我有一个字符串列表（名词短语），我想从中筛选出所有有效的地理位置。其中大多数（不需要的位置名称）是国家或城市或州名称。怎么办呢？是否有可用的开源查找表，其中包含世界上所有国家，州/城市？
示例所需输出： TREC4 ：false， Vienna ： true ，部：false， IBM ：false ，蒙特利尔： true ，新加坡： true
与此帖不同：Verify user input location string is a valid geographic location? 我有很多像这样的字符串（约70万），所以谷歌地理位置API 可能不适合我。
答案 0 :(得分：3)
您可以使用Yahoo的geoplanet数据，或geonames.org的geonames数据。 以下是包含世界上500万个地理位置的geoplanet TSV文件的链接： https://developer.yahoo.com/geo/geoplanet/data/
此外，geoplanet数据将为您提供地理位置的类型（城市，国家，郊区等）以及唯一ID。 https://developer.yahoo.com/geo/geoplanet/guide/concepts.html
您可以对针头字符串与此数据中的名称进行小写，消毒（例如删除特殊字符和其他异常）匹配。 如果您不想要完整的文件扫描，首先处理此数据以将其存储在快速查找数据库（如mongodb或redis）中将是有益的。
答案 1 :(得分：1)
我可以建议以下三个选项：
a）使用Alchemy API：http://www.alchemyapi.com/ 如果您尝试他们的演示，像法国，檀香山这样的地方会将实体类型指定为国家或城市
b）使用TAGME：http://tagme.di.unipi.it/ TAGME将给定文本中的每个实体连接到相应的维基百科页面。抓取维基百科页面并检查信息框和过滤器
c）使用Wikipedia Miner：我无法找到相关链接。但是，这也像TAGME一样。
建议您尝试所有三个并为每个实例进行多数表决。