作为地理空间信息的重要组成部分,POI数据是极其重要的一种基础性资源,在众多领域中都有着广泛的应用价值与模式,对面向用户的位置服务也有着重要意义。随着移动互联网和众源技术的不断发展,网络上开始涌现出大量的众源POI数据资源,人们对地理信息位置服务的需求也在不断增加。将拥有体量大、时势性强、信息丰富、质量不确定等特性的众源数据进行匹配融合建库,能够使众源POI数据的位置信息与属性信息形成互补,为地理信息位置服务提供更为丰富的数据。然而,不同来源的POI数据在几何和语义表达方面存在差异,信息完善度和丰富程度也有所不同,同一POI实体可能具有不同的名称表达、几何位置或分类体系,缺乏统一的表达模型。因此,本文将以众源POI数据为切入点,探索众源异构POI数据的精确匹配算法,研究基于匹配POI点对的数据融合规则,构建众源POI数据的统一表达模型,并采用万维网联盟的通用溯源模型记录POI融合的溯源信息,增强融合实体库的可信度。首先,针对众源POI数据的匹配问题,探索相似度特征选取与计算方法、基于机器学习的特征组合方式和基于图论算法的精准匹配方法。其中,相似度特征的选取是POI匹配的基础,不同的相似度特征组合往往导致不同的匹配精度与准确性。本文基于POI数据的空间位置、分类体系和名称属性的特征选取了五种相似度度量参与匹配计算,以机器学习模型取代基于人工分配权重的多相似度特征加权计算步骤,通过图论算法剔除混淆误匹配点对。通过对比多个机器学习模型和图论算法,最终提出了结合多层感知器和Kuhn-Munkres算法(KM算法)的POI匹配方法,能够有效辨别一对一的POI匹配点对,实现相似点对的精准匹配。其次,研究多源POI数据的融合方法,通过对异构POI数据存在的差异进行分析总结,将众源数据中的冲突归纳划分为命名冲突、结构冲突与属性冲突三类。结合数据集中POI数据的属性丰富程度以及属性特征,着重探讨了属性冲突的解决方法,提出三种解决冲突的策略:冲突忽略策略、冲突避免策略与冲突消解策略,并以此构建了众源POI数据的属性融合规则,对属性融合过程中的属性值取舍进行了统一,有效避免了POI数据出现属性冗余重复、关键属性值缺失等现象。最后,在实体库的构建方面,基于众源POI数据的空间语义、核心类别与基本属性等特性构建相应的词表,使用关系表达语句来对实体与属性值之间的关系进行描述,构建了异构POI数据的统一语义表达模型,该模型涵盖了POI实体数据的各方特性。并结合万维网联盟的PROV-DM溯源模型在地理信息领域中的应用模式,对众源POI数据的融合过程进行了溯源信息的结构化记录表达,实现了基于众源POI数据匹配与融合的溯源感知的实体库构建。