Google 地理编码 API 内部工作原理答案

【问题标题】：Google geocoding API Inner WorkingsGoogle 地理编码 API 内部工作原理
【发布时间】：2023-03-27 03:12:02
【问题描述】：

我目前正在处理一些大型数据集，其中包含一些基于位置的信息，但缺少创建可视化所需的直接纬度和经度测量值。

为了解决这个问题，我一直在使用地理编码 API，这些 API 需要地址或类似地址的信息作为输入，并提供纬度和经度信息作为输出。

我从使用Nominatim API 开始。不幸的是，由于我拥有的类似地址的数据的性质，我的许多查询都失败了，所以我开始使用Google geocoding API。 Google API 为我提供了更高的成功率，但它是一个付费 API，并不理想。

我意识到，鉴于 Google 拥有令人难以置信的资源，几乎不可能在合理的时间内构建一个与他们的地理编码 API 相媲美的系统，但这让我想知道幕后发生了什么。

类似 BERT 的翻译系统是否在起作用？短信发出后会怎样？

【问题讨论】：

我无法在地方搜索或地理编码 API 中使用 BERT 找到对 Google 的公开引用，或者关于“文本发送后会发生什么”的任何内容，真的。但是，鉴于 Google 在搜索方面的历史，他们不太可能会应用其文本搜索技术（BERT 或其他）来纠正拼写错误或以其他方式调整输入查询以识别同义词等，这可以解释较高的命中率。

标签： machine-learning google-api gis geocoding google-geocoder

【解决方案1】：

我通过创建索引和倒排索引将 n-gram 用于类似用途。看这个包ngram

import ngram 
...

country = filename.replace('.csv', '')
ind[country] = ngram.NGram()
inv[country] = {}
s_csv = csv.reader(stream, delimiter=';')
next(s_csv)
for row in s_csv:
    coord = tuple(map(float, row[0:2]))
    ad = ' '.join(row[2:]).lower()
    ind[country].add(ad)
    inv[country][ad] = (coord, address)

那么你可以使用find函数

注意像法国和 OSM Data 这样的国家/地区的内存消耗 ~16GB RAM

要查看它的实现，请查看OpenGeoCode HTTP API Service source code

【讨论】：