地址匹配作为地理编码中关键的一环,是智慧城市建设中重要的组成部分。完整意义的地址匹配分为地址分词和地址匹配两部分,地址分词为地址匹配提供分词服务。由于中文地址的复杂多样性和不规范性,造成中文地址分词过程中存在训练语料质量层次不齐、不规范地址影响分词效果,地址匹配结果的匹配率和精确率不高的问题。针对中文地址分词与匹配方法中存在的问题,本文展开了以下研究:（1）面向融合语料的中文地址分词方法研究。该方法通过不同的指标定量化计算70000条语料集中地址数据的价值,按价值高低依次选取地址作为权重机制语料,并对选取权重机制语料库中的部分样本进行数据增广,形成融合语料。利用Bi LSTM+CRF模型训练语料进行分词实验对比,实验结果表明,在同训练语料量下,融合语料的中文地址分词方法可以有效提升中文地址的分词效果。融合语料方法分词结果的F1值和AP值都高于其它方法的F1值和AP值,在本研究实验中当融合语料库数据量达到60000条,数据增广比例为0.2时,融合语料的分词效果最优,F1值为91.6%,AP值89.3%。（2）基于多叉树结构的中文地址匹配方法研究。该方法基于地址元素的层级约束性,构建层级结构的多叉树存储标准地址库数据。在待匹配地址分词结果与多叉树结构地址数据匹配过程中,针对不规范地址匹配失败问题,结合层级回溯匹配与文本相似度匹配方法完成地址匹配工作。通过真实数据实验结果表明,基于多叉树结构的地址匹配方法在较其它匹配方法的表现更具优势。多叉树结构的地址匹配方法在两组数据实验中都得到更高的匹配率和更高的精确率,较高的匹配率和精确率都在92%以上,较低值也在85%以上。