场馆和其他地理位置的实体解析

Question

假设我想构建一个签到聚合器来统计跨平台的访问量，这样我就可以知道某个特定地点有多少人在 Foursquare、Gowalla、BrightKite 等上签到过。是否有一个好的库或工具集我可以开箱即用地将每个服务中的场地条目与我自己的唯一地点标识符相关联吗？

我基本上想要一个可以从一对（地名、地址、纬度/经度）元组映射到 [0,1） 的函数，确信它们引用相同的现实世界位置。

肯定有人已经这样做了，但我的谷歌功能很弱。

Answer 1

是的，您可以使用 geocoder.net 提交这两个地址（假设您是.Net 开发人员，你没有说）。它提供了一个用于地址验证和地理编码的通用接口，因此您可以合理地确定一个地址与另一个地址相同。

如果您无法使它们标准化和匹配，您可以比较它们的距离，如果它们彼此之间的距离低于某个阈值，则假设它们位于同一位置。

Answer 2

我对已经存在这样的工具持悲观态度。

基于实体解析文献匹配对的一个好的解决方案是

• 获取地名，定义并使用它们的良好距离函数（例如编辑距离），
• 获取地址，标准化（例如使用提到的 geocoder.net 工具） ），并定义它们之间的距离，
• 获取坐标并获取距离（这很容易：有很多用于地理距离计算的库和工具，这似乎是一个很好的度量），
• 将距离转换为概率（“如果我们假设这些是相同的地方，那么这样的距离的概率是多少”）（不简单），
• 并结合概率（也不简单）。

那么也许类似闭包的算法（根据高于给定概率阈值的合并对来关闭集合）也可以帮助找到所有匹配（例如，当给定地点积累不同的名称时）。

然而，这不会是一个糟糕的工具或服务。