东南亚餐厅位置与交通目的地之间的空间实体解析
计算与语言
2024-01-17 v1
摘要
作为一家科技公司，Grab 已从交通运输拓展至外卖配送，旨在通过超本地化应用服务东南亚。只要能够解决不同数据集之间的空间实体解析问题，关于地点作为交通目的地的信息便有助于增进我们对地点作为餐厅的认知。在本项目中，我们尝试利用兴趣点（POI）数据库与 GrabFood 餐厅数据库中的空间和文本属性（即纬度、经度、地点名称和街道地址），识别出相同的地点实体。我们为这些属性计算了距离度量，并将其输入基于树的分类器。POI 与餐厅的匹配分别在新加坡、菲律宾、印度尼西亚和马来西亚进行。实验评估表明，在这些国家中，超过 35% 的餐厅可以找到匹配的 POI。作为评估的一部分，我们手动创建了测试数据集，随机森林（RandomForest）、AdaBoost、梯度提升（Gradient Boosting）和 XGBoost 均表现良好，在匹配与不匹配分类任务中，大多数准确率、精确率和召回率得分接近或高于 90%。据作者所知，此前尚无已发表的科学论文专门研究东南亚地区的空间实体匹配问题。
引用
@article{arxiv.2401.08537,
title = {Spatial Entity Resolution between Restaurant Locations and Transportation Destinations in Southeast Asia},
author = {Emily Gao and Dominic Widdows},
journal= {arXiv preprint arXiv:2401.08537},
year = {2024}
}