CN107273376B - 目标位置搜索方法和装置 - Google Patents

Abstract

本申请实施例提供了一种目标位置搜索方法和装置，该方法包括：确定目标搜索请求所指定的位置；确定所述位置在预设的网格化位置区域中所对应的网格；确定所述网格在预设的网格与最优搜索半径对应关系中所对应的最优搜索半径；以所述最优搜索半径对目标进行搜索，获得返回结果。本申请实施例可精确控制返回的搜索结果的集合大小，从而提高了用户体验，并且极大的提升了搜索引擎的性能。

Description

目标位置搜索方法和装置

技术领域

本申请涉及搜索引擎技术领域，尤其是涉及一种目标位置搜索方法和装置。

背景技术

目前基于位置的目标(比如商家)搜索的范围一般多是以城市为维度。然而，这种方式往往容易导致返回的搜索结果过多或过少。如果搜索后的返回结果过多，则一方面会对系统性能造成很大的影响；另一方面，过多的返回结果往往可能包含了较多的用户并不希望的内容。当然，如果返回的搜索结果过少，则可能遗漏了很多用户需要或感兴趣的内容，也会降低用户体验。

因此，在目标位置搜索时，如何精确控制返回的搜索结果的集合大小，是目前亟待解决的技术问题。

发明内容

本申请实施例的目的在于提供一种目标位置搜索方法和装置，以精确控制返回的搜索结果的集合大小，提高用户体验。

为达到上述目的，一方面，本申请实施例提供了一种目标位置搜索方法，包括以下步骤：

确定目标搜索请求所指定的位置；

确定所述位置在预设的网格化位置区域中所对应的网格；

确定所述网格在预设的网格与最优搜索半径对应关系中所对应的最优搜索半径；

以所述最优搜索半径对目标进行搜索，获得返回结果。

另一方面，本申请实施例还提供一种目标位置搜索装置，包括：

位置确定模块，用于确定目标搜索请求所指定的位置；

网格确定模块，用于确定所述位置在预设的网格化位置区域中所对应的网格；

搜索范围确定模块，用于确定所述网格在预设的网格与最优搜索半径对应关系中所对应的最优搜索半径；

返回结果获取模块，用于以所述最优搜索半径对目标进行搜索，获得返回结果。

本申请实施例中，由于预先基于历史搜索数据把热门位置映射成为网格化位置区域，并计算出网格化位置区域中每个矩形网格的最优搜索半径，每个矩形网格的最优搜索半径则代表了该矩形网格内所有位置的最优搜索半径，这样，由于每个热门位置与其最优搜索半径的对应关系都是预先确定好的，当收到对某一热门位置的搜索时，依据该对应关系就可以快速确定该热门位置最优搜索半径，从而使得以该最优搜索半径进行搜索时可以获得较为理想的搜索结果，因此本申请实例有效控制了返回的搜索结果的集合的大小，提高了用户体验，并且极大的提升了搜索引擎的性能。

附图说明

此处所说明的附图用来提供对本申请实施例的进一步理解，构成本申请实施例的一部分，并不构成对本申请实施例的限定。在附图中：

图1为本申请实施例的目标位置搜索方法的流程图；

图2为本申请实施例的目标位置搜索方法中网格化位置区域示意图；

图3为本申请实施例中预先以半径递增方式进行目标搜索的示意图；

图4为本申请实施例的目标位置搜索装置的结构框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本申请实施例做进一步详细说明。在此，本申请实施例的示意性实施例及其说明用于解释本申请实施例，但并不作为对本申请实施例的限定。

下面结合附图，对本申请实施例的具体实施方式作进一步的详细说明。

参考图1所示，本申请实施例的目标位置搜索方法包括以下步骤：

步骤S101，确定目标搜索请求所指定的位置。

本申请实施例中，所述目标搜索请求可以是用户基于个人电脑、移动终端(比如智能手机、平板电脑)等发起的。

所述目标搜索请求例如可以为商家搜索请求。一般的，目标搜索请求中会包含有指定的位置。

在本申请的一个实施例中，所述指定的位置可以为具体的经纬度数据；在本申请的另一个实施例中，所述指定的位置也可以为地点名称或标识(比如北京地铁1号线西单站)，然后依据该地点名称或标识获取其具体的经纬度数据。

步骤S102，确定所述位置在预设的网格化位置区域中所对应的网格。

本申请实施例中，所述网格化位置区域可预先通过以下方式得到：

1)、在设定区域内，确定系统在设定历史时间范围内接收到的所有目标搜索请求所指定的经纬度信息。比如，通过ODPS(Open Data Processing Service，开方数据处理服务)系统，离线获取近7天内，针对北京市内所有商家搜索的PV(Page View，页面访问量)日志，并从所述7天PV日志(即历史搜索数据)中统计出该段时间内针对北京市内所有商家搜索所指定的经纬度信息。

2)、根据Geohash算法将所述经纬度信息映射为长宽相等的矩形网格位置区域。

在本申请一个实施例中，如图2所示，可以根据Geohash算法将设定区域内，系统在设定历史时间范围内接收到的所有目标搜索请求所指定的热门位置的经纬度信息映射为长宽相等的矩形网格位置区域，这样以较小的系统开销满足绝大多数位置的目标搜索需求。其中，所述的热门位置例如为搜索量较大的地方，具体实施时，所述的热门位置可以通过设定阈值判断。

而在本申请另一实施例中，还可以将设定区域的地图(map)按照设定的规则均匀网格化，只是这样以来，存储那些冷门位置的网格会浪费存储空间等系统资源。其中，所述的冷门位置例如为未被搜索过或搜索量很小的地方，具体实施时，所述的冷门位置可以通过设定阈值判断。

步骤S103，确定所述网格在预设的网格与最优搜索半径对应关系中所对应的最优搜索半径。

本申请实施例中，所述最优搜索半径预先通过以下方式得到：

分别以所述网格化位置区域中每个网格的中心点为圆点，并以半径递增方式进行目标搜索，逐个获取所述每个网格的达到预设返回数量阈值时的返回结果所对应的最小搜索半径，并将所述最小搜索半径作为该网格的最优搜索半径。

以图2中的WX4G0网格为例，其中，WX4G0为网格化位置区域中某个网格的geohash编码值。以该网格的中心点为源点，依次可以以100米、200米、300米等由小到大逐渐递增的顺序作为搜索半径进行循环搜索(如图3所示)，从而可计算出WX4G0网格的达到预设返回数量阈值时的返回结果所对应的最小搜索半径，并将该最小搜索半径作为该网格的最优搜索半径。以此类推，由此可以计算出图2上所有geohash编码值(即网格化位置区域中所有网格)的达到预设返回数量阈值时的返回结果所对应的最优搜索半径。因此，本申请实施例可预先得到设定区域内，网格化位置区域中所有网格与最优搜索半径对应关系，即得到以geohash编码值为key，以最优搜索半径为value的数据，如下表1所示：

表1

key	value
		WX4ER	500m
WX4G2	600m
		WX4G32	700m
WX4EP	800m
		WX4G0	900m
WX4G1	1000m
		WX4DZ	400m
WX4FB	1200m
		WX4FC	800m

在本申请另一实施例中，也可以采用其他方式(比如由大到小的搜索半径顺序)进行循环搜索，但是，这样其找出最优搜索半径所需的循环搜索次数可能会较多，效率上一般不如上述由小到大的逐渐递增方式。

步骤S104，以所述最优搜索半径对目标进行搜索，获得返回结果。

在本申请实施例中，所述以最优搜索半径进行搜索是指：以所述搜索目标所指定的位置为圆点，以所述搜索目标的最优搜索半径为搜索半径进行搜索。

在本申请另一实施例中，由于每个热门位置的最优半径范围内的商家集合可能发生变，在步骤S104之后，还可以包括以下步骤：

判断所述返回结果中的返回数量是否低于预设的返回数量下限；如果低于所述返回数量下限，则以逐渐扩大所述搜索目标的搜索半径方式进行搜索，直至当前返回结果中的返回数量达到所述返回数量下限为止，以利于提高返回效果的准确性。

此外，在本申请另一实施例中，所述预设的网格化位置区域，以及所述预设的网格化位置区域中的网格与其最优搜索半径的对应关系可以定期更新(比如每天更新一次或者每周更新一次，等等)，以适应热门位置附近的目标信息变化(比如商场、超市、饭店等商家变动)，从而有利于提高返回效果的准确性。

本申请实施例中，由于预先基于历史搜索数据把热门位置映射成为网格化位置区域，并计算出网格化位置区域中每个矩形网格的最优搜索半径，每个矩形网格的最优搜索半径则代表了该矩形网格内所有位置的最优搜索半径，这样，由于每个热门位置与其最优搜索半径的对应关系都是预先确定好的，当收到对某一热门位置的搜索时，依据该对应关系就可以快速确定该热门位置最优搜索半径，从而使得以该最优搜索半径进行搜索时可以获得较为理想的搜索结果，因此本申请实例有效控制了返回的搜索结果的集合的大小，提高了用户体验，并且极大的提升了搜索引擎的性能。

虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。

结合图4所示，本申请实施例的目标位置搜索装置包括：

位置确定模块41，用于确定目标搜索请求所指定的位置。

本申请实施例中，所述目标搜索请求可以是用户基于个人电脑、移动终端(比如智能手机、平板电脑)等发起的。

所述目标搜索请求例如可以为商家搜索请求。一般的，目标搜索请求中会包含有指定的位置。在本申请的一个实施例中，

所述指定的位置可以为具体的经纬度数据；在本申请的另一个实施例中，所述指定的位置也可以为地点名称或标识(比如北京地铁1号线西单站)，然后依据该地点名称或标识获取其具体的经纬度数据。

网格确定模块42，用于确定所述位置在预设的网格化位置区域中所对应的网格。

本申请实施例中，所述网格化位置区域可预先通过以下方式得到：

1)、在设定区域内，确定系统在设定历史时间范围内接收到的所有目标搜索请求所指定的经纬度信息。比如，通过ODPS系统，离线获取近7天内，针对北京市内所有商家搜索的PV(Page View，页面访问量)日志，并从所述7天PV日志(即历史搜索数据)中统计出该段时间内针对北京市内所有商家搜索所指定的经纬度信息。

2)、根据Geohash算法将所述经纬度信息映射为长宽相等的矩形网格位置区域。

在本申请一个实施例中，如图2所示，可以根据Geohash算法将设定区域内，系统在设定历史时间范围内接收到的所有目标搜索请求所指定的热门位置的经纬度信息映射为长宽相等的矩形网格位置区域，这样以较小的系统开销满足绝大多数位置的目标搜索需求。其中，所述的热门位置例如为搜索量较大的地方，具体实施时，所述的热门位置可以通过设定阈值判断。

而在本申请另一实施例中，还可以将设定区域的地图(map)按照设定的规则均匀网格化，只是这样以来，存储那些冷门位置的网格会浪费存储空间等系统资源。其中，所述的冷门位置例如为未被搜索过或搜索量很小的地方，具体实施时，所述的冷门位置可以通过设定阈值判断。

搜索范围确定模块43，用于确定所述网格在预设的网格与最优搜索半径对应关系中所对应的最优搜索半径。

本申请实施例中，所述最优搜索半径预先通过以下方式得到：

分别以所述网格化位置区域中每个网格的中心点为圆点，并以半径递增方式进行目标搜索，逐个获取所述每个网格的达到预设返回数量阈值时的返回结果所对应的最小搜索半径，并将所述最小搜索半径作为该网格的最优搜索半径。

以图2中的WX4G0网格为例，其中，WX4G0为网格化位置区域中某个网格的geohash编码值。以该网格的中心点为源点，依次可以以100米、200米、300米等由小到大逐渐递增的顺序作为搜索半径进行循环搜索(如图3所示)，从而可计算出WX4G0网格的达到预设返回数量阈值时的返回结果所对应的最小搜索半径，并将该最小搜索半径作为该网格的最优搜索半径。以此类推，由此可以计算出图2上所有geohash编码值(即网格化位置区域中所有网格)的达到预设返回数量阈值时的返回结果所对应的最优搜索半径。因此，本申请实施例可预先得到设定区域内，网格化位置区域中所有网格与最优搜索半径对应关系，即得到以geohash编码值为key，以最优搜索半径为value的数据，如下表2所示：

表2

在本申请另一实施例中，也可以采用其他方式(比如由大到小的搜索半径顺序)进行循环搜索，但是，这样其找出最优搜索半径所需的循环搜索次数可能会较多，效率上一般不如上述由小到大的逐渐递增方式。

返回结果获取模块44，用于以所述最优搜索半径对目标进行搜索，获得返回结果。

在本申请实施例中，所述以最优搜索半径进行搜索是指：以所述搜索目标所指定的位置为圆点，以所述搜索目标的最优搜索半径为搜索半径进行搜索。

在本申请另一实施例中，所述的目标位置搜索装置还可以包括：

返回结果优化模块45，用于在所述返回结果获取模块44获得返回结果之后，判断所述返回结果中的返回数量是否低于预设的返回数量下限；如果低于所述返回数量下限，则以逐渐扩大所述搜索目标的搜索半径方式进行搜索，直至当前返回结果中的返回数量达到所述返回数量下限为止。

此外，在本申请另一实施例中，所述预设的网格化位置区域，以及所述预设的网格化位置区域中的网格与其最优搜索半径的对应关系可以定期更新(比如每天更新一次或者每周更新一次等等)，以适应热门位置附近的目标信息变化(比如商场、超市、饭店等商家变动)，从而有利于保证返回效果的准确性。

本申请实施例中，由于预先基于历史搜索数据把热门位置映射成为网格化位置区域，并计算出网格化位置区域中每个矩形网格的最优搜索半径，每个矩形网格的最优搜索半径则代表了该矩形网格内所有位置的最优搜索半径，这样，由于每个热门位置与其最优搜索半径的对应关系都是预先确定好的，当收到对某一热门位置的搜索时，依据该对应关系就可以快速确定该热门位置最优搜索半径，从而使得以该最优搜索半径进行搜索时可以获得较为理想的搜索结果，因此本申请实例有效控制了返回的搜索结果的集合的大小，提高了用户体验，并且极大的提升了搜索引擎的性能。

本领域技术人员还可以了解到本申请实施例列出的各种说明性逻辑块、单元和步骤可以通过硬件、软件或两者的结合来实现。至于是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本申请实施例保护的范围。

本申请实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本申请实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘一般的，以磁性复制数据，而碟片一般的，以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请实施例的具体实施例而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种目标位置搜索方法，其特征在于，包括以下步骤：

确定目标搜索请求所指定的位置；

确定所述位置在预设的网格化位置区域中所对应的网格；所述网格化位置区域预先通过以下方式得到：在设定区域内，确定系统在设定历史时间范围内接收到的所有目标搜索请求所指定的经纬度信息；根据Geohash算法将所述经纬度信息映射为长宽相等的矩形网格位置区域；

确定所述网格在预设的网格与最优搜索半径对应关系中所对应的最优搜索半径；所述网格与最优搜索半径对应关系预先通过以下方式得到：分别以所述网格化位置区域中每个网格的中心点为圆点，并以半径递增方式进行目标搜索，逐个获取所述每个网格达到预设返回数量阈值时的返回结果所对应的最小搜索半径，并将所述最小搜索半径作为该网格的最优搜索半径；

以所述最优搜索半径对目标进行搜索，获得返回结果。

2.根据权利要求1所述的目标位置搜索方法，其特征在于，在所述获得返回结果之后，还包括：

判断所述返回结果中的返回数量是否低于预设的返回数量下限；

如果低于所述返回数量下限，则以逐渐扩大所述搜索目标的搜索半径方式进行搜索，直至当前返回结果中的返回数量达到所述返回数量下限为止。

3.根据权利要求1所述的目标位置搜索方法，其特征在于，所述预设的网格化位置区域，以及所述预设的网格与最优搜索半径对应关系定期更新。

4.根据权利要求1所述的目标位置搜索方法，其特征在于，所述根据Geohash算法将所述经纬度信息映射为长宽相等的矩形网格位置区域，包括：

根据Geohash算法将所述经纬度信息中的热门位置所对应的经纬度信息映射为长宽相等的矩形网格位置区域，所述的热门位置包括被搜索量不低于预设值的位置。

5.一种目标位置搜索装置，其特征在于，包括：

位置确定模块，用于确定目标搜索请求所指定的位置；

网格确定模块，用于确定所述位置在预设的网格化位置区域中所对应的网格；所述网格化位置区域预先通过以下方式得到：在设定区域内，确定系统在设定历史时间范围内接收到的所有目标搜索请求所指定的经纬度信息；根据Geohash算法将所述经纬度信息映射为长宽相等的矩形网格位置区域；

搜索范围确定模块，用于确定所述网格在预设的网格与最优搜索半径对应关系中所对应的最优搜索半径；所述网格与最优搜索半径对应关系预先通过以下方式得到：分别以所述网格化位置区域中每个网格的中心点为圆点，并以半径递增方式进行目标搜索，逐个获取所述每个网格达到预设返回数量阈值时的返回结果所对应的最小搜索半径，并将所述最小搜索半径作为该网格的最优搜索半径；

返回结果获取模块，用于以所述最优搜索半径对目标进行搜索，获得返回结果。

6.根据权利要求5所述的目标位置搜索装置，其特征在于，还包括：

返回结果优化模块，用于在所述返回结果获取模块获得返回结果之后，判断所述返回结果中的返回数量是否低于预设的返回数量下限；如果低于所述返回数量下限，则以逐渐扩大所述搜索目标的搜索半径方式进行搜索，直至当前返回结果中的返回数量达到所述返回数量下限为止。

7.根据权利要求5所述的目标位置搜索装置，其特征在于，所述预设的网格化位置区域，以及所述预设的网格与最优搜索半径对应关系定期更新。

8.根据权利要求5所述的目标位置搜索装置，其特征在于，所述根据Geohash算法将所述经纬度信息映射为长宽相等的矩形网格位置区域，包括：

根据Geohash算法将所述经纬度信息中的热门位置所对应的经纬度信息映射为长宽相等的矩形网格位置区域，所述的热门位置包括被搜索量不低于预设值的位置。

Images