- POI(Point of Interest)는 지도 위에 표시된 의미 있는 관심 지점으로, 카페/식당/교통시설 등 사람들이 실제로 방문하는 장소
- 단순 분류를 넘어 공간을 디지털로 의미 있게 표현하는 작업. 검색, 추천, 마케팅 등 위치 기반 서비스의 기반
- 프로세스는 POI 식별 → POI 분류 → 추가 정보 추출 → 변화 감지 및 자동 업데이트 순으로 이어짐
POI 식별 : 지도상의 좌표가 실제로 의미 있는 장소인지 아닌지를 판단. Random Forest/XGBoost/심층 신경망으로 분류. 공간 특징(건물 유형, 도로 근접성), 시간 특징(방문 빈도, 체류 시간), 텍스트 특징(리뷰 임베딩 Word2Vec/BERT), 사용자 행동 특징(체크인 수, 사진 업로드 수)을 특징 공학으로 결합. POI보다 비POI가 훨씬 많아 SMOTE, 가중치 조정으로 클래스 불균형 처리
POI 분류 : 계층적 분류 방식으로 대분류(식음료, 교통시설 등) → 세부 카테고리(24시간 프랜차이즈 카페, 스페셜티 커피숍 등) 순으로 세분화. BERT/RoBERTa로 장소 이름, 설명, 메뉴, 리뷰 등 텍스트를 분석해 미묘한 카테고리 차이 구분. 레이블이 없는 POI가 많아 준지도 학습(Label Propagation)으로 소량 데이터로 유사 POI를 자동 분류
추가 정보 추출 : NER로 영업시간, 전화번호, 가격대 등 구조화된 정보 자동 추출. 관계 추출로 장소-속성 관계 파악(카페-테이크아웃-가능, 식당-주차장-있음 등). 정규표현식(패턴이 명확한 정보)과 기계학습(주관적 정보)을 결합한 하이브리드 방식. 텍스트/이미지/위치 데이터를 통합하고 Neo4j로 지식 그래프 구축
변화 감지 및 자동 업데이트 : ARIMA/Prophet/LSTM으로 방문/리뷰 패턴 변화를 탐지해 폐업/신규 개업을 예측. 자카드/코사인 유사도로 영업시간, 메뉴 변경 등 텍스트 변화 자동 감지. Kafka/Kinesis로 스트리밍 데이터를 실시간 처리하고 즉시 반영