基于相似度模型的可融合興趣點(diǎn)分類研究

張 巍，李瑞姍，高新院

（中國(guó)海洋大學(xué)信息科學(xué)與工程學(xué)院，山東 青島266100）

POI（Point of Interest）即興趣點(diǎn)，泛指一切可以抽象為點(diǎn)的地理對(duì)象，尤其是與人們生活緊密相關(guān)的地理實(shí)體，如政府部門、景點(diǎn)、學(xué)校、醫(yī)院、銀行、商業(yè)區(qū)、標(biāo)志性建筑等。每個(gè)POI包含這個(gè)實(shí)體4個(gè)方面的信息：名稱、地址、類型、經(jīng)緯度，同時(shí)還可能有電話、評(píng)價(jià)等信息［1］。最近幾年，由于基于位置的服務(wù)快速發(fā)展，尤其是對(duì)網(wǎng)絡(luò)電子地圖、移動(dòng)位置服務(wù)（LBS）、便攜式自動(dòng)導(dǎo)航（PND）的使用，使得原有的POI很難繼續(xù)支撐這類服務(wù)。能否獲取高質(zhì)量的POI信息，成為提高此類服務(wù)質(zhì)量的關(guān)鍵所在。

然而多數(shù)基于位置服務(wù)的提供商并沒有自己完整、有效的數(shù)據(jù)采集和維護(hù)機(jī)制，他們的數(shù)據(jù)仍然是由專門的數(shù)據(jù)提供商供給。大多數(shù)POI信息數(shù)據(jù)生產(chǎn)廠家的數(shù)據(jù)采集方式主要依靠人海戰(zhàn)術(shù)，雇用大量的調(diào)繪、調(diào)查人員，對(duì)城市進(jìn)行地毯式作業(yè)［2］。這樣的作業(yè)方式效率低，成本高，并且無法及時(shí)更新，因此部分廠家根據(jù)自己的經(jīng)驗(yàn)，創(chuàng)造性地將數(shù)據(jù)采集工作轉(zhuǎn)移到了室內(nèi)。文獻(xiàn)［2］運(yùn)用基于GPS技術(shù)與實(shí)景影像相結(jié)合開發(fā)建立POI快速采集系統(tǒng)平臺(tái)，可實(shí)現(xiàn)POI的快速采集和更新；專業(yè)POI生產(chǎn)廠商卡貝斯對(duì)互聯(lián)網(wǎng)數(shù)據(jù)做了實(shí)時(shí)監(jiān)測(cè)，分類抓取互聯(lián)網(wǎng)上同POI相關(guān)的信息。大多遠(yuǎn)程采集機(jī)制可以充分把握住新出現(xiàn)的POI信息，但忽略了那些原有POI信息變化，使得數(shù)據(jù)的準(zhǔn)確度降低。以餐飲業(yè)為例，餐館的節(jié)假日活動(dòng)可能會(huì)頻繁的變化，按照卡貝斯的機(jī)制這部分信息就不能在POI中被更新，甚至當(dāng)餐館因?yàn)檫w址導(dǎo)致地址這一關(guān)鍵字段發(fā)生的變化時(shí)，POI也不會(huì)被更新，造成這個(gè)POI價(jià)值驟減。還有些餐館因經(jīng)營(yíng)不善而關(guān)門倒閉，但是它的POI信息仍然出現(xiàn)在數(shù)據(jù)庫(kù)里，成為無用的“死點(diǎn)”，久而久之便會(huì)出現(xiàn)大量的冗余。

本文使用機(jī)器學(xué)習(xí)領(lǐng)域中的分類方法［3－4］初步解決了以上POI數(shù)據(jù)冗余、精確度低的問題。在互聯(lián)網(wǎng)上抽取數(shù)據(jù)，篩選出POI中字段的信息，根據(jù)這些信息與原有POI的關(guān)系進(jìn)行分類處理。

本文通過分析POI中各特征字段的形式、特點(diǎn)，提出了POI特征相似度［5］用以表示一個(gè)POI與原有POI集的關(guān)系，利用這種形式化的關(guān)系在機(jī)器學(xué)習(xí)方法中分類，最終區(qū)分出可融合與不可融合的POI。相似度的形式化表示主要由名稱、地理信息相似度兩部分組成，其中的地理信息包括POI中的地址和經(jīng)緯度。名稱部分是指2個(gè)不同POI名稱字段間的相似度，通過幾種經(jīng)典字符串匹配方法［6］計(jì)算得出，過程中考慮到因?yàn)樵~語的存在使得不同漢字具有不同的關(guān)聯(lián)性，本文假設(shè)中文字符串匹配的最小單位是詞，打破了傳統(tǒng)中最小單位是單個(gè)漢字的假設(shè)。美國(guó)是地理編碼［7］應(yīng)用最早、最廣泛的國(guó)家，早在1970年代就建立了全國(guó)的地理編碼標(biāo)準(zhǔn)，根據(jù)經(jīng)緯度便可確定出一個(gè)唯一的英文地址，其地址匹配可達(dá)到較好的效果，因此很容易就可以得到地理位置信息相似程度的準(zhǔn)確的結(jié)果。但是我國(guó)尚且沒有成熟的地理編碼，既不完整也不精確，利用經(jīng)緯度并不能確定2個(gè)地址匹配、相似與否。對(duì)于地理位置信息的相似程度，國(guó)內(nèi)主要根據(jù)地址信息計(jì)算［8］，過程中對(duì)地址中各特征字段進(jìn)行匹配，綜合各字段的情況得出地址相似度。本文在考慮地址相似度的同時(shí)，還結(jié)合了根據(jù)地理空間信息得出的不同POI之間的距離，彌補(bǔ)了同一POI具有多種中文地址描述所導(dǎo)致的問題。

1 字符串匹配方法

POI中名稱字段大多比較精短、無明顯規(guī)則，同時(shí)也缺乏語義上的特征，是一類普通的中文字符串。目前這種中文字符串相似度［9］的計(jì)算在中文信息檢索、中文文本校對(duì)等領(lǐng)域中已有廣泛的應(yīng)用。衡量2個(gè)字符串的相似度，常用的方法有3種，即萊文史特距離算法、Jaccard相似方法和Jaro距離算法。

根據(jù)已有資料的分析，現(xiàn)有的這些計(jì)算字符串相似度的算法大多基于一個(gè)假設(shè)：中文字符串匹配的最小單位是單個(gè)漢字，這樣并沒有考慮到漢字中詞語對(duì)相似度的影響，所以將匹配的最小單位假設(shè)為詞。

1.1 萊文史特距離算法

萊文史特距離算法（Levenstein edit distance algorithm）是一種字符串編輯距離算法，指一個(gè)字符串通過多少次操作（增、刪、改）得到另外一個(gè)字符串。例如，字符串S1為“aaabc”，S2為“aabb”，S1通過‘a(chǎn)’變?yōu)椤産’，刪除‘c’兩步可以得到S2，所以編輯距離等于2。在這里，定義字符串相似度為：

其中：distance是S1、S2的編輯距離，maxLen是S1、S2字符串長(zhǎng)度中較大的那個(gè)值。edit值越大說明相似度越大，0表示沒有任何相似度，1則代表完全匹配。

1.2 Jaccard相似方法

這個(gè)相似度等于兩個(gè)字符串中相同詞（無重復(fù)）的個(gè)數(shù)與所有詞（無重復(fù)）個(gè)數(shù)的比值。也就是說，2個(gè)字符串S1、S2的Jaccard相似度可定義為：

和edit一樣，jacc越大說明相似度越大。

1.3 Jaro距離

與上邊2種算法相比，Jaro distance算法的優(yōu)點(diǎn)在于其考慮到字符不同位置的問題，如“粥全粥到臺(tái)東三路店”和“粥全粥到三店”，其中的“三”根據(jù)位置的不同可判斷為不匹配。首先定義一匹配窗口：

其中：S1、S2是待匹配字符串。S1、S2匹配過程中，若兩者中同有字符x，并且這2個(gè)x的距離不大于MW ，此時(shí)可以認(rèn)為這2個(gè)x是匹配字符。

Jaro相似度定義如下：

其中：S1、S2是待匹配的2個(gè)字符串；m是匹配的字符數(shù)；t是換位的數(shù)目，其值等于不同順序的匹配字符數(shù)目的一半。比如：2個(gè)字符串“ABCDE”和“EBCDA”做匹配操作，字符串中僅有B、C、D3個(gè)字符是匹配的，即m＝3。雖然A、E都出現(xiàn)在2個(gè)字符串中，但是通過公式得出匹配窗口MW 為。而2個(gè)字符串中A、E字符的距離均大于1.5，所以不算作匹配。在另一組字符串AxByCDz與AzBDC。匹配的字符為A～B～C～D，但在2個(gè)字符串中C～D 2個(gè)字符順序不同，因此t＝1，m＝4。

2 地理信息的相似度

地理信息主要包括2部分，即空間地理信息和非空間地理信息。POI中的經(jīng)緯度就是一種典型的空間地理信息，而POI中的中文地址則屬于地理信息系統(tǒng)中的非空間信息。我國(guó)地理信息的相似度主要是根據(jù)中文地址的匹配程度得出，但是對(duì)于那些具有多種描述情況的地理實(shí)體，比如有別名的實(shí)體、處于2條路交叉口的實(shí)體，這種地址匹配方法就不能得出其真實(shí)的相似程度。為解決這個(gè)問題，本文借助空間地理信息對(duì)這個(gè)相似度進(jìn)行了補(bǔ)充。

2.1 中文地址的相似度

地址是各類服務(wù)系統(tǒng)中運(yùn)用自然語言描述空間位置的最常用手段。中文地址是一種具有一定格式的中文字符串，但又不是標(biāo)準(zhǔn)統(tǒng)一格式，對(duì)于其相似度的計(jì)算，單靠本文提到的中文字符串匹配方法并不能達(dá)到很好的效果。目前我國(guó)主流的地址匹配方法就是對(duì)地址分詞，利用各個(gè)地址要素進(jìn)行匹配。本文基于小詞典和特證詞對(duì)中文地址進(jìn)行分詞，成功分開了中文地址中的各個(gè)要素，然后根據(jù)設(shè)置好的規(guī)則，綜合所有要素給出其相似程度。

分詞過程中用到的小詞典是根據(jù)行政區(qū)劃表構(gòu)造出來的，主要目的是規(guī)范地址中省、地、縣、鄉(xiāng)級(jí)行政區(qū)名稱，如“嶗山區(qū)松嶺路238號(hào)”，分詞結(jié)果為“山東（省）青島（市）嶗山（區(qū)）松嶺（路）238（號(hào)）”，不僅劃分出字符串中各個(gè)部分，其省略部分也會(huì)補(bǔ)充完整。地址字符串中除省、地、縣、鄉(xiāng)級(jí)行政區(qū)以外的其它部分，因?yàn)樾帕刻?，?yán)重影響分詞速度，況且現(xiàn)在沒有合適完整資料來源，所以只對(duì)其進(jìn)行特征字分詞。得到最終分詞結(jié)果格式為“X（省）X（地）X（縣）X（鄉(xiāng)）X（路）X（號(hào)）X（建筑）X（號(hào)碼）X（其它）”，括號(hào)內(nèi)是其對(duì)應(yīng)地址要素的特征詞。

對(duì)待匹配的2個(gè)中文地址，分詞處理后對(duì)其進(jìn)行相似度計(jì)算，因?yàn)榉衷~過程中對(duì)鄉(xiāng)級(jí)及以上行政區(qū)字段進(jìn)行了規(guī)范和補(bǔ)充，所以該4級(jí)字段中低級(jí)字段若相等，較高級(jí)字段也一定匹配。對(duì)于其它5個(gè)字段，先分別計(jì)算出相似度，再根據(jù)不同權(quán)值合算出總的相似度。如果2個(gè)中文地址中對(duì)應(yīng)字段不同時(shí)存在，就無法進(jìn)行相似度計(jì)算，對(duì)于這種情況把相似度計(jì)為－1，表示不考慮該字段。若SIM1、SIM2、SIM 分別表示中地址前4個(gè)字段、后5個(gè)字段以及整體的相似度，計(jì)算的具體流程如下：

Step1 初始化SIM1、SIM2、SIM 都為－1。

Step2 若鄉(xiāng)級(jí)字段匹配，對(duì)SIM1賦值為1，轉(zhuǎn)向Step3；若不匹配，則匹配縣級(jí)字段，縣級(jí)若相等SIM1為0.8，轉(zhuǎn)向Step3；以同樣方法處理地級(jí)、省級(jí)字段，SIM1分別為0.4、0.3；省級(jí)字段也不匹配，SIM1仍為－1。

Step3 若路級(jí)字段對(duì)應(yīng)可比，且2個(gè)字段字符串相似度t大于0.8，則將路級(jí)、號(hào)級(jí)字符串的相似度記為s1，t小于0.8時(shí)s1等于t的一半；路級(jí)字段不可比時(shí)，s1等于－1。

Step4 和路級(jí)、號(hào)級(jí)字段一樣，計(jì)算出建筑級(jí)、號(hào)碼級(jí)字段相似度記為s2。

Step5 根據(jù)2.2.1中提到的一般字符串相似度算法，計(jì)算其它字段的相似度記為s3。

Step6 設(shè)置決定SIM2各字段的權(quán)值，s1、s2、s3分別對(duì)應(yīng)a1、a2、a3，其值分別為4、3、3；若s1、s2、s3值為－1，表示對(duì)應(yīng)字段不可比，則使這個(gè)權(quán)值為0。后5個(gè)字段的相似度為：

其中：s1、s2、s3都等于－1時(shí)，SIM2為－1；

Step7 設(shè)置SIM1、SIM2字段的權(quán)值b1、b2分別為1、3；若SIM1、SIM2值為－1，則使其對(duì)應(yīng)的權(quán)值置0。待匹配2個(gè)中文地址的相似度為：

如果SIM1、SIM2值都為－1，SIM 的值定為0。

2.2 空間地理信息相似度

經(jīng)緯度被定義在三度空間的球面上，用來標(biāo)示地球上的任何一個(gè)位置，是一種典型的空間地理信息。POI中的經(jīng)緯度作用和地址字段相同，都是用來描述一個(gè)位置，只是形式不同。通過經(jīng)緯度來衡量2個(gè)POI是否匹配相似，最簡(jiǎn)單有效的方法就是計(jì)算這2點(diǎn)之間的球面距離。該地理坐標(biāo)相似度［10］定義為：

其中：distance（p1，p2）是匹配的2個(gè)POI點(diǎn)p1、p2的球面距離。當(dāng)LLsim這個(gè)相似度大于閥值時(shí)，就認(rèn)為這2個(gè)POI相似匹配。

3 POI相似度及機(jī)器學(xué)習(xí)分類模型

3.1 POI相似度

在互聯(lián)網(wǎng)上抓取感興趣的網(wǎng)頁，篩選出其中與POI相關(guān)的字段信息，之后對(duì)其進(jìn)行分類處理，本文將POI分為可融合和不可融合兩類。分類的依據(jù)則是這個(gè)POI信息與數(shù)據(jù)庫(kù)中現(xiàn)有POI集的關(guān)系這個(gè)現(xiàn)有POI集并不是數(shù)據(jù)庫(kù)中所有的數(shù)據(jù)，這個(gè)集合是通過在互聯(lián)網(wǎng)上抽取的POI的名稱字段在數(shù)據(jù)庫(kù)中模糊搜索的結(jié)果。

為了方便構(gòu)建模型，本文將之前提到的待分類POI與現(xiàn)有POI集的關(guān)系轉(zhuǎn)換成為1個(gè)向量，該向量中包括這個(gè)待分類POI和現(xiàn)有POI集中的各特征字段相似度的最大值，即

其中：p是待分類POI；px是現(xiàn)有POI集合中的某個(gè)可以不同，但必須使得其所在的函數(shù)值在組內(nèi)最大分 別表示公式（1）、（2）、（4）提到的2個(gè)POI名稱字段 Levenstein相似度、Jaccard相似度、Jaro相似度，表示的2個(gè)POI的非空間地理信息相似度表示的2個(gè)POI的空間地理信息相似度。

圖1 機(jī)器學(xué)習(xí)分類模型的訓(xùn)練、分類過程Fig.1 Training and classifying process of machine learning model

3.2 機(jī)器學(xué)習(xí)分類模型

通過大量數(shù)據(jù)轉(zhuǎn)換得到的向量集，進(jìn)行特征提取后將作為訓(xùn)練集，依據(jù)機(jī)器學(xué)習(xí)的方法構(gòu)建出分類模型，將待分類的POI實(shí)例分為可融合和不可融合兩類。具體過程如圖1所示?？扇诤鲜侵冈揚(yáng)OI信息已經(jīng)存在，只需對(duì)這些信息進(jìn)行融合，對(duì)部分字段進(jìn)行更新處理；不可融合則是指該P(yáng)OI信息不在現(xiàn)有數(shù)據(jù)集中，可能是新出現(xiàn)的POI信息，也可能是錯(cuò)誤不真實(shí)的POI。對(duì)這些不可融合信息真?zhèn)涡缘尿?yàn)證，可以像卡貝斯那樣通過電話情景腳本的方式實(shí)現(xiàn)，也可以運(yùn)用自然語言處理相關(guān)技術(shù)實(shí)現(xiàn)。對(duì)于驗(yàn)證為正確、真實(shí)存在的POI，對(duì)其進(jìn)行融合后便可做為一有效信息添加到數(shù)據(jù)集中。而對(duì)那些驗(yàn)證為錯(cuò)誤、甚至不存在的POI不作任何處理，是對(duì)原有數(shù)據(jù)集中那些與之相似的POI要經(jīng)過驗(yàn)證，最終去除其中的“死點(diǎn)”。

在實(shí)驗(yàn)中，運(yùn)用了幾個(gè)不同的分類器，其中包括貝葉斯分類器、C4.5分類器、Adaboost提升分類器。每個(gè)分類器都有各式各樣、復(fù)雜的標(biāo)準(zhǔn)，利用這些標(biāo)準(zhǔn)構(gòu)造不同的模型。比如，C4.5采用信息增益比作為選擇測(cè)試屬性的標(biāo)準(zhǔn)，從根節(jié)點(diǎn)開始，賦予最好的屬性，在將該屬性各種取值都生成相應(yīng)的分支，在每個(gè)分支上又生成新的節(jié)點(diǎn)，加之一些剪枝方法構(gòu)造出決策樹，使其最大程度地?cái)M合訓(xùn)練集。C4.5產(chǎn)生的分類規(guī)則易于理解，準(zhǔn)確率較高，但是在構(gòu)造樹的過程中，需要對(duì)數(shù)據(jù)集進(jìn)行多次的順序掃描和排序，因而導(dǎo)致算法的低效。此外，C4.5只適合于能夠駐留于內(nèi)存的數(shù)據(jù)集，當(dāng)訓(xùn)練集大得無法在內(nèi)存容納時(shí)程序就無法運(yùn)行了。

4 實(shí)驗(yàn)數(shù)據(jù)及結(jié)果

4.1 數(shù)據(jù)集

實(shí)驗(yàn)中，本文從美團(tuán)團(tuán)購(gòu)網(wǎng)上抽取了1 095個(gè)頁面，每個(gè)頁面上有1個(gè)POI信息，即之前提到的待分類POI，隨后在google地圖、mapabc、baidu地圖上按照待分類POI中的名稱字段進(jìn)行模糊搜索，將搜索結(jié)果集作為現(xiàn)有POI集合。本文對(duì)于這些數(shù)據(jù)進(jìn)行了人工標(biāo)注，根據(jù)現(xiàn)有POI集合判斷其對(duì)應(yīng)的待分類POI是否可被融合，標(biāo)注結(jié)果中744個(gè)POI是可融合的，238個(gè)是不可融合，其余113個(gè)POI模糊搜索沒有結(jié)果，本文不予以考慮。將以上可融合的和不可融合的（共982個(gè)）POI轉(zhuǎn)換成向量集，作為本實(shí)驗(yàn)的數(shù)據(jù)集。

表1 結(jié)果關(guān)系表Table1The relation of classification result

4.2 測(cè)評(píng)指標(biāo)

本節(jié)將分析模型分類結(jié)果和人工標(biāo)注結(jié)果是否一致，為評(píng)測(cè)模型的分類效果實(shí)驗(yàn)中用到了3個(gè)重要指標(biāo)，即召回率（Recall）、準(zhǔn)確率（Precision）和F值。人工標(biāo)注結(jié)果與模型分類結(jié)果關(guān)系表示（見表1）。

可融合的召回率r1是指模型分類與人工標(biāo)注結(jié)果均為可融合的POI數(shù)目占人工標(biāo)注中可融合總數(shù)的百分比，反映分類模型的完備性；可融合的準(zhǔn)確率p1是指模型分類與人工標(biāo)注結(jié)果均為可融合的POI數(shù)目占模型分類結(jié)果中可融合總數(shù)的百分比，可反映分類模型的準(zhǔn)確程度?？扇诤系恼倩芈蕆1可表示為同樣不可融合的召回率r0可表示為不可融合的準(zhǔn)確率整個(gè)分類的準(zhǔn)確率p則可表示為F值是召回率和準(zhǔn)確率這2個(gè)指標(biāo)的綜合值，定義如下：

式中：P為準(zhǔn)確率；R為召回率；β為召回率和準(zhǔn)確率相對(duì)權(quán)重，一般取1；因此F值可以表示為：

4.3 基于規(guī)則的分類結(jié)果

本文首先分別對(duì)POI中的各特征字段的相似度進(jìn)行線性回歸，通過設(shè)置不同的閥值進(jìn)行分類，得到每個(gè)特征相似度單獨(dú)參與分類的表現(xiàn)（見圖2）：

圖中f1是可融合的F值，f0是不可融合的F值，p為整個(gè)分類結(jié)果的準(zhǔn)確率。從3個(gè)圖中可以看出，無論是哪個(gè)字段，p和f1的變化趨勢(shì)是一樣的，且f1總是處于最上方，f0總是處于最下方。因?yàn)榭扇诤系腜OI占大部分，所以f1會(huì)更大程度地影響整體分類結(jié)果。圖中的峰值并不是說此時(shí)的p1或r1是最大值，而是說p1和r1處在一個(gè)最佳的平衡點(diǎn)，不至于2個(gè)值一個(gè)過太一個(gè)過小。對(duì)于p0、r0也是一樣。在圖2（a）中，p和f1在［0.85，1］區(qū)間內(nèi)逐漸減小，對(duì)應(yīng)的f0不斷增大，但最大值仍舊很小，此時(shí)所有POI分類的結(jié)果為可融合。在圖2（b）中，3個(gè)曲線同增減，并在0.36處出現(xiàn)峰值。圖2（c）中的3條線變化趨勢(shì)也相同，且在0.001處出現(xiàn)峰值，同樣是這種情況下的平衡點(diǎn)。具體結(jié)果（見表2）。

從上述結(jié)果分析可知，POI中各字段在區(qū)分可融合、不可融合分類過程的表現(xiàn)不同，其分類效果由弱到強(qiáng)分別是名稱、經(jīng)緯度、地址字段。名稱字段之所以比較差，主要因?yàn)楝F(xiàn)有POI集中的POI是根據(jù)待分類POI的名稱進(jìn)行模糊搜索得到的，它們的名稱相似度已經(jīng)很高，不足以有效區(qū)分POI。其中對(duì)地址和經(jīng)緯度字段進(jìn)行了融合，其結(jié)果表現(xiàn)的最佳。

圖2 POI不同字段的分類結(jié)果Fig.2 Classification results for different POI attributes

4.4 基于機(jī)器學(xué)習(xí)方法的分類結(jié)果

在實(shí)驗(yàn)中，本文運(yùn)用了樸素貝葉斯、C4.5、Adaboost 3種分類器對(duì)數(shù)據(jù)集進(jìn)行了訓(xùn)練、測(cè)試，因?yàn)閿?shù)據(jù)有限，所以在這里采用了十折交叉驗(yàn)證的方法。分類結(jié)果（見表3）中可看出，各分類器效果差不多，對(duì)可融合的POI分類較好，但對(duì)不可融合部分各指標(biāo)還是偏低?？傮w來說，C4.5效果較好，適合應(yīng)用在這個(gè)分類中。

表2 根據(jù)不同字段分類的最佳閥值及結(jié)果Table 2 The optimal threshold and result

表3 不同分類器的分類結(jié)果Table 3 Classification result for different classifier

5 結(jié)語

本文分別定義了POI各個(gè)特征字段的相似度，根據(jù)這些相似度構(gòu)造出POI相似模型，并對(duì)網(wǎng)絡(luò)上抽取的POI數(shù)據(jù)進(jìn)行有效分類。最后實(shí)驗(yàn)結(jié)果準(zhǔn)確率可達(dá)到90%左右，驗(yàn)證了根據(jù)相似度構(gòu)建模型的正確性和可行性。同時(shí)還說明對(duì)POI各字段進(jìn)行適當(dāng)?shù)娜诤希瑢?duì)其分類可以起到一定的積極作用。

對(duì)于這些分類為可融合的POI，除名稱、地址、經(jīng)緯度外的其它部分不具有統(tǒng)一的數(shù)據(jù)結(jié)構(gòu)，并且還存在大量的冗余信息，仍然不能不能直接應(yīng)用于位置服務(wù)中。下一步還需要研究改進(jìn)POI的融合模型，得更有價(jià)值的融合結(jié)果。

［1］ Krosche J，Boll S.The xPOI Concept［C］.／／Location and Context Awareness，Oberpfaffenhofen：Germang Springer，2005：113－119.

［2］ 王海波.基于GPS與實(shí)景影像的POI快速采集技術(shù) ［J］.中國(guó)科技信息，2007（12）：121－122.

［3］ Tom M，Mitchell.Machine Learning［M］.曾華軍，譯.北京：機(jī)械工業(yè)出版社，2005：38－56，112－135.

［4］ Ryszard S.Michalshi，Ivan Bratko.Machine Learning and Data Mining：Methods and Applications［M］.朱明，譯.北京：電子工業(yè)出版社，2004：67－94，114－117.

［5］ Vivek S.Entity Resolution in Geospatial Data Integration ［J］.ACM－GIS，2006，11：10－11.

［6］ 牛永潔，張成.多種字符串相似度算法的比較研究 ［J］.計(jì)算機(jī)與數(shù)字工程，2012，3：14－17.

［7］ 江洲，李琦.地理編碼（Geocoding）的應(yīng)用研究 ［J］.地理與地理信息科學(xué)，2003（3）：22－25.

［8］ 孫亞夫，陳文斌.基于分詞的地址匹配技術(shù) ［C］.／／中國(guó)地理信息系統(tǒng)協(xié)會(huì)第四次會(huì)員代表大會(huì)暨第十一屆年會(huì)論文集.北京：科學(xué)出版社，2007：114－125.

［9］ 宋玲，徐白.中文檢索系統(tǒng)的相似匹配技術(shù)研究和實(shí)現(xiàn) ［J］.計(jì)算機(jī)科學(xué) A輯，2010，37（12）：46－48.

［10］ Beeri C，Kanza Y，Safra E.Object Fusion in Geographic Information System ［C］.Toronto：Proceeding of the 30th VLDB Conference，2004：816－827.