如何檢查給定的字符串是否爲有效的地理位置？

我有一個字符串列表（名詞短語），我想過濾掉所有有效的地理位置。其中大多數（不需要的位置名稱）都是國家或城市或州名。有什麼辦法可以做到這一點？是否有可用的開源查詢表，其中包含世界上所有的國家，州和城市？如何檢查給定的字符串是否爲有效的地理位置？

實施例所需的輸出： TREC4：假，維也納：真，部：假，IBM：假，蒙特利爾：真，新加坡：真

不像這篇文章：Verify user input location string is a valid geographic location? 我有很多這樣的字符串（~70萬），所以谷歌地理定位API可能不適合我。

來源

2016-01-08 Soumyajit

怎麼樣：en-ner-location.bin從http://opennlp.sourceforge.net/models-1.5/或類似的東西http://stackoverflow.com/questions/18371092/stanford-named-entity-recognizer -ner-functional-with-nltk – alvas

我使用了NLTK ner識別。看起來不錯，我會試試看.. – Soumyajit

您可以通過Yahoo使用geoplanet數據，或通過geonames.org使用geonames數據。這裏是geoplanet含500萬個世界的地理地方TSV文件的鏈接： https://developer.yahoo.com/geo/geoplanet/data/

此外，geoplanet數據將提供您鍵入的地理位置（市，鄉村，郊區等），具有獨特的ID一起。 https://developer.yahoo.com/geo/geoplanet/guide/concepts.html

你可以做一個小寫，消毒（如去除特殊字符等異常情況）你的針串存在於該數據的名稱相匹配。如果你不想完整的文件掃描，首先處理這些數據將其存儲在快速查找數據庫，如mongodb或redis將是有益的。

來源

2016-01-09 12:32:55 DhruvPathak

它看起來像雅虎已停止給予下載數據集。他們提供了一個API：\ ....無論如何，我正在研究它。 – Soumyajit

該數據庫可能在其他來源下載。您也可以嘗試使用geonames或openstreetmap數據。 – DhruvPathak

你已經做到了.. :)在互聯網存檔：D – Soumyajit

我可以建議以下三個選項：

一）使用鍊金術API：http://www.alchemyapi.com/ 如果您嘗試他們的演示，如法國的地方，檀香山給實體類型爲國家或城市

B）使用TAGME：http://tagme.di.unipi.it/ TAGME將給定文本中的每個實體連接到相應的維基百科頁面。抓取wikipedia頁面並檢查信息框和篩選器

c）使用維基百科礦工：我無法找到相關鏈接。但是，這也適用於TAGME。

建議您嘗試所有三種方法，併爲每個實例進行多數投票。

來源

2016-01-09 17:07:54

如何檢查給定的字符串是否爲有效的地理位置？

回答

相關問題