信息抽取是指可以代替用户迅速从巨大冗杂的文本信息中找出所关注内容的技术。伴随着互联网的普及,大数据时代悄然而至,网络中蕴含的文本信息愈加丰富多彩,信息量爆炸性的增多。面对这种情况,对信息抽取技术的研究发展已经迫在眉睫,与此同时,还需要对抽取信息的真实性加以的判别。虚假信息不仅对人们无益,而且会造成很多不必要的损失。网络地理信息的有效利用能够给人们的生活带来诸多便利。对地理信息的有效抽取,及抽取信息的可信度评估可以给需要获取地理信息的单位提供信息源,避免人工实地采集信息,大量地节省人力财力,为人们的出行提供了便利。鉴于此,本文分别对网络文本地理信息的抽取及可信度评估技术做出了一些研究,主要研究工作包括以下内容:(1)通过条件随机场模型(Conditional Random Fields,CRF)对网络文本中的地名实体、地理属性实体、地理属性值实体进行识别。在实体识别过程中本文引入了外部辅助词库、地名库等特征用以构建特征模板,通过对比试验证明在引入这些特征后能够有效提高实体识别的效果。(2)将同一个句子中的地名实体,地理属性实体,地理属性值实体两两组合,找出所有可能的实体组合对。将组合对之间的关系分为地名实体与地理属性、地理属性与地理属性值、地名实体与地理属性值和其它这四类实体关系。结合神经网络实现组合对之间关系的判别。再通过实体关系融合算法,得到地理信息组<地名实体,地理属性实体,地理属性值实体>,存至数据库中。本文通过对比实验证明BP神经网络中LM(Levenberg Marquard,LM)算法在地理实体对的关系抽取中取得了较好的效果。(3)对于抽取文本地理信息的可信度评估,本文提出一种基于搜索引擎的评估方式。首先将待判定信息与搜索引擎网址进行拼接,向搜索引擎服务端发送请求。计算返回文件的链接网页内容与待判定信息的匹配度,以及链接网页的可信度,结合两者来度量待判定信息的可信度。采用该方法对本文抽取到的地理信息进行可信度评估,其中可信信息占比85.38%,可疑信息占比9.10%,不可信信息占比5.63%。