CN106528597B

CN106528597B - 兴趣点的标注方法以及装置

Info

Publication number: CN106528597B
Application number: CN201610848182.7A
Authority: CN
Inventors: 高龙
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2016-09-23
Filing date: 2016-09-23
Publication date: 2019-07-05
Anticipated expiration: 2036-09-23
Also published as: CN106528597A

Abstract

本发明公开了一种兴趣点的标注方法以及装置。其中，该方法包括：接收多个用户上传的多个兴趣点数据；采用聚类算法将多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域；分别将多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集；根据多个聚类结果集对存在兴趣点的位置区域进行标注。该方法利用用户上传的海量的POI的位置及属性信息，快速准确地挖掘出POI点，节省了人力物力成本，提高了POI更新速度，提高了POI标注效率。

Description

兴趣点的标注方法以及装置

技术领域

本发明涉及地理信息处理技术领域，尤其涉及一种兴趣点的标注方法以及装置。

背景技术

兴趣点(POI，Point Of Interest)是地理信息系统中的一个术语，泛指一切可以抽象为点的地理对象，尤其是一些与人们生活密切相关的地理实体，如学校、银行、餐馆、加油站、医院、超市等。兴趣点的主要用途是对事物或事件的地址进行描述，能在很大程度上增强对事物或事件位置的描述能力和查询能力，提高地理定位的精度和速度。相关技术中，兴趣点的采集方法通常是由数据提供商通过采集人员携带相关设备直接进行外业采集，之后将采集到的数据经过数据处理后提供给需求方。

但是，目前存在的问题是，通过上述这种人工外业采集的方式，往往需要数月才能更新地图中的POI数据，显然无法满足实时性需求，并且，通过人工进行大规模的外业数据采集，会导致采集成本高、效率低。

发明内容

本发明的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本发明的第一个目的在于提出一种兴趣点的标注方法。该方法利用用户上传的海量的POI的位置及属性信息，快速准确地挖掘出POI点，节省了人力物力成本，提高了POI更新速度，提高了POI标注效率。

本发明的第二个目的在于提出一种兴趣点的标注装置。

为达到上述目的，本发明第一方面实施例提出的兴趣点的标注方法，包括：接收多个用户上传的多个兴趣点数据；采用聚类算法将所述多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域；分别将所述多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集；根据所述多个聚类结果集对存在兴趣点的位置区域进行标注。

本发明实施例的兴趣点的标注方法，可接收多个用户上传的多个兴趣点数据，并采用聚类算法将多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域，并分别将多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集，最后，根据多个聚类结果集对存在兴趣点的位置区域进行标注。即通过接收用户上传的大量兴趣点数据，并将用户上传的大量兴趣点数据进行二次聚类，最终根据二次聚类后的结果实现对存在兴趣点的位置区域进行标注，这种方式可以快速准确地挖掘POI点，节省了人力物力成本，提高了POI更新速度，提高了POI标注效率。

本发明的第二个目的在于提出一种兴趣点的标注装置，包括：接收模块，用于接收多个用户上传的多个兴趣点数据；第一聚类模块，用于采用聚类算法将所述多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域；第二聚类模块，用于分别将所述多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集；标注模块，用于根据所述多个聚类结果集对存在兴趣点的位置区域进行标注。

本发明实施例的兴趣点的标注装置，可通过接收模块接收多个用户上传的多个兴趣点数据，第一聚类模块采用聚类算法将多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域，第二聚类模块分别将多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集，标注模块根据多个聚类结果集对存在兴趣点的位置区域进行标注。即通过接收用户上传的大量兴趣点数据，并将用户上传的大量兴趣点数据进行二次聚类，最终根据二次聚类后的结果实现对存在兴趣点的位置区域进行标注，这种方式可以快速准确地挖掘POI点，节省了人力物力成本，提高了POI更新速度，提高了POI标注效率。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的兴趣点的标注方法的流程图；

图2是根据本发明一个实施例的Geo哈希字符串标识位置区域的示意图；

图3是根据本发明一个具体实施例的兴趣点的标注方法的流程图；

图4是根据本发明一个实施例的兴趣点的标注装置的结构示意图；

图5是根据本发明一个具体实施例的兴趣点的标注装置的结构示意图；

图6是根据本发明另一个具体实施例的兴趣点的标注装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的兴趣点的标注方法以及装置。

图1是根据本发明一个实施例的兴趣点的标注方法的流程图。需要说明的是，本发明实施例的兴趣点的标注方法可应用于本发明实施例的兴趣点的标注装置，该标注装置可被配置于具有地图功能的大数据平台或云存储平台。该大数据平台或云存储平台可利用本发明实施例的兴趣点的标注方法，对其为用户提供的地图应用程序中的POI数据进行更新，即对地图应用程序中的存在有效兴趣点的位置区域进行标注，以实现对地图应用程序中地图的更新。

如图1所示，该兴趣点的标注方法可以包括：

S110，接收多个用户上传的多个兴趣点数据。

可以理解，为了能够收集大量用户上传的兴趣点数据，作为一种示例，可预先为用户提供上传界面，该上传界面可用于接收用户填写的兴趣点数据，并在接收到用户的确认上传指令时，将用户填写的兴趣点数据进行上传。其中，该兴趣点数据可包括但不限于兴趣点的名称、兴趣点的经纬度信息等。这样，大量的用户可通过该上传界面将自己了解的兴趣点数据进行上传，以帮助后续根据用户上传的兴趣点数据对存在有效兴趣点的位置区域进行标注。

作为一种示例，可通过上述上传界面实时接收大量用户上传的多个兴趣点POI信息以及对应的经纬度信息。

S120，采用聚类算法将多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域。

作为一种示例，该位置信息可为经纬度信息。具体地，可采用聚类算法将用户上传的大量兴趣点数据按照经纬度等位置信息进行一次聚类之后，可以将地理范围分为多个区域，将位置相近的兴趣点聚为一类，这些同类的兴趣点共享一个位置区域，其中，该聚类算法可包括Geo哈希算法等。

举例而言，可采用Geo哈希算法将一定地理范围内的兴趣点的经度、纬度转换为对应的字符串，每个字符串不是代表一个点，而是代表了一个矩形区域，这个矩形区域内的所有点都享有共同的Geo哈希位置信息。例如，如图2所示，采用Geo哈希算法可将一定范围内的经纬度点聚合到一起，其中，如图2所示的字符串，即为该矩形区域内的所有兴趣点共同享有的Geo哈希位置信息。这样，采用Geo哈希算法可将用户上传的多个兴趣点数据按照位置信息进行聚类，得到多个聚类区域，每个聚类区域都有对应的字符串进行表示。

也就是说，可根据多个兴趣点数据中的经纬度信息，分别给每个兴趣点编码设置一个Geo哈希字符串，Geo哈希字符串标识对应兴趣点数据的位置，然后，根据各个兴趣点的Geo哈希字符串，采用Geo哈希算法将各个兴趣点进行聚类。

作为一种示例，假设一个兴趣点数据中的经纬度分别为116.389550和39.928167，则对经纬度进行Geo哈希编码的过程如下：地球纬度区间是[-90，90]，可以通过下面算法对纬度39.928167进行逼近编码：(1)将区间[-90，90]分为[-90，0)和[0，90]，称为左右区间，可以确定39.928167属于右区间[0，90]，给标记为1；(2)接着将区间[0，90]进行二分为[0，45)，[45，90]，可以确定39.928167属于左区间[0，45)，给标记为0；(3)递归上述过程，39.928167总是属于某个区间[a，b]。随着每次迭代区间[a，b]总在缩小，并越来越逼近39.928167；(4)如果给定的纬度x(39.928167)属于左区间，则记录0，如果属于右区间则记录1。这样随着算法的进行会产生一个序列10111 00011，该序列即为根据纬度得到的编码，其中，序列的长度与给定的区间划分次数有关；同理，地球的经度区间是[-180，180]，对经度116.389550进行编码得到的编码为11010 01011。将偶数位放经度，奇数为放纬度，组合成新编码为11100 11101 00100 01111。然后再将编码转换为十进制的数字，由于5位编码对应一个十进制的数字，转换的十进制范围为0-31。上面的编码对应的十进制数位28、29、4、15，最后按照十进制与Base32的对应关系，将十进制数转换成字符串，也即是哈希字符串，在本示例中，使用的哈希字符串的长度为4，经纬度对应的字符串为WX4G。

可以理解，Geo哈希算法中Geo哈希字符串的长度与表示的经纬度范围经度具有对应关系，该对应关系如下表1所示：

表1

Length	lat error	lng error	km error
				1	23	23	2500
2	2.8	5.6	630
				3	0.70	0.7	78
4	0.087	0.18	20
				5	0.022	0.022	2.4
6	0.0027	0.0055	0.61
				7	0.00068	0.00068	0.076
8	0.000085	0.00017	0.019

为了兼顾精准度与采集的兴趣点POI数据的粒度，作为一种示例，采用Geo哈希算法将多个兴趣点数据按照位置信息进行一次聚类时，采用的Geo哈希字符串的长度可为7。也就是说，在采用Geo哈希算法对多个兴趣点数据按照位置信息进行聚类时，可选择Geo哈希字符串的长度为7，这样，可以将面积为76*68地理范围内的POI点会聚集到一个聚类区域中。

S130，分别将多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集。

具体地，在将多个兴趣点数据按照位置信息进行一次聚类以生成多个聚类区域之后，可分别对生成的每一个聚类区域，按照POI名称的编辑距离相似性进行二次聚类，以得到对应的聚类结果集。也就是说，在对多个兴趣点数据按照位置信息进行一次聚类之后，再按照POI名称将第一次聚类后的兴趣点进行第二次聚类，以使得将编辑距离相似的POI名称所对应的兴趣点聚为一类。

S140,根据多个聚类结果集对存在兴趣点的位置区域进行标注。

具体而言，在本发明的一个实施例中，针对每个聚类结果集，判断每个聚类结果集中兴趣点的个数是否大于或等于第二阈值，如果每个聚类结果集中兴趣点的个数大于或等于第二阈值，则判定每个聚类结果集中存在有效兴趣点，并从每个聚类结果集中的兴趣点数据中，随机选取经纬度信息，并将该随机选取的经纬度信息作为该存在有效兴趣点的位置区域的坐标。

更具体地，针对每个聚类结果集，可先统计该聚类结果集中兴趣点的个数，并判断该个数是否大于或等于第二阈值，若是，则可判定该聚类结果集中存在有效兴趣点，即可认为此类POI是可靠的兴趣点，此时可从该聚类结果集中的兴趣点数据中，随机选取一个经纬度信息，并将该随机选取的经纬度信息作为该存在有效兴趣点的位置区域的坐标。由此，实现了对该位置区域进行兴趣点的标注。其中，在本发明的实施例中，该第二阈值可为315，该第二阈值可为预先通过大量试验而得到的标定值。

图3是根据本发明一个具体实施例的兴趣点的标注方法的流程图。

为了兼顾兴趣点标注的准确率，以及提高兴趣点的召回率，可按照POI名称的编辑距离相似性对聚类区域中的兴趣点进行二次聚类，并将两两兴趣点数据中名称之间的编辑距离相似性与第一阈值进行比对，并将编辑距离相似性大于第一阈值的名称所对应的兴趣点聚为一类。具体地，如图3所示，该兴趣点的标注方法可以包括：

S310，接收多个用户上传的多个兴趣点数据。

S320，采用聚类算法将多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域。

S330，针对每个聚类区域，计算每个聚类区域中的两两兴趣点数据中名称之间的编辑距离相似性。

具体而言，在本发明的一个实施例中，针对每个聚类区域，可计算每个聚类区域中的两两兴趣点数据中名称之间的编辑距离，并根据两两兴趣点数据中名称的字符总数、以及编辑距离，计算两两兴趣点数据中名称之间的编辑距离相似性。

更具体地，计算每个聚类区域中的两两兴趣点数据中名称之间的编辑距离，并根据两两兴趣点数据中名称的字符总数、以及编辑距离，计算两两兴趣点数据中名称的相同字符个数，并根据两两兴趣点数据中名称的相同字符个数、以及字符总数，计算两两兴趣点数据中名称之间的编辑距离相似性。

例如，假设聚类区域中有兴趣点A和兴趣点B，兴趣点A的名称为“中国”，兴趣点B的名称为“中国人”，则兴趣点A与兴趣点B的名称的编辑距离为1，其中，兴趣点A与B的字符总数为5，则兴趣点A与兴趣点B中名称的相同字符个数为4，最后，可计算出兴趣点A和兴趣点B名称之间的编辑距离相似性为4/5。

S340，将编辑距离相似性大于第一阈值的名称所对应的兴趣点进行聚类，生成对应的聚类结果集。

作为一种示例，该第一阈值可为0.9。具体地，在计算每个聚类区域中的两两兴趣点数据中名称之间的编辑距离相似性之后，可将得到的编辑距离相似性与第一阈值进行大小比对，并将编辑距离相似性大于该第一阈值的名称所对应的兴趣点进行聚类，最后得到每个聚类区域对应的聚类结果集。

也就是说，在按照POI名称的编辑距离相似性对每个聚类区域进行二次聚类时，可将聚类区域中POI名称的编辑距离相似性大于第一阈值的兴趣点聚为一类。

S350,根据多个聚类结果集对存在兴趣点的位置区域进行标注。

本发明实施例的兴趣点的标注方法，可按照POI名称的编辑距离相似性对聚类区域中的兴趣点进行二次聚类，并将两两兴趣点数据中名称之间的编辑距离相似性与第一阈值进行比对，并将编辑距离相似性大于第一阈值的名称所对应的兴趣点聚为一类，这样，不仅可以兼顾兴趣点标注的准确率，还可以提高兴趣点的召回率。

与上述几种实施例提供的兴趣点的标注方法相对应，本发明的一种实施例还提供一种兴趣点的标注装置，由于本发明实施例提供的兴趣点的标注装置与上述几种实施例提供的兴趣点的标注方法相对应，因此在前述兴趣点的标注方法的实施方式也适用于本实施例提供的兴趣点的标注装置，在本实施例中不再详细描述。图4是根据本发明一个实施例的兴趣点的标注装置的结构示意图。如图4所示，该兴趣点的标注装置可以包括：接收模块410、第一聚类模块420、第二聚类模块430和标注模块440。

具体地，接收模块410用于接收多个用户上传的多个兴趣点数据。

第一聚类模块420用于采用聚类算法将多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域。其中，在本发明的实施例中，该聚类算法可为Geo哈希算法，该位置信息可为经纬度信息。

作为一种示例，第一聚类模块420采用Geo哈希算法将多个兴趣点数据按照位置信息进行一次聚类时，采用的Geo哈希字符串的长度为7。

第二聚类模块430用于分别将多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集。具体而言，在本发明的一个实施例中，如图5所示，该第二聚类模块430可包括：计算单元431和聚类单元432。

其中，计算单元431用于针对每个聚类区域，计算每个聚类区域中的两两兴趣点数据中名称之间的编辑距离相似性。聚类单元432用于将编辑距离相似性大于第一阈值的名称所对应的兴趣点进行聚类，生成对应的聚类结果集。

具体而言，在本发明的一个实施例中，计算单元431计算每个聚类区域中的两两兴趣点数据中名称之间的编辑距离相似性的具体实现过程可如下：计算每个聚类区域中的两两兴趣点数据中名称之间的编辑距离；根据两两兴趣点数据中名称的字符总数、以及编辑距离，计算两两兴趣点数据中名称之间的编辑距离相似性。

标注模块440用于根据多个聚类结果集对存在兴趣点的位置区域进行标注。具体而言，在本发明的一个实施例中，如图6所示，该标注模块440可以包括：判断单元441、判定单元442和标注单元443。

其中，判断单元441用于针对每个聚类结果集，判断每个聚类结果集中兴趣点的个数是否大于或等于第二阈值。判定单元442用于在每个聚类结果集中兴趣点的个数大于或等于第二阈值时，判定每个聚类结果集中存在有效兴趣点。标注单元443用于从每个聚类结果集中的兴趣点数据中，随机选取经纬度信息，并将随机选取的经纬度信息作为存在有效兴趣点的位置区域的坐标。

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims

1.一种兴趣点的标注方法，其特征在于，所述标注方法用于实现对地图应用程序中的POI数据的挖掘和更新，所述标注方法包括以下步骤：

接收多个用户上传的多个兴趣点数据；

采用聚类算法将所述多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域；

分别将所述多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集；

根据所述多个聚类结果集对存在兴趣点的位置区域进行标注。

2.如权利要求1所述的方法，其特征在于，所述分别将所述多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集，包括：

针对每个聚类区域，计算所述每个聚类区域中的两两兴趣点数据中名称之间的编辑距离相似性；

将编辑距离相似性大于第一阈值的名称所对应的兴趣点进行聚类，生成对应的聚类结果集。

3.如权利要求2所述的方法，其特征在于，所述计算所述每个聚类区域中的两两兴趣点数据中名称之间的编辑距离相似性，包括：

计算所述每个聚类区域中的两两兴趣点数据中名称之间的编辑距离；

根据所述两两兴趣点数据中名称的字符总数、以及所述编辑距离，计算所述两两兴趣点数据中名称之间的编辑距离相似性。

4.如权利要求1所述的方法，其特征在于，所述根据所述多个聚类结果集对存在兴趣点的位置区域进行标注，包括：

针对每个聚类结果集，判断所述每个聚类结果集中兴趣点的个数是否大于或等于第二阈值；

如果所述每个聚类结果集中兴趣点的个数大于或等于所述第二阈值，则判定所述每个聚类结果集中存在有效兴趣点；

从所述每个聚类结果集中的兴趣点数据中，随机选取经纬度信息，并将所述随机选取的经纬度信息作为所述存在有效兴趣点的位置区域的坐标。

5.如权利要求1所述的方法，其特征在于，所述聚类算法为Geo哈希算法，所述位置信息为经纬度信息。

6.如权利要求5所述的方法，其特征在于，采用所述Geo哈希算法将所述多个兴趣点数据按照位置信息进行一次聚类时，采用的Geo哈希字符串的长度为7。

7.一种兴趣点的标注装置，其特征在于，所述标注装置用于实现对地图应用程序中的POI数据的挖掘和更新，所述标注装置包括：

接收模块，用于接收多个用户上传的多个兴趣点数据；

第一聚类模块，用于采用聚类算法将所述多个兴趣点数据按照位置信息进行一次聚类，生成多个聚类区域；

第二聚类模块，用于分别将所述多个聚类区域按照兴趣点的名称进行二次聚类，生成多个聚类结果集；

标注模块，用于根据所述多个聚类结果集对存在兴趣点的位置区域进行标注。

8.如权利要求7所述的装置，其特征在于，所述第二聚类模块包括：

计算单元，用于针对每个聚类区域，计算所述每个聚类区域中的两两兴趣点数据中名称之间的编辑距离相似性；

聚类单元，用于将编辑距离相似性大于第一阈值的名称所对应的兴趣点进行聚类，生成对应的聚类结果集。

9.如权利要求8所述的装置，其特征在于，所述计算单元具体用于：

10.如权利要求7所述的装置，其特征在于，所述标注模块包括：

判断单元，用于针对每个聚类结果集，判断所述每个聚类结果集中兴趣点的个数是否大于或等于第二阈值；

判定单元，用于在所述每个聚类结果集中兴趣点的个数大于或等于所述第二阈值时，判定所述每个聚类结果集中存在有效兴趣点；

标注单元，用于从所述每个聚类结果集中的兴趣点数据中，随机选取经纬度信息，并将所述随机选取的经纬度信息作为所述存在有效兴趣点的位置区域的坐标。

11.如权利要求7所述的装置，其特征在于，所述聚类算法为Geo哈希算法，所述位置信息为经纬度信息。

12.如权利要求11所述的装置，其特征在于，所述第一聚类模块采用所述Geo哈希算法将所述多个兴趣点数据按照位置信息进行一次聚类时，采用的Geo哈希字符串的长度为7。