CN104080054B - 一种异常兴趣点的获取方法及装置 - Google Patents

Abstract

本发明实施例提供了一种异常兴趣点的获取方法，包括：获得针对M个候选兴趣点中每个所述候选兴趣点的定位结果的数目变化信息，M为大于或者等于2的整数；依据所述M个候选兴趣点和所述数目变化信息，获得N个目标兴趣点；N为大于0且小于或者等于M的整数；利用每个所述目标兴趣点匹配的文本信息，对每个所述目标兴趣点进行验证，以获得所述N个目标兴趣点中的P个异常兴趣点，P为大于0且小于或者等于N的整数；本发明实施例还提供一种异常兴趣点的获取装置。根据本发明实施例提供的技术方案，可以实现提高异常兴趣点的获取效率。

Description

一种异常兴趣点的获取方法及装置

【技术领域】

本发明涉及定位技术领域，尤其涉及一种异常兴趣点的获取方法及装置。

【背景技术】

目前，随着智能终端的快速发展，定位技术已经成为智能终端的必要技术，用户经常使用各种各样的基于定位技术的应用，如使用地图应用查找商店、景点等兴趣点，然后在地图应用提供的路线中选择一条线路并开始导航。由于地图数据量非常庞大，经常会出现商店停业、景点关闭或者道路施工等异常兴趣点，因此，需要对及时采集到异常兴趣点并进行及时更新。

现有技术中获取异常兴趣点的方法是：人工周期地进行异常兴趣点的采集，然后将采集到的异常兴趣点在数据库中进行更新，其中采集周期比较长，因此导致异常兴趣点的获取效率比较低。

【发明内容】

有鉴于此，本发明实施例提供了一种异常兴趣点的获取方法及装置，可以实现提高异常兴趣点的获取效率。

本发明实施例提供了一种异常兴趣点的获取方法，包括：

获得针对M个候选兴趣点中每个所述候选兴趣点的定位结果的数目变化信息，M为大于或者等于2的整数；

依据所述M个候选兴趣点和所述数目变化信息，获得N个目标兴趣点；N为大于0且小于或者等于M的整数；

利用每个所述目标兴趣点匹配的文本信息，对每个所述目标兴趣点进行验证，以获得所述N个目标兴趣点中的P个异常兴趣点，P为大于0且小于或者等于N的整数。

上述方法中，所述获得针对M个候选兴趣点中每个所述候选兴趣点的定位结果的数目变化信息，包括：

获得每个所述候选兴趣点在R个采样时刻中每个所述采样时刻的定位结果，R为大于1的整数；

依据所述R个采样时刻中，第K个采样时刻的定位结果的数目和第K-1个采样时刻的定位结果的数目，获得针对每个所述候选兴趣点的定位结果的数目变化信息，K为大于1且小于或者等于R的整数。

上述方法中，所述依据所述M个候选兴趣点和所述数目变化信息，获得N个目标兴趣点，包括；

比较所述数目变化信息与预设的变化阈值的大小；

获得所述M个候选兴趣点中，数目变化信息大于或者等于所述变化阈值的N个候选兴趣点，将所述N个候选兴趣点作为所述N个目标兴趣点。

上述方法中，所述利用每个所述目标兴趣点匹配的文本信息，对每个所述目标兴趣点进行验证，以获得所述N个目标兴趣点中的P个异常兴趣点，包括：

获得每个所述目标兴趣点匹配的文本信息；

对所述每个所述目标兴趣点匹配的文本信息进行切词处理，以获得每个所述目标兴趣点对应的至少一个分词；

利用预设的识别模型对每个所述目标兴趣点对应的至少一个分词进行识别，以获得每个所述目标兴趣点对应的至少一个分词中的异常关键词；

依据异常关键词的比例信息和预设的比例阈值，获得所述N个目标兴趣点中的P个目标兴趣点，将所述P个目标兴趣点作为所述P个异常兴趣点。

上述方法中，所述方法还包括：

获得每个所述异常兴趣点对应的异常关键词的反馈属性，所述反馈属性用于指示所述异常兴趣点为新增兴趣点或者关闭兴趣点；

依据所述反馈属性，获得每个所述异常兴趣点的异常类型，所述异常类型包括新增兴趣点或者关闭兴趣点。

上述方法中，所述异常兴趣点为新增兴趣点，所述方法还包括：获得与所述新增兴趣点之间的距离小于预设的距离阈值的终端；将所述新增兴趣点作为推荐兴趣点推送给所述终端中安装的客户端；或者，

所述异常兴趣点为关闭兴趣点，所述方法还包括：若客户端上输入的兴趣点为所述关闭兴趣点，向所述客户端推送提示信息，所述提示信息用于提示输入的所述兴趣点为异常兴趣点。

本发明实施例还提供了一种异常兴趣点的获取装置，包括：

获取单元，用于获得针对M个候选兴趣点中每个所述候选兴趣点的定位结果的数目变化信息，M为大于或者等于2的整数；

处理单元，用于依据所述M个候选兴趣点和所述数目变化信息，获得N个目标兴趣点；N为大于0且小于或者等于M的整数；

验证单元，用于利用每个所述目标兴趣点匹配的文本信息，对每个所述目标兴趣点进行验证，以获得所述N个目标兴趣点中的P个异常兴趣点，P为大于0且小于或者等于N的整数。

上述装置中，所述获取单元，具体用于：

获得每个所述候选兴趣点在R个采样时刻中每个所述采样时刻的定位结果，R为大于1的整数；

依据所述R个采样时刻中，第K个采样时刻的定位结果的数目和第K-1个采样时刻的定位结果的数目，获得针对每个所述候选兴趣点的定位结果的数目变化信息，K为大于1且小于或者等于R的整数。

上述装置中，所述处理单元，具体用于；

比较所述数目变化信息与预设的变化阈值的大小；

获得所述M个候选兴趣点中，数目变化信息大于或者等于所述变化阈值的N个候选兴趣点，将所述N个候选兴趣点作为所述N个目标兴趣点。

上述装置中，所述验证单元，具体用于：

获得每个所述目标兴趣点匹配的文本信息；

对所述每个所述目标兴趣点匹配的文本信息进行切词处理，以获得每个所述目标兴趣点对应的至少一个分词；

利用预设的识别模型对每个所述目标兴趣点对应的至少一个分词进行识别，以获得每个所述目标兴趣点对应的至少一个分词中的异常关键词；

依据异常关键词的比例信息和预设的比例阈值，获得所述N个目标兴趣点中的P个目标兴趣点，将所述P个目标兴趣点作为所述P个异常兴趣点。

上述装置中，所述装置还包括：

识别单元，用于获得每个所述异常兴趣点对应的异常关键词的反馈属性，所述反馈属性用于指示所述异常兴趣点为新增兴趣点或者关闭兴趣点；依据所述反馈属性，获得每个所述异常兴趣点的异常类型，所述异常类型包括新增兴趣点或者关闭兴趣点。

上述装置中，所述装置还包括：

推送单元，用于当所述异常兴趣点为新增兴趣点时，获得与所述新增兴趣点之间的距离小于预设的距离阈值的终端；将所述新增兴趣点作为推荐兴趣点推送给所述终端中安装的客户端；或者，

所述推送单元，用于当所述异常兴趣点为关闭兴趣点时，若客户端上输入的兴趣点为所述关闭兴趣点，向所述客户端推送提示信息，所述提示信息用于提示输入的所述兴趣点为异常兴趣点。

由以上技术方案可以看出，本发明实施例具有以下有益效果：

本发明实施例中，可以依据候选兴趣点的定位结果的数目变化，及时获得目标兴趣点，然后对目标兴趣点进行验证，以识别出目标兴趣点中的异常兴趣点，从而实现自动从大量兴趣点中获得异常兴趣点，与现有技术中人工采集异常兴趣点的方法相比，本发明实施例能够及时获取到异常兴趣点，可以实现提高异常兴趣点的获取效率，实现异常兴趣点的及时更新。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例所提供的异常兴趣点的获取方法的流程示意图；

图2是本发明实施例中候选兴趣点与定位结果的示例图；

图3是本发明实施例所提供的定位结果的数目变化的第一示意图；

图4是本发明实施例所提供的定位结果的数目变化的第二示意图；

图5是本发明实施例中对目标兴趣点进行验证的示例图；

图6是本发明实施例所提供的异常兴趣点的获取装置的功能方块图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

本发明实施例给出一种异常兴趣点的获取方法，请参考图1，其为本发明实施例所提供的异常兴趣点的获取方法的流程示意图，如图所示，该方法包括以下步骤：

S101，获得针对M个候选兴趣点中每个所述候选兴趣点的定位结果的数目变化信息，M为大于或者等于2的整数。

具体的，服务器每天都会存储大量的终端的定位结果，该定位结果包括终端的标识、定位时刻和终端的位置信息。

例如，定位结果可以为<User ID，Time，(x，y)>，其中，User ID表示终端的标识，Time表示本次定位的定位时刻，(x，y)表示终端的位置信息。定位结果可以表示某终端在某个时刻停留的位置。

服务器可以对最近一段时间内的定位结果进行聚类处理，用以将定位结果划分为至少一个定位区域。

例如，服务器可以对最近一年内的定位结果进行聚类处理。

再例如，服务器可以计算每两个定位结果之间的距离，若该距离小于或者等于预设的距离阈值，则将这两个定位结果归为一类，表示这两个定位结果位于同一定位区域。

对于每个定位区域，服务器计算该定位区域与数据库中存储的兴趣点中每个兴趣点的相似度。服务器将该相似度与预设的相似阈值进行比较，如果该相似度大于或者等于相似阈值，则认为该定位区域与兴趣点比较相似，则将该定位区域内的定位结果与该兴趣点进行关联，从而获得针对该兴趣点的定位结果，服务器将该兴趣点作为本发明实施例中的候选兴趣点，从而服务器可以获得针对候选兴趣点的定位结果。

其中，如果存在至少两个候选兴趣点与同一定位区域的相似度都大于或者等于相似阈值，则可以依据用户特征和/或定位结果，从所述至少两个候选兴趣点中选出一个候选兴趣点，将选出的候选兴趣点与该定位区域内的定位结果关联。

例如，存在两个候选兴趣点“xx饭馆”、“xx公园”，这两个候选兴趣点与某定位区域的相似度都大于相似阈值，若该定位区域中的定位结果中的定位时刻都是晚上6点至8点，则该定位区域中的定位结果是针对候选兴趣点“xx饭馆”的定位结果的可能性比较大，则将该定位区域中的定位结果与候选兴趣点“xx饭馆”关联。

另外，如果数据库中没有与该定位区域的相似度大于或者等于相似阈值的兴趣点，则服务器可以将该定位区域的中心点作为候选兴趣点，将该定位区域内的定位结果作为针对该候选兴趣点的定位结果，这样，服务器也可以获得针对该候选兴趣点的定位结果。

服务器可以依据采样周期，周期地对定位结果进行上述处理，这样，服务器就可以获得每个候选兴趣点在R个采样时刻中每个采样时刻的定位结果；其中，R为大于1的整数。

其中，服务器计算定位区域与候选兴趣点的相似度的方法可以是：服务器获得每个定位区域的中心点的位置信息，然后依据该中心点的位置信息以及每个候选兴趣点的位置信息，计算定位区域与每个候选兴趣点的距离，将该距离的倒数作为该定位区域与候选兴趣点的相似度，也就是说距离越近，定位区域与候选兴趣点的相似度越大，定位区域与候选兴趣点越相似；反之，距离越远，定位区域与候选兴趣点的相似度越小，定位区域与候选兴趣点越不相似。

例如，若认为定位区域与候选兴趣点之间的距离小于200米就认为定位区域与候选兴趣点比较相似，相应的相似阈值可以等于1/200。

需要说明的是，对于不同类型的候选兴趣点，其对应的距离阈值或者相似阈值可以不同。例如，对于覆盖面积比较大的候选兴趣点，如景点，其距离阈值可以比较大，对于覆盖面积比较小的候选兴趣点，如餐馆、商场等，其距离阈值可以比较小。

服务器在获得每个所述候选兴趣点在R个采样时刻中每个所述采样时刻的定位结果之后，依据R个采样时刻中，第K个采样时刻的定位结果的数目和第K-1个采样时刻的定位结果的数目，获得针对每个所述候选兴趣点的定位结果的数目变化信息；其中，K为大于1且小于或者等于R的整数。

举例说明，依据R个采样时刻中，第K个采样时刻的定位结果的数目和第K-1个采样时刻的定位结果的数目，获得针对每个所述候选兴趣点的定位结果的数目变化信息的方法可以是：计算候选兴趣点的第K个采样时刻的定位结果的数目与第K-1个采样时刻的定位结果的数目的差值，将该差值的绝对值作为该候选兴趣点的定位结果的数目变化信息。或者，计算候选兴趣点的第K个采样时刻的定位结果的数目与第K-1个采样时刻的定位结果的数目的比值，将该比值作为该候选兴趣点的定位结果的数目变化信息。

例如，请参考图2，其为本发明实施例中候选兴趣点与定位结果的示例图，如图所示，图中的打点表示定位结果，这些定位结果就是针对候选兴趣点“圆明园”的若干定位结果。

S102，依据所述M个候选兴趣点和所述数目变化信息，获得N个目标兴趣点；N为大于0且小于或者等于M的整数。

具体的，服务器在获得每个所述候选兴趣点的定位结果的数目变化信息后，将每个候选兴趣点的定位结果的数目变化信息分别与预设的变化阈值进行比较。

若候选兴趣点的定位结果的数目变化信息小于变化阈值，则认为该候选兴趣点的变化不大，说明该候选兴趣点不是目标兴趣点。反之，若候选兴趣点的定位结果的数目变化信息大于或者等于变化阈值，则认为该候选兴趣点的变化比较大，确定该候选兴趣点是目标兴趣点，说明该候选兴趣点是疑似的异常兴趣点，这样，服务器就可以从M个候选兴趣点中，获得数目变化信息大于或者等于变化阈值的N个候选兴趣点，并将获得的N个候选兴趣点作为N个目标兴趣点。

请参考图3，其为本发明实施例所提供的定位结果的数目变化的第一示意图，如图所示，图中横轴表示采样时刻，竖轴表示定位结果的数目，在第K个采样时刻之前，某候选兴趣点(如某定位区域的中心点)的定位结果的数目比较平稳，从第K个采样时刻开始，定位结果的数目激增，依据第K个采样时刻的定位结果的数目与第K-1个采样时刻的定位结果的数目可以获得定位结果的数目变化，说明该定位区域内可能新增加了一个兴趣点，例如，该定位区域内新开了一家商店、之前施工的道路已经正式投入使用等。

请参考图4，其为本发明实施例所提供的定位结果的数目变化的第二示意图，如图所示，图中横轴表示采样时刻，竖轴表示定位结果的数目，在第K个采样时刻之前，某兴趣点的定位结果的数目比较平稳，从第K个采样时刻开始，定位结果的数目大幅度下降，依据第K个采样时刻的定位结果的数目与第K-1个采样时刻的定位结果的数目可以获得定位结果的数目变化，说明该候选兴趣点可能关闭，例如，该候选兴趣点是商店，该商店已经停业；再例如，该候选兴趣点是热门景点，该热门景点由于临时整顿或者施工等原因暂时关闭等。

S103，利用每个所述目标兴趣点匹配的文本信息，对每个所述目标兴趣点进行验证，以获得所述N个目标兴趣点中的P个异常兴趣点，P为大于0且小于或者等于N的整数。

具体的，由于N个目标兴趣点是疑似的异常兴趣点，所以还需要对N个目标兴趣点进行进一步的验证，举例说明，服务器对每个目标兴趣点进行验证，以获得异常兴趣点的方法可以包括：

首先，服务器在获得N个目标兴趣点后，获得每个所述目标兴趣点匹配的文本信息。

例如，服务器可以在数据库中抓取目标兴趣点匹配的文本信息，该文本信息可以包括以下信息中至少一个：新闻网页中的文本信息、目标兴趣点的官方网站中的文本信息、论坛网站中的文本信息和用户生成内容(User Generated Content，UGC)。

例如，用户生成内容可以是用户使用微博客户端发送的文本信息，还可以是用户使用微信客户端发送的文本信息。

然后，服务器对所述每个所述目标兴趣点匹配的文本信息进行切词处理，以获得每个所述目标兴趣点对应的至少一个分词。

接着，服务器可以对每个目标兴趣点对应的至少一个分词进行排重处理，以去除至少一个分词中相同的分词；然后服务器利用预设的识别模型，对每个所述目标兴趣点对应的至少一个分词进行识别，以获得每个所述目标兴趣点对应的至少一个分词中的异常关键词。

其中，所述识别模型中可以包括至少一个异常关键词以及每个异常关键词的对应的反馈属性，如果上述至少一个分词中的某个分词命中了识别模型中的异常关键词，则将该分词保留；如果某个分词没有命中识别模型，则删除该分词，这样，就利用识别模型识别出至少一个分词中的异常关键词。

最后，服务器获得每个目标兴趣点对应的至少一个分词中异常关键词的比例信息，将该异常关键词的比例信息与预设的比例阈值进行比较；若异常关键词的比例信息大于或者等于该比例阈值，则认为目标兴趣点对应的至少一个分词中异常关键词的数目较多，说明该目标兴趣点是异常兴趣点。

服务器在对每个目标兴趣点都进行上述验证后，服务器就可以从所述N个目标兴趣点中，获得P个目标兴趣点，该P个目标兴趣点就是P个异常兴趣点。

本步骤中利用客观的文本信息，对获得的目标兴趣点进行进一步的验证，而不是直接认定目标兴趣点就是异常兴趣点，因此提高获取的异常兴趣点的准确度，以避免异常兴趣点的误识别和误获取，从而可以给用户带来良好体验。

请参考图5，其为本发明实施例中对目标兴趣点进行验证的示例图，如图所示，服务器获得疑似的异常兴趣点，即目标兴趣点“海底捞(牡丹园店)”。对该目标兴趣点，服务器抓取到3条文本信息，对该文本信息进行切词处理、排重处理和利用识别模型进行识别处理后，获得异常关键词“关门”、“装修”和“停止营业”，对于每个异常关键词，服务器获得的反馈属性都是负反馈，则服务器对目标兴趣点“海底捞(牡丹园店)”经过验证后，得到的验证结论是该目标兴趣点“海底捞(牡丹园店)”是异常兴趣点。

可选的，在获得P个异常兴趣点后，服务器还可以获得每个异常兴趣点的异常类型。

举例说明，服务器获得异常兴趣点的异常类型的方法可以是：

首先，服务器获得每个所述异常兴趣点对应的异常关键词的反馈属性，所述反馈属性用于指示所述异常兴趣点为新增兴趣点或者关闭兴趣点。

其中，反馈属性可以从识别模型中获取。

其中，对于每个异常兴趣点对应的异常关键词，异常关键词的反馈属性可以是正反馈，或者，异常关键词的反馈属性也可以是负反馈。

然后，服务器依据所述反馈属性，获得每个所述异常兴趣点的异常类型，所述异常类型包括所述新增兴趣点或者关闭兴趣点。

其中，若某异常兴趣点对应的异常关键词的反馈属性中，反馈属性是正反馈的异常关键词的数目大于反馈属性是负反馈的异常关键词的数目，则确定该异常兴趣点是新增兴趣点。若某异常兴趣点对应的异常关键词的反馈属性中，反馈属性是正反馈的异常关键词的数目小于反馈属性是负反馈的异常关键词的数目，则确定该异常兴趣点是关闭兴趣点。

可选的，若所述异常兴趣点为新增兴趣点，上述方法还可以包括：

服务器获得与所述新增兴趣点之间的距离小于预设的距离阈值的终端；然后服务器将所述新增兴趣点作为推荐兴趣点推送给所述终端中安装的客户端。

可选的，若所述异常兴趣点为关闭兴趣点，上述方法还可以包括：

当用户在客户端上输入的兴趣点为所述关闭兴趣点时，服务器向所述客户端推送提示信息，所述提示信息用于提示输入的所述兴趣点为异常兴趣点，用于提示用户该兴趣点出现异常，所以不建议用户前往该兴趣点。另外，服务器还可以在提示信息中显示该兴趣点的异常关键词和/或其他用户对该兴趣点的评论数据，以增加该兴趣点为异常兴趣点的可信度。

本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。

请参考图6，其为本发明实施例所提供的异常兴趣点的获取装置的功能方块图。如图所示，该装置包括：

获取单元601，用于获得针对M个候选兴趣点中每个所述候选兴趣点的定位结果的数目变化信息，M为大于或者等于2的整数；

处理单元602，用于依据所述M个候选兴趣点和所述数目变化信息，获得N个目标兴趣点；N为大于0且小于或者等于M的整数；

验证单元603，用于利用每个所述目标兴趣点匹配的文本信息，对每个所述目标兴趣点进行验证，以获得所述N个目标兴趣点中的P个异常兴趣点，P为大于0且小于或者等于N的整数。

优选的，所述获取单元601，具体用于：

获得每个所述候选兴趣点在R个采样时刻中每个所述采样时刻的定位结果，R为大于1的整数；

依据所述R个采样时刻中，第K个采样时刻的定位结果的数目和第K-1个采样时刻的定位结果的数目，获得针对每个所述候选兴趣点的定位结果的数目变化信息，K为大于1且小于或者等于R的整数。

优选的，所述处理单元602，具体用于；

比较所述数目变化信息与预设的变化阈值的大小；

获得所述M个候选兴趣点中，数目变化信息大于或者等于所述变化阈值的N个候选兴趣点，将所述N个候选兴趣点作为所述N个目标兴趣点。

优选的，所述验证单元603，具体用于：

获得每个所述目标兴趣点匹配的文本信息；

对所述每个所述目标兴趣点匹配的文本信息进行切词处理，以获得每个所述目标兴趣点对应的至少一个分词；

利用预设的识别模型对每个所述目标兴趣点对应的至少一个分词进行识别，以获得每个所述目标兴趣点对应的至少一个分词中的异常关键词；

依据异常关键词的比例信息和预设的比例阈值，获得所述N个目标兴趣点中的P个目标兴趣点，将所述P个目标兴趣点作为所述P个异常兴趣点。

可选的，所述装置还包括：

识别单元604，用于获得每个所述异常兴趣点对应的异常关键词的反馈属性，所述反馈属性用于指示所述异常兴趣点为新增兴趣点或者关闭兴趣点；依据所述反馈属性，获得每个所述异常兴趣点的异常类型，所述异常类型包括新增兴趣点或者关闭兴趣点。

可选的，所述装置还包括：

推送单元605，用于当所述异常兴趣点为新增兴趣点时，获得与所述新增兴趣点之间的距离小于预设的距离阈值的终端；将所述新增兴趣点作为推荐兴趣点推送给所述终端中安装的客户端；或者，

所述推送单元605，用于当所述异常兴趣点为关闭兴趣点时，若客户端上输入的兴趣点为所述关闭兴趣点，向所述客户端推送提示信息，所述提示信息用于提示输入的所述兴趣点为异常兴趣点。

由于本实施例中的各单元能够执行图1所示的方法，本实施例未详细描述的部分，可参考对图1的相关说明。

本发明实施例的技术方案具有以下有益效果：

本发明实施例中，可以依据候选兴趣点的定位结果的数目变化，及时获得目标兴趣点，然后对目标兴趣点进行验证，以识别出目标兴趣点中的异常兴趣点，从而实现自动从大量兴趣点中获得异常兴趣点，与现有技术中人工采集异常兴趣点的方法相比，本发明实施例能够及时获取到异常兴趣点，可以实现提高异常兴趣点的获取效率，实现异常兴趣点的及时更新。

另外，本发明实施例还不需要耗费大量的人力物力，能够降低异常兴趣点的获取成本。

另外，当用户在客户端中输入的兴趣点是关闭兴趣点时，可以向用户推送提示信息，为用户的选择提供便利，还可以避免用户由于不知道兴趣点关闭而带来的时间浪费，带来良好的用户体验。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种异常兴趣点的获取方法，其特征在于，所述方法包括：

获得针对M个候选兴趣点中每个所述候选兴趣点的定位结果的数目变化信息，M为大于或者等于2的整数；

比较所述数目变化信息与预设的变化阈值的大小；

获得所述M个候选兴趣点中，数目变化信息大于或者等于所述变化阈值的N个候选兴趣点，将所述N个候选兴趣点作为N个目标兴趣点；N为大于0且小于或者等于M的整数；

利用每个所述目标兴趣点匹配的文本信息，对每个所述目标兴趣点进行验证，以获得所述N个目标兴趣点中的P个异常兴趣点，P为大于0且小于或者等于N的整数。

2.根据权利要求1所述的方法，其特征在于，所述获得针对M个候选兴趣点中每个所述候选兴趣点的定位结果的数目变化信息，包括：

获得每个所述候选兴趣点在R个采样时刻中每个所述采样时刻的定位结果，R为大于1的整数；

依据所述R个采样时刻中，第K个采样时刻的定位结果的数目和第K-1个采样时刻的定位结果的数目，获得针对每个所述候选兴趣点的定位结果的数目变化信息，K为大于1且小于或者等于R的整数。

3.根据权利要求1所述的方法，其特征在于，所述利用每个所述目标兴趣点匹配的文本信息，对每个所述目标兴趣点进行验证，以获得所述N个目标兴趣点中的P个异常兴趣点，包括：

获得每个所述目标兴趣点匹配的文本信息；

对所述每个所述目标兴趣点匹配的文本信息进行切词处理，以获得每个所述目标兴趣点对应的至少一个分词；

利用预设的识别模型对每个所述目标兴趣点对应的至少一个分词进行识别，以获得每个所述目标兴趣点对应的至少一个分词中的异常关键词；

依据异常关键词的比例信息和预设的比例阈值，获得所述N个目标兴趣点中的P个目标兴趣点，将所述P个目标兴趣点作为所述P个异常兴趣点。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获得每个所述异常兴趣点对应的异常关键词的反馈属性，所述反馈属性用于指示所述异常兴趣点为新增兴趣点或者关闭兴趣点；

依据所述反馈属性，获得每个所述异常兴趣点的异常类型，所述异常类型包括新增兴趣点或者关闭兴趣点。

5.根据权利要求1至4中任一项所述的方法，其特征在于，

所述异常兴趣点为新增兴趣点，所述方法还包括：获得与所述新增兴趣点之间的距离小于预设的距离阈值的终端；将所述新增兴趣点作为推荐兴趣点推送给所述终端中安装的客户端；或者，

所述异常兴趣点为关闭兴趣点，所述方法还包括：若客户端上输入的兴趣点为所述关闭兴趣点，向所述客户端推送提示信息，所述提示信息用于提示输入的所述兴趣点为异常兴趣点。

6.一种异常兴趣点的获取装置，其特征在于，所述装置包括：

获取单元，用于获得针对M个候选兴趣点中每个所述候选兴趣点的定位结果的数目变化信息，M为大于或者等于2的整数；

处理单元，用于

比较所述数目变化信息与预设的变化阈值的大小；

获得所述M个候选兴趣点中，数目变化信息大于或者等于所述变化阈值的N个候选兴趣点，将所述N个候选兴趣点作为N个目标兴趣点；N为大于0且小于或者等于M的整数；

验证单元，用于

利用每个所述目标兴趣点匹配的文本信息，对每个所述目标兴趣点进行验证，以获得所述N个目标兴趣点中的P个异常兴趣点，P为大于0且小于或者等于N的整数。

7.根据权利要求6所述的装置，其特征在于，所述获取单元，具体用于：

获得每个所述候选兴趣点在R个采样时刻中每个所述采样时刻的定位结果，R为大于1的整数；

依据所述R个采样时刻中，第K个采样时刻的定位结果的数目和第K-1个采样时刻的定位结果的数目，获得针对每个所述候选兴趣点的定位结果的数目变化信息，K为大于1且小于或者等于R的整数。

8.根据权利要求6所述的装置，其特征在于，所述验证单元，具体用于：

获得每个所述目标兴趣点匹配的文本信息；

对所述每个所述目标兴趣点匹配的文本信息进行切词处理，以获得每个所述目标兴趣点对应的至少一个分词；

利用预设的识别模型对每个所述目标兴趣点对应的至少一个分词进行识别，以获得每个所述目标兴趣点对应的至少一个分词中的异常关键词；

依据异常关键词的比例信息和预设的比例阈值，获得所述N个目标兴趣点中的P个目标兴趣点，将所述P个目标兴趣点作为所述P个异常兴趣点。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

识别单元，用于获得每个所述异常兴趣点对应的异常关键词的反馈属性，所述反馈属性用于指示所述异常兴趣点为新增兴趣点或者关闭兴趣点；依据所述反馈属性，获得每个所述异常兴趣点的异常类型，所述异常类型包括新增兴趣点或者关闭兴趣点。

10.根据权利要求6至8中任一项所述的装置，其特征在于，所述装置还包括：

推送单元，用于当所述异常兴趣点为新增兴趣点时，获得与所述新增兴趣点之间的距离小于预设的距离阈值的终端；将所述新增兴趣点作为推荐兴趣点推送给所述终端中安装的客户端；或者，

所述推送单元，用于当所述异常兴趣点为关闭兴趣点时，若客户端上输入的兴趣点为所述关闭兴趣点，向所述客户端推送提示信息，所述提示信息用于提示输入的所述兴趣点为异常兴趣点。