在中文地址信息处理过程中重要的两个步骤是中文地址的分词和中文地址要素的识别,这是中文地址信息处理最基础也是最核心的两个部分。而地址要素是指在某一限定区域内,可以指定某一具体范围的地址。每个地址要素都是地址串中的一个相对独立的部分。地址要素识别是将地址语义化的关键是地址匹配的前提。地址要素识别的准确度将直接影响地址信息处理技术的可靠性和使用性。目前,地址要素识别的方法主要是基于地址本身存在的规则进行识别和基于统计的方法进行地址要素识别。在已有的识别方法中已有成效的识别方法就是条件随机场(CRFs)模型。由于条件随机场模型综合了隐马尔可夫模型和最大熵模型的优势,能够很好的利用上下文特征,并对所有的特征进行全局归一化处理,解决了标注偏置问题,可求得全局最优解。所以本文采用条件随机场模型作为本文的基础训练模型。另一方面在序列标注集的选取上,本文分析了现在用的比较多的北大《人民日报》语料库词性标记集和教育部语用所词性标记集,但是由于地址信息使用的词性标注符号种类不多,如果在地址要素识别过程中使用词性标注集,那么标注状态之间的转换概率以及发射会出现偏差,所以本文经过对地址信息组成成分分析研究后建立了一套符合地址信息处理的地址标注集。即可利用单层条件随机场模型和地址标注集对地址进行序列标注并进行粗切分,可以将地址中明显的地址信息特征切分标注出来,为后面的地址要素的左右界限问题做铺垫。但是存在着大量的复杂的地址包含较多的地址要素,其中各个地址要素可能还存在相互影响的状态,以及单层条件随机场模型对地址切分的不合理性和不准确性。这就对使用条件随机场模型对地址要素识别产生一定的干扰。从而提出一种基于层叠条件随机场(CCRFs)模型的地址要素识别方法。本文的主要研究是使用层叠条件随机场(CCRFs)模型对地址要素进行识别。首先使用地址标注集训练出的单层CRFs地址分词模型对地址进行切分标注。再以此地址切分标注结果作为高层CRFs模型的输入并同时结合地址要素的左右边界词典对地址要素进行循环识别。最后以青岛市的10万条的地址数据作为初始语料,以德州市的1万条数据作为测试语料,分别利用HanLP系统以及利用词性标注得到的CRFs模型和本文建立的地址标注集得到的CRFs模型进行试验分析。最后实验结果表明,利用地址标注集的层叠条件随机场模型对路名和机构名的地址要素识别的准确率是要高于单层CRFs模型和HanLP系统使用的层叠隐马尔可夫模型,也是高于利用词性标注得到的CCRFs模型,并且准确率达到88.7%和86.1%。所以采用地址标注集的层叠条件随机场模型的地址要素识别方法是可行的。