w e p r e s e n t a ne f n c i c n t i n d e x 蛐n j c t u r e ，n a m e i yi r t r e e ， f o r g e o g r a p h i c d o c u m e n ts e a r c 鼽i r t r e ee x p l o f e sf o u rd e s i g np r i n c i p l e s ，i n c l u d i n gs p a t i a i f i i t e r i n g ，t e x tf i l t e r i n g ，s t o r a g eo v e r h e a da n dr a n kc o m p u t a t i o n ，i ti sah y b r i d i n d e xt h a tc o m b i n e sb o t hs p a t i a ii n d e xa n di n v e r t c df i l e si n 扑i n n o v a t i v e w a y d i f f e r e n ta i t e m a t i v e so ft f i d fs u m m a 口a r es t o r e di nt h ei n t e m a i v 3 4 n o d e so fr - t r e e d u r i n gt h es e a r c hp r o c e s s ，t h er c l e n tn o d e sa r em n k e db y t h e i rt f i d fs c o r e sa n d o n l yt h em o s t 他l e v a n tn o d ei sp m c e s s e de v e 叮t i m e s o ，i r t 陀ef a c i l i t a t e st h es p a t i a lp m n i n ga n d t e x t u a ln l t c r i n gs e a m l e s s l ya n d s u p p o r t st o pd o c u m e n ts e a r c ha n d 腿n k i n gi n 扑i n t e g r a t e df a s h i o nb a s e d o n t l l el t a n k b a s e dd o c u m e n ts e a r c ha l g o r i t h m v i ae x p e r i m e n t so v e raw i d e r a n g eo fs e t t i n g s ，w es h o wt h es u p e r i o r i t yo fi r - t r e ei n t c 帅so fs e a r c h e f f i c i e n c yo v e rt h es t a t e - o f t h e 一矾a p p r o a c h e s 5 y e li o wp a 萨sq u e r yc a t e g o r i z a t i o n y e l l o wp a g e ss e a r c he n g i n e sp r o v i d ea m e a n sf o r 行n d i n gb u s i n e s s e sc l o s et op a r t i c u i a rl o c a t i o n s t h e ya r ep o p u i a r s e n ，i c e s锄dar a p i d l ye v o l v i n gr e s e a r c h a r e a t h eu n d e r l y i n gd a t a m a i n t a i n e di ny e l l o wp a g e ss e a r c he n g i n e sa r et y p i c a l l yi g i b e l e d w i t h s t a n d a r d i n d us _ 时c l a s s 讯c 撕0 n ( s i c ) c a t e g o r i e s 粕du s e r ss e a r c h l o r y e l l o wp a g e sw i t hc a l 【e g o r i e so f i n t e l e s tt 0t h e m s e l v e s c a t e g o r i z i n gy e l l o w p a g c sq u e r i e si n t oas u b s e to ft o p i c a lc a t e g o r i e sc a nh e i pt oi m p r o v e s e a r c h e x p e r i e n c ea n do p t i m i z cr c s u i tq u a “t y h o w e v e r ，y e l l o wp a g e sq u e r i e sa 陀 s h o r ta n da m b i g u o u s i na d d i t i o n ，y e l l o wp a g e sq u e 叮t a x o n o m yl su s u a i i y o 唱a n i z e db y ah i e 咖i c h yo fah u g en u m b e r0 fc a t e g o r i e s t h e s e c h a m c t e r i s t i c sm a k ey e l i o wp a g e sq u e 巧c a t c g o r i z a t i o n d i m c u i ta n d c h a l i e n g i n g i nm i sp a p e r ，w ep r o p o s e 锄a d a p t i v ey e l i o wp a 铲sq u e 哆 c a t e g o r i z a t i o nt e c h n i q u e t h ep m p o s e dt e c h n i q u ei s b a s e do nat f - id f s i m i l a r i t ) ，c a t e g o 叮m a t c h i n gs c h e m e t h a tp r o v i d e sm o r ea c c u 阮t eq u e 巧 c a t e g o r i z a t i o nt h 锄p r e v i o u si 删o r db a s e dm a t c h i n gs c h e m e s t of u n h e r i m p r o v et h ec a t e g o r i z a t i o np e r f o m a n c e ，w ed e s i g ns e v e r a lf i l t e r i n gs c h e m e s t h r o u g he x t c n s i v ee x p e r i m e n t a t i o n ，w ed e m o n s t r a t c t h a to u rp r o p o s e d t e c h n i q u ei st h em o s ts u i t a b i ef o ry e l l o wp a g e sq u e 叮c 纳e g o r i z a t i o n ；i t l a r g e l yo u q ) e r f o 呻sp r e v i o u sa p p r o a c h e s ， i n c l u d i n gk e y w o r d b a s e d m a t c h i n gs c h e m e s 锄dah i e 随r c h i c a ls u p p o r tv e c t o rm a c h i n e c i a s s 币e r t h i s t e c h n 蛔u ei sv e 盯1 1 0 b u s t 卸da v o i d sm a n u a l l a b e l i n gw o 水s u c c e s s f u l l y m o r c o v e r - i ti ss u i t a b l ef o rd 耐e r c n tt a x o n o m i e sw “hv a r i e ds c a l e k e yw b r d s ：g e o g r a p h i ci n f 0 m l a t i o nr c 打e v a l ，g e o g m p h i c g e o g r a p h i ci n f l o n n a t o n 脯i e v a im o d e l ，g e o g r a p h i ci n d e x i n g q u e 叮c a t e g o r i z a t i o n ，d a t am i n i n g i n f o 玎n a t i o ne x t r 乏i c t i o n ， s t r u c t u r e ，y e li o wp a g e s 表格目录 表格目录 表2 1 地理信息抽取器性能2 2 表3 1 实验信息2 5 表3 25 组实验的m a p 和s t d 。2 7 表3 3 每个主题的单独分析2 7 表3 4g e o c l e f 文档集说明3 4 表3 5m a p 评测结果3 5 表3 6p n 的评测结果3 6 表4 1 三种索引方法的p 国2 0 4 0 表4 2 带查询扩展的显式地名索引和隐式地名索引的运行时间比较( 单位：秒) 4 0 表4 3 地理搜索引擎检索结果4 3 表4 4 地点类型和区域大小5 8 表4 5 测试文档集的特性5 8 表4 6 实验参数6l 表4 7 索引存储消耗( 单位：m b ) 6 4 表5 1 黄页查询词分类类别样例7 0 表5 2 匹配方案一览表8 0 表5 3 匹配方案性能比较8 0 表5 - 4 类别过滤机制的性能比较引 表5 5 单_ 二分类器和合成分类器的件能比较8 3 表5 6 和多层s v m 分类器的性能比较8 4 插图h 录 插图目录 冈卜l 地理信息检索系统架构图2 图1 2 两种混合索引结构1 2 图1 3g e o c l e f2 0 0 5 评测主题例子14 图1 4g e o c l e f2 0 0 6 评测主题例了15 图2 1g e o p a r s i n g 的例子一2 0 图2 2g e o c o d i n g 例子2 2 图3 1l d a 模型的图形化表示一2 4 图3 25 组实验的准确率和召同率的变化图2 6 图3 3 词频的空间分布3 2 图4 1 显式和隐式地理名的反向索引结构3 9 图4 2s a m p l ed o c u m e n t s 4 3 图4 3l r - t r e e 基本结构4 7 图4 4i r t l i e e 的例子图4 8 图4 5n o d e - b a e d 存储方法一5 0 图4 6j r t r e e 例子5 2 图4 7k e y w o r d b a s e d 存储方法5 3 图4 8 随k 变化的性能图( i s | ：l0 0 2 ，a = o 5 ) 6 l 图4 9 随f s l 变化的性能图( k i i o o ，口= 0 5 ) 6 2 图4 1 0 随a 变化的性能图( k = 1 0 0 ，i s f l 0 0 2 ) 6 3 图4 i le m p s e t i 情况下，随l s i 变化的性能图- 6 4 图4 1 2 随| l l 变化的性能图( 1 s h 0 0 2 ，k - 1 0 0 ，萨5 ) 6 5 图4 1 3 随l d i 变化的性能图( i s l = 1 0 0 2 ，k = 1 0 0 ，a = 0 5 ) 一6 5 图5 1 黄页查询词分类系统框架图7 0 图5 2 部分s i c 体系树7 i 图5 3 部分目标体系树7 2 图5 4t f i d f 类别匹配方案7 4 图5 5 阂值的影响8 2 图5 6 黄负数目的影响8 2 图5 7 网页数目的影响8 3 x 中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成 果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写 过的研究成果。与我同工作的同志对本研究所做的贡献均已在论文中作了明确 的说明。 作者签名：签字日期：丝1 2 ：笪：! 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥 有学位论文的部分使用权，即：学校有权按有关规定向围家有关部门或机构送交 论文的复印件和电了版，允许论文被查阅和借阅，可以将学位论文编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人 提交的电了文档的内容和纸质论文的内容相一致。 保密的学位论文在解密后也遵守此规定。 翩躲妞导师签名：掣丝篁兰 签字日期：当： ：兰 筇1 章绪论 第l 章绪论 1 1 地理信息检索概述 地理信息是一种特别有用的信息。地理信息检索系统允许用户限制地理查询 范围，并且在该范围内对搜索结果按某种方式排序。用户通常只对某个地理范围 内的信息感兴趣，例如奉地旅游信息，本地商业信息，本地发生的新闻事件。 地理信息榆索已经广泛应用于同常生活中，用广通常在查询中使用地理名词 来限制搜索结果和某个特定范围相关联。例如，用户想搜索纽约的中同餐馆，那 么他会尝试如下的查询： c h i n e s er e s t a u r a n tm a n h a t 咖 c h i n e s er e s t a u r a n tm i d t o w n c h i n e s er e s t a u r a n tn e wy b 永 c h i n e s er e s t a u r a n tn y c 正式来说，地理信息检索( g e o g r a i ) h i ci n f o n n a t i o nr e t r i e v a i ，g i r ) 足根据地理查 询范围的限制，返回与地理信息查询相关的文档。地理信息查询包括主题部分和 地理垒询范围部分( 例如，“r i c ee x p o r t a t i o ni nj a p 硼”) 。在( m v a nk r e v e l d ，e ta 1 2 0 0 4 ) ，一个地理信息查询被定义为： “包含至少如下一利t 地理信息的查询：地名，如h o u s t o n ，t e x a s ，u s ；其他可 以定位的信息，如，邮政编码，z i pc o d e ；地理范围，例如，同际，西方；行政 区域描述词，如s t a t e ，c o u n t 啪c 咄s i t e ，s 仃e c t ；地理类型，例如，i s l a n d ，i a k e ；地 理方向，如n o r t h ，s o u t i l 。 地理信息检索已经成为信息检索领域内重要的研究方向，已有很多相关的国 际会议，包括跨语言地理信息检索大会( g e o c l e f ) ，同际地理信息检索会议( g i r ) 。 知名的地理信息检索研究项目有g e o q u e 嘴s t a r t ，s p i r i t ，g e o v a q a 和 c i t y 1 o u r 。g e o q u e r y ( z e l l e1 9 9 5 ，z e l i ea n dm o o n e y19 9 6 ) 是一个美国地理数据 库的基于自然语言的查询系统。s t a r t 是第一个基于网络的可以高效处理地理 信息的问答系统( k a _ c z ，b e ta 1 2 0 0 2 ) 。g e o q u e d ，系统包括一个小型美国地理信息 数据库，使用机器学习方法来训练查询模型，口j 以处理基于自然语言的查询。 s p i r i t ( s p a t i a i l y a w a r ci n f o r n l a t i o nr c t r i e v a lo nt h ei n t e m e t ) 是一个研究性的项目 ( 由e cf i f h lf r a m e w o r kp r o g r a l n m e 来资助) ，它的目的是设计和实现一个地理信 息检索系统，用来查找互联网上与地点或者区域相关的文档与数据集( j o n e sc b e ta 1 2 0 0 2 ，j o n e sc b e ta l2 0 0 4 ，j o n e sc b e ta 1 2 0 0 5 ) 。g e o v a q a 是一个+ 州以 i 第1 带绪论 用语音输入的地理信息搜索系统( l u q u eje ta 1 2 0 0 6 ) 。最后，c l t y t o u r 项目是 一个可以回答城市里面的地点关系的自然语言问答系统( a n t o u i a s ，e ta 1 2 0 0 7 ) 。 1 2 地理信息检索系统框架与研究问题 一个典型的地理信息检索系统通常包括一个地理信息词典，一个地理信息抽 取器，一个地理信息索弓l 结构，一个处理地理信息查询词的用户界面，和一个对 结果排序的检索模_ 犁。图1 1 是一个典型的地理信息检索系统的架构图。 当前很多地理信息检索系统都足使用关键词做为查询输入，需要使用地理信 息索引结构来对查询处理和搜索，进行地理信息推理，对搜索结果进行基于文本 相关性和地理相关性的排序，并把结果显示给用户。一个好的地理信息检索系统 需要合适的索引结构以及算法来处理文本和地理相关性，需要有好的检索模型和 排序算法，从而保韵f 搜索引