如何避免医院黄页点评网站出现同一地点多页面重复问题

谷歌地图中同一地点出现多组经纬度，本质是采集来源差异（比如不同入口的坐标、不同时间采集的偏移、POI范围标注的精度差异）导致的，因此不能用经纬度完全相等作为去重的唯一判定标准。

可通过多层级校验逻辑解决该问题：

• 用坐标距离阈值匹配替代全等校验
  不直接对比经纬度数值是否完全一致，而是通过haversine()函数计算两个坐标点的球面距离，针对医院类POI设置15~20米的判定阈值，距离小于阈值的判定为疑似同一地点，进入二次校验环节。
• 补充多维度字段交叉校验确认实体
  坐标阈值命中后，通过以下字段的归一化匹配确认是否为同一主体：
  • 医院名称归一化匹配：统一去掉名称中的“有限公司”“分院”“门诊部”“股份”等非核心后缀，计算名称文本相似度，*相似度高于90%*可判定为同一主体
  • 地址文本归一化匹配：将地址结构化拆分为省、市、区、街道、门牌号字段，统一替换简称（如“大道”转“道”、“街道”转“街”）、剔除特殊符号和空格后做匹配
  • 联系信息匹配：对公电话、挂号电话完全一致的可直接判定为同一地点
• 建立唯一实体ID库做最终收口
  所有校验确认的医院实体分配独立唯一ID，新增提交的POI只要命中已有实体ID，直接关联到对应展示页面，不生成新页面。若阈值命中后校验判定为不同实体（如同地址入驻了两家独立门诊），可通过人工审核标记为不同ID即可。

内容的提问来源于stack exchange，提问作者Ahmed ElSifi