获得由 geograpy3 提取的国家/地区的置信度/距离

Question

我尝试了一个简单的演示来检查 geograpy 是否可以满足我的要求：尝试在非规范化地址中查找国家名称和 iso 代码（这基本上就是 geograpy 的用途！ ）。
问题是，在我做的测试中，geograpy 能够为每个使用的地址找到几个国家，在大多数情况下包括正确的，但是 我找不到任何类型的参数来决定哪个国家是最“正确”的。
我使用的虚假地址列表，可能反映了可以分析的现实，是这样的：

• John Doe 115 Huntington Terrace Newark, New York 07112 Stati Uniti
• John Doe 160 Huntington Terrace Newark, New York 07112 United States of America
• John Doe 30 Huntington Terrace Newark, New York 07112 USA
• John Doe 22 Huntington Terrace Newark, New York 07112 US
• Mario Bianchi, Via Nazionale 256, 00148 Roma (RM) Italia
• Mario Bianchi, Via Nazionale 256, 00148 Roma (RM) Italy

这是编写的简单代码：

import geograpy

ind = ["John Doe 115 Huntington Terrace Newark, New York 07112 Stati Uniti",
"John Doe 160 Huntington Terrace Newark, New York 07112 United States of America",
"John Doe 30 Huntington Terrace Newark, New York 07112 USA",
"John Doe 22 Huntington Terrace Newark, New York 07112 US",
"Mario Bianchi, Via Nazionale 256, 00148 Roma (RM) Italia",
"Mario Bianchi, Via Nazionale 256, 00148 Roma (RM) Italy"]

locator = geograpy.locator.Locator()
for address in ind:
    places = geograpy.get_place_context(text=address)
    print(address)
    #print(places)
    for country in places.countries:
      print("Country:"+country+", IsoCode:"+locator.getCountry(name=country).iso)
    print()

这是输出：

John Doe 115 Huntington Terrace Newark, New York 07112 Stati Uniti
Country:United Kingdom, IsoCode:GB
Country:Jamaica, IsoCode:JM
Country:United States, IsoCode:US

John Doe 160 Huntington Terrace Newark, New York 07112 United States of America
Country:United States, IsoCode:US
Country:United Kingdom, IsoCode:GB
Country:Netherlands, IsoCode:NL
Country:Jamaica, IsoCode:JM
Country:Argentina, IsoCode:AR

John Doe 30 Huntington Terrace Newark, New York 07112 USA
Country:United Kingdom, IsoCode:GB
Country:Jamaica, IsoCode:JM
Country:United States, IsoCode:US

John Doe 22 Huntington Terrace Newark, New York 07112 US
Country:United Kingdom, IsoCode:GB
Country:Jamaica, IsoCode:JM
Country:United States, IsoCode:US

Mario Bianchi, Via Nazionale 256, 00148 Roma (RM) Italia
Country:Australia, IsoCode:AU
Country:Sweden, IsoCode:SE
Country:United States, IsoCode:US

Mario Bianchi, Via Nazionale 256, 00148 Roma (RM) Italy
Country:Italy, IsoCode:IT
Country:Australia, IsoCode:AU
Country:Sweden, IsoCode:SE
Country:United States, IsoCode:US

首先，最大的问题是在意大利的地址（第 4 位）无法在所有正确的国家/地区找到（意大利/意大利），我不知道从哪里三国发现来自。
在大多数情况下，它会找到错误的国家，沉迷于正确的国家，并且 我没有任何类型的关于置信度百分比、距离或我能理解的国家/地区的指标的指标 被认为是可以接受的答案，并且在多个结果中，可能是“最佳”。

我想提前道歉，但我没有时间深入研究 geograpy3，我不知道这是否是一个愚蠢的问题，但我还没有找到任何关于信心/概率/文档中的距离。

Answer 1

我作为 geograpy3 的提交者回答。

看起来您在第一步尝试使用 geograpy Version1 的旧界面，然后才使用定位器。对于您的用例，改进的定位器界面可能更加合理。此界面可以使用人口或人均 gdp 等额外信息来查找“最有可能”的国家进行消歧。

Stati Uniti/United States Italia/Italy 问题是一个语言问题 - 请参阅 geograpy version1 的长期未决问题 https://github.com/ushahidi/geograpy/issues/23。截至今天，geograpy3 中似乎还没有新问题 - 如果您需要此改进，请随时提交。

我将您的示例添加到 geograpy3 项目中的 test_locator.py 以显示概念上的差异：

def testStackOverflow64379688(self):
        '''
        compare old and new geograpy interface
        '''
        examples=['John Doe 160 Huntington Terrace Newark, New York 07112 United States of America',
                  'John Doe 30 Huntington Terrace Newark, New York 07112 USA',
                  'John Doe 22 Huntington Terrace Newark, New York 07112 US',
                  'Mario Bianchi, Via Nazionale 256, 00148 Roma (RM) Italia',
                  'Mario Bianchi, Via Nazionale 256, 00148 Roma (RM) Italy',
                  'Newark','Rome']
        for example in examples:
            city=geograpy.locateCity(example,debug=False)
            print(city)

结果：

None
None
None
None
None
Newark (US-NJ(New Jersey) - US(United States))
Rome (IT-62(Latium) - IT(Italy))