随着互联网的发展,网络上的数据呈现了指数级地增长,互联网的用户也不断增加。如何从各种数据中快速准确的找到人们需要的信息,并应对不同用户产生的不同规则及格式的数据,成为当前信息领域亟待解决的两个问题。本文以应急领域为应用背景,以地名数据为研究对象,研究如何解决上述两个问题。主要的工作包括基于统计学习的中文地名自动识别和中文地名标准化。中文地名识别属于自然语言处理领域中命名实体识别的范畴,已有研究使用基于规则的方法以及基于统计学习的方法。本文采用基于统计学习的方法,使用最大熵模型进行中文地名自动识别,主要的工作包括:1、中文地名特点分析:包括对中文地名用字特征、出现语境等特点进行分析。2、中文地名识别特征选择和建模:根据中文地名的特点,选择特征并使用最大熵对地名识别进行建模。3、中文地名识别实验:使用标准语料库,进行地名识别的实验,并分组实验不同特征在模型中的作用。并通过添加规则改进地名识别的召回率。实验证明,最大熵模型的识别结果相比对比系统有显著提高。中文地名标准化包括两个部分,即地名的标注和归一化。地名的标注包括将长地名中不同元素块分割开以及按地名元素含义不同加上不同标签。归一化指解决重名、缺失等问题,使地名符合特定格式。地名标准化的主要工作包括:1、中文长地名分词:首先使用已有工具对长地名分词,然后使用启发式的算法结合统计语言模型改进分词结果。2、中文长地名结构标注:对于正确分词的地名,选择特征,使用条件随机域模型标注其不同元素,然后通过实验进行验证。在实验中,首先构建了包含6000个包含标注的长地名的语料库,然后进行实验。实验结果证明,经过分词改进的地名标注正确率有明显提高。3、中文地名归一化:对于存在重名、缺失、拼写错误问题的地名,使用规则的方法进行更正。