移动互联网颠覆了人们的生活方式,互联网+商户为吸引客户消费出台各种优惠信息,但是这些信息散落在互联网各处,用户有时需要同时安装好几款软件或者访问不同的网站才能享受到附近不同商家的优惠信息,用户到达度偏低。为了采集汇聚POI信息,构建数据仓库,需要从各种异构的数据源导入大量的数据,而这些原始数据存在各种质量问题,使得在应用前端的决策支持系统出现错误的分析结果,影响信息服务的质量,数据清洗是提高数据质量的重要途径。本文首先介绍数据清洗的概念、原理、意义和国内外研究现状,重点对字符串匹配算法和相似重复记录检测算法和特点做了分析和比较。接着,根据来源于大众点评、团800、QQ美食的POI商户信息的特点,进行了数据仓库的总体设计。并针对POI商户信息的具体质量问题作数据清洗,包括商户名、商户地址和商户电话号码等信息,其中在对商户地址信息处理过程中,建立标准的行政区划词典库,以完成对商户地址信息的规范化处理;在地址规范化处理过程中,逐步建立街道、标志性建筑等词库,为以后处理更多的POI商户地址信息做标准词库参考。随后,根据标准化处理的POI商户地址信息,利用Arc GIS对数据清洗结果加以验证。即利用百度API提供的地址解析接口,获取数据清洗前后商户的经纬度,由Arc Map拟合经纬度,直观判断数据清洗前后的效果。最后,运用Geo Hash编码,将二维的经纬度编成一维字符串,方便基于用户位置的商家信息的查询与推送,并且将清洗后的数据加载入数据仓库。在本文的结尾,对所做的工作进行了总结,并对POI商户信息数据仓库的深入开发应用做了展望。