| 摘要 | 第4-5页 |
| THESIS | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究内容及组织结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 论文组织结构 | 第14-15页 |
| 第二章 论文涉及关键技术综述 | 第15-22页 |
| 2.1 Trie树的组织结构 | 第15页 |
| 2.2 基于概率模型的分词 | 第15-17页 |
| 2.3 隐马尔科夫模型 | 第17-18页 |
| 2.4 维特比算法 | 第18-20页 |
| 2.5 文本相似性的度量 | 第20-22页 |
| 2.5.1 Dice系数(S?rensen–Dice coefficient) | 第20页 |
| 2.5.2 编辑距离(Damerau–Levenshtein distance) | 第20-21页 |
| 2.5.3 最长公共子串(Longest Common Subsequence, LCS) | 第21-22页 |
| 第三章 地址信息的获取与地址库的构建 | 第22-26页 |
| 3.1 电子数据地图的数据格式 | 第22页 |
| 3.2 地理信息的分类 | 第22-24页 |
| 3.3 地理信息的抽取和地址库的构建 | 第24-26页 |
| 3.3.1 地址词属性分类 | 第24页 |
| 3.3.2 地址信息的清洗 | 第24-25页 |
| 3.3.3 测试数据的说明 | 第25-26页 |
| 第四章 精确匹配地址库算法 | 第26-33页 |
| 4.1 问题的描述及需求分析 | 第26-27页 |
| 4.2 解决方案综述 | 第27-29页 |
| 4.2.1 构造地址分词词典 | 第27-28页 |
| 4.2.2 基于概率语言模型的地址分词方法的算法设计 | 第28-29页 |
| 4.3 解决方案效果评价 | 第29页 |
| 4.4 实验设计及结果分析 | 第29-31页 |
| 4.5 讨论及本章小结 | 第31-33页 |
| 第五章 模糊匹配地址库算法 | 第33-40页 |
| 5.1 问题的描述及需求分析 | 第33页 |
| 5.2 解决方案综述 | 第33-37页 |
| 5.2.1 通过地址库利用最大似然估计法估计隐马尔可夫模型的参数 | 第34-35页 |
| 5.2.2 采用维特比算法得到状态序列并进行分词 | 第35-37页 |
| 5.3 解决方案效果评价 | 第37-38页 |
| 5.4 实验设计及结果分析 | 第38-39页 |
| 5.5 实验设计及结果分析 | 第39-40页 |
| 第六章 地址单词属性标注及单词校正技术 | 第40-52页 |
| 6.1 问题的描述及需求分析 | 第40-41页 |
| 6.2 解决方案综述 | 第41-44页 |
| 6.2.1 Bigram倒排索引文件的生成 | 第41-42页 |
| 6.2.2 基于n-gram数据模型的地址匹配（含拼写校正）功能算法 | 第42-44页 |
| 6.2.3 基于n-gram数据模型的联想功能算法 | 第44页 |
| 6.3 解决方案效果评价 | 第44页 |
| 6.4 实验设计及结果分析 | 第44-51页 |
| 6.4.1 拼写矫正结果分析 | 第44页 |
| 6.4.2 联想功能结果分析 | 第44-51页 |
| 6.5 讨论及本章小结 | 第51-52页 |
| 第七章 总结与展望 | 第52-53页 |
| 7.1 总结 | 第52页 |
| 7.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
