CN105917335A - 通过挖掘标记有地理标签的数据来发现视域和有利视点 - Google Patents

Abstract

获得并利用经地理标记的数据的集合来发现针对诸如物理实体之类的兴趣实体和诸如地标、日落、天际线等之类的概念实体的视域的最佳有利视点的架构。所公开的架构公开了利用至少标记有地理标签的图像数据来发现具体实体和/或抽象概念的组合之间的关系，以及用于将这些关系展现给用户的技术。该数据可以是众包的标记有地理标签的图像数据，其可以从社交内容中挖掘并且可以从某个位置/区域观看或体验。

Description

通过挖掘标记有地理标签的数据来发现视域和有利视点

背景技术

大部分大城市都具有在游览该城市的游客的“待办”列表上的标志性地标。这些地标的列表和相关联的位置可以在线或者在纸质印刷品上容易地获得。然而，不可获得的是纵览这些地标的有利视点(其中，用户可以拍摄地标的好照片)，或者概括而言，不可获得的是该地标与其它位置/区域之间的关系以及这样的关系为有效的条件。

这种梦寐以求的信息通常受限于本地社区的了解而不能容易地通过对于不熟悉该城市的人们可用的传统源来发现。此外，这是人们在游览之前不知道他们会想要或需要、然而在游览之前会值得了解的那类信息。

发明内容

下文呈现了简化的概要，以便提供对在本文中所描述的一些新颖的实施例的基本理解。该概要不是扩展性的概述，并且其不旨在标识关键/重要元素或描绘其范围。其唯一目的是以简化的形式呈现一些概念，以作为之后所呈现的更加详细的说明的前序。

所公开的架构获得并利用集合(例如，众包)的经地理标记的数据(标记有地理位置信息的文件，或者“标记有地理标签的”文件，例如图像)来发现针对兴趣实体(例如，物理实体和概念性实体)的视域的最佳有利视点。物理实体可以是地标和其它兴趣点，并且抽象概念可以是日落、海滨、天际线、街头艺术、暴风雨、流星雨等，其非必须具有相关联的物理位置。

所公开的架构公开了利用至少标记有地理标签的图像数据来发现具体实体和/或抽象概念的组合之间的关系，以及用于将这些关系展现给用户的技术。更加具体而言，这包括利用众包的标记有地理标签的图像数据来发现针对现有实体和抽象概念(例如，日落、“浪漫的”风景等)两者的视域的有利视点，所述有利视点是从社交内容中挖掘的，并且可以从某个位置/区域来观看或体验。

该架构还检测这些关系为有效(active)的(将正面地、负面地影响用户体验、或完全不影响)的条件。该有利视点关系同时还可以是根据诸如一天的某个时间、一周的某天、一年的某个季节(例如，夏天相对于冬天)、天气条件、交通条件、施工情况等之类的外部因素的。例如，当有雾或者有利视点离视域相当远而抑制了好的视野时，给定的有利视点可能不再是可行的。类似地，某些场所可能在晚上不够亮或者完全不亮。因此，两个位置之间的有利视点关系可能仅基于某些条件(例如，仅针对一天中特定的小时等)而保持。

该架构还可以利用基于提及该有利视点的标记有地理标签的数据的数量、以及生成该数据的用户的可信度(例如，专业摄影师的标记有地理标签的数据比非专业人士的具有更高的可信度)的热门度分数来增强有利视点信息(或概括而言，任何关系)。

该架构还可以利用从标记有地理标签的数据的文本中所得出的情感分数来增强关系(例如，与“太空针塔的好景色”相比，收到诸如“太空针塔的惊人景色”之类的评论的有利视点的分数更高)。

该架构还可以构建混合实体(物理概念和抽象概念)图，并将该结构向用户形象化，以使得用户可以浏览结构来发现新的实体(例如，要游览的地点、以及抽象概念)。

该架构通过向用户推送推荐来促进对要观看/游览/观看的实体的偶然发现。该推荐可以基于所挖掘的关系和针对这些关系的声誉挖掘的条件(honor mined conditions)。例如，当用户在去往特定的目的地的渡轮上时，该架构可以向用户推荐在特定的位置处何时向左一百二十度角去看令人惊叹的山的景色。条件可以是只有在天空晴朗(基于天气的条件)并且在用户是游客/参观者(用户兴趣分组的条件)时才做出推荐。

当探索/搜索特定的实体时，该架构还向用户生成有关的实体(例如，概念)的推荐。例如，当用户正在使用搜索引擎搜索特定的旅行(例如，游轮)，并且当用户仍然在家时，可以生成并呈现关于与该旅行相关的其它实体(例如，看到山和海滩的很好的风景的可能性)的推荐。

为了实现前述目标和相关目标，本文中结合以下说明和附图描述了某些说明性方面。这些方面指示其中可以实施在本文中所公开的原理的各种方式，并且其所有方面及其等价物旨在在所要求保护的主题的范围内。当结合附图考虑时，根据以下具体实现，其它优点和新颖特征将从以下的详细的说明中变得显而易见。

附图说明

图1示出了根据所公开的架构的发现视域和有利视点的系统。

图2示出了根据所公开的架构的发现视域和有利视点的可替代的系统。

图3示出了用于生成视域聚类的流程图。

图4示出了用于使用标记有地理标签的照片数据来挖掘针对诸如太空针塔之类的地标实体的视域和有利视点的地图。

图5示出了用于基于标记有地理标签的“鸟类”的数据来挖掘针对概念性实体的视域和有利视点的地图。

图6示出了可以基于所生成的词频直方图来构造的图。

图7示出了根据所公开的架构的方法。

图8示出了根据所公开的架构的可替代的方法。

图9示出了根据所公开的架构的、通过挖掘标记有地理标签的数据来执行对视域和有利视点的发现的计算系统的框图。

具体实现

对观看物体和兴趣点(被称为视域(viewshed))的最佳视野(例如，从摄影的角度)或有利视点(vantage point)的了解是期望的(尤其是对于不经常游览该地点的用户)。当在正确的时机被呈现时，这样的信息具有高的用户愉悦因素，并且其可以在打算通过建议在该城市中要做的事情和要游览的地点来取悦用户的任何新的地理场景中使用。

例如，太空针塔是西雅图的标志性地标。然而，站在太空针塔旁边将不能产生通常与该地标相关联的标志性图像。揭示本地人在西雅图拍摄太空针塔的照片的位置可以极大地提高想要捕获珍贵的画面和记忆的新来者的体验。另一个示例是发现针对用户会感兴趣的更抽象概念的有利视点，例如，看日落、赏鸟、街头艺术等的好地点。同时，保持一组实体/概念之间的关系的条件需要被挖掘并且变得对用户可用。例如，关系“地点A是地点B的很好的有利视点”可以只在一天中特定的时间期间(例如，只在白天期间)有效，或者只在特定的天气条件(例如，需要晴朗的天空才能看到Rainer山)中有效。

所公开的架构获得并利用众包的经地理标记的数据(标记有地理位置信息的文件，或者“标记有地理标签的”文件，例如图像)来发现针对物理试题和概念实体的视域的最佳有利视点，其中物理实体可以是地标和其它兴趣点，并且抽象概念可以是诸如日落、海滨、天际线、街头艺术、暴风雨、流星雨等，其非必须具有相关联的物理位置。

通过应用词语相似性测量、概念层级/分类、以及用户语言环境数据，可以检测到别名(和拼写错误)，可以对描述进行组合或概括并且对标签和名称进行本地化，从而使得能够用相关的视域(热门的日落观景点、海滨观景点等)来响应用户动作(例如，对“浪漫的餐厅”的搜索)。

所公开的架构公开了利用至少众包的标记有地理标签的图像数据来发现具体实体和/或抽象概念的组合之间的关系，以及用于向用户展现这样的关系的方法。更加具体而言，这包括利用众包的标记有地理标签的图像数据来发现针对视域(针对现有的实体以及从社交内容中挖掘到的并且可以从某个位置/区域观看或体验到的抽象概念(例如，日落、“浪漫的”风景、等)两者)的有利视点。例如，西雅图的Alki海滩是针对太空针塔的有利视点，并且Alki海滩是针对“浪漫”和“清新的海风”概念的体验点。

换句话说，所公开的架构采用对用户定义的标记有地理标签的图像内容的空间和/或时空聚类、对区别的实体的识别、以及对共同且有关的实体的关联并将共同且有关的实体展现给用户、基于人们已经说了的内容对兴趣实体的表征、使用概念-图来对标记有地理标签的图像内容进行分类(包括时间分类和多对多关系)，以及对要观看或者要游览的事物的偶然发现。还可以并入用户简档信息和/或推论(例如，游客vs.本地居民)。

对用户定义的标签的空间和/或时空聚类可以包括具体的实体(例如，“时空针塔”)但也可以包括更多扩散(diffuse)/抽象概念(“日落”、“艺术”等)。可以利用多对多关系(例如，“日落”是“浪漫的”并且是“自然美”)将它们组织在概念-图(例如，“浪漫”、“秋天”、“离奇的”等)中。该架构在地图探索体验方面辅助用户，例如帮助用户发现区域的本地特征或者对要观看或游览的事物的偶然发现。

该架构还检测这些关系为有效的条件(将正面地、负面地影响用户体验、或完全不影响)。有利视点关系同时也可以是根据诸如一天中的某个时间、一周中的某天、一年中的某个季节(例如，夏天相对于冬天)、天气条件等之类的外部因素的。例如，当有雾或者有利视点离太空针塔相当远而抑制了好的视野时，Alki海滩不再是针对太空针塔的有利视点。类似地，某些场所可能在晚上不够亮或者完全不亮。因此，两个位置之间的有利视点关系可能仅基于某些条件(例如，仅针对一天中特定的小时等)而保持。该架构还可以单独利用或结合标记有地理标签的数据来利用标记有时间标签的数据。

该架构还可以利用基于提及该有利视点的标记有地理标签的数据的数量以及生成该数据的用户的可信度(例如，专业摄影师的标记有地理标签的数据比非专业人士的具有更高的可信度)的热门度分数来增强有利视点信息(或通常的任何关系)。可信度还可以基于“作者”(内容(例如，照片)的创建者)是否在用户的社交网络中(例如，“是好友”、“点过赞的”、或由一个用户对另一个用户所应用的其它公知的社交网络标签)。额外地，评分/呈现可以基于用户的朋友是否拍摄了该照片或者是否已经去过照片中所描绘的那个地点。

该架构还可以利用从标记有地理标签的数据的文本中所得出的情感分数来增强关系(例如，与“太空针塔的好景色”相比，收到诸如“太空针塔的惊人景色”之类的评论的有利视点的分数更高)。情感分数的其它示例包括但不限于除了仅仅“好”和“惊人”以外的浪漫、阴郁、和更复杂的属性。额外地，在平台支持这些属性的情况下，其它分数可以涉及喜欢/不喜欢和星级评定。

该架构还可以构造混合实体和抽象概念-图，并将该结构向用户形象化，以使得用户可以浏览结构来发现新的实体(例如，要游览的地点、以及抽象概念)。

该架构通过向用户推送推荐来促进对要观看/游览/观看的实体的偶然发现。该推荐可以基于所挖掘的关系和针对这样的关系的声誉挖掘的条件。例如，当用户在去往特定的目的地的渡轮上时，该架构可以向用户推荐在何时在特定位置(例如，与Rainer山具有有利视点关系)向左一百二十度角去看令人惊叹的Rainer山的景色。条件可以是只有在天空晴朗(基于天气的条件)并且在用户是游客/参观者(用户兴趣组的条件)时才做出推荐。

当探索/搜索特定实体时，架构还向用户生成有关实体(例如，概念)的推荐。例如，当用户在使用搜索引擎搜索特定的旅行(例如，到Tillicum村庄的游轮)，并且当用户仍然在家时，可以生成并呈现关于与该旅行相关的其它实体(例如，看到Rainer山和Alki海滩的很好的风景的可能性)的推荐。

该架构应用机器学习技术(例如，聚类)来识别与基于位置的实体相关联的、或者可以从基于位置的实体中观看到的基于抽象概念的实体相关联的标记有地理标签的数据(例如，图像)并且对该数据进行降噪。

通常，在不指定地标和概念(例如，从搜索日志中组织(curate)、挖掘到的、根据无监督学习所得出的等)的白名单(接受或批准的词)的来源的情况下描述了步骤，而不失去一般性。可以通过多个别名(在聚类之前进行组合或“联合”)或者在(聚类后加入的)概念层级中知道给定的实体(例如，地标或概念)。由于对世界范围的图像的处理预期使用分布式并行，因此推荐将跨网格接缝(地图网格线)的(点的)聚类进行拼接。从而，采用映射和归约函数(例如，MapReduce)的编程模型找到了适用性，其中启用了对映射和归约函数的分布式和平行处理(例如，可以采用对计算系统的本地化的计算机节点和/或地理上分布的网格的聚类)。

可以通过检查与给定的众包条目(例如，标签、评论、诸如“推文”之类的消息等)相关联的文本数据、使用反向地理编码器API(应用可编程接口)、或者它们的组合来对所得到的数据点的聚类进行反向地理编码(将由纬度/经度坐标所限定的点位置转化为可读的地址或地点名称)。一旦已经对聚类进行了反向地理编码，所得到的位置就被分配为兴趣实体(例如，原始概念或地标)的有利视点。当基于现有位置(例如，地标)来提取聚类时，聚类中的一个聚类将很可能是实际的地标本身。可以将所公开的架构应用至包括地理坐标和诸如图像之类的标记有地理标签的数据的任何众包数据。

作为反向地理编码的替代，可以通过更一般化的描述(例如只是特定道路的拐弯并且并未在用于反向地理编码的实体集合中表示的日落的有利视点)来标识位置。该位置的纬/经(纬度和经度坐标)被认为是好的摄影有利视点。

在可替代的实现中，该架构可以操作以简单地要求用户共享他们的最好视域，而不分析和检测标记有地理标签的数据。

现在参考附图，其中在附图通篇中，类似的附图标记用于指代类似的元素。在以下描述中，出于解释的目的而阐述了许多具体细节，以便提供对本发明的透彻理解。然而，显然可以在没有这些具体细节的情况下实践这些新颖的实施例。在其它实例中，以框图形式示出了公知的结构和设备，以便有助于对它们的描述。本发明是要覆盖落入所要求保护的主题的精神和范围内的所有修改、等同物、和替代物。

图1示出了根据所公开的架构的发现视域和有利视点的系统100。系统100可以包括分析组件102，其被配置为分析与兴趣实体106相关联的经地理标记的数据104，并且发现基于位置的实体110与兴趣实体106之间的关系108。经地理标记的数据可以是众包的图像数据，例如，经由社交网络可访问的照片。兴趣实体106可以是物体(例如，地标、建筑物等)或者抽象概念(例如，日落)。系统100还包括观看生成组件112，其被配置为基于所发现的关系108来生成有利视点信息114，根据该有利视点信息来观看兴趣实体106。

图2示出了根据所公开的架构的发现视域和有利视点的可替代的系统200。该系统200可以包括图1的系统100的组件中的一个或多个组件，以及增强组件202、推荐组件204、条件组件206、绘图组件208。

增强组件202可以被配置为利用热门度数据和来源可信度数据来增强有利视点信息。单独地或者与其进行组合，增强组件202可以被配置为利用从与标记有地理标签的数据的关联中所得出的情感数据来增加有利视点信息。

推荐组件204可以被配置为基于关系和关系条件来推荐新的兴趣实体，以作为探索兴趣实体的一部分。条件组件206可以被配置为检测关系为有效的空间和/或时间条件，例如，一天中的时间和在该时间的位置。绘图组件208可以被配置为生成兴趣实体以及兴趣实体之间的关系的图(例如，直方图、节点链接等)以发现新的实体。可以从社交网络中获得经地理标记的数据，并且分析组件102可以采用机器学习技术来对该经地理标记的数据进行识别和降噪。

尽管未示出，但系统100和200还可以包括隐私组件，其启用了对用户信息(例如，经地理标记的图像数据)的经授权的和安全的处理。隐私组件使得用户能够选择加入或选择退出追踪信息以及可以在注册时已经获得并且在之后利用的个人信息。隐私组件还确保对用户信息的适当的采集、存储、和访问，同时允许对辅助获得更加丰富的用户体验的益处并且访问更相关的信息的内容、特征、和/或服务的选择和呈现。

应当理解的是，在所公开的架构中，可以重新布置、组合、省略某些组件，并且可以包括额外的组件。额外地，在一些实施例中，可以在客户端上呈现这些组件中的全部或一些，而在其它实施例中，一些组件可以驻留在服务器上或者由本地或远程服务来提供。

图3示出了用于生成视域聚类的流程图300。首先，在304处接收基于网格的词频直方图(TFH)302以用于处理。流程去往306，以使用例如成对的词处理(例如，Levenshtein距离)来执行针对语义相似性的词处理，以确定TFH中的词是否是常见的拼写错误词、缩写词、猥亵的言语等。在308处，对从306处的词处理中所输出的词的集合执行黑名单比较操作，以移除黑名单词310(不可接受的或被否定的词语)。作为图300中的处理的一部分黑名单词310被更新，并且被反馈以用于对TFH中的新的词的集合使用。

一旦黑名单处理完成，流程就去往312以处理白名单词314。白名单词314是具体搜索到的或者期望在TFH中的那些词，并且提高这些词中的置信度。在316处，执行别名列表处理以找到可能是缩短的版本、俚语的版本等的词。在318处，对词列表的当前状态执行聚类，以找到数据点的一个或多个聚类。在320处，执行聚类连接操作以试图确定来自先前步骤的聚类中的任何一个是可以被连接的还是不同的集合。

一旦确定了聚类，流程就去往322，以检查一个或多个聚类是否是实体位置。如果是，则流程去往324，以将聚类标识为实体聚类，如果不是，则流程去往326，以将聚类标识为视域聚类。在任何一种情况下，流程都去往328，以接着通过各种类型的基于网格的机器来执行跨网格的拼接。在330处，执行置信度处理。如果置信度为低(低于阈值)，则可以是这样的情形：可以忽略该聚类或者等到已经获得了更多的数据点并且置信度在被发布之前是增加的为止。可选地，流程可以接着去往310以包括黑名单上的词。如果置信度为高(等于和高于阈值)，则将聚类点发送至332以用于进行反向编码处理，从而针对每个一般聚类、或针对聚类中的每个数据点来标识一个或多个地址。在334处，输出视域聚类。

以下是地图上的每个点都表示独立的标记有地理标签的照片的示例。类似地描绘的点(例如，具有相同颜色)落入相同聚类Cx，而离群点Oy被标识为在聚类外部。

图4示出了用于使用标记有地理标签的照片数据来针对诸如太空针塔之类的地标实体而挖掘视域和有利视点的地图400。地图400上的每个点都表示照片数据的单个实例。该架构已经标识了从中观看太空针塔(SN)的七个有利视点：与第零聚类C0相关联的第零有利视点、与第一聚类C1相关联的第一有利视点、与第二聚类C2相关联的第二有利视点、与第三聚类C3相关联的第三有利视点、与第四聚类C4相关联的第四有利视点、与第五聚类C5相关联的第五有利视点、以及与第六聚类C6相关联的第六有利视点。多个离群点中的两个点被指示为O1和O2。

更加具体而言，第零有利视点是太空针塔本身，该第零有利视点是由接近太空塔而拍摄的多个照片所限定的，与第一聚类C1相关联的第一有利视点可以是公园(例如，Kerry公园)，与第二聚类C2相关联的第二有利视点可以是另一个公园(例如，Gas Works公园)，与第三聚类C3相关联的第三有利视点可以是另一个公园(例如，Volunteer公园)，与第四聚类C4相关联的第四有利视点可以来自西雅图市中心的建筑物的观景台，与第五聚类C5相关联的第五有利视点可以来自海滩(例如，Alki海滩)，而与第六聚类C6相关联的第六有利视点可以来自热门的市场(例如，Pike’s Place市场)。

图5示出了用于基于标记有地理标签的“鸟类”数据来挖掘概念实体的视域和有利视点的地图500。地图500上的每个点都表示照片数据的单个实例。该架构已经标识了从中观看“鸟类”的四个有利视点：与第七聚类C7相关联的第七有利视点、与第八聚类C8相关联的第八有利视点、与第九聚类C9相关联的第九有利视点、与第十聚类C10相关联的第十有利视点。多个离群点中的两个点被指示为O3和O4。聚类可以是其中其它用户已经捕获了该兴趣实体的图像的“活动”聚类，并且所述“活动”聚类可以被认为是从中获得期望的照片的有利视点。

更加具体而言，与第七聚类C7相关联的第七有利视点可以是动物园(例如，Woodland公园动物园)，与第八聚类C8相关联的第八有利视点可以是公园(例如，Gas Works公园)，与第九聚类C9相关联的第九有利视点可以是另一个公园(例如，Washington公园植物园)，与第十聚类C10相关联的第十有利视点可以来自自然生态区(例如，Union Bay自然生态区)。

通过基于对词进行聚类来发展分类学，可以向不同兴趣分组中的人建议适合的位置。例如，可以将上文中针对“鸟类”标签的有利视点提供给观鸟爱好者，或者更加概括而言，被提供给属于“户外”兴趣分类的某人。

也可以以使得用户能够发现具体实体、抽象概念、和相关联的关系中的每个的图的形式来渲染具体实体、抽象概念、和相关联的关系。图的构建可以基于经挖掘的直方图。例如，对丹佛市的Skyline公园的词频直方图的观察可以揭示词“跑酷”(整体的训练纪律)的高热门度。该位置是跑酷地点的事实本身是有用的，并且该图还可以用于向用户示出丹佛市的其它跑酷地点。

图6示出了可以基于所生成的词频直方图而构建的图600。图600包括物理位置实体(兴趣实体)的节点和关系、作为节点的有利视点、针对节点的词、以及节点和词中的一个或多个之间的链接。可以生成图600中的全部或部分，并将其经由设备显示器呈现给用户以用于查看节点和关系。尽管针对双向关系被描绘为双箭头，并且根据该双向关系，发现可以来自任一节点，但应当理解的是，一些关系可以是单向的(只可从一个节点中发现而不是从存在关系的另一个节点中发现)。

继续“太空针塔”的示例，图600可以包括针对兴趣实体(“太空针塔”，简称SN)的节点602，针对Alki海滩(“AB”)的节点604、针对Volunteer公园(“VP”)的节点606、针对Pike’s Place市场(“PPM”)的节点608、针对Gas Works(“GWP”)的节点610、针对Columbia塔(“CT”)的节点612、针对Kerry公园(“KP”)的节点614、以及针对西雅图中心(“SC”)的节点616。能够提供但未示出其它节点和链接(关系)。

随后可以在图中的每个新节点处重复图生成程序(使用位置和/或顶部抽象词)来揭示新的有关的位置和词。在以上示例中，可以在除了太空针塔(图的第一个发起者节点)之外的所有节点处触发图的扩展。

根据以上的图，用户可以洞察到包括但不限于以下的内容。使用社交媒体，人们从以下位置生成关于太空针塔(节点602)的信息：Columbia塔(节点612)、Kerry公园(节点614)、Alki海滩(节点604)、Volunteer公园(节点606)、西雅图中心(节点616)、Pike’s Place市场(节点608)、以及Gas Works公园(节点610)。

图600指示：如果用户游览太空针塔，则用户也可能应当看看这些其它位置。在夜晚期间(“夜晚”)，游览Alki海滩或太空针塔可能是好的。用户可以从这两个位置观看城市(“城市”)和Puget海湾(“puget海湾”)。

如果用户游览Alki海滩(节点604)，则用户可以遇到拍摄海滨(“海滨”)和城市风光(“城市风光”)的照片的摄影师。Alki海滩(节点604)和Columbia塔(节点612)也类似，这是因为人们从这两个位置生成关于城市风光(“城市风光”)、天际线(“天际线”)、和市区(“市区”)的数据。因此，用户可能能够从这两个位置(节点612和节点604)获得城市的好风景。Alki海滩(节点604)和太空针塔(节点602)可以具有许多边(链接)，未示出其全部，但这指示了人们生成关于这些位置的许多信息；因此，用户应当首先游览这些位置。

在本文中所包括的是表示用于执行所公开的架构的新颖的方面的示例性方法的一组流程图。尽管为了解释的简单起见，例如以流程图表或流程图的形式本文中所示出的一个或多个方法是作为一系列动作而示出和描述的，但是应当理解并意识到的是，这些方法并不由动作的顺序所限制，这是由于一些动作可以据此与以与在本文中所示出和描述的其它动作不同的顺序发生和/或在本文中所示出和描述的其它动作同时发生。例如，本领域技术人员应当理解并意识到的是，方法可以替代地被表示为一系列互相联系的状态或事件，例如在状态图中。此外，新颖的实现可以不需要在方法中所示出的所有动作。

图7示出了根据所公开的架构的方法。在700处，访问与作为物体或抽象概念的兴趣实体相关联的标记有地理标签的数据。在702处，对经地理标记的数据进行分析以发现基于位置的实体与兴趣实体之间的关系。在704处，基于所发现的关系而生成从中观看兴趣实体的有利视点信息。

该方法还可以包括得出关系为有效的条件。该方法还可以包括利用热门度数据和来源可信度数据、以及或者说热门度和/或来源可信度来增强有利视点信息。该方法还可以包括利用与经地理标记的数据相关联的情感数据来增强关系。

该方法还可以包括构建并呈现与兴趣实体有关的混合图，以使能发现新的兴趣实体。该方法还可以包括基于关系和关系条件来推荐新的兴趣实体。该方法还可以包括在探索兴趣实体的同时推荐有关的兴趣实体。

图8示出了根据所公开的架构的可替代的方法。所述方法可以被实施为包括计算机可执行指令的计算机可读存储介质，其中当所述计算机可执行指令由微处理器执行时，使得该微处理器执行所述方法中的动作。在800处，访问与兴趣实体相关联的经地理标记的数据。该兴趣实体可以是物理物体或抽象概念。在802处，对经地理标记的数据进行分析以发现基于位置的实体与兴趣实体之间的关系。在804处，基于所发现的关系来生成从中观看兴趣实体的有利视点信息。在806处，构建并呈现与兴趣实体有关的混合图，这些混合图使能发现新的兴趣实体。

该方法还可以包括利用热门度数据和来源可信度数据来增强有利视点信息，以及利用与经地理标记的数据相关联的情感数据来增强关系。该方法还可以包括基于关系和关系条件来推荐新的兴趣实体。该方法还可以包括在探索兴趣实体的同时推荐有关的兴趣实体。该方法还可以包括得出关系为有效的条件。

如在该申请中所使用的，术语“组件”和“系统”旨在指代有关计算机的实体，其是硬件、软件与有形的硬件的组合、软件、或者是执行中的软件。例如，组件可以是但不限于是诸如微处理器、芯片存储器、大容量存储设备(例如，光驱动器、固态驱动器、和/或磁存储介质驱动器)、和计算机之类的有形的组件、以及诸如在微处理器上运行的过程、对象、可执行文件、数据结构(存储在易失性或非易失性存储介质中)、模块、执行线程、和/或程序之类的软件组件。

作为示例，在服务器上运行的应用和服务器两者都可以是组件。一个或多个组件可以驻留在过程和/或执行线程内，并且组件可以被本地化在一个计算机上和/或分布在两个或更多个计算机之间。在本文中可以使用词语“示例性”来意指充当示例、实例、或图示。在本文中被描述为“示例性的”任何方面或设计非必须被构建为比其它方面或设计更优选或更有利。

现在参考图9，示出了根据所公开的架构的计算系统900的框图，计算系统900通过挖掘标记有地理标签的数据来执行对视域和有利视点的发现。然而，应当意识到，所公开的方法和/或系统的一些方面或全部方面可以被实现为片上系统，其中，模拟信号、数字信号、混合信号、以及其它功能在单个芯片衬底上被制造。

为了提供针对本发明的各个方面的额外的上下文，图9和以下描述旨在提供对其中可以实现各个方面的合适的计算系统900的简要的、一般性的描述。尽管以上描述是在可以在一个或多个计算机上运行的计算机可执行指令的一般性的上下文中的，但本领域技术人员将认识到，也可以结合其它程序模块和/或作为硬件和软件的组合来实现新颖的实施例。

用于实现各个方面的计算系统900包括具有一个或多个微处理单元904(也被称为一个或多个微处理器和一个或多个处理器)的计算机902、诸如系统存储器906之类的计算机可读存储介质(计算机可读存储介质/多个介质还包括磁盘、光盘、固态驱动器、外部存储系统、以及闪速存储器驱动器)、以及系统总线908。微处理单元904可以是各种商业上可获得的微处理器中的任何一种，例如单处理器、多处理器、处理电路和/或存储电路的单核单元和多核单元。此外，本领域技术人员应当意识到，可以利用其它计算机系统配置(包括小型计算机、大型计算机、以及个人计算机(例如，台式计算机、膝上计算机、平板PC、等)、手持式计算设备、基于微处理器的或可编程的消费型电子设备等，它们中的每个都可操作地耦合至一个或多个相关联的设备)来实施新颖的系统和方法。

计算机902可以是在数据中心和/或计算资源(硬件和/或软件)中采用的、支持针对便携式和/或移动计算系统(例如无线通信设备、蜂窝电话、以及其它能够移动的设备)的云计算服务的几部计算机中的一部。云计算服务包括但不限于，例如，基础设施即服务、平台即服务、软件即服务、存储设备即服务、桌面即服务、数据即服务、安全即服务、以及API(应用程序接口)即服务。

系统存储器906可以包括诸如易失性(VOL)存储器910(例如，随机存取存储器(RAM))和非易失性存储器(NON-VOL)912(例如，ROM、EPROM、EEPROM、等)之类的计算机可读存储(物理存储)介质。基本输入/输出系统(BIOS)可以被存储在非易失性存储器912中，并且包括基础例程，该基础例程有助于计算机902内的组件之间数据和信号的通信，例如，在启动期间。易失性存储器910还可以包括用于缓存数据的高速RAM(例如，静态RAM)。

系统总线908为系统组件提供了接口，这些系统组件包括但不限于，到一个或多个微处理单元904的系统存储器906。系统总线908可以是可以进一步互联至存储器总线(具有或不具有存储控制器)和外围总线(例如，PCI、PCIe、AGP、LPC等)的、使用商业上可获得的多种总线架构中的任何一种的、几种类型的总线结构中的任何一种。

存储器902还包括机器可读的存储子系统914以及用于将存储子系统914接合至系统总线908以及其它期望的计算机组件和电路的存储接口916。存储子系统914(物理存储介质)可以包括以下存储设备中的一个或多个：例如，硬盘驱动器(HDD)、磁软盘驱动器(FDD)、固态驱动器(SSD)、闪存驱动器、和/或光盘存储驱动器(例如，CD-ROM驱动器、DVD驱动器)。存储接口916可以包括诸如EIDE、ATA、SATA、以及IEEE 1394之类的接口技术。

可以将一个或多个程序和数据存储在存储子系统906、机器可读和可移动存储子系统918(例如，闪存驱动器形式因子技术)、和/或存储子系统914(例如，光的、磁的、固态的)，所述一个或多个程序和数据包括操作系统920、一个或多个应用程序922、其它程序模块924、以及程序数据926。

操作系统920、一个或多个应用程序922、其它程序模块924、和/或程序数据926可以包括：例如图1的系统100中的项目和组件、图2的系统200中的项目和组件、图3的图300中的项目和流程、图4的地图400、图5的地图500、图6的图600和关系、以及由图7和图8的流程图所表示的方法。

概括而言，程序包括执行特定的任务、功能、或实现特定的抽象数据类型的例程、方法、数据结构、其它软件组件等。操作系统920、应用922、模块924、和/或数据926中的全部或部分也可以被缓存在诸如易失性存储器910和/或非易失性存储器之类的存储器中。应当意识到的是，可以利用各种商业上可获得的操作系统或操作系统的组合(例如，作为虚拟机器)来实现所公开的架构。

存储子系统914和存储器子系统(906和918)充当用于对数据、数据结构、计算机可执行指令等的易失性和非易失性存储的计算机可读介质。当这样的指令由计算机或其它机器执行时，可以使得计算机或其它机器执行方法的一个或多个动作。计算机可执行指令包括例如使得通用计算机、专用计算机、或者专用微处理器设备执行某个功能或某组功能的指令和数据。计算机可执行指令可以例如是二进制的、中间格式的指令，例如汇编语言、或者甚至是源代码。可以将用于执行动作的指令存储在一个介质上、或者可以跨多个介质而存储，以使得指令共同出现在一个或多个计算机可读存储介质/多个介质上，而不管是否所有指令都在相同介质上。

多个计算机可读存储介质(单个介质)排除了传播的信号本身、可以由计算机902访问、并且包括可移动的和/或不可移动的易失性和非易失性内部和/或外部介质。对于计算机902，各种类型的存储介质以任何适当的数字格式来适应对数据的存储。本领域技术人员应当意识到，可以采用诸如zip驱动器、固态驱动器、磁带、闪速存储器卡、闪存驱动器、盒式磁带等之类的其它类型的计算机可读介质，以对用于执行所公开的架构的新颖方法(动作)的计算机可执行指令进行存储。

用户可以使用诸如键盘和鼠标之类的外部用户输入设备928以及通过由语音识别所促成的语音命令来与计算机902、程序、和数据进行交互。其它外部用户输入设备928可以包括：麦克风、IR(红外)远程控制、操纵杆、游戏手柄、相机识别系统、触控笔、触摸屏、手势系统(例如，眼部运动、例如涉及手、手指、手臂、头部等的身体姿势)等。用户可以使用诸如触摸板、麦克风、键盘等之类的板载用户输入设备930来与计算机902、程序、以及数据进行交互，其中，计算机902是例如便携式计算机。

将这些和其它输入设备经由系统总线908、通过输入/输入(I/O)设备接口932而连接至微处理单元904，但也可以通过诸如并行端口、IEEE 1394串行端口、游戏端口、USB端口、IR接口、短距离无线(例如，蓝牙)和其它个域网(PAN)技术等之类的其它接口来连接。I/O设备接口932还便于使用诸如打印机、音频设备、相机设备等之类的输出外设934，例如声卡和/或板载音频处理能力。

一个或多个图形接口936(通常也被称为图形处理单元(GPU))在计算机902与外部显示设备938(例如，LCD、等离子)和/或板载显示设备940(例如，用于便携式计算机)之间提供图像和视频信号。一个或多个图像接口936随后可以被制造为计算机系统板的部分。

计算机902可以在使用经由有线/无线通信子系统942至一个或多个网络和/或其它计算机的逻辑连接的联网化环境(例如，基于IP的)中运行。其它计算机可以包括工作站、服务器、路由器、个人计算机、基于微处理器的娱乐家电、对等设备、或其它公共网络节点，并且通常包括关于计算机902所描述的元件中的许多元件或全部元件。逻辑连接可以包括至局域网(LAN)、广域网(WAN)、热点等的有线/无线连通性。LAN和WAN联网环境在办公室和公司中是司空见惯的，并促进了企业范围的计算机网络，例如内联网，所有这些网络都可以连接至诸如互联网之类的全球通信网络。

当在联网环境中使用时，计算机902经由有线/无线通信子系统942(例如，网络接口适配器、板载收发机子系统等)连接至网络，以与有线/无线网络、有线/无线打印机、有线/无线输入设备944等进行通信。计算机902可以包括调制解调器或者用于建立通过网络的通信的其它单元。在网络化的环境中，可以将与计算机902相关的程序和数据存储在远程存储器/存储设备中，如与分布式系统相关联。应当意识到的是，所示出的网络连接是示例性的，并且可以使用建立了计算机之间的通信链接的其它单元。

计算机902可操作以使用诸如IEEE 802.xx系列的标准之类的无线技术来与有线/无线设备或实体进行通信，例如可操作地设置在与例如打印机、扫描仪、台式计算机和/或便携式计算机、个人数字助理(PDA)、通信卫星、与无线可检测的标签相关联的任何一个装置或位置(例如，信报亭、新闻站、休息室)、以及电话的无线通信(例如，IEEE 802.11无线调制技术)中的无线设备。这至少包括针对热点的Wi-Fi^TM(用于验证无线计算机联网设备的互操作性)、WiMax、以及蓝牙^TM无线技术。因此，通信可以是正如传统网络的预先定义的结构或者在至少在两个设备之间的简单的自组织通信。Wi-Fi网络使用被称为IEEE 802.11x(a、b、g、等)的无线技术以提供安全、可靠、快速的无线连通性。Wi-Fi网络可用于将计算机彼此连接、连接至互联网、以及连接至无线网络(其使用有关IEEE-802.3的技术和功能)。

在上文中已经描述的内容包括所公开的架构的示例。当然，不可能描述组件和/或方法的每种能想到的组合，但本领域技术人员可以意识到的是，许多进一步的组合和排列是可能的。从而，新颖的架构旨在包含落入所附权利要求的精神和范围内的所有这些改变、修改和变型。此外，就在具体实施方式或权利要求中所使用的术语“包括”而言，这样的术语旨在以类似于术语“包含”的方式是包含性的，如当在权利要求中用作过渡词时“包含”被翻译的那样。

Claims (10)

1.一种系统，包括：

分析组件，所述分析组件被配置为分析与兴趣实体相关联的经地理标记的数据，并发现基于位置的实体与所述兴趣实体之间的关系，所述兴趣实体是物体或抽象概念；

观看生成组件，所述观看生成组件被配置为基于所发现的关系来生成从中观看所述兴趣实体的有利视点信息；以及

至少一个微处理器，所述至少一个微处理器执行与分析组件和所述观看生成组件相关联的存储器中的计算机可执行指令。

2.根据权利要求1所述的系统，还包括推荐组件，所述推荐组件被配置为基于所述关系和关系条件来推荐新的兴趣实体，作为探索所述兴趣实体的一部分。

3.根据权利要求1所述的系统，还包括条件组件，所述条件组件被配置为检测所述关系为有效的空间条件或时间条件中的至少一个。

4.根据权利要求1所述的系统，还包括绘图组件，所述绘图组件被配置为生成兴趣实体以及所述兴趣实体之间的关系的图，以发现新的实体。

5.根据权利要求1所述的系统，其中，所述经地理标记的数据是从社交网络获得的，并且所述分析组件采用机器学习技术来对所述经地理标记的数据进行识别和降噪。

6.一种方法，包括以下操作：

访问与作为物体或抽象概念的兴趣实体相关联的经地理标记的数据；

分析所述经地理标记的数据来发现基于位置的实体与所述兴趣实体之间的关系；以及

基于所发现的关系来生成从中观看所述兴趣实体的有利视点信息。

7.根据权利要求6所述的方法，还包括得出所述关系为有效的条件。

8.根据权利要求6所述的方法，还包括以下项中的至少一项：利用热门度数据和来源可信度数据来增强所述有利视点信息、或者利用与所述经地理标记的数据相关联的情感数据来增强所述关系。

9.根据权利要求6所述的方法，还包括：构建并呈现与所述兴趣实体相关的混合图，所述混合图使能发现新的兴趣实体。

10.根据权利要求6所述的方法，还包括：基于所述关系和关系条件来推荐新的兴趣实体，以及在探索所述兴趣实体的同时推荐有关的兴趣实体。