三源 POI 合并规则文档

数据版本 v4 · 最后更新 2026-07-01 · 覆盖城市 12 个

1. 数据源概览

2. 处理流水线

Places 数据流水线

Places 数据由独立脚本 places_merge.py 处理，与高德/百度主流水线分离：

2.1 数据源

三文件合并时优先级 value > unpopular > popular，同景点 tags 取并集，source_category 累积。

2.2 富化流程（places_merge.py）

2.3 缓存机制（places_cache.json）

2.4 merge_enrich.py 集成

Google 评分匹配时机

Google 评分缓存为 名称 → rating 的键值对，与城市无关。每当出现新 POI 名称（高德新增或百度独有追加），该名称会在次日 4:00 自动添加到 Google 批量查询队列中，4:30 合并时即可命中评分。

3. 匹配规则（三级漏斗）

L1 — 精确名称匹配 L1

示例: "海上世界" ⇔ "海上世界" (括号不影响）

L2 — 归一化名称匹配 L2

示例: "2号沙滩" ⇔ "二号沙滩"
"溪涌度假村海滨浴场" ⇔ "溪涌度假村-海滨浴场"
"深圳湾公园日出剧场" ⇔ "深圳湾公园-日出剧场"
"覔书店" ⇔ "觅书店"

L3 — 词片共识匹配 L3

需同时满足以下全部条件：

1. 同类型：高德一级分类映射后与百度一级 tag 一致
2. 距离 ≤ 30m
3. 语义关联（二选一）：
   • 共享至少 1 个 ≥2 字的中文词片段
   • 较短名称完整包含于较长名称中

正确匹配:
  "深圳书城(宝安城店)" ⇔ "深圳书城·宝安城"  （词片"深圳书城""宝安城"重叠）
  "广东梧桐山国家森林公园" ⇔ "梧桐山"       （包含关系）

过滤案例（L3 拒绝）:
  "大梅沙湾游艇会" ⇔ "深圳海钓游乐园"       （同类型 + 20m，但无词重叠）

类型映射表

4. 字段合并策略

匹配后处理

1. 已匹配的百度 POI 标记为"已消费"，不再作为独有 POI 追加
2. 未被匹配的百度 POI 过噪声后追加为独立记录（source_count=1）
3. 百度独有 POI 的 type 和 typecode 留空

5. 评分算法（family_score）

满分 10 分，四维加权 + Places 背书 + 年龄适配（静态预计算）：

汇总公式：family_score = rating_score + content_score + pop_score + family_fit_score + places_bonus，最终 min(s, 10.0)

亲子适配权重

6. 噪声过滤

百度噪声规则

命中以下任一一级 tag 的 POI 直接过滤：

购物 | 出入口 | 交通设施 | 房地产 | 政府机构 | 酒店
生活服务 | 美食 | 公司企业 | 医疗 | 道路 | 组织机构 | 金融 | 丽人

命中以下组合需同时满足子标签才过滤：

分类映射

合并后每条 POI 按 name + type + baidu_tag + tag 文本关键词匹配，归属于以下 19 个分类之一：

儿童乐园 | 主题乐园 | 水上乐园 | 水族馆 | 动物园 | 植物园 | 科技馆
天文馆 | 博物馆 | 展览馆 | 美术馆 | 图书馆 | 运动场馆 | 户外公园
户外活动 | 风景名胜 | 文化场馆 | 休闲娱乐 | 其他

7. 输出格式

输出文件 /var/www/kids-trip/family_scored_v3.json

{
  "scored": [
    {
      "name": "深圳世界之窗",
      "city": "深圳",
      "lat": 22.537,
      "lng": 113.973,
      "type": "风景名胜;国家级景点;世界之窗",
      "typecode": "110200",
      "rating": 4.6,
      "price": "220",
      "cost": null,
      "address": "深圳市南山区深南大道9037号",
      "tel": "0755-26608000",
      "shop_hours": "09:00-22:30",
      "poi_id": "B0FFGXXXXX",
      "first_seen": "2025-01-01",
      "fee": "",
      "baidu_tag": "旅游景点;风景名胜;主题公园",
      "d7_hot_value": 90,
      "baidu_comment_num": 200,
      "baidu_ranking": "全民爱去榜NO.3",
      "google_rating": 4.5,
      "source_count": 3,
      "is_places": false,
      "category": "主题乐园",
      "family_score": 7.84,
      "places_type": null,
      "desc": "",
      "tags": [],
      "highlights": "",
      "source_category": [],
      "score_breakdown": {
        "rating": 2.76,
        "content": 1.5,
        "popularity": 0.96,
        "family_fit": 2.8,
        "places_bonus": 0.0,
        "age_adapt": {"under12": 1.6, "12+": 1.6}
      }
    }
  ]
}

8. 运行时动态评分

用户请求到达 server.py 后，依次执行四阶段流水线，对当前页 POI 逐条叠加实时修正。最终评分 adj_score = family_score + Σ修正项增量。

请求处理流程

Phase 4 修正项明细

修正后的排序

所有修正项叠加完成后，当前页 POI 按 (免费优先, -adj_score) 二次排序返回。免费 + 实时修正高分 POI 靠前。

性能优化

9. Places 差异化打分 NEW

9.1 source_category 生成

source_category 由 AI 从公网数据抓取自动分类生成，每日更新。分类规则由多个数据源聚合确定（评分、评论数、热度趋势等），主要标记：

三个标记互不排斥，一个 POI 可同时携带多个标记（如 ["popular", "value"]）。标记优先级：popular 和 value 分别覆盖对应维度，unpopular 仅在无 popular 且无 value 时触发 places_bonus。

9.2 五种类型分布

9.3 差异化打分矩阵

在 score_poi() 和 build_breakdown() 中，根据 source_category 决定三个维度是否设为满分或额外加分：

核心逻辑（伪代码）：

places_bonus = 0.0
if is_places:
    if 'value' in source_category:
        rating_score = 3.0           # 高评分 → 评分满分
        places_bonus = 1.5           # 高评分 → 额外 1.5 分背书
    if 'popular' in source_category:
        pop_score = 1.60             # 有人气数据 → 知名度满分
    if 'unpopular' in source_category 
       and 'value' not in source_category 
       and 'popular' not in source_category:
        places_bonus = 3.0           # 纯小众 → 3.0 分探索背书

family_score = min(rating_score + content_score + pop_score 
                   + family_fit_score + places_bonus, 10.0)

9.4 build_breakdown() 六维明细

每条 POI 的 score_breakdown 包含六维：

9.5 Places 独有 POI 追加

places_cache.json 中未匹配到高德主表 POI 的条目（即 Places 独有），经过滤后作为独立 POI 追加：

Places 数据在 merge_enrich.py 中重新走 classify() 分类（含 CATEGORY_MAP 关键词兜底），解决高德 typecode 映射错误（如渔村误分类为餐饮）。详见 第 2 章 Places 数据流水线。

追加的 POI 继承 is_places=True、source_category、places_type、desc、tags、highlights 字段，参与后续评分。

9.6 输出排序

最终输出按 -family_score 降序排列。places_bonus 生效后，纯 unpopular 景点（如塱头古村 family_score 9.16）的排序位置大幅提升，popular 热门景点（如大梅沙 7.48）因无 bonus 而相对偏低——差异反映了"大众热门 vs 隐藏宝藏"的排序理念。

kids-trip 三源 POI 合并规则文档 · v4 · 2026-07-01