网络中蕴涵了丰富的地理信息,于是网络也成为了获取地理信息的重要源头。传统获取地理信息的方式必须依赖于大批人力和时间,这导致了地理信息相关产业更新周期比较长、获取信息有限的状况。本文研究主要针对网络文本中存在的大量非结构化地理信息,提出了基于条件随机场(Conditional Random Fields,CRFs)与支持向量机(Support Vector Machine,SVM)的层叠模型来获取结构化地理信息的方案,最后获取<地理实体、属性、属性值>三元组形式的地理信息。实验结果显示网络文本地理信息提取的准确率为83.98%,召回率为82.03%、F值为82.99%,证明了该方案的有效性。论文的主要研究工作包括如下两个方面:(1)在第一层模型中,将地理实体的属性及属性值当作两类命名实体,采用基于CRFs模型将属性、属性实体同地理实体一起识别出来。考虑到部分地理实体、属性实体具有规律性和稳定性,因此在设计地理实体、属性实体特征模板时添加了外部的词典特征。最后设计对比实验证明了本文基于CRFs模型识别地理信息实体的高效性,词典特征的有效性。(2)在第二层模型中,对于上层识别出来的地理信息实体(地理实体、属性实体、属性值实体),并不能确定地理实体与属性实体、属性实体与属性值实体之间的对应关系,于是采用基于SVM模型来判断地理信息实体(地理实体、属性实体、属性值实体)之间是否存在对应关系。考虑到地理信息语料预处理后,用于SVM训练学习的特征集合比较大,可能存在一些无用的、冗余的特征项,本文借鉴了其他研究中的信息增益特征选择算法,并对其不足进行了改进。最后设计对比实验证明了本文使用SVM模型提取地理信息实体关系的高效性,改进后的信息增益特征选择算法更加有效。