CN105550330B - 兴趣点poi信息排序的方法和系统 - Google Patents
兴趣点poi信息排序的方法和系统 Download PDFInfo
- Publication number
- CN105550330B CN105550330B CN201510965375.6A CN201510965375A CN105550330B CN 105550330 B CN105550330 B CN 105550330B CN 201510965375 A CN201510965375 A CN 201510965375A CN 105550330 B CN105550330 B CN 105550330B
- Authority
- CN
- China
- Prior art keywords
- address
- poi
- text
- information
- webpage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims description 12
- 230000009193 crawling Effects 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 4
- 238000010923 batch production Methods 0.000 claims 1
- 101000911753 Homo sapiens Protein FAM107B Proteins 0.000 description 4
- 102100026983 Protein FAM107B Human genes 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000004172 quinoline yellow Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 235000014102 seafood Nutrition 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供兴趣点POI信息排序的方法和系统,其中方法包括步骤:获取POI地址信息;根据所述地址信息检索包括所述POI的网页;获取所述网页中的地址文本,并确定所述地址文本的质量;和根据所述地址文本的质量对所述网页进行排序。所述方法在没有获取足够多的用户反馈的情况下仍旧能够对POI信息的质量做出判断并且进行排序,从而在用户对POI进行检索时,可以向用户展示更加准确并且有用的搜索结果。
Description
技术领域
本发明涉及通信领域,更具体地涉及用于兴趣点POI信息排序的方法和系统。
背景技术
地理信息系统中,POI是“Point of Interest”的缩写,中文翻译为“兴趣点”。每个POI通常包含四方面信息:名称、类别、经度纬度、附近的酒店饭店商铺等,一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。传统的地理信息采集方法需要地图测绘人员采用精密的测绘仪器去获取一个兴趣点的经纬度,然后再标记下来。正因为POI的采集是一个非常费时费事的工作,对一个地理信息系统来说,POI的数量在一定程度代表着整个系统的价值,地理信息系统很难根据数量很少的 POI数据来提供高水平的服务。
互联网上存在着大量的POI数据,如果能从互联网上收集包含POI 数据的网页,从收集的网页中提取出这些POI数据供地理信息系统使用,则会大大节省人力和时间。但是互联网上充斥着大量虚假的POI数据,比如博客网页内容中包含“原文地址:http://xxx.xxx.xxx/xxx”,虽然包含“地址”字样,但该地址是网络地址或者说是URL(UniformResoureLocator,统一资源定位器),并不是POI数据中的地理地址信息,或可能存在POI数据中地址信息不准确的情况,从而导致收集到的POI数据中不准确POI数据的比例较高。因此,地图搜索中,在用户搜索的query有多个相关的结果时需要对这些POI做排序处理,相关性越强,质量越高的POI排序应该越靠前。所以在相关性一致的情况下,需要对POI按质量排序。
目前所采用的排序方法主要是根据用户的反馈来排序,用户点击的次数越多质量应该越好,越受用户喜爱,排序应该越靠前。然而,这种方法需要有大量的用户数据才可以做反馈,而积累用户以及用户的点击行为是一个漫长的过程。在初始阶段一般很少有用户在使用并进行反馈,在这样的情况下,或者因用户数据太少而无法使用用户数据反馈进行排序,或者所获得的排序结果并不可靠。
因此,本领域中存在如何自用户反馈数据不足的情况下对兴趣点POI 信息进行排序的方法和系统的需要。
发明内容
鉴于上述问题,提出了本发明,以便提供一种克服上述问题或者至少部分地解决上述问题的对兴趣点POI信息进行排序的方法和系统。
依据本发明的一个方面,提供了1、一种兴趣点POI信息排序方法,包括:获取POI地址信息;根据所述地址信息检索包括所述POI的网页;获取所述网页中的地址文本,并确定所述地址文本的质量;和根据所述地址文本的质量对所述网页进行排序。
可选地,根据本发明的上述实施例的兴趣点POI信息排序的方法中, 根据所述地址信息检索包括所述POI的网页包括:检索包含与所述POI 的地址信息中的一项或多项相同的数据的网页,并在所述网页中查找是否包含所述POI的名称,当所述网页包含所述POI的名称时,认定所述网页包含所述POI。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的方法中,所述POI地址信息包括:地址名称、经度和/或纬 度。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的方法还包括将所述排序的结果用于地图搜索或网页搜索的结果显示。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的方法中,所述地址文本的质量通过PageRank、Hilltop、HITS算法或其组合来计算。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的方法中,获取所述网页中的地址文本包括:提取所述网页的文本内容;和在所述文本内容中寻找引导地址信息的关键词,并在所述文本内容中包含所述关键词时,提取所述关键词之后的文本片段;或者在所述文本内容中直接爬取地址信息。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的方法中,提取所述关键词之后的文本片段包括:提取所述关键词之后特定的片段长度或特定的分隔符之前的文本片段。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的方法中,获取所述网页中的地址文本还包括:解析所述地址文本相应的经纬度数据。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的方法中,所述方法还包括在根据所述地址文本的质量对所述网页进行排序之前将具有相同域名的网页进行整合。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的方法可以用于批量处理POI信息。
依据本发明的另一个方面,提供了一种用于兴趣点POI信息排序的系统,所述系统包括:POI地址信息获取模块,用于获取POI地址信息;网页检索模块,用于根据所述地址信息检索包括所述POI的网页;地址文本处理模块,用于获取所述网页中的地址文本,并确定所述地址文本的质量;和排序模块,用于根据所述地址文本的质量对所述网页进行排序。
可选地,根据本发明的上述实施例的兴趣点POI信息排序的系统中, 所述网页检索模块包括:采用所述实际打点与所述预测打点之间的差距和用户移动速度的比值作为实际新打点方式的频率。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的系统中,所述POI地址信息包括:地址名称、经度和/或纬 度。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的系统中,所述系统用于地图搜索或网页搜索。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的系统中,所述地址文本处理模块包括地址文本质量计算模块,用于通过 PageRank、Hilltop、HITS算法或其组合来计算所述地址文本的质量。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的系统中,所述地址文本处理模块包括:网页文本获取模块,用于提取所述网页的文本内容;和地址文本获取模块,用于在所述文本内容中寻找引导地址信息的关键词,并在所述文本内容中包含所述关键词时,提取所述关键词之后的文本片段;或者在所述文本内容中直接爬取地址信息。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的系统中,提取所述关键词之后的文本片段包括:提取所述关键词之后特定的片段长度或特定的分隔符之前的文本片段。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的系统中,所述地址文本获取模块还包括地址文本解析模块,用于解析所述地址文本相应的经纬度数据。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的所述系统还包括网页整合模块,用于在根据所述地址文本的质量对所述网页进行排序之前将具有相同域名的网页进行整合。
可选地,根据本发明的上述任一实施例的兴趣点POI信息排序的系统用于批量处理POI信息。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是根据本发明的实施例的兴趣点POI信息排序方法100的流程图;
图2是根据本发明的实施例的兴趣点POI信息排序系统200的框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语 (包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本发明的原理适用于任何需要对兴趣点POI的信息进行排序的应用中,包括但不限于:电子地图以及具有POI检索功能的网站,例如生活信息网站、搜索网站等。
图1示意性地图示了根据本发明的实施例的兴趣点POI信息排序的方法100的流程图。如图1所示,方法100包括步骤S110,获取POI地址信息;步骤S120,根据所述地址信息检索包括所述POI的网页;步骤 S130,获取所述网页中的地址文本,并确定所述地址文本的质量;和步骤S140,根据所述地址文本的质量对所述网页进行排序。
在步骤S110,获取POI地址信息中,本领域技术人员可以采用现有技术中已知的任何方法来获取POI地址信息,例如通过实地采集获取数据、由商业渠道购买数据、通过商务合作获取数据、通过网络抓取获取数据或者通过用户提交或者反馈的信息获取数据等等。
根据本发明的实施方案,所述POI地址信息可以是与POI地址有关的任何信息,包括地址的名称、城市代码、地址、经度、纬 度或其组合。例如,以汤城小厨凯德MALL大峡谷店为例,所获取到的信息可能为汤城小厨凯德MALL大峡谷店、北京市丰台区南三环西路16号、北京市丰台区凯德MALL大峡谷4层、北纬N38°39′27.97″以及和/或东经E104°04′58.66″等等。
在步骤S110之后,执行步骤S120,根据所述地址信息检索包括所述 POI的网页。优选地,根据所述地址信息检索包括所述POI的网页包括:检索包含与所述POI的地址信息中的一项或多项相同的数据的网页,并在所述网页中查找是否包含所述POI的名称,当所述网页包含所述 POI的名称时,认定所述网页包含所述POI。
具体地,仍旧以上文中的汤城小厨凯德MALL大峡谷店为例,可以“南三环西路16号”、“凯德MALL大峡谷4层”、“汤城小厨凯德MALL大峡谷店”、“北纬N38°39′27.97″”、“东经E104°04 ′58.66″”中的一项或多项作为关键词进行网页检索。由于在凯德 MALL大峡谷中还有很多其他商家,并且是包括服装、饮食、美容、超市等多种类型的商家,例如家乐福凯德MALL大峡谷店、GAP凯德 MALL大峡谷店、云海肴云南菜凯德MALL大峡谷店、望湘园凯德MALL大峡谷店等等,检索之后可能获得对凯德MALL大峡谷商场或者对其中任意一个或多个商家进行介绍或描述的网页。因此,当按照上文描述,以汤城小厨凯德MALL大峡谷店的地址信息进行时,会获取比搜索“汤城小厨凯德MALL大峡谷店”多得多的网页搜索结果,而尽管其中很多网页并不是用户对于“汤城小厨”的反馈,但是它们实际上也给出了关于汤城小厨POI地址信息的可用信息。例如,我们可能获得家乐福凯德MALL大峡谷店的介绍网页、凯德MALL大峡谷商场自身的宣传网页、消费者对某次在GAP凯德MALL大峡谷店进行消费的相关描述、云海肴云南菜凯德MALL大峡谷店的某位顾客对于在云海肴云南菜进行消费的相关描述,这些网页和/或描述也许并未以汤城小厨凯德MALL大峡谷店为目标,但是它们很可能在对周围环境的描述中提到过“汤城小厨”,例如,“云海肴云南菜在凯德MALL 大峡谷4层,旁边还有汤城小厨、南京大排档……”,“本来想去汤城小厨,但是到了之后发现旁边还有望湘园……”,“今天去凯德MALL 的GAP买东西,那边环境不错,吃饭也很方便,有云海肴、汤城小厨……”。因此,在所述网页中查找“汤城小厨”名称时,能够发现这样包含所需要的名称的网页,并认定这样的网页为包含“汤城小厨凯德MALL大峡谷店”这一POI的网页。
在步骤S120之后,执行步骤S130,获取所述网页中的地址文本,并确定所述地址文本的质量。可选地,获取所述网页中的地址文本包括:提取所述网页的文本内容;和在所述文本内容中寻找引导地址信息的关键词,并在所述文本内容中包含所述关键词时,提取所述关键词之后的文本片段;或者在所述文本内容中直接爬取地址信息。
具体地,仍旧以上文中的汤城小厨凯德MALL大峡谷店为例,当确定了包括“汤城小厨凯德MALL大峡谷店”地址信息的网页后,获取所述网页中的地址文本。首先,提取该网页的文本内容,并且在其中寻找引导地址信息的关键词,例如关键词可以是“地址”、“位于”、“坐落于”等等可能暗示地址信息的关键词,当网页主体文本内容中包含这样的关键词时,则提取这些关键词之后的文本片段。在本发明的某些实施方案中,可以根据一些特定的分隔符或者特定的片段长度对文本进行切断来获取文本片段,比如当本文长度大于一定的阈值,例如10个字节、15个字节或20个字节时,或者当遇到指定的分隔符时,例如空格、逗号、句号等分隔符,切断文本,由此获得分隔符之前且关键词之后的文本片段,并将其作为地址的文本信息。
根据本发明的实施方案,可以在所述文本内容中直接爬取地址信息,例如采用聚焦爬虫(主题爬虫)来获取地址信息。根据本领域技术常识可知,聚焦爬虫是一个自动下载网页的程序,它能够根据既定的抓取目标有选择在网页上获取所需要的信息。
根据本发明的实施方案,可以将所获取的地址文本进行解析以获得所述地址文本相应的经纬度数据。例如,以上文中的汤城小厨凯德 MALL大峡谷店为例,当以其地址作为关键词,检索到以“云海肴”为主题的网页时,将网页中所包含的地址文本“凯德MALL大峡谷”进行解析,获取相应的经纬度数据。
在获取所述网页中的地址文本之后,根据所获得的确定所述地址文本的质量,例如,可以通过PageRank、Hilltop、HITS算法或其组合来计算所述地址文本的质量。或者,当对地址文本进行解析获取相应的经纬度数据时,可以获取多个经纬度数据,从而可以对所获得的多个经纬度数据进行分析以进行排序,例如求平均值并以各个数据与平均值之间的差异大小来确定地址文本的质量等等。
在步骤S130之后,执行步骤S140,根据所述地址文本的质量对所述网页进行排序。具体地,根据计算得到的地址文本的质量,对这些地址文本相对应的网页进行排序。
在步骤S140之后,还执行步骤S150,将所述排序的结果用于地图搜索或网页搜索的结果显示。
根据本发明的实施方案,在步骤S130之后以及步骤S140之前,还可以进行步骤135:将具有相同域名的网页进行整合。例如,以上文中的汤城小厨凯德MALL大峡谷店为例,当以其地址作为关键词,检索到以“云海肴”为主题的网页、以“GAP”为主题的网页、以“家乐福”为主题的网页,可能是来源于同一个网站的网页,例如它们可能都来自大众点评网、美团网、赶集网等生活信息网站,因此,如果将这些网页作为不同的网页进行排序并显示在最终的地图或网页搜索结果中时,用户将看到大量来自同一个网站的信息,而很多时候,用户希望看到搜索结果中包含尽量多不同网站的信息,从而获得更多了解信息的渠道,或者可能将用户习惯或者喜欢使用的网站信息排至非常后面,用户需要翻页等操作才能找到自己惯或者喜欢的网站,从而带来不好的用户体验。因此,在根据所述地址文本的质量对所述网页进行排序之前,可以将具有相同域名的网页进行整合,这样就可以在搜索结果中以更加直观的方式展示尽可能多的搜索结果。
在目前所采用的POI信息排序方法中,其排序的依据主要是用户的反馈,一般来说,用户点击的次数越多该信息的质量应该越好,越受用户喜爱,因此其排序应该越靠前。然而,这种方法往往需要有大量的用户数据才可以做反馈,而积累用户以及用户的点击行为是一个漫长的过程。在初始阶段一般很少有用户在使用并进行反馈,在这样的情况下,或者因用户反馈数据太少而无法使用用户数据反馈进行排序,或者所获得的排序结果并不可靠。对此,本发明公开了的兴趣点 POI信息排序的方法,使得可以以已有的POI信息为基础进行检索,从而获得尽可能多的相关网页或搜索结果,由此将散落在网络中的POI 信息尽可能的收集起来,获取更多的相关POI信息,以在没有获取足够多的用户反馈的情况下仍旧能够对POI信息的质量做出判断并且进行排序,从而在用户对POI进行检索时,可以向用户展示更加准确并且有用的搜索结果。
与上述方法100相对应,本发明还提供了一种兴趣点POI信息排序的系统200。图2示意性地图示了根据本发明的实施例的兴趣点POI 信息排序的系统200的框图。
如图2所示,系统200可以包括POI地址信息获取模块210、网页检索模块220、地址文本处理模块230和排序模块240。
根据本发明,地址信息获取模块210适于用于获取POI地址信息;网页检索模块220,适用于根据所述地址信息检索包括所述POI的网页;地址文本处理模块230,适用于获取所述网页中的地址文本,并确定所述地址文本的质量;排序模块240,适用于根据所述地址文本的质量对所述网页进行排序。
上述POI地址信息获取模块210、网页检索模块220、地址文本处理模块230和排序模块240可以用于执行上述兴趣点POI信息排序的方法100中的步骤S110、S120、S130和S140。
根据本发明的实施例,首先,POI地址信息获取模块可以获取POI 地址信息中,本领域技术人员可以采用现有技术中已知的任何方法来获取POI地址信息,例如通过实地采集获取数据、由商业渠道购买数据、通过商务合作获取数据、通过网络抓取获取数据或者通过用户提交或者反馈的信息获取数据等等。
根据本发明的实施方案,所述POI地址信息可以是与POI地址有关的任何信息,包括地址的名称、城市代码、地址、经度、纬 度或其组合。例如,以汤城小厨凯德MALL大峡谷店为例,所获取到的信息可能为汤城小厨凯德MALL大峡谷店、北京市丰台区南三环西路16号、北京市丰台区凯德MALL大峡谷4层、北纬N38°39′27.97″以及和/或东经E104°04′58.66″等等。
接着,网页检索模块220可以根据所述地址信息检索包括所述POI 的网页。优选地,网页检索模块220可以包括检索模块222,用于检索包含与所述POI的地址信息中的一项或多项相同的数据的网页;网页确认模块224,用于在所述网页中查找是否包含所述POI的名称,当所述网页包含所述POI的名称时,认定所述网页包含所述POI。
具体地,仍旧以上文中的汤城小厨凯德MALL大峡谷店为例,检索模块222可以“南三环西路16号”、“凯德MALL大峡谷4层”、“汤城小厨凯德MALL大峡谷店”、“北纬N38°39′27.97″”、“东经E104°04′58.66″”中的一项或多项作为关键词进行网页检索。由于在凯德MALL大峡谷中还有很多其他商家,并且是包括服装、饮食、美容、超市等多种类型的商家,例如家乐福凯德MALL大峡谷店、GAP 凯德MALL大峡谷店、云海肴云南菜凯德MALL大峡谷店、望湘园凯德MALL大峡谷店等等,检索之后可能获得对凯德MALL大峡谷商场或者对其中任意一个或多个商家进行介绍或描述的网页。因此,当按照上文描述,以汤城小厨凯德MALL大峡谷店的地址信息进行时,会获取比搜索“汤城小厨凯德MALL大峡谷店”多得多的网页搜索结果,而尽管其中很多网页并不是用户对于“汤城小厨”的反馈,但是它们实际上也给出了关于汤城小厨POI地址信息的可用信息。例如,我们可能获得家乐福凯德MALL大峡谷店的介绍网页、凯德MALL大峡谷商场自身的宣传网页、消费者对某次在GAP凯德MALL大峡谷店进行消费的相关描述、云海肴云南菜凯德MALL大峡谷店的某位顾客对于在云海肴云南菜进行消费的相关描述,这些网页和/或描述也许并未以汤城小厨凯德MALL大峡谷店为目标,但是它们很可能在对周围环境的描述中提到过“汤城小厨”,例如,“云海肴云南菜在凯德MALL 大峡谷4层,旁边还有汤城小厨、南京大排档……”,“本来想去汤城小厨,但是到了之后发现旁边还有望湘园……”,“今天去凯德MALL 的GAP买东西,那边环境不错,吃饭也很方便,有云海肴、汤城小厨……”。之后,当网页确认模块224在所述网页中查找“汤城小厨”名称时,能够发现这样包含所需要的POI名称的网页,并认定这样的网页为包含“汤城小厨凯德MALL大峡谷店”这一POI的网页。
接着,地址文本处理模块230可以获取所述网页中的地址文本,并确定所述地址文本的质量。可选地,所述地址文本处理模块230包括:网页文本获取模块232,用于提取所述网页的文本内容;和地址文本获取模块234,用于在所述文本内容中寻找引导地址信息的关键词,并在所述文本内容中包含所述关键词时,提取所述关键词之后的文本片段;或者在所述文本内容中直接爬取地址信息。
具体地,仍旧以上文中的汤城小厨凯德MALL大峡谷店为例,当确定了包括“汤城小厨凯德MALL大峡谷店”地址信息的网页后,网页文本获取模块232可以获取所述网页中的地址文本。首先,网页文本获取模块232提取该网页的文本内容,之后地址文本获取模块234在其中寻找引导地址信息的关键词,例如关键词可以是“地址”、“位于”、“坐落于”等等可能暗示地址信息的关键词,当网页主体文本内容中包含这样的关键词时,则提取这些关键词之后的文本片段。在本发明的某些实施方案中,地址文本获取模块234可以根据一些特定的分隔符或者特定的片段长度对文本进行切断来获取文本片段,比如当本文长度大于一定的阈值,例如10个字节、15个字节或20个字节时,或者当遇到指定的分隔符时,例如空格、逗号、句号等分隔符,切断文本,由此获得分隔符之前且关键词之后的文本片段,并将其作为地址的文本信息。
根据本发明的实施方案,地址文本获取模块234可以在所述文本内容中直接爬取地址信息,例如采用聚焦爬虫(主题爬虫)来获取地址信息。根据本领域技术常识可知,聚焦爬虫是一个自动下载网页的程序,它能够根据既定的抓取目标有选择在网页上获取所需要的信息。
根据本发明的实施方案,所述地址文本获取模块234还包括地址文本解析模块236,用于将所获取的地址文本进行解析以获得所述地址文本相应的经纬度数据。例如,以上文中的汤城小厨凯德MALL大峡谷店为例,当以其地址作为关键词,检索到以“云海肴”为主题的网页时,将网页中所包含的地址文本“凯德MALL大峡谷”进行解析,获取相应的经纬度数据。
根据本发明的实施方案,所述地址文本获取模块234还包括地址文本质量计算模块238,用于在获取所述网页中的地址文本之后,根据所获得的确定所述地址文本的质量,例如,地址文本质量计算模块238 可以通过PageRank、Hilltop、HITS算法或其组合来计算所述地址文本的质量。或者,当对地址文本进行解析获取相应的经纬度数据时,可以获取多个经纬度数据,从而地址文本质量计算模块238可以对所获得的多个经纬度数据进行分析以进行排序,例如求平均值并以各个数据与平均值之间的差异大小来确定地址文本的质量等等。
接着,排序模块240可以根据所述地址文本的质量对所述网页进行排序。具体地,根据计算得到的地址文本的质量,对这些地址文本相对应的网页进行排序。
接着,所述排序的结果可以被用于地图搜索或网页搜索的结果显示。
根据本发明的实施方案,所述系统还包括网页整合模块250,用于在根据所述地址文本的质量对所述网页进行排序之前将具有相同域名的网页进行整合。例如,以上文中的汤城小厨凯德MALL大峡谷店为例,当以其地址作为关键词,检索到以“云海肴”为主题的网页、以“GAP”为主题的网页、以“家乐福”为主题的网页,可能是来源于同一个网站的网页,例如它们可能都来自大众点评网、美团网、赶集网等生活信息网站,因此,如果将这些网页作为不同的网页进行排序并显示在最终的地图或网页搜索结果中时,用户将看到大量来自同一个网站的信息,而很多时候,用户希望看到搜索结果中包含尽量多不同网站的信息,从而获得更多了解信息的渠道,或者可能将用户习惯或者喜欢使用的网站信息排至非常后面,用户需要翻页等操作才能找到自己惯或者喜欢的网站,从而带来不好的用户体验。因此,在根据所述地址文本的质量对所述网页进行排序之前,网页整合模块250可以将具有相同域名的网页进行整合,这样就可以在搜索结果中以更加直观的方式展示尽可能多的搜索结果。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的装置中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个装置中。可以把实施例中的若干模块组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者模块中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个装置实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器 (DSP)来实现根据本发明实施例的装置中的一些或者全部模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (14)
1.一种兴趣点POI信息排序方法,包括:
获取POI地址信息;
根据所述地址信息检索包括所述POI的网页;
获取所述网页中的地址文本,并确定所述地址文本的质量;
根据所述地址文本的质量对所述网页进行排序;
其中,获取所述网页中的地址文本包括:
提取所述网页的文本内容;和
在所述文本内容中寻找引导地址信息的关键词,并在所述文本内容中包含所述关键词时,提取所述关键词之后的文本片段;或者在所述文本内容中直接爬取地址信息;
其中,所述确定所述地址文本的质量包括:解析多个所述网页中的地址文本相应的多个经纬度数据,求取多个经纬度数据平均值并以各个经纬度数据与平均值之间的差异大小确定所述地址文本的质量。
2.如权利要求1所述的方法,其中根据所述地址信息检索包括所述POI的网页包括:
检索包含与所述POI的地址信息中的一项或多项相同的数据的网页,并在所述网页中查找是否包含所述POI的名称,当所述网页包含所述POI的名称时,认定所述网页包含所述POI。
3.如权利要求1-2任一项所述的方法,其中所述POI地址信息包括:地址名称、经度和/或纬 度。
4.如权利要求1-2任一项所述的方法,所述方法还包括将所述排序的结果用于地图搜索或网页搜索的结果显示。
5.如权利要求1或2所述的方法,其中提取所述关键词之后的文本片段包括:
提取所述关键词之后特定的片段长度或特定的分隔符之前的文本片段。
6.如权利要求1-2任一项所述的方法,其中所述方法还包括在根据所述地址文本的质量对所述网页进行排序之前将具有相同域名的网页进行整合。
7.如权利要求1-2任一项所述的方法,所述方法用于批量处理POI信息。
8.一种用于兴趣点POI信息排序的系统,所述系统包括:
POI地址信息获取模块,用于获取POI地址信息;
网页检索模块,用于根据所述地址信息检索包括所述POI的网页;
地址文本处理模块,用于获取所述网页中的地址文本,并确定所述地址文本的质量;
和
排序模块,用于根据所述地址文本的质量对所述网页进行排序;
其中所述地址文本处理模块包括:
网页文本获取模块,用于提取所述网页的文本内容;和
地址文本获取模块,用于在所述文本内容中寻找引导地址信息的关键词,并在所述文本内容中包含所述关键词时,提取所述关键词之后的文本片段;或者在所述文本内容中直接爬取地址信息;
其中所述地址文本获取模块还包括地址文本解析模块,用于解析多个所述网页中的地址文本相应的多个经纬度数据,求取多个经纬度数据平均值并以各个经纬度数据与平均值之间的差异大小确定所述地址文本的质量。
9.如权利要求8所述的系统,其中所述网页检索模块包括:
检索模块,用于检索包含与所述POI的地址信息中的一项或多项相同的数据的网页;
网页确认模块,用于在所述网页中查找是否包含所述POI的名称,当所述网页包含所述POI的名称时,认定所述网页包含所述POI。
10.如权利要求8或9所述的系统,其中所述POI地址信息包括:地址名称、经度和/或纬度。
11.如权利要求8-9任一项所述的系统,其中所述系统用于地图搜索或网页搜索。
12.如权利要求8-9任一项所述的系统,其中提取所述关键词之后的文本片段包括:
提取所述关键词之后特定的片段长度或特定的分隔符之前的文本片段。
13.如权利要求8-9任一项所述的系统,所述系统还包括网页整合模块,用于在根据所述地址文本的质量对所述网页进行排序之前将具有相同域名的网页进行整合。
14.如权利要求8-9任一项所述的系统,所述系统用于批量处理POI信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510965375.6A CN105550330B (zh) | 2015-12-21 | 2015-12-21 | 兴趣点poi信息排序的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510965375.6A CN105550330B (zh) | 2015-12-21 | 2015-12-21 | 兴趣点poi信息排序的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105550330A CN105550330A (zh) | 2016-05-04 |
CN105550330B true CN105550330B (zh) | 2020-09-11 |
Family
ID=55829519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510965375.6A Active CN105550330B (zh) | 2015-12-21 | 2015-12-21 | 兴趣点poi信息排序的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105550330B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026937B (zh) * | 2019-11-13 | 2021-02-19 | 百度在线网络技术(北京)有限公司 | 提取poi名称的方法、装置、设备和计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350154A (zh) * | 2008-09-16 | 2009-01-21 | 北京搜狗科技发展有限公司 | 一种电子地图数据的排序方法及装置 |
CN103577442A (zh) * | 2012-07-30 | 2014-02-12 | 腾讯科技(深圳)有限公司 | 一种地图数据重要度计算方法及装置 |
CN103678629A (zh) * | 2013-12-19 | 2014-03-26 | 北京大学 | 一种地理位置敏感的搜索引擎方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2393056A1 (en) * | 2010-06-02 | 2011-12-07 | Layar B.V. | Acquiring, ranking and displaying points of interest for use in an augmented reality service provisioning system and graphical user interface for displaying such ranked points of interests |
CN104699835B (zh) * | 2015-03-31 | 2016-09-28 | 北京奇虎科技有限公司 | 用于确定网页页面中包括兴趣点poi数据的方法及装置 |
-
2015
- 2015-12-21 CN CN201510965375.6A patent/CN105550330B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350154A (zh) * | 2008-09-16 | 2009-01-21 | 北京搜狗科技发展有限公司 | 一种电子地图数据的排序方法及装置 |
CN103577442A (zh) * | 2012-07-30 | 2014-02-12 | 腾讯科技(深圳)有限公司 | 一种地图数据重要度计算方法及装置 |
CN103678629A (zh) * | 2013-12-19 | 2014-03-26 | 北京大学 | 一种地理位置敏感的搜索引擎方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105550330A (zh) | 2016-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8150979B1 (en) | Supporting multiple landing pages | |
JP6343035B2 (ja) | 広告キャンペーンの生成 | |
JP4764864B2 (ja) | 情報伝播抽出装置および情報伝播抽出方法 | |
CN103324645B (zh) | 一种网页推荐方法和装置 | |
CN104572956B (zh) | 确定poi信息有效性的系统及方法 | |
US10185750B2 (en) | Synthesizing directories, domains, and subdomains | |
JP4637969B1 (ja) | ウェブページの主意,およびユーザの嗜好を適切に把握して,最善の情報をリアルタイムに推奨する方法 | |
CN102663064B (zh) | 一种收藏夹数据的处理方法及装置 | |
CN104537065A (zh) | 一种搜索结果的推送方法及系统 | |
CN102779136A (zh) | 一种信息搜索的方法和装置 | |
KR20160137935A (ko) | 소셜 네트워크 정보흐름 표시방법, 장치, 서버, 프로그램 및 컴퓨터가 판독가능한 기록매체 | |
CN108038161A (zh) | 基于相册的信息推荐方法、装置及计算设备 | |
CN103186666B (zh) | 基于收藏进行搜索的方法、装置与设备 | |
CN104462336A (zh) | 信息推送方法和装置 | |
CN105069076A (zh) | 确定官网首页中的地址信息的方法及装置 | |
CN104899243A (zh) | 检测兴趣点poi数据准确性的方法及装置 | |
CN111080339B (zh) | 基于场景的类目偏好数据生成方法及装置 | |
JP2010009315A (ja) | 推薦店舗提示システム | |
CN102955850A (zh) | 加载排序网址的方法和装置 | |
CN102364467A (zh) | 一种网络搜索方法和系统 | |
CN105677867A (zh) | 一种用户标签的生成方法和装置 | |
CN104572957A (zh) | 一种基于聚类的poi名称确定系统及方法 | |
CN101894109A (zh) | 一种数据库建立方法和装置 | |
CN105069079B (zh) | 筛选兴趣点poi数据的方法及装置 | |
CN105550330B (zh) | 兴趣点poi信息排序的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220823 Address after: No. 9-3-401, No. 39, Gaoxin 6th Road, Binhai Science and Technology Park, High-tech Zone, Binhai New District, Tianjin 300000 Patentee after: 3600 Technology Group Co.,Ltd. Address before: 100088 room 112, block D, 28 new street, new street, Xicheng District, Beijing (Desheng Park) Patentee before: BEIJING QIHOO TECHNOLOGY Co.,Ltd. Patentee before: Qizhi software (Beijing) Co.,Ltd. |
|
TR01 | Transfer of patent right |