跨境旅游地理实体智能融合数据集

1.多源采集：并行调用三类数据源：高德地图POI/MCP（权威源，提供经纬度、行政区划、营业时间）、权威百科条目（百度百科/维基百科，半权威源，提供官方英文名与文化背景）、UGC平台（小红书/TikTok/马蜂窝，体验源，提供一手图片与实时Tips）。 2.实体规范化三级权威回退：第一级从权威百科查官方英文译名；第二级从通用百科语料查常用英文译名；第三级以汉字拼音转写+类别英文标准化后缀兜底。 3.模糊匹配查重：新增实体加入时，在中文别名集与英文别名集中执行编辑距离匹配+同义词扩展。 4.多源属性权威分级合并：命中已有标识符时——经纬度以高德POI为权威；文化描述以百科条目与UGC为来源；用户体验文本不合并仅追加，并完整记录原始source_ref。 5.双语别名索引：每个规范化标识符对应中文正式名、英文正式名、中文别名列表、英文别名列表、经纬度坐标、所属省份与城市；命名歧义与多源差异在入库阶段统一收敛。

搜集汇总

背景与挑战

背景概述

该数据集包含约1000条跨境旅游地理实体数据，按月更新，旨在融合高德POI、百科条目及UGC平台等多源信息，构建双语地理实体库。它适用于海外来华旅游内容分发、地名标准化管理及跨境文旅平台运营等场景，通过三级权威回退、模糊匹配查重和多源属性合并等算法确保数据质量与一致性。