POI (Point of interest)는 위치 정보를 가진 관심 지점을 뜻하는 용어로, 디지털 지도 위에서 표현될 수 있는 주요 시설물(관광지, 교통시설, 문화시설, 음식점, 연례 축제 장소 등)과 지역 등을 지칭한다. 이러한 POI는 위치 기반 서비스에서 대부분의 데이터를 연결하고 관리하는 기준점으로 쓰인다. 본 논문에서는 학습 데이터에 의존하지 않는 근사개체명 인식 방법을 이용하여 텍스트로부터 POI후보를 탐지하고, POI를 POI 집합에 연결하는데 있어서의 모호성을 해소하는 두 단계의 관심 지점 탐지 방법을 제안하였다. POI 모호성 해소 문제를 해결하기 위해 문서의 주제 지역 정보를 이용하는 방법과 POI 그래프를 생성하는 방법을 제안하고, 테스트 콜렉션 구축을 통한 정량적 평가를 통해 두가지 POI 모호성 해소 방법의 성능과 장점 및 단점을 분석하였다.

A point of interest (POI) is a term referring to a geographic entity such as a landmark, transportation, restaurant, annual festival and even a region. POIs are the basis for management and linking of the data in location-based applications. In this paper we propose a two-step method for POI detection from text. The first step is POI candidate detection based on the approximate entity recognition method that does not need any training data. The second step is POI candidate disambiguation that selects the best ontological entity for the POI candidate. We propose two POI candidate disambiguation methods: one based on theme locations and the other based on POI graphs. Furthermore, we construct a test collection for effectiveness evaluation and analyze the advantages and disadvantages of each POI candidate disambiguation method.