随着互联网技术的发展,网页中所涉及有关空间位置的信息也越来越多,使其成为地理信息数据获取和更新的重要数据来源之一。但是,由于互联网数据的多样性、复杂性和异构性等特征,使得对于它们的挖掘与分析变成了一个新问题。关于中文地址要素库构建方法的研究就是其中问题之一,地址要素库作为地址信息资源集成、融合与管理的核心枢纽,承担着地址信息资源整合、支撑技术应用的职能,为社会公众和政府各职能部门提供可靠、高效、准确的地理位置定位服务。针对中文地址文本信息的描述特点和地址要素匹配服务的需求,本文从中文地址要素切分、语义标注及层级关系构建等方面进行了较为系统地研究,并设计开发了原型系统。主要的研究工作内容及创新点如下:(1)基于GRU神经网络的中文地址要素切分方法研究:针对传统机器学习模型对中文地址要素切分,需要人为的提取特征以及模型训练时间较长的缺点。提出了基于门控循环单元(Gated Recurrent Unit,GRU)神经网络的中文地址要素切分方法,并采用三词位标注法对切分字符进行标注。该神经网络具备自动学习特征,避免了人工特征选择对中文地址要素切分的影响。同时,三词位标注法提升了中文地址要素切分性能,减少了模型训练时间。基于百度地图中各类型的名录数据和POI兴趣点地址数据,对神经网络模型进行训练和验证实验,其结果表明,该网络模型相对于传统机器学习模型在切分性能和模型效率方面都有显著提升。(2)地址要素语义标注与层级关系构建:针对中文地址要素的语义标注通常采用地址文本间的语义关系进行标注,从而忽略了地址要素的空间位置信息的缺点。本文提出了基于关键词匹配和基于位置推测的地址要素语义标注方法,并通过Tire树构建了地址要素之间的层级关系。通过对切分后的地址要素进行实验分析,其结果表明,该标注方法在标注效率、标注准确率和标注覆盖率方面较其他方法具有明显优势。(3)原型系统设计与实现:根据各中文地址要素表之间的关联关系,本文设计了 7张不同结构的数据库表格,并在此基础上研发了中文地址要素管理系统,实现中文地址要素的切分、中文地址表达模式的统计以及中文地址要素的增、删、改、查等基本操作。