با توجه به افزایش روزافزون کاربردهای بازیابی اطلاعات مکانی، جاینامهها به عنوان بخش مهمی از فرآیند بازیابی اطلاعات مکانی، نیازمند غنیسازی هستند. یکی از جنبه‌های غنیسازی شناسایی و افزودن نام‌های جغرافیایی جدید به جاینامه و بههنگامسازی آن می‌باشد. از جمله چالشهای مهم در غنیسازی جاینامهها، در نظر گرفته شدن دیدگاه رسمی و اغلب نادیده گرفته شدن جاینام های محلی و همچنین پرهزینه و زمانبر بودن بههنگامسازی جاینامه ها است. در این تحقیق، با تمرکز بر گردآوری جاینام‌های شهری، روشی داده محور جهت شناسایی نام‌های جغرافیایی از نوع همسایگی و خیابان با استفاده از آگهی‌های املاک ارائه شده است. آگهی‌های املاک برای چهار کلانشهر تهران، مشهد، اصفهان و شیراز از وبسایت دیوار وبکاوی شده و پس از استخراج ان-گرم‌ها و اعمال پیش‌پردازش‌های لازم، ان-گرم‌ها برچسب‌گذاری شدند. بر مبنای 24 معیار مکانی و تحت مدل جنگل تصادفی برای هر کدام از این چهار شهر مدل تولید شده و روی داده سایر شهرها آزموده شد. نتایج نشان‌دهنده‌ی این است که هم در شناسایی خیابان و هم همسایگی، عملکرد مدل آموزش‌یافته براساس داده شهر اول و آزمون روی داده سایر شهرها قابل قبول است. برای مثال، مدل آموزش یافته براساس داده شهر تهران در آزمون روی شهر مشهد، مقادیر 61% و 74% را برای F_score به ترتیب در شناسایی خیابان و همسایگی کسب کرده است. لذا بر این اساس می‌توان گفت که گردآوری نام‌های جغرافیایی در شرایطی که ابزارهای پردازش متن از کارایی کافی برخوردار نباشند، می‌تواند با تکیه بر رفتار مکانی آن‌ها به خوبی انجام پذیرد.
