闲鱼别名知识库数据挖掘与工程建设

摘要

一些与地理位置相关的业务（如租房业务），会基于地理兴趣点（以下简称POI）去构建，为该地点的用户提供更精细化的服务。

通常一个POI都会有一个官方名称，有的会有别名称呼，例如“北京大学”，又称为“北大”。这些POI点周围的用户通常习惯用别名去进行搜索，如果没有这些别名数据，可能会导致提供给用户的信息有误。因此如何获取现实中地址的别名，并通过别名知识系统服务于业务，就显得很重要。

图1：别名生成模型概要图

业界目前还没有公开的地理别名数据信息，有些是通过人工采集，有些通过机器学习或深度学习对别名数据进行挖掘等，成本都比较高。本文另辟蹊径，通过二种方法对地理别名数据进行挖掘：1.基于内容上下文高维向量的别名抓取技术（如图1所示）；2. 基于收货地址相同语境词的分析技术。这些方法实现程度相对简捷和高效，成本较低。此外，对挖掘出的别名数据，建立了一套知识库系统，用于支持地理别名数据的使用。

 

关键词:

地理别名，POI，收货地址，知识库

 

一. 别名数据的挖掘

1. 根据内容上下文高维向量的别名抓取技术

有图2两个收货地址

图2：收货地址上下文比较

如何判断两个收货地址是否相似，可以通过文本相似性算法进行计算，文本相似性算法有很多，本文选择余弦相似性算法。图3为三角形的余弦函数计算公式<