[论文解读] An empirical study on the names of points of interest and their changes with geographic distance

Yingjie Hu, Krzysztof Janowicz|arXiv (Cornell University)|Jun 21, 2018

Geographic Information Systems Studies参考文献 17被引用 6

一句话总结

本研究利用Yelp数据，对美国七个大都市区的112,071个兴趣点（POI）进行分析，探讨POI名称术语随地理距离的变化规律。研究采用TF-IDF与word2vec方法识别本地术语并测量语义相似性，发现名称相似性存在显著的距离衰减效应，斜率为-0.090，决定系数R²为0.828，表明POI名称的相似性随地理距离增加而降低。

ABSTRACT

While Points Of Interest (POIs), such as restaurants, hotels, and barber shops, are part of urban areas irrespective of their specific locations, the names of these POIs often reveal valuable information related to local culture, landmarks, influential families, figures, events, and so on. Place names have long been studied by geographers, e.g., to understand their origins and relations to family names. However, there is a lack of large-scale empirical studies that examine the localness of place names and their changes with geographic distance. In addition to enhancing our understanding of the coherence of geographic regions, such empirical studies are also significant for geographic information retrieval where they can inform computational models and improve the accuracy of place name disambiguation. In this work, we conduct an empirical study based on 112,071 POIs in seven US metropolitan areas extracted from an open Yelp dataset. We propose to adopt term frequency and inverse document frequency in geographic contexts to identify local terms used in POI names and to analyze their usages across different POI types. Our results show an uneven usage of local terms across POI types, which is highly consistent among different geographic regions. We also examine the decaying effect of POI name similarity with the increase of distance among POIs. While our analysis focuses on urban POI names, the presented methods can be generalized to other place types as well, such as mountain peaks and streets.

研究动机与目标

• 理解POI名称术语如何反映地方文化，并在地理空间中发生变化。
• 利用地理TF-IDF识别POI名称中的本地术语，并评估其在不同POI类型中的使用情况。
• 建模不同区域POI名称的集体语义相似性，并检验距离衰减效应。
• 为改善地理信息检索与地点名称消歧提供定量基础。

提出的方法

• 从开放的Yelp数据集中提取了美国七个大都市区的112,071个POI。
• 在地理语境下应用词频-逆文档频率（TF-IDF）方法，识别POI名称中的本地术语。
• 使用word2vec嵌入模型，对不同区域POI名称之间的语义相似性进行建模。
• 基于计数向量与word2vec嵌入，计算大都市区之间的集体相似性矩阵。
• 拟合线性模型，评估名称相似性随地理距离增加而衰减的情况。
• 通过相似性模式与地理距离矩阵的可视化结果验证研究发现。

实验结果

研究问题

• RQ1 POI名称中的本地术语在不同POI类型中如何变化？该模式在不同地理区域是否一致？
• RQ2 随着大都市区之间地理距离的增加，POI名称的相似性衰减程度如何？
• RQ3 基于计数的向量表示与word2vec嵌入在捕捉POI名称语义相似性方面表现如何？
• RQ4 地理距离与不同区域POI名称集体相似性之间存在何种定量关系？
• RQ5 观察到的本地术语使用模式与名称相似性是否可为地点名称消歧的计算模型提供支持？

主要发现

• POI名称中的本地术语在频率分布上符合齐普夫定律，表明术语使用呈现幂律分布特征。
• 本地术语在不同POI类型中的使用存在不均衡现象，其中汽车维修服务的本地术语使用率高于餐厅。
• 在使用word2vec嵌入时，POI名称相似性表现出强烈的距离衰减效应，斜率为-0.090，决定系数R²为0.828。
• 基于word2vec的相似性度量与地理距离模式的匹配度高于基于计数的向量。
• 相似性模式揭示了数据中存在两个明显聚类，分别对应地理上更近与更远的大都市区配对。
• 研究结果表明，POI名称语义系统性地受地理邻近性影响，支持在地理信息系统中使用本地语言特征。