文本作为地理信息重要的数据来源,其中蕴含着丰富的、多样的地理信息,这些信息对地理资源挖掘与利用具有重要的价值。当前,地理信息的研究逐步从以“空间位置”为中心转向以“地理实体”为中心。文本中地理实体信息是描述地理实体特征、性质等的数据,包括地理实体名称、时间、空间、关系、属性等信息。从文本中挖掘地理实体信息的前提和首要步骤是进行地理实体信息标注,主要通过人工标注或自动标注方式进行。但是,人工标注或自动标注地理实体信息存在着两个显著的问题,由于标注者的认知差异和缺乏统一的地理实体信息标注体系,导致标注数据存在明显的错标、漏标等问题。由于人工标注过程需要耗费大量的时间,导致标注存在明显的进展缓慢问题。因此,如何高质量、高效率地进行文本中地理实体信息标注,成为当前地理信息资源挖掘与利用亟待解决的基础问题。鉴于此,本文以新闻数据作为数据源,在分析中文文本中地理实体信息描述特点的基础上,完善地理实体信息标注体系,构建可增量学习的地理实体信息抽取模型。针对标注进展缓慢的效率问题,研究地理实体信息半自动标注流程,通过引入迭代的思想,构建面向增量学习模型的迭代算法。同时,研发中文文本的地理实体信息半自动标注系统,实现提高语料库标注质量和标注效率的效果。主要研究内容与成果包括以下几个方面:(1)地理实体信息抽取模型的增量学习方法针对人工标注和自动标注数据时存在漏标、错标等问题,分析文本中地理实体信息的描述特点,完善地理实体信息标注体系。充分顾及规则、机器学习、深度学习模型与增量学习结合的性能,以规则和条件随机场模型实现地理实体名称、时间信息、空间信息的地理实体信息抽取。在此基础上,构建基于规则模型的在线式增量学习和基于条件随机场模型的离线式增量学习,提升未登录词抽取性能,通过可增量的地理实体信息抽取模型实现地理实体信息的预标注。(2)面向地理实体信息抽取模型的迭代算法由于地理实体信息抽取模型对于基准测试集存在较强依赖性,使得人工辅助耗时巨大,导致标注过程缓慢。分析地理实体信息半自动标注流程,引入迭代思想,并以可增量学习的地理实体信息抽取模型为基础,顾及增量学习抽取模型的迭代周期与迭代数据规模,构建面向增量学习抽取模型的迭代算法,并基于实验数据构建的标注语料,测试执行迭代算法后增量学习抽取模型的相关指标,进而提高人工标注的效率。(3)原型系统研发与实验评估在上述研究基础上,研发地理实体信息半自动标注系统,实现数据上传、地理实体信息抽取、增量学习、地理实体信息半自动标注、数据查询与下载等功能。相较于人工标注和自动标注,使用半自动标注在标注效率和标注数据质量均有较大提升。研究表明,采用基于增量学习的地理实体信息半自动标注方式,进行高质量、高效率地标注文本中地理实体信息是可行的。其中,基准测试集在机器学习的训练过程中起到举足轻重的作用,对于地理实体名称、时间信息、空间信息的识别模型具有一定的通用性和可移植性。但是,地理实体的属性信息和关系信息存在着较大的差异,需要针对具体类别构建相应的规则和抽取模型。且在针对其它来源的地理实体在进行半自动标注时,需要对特征模板、句法规则、迭代周期、迭代规模等参数进行相应调整。