（14009期）India Location Normalizer RE-India – 印度房产位置智能标准化引擎

印度房产位置智能标准化引擎 印度房产位置标准化工具，将 Mumbai/Pune 地区的别名（如 Goregaon、Andheri W、PCMC）解析为规范的城市-区域字段，支持置信度标记与歧义处理，纯数据转换无副作用。 使用说明 核心功能与工作流程 India Location Normalizer 是一款专为印度房地产市场设计的地理位置标准化技能，专注于将 Mumbai 和 Pune 地区的非规范位置别名转换为标准的城市-区域-微观市场三级结构。 典型输入处理场景 Mumbai 区域缩写：Scruz → Santacruz，Khar → Khar West/East，Andheri W → Andheri West，Turner Road/Carter Road → Bandra West Pune 区域变体：PCMC（Pimpri-Chinchwad Municipal Corporation），Hinjewadi Phase 1/2/3，Baner、Wakad 等 IT 走廊区域 技术实现路径 输入验证：通过 JSON Schema 校验 lead-location payload 三级匹配策略： 输出结构化：city + localitycanonical + micromarket + confidence + unresolved_flag - 精确匹配（大小写不敏感） - Token 标准化匹配（去除标点、压缩空格） - 保守模糊匹配：仅在歧义极低时触发 显著优势 | 维度 | 说明 ||:---|:---|| 领域专精 | 预置 Mumbai/Pune v1 权威别名映射表，覆盖印度房产高频交易区域 || 安全优先设计 | 纯只读转换，禁止写入数据库、发送消息、触发外部通道 || 歧义防控 | 强制 unresolved_flag 机制，宁可漏配（false-negative）也不误配（false-positive） || 链式集成 | 明确推荐在 lead-extractor 后、sentiment-priority-scorer 前执行，形成数据质量中间层 | 局限性与风险 地理覆盖受限：当前仅支持 Mumbai 和 Pune v1，对 Delhi NCR、Bangalore、Hyderabad 等区域无内置支持 维护依赖：别名映射表 india-location-aliases-v1.json 需人工持续更新，新开发区（如 Pune Metro 扩展带）可能出现滞后 模糊匹配保守：三级匹配策略中的模糊层触发条件严格，部分合理变体可能被标记为 unresolved 输入质量敏感：上游 lead-extractor 若输出严重损坏的位置字符串（如 OCR 错误），下游标准化效果受限 适合人群 印度房产科技（PropTech）平台的数据工程团队 CRM/线索管理系统需批量清洗地理位置字段的运维人员 需要为机器学习模型提供标准化位置特征的数据科学家 常规风险提示 生产级 KPI：需持续监控「canonical resolution rate vs. extractor-only baseline」以验证 ROI 版本锁定：Mumbai/Pune v1 的命名暗示区域扩展版本（v2/v3）可能引入破坏性变更，集成时需 pin 版本 隐私边界：虽为只读技能，但输入的 lead-location payload 可能含 PII，需确保传输链路加密 原始说明 Normalize Indian real-estate location text into canonical city and locality fields (Mumbai and Pune v1) with confidence and unresolved flags. Use when leads...