CN105224660A - 一种地图兴趣点poi数据的处理方法和装置 - Google Patents
一种地图兴趣点poi数据的处理方法和装置 Download PDFInfo
- Publication number
- CN105224660A CN105224660A CN201510642103.2A CN201510642103A CN105224660A CN 105224660 A CN105224660 A CN 105224660A CN 201510642103 A CN201510642103 A CN 201510642103A CN 105224660 A CN105224660 A CN 105224660A
- Authority
- CN
- China
- Prior art keywords
- poi
- poi data
- data
- word
- title
- 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.)
- Pending
Links
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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
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 Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种地图兴趣点POI数据的处理方法和装置,该方法包括:从互联网网页中挖掘出与指定POI关联的多条POI数据,每条POI数据包括:POI名称和POI地址;分析每条POI数据对应的关键词;将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据;对所述视为相同的多条POI数据进行去重处理,得到最终与所述指定POI关联的POI数据。本发明提供的技术方案对于与指定POI关联的多条POI数据,将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据,对视为相同的多条POI数据进行去重处理,进而得到准确、单一的POI数据。本方案解决了从互联网上挖掘出的POI数据存在大量冗余、重复数据的问题,向用户展示更加简洁、纯净的地图兴趣点POI数据,进一步提高用户体验。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种地图兴趣点POI数据的处理方法和装置。
背景技术
POI(兴趣点,PointofInterest)是指用户感兴趣或对用户来说有实际用途的特定的地理位置点;在地理信息系统中,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是需要地图测绘人员采用精密的测绘仪器去获取各兴趣点的经纬度,然后再标记下来,这种方式费时费力。由于互联网上存在着各种各样的POI数据,如果能从互联网上挖掘这些数据则会大大节省人力和时间。
然而,互联网上的POI数据是各种各样的,其中充斥着大量的脏数据、错误数据以及重复数据。为了保证POI数据的准确性和单一性,需要对从互联网上挖掘出的POI数据进行进一步的处理。
现有技术中,常见的处理方式是分别计算POI数据的POI名称和POI地址的相似度,再根据相似度进行去重。但由于上述计算POI名称的相似度以及计算POI地址的相似度实际上均是对字符串的相似度的比较过程,字符串的相似度的比较难度较高,尤其是包含汉字的字符串计算其相似度会涉及到自然语言处理,可实施性差、效率低,且准确率也难以保证。
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一种地图兴趣点POI数据的处理方法和相应的装置。
依据本发明的一个方面,提供了一种地图兴趣点POI数据的处理方法,该方法包括:
从互联网网页中挖掘出与指定POI关联的多条POI数据,每条POI数据包括:POI名称和POI地址;
分析每条POI数据对应的关键词;
将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据;
对所述视为相同的多条POI数据进行去重处理,得到最终与所述指定POI关联的POI数据。
可选地,所述分析每条POI数据对应的关键词包括:
对于一条POI数据,提取该POI数据中的POI名称的核心词,获取该POI数据的类型,将所述核心词和类型结合起来,作为该条POI数据对应的关键词。
可选地,所述提取该POI数据中的POI名称的核心词包括:
对该POI数据中的POI名称进行切词处理,统计切词后的每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词。
可选地,所述预设统计集合包括:对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词。
可选地,每条POI数据中还包括:来源网页;
则所述获取该POI数据的类型包括:将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。
可选地,所述获取该POI数据的类型包括:
对该POI数据中的POI名称进行切词处理,将切词后得到的最后一个子词作为该POI数据的类型。
可选地,该方法进一步包括:
解析每条POI数据中的POI地址对应的经纬度,将经纬度相同的POI地址视为相同的POI地址。
依据本发明的另一个方面,提供了一种地图兴趣点POI数据的处理装置,该装置包括:
挖掘单元,适于从互联网网页中挖掘出与指定POI关联的多条POI数据;其中,每条POI数据包括:POI名称和POI地址;
分析单元,适于分析每条POI数据对应的关键词;以及适于将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据;
去重单元,适于对所述视为相同的多条POI数据进行去重处理,得到最终与所述指定POI关联的POI数据。
可选地,所述分析单元,适于对于一条POI数据,提取该POI数据中的POI名称的核心词,获取该POI数据的类型,将所述核心词和类型结合起来,作为该条POI数据对应的关键词。
可选地,所述分析单元,适于对该POI数据中的POI名称进行切词处理,统计切词后的每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词。
可选地,所述预设统计集合包括:对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词。
可选地,每条POI数据中还包括:来源网页;
则所述分析单元,适于将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。
可选地,所述分析单元,适于对该POI数据中的POI名称进行切词处理,将切词后得到的最后一个子词作为该POI数据的类型。
可选地,所述分析单元,进一步适于解析每条POI数据中的POI地址对应的经纬度,将经纬度相同的POI地址视为相同的POI地址。
由上述可知,在本发明提供的技术方案中,对于与指定POI关联的多条POI数据,将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据,对视为相同的多条POI数据进行去重处理,进而得到准确、单一的POI数据。本方案解决了从互联网上挖掘出的POI数据存在大量冗余、重复数据的问题,向用户展示更加简洁、纯净的地图兴趣点POI数据,进一步提高用户体验。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
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示出了根据本发明一个实施例的一种地图兴趣点POI数据的处理方法的流程图;
图2示出了根据本发明一个实施例的一条POI数据的来源网页的局部示意图;
图3示出了根据本发明一个实施例的一种地图兴趣点POI数据的处理装置的示意图。
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。
图1示出了根据本发明一个实施例的一种地图兴趣点POI数据的处理方法的流程图。如图1所示,该方法包括:
步骤S110,从互联网网页中挖掘出与指定POI关联的多条POI数据,每条POI数据包括:POI名称和POI地址。
步骤S120,分析每条POI数据对应的关键词。
在本步骤中,每条POI数据对应的关键词能够全面、准确地反映该条POI数据的信息特征。
步骤S130,将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据。
步骤S140,对视为相同的多条POI数据进行去重处理,得到最终与指定POI关联的POI数据。
可见,在图1所示的方法中,对于与指定POI关联的多条POI数据,将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据,对视为相同的多条POI数据进行去重处理,进而得到准确、单一的POI数据。本方案解决了从互联网上挖掘出的POI数据存在大量冗余、重复数据的问题,向用户展示更加简洁、纯净的地图兴趣点POI数据,进一步提高用户体验。
在本发明的一个实施例中,图1所示方法的步骤S120,分析每条POI数据对应的关键词包括:
步骤S121,对于一条POI数据,提取该POI数据中的POI名称的核心词。
本步骤中,POI名称的核心词能够标识出该POI名称不同于其他POI名称的特征。
步骤S122,获取该POI数据的类型。
步骤S123,将核心词和类型结合起来,作为该条POI数据对应的关键词。
可见,本实施例中的一条POI数据的关键词包括:POI数据的POI名称的核心词,以及POI数据的类型;其中,核心词是用于描述该条POI数据的特征,类型是用于描述该条POI数据的用途,使得POI数据的关键词在具有标识性的同时,还具有能够满足了用户对POI数据的信息需求的全面性,能够全面、准确地反映该条POI数据。
在具体的实施例中,上述步骤S121可以通过以下方式提取该POI数据中的POI名称的核心词:对该POI数据中的POI名称进行切词处理,统计切词后的每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词。其中,所述预设统计集合包括:对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词。
在具体的实施例中,上述步骤S122可以通过以下方式获取该POI数据的类型:对该POI数据中的POI名称进行切词处理,将切词后得到的最后一个子词作为该POI数据的类型。或者,进一步地,每条POI数据中还可以包括:来源网页;则步骤S122获取该POI数据的类型包括:将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。
在本发明的一个实施例中,图1所示的方法进一步包括:解析每条POI数据中的POI地址对应的经纬度,将经纬度相同的POI地址视为相同的POI地址。
例如,从互联网网页中挖掘出与指定POI关联的6条POI数据如表1所示,其中,每条POI数据包括:POI名称、POI地址和该条POI数据的来源网页。
表1
由表1可以看出,从互联网网页中挖掘出的上述6条POI数据中存在重复数据,需要对其进行处理后再将其提供给用户。以对第1条POI数据进行处理为例说明POI数据的处理过程:
对于第1条POI数据,首先,提取第1条POI数据中的POI名称“金龙饭店酒吧”的核心词,该核心词用于描述该POI名称与其他POI名称不同的特征;具体地,对该POI名称“金龙饭店酒吧”进行切词处理,得到“金龙”、“饭店”和“酒吧”3个子词,统计每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词;其中,预设统计集合是指:对于在一段时间内从互联网网页挖掘出的所有POI数据(该POI数据未经过分类,形成了一个巨大的、全面的POI数据集合),对该POI数据集合中的所有POI数据的POI名称进行切词处理后得到的所有子词的集合。则对于“金龙”、“饭店”和“酒吧”这3个子词来说,在预设统计集合中出现次数最少的子词将能描述其所在的POI名称最独有的特征,在本例中,众多子词中,“饭店”很常见,“酒吧”也很常见,只有“金龙”是在预设统计集合中出现次数最少的子词,因此以“金龙”作为第1条POI数据的POI名称的核心词。
其次,获取第1条POI数据的类型;具体地,可以通过以下两种方式获取POI数据的类型:方式一,依据上述切词处理后得到的金龙”、“饭店”和“酒吧”3个子词,以最后1个子词“酒吧”作为该条POI数据的类型;方式二,将该条POI数据中的来源网页中所包含的类型作为该POI数据的类型;图2示出了根据本发明一个实施例的一条POI数据的来源网页的局部示意图,该示意图即为本例中第1条POI数据中的来源网页http://m.aibang.com/detail/1655180060-1203999342的局部,可以看到,图中示出了“金龙饭店酒吧”的类型为“酒吧”。
再者,将上述得到的第1条POI数据的核心词和类型结合起来,得到“金龙-酒吧”作为该条POI数据的关键词。
最后,解析第1条POI数据中的POI地址“北京路575号”对应的经纬度,得到{东经:102.719608,北纬:25.0461711}。
其他各条POI数据的处理方式皆同理于第1条POI数据的处理方式,在此不再赘述,最终得到表1中所示的6条POI数据经处理后得到的结果,如表2所示:
表2
序号 | POI数据的关键词 | POI数据的POI地址对应的经纬度 |
1 | 金龙-酒吧 | 东经:102.719608,北纬:25.0461711 |
2 | 金龙-饭店 | 东经:102.719608,北纬:25.0461711 |
3 | 金龙-饭店 | 东经:102.719608,北纬:25.0461711 |
4 | 金龙-停车场 | 东经:102.719608,北纬:25.0461711 |
5 | 金龙-泳池 | 东经:102.719608,北纬:25.0461711 |
6 | 金龙-饭店 | 东经:102.719608,北纬:25.0461711 |
由表2可以看出,第2条POI数据、第3条POI数据和第6条POI数据的关键词相同且POI地址对应的经纬度也相同,确定第2条POI数据、第3条POI数据和第6条POI数据是重复的POI数据,应当对该三者进行去重处理,得到的最终与指定POI关联的POI数据如表3所示:
表3
可见,经过上述对POI数据的处理过程,最终将所挖掘的POI数据简化为4条,向用户提供该4条POI数据,更加符合用户需求。
图3示出了根据本发明一个实施例的一种地图兴趣点POI数据的处理装置的示意图。如图3所示,该地图兴趣点POI数据的处理装置300包括:
挖掘单元310,适于从互联网网页中挖掘出与指定POI关联的多条POI数据;其中,每条POI数据包括:POI名称和POI地址。
分析单元320,适于分析每条POI数据对应的关键词;以及适于将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据。
去重单元330,适于对视为相同的多条POI数据进行去重处理,得到最终与所述指定POI关联的POI数据。
可见,图3所示的装置从互联网网页中挖掘出POI数据,对于与指定POI关联的多条POI数据,将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据,对视为相同的多条POI数据进行去重处理,进而得到准确、单一的POI数据。本方案解决了从互联网上挖掘出的POI数据存在大量冗余、重复数据的问题,向用户展示更加简洁、纯净的地图兴趣点POI数据,进一步提高用户体验。
在本发明的一个实施例中,图3所示装置的分析单元320,适于对于一条POI数据,提取该POI数据中的POI名称的核心词,获取该POI数据的类型,将所述核心词和类型结合起来,作为该条POI数据对应的关键词。
在具体的实施例中,分析单元320可以通过以下方式提取该POI数据中的POI名称的核心词:对该POI数据中的POI名称进行切词处理,统计切词后的每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词。其中,预设统计集合包括:对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词。
在具体的实施例中,分析单元320可以通过以下方式获取该POI数据的类型:对该POI数据中的POI名称进行切词处理,将切词后得到的最后一个子词作为该POI数据的类型。
或者,进一步地,每条POI数据中还可以包括:来源网页;则分析单元320,适于将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。
在本发明的一个实施例中,图3所示装置的分析单元320,进一步适于解析每条POI数据中的POI地址对应的经纬度,将经纬度相同的POI地址视为相同的POI地址。
需要说明的是,图3所示装置的各实施例与上文图1所示方法的各实施例对应相同,上文已详细说明,在此不再赘述。
综上所述,本发明提供的技术方案从互联网网页中挖掘出POI数据,对于与指定POI关联的多条POI数据,将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据,对视为相同的多条POI数据进行去重处理,进而得到准确、单一的POI数据。与现有技术相比,本方案将对POI名称的字符串的比较转换为对关键词的比较,将对POI地址的字符串的比较转换为对经纬度数字的比较,不涉及字符串相似度的比较过程,更加简单、准确、巧妙、高效地解决了从互联网上挖掘出的POI数据存在大量冗余、重复数据的问题,向用户展示更加简洁、纯净的地图兴趣点POI数据,进一步提高用户体验。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
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,可以对实施例中的设备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设备中。可以把实施例中的模块或单元或组件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/或过程或者单元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,在下面的权利要求书中,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。
本发明的各个部件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地图兴趣点POI数据的处理装置中的一些或者全部部件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设备或者装置程序(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。
本发明公开了A1、一种地图兴趣点POI数据的处理方法,其中,该方法包括:
从互联网网页中挖掘出与指定POI关联的多条POI数据,每条POI数据包括:POI名称和POI地址;
分析每条POI数据对应的关键词;
将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据;
对所述视为相同的多条POI数据进行去重处理,得到最终与所述指定POI关联的POI数据。
A2、如A1所述的方法,其中,所述分析每条POI数据对应的关键词包括:
对于一条POI数据,提取该POI数据中的POI名称的核心词,获取该POI数据的类型,将所述核心词和类型结合起来,作为该条POI数据对应的关键词。
A3、如A2所述的方法,其中,所述提取该POI数据中的POI名称的核心词包括:
对该POI数据中的POI名称进行切词处理,统计切词后的每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词。
A4、如A3所述的方法,其中,所述预设统计集合包括:对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词。
A5、如A2所述的方法,其中,每条POI数据中还包括:来源网页;
则所述获取该POI数据的类型包括:将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。
A6、如A2所述的方法,其中,所述获取该POI数据的类型包括:
对该POI数据中的POI名称进行切词处理,将切词后得到的最后一个子词作为该POI数据的类型。
A7、如A1所述的方法,其中,该方法进一步包括:
解析每条POI数据中的POI地址对应的经纬度,将经纬度相同的POI地址视为相同的POI地址。
本发明还公开了B8、一种地图兴趣点POI数据的处理装置,其中,该装置包括:
挖掘单元,适于从互联网网页中挖掘出与指定POI关联的多条POI数据;其中,每条POI数据包括:POI名称和POI地址;
分析单元,适于分析每条POI数据对应的关键词;以及适于将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据;
去重单元,适于对所述视为相同的多条POI数据进行去重处理,得到最终与所述指定POI关联的POI数据。
B9、如B8所述的装置,其中,
所述分析单元,适于对于一条POI数据,提取该POI数据中的POI名称的核心词,获取该POI数据的类型,将所述核心词和类型结合起来,作为该条POI数据对应的关键词。
B10、如B9所述的装置,其中,
所述分析单元,适于对该POI数据中的POI名称进行切词处理,统计切词后的每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词。
B11、如B10所述的装置,其中,所述预设统计集合包括:对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词。
B12、如B9所述的装置,其中,每条POI数据中还包括:来源网页;
则所述分析单元,适于将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。
B13、如B9所述的装置,其中,
所述分析单元,适于对该POI数据中的POI名称进行切词处理,将切词后得到的最后一个子词作为该POI数据的类型。
B14、如B8所述的装置,其中,
所述分析单元,进一步适于解析每条POI数据中的POI地址对应的经纬度,将经纬度相同的POI地址视为相同的POI地址。
Claims (10)
1.一种地图兴趣点POI数据的处理方法,其中,该方法包括:
从互联网网页中挖掘出与指定POI关联的多条POI数据,每条POI数据包括:POI名称和POI地址;
分析每条POI数据对应的关键词;
将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据;
对所述视为相同的多条POI数据进行去重处理,得到最终与所述指定POI关联的POI数据。
2.如权利要求1所述的方法,其中,所述分析每条POI数据对应的关键词包括:
对于一条POI数据,提取该POI数据中的POI名称的核心词,获取该POI数据的类型,将所述核心词和类型结合起来,作为该条POI数据对应的关键词。
3.如权利要求2所述的方法,其中,所述提取该POI数据中的POI名称的核心词包括:
对该POI数据中的POI名称进行切词处理,统计切词后的每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词。
4.如权利要求3所述的方法,其中,所述预设统计集合包括:对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词。
5.如权利要求2所述的方法,其中,每条POI数据中还包括:来源网页;
则所述获取该POI数据的类型包括:将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。
6.如权利要求2所述的方法,其中,所述获取该POI数据的类型包括:
对该POI数据中的POI名称进行切词处理,将切词后得到的最后一个子词作为该POI数据的类型。
7.如权利要求1所述的方法,其中,该方法进一步包括:
解析每条POI数据中的POI地址对应的经纬度,将经纬度相同的POI地址视为相同的POI地址。
8.一种地图兴趣点POI数据的处理装置,其中,该装置包括:
挖掘单元,适于从互联网网页中挖掘出与指定POI关联的多条POI数据;其中,每条POI数据包括:POI名称和POI地址;
分析单元,适于分析每条POI数据对应的关键词;以及适于将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据;
去重单元,适于对所述视为相同的多条POI数据进行去重处理,得到最终与所述指定POI关联的POI数据。
9.如权利要求8所述的装置,其中,
所述分析单元,适于对于一条POI数据,提取该POI数据中的POI名称的核心词,获取该POI数据的类型,将所述核心词和类型结合起来,作为该条POI数据对应的关键词。
10.如权利要求9所述的装置,其中,
所述分析单元,适于对该POI数据中的POI名称进行切词处理,统计切词后的每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510642103.2A CN105224660A (zh) | 2015-09-30 | 2015-09-30 | 一种地图兴趣点poi数据的处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510642103.2A CN105224660A (zh) | 2015-09-30 | 2015-09-30 | 一种地图兴趣点poi数据的处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105224660A true CN105224660A (zh) | 2016-01-06 |
Family
ID=54993628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510642103.2A Pending CN105224660A (zh) | 2015-09-30 | 2015-09-30 | 一种地图兴趣点poi数据的处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105224660A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528510A (zh) * | 2016-11-18 | 2017-03-22 | 山东浪潮云服务信息科技有限公司 | 一种数据处理的方法及装置 |
CN106959958A (zh) * | 2016-01-11 | 2017-07-18 | 阿里巴巴集团控股有限公司 | 地图兴趣点简称获取方法和装置 |
CN108090220A (zh) * | 2017-12-29 | 2018-05-29 | 科大讯飞股份有限公司 | 兴趣点搜索排序方法及系统 |
CN109033210A (zh) * | 2018-06-29 | 2018-12-18 | 北京奇虎科技有限公司 | 一种挖掘地图兴趣点poi的方法和装置 |
WO2018227931A1 (zh) * | 2017-06-12 | 2018-12-20 | 北京小度信息科技有限公司 | 信息判断方法及装置 |
WO2019056628A1 (zh) * | 2017-09-21 | 2019-03-28 | 北京三快在线科技有限公司 | 关注点文案的生成 |
CN109800361A (zh) * | 2019-02-11 | 2019-05-24 | 北京百度网讯科技有限公司 | 一种兴趣点名称的挖掘方法、装置、电子设备及存储介质 |
CN110675648A (zh) * | 2019-08-20 | 2020-01-10 | 中国平安财产保险股份有限公司 | 停车场数据源采集及数据去重采集的方法及系统、服务器 |
CN110737733A (zh) * | 2018-07-03 | 2020-01-31 | 百度在线网络技术(北京)有限公司 | 去除重复兴趣点的方法和装置 |
CN111782741A (zh) * | 2020-06-04 | 2020-10-16 | 汉海信息技术(上海)有限公司 | 兴趣点挖掘方法、装置、电子设备及存储介质 |
WO2021139183A1 (zh) * | 2020-01-08 | 2021-07-15 | 百度在线网络技术(北京)有限公司 | 电子地图的搜索方法、装置、设备和介质 |
CN113127759A (zh) * | 2021-04-16 | 2021-07-16 | 深圳集智数字科技有限公司 | 兴趣点处理方法、装置、计算设备及计算机可读存储介质 |
WO2022164387A1 (en) * | 2021-01-26 | 2022-08-04 | Grabtaxi Holdings Pte. Ltd. | Method and system for deduplicating point of interest databases |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572955A (zh) * | 2014-12-29 | 2015-04-29 | 北京奇虎科技有限公司 | 一种基于聚类确定poi名称的系统及方法 |
CN104572957A (zh) * | 2014-12-29 | 2015-04-29 | 北京奇虎科技有限公司 | 一种基于聚类的poi名称确定系统及方法 |
CN104572956A (zh) * | 2014-12-29 | 2015-04-29 | 北京奇虎科技有限公司 | 确定poi信息有效性的系统及方法 |
-
2015
- 2015-09-30 CN CN201510642103.2A patent/CN105224660A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572955A (zh) * | 2014-12-29 | 2015-04-29 | 北京奇虎科技有限公司 | 一种基于聚类确定poi名称的系统及方法 |
CN104572957A (zh) * | 2014-12-29 | 2015-04-29 | 北京奇虎科技有限公司 | 一种基于聚类的poi名称确定系统及方法 |
CN104572956A (zh) * | 2014-12-29 | 2015-04-29 | 北京奇虎科技有限公司 | 确定poi信息有效性的系统及方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106959958B (zh) * | 2016-01-11 | 2020-04-07 | 阿里巴巴集团控股有限公司 | 地图兴趣点简称获取方法和装置 |
CN106959958A (zh) * | 2016-01-11 | 2017-07-18 | 阿里巴巴集团控股有限公司 | 地图兴趣点简称获取方法和装置 |
US11255690B2 (en) | 2016-01-11 | 2022-02-22 | Advanced New Technologies Co., Ltd. | Method and apparatus for obtaining abbreviated name of point of interest on map |
US10816355B2 (en) | 2016-01-11 | 2020-10-27 | Alibaba Group Holding Limited | Method and apparatus for obtaining abbreviated name of point of interest on map |
CN106528510A (zh) * | 2016-11-18 | 2017-03-22 | 山东浪潮云服务信息科技有限公司 | 一种数据处理的方法及装置 |
WO2018227931A1 (zh) * | 2017-06-12 | 2018-12-20 | 北京小度信息科技有限公司 | 信息判断方法及装置 |
WO2019056628A1 (zh) * | 2017-09-21 | 2019-03-28 | 北京三快在线科技有限公司 | 关注点文案的生成 |
CN108090220B (zh) * | 2017-12-29 | 2021-05-04 | 科大讯飞股份有限公司 | 兴趣点搜索排序方法及系统 |
CN108090220A (zh) * | 2017-12-29 | 2018-05-29 | 科大讯飞股份有限公司 | 兴趣点搜索排序方法及系统 |
CN109033210A (zh) * | 2018-06-29 | 2018-12-18 | 北京奇虎科技有限公司 | 一种挖掘地图兴趣点poi的方法和装置 |
CN110737733A (zh) * | 2018-07-03 | 2020-01-31 | 百度在线网络技术(北京)有限公司 | 去除重复兴趣点的方法和装置 |
CN109800361A (zh) * | 2019-02-11 | 2019-05-24 | 北京百度网讯科技有限公司 | 一种兴趣点名称的挖掘方法、装置、电子设备及存储介质 |
CN110675648A (zh) * | 2019-08-20 | 2020-01-10 | 中国平安财产保险股份有限公司 | 停车场数据源采集及数据去重采集的方法及系统、服务器 |
WO2021139183A1 (zh) * | 2020-01-08 | 2021-07-15 | 百度在线网络技术(北京)有限公司 | 电子地图的搜索方法、装置、设备和介质 |
US11609961B2 (en) | 2020-01-08 | 2023-03-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Search method and apparatus for an electronic map, device and medium |
CN111782741A (zh) * | 2020-06-04 | 2020-10-16 | 汉海信息技术(上海)有限公司 | 兴趣点挖掘方法、装置、电子设备及存储介质 |
WO2022164387A1 (en) * | 2021-01-26 | 2022-08-04 | Grabtaxi Holdings Pte. Ltd. | Method and system for deduplicating point of interest databases |
CN113127759A (zh) * | 2021-04-16 | 2021-07-16 | 深圳集智数字科技有限公司 | 兴趣点处理方法、装置、计算设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105224660A (zh) | 一种地图兴趣点poi数据的处理方法和装置 | |
CN105160031A (zh) | 一种地图兴趣点poi数据的挖掘方法和装置 | |
CN105808609B (zh) | 一种信息点数据冗余的判别方法和设备 | |
CN104572955B (zh) | 一种基于聚类确定poi名称的系统及方法 | |
KR101617696B1 (ko) | 데이터 정규표현식의 마이닝 방법 및 장치 | |
CN105468583A (zh) | 一种实体关系的获取方法及装置 | |
CN104572956A (zh) | 确定poi信息有效性的系统及方法 | |
CN104572957B (zh) | 一种基于聚类的poi名称确定系统及方法 | |
CN105608113B (zh) | 判断文本中poi数据的方法及装置 | |
CN108228657B (zh) | 一种关键字检索的实现方法及装置 | |
CN103559286A (zh) | 视频搜索结果的处理方法及装置 | |
CN102591612A (zh) | 一种基于标点连续性的通用网页正文提取方法及其系统 | |
CN105550169A (zh) | 一种基于字符长度识别兴趣点名称的方法和装置 | |
CN105183908A (zh) | 一种兴趣点poi数据的分类方法和装置 | |
CN103473285A (zh) | 基于位置标记的网页信息抽取方法和装置 | |
CN108831442A (zh) | 兴趣点识别方法、装置、终端设备及存储介质 | |
CN103942264A (zh) | 推送包含新闻信息的网页的方法和装置 | |
CN105159885A (zh) | 一种兴趣点名称的识别方法和装置 | |
CN102479230A (zh) | 提取地理特征词的方法和装置 | |
CN104166659A (zh) | 一种地图数据判重的方法及系统 | |
CN105159921A (zh) | 地图中兴趣点poi数据去重的方法及装置 | |
CN105095390B (zh) | 基于poi数据的连锁品牌采集方法及装置 | |
CN105138708A (zh) | 一种兴趣点名称的识别方法和装置 | |
CN105279249B (zh) | 一种网站中兴趣点数据的置信度的判定方法和装置 | |
CN109614535B (zh) | 一种基于Scrapy框架的网络数据的采集方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160106 |