浅谈地理编码

地理编码的过程：将一段表示地址的文字与大量表示地址并包含位置属性（有经纬度信息）的文字进行相似性匹配，在这些表示地址的文字中匹配到相似度最高的文字，最后，返回匹配结果和相应的经纬度信息做为这个过程的成果。

根据地理编码的过程可知，这个过程与数据库里执行查询得到满足一定条件的数据这一过程（图一）是类似的，因此，可以利用数据库技术实现地理编码。

图一：在数据库中查询名称叫’北京极海纵横信息技术有限公司’的数据

利用数据库技术实现地理编码时，需要对两段文字的相似性进行度量，一种简单的度量方式就是：对两段文字进行分词，转换为词组列表，然后统计两个词组列表中相同的词组有多少个，相同的词组越多，两段文字的相似度越高（如图二）。图二所示：通过统计地址A和地址B共有词组列表中词组数量即可得到两个地址之间的相似性度量值。

图二：两段文字的相似性度量方法

在数据库中，根据上述两段文字的相似性度量方法，编写查询语句执行查询即可对一段表示地址的文字进行地理编码，图三即为’银谷大厦215’这段文字的地理编码结果。

图三：对’银谷大厦215’这段文字进行地理编码

搭建网络服务将上述编码过程做为后端支撑，通过网络调用上述编码过程，将上述地理编码实现过程产品化，图四即为地理编码最终实现成果

图四：对’极海纵横’进行地理编码的最终展示成果

总结

以上所述，从自身对地理编码过程的理解出发，简要地描述了利用数据库技术实现地理编码的部分过程，简要地描述了综合利用数据库和分词以及搭建网络服务，实现一个达到基本功能的地理编码原型产品。本文并未对上述地理编码实现原理的可靠性、有效性等进行验证，只是进行可行性尝试，有自娱自乐的成分，因为，开发一个完善的地理编码产品涉及的细节很多，以自身对地理编码的理解：利用数据库做后端支撑，在高并发请求的现实环境中是否能保证可靠性，这是需要考虑的细节；利用数据库做后端支撑，在大数据量的现实环境中是否能保证查询的效率，这是需要考虑的细节；分词的有效性如何提升，分词错误时如何识别，这是需要考虑的细节；查询得到的结果如何排序，这是需要考虑的细节；以及许多实际使用时会遇到的种种未知情况需要考虑；要做好地理编码，得不断优化改良。