大数据时代的到来,新闻事件以海量、多元的形式呈现给用户,新闻事件与地理信息的有机结合为用户提供新闻事件信息的同时也提供地理位置数据。但是新闻文本本身具有价值稀疏的特性,海量的信息有时没有为用户带来便利,甚至造成了困惑,因此用户需要良好的知识筛选方法。在有机结合新闻事件文本信息和地理空间数据信息,筛选对于用户有帮助的信息时,我们面临以下一些问题:网络新闻文本类别多样,难以筛选用户真正需要的文本类别;中文地名因为其特殊性在新闻文本中识别较为困难;新闻事件中的地名实体往往以文字形式呈现给用户,不具有直观性和简便性。针对以上三个问题,论文主要研究从新闻文本中识别中文地名并将其链接到数字地图。论文首先研究了基于深度神经网络的文本分类方法,比较了目前主流的两种文本分类方法,探究文本分类的可行性和有效性。对常涉及地理位置的六类新闻文本进行标注分类,同时加入一些热门但几乎不涉及地理信息的新闻文本作为类别补充,总共构成七种类型的新闻文本,通过比较卷积神经网络和循环神经网络模型训练新闻文本数据效果,采用基于字符级的卷积神经网络进行文本分类。其次对中文复杂进行地名识别。采用基于统计与规则相结合的条件随机场模型进行中文实体地名识别,在该模型的基础上,采用基于信息熵和点互信息的算法计算实体中单字的成词率,提高识别效率和精度,有效地识别中文地名。最后基于数字地图的新闻文本地名实体定位,设计一套新闻事件的实体识别与链接系统,基于VS工具搭建地名定位程序,将文本分类后的新闻事件和事件中的地名精确定位到数字地图上,呈现给用户直观的感受,以方便用户有效利用新闻文本。论文通过基于神经网络的新闻文本分类,对文本信息进行有效筛选,确定采用卷积神经网络对新闻文本进行分类。在探索新闻文本中复杂地名的识别,采用一种基于信息熵和点互信息的地名识别算法,有效的融合多元数据信息,以数字地图可视化的形式呈现给用户新闻文本中有价值的信息。研究成果可用于用户导航、灾害避险、新闻热点追踪等。