随着互联网技术的不断发展,互联网用户数量急速增长。由于大量的网络服务都需要对用户进行精准定位,因此IP地址定位技术的研究越发重要。IP地址定位,即根据网络设备的IP地址确定其在地理上的位置,通常通过查询已有的IP地址库,或利用IP地址定位算法来实现。目前,国内已有的IP地址库数据质量参差不齐,并且大多存在定位精度低、偏差大的问题。另一方面,传统的IP地址定位算法定位准确度低,模型复杂度高,也难以投入实际应用。基于此,本文立足于江苏省内IP地址数据,设计并实现了一种基于邻居关系的IP地址定位算法,旨在结合机器学习和空间理论,实现IP地址的区县街道级定位,具体工作包括:（1）构建多源融合的IP地址库。由于国内主流的IP地址库定位准确度较差,并且不同IP地址库之间的数据和格式不尽相同,因此,本文综合考虑了IP地址库的可信度和覆盖度等因素,构建了江苏省内多源融合的IP地址库。（2）提取IP地址多维度特征。基于构建的IP地址库,通过分析IP地址自身的特点,以及IP地址之间的关系,结合主动测量获取的数据,对IP地址进行了特征提取,为后续研究提供数据基础。（3）提出基于随机森林的IP地址城市级定位算法。针对传统的基于贝叶斯估计的IP地址定位算法仅考虑人口密度所存在的不足,本文提出使用决策树对前期提取的特征参数进行建模。进一步,为了解决单棵决策树存在的仅局部最优和易陷入过拟合的问题,引入了随机森林算法,并对参数进行优化,从而提出了基于随机森林的IP地址城市级定位算法。实验证明,该算法在与传统算法耗时相近的前提下,定位准确率有较大提升。（4）提出基于邻居关系的IP地址定位算法。针对传统的基于时延的IP地址定位算法仅考虑时延所存在的不足,本文结合IP地址分配的聚集特性,以及网络拓扑结构特点,对IP地址的邻居关系进行了定义,进而提出了基于邻居关系的IP地址区县街道级定位算法。该算法首先利用城市级定位算法确定待测点所处城市,并在该范围内通过邻居关系选择与待测点距离较近的一组基准点,最终借助空间几何确定IP地址地理位置。实验证明,该算法可将IP地址定位误差缩减至2千米内,并且与传统算法和主流IP地址库相比,定位精度更高,可以更好地实现IP地址区县街道级定位。