CN101576892A - 地点区域确定方法和装置 - Google Patents

Abstract

本发明涉及一种地点区域确定方法和装置，该方法包括：根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据；当检验商户的地址数据被引用次数大于第一阈值时，根据地址数据中的最大坐标值和最小坐标值确定一个几何图形，对几何图形进行分块，并根据块之间的距离对块进行聚类；若商户的地址数据被引用次数不大于第一阈值，则将商户的地址数据输出到错误记录文件；根据每个聚类结果的地址数据的数量，对聚类结果进行降序排列；计算每个聚类结果的中心和半径，并删除与第一聚类结果的距离大于第二阈值的聚类结果；输出聚类结果。本发明地点区域确定方法能够减少搜索结果中与用户的搜索目不相干的信息，提高搜索的精度，节省用户的时间与精力。

Description

地点区域确定方法和装置

技术领域

本发明涉及互联网技术领域，尤其涉及一种地点区域确定方法和装置。

背景技术

随着互联网的日益普及，互联网服务对我们生活中的衣食住用行造成着越来越大的影响。

互联网服务中的本地搜索引擎服务给我们的日常生活带来了很大的便利。本地搜索引擎服务中，用户根据自身的需要，在本地搜索引擎界面的地址框中，输入其所在区域的地址名称后，便可查询出其所在的区域的餐馆、酒店、医院以及电影院等与我们生活息息相关的信息。例如，某用户需要住宿，便可在本地搜索引擎界面的地址框中输入其所在区域的地址名称即所谓地址词，然后点击查询酒店即所谓关键词，便可查询到其所在区域的全部酒店的地址信息。

在现有的本地搜索引擎技术中包括一地点区域确定方法，用于确定我们输入的地点数据及输出结果。此地点区域确定方法采用一个或多个几何图形来表示一块区域，但由于许多区域实际上是没有严格的边界定义，如北京的王府井或五道口，导致搜索结果中存在很多与用户的搜索目的不相干的信息，在用户浏览搜索结果时浪费了我们的时间与精力。

发明内容

本发明的目的是提供一种地点区域确定方法和装置，能够去掉搜索结果中与用户的搜索目的不相干的信息，提高搜索的精度，节省用户浏览搜索结果的时间与精力。

为实现上述目的，本发明提供了一种地点区域确定方法，包括：

根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据；

当检验所述商户的地址数据被引用的次数大于第一阈值时，根据所述地址数据中的最大坐标值和最小坐标值确定一个几何图形，对所述几何图形进行分块，并根据所述块之间的距离对所述块进行聚类；若检验所述商户的地址数据被引用的次数不大于第一阈值，则将该商户的地址数据输出到错误记录文件，并结束操作；

根据每个聚类结果所包括的地址数据的数量，对所述聚类结果进行降序排列；

计算每个聚类结果的中心和半径，并删除与第一聚类结果的距离大于第二阈值的聚类结果；

输出所述聚类结果。

本发明还提供了一种地点区域确定装置，包括：

匹配模块，用于根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据；

聚类模块，用于当检验所述商户的地址数据被引用的次数大于第一阈值时，根据所述地址数据中的最大坐标值和最小坐标值确定一个几何图形，对所述几何图形进行分块，并根据所述块之间的距离对所述块进行聚类；若检验所述商户的地址数据被引用的次数不大于第一阈值，则将该商户的地址数据输出到错误记录文件，并结束操作；

排列模块，用于根据每个聚类结果所包括的地址数据的数量，对所述聚类结果进行降序排列；

删除模块，用于计算每个聚类结果的中心和半径，并删除与第一聚类结果的距离大于第二阈值的聚类结果；

输出模块，用于输出所述聚类结果。

本发明中的地点区域确定方法通过用户所在城市内的所有商户数据，计算出输入的地点区域的覆盖区域，并采用一个或多个几何图形来共同表示该地点区域，能够去掉搜索结果中与用户的搜索目的不相干的信息，提高搜索的精度，节省用户浏览搜索结果的时间与精力。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明地点区域确定方法实施例一的流程示意图；

图2为本发明地点区域确定方法实施例二的流程示意图

图3为本发明地点区域确定装置实施例的结构示意图。

具体实施方式

实施例一

图1为本发明地点区域确定方法实施例一的流程示意图，如图1所示，本发明所述地点区域确定方法包括如下步骤：

步骤101：根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据；其中，所述地址词为用户需要查询的地点区域名称，如海淀区等，所述关键词为用户需要查询的场所，如酒店等，所述区域性地址库是经过信息采集后预先创建的，包含了所有能够采集到的商户数据，所述商户数据为商户的地址信息，本发明实施例是在所述区域性地址库的基础上实现的。并且，所述根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据是按照地址最大匹配的方式匹配出商户数据的，使得区域性地址库中所有含有获取的地址词字段的商户数据都能够被匹配出来。

步骤102：检验所述商户的地址数据被引用的次数是否大于第一阈值，若是，则执行步骤103；若否，则执行步骤104；其中，第一阈值最优为15。

步骤103：根据所述地址数据中的最大坐标值和最小坐标值确定一个几何图形，对所述几何图形进行分块，并根据所述块之间的距离对所述块进行聚类；该步骤具体包括：

根据所述匹配出的商户数据的最大坐标值与最小坐标值确定一个矩形，该矩形覆盖了所有商户的地址数据；

将所述矩形进行分块，每块边长为第四阈值，该第四阈值最优为300米；

统计每块的商户的地址数据的数量并根据各块的商户的地址数据的数量对各块进行降序排列；

从排序后的各块中选取前n个块，该前n个块覆盖的商户的地址数据的数量超过商户的地址数据总数的比例值为第五阈值，该第五阈值最优为95％；

将该前n个块进行聚类，如果两块之间的距离不大于第五阈值，则将该两块归入同一个聚类，若某块与上述两块中任一块距离不大于该第六阈值，则将其归入上述两块的同一个聚类结果中，该第六阈值最优为1000米。

步骤104：将该商户数据输出到错误记录文件，结束操作；其中，所述错误记录文件用于记录无法确定地点区域及半径的地址词。

步骤105：计算每个聚类结果的中心和半径，根据每个聚类结果所包括的地址数据的数量，对所述聚类结果进行降序排列，并删除与第一聚类结果的距离大于第二阈值的聚类结果；对聚类结果中的所有商户的地址数据的坐标计算得到的算术平均值即为该聚类结果的中心点坐标。计算每个聚类结果中商户的地址数据总数及其占总的商户的地址数据数的比例，然后对各个聚类结果按照其覆盖的商户的地址数据数从大到小排列。依次统计每个聚类结果中的商户坐标的最大及最小值，从而确定了一个矩形能够覆盖该聚类中的所有商户的地址数据。该矩形的对角线长的一半即为该聚类结果的半径。

降序排列后排在第一位的聚类结果即第一聚类结果为含有商户的地址数据最多的聚类结果，如果某个聚类结果的中心点离所述第一聚类结果的中心点的距离大于第二阈值，则删除该聚类结果，该第二阈值为第一聚类结果的半径加3000m；所述删除与第一聚类结果的距离大于第二阈值的聚类结果的具体执行命令为：<class_remove_thres value＝″3000″/>。

步骤106：输出各聚类结果，所述聚类结果包括该聚类中的商户的地址数据的数量、所述商户的地址数据的数量占总的商户的地址数据数量的比例、聚类结果的半径及聚类结果的中心。

本实施例的地点区域确定方法通过用户所在城市内的所有商户数据，计算出输入的地点区域的覆盖区域，并采用一个或多个几何图形来共同表示该地点区域，能够去掉搜索结果中与用户的搜索目的不相干的信息，提高搜索的精度，节省用户浏览搜索结果的时间与精力。

实施例二

图2为本发明地点区域确定方法实施例二的流程示意图，如图2所示，本实施例是在实施例一的基础上，在步骤101与步骤102之间还包括：将所述根据获取的地址词及关键词匹配出的商户的地址数据与所述地址词的地址同义词匹配出的商户的地址数据合并；删除提取出的商户的地址数据中不能定位及定位后与城市中心点距离大于第三阈值的地址数据。

在步骤105与步骤106之间还包括：对所述各聚类结果进行精度提升。从而更准确地确定输入地址词的地点区域范围，提高搜索的精度。具体步骤包括：

步骤201：根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据；

步骤202：将所述根据获取的地址词及关键词匹配出的商户的地址数据与所述地址词的地址同义词匹配出的商户的地址数据合并；例如若地址词为海淀，则本实施例会把根据海淀的地址同义词海淀区提取出的商户数据与根据地址词海淀提取的商户数据进行合并，以尽可能多的获得商户数据。

步骤203：删除提取出的商户的地址数据中不能定位及定位后与城市中心点距离大于第三阈值的地址数据。其中，不能定位的商户数据是指采集到的商户数据中不含具体的商户地址信息，城市中心点为我们在区域性地址库中预先设定的，距离城市中心点超过第三阈值的商户数据被认为是无效数据，通过本操作可以减少搜索结果中不相干的搜索结果，该第三阈值最优为100公里。

步骤204：检验所述商户的地址数据被引用的次数是否大于第一阈值，若是，则执行步骤205；若否，则执行步骤206；

步骤205：根据所述地址数据中的最大坐标值和最小坐标值确定一个几何图形，对所述几何图形进行分块，并根据所述块之间的距离对所述块进行聚类；然后跳转执行步骤207；

步骤206：将该商户数据输出到错误记录文件，结束操作；

步骤207：计算每个聚类结果的中心和半径，根据每个聚类结果所包括的地址数据的数量，对所述聚类结果进行降序排列，并删除与第一聚类结果的距离大于第二阈值的聚类结果；

步骤208：检验所述聚类结果的半径是否大于第七阈值，且所述聚类结果覆盖的商户的地址数据的比例是否大于第八阈值；若是，后续执行步骤209，若否，则跳转执行步骤210；其中，第七阈值为3000米，第八阈值为10％；其中检验所述聚类结果的半径是否大于第七阈值的具体执行命令为：<dis_thres value＝″3000″/>，检验所述聚类结果覆盖的商户的地址数据的比例是否大于第八阈值的具体执行命令为：<block_remove_thresvalue＝″10″/>。

步骤209：对各聚类结果进行精度提升；具体为：

遍历所述聚类结果的覆盖区域的所有边界；

从所述聚类结果的覆盖区域的所有边界中挑选出可被移除的最大矩形，该矩形覆盖的商户数量为0；

将该矩形添加到移除列表中，并设置该矩形内的各块为不可移除状态；

检验是否达到预先设定的矩形移除数量，所述矩形移除数量为第九阈值，若达到，则结束操作，若未达到，则重新遍历边界，挑选可被移除的最大矩形，第九阈值最优为4，具体执行命令为<block_remove_num value＝″4″/>；

对各聚类进行精度提升的目的是从某聚类的现有覆盖区域中删除掉某些区域，应该删除的区域的确定原则是，该区域应该位于原有聚类覆盖区域的边界上，删除掉的区域的面积越大越好并且该区域覆盖的商户数量为0。举例如下：

聚类覆盖区域为5*5的矩形，如下表所示：

0	0	1	1	1
					0	0	1	1	1
1	1	1	1	0
					1	0	1	1	1
1	0	0	0	1

其中标1的块代表其中有商户，标0的块代表其中无商户。对该聚类进行精度提升。移除的第一个矩形为下表中标2的矩形：

2	2	1	1	1
					2	2	1	1	1
1	1	1	1	0
					1	0	1	1	1
1	0	0	0	1

步骤210：输出各聚类结果，所述聚类结果包括该聚类中的商户的地址数据的数量、所述商户的地址数据的数量占总的商户的地址数据数量的比例、聚类结果的半径、聚类结果的中心及应该移除的区域。

本实施例还可在所述输出各聚类的聚类结果之后包括：若所述地址词的第一聚类的聚类半径大于第七阈值，则将所述地点区域及聚类结果输出到大地点数据文件中。地址词的第一聚类若为大地点数据，则可将用户的查询意图视为面查询，若不为大地点数据，则可将用户的查询意图视为点查询，通过对用户查询意图的区分，可对不同的查询意图采用不同的处理方式，降低方法的复杂度。例如，地址词若为海淀区，则可视为面查询，提取出的商户数据在海淀区的具体什么方位，则不太重要，不许区分；地址词若为五道口大厦，则可视为点查询，提取出的商户数据在五道口大厦的具体什么方位，则较为重要，需要进行区分。

图3为本发明地点区域确定装置实施例的结构示意图，如图3所示，本发明所述地点区域确定装置包括匹配模块30、聚类模块31、排列模块32、删除模块33和输出模块34。其中，匹配模块30用于根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据；聚类模块31用于当检验所述商户的地址数据被引用的次数大于第一阈值时，根据所述地址数据中的最大坐标值和最小坐标值确定一个几何图形，对所述几何图形进行分块，并根据所述块之间的距离对所述块进行聚类；若检验所述商户的地址数据被引用的次数不大于第一阈值，则将该商户的地址数据输出到错误记录文件，并结束操作；排列模块32用于根据每个聚类结果所包括的地址数据的数量，对所述聚类结果进行降序排列；删除模块33用于计算每个聚类结果的中心和半径，并删除与第一聚类结果的距离大于第二阈值的聚类结果；输出模块34用于输出所述聚类结果。

本实施例的地点区域确定装置可以通过用户所在城市内的所有商户数据，计算出输入的地点区域的覆盖区域，并采用一个或多个几何图形来共同表示该地点区域，能够去掉搜索结果中与用户的搜索目的不相干的信息，提高搜索的精度，节省用户浏览搜索结果的时间与精力。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (11)

1、一种地点区域确定方法，其特征在于包括：

根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据；

当检验所述商户的地址数据被引用的次数大于第一阈值时，根据所述地址数据中的最大坐标值和最小坐标值确定一个几何图形，对所述几何图形进行分块，并根据所述块之间的距离对所述块进行聚类；若检验所述商户的地址数据被引用的次数不大于第一阈值，则将该商户的地址数据输出到错误记录文件，并结束操作；

根据每个聚类结果所包括的地址数据的数量，对所述聚类结果进行降序排列；

计算每个聚类结果的中心和半径，并删除与第一聚类结果的距离大于第二阈值的聚类结果；

输出所述聚类结果。

2、根据权利要求1所述的地点区域确定方法，其特征在于所述几何图形为矩形。

3、根据权利要求2所述的地点区域确定方法，其特征在于根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据具体为根据获取的地址词及关键词在地址数据库中按照地址最大匹配的方式匹配出商户的地址数据。

4、根据权利要求3所述的地点区域确定方法，其特征在于在检验所述商户的地址数据被引用的次数大于第一阈值前还包括：

将所述根据获取的地址词及关键词匹配出的商户的地址数据与所述地址词的地址同义词匹配出的商户的地址数据合并；

删除提取出的商户的地址数据中不能定位及定位后与城市中心点距离大于第三阈值的地址数据。

5、根据权利要求4所述的地点区域确定方法，其特征在于所述根据所述块之间的距离对所述块进行聚类具体为：

根据所述匹配出的商户的地址数据的最大坐标值与最小坐标值确定一个矩形覆盖所有的商户的地址数据；

将所述矩形进行分块，每块边长为第四阈值；

统计每块的商户的地址数据的数量并根据各块的商户的地址数据的数量对各块进降序排列；

从排序后的各块中选取前n个块，该前n个块覆盖的商户的地址数据的数量超过商户的地址数据总数的比例值为第五阈值；

将该前n个块进行聚类。

6、根据权利要求5所述的地点区域确定方法，其特征在于，所述将该前n个块进行聚类具体为：如果两块之间的距离不大于第六阈值，则将该两块归入同一个聚类结果。

7、根据权利要求6所述的地点区域确定方法，其特征在于，所述输出所述聚类结果之前还包括：

检验所述聚类结果的半径是否大于第七阈值，且所述聚类结果覆盖的商户的地址数据的比例是否大于第八阈值，若是，则对所述聚类结果进行精度提升，若否，则执行所述输出各聚类的聚类结果的操作。

8、根据权利要求7所述的地点区域确定方法，其特征在于，所述对所述聚类结果进行精度提升具体为：

遍历所述聚类结果的覆盖区域的所有边界；

从所述聚类结果的覆盖区域的所有边界中挑选出可被移除的最大矩形，该矩形覆盖的商户数量为0；

将该矩形添加到移除列表中，并设置该矩形内的各块为不可移除状态；

检验是否达到预先设定的矩形移除数量，所述矩形移除数量为第九阈值，若达到则结束操作，若未达到，则重新遍历边界，挑选可被移除的最大矩形。

9、根据权利要求8所述的地点区域确定方法，其特征在于：所述聚类结果包括该聚类中的商户的地址数据的数量、所述商户的地址数据的数量占总的商户的地址数据数量的比例、聚类结果的半径、聚类结果的中心及应该移除的区域。

10、根据权利要求9所述的地点区域确定方法，其特征在于，在所述输出各聚类的聚类结果之后还包括：若所述地址词的第一聚类结果的半径大于第七阈值，则将所述地址词及聚类结果输出到大地点数据文件中。

11、一种地点区域确定装置，其特征在于包括：

匹配模块，用于根据获取的地址词及关键词在地址数据库中匹配出商户的地址数据；

聚类模块，用于当检验所述商户的地址数据被引用的次数大于第一阈值时，根据所述地址数据中的最大坐标值和最小坐标值确定一个几何图形，对所述几何图形进行分块，并根据所述块之间的距离对所述块进行聚类；若检验所述商户的地址数据被引用的次数不大于第一阈值，则将该商户的地址数据输出到错误记录文件，并结束操作；

排列模块，用于根据每个聚类结果所包括的地址数据的数量，对所述聚类结果进行降序排列；

删除模块，用于计算每个聚类结果的中心和半径，并删除与第一聚类结果的距离大于第二阈值的聚类结果；

输出模块，用于输出所述聚类结果。

Images