導讀：高德地圖擁有幾千萬的POI興趣點，例如大廈、底商、學校等資料，而且每天不斷有新的POI出現。為了維持POI資料的鮮度，高德會通過大量的資料採集來覆蓋和更新。現實中POI名稱複雜，多變，同時，名稱制作工藝要求嚴格，通過人工來製作POI名稱，需要花費大量的人力成本。
因此，POI名稱的自動生成就顯得格外重要，而機器對商戶掛牌的語義理解又是其中關鍵的一環。本文主要介紹相關技術方案在高德的實踐和業務效果。
一、背景
現實世界中，商戶的掛牌各式各樣，千奇百怪，如何讓機器正確的理解牌匾語義是一個難點。商戶掛牌的文字種類有很多，如下圖所示，我們可以看到一個商戶牌匾的構成。
結合POI的名稱制作工藝，我們目前將POI的牌匾的文字行分為4大類：主名稱、經營性質（包括經營範圍，具體的進行專案）、分店名、噪聲（包括非POI文字，地址，聯絡方式），前面3個類別會參與到POI名稱制作中。如上圖所示的牌匾，它輸出的規範名稱應該是“世紀巨集圖不動產 (興業路店)”。其中“世紀巨集圖”是主名稱，“不動產”是經營範圍，而“興業路店”是分店名。
從牌匾中找出製作名稱所需要的文字，不僅僅需要文字行自身的一些特徵，還需要通過結合牌匾上下文，以及影像的資訊進行分析。單純的文字行識別會遇到下面的問題，如下圖，在兩個牌匾中都提到了“中國電信”，但是它們的意義是不一樣的，這時必須結合上下文的理解。
二、技術方案
單純從文字的語義理解的角度出發，那麼這個應該是一個文字分類問題。但是直接的分類效果不佳。現實中在理解牌匾文字行語義的時候，需要結合圖形，位置，內容，以及上下文關係綜合來判斷。為此，我們將商戶掛牌理解的這個問題分解成兩個子問題來解決，1.如何結合影像、文字、以及空間位置；2.如何結合上下文關係。因此，我們提出了Two-Stages級聯模型。
2.1 Two-Stages 級聯模型
Two-stages級聯模型分為兩個主要的階段：第一階段提取單文字資訊特徵，包括文字位置和文字內容等，第二階段提取牌匾中文字行上下文關係特徵，消除只用單個文字識別容易造成的歧義，準確識別出該文字屬性。
2.1.1 Stage One 單文字行特徵提取
單文字行特徵可以分為詞性結構（token level）特徵和句子語義（sentence level）特徵。除此之外，位置資訊（PV）也是比較重要的資訊，需要進行特徵提取和編碼。將以上特徵進行融合，得到了單文字行特徵。
token level層的特徵提取方面，結合名稱的構成以及名稱工藝，我們定義了三種詞性: 核心詞(C)、通用詞(U)、結尾詞(T)。在這裡我們使用LSTM網路來學習名稱的詞性序列。
sentence leve層的特徵提取方面，由於我們的標註量相對比較少，採用了具有大量先驗知識的BERT模型。同時，為了更好的符合當前業務場景的需求，我們結合業務中POI的資料集合，在原來Google官方提供的預訓練模型基礎上繼續pre-training，得到新的模型BERT-POI。
預訓練的POI文字語料沒有太多的上下文環境，在構造樣本時，我們將兩個POI名稱串起來或是同一個POI隨機切分，中間都用SEP隔開，進行多工學習：缺字補全和預測兩個文字行是否屬於同一POI。經過實驗發現，在POI資料上預訓練模型BERT-POI 比Google釋出模型BERT-Google，缺字補全和同一POI判定兩項任務上名，正確率高20%左右。
此外，將預訓練的模型用於下游屬性識別任務上，BERT-POI與BERT-Google相比，提升主名稱，分店名，營業範圍的召回3%~6%。
下圖展示了我們預訓練的過程圖:
隨後，我們對預訓練好的BERT-POI在進行了finetune，提取出sentence leve層的特徵。
2.1.2 Stage-Two 文字相互關係提取
Stage One提取到了單文字行的特徵，那如何去實現上下文的關聯，我們加入了Stage Two的模組，模型結構如下：
Stage Two最主要是用BILSTM(Bidirectional LSTM)處理stage one輸出特徵，能夠將當前文字特徵和牌匾內其他文字特徵進行學習，消除歧義。
三、業務效果
牌匾通過語義理解後，會根據具體的輸出型別來制定名稱生成的策略。例如：對於單主+噪聲牌匾，我們直接將主名稱作為POI名稱，而對於單主+分店名+經營性質+噪聲的牌匾，我們會分析主名稱的結構，看是否需要拼接經營性質。
下圖展示了當前我們牌匾語義理解和名稱的部分拼接策略：
圖3.1單主+噪聲場景
圖3.2 單主+分店名場景
圖3.3單主+經營性質場景(主名稱中有經營性質)
圖3.4 單主+經營性質場景(主名稱中無經營性質)
四、小結
目前商戶牌匾語義理解模組的準確率在95%以上，在POI的名稱自動生成中起到的重要的作用。商戶牌匾的語義理解模組只是POI名稱自動化的一部分內容，在POI名稱自動化中還會涉及到噪聲牌匾過濾、牌匾是否依附建築物、敏感類別、文字的缺失、名稱生成、名稱糾錯等模組。我們會在圖文多模態這塊更深入的探索，更多地應用於我們現實場景中，生產更多、更高質量的資料。