CN107729368A - 一种用于poi数据校验的方法和装置 - Google Patents
一种用于poi数据校验的方法和装置 Download PDFInfo
- Publication number
- CN107729368A CN107729368A CN201710807048.7A CN201710807048A CN107729368A CN 107729368 A CN107729368 A CN 107729368A CN 201710807048 A CN201710807048 A CN 201710807048A CN 107729368 A CN107729368 A CN 107729368A
- Authority
- CN
- China
- Prior art keywords
- poi data
- data
- poi
- target
- information
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请的目的是提供一种用于POI数据校验的方法和装置。其中,所述方法包括:通过获取用户提交的目标POI数据,确定与其相匹配的来自不同数据源的参考POI数据,并根据所述数据源的可信度信息确定所述目标POI数据的可信度信息以及结合交叉校验信用评估等方法。实现对用户提交的目标POI进行自动化校验,降低了人工成本,提升校验的准确性,提升所发布的POI数据的质量。
Description
技术领域
本申请涉及通信领域,尤其涉及一种用于POI数据校验的方法和装置的技术。
背景技术
POI是“Point of Interest”的缩写,可以翻译成“兴趣点”,也有些叫做“Point ofInformation”,即“信息点”。电子地图上一般用气泡图标来表示POI,像电子地图上的景点、政府机构、公司、商场、饭馆等,都是POI。POI是基于位置服务的最核心数据,在电子地图上运用场景广泛,如导航前选择的目的地、查看周边的餐馆等。用户在使用电子地图时点击相应的地点位置往往可以籍此获取对应该位置点的POI数据信息,例如,点击点图上A餐馆所在位置,则显示A餐馆地址的文字信息、联系电话、餐馆图片、评价等。上述POI数据信息一般由餐馆主人或其它用户上传,而所上传的用户数据会经过电子地图管理者进行验证后方可在对应餐馆位置的电子地图上由其它用户获取。这些信息在经由电子地图管理者审核时,由于每个审核周期所上传的数据汇总后数量极多,通常所采用的人工审核尤其是对其中联系电话的审查因为需要人工拨打电话验证,会消耗较大的人力成本以及对被拨打电话的用户造成一定程度的打扰,同时人工审核会存在使用伪造电话作弊以及人工审核员为提高审核量作弊的情况。
发明内容
本申请的一个目的是提供一种用于POI数据校验的方法和装置。
根据本申请的一个方面,提供了一种用于POI数据校验的方法,包括:
a获取用户提交的目标POI数据;
b确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;
c根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。
优选地,所述方法还包括:
s若所述目标POI数据的可信度信息等于或大于预订的POI可信度阈值信息,发布所述目标POI数据。
优选地,所述方法还包括:
检测所述目标POI数据是否包括风险关键词;
其中,所述步骤s包括:
若所述目标POI数据的可信度信息等于或大于预订的POI可信度阈值信息,且所述目标POI数据未包括风险关键词,发布所述目标POI数据。
优选地,所述步骤c包括:
根据所述数据源的可信度信息,以及所述目标POI数据与所述数据源对应的参考POI数据的匹配度信息,确定所述目标POI数据的可信度信息。
优选地,所述步骤b包括:
根据所述POI数据在多源数据库中匹配查询,以获得与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
优选地,所述方法还包括:
r获取所述用户的信用评级信息;
其中,所述步骤b包括:
当所述信用评级信息等于或大于第一信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
优选地,所述步骤b包括:
当所述信用评级信息等于或大于第一信用阈值且小于第二信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;
其中,所述方法还包括:
当所述信用评级信息等于或大于所述第二信用阈值,且所述目标POI数据符合POI数据规范,发布所述目标POI数据。
优选地,所述步骤r包括:
根据所述用户在提交所述目标POI数据过程中的操作行为信息,确定所述用户的信用评级信息。
优选地,所述步骤r包括:
根据所述用户在提交所述目标POI数据过程中的操作行为数据,并结合所述用户提交POI数据的历史操作行为信息,确定所述用户的信用评级信息。
优选地,所述方法还包括:
对所述目标POI数据进行校正处理;
其中,所述步骤b包括:
确定与校正后的所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
根据本申请的另一方面,还提供一种用于POI数据校验的装置,包括:
第一模块,用于获取用户提交的目标POI数据;
第二模块,用于确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;
第三模块,用于根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。
优选地,所述装置还包括:
第四模块,用于若所述目标POI数据的可信度信息等于或大于预订的POI可信度阈值信息,发布所述目标POI数据。
优选地,所述装置还包括:
第五模块,用于检测所述目标POI数据是否包括风险关键词;
其中,所述第四模块用于:
若所述目标POI数据的可信度信息等于或大于预订的POI可信度阈值信息,且所述目标POI数据未包括风险关键词,发布所述目标POI数据。
优选地,所述第三模块用于:
根据所述数据源的可信度信息,以及所述目标POI数据与所述数据源对应的参考POI数据的匹配度信息,确定所述目标POI数据的可信度信息。
优选地,所述第二模块用于:
根据所述POI数据在多源数据库中匹配查询,以获得与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
优选地,所述装置还包括:
第六模块,用于获取所述用户的信用评级信息;
其中,所述第二模块用于:
当所述信用评级信息等于或大于第一信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
优选地,所述第二模块用于:
当所述信用评级信息等于或大于第一信用阈值且小于第二信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;
其中,所述装置还包括:
第七模块,用于当所述信用评级信息等于或大于所述第二信用阈值,且所述目标POI数据符合POI数据规范,发布所述目标POI数据。
优选地,所述第六模块用于:
根据所述用户在提交所述目标POI数据过程中的操作行为信息,确定所述用户的信用评级信息。
优选地,所述第六模块用于:
根据所述用户在提交所述目标POI数据过程中的操作行为数据,并结合所述用户提交POI数据的历史操作行为信息,确定所述用户的信用评级信息。
优选地,所述装置还包括:
第八模块,用于对所述目标POI数据进行校正处理;
其中,所述第二模块用于:
确定与校正后的所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
根据本申请又一方面,还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机代码,当所述计算机代码被执行时,如上任一项所述的方法被执行。
根据本申请再一方面,还提供一种计算机程序产品,当所述计算机程序产品被计算机设备执行时,如权上任一项所述的方法被执行。
根据本申请另一方面,还提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个计算机程序;
当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上任一项所述的方法。
与现有技术相比,本申请通过获取用户提交的目标POI数据,确定与其相匹配的来自不同数据源的参考POI数据,并根据所述数据源的可信度信息确定所述目标POI数据的可信度信息以及结合交叉校验信用评估等方法。实现对用户提交的目标POI进行自动化校验,降低了人工成本,提升校验的准确性,提升所发布的POI数据的质量。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1显示为本申请的用于POI数据校验的装置的一种实施方式的结构示意图;
图2显示为本申请一个优选实施例的用于POI数据校验的装置的一种实施方式的结构示意图;
图3显示为本申请的用于POI数据校验的方法的一种实施方式的流程图;
图4显示为本申请一个优选实施例的用于POI数据校验的方法的一种实施方式的流程图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
在上下文中所称“计算机设备”,也称为“电脑”,是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备,其可以包括处理器与存储器,由处理器执行在存储器中预存的存续指令来执行预定处理过程,或是由ASIC、FPGA、DSP等硬件执行预定处理过程,或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。
所述计算机设备包括用户设备与网络设备。其中,所述用户设备包括但不限于电脑、智能手机、PDA等;所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中,所述计算机设备可单独运行来实现本发明,也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中,所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
需要说明的是,所述用户设备、网络设备和网络等仅为举例,其他现有的或今后可能出现的计算机设备或网络如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时,用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
这里所公开的具体结构和功能细节仅仅是代表性的,并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现,并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
应当理解的是,当一个单元被称为“连接”或“耦合”到另一单元时,其可以直接连接或耦合到所述另一单元,或者可以存在中间单元。与此相对,当一个单元被称为“直接连接”或“直接耦合”到另一单元时,则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”,“与...邻近”相比于“与...直接邻近”等等)。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指,否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是,这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在,而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是,在一些替换实现方式中,所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说,取决于所涉及的功能/动作,相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
基于上述技术背景中提到的实际工作中所产生的问题,为提升对POI数据审核校验的速度以及准确性,降低审核成本以及提升数据上传用户以及被验证用户的体验。
如图1所示本申请提供一种POI数据校验装置。所述装置包括:第一模块11、第二模块12以及第三模块13。其中,第一模块11获取用户提交的目标POI数据;第二模块12确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;第三模块13根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。所述装置中的各模块可以是基于处理器执行程序时对所连接的存储器、网络接口等硬件按时序调用而构成硬件组合。利用相应硬件组合而得到的模块将执行程序所描述的工作过程。
具体地,第一模块11获取用户提交的目标POI数据。其中,所述用户是指使用电子地图进行某个地图上位置点POI数据上传的用户,所述用户包括但不限于该位置点所有者、该位置点的使用者、其他帮助进行数据完善的电子地图用户。例如,某餐馆A的房东、餐馆A老板/管理者、完善餐馆A信息的用户。所述POI数据即为前文所述的POI数据信息,包括但不限于该位置点对应的地址信息、图片信息、评价信息、联系方式信息等。例如,餐馆A地址的文字信息,S市F路的X号门牌,餐馆A外景和内景的图片,对餐馆A的体验评价,餐馆A的订座电话。所述目标POI即为对应电子地图上目标位置的POI数据,目标位置即为例如餐馆A所在的电子地图上的位置。获取用户提交的目标POI数据,即通过电子地图的数据递交页面所获取的用户填写的关于POI数据,这一数据可使用一般后台数据获取的方法进行获取。
本领域技术人员应能理解上述获取目标POI的方式仅为举例,其他现有的或今后可能出现的获取目标POI的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
第二模块12确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。参考POI数据是指与目标POI所对应的电子地图上同一位置的,从其它途径所获取的,不同于用户在当前电子地图上传的POI数据。例如,参考POI数据是从某点评网站的公开数据中获取的关于S市F路的X号门牌餐馆A的开业时间、联系电话和食客评价数据。在此参考POI和目标POI均为关于餐馆A的数据。其它途径包括但不限于:从公开数据获取,例如互联网公开数据,包括其它品牌的电子地图的公开数据、或者美食或商店点评网站/论坛的公开数据;从合作的其他可访问数据来源获取,例如合作团队的用户数据,包括用户检索日志、用户导航日志等。获取参考POI的途径包括但不限于直接获取或根据获取源的特征进行进一步地挖掘获取,例如根据某点评网站的统一数据格式编写数据收集脚本。
所述目标POI数据的匹配方法包括但不限于:使用地图地址定位的方法匹配同样地址的参考POI数据;使用文字地址匹配同地址信息的参考POI数据;使用目标POI对应目标地点位置的商店或场馆名称匹配同名称的参考POI数据;使用其它可以匹配的关于目标POI对应目标地点位置特征进行数据匹配获取参考POI数据。例如,使用A餐馆的地址:S市F路的X号,匹配美食推荐/点评网站的营业电话和餐厅星级数据;使用A餐馆的名称匹配工商登记信息库中的数据,获取联系电话和公开的经营数据;使用A餐馆的全球定位信息匹配该位置点的其他电子地图中的信息数据。
通过匹配上述来自不同数据源的参考POI数据,可以获取关于目标POI数据对应电子地图位置点的相关信息,这些来自不同源的数据可以相互印证作为目标POI数据正确性的参考。
本领域技术人员应能理解上述确定与所述目标POI数据相匹配的一个或多个参考POI数据的方式仅为举例,其他现有的或今后可能出现的确定与所述目标POI数据相匹配的一个或多个参考POI数据的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在一些优选实施场景中,所述第二模块12根据所述POI数据在多源数据库中匹配查询,以获得与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。所述多源数据库是指的从合作的其他可访问数据来源获取的数据汇总为一个数据库,例如合作团队的用户数据,包括用户检索日志、用户导航日志等。以及从互联网中所获取的可访问的公开数据来源亦可通过汇总存入所述多源数据库。通过所述多源数据库将目标POI数据进行匹配查询,可快速与多方数据进行交叉验证。当用户提供的目标POI数据进入数据库查询时,会与该多远数据库中所储存的多放数据进行匹配以及交叉验证。例如,餐馆A的地址:S市F路的X号在数据库中检索,匹配到其数据库中,匹配到来自于其它电子地图数据的关于A餐馆地址所在商家的:联系电话、相关图片、餐馆评级等信息。同时又匹配到来自于工商系统的关于A餐馆地址营业商家的:联系电话。此时可将匹配到的两者数据作为参考POI数据与用户提供的餐馆A的目标POI数据进行验证。
通过设置多源数据库可预先收集多放可信任的数据源,例如提前将知名的美食点评网站数据录入。在验证用户提供的目标POI数据时,可免去现场搜集和匹配查询全网数据的时间,直接在多源数据库中进行匹配和查询,从而提升对目标POI数据的校验速度,同时在同一数据库中匹配到多方参考POI数据后可进行交叉验证,提升目标POI数据的校验的正确性。优选地,对所述多源数据库设置更新机制,周期性或设置更新触发条件,从而保持多源数据库中数据的及时性。
本领域技术人员应能理解上述建立多源数据库以及在多源数据库中匹配查询目标POI数据的参考POI数据的方式仅为举例,其他现有的或今后可能出现的建立多源数据库以及在多源数据库中匹配查询目标POI数据的参考POI数据的方式的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
第三模块13根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。所述数据源即指上文所述的匹配参考POI数据的源。例如,所匹配的A餐馆的文字地址获得某美食点评网站的联系电话和美食评级信息这一的参考POI数据,此美食点评网站即为一个数据源。所述数据源的可信度信息即为经过评估的数据源信息正确性的可信度。评估方法包括但不限于管理团队进行预先评估和分级打分,或者根据关键指标进行可行度评级。例如,管理团队设置社会知名度越高的网站可信度越高,或者根据美食网站的热门程度和餐馆平均获得点评数量进行评级,活跃用户越多的可信度越高。所述目标POI的可信度信息是指根据某个可信度最高的数据源或者根据相应的数据源的可行度累加或者交叉印证所获得的对应的信息。例如,在用户活跃度高的B地图应用中找到了与A餐馆名称、坐标基本一致的信息,而B地图应用的数据源可信度排名与其它所匹配到参考POI数据的数据源相比靠前,则该B地图应用中所匹配的参考POI数据可作为目标POI数据的可信度信息。又或者该B地图应用可信度极高,被设置为主数据源,若目标POI数据与B地图应用所匹配的参考POI数据一致,则此时参考其他可信度较低的数据源信息的参考POI,若有关键POI数据一致,则通过累加各数据源的可信度信息,或者从中取最大值、平均值等方式,确定该目标POI数据的可信度信息。
通过确定数据源的可信度可以更加公正客观的对目标POI的可信度进行评估和确认其真实性。因数据源所匹配来的参考POI数据可有可能存在造假或者不准确的情况,因此需要根据数据源的特性进行可信度确定,例如,工商局网站所公开的某餐馆名称对应的联系电话因为是官方数据,这一数据源的可信度即为可靠。而美食点评网站若拥有的活跃用户多,且对刷评级信息有所严格管理,则对应可信度也高。通过数据源可信度信息确定目标POI的可信度信息会使得评判目标POI可观公正程度提升,免去了人工评判可能存在的作弊情况,并且自动化程度提升。
本领域技术人员应能理解上述确定数据源以及目标POI数据可信度信息的方式仅为举例,其他现有的或今后可能出现的确定数据源以及目标POI数据可信度信息的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在一些优选实施场景中,所述第三模块13根据所述数据源的可信度信息,以及所述目标POI数据与所述数据源对应的参考POI数据的匹配度信息,确定所述目标POI数据的可信度信息。所述匹配度信息是指目标POI数据与对应的参考POI数据进行比对所确定的信息吻合程度以及对应的吻合信息等数据。例如餐馆A的文字地址、联系电话、评价星级和门面图片这些信息中,全部或大部分与某数据源所获得的参考POI数据吻合,则此参考POI数据的匹配度较高。根据数据源的可信度信息及参考POI数据的匹配度信息可叠加综合考量目标POI数据的可信度信息。例如,可将匹配度信息作为权重信息的重要参考参数,通过加权求和来得到目标POI数据的可信度。
通过综合采信数据源可信度以及目标POI数据所匹配的参考POI数据的匹配度,可提升对目标POI数据判断的准确程度,因为存在一些新兴的数据源,或者用户活跃度小的数据源的数据中存在准确度较高的数据,这些均可以作为综合考量的依据。
本领域技术人员应能理解上述确定参考POI匹配度信息,以及结合该匹配度信息与数据源的可信度信息确定目标POI数据可信度的方式仅为举例,其他现有的或今后可能出现的确定参考POI匹配度信息,以及结合该匹配度信息与数据源的可信度信息确定目标POI数据可信度的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
优选地,所述校验装置还包括第四模块14(图1中未示出),第四模块14若所述目标POI数据的可信度信息等于或大于预定的POI可信度阈值信息,发布所述目标POI数据。所述预定的POI可信度阈值信息是将目标POI可信度根据一定标准或数据统计结果设置一个阈值,此阈值用于对POI的准确性也就是可信度进行评判或划分,阈值的两边数据分别为可接受的可信的POI数据,以及不可接受的POI数据。例如,根据对各个源进行评估后得出每个数据源的可信度信息,对用户提交的关于餐馆A的目标POI数据进行可信度累加,超过既定阈值则判定为可信的目标POI数据。又如在另一个电子地图应用中能够找到餐馆A的名称、坐标基本一致的信息,而因为该电子地图应用的公开信息均是经过验证筛选的,因此,该电子地图应用的可信度较高,打分为8分,而设置可信度累加超过7分即可确认目标POI数据可信可用于发布,此时餐馆A的目标POI数据即可以进行发布。而若此时是某美食点评应用可以与餐馆A的目标POI数据匹配较高,打分为5分,则若再有其他几个源的有1分或3分有与A餐馆关键数据如联系电话匹配一直,则分数累计相加可超过阈值8,判定餐馆A的目标POI数据可信可用于数据发布。
所述数据发布是指将校验通过的,也就是通过阈值验证的可信的目标POI数据在电子地图中进行发布,使得其他用户可以通过点击或其它方式获取目标POI数据所在坐标位置的相关数据。通过设置可信度阈值为目标POI数据的快速校验提供了参考标准,提升数据校验的自动化程度。优选地,周期性评估数据源可信度信息以及可信度阈值的评判下所发布目标POI数据的用户反馈效果,动态调整可信度阈值,从而使得目标POI的校验具有及时性也进一步保障了准确性。
本领域技术人员应能理解上述预设POI可信度阈值信息以及通过该阈值信息校验目标POI数据的方式仅为举例,其他现有的或今后可能出现的预设POI可信度阈值信息以及通过该阈值信息校验目标POI数据的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在一些优选实施场景中,所述校验装置还包括第五模块15(图中未示出),所述第五模块15检测所述目标POI数据是否包括风险关键词。此时,第四模块14若所述目标POI数据的可信度信息等于或大于预订的POI可信度阈值信息,且所述目标POI数据未包括风险关键词,发布所述目标POI数据。所述风险关键词是设定的在进行目标POI校验时需要规避处理的词汇,发布在电子地图上的POI信息在涉及风险关键词时会存在引发用户受骗或出现不法现象的风险。包括但不限于:维修、侦探这些安全高风险词汇,以及快递、美食等行业作弊收益大的行业关键词。例如,维修行业,用户往往会地图上搜索电话号码并拨打,之后再进行线下的上门交易。不法分子会借提交POI的契机,将某个检索词的搜索结果关联的POI的电话都修改为其电话,这样用户只要检索该关键字,就会大概率联系他,这种情况轻则损害其他正常POI位置点对应商家的利益,重则会欺骗用户对用户造成损害或给不法分子造成可乘之机。又例如快递行业,不法分子有时会尝试修改一些知名度较高的快递POI位置点的联系电话,这样就能实现抢单,甚至劫持用户贵重物品。通过设置风险关键词,能够在进行目标POI校验时及时准确的判断风险存在,为之后进行风险规避创造空间。
因此针对上述风险关键词,会进行设置和更新,并采取相应的规避处理措施。包括在发布前进行阈值校验时,若所述目标POI数据的可信度信息等于或大于预订的POI可信度阈值信息,且所述目标POI数据未包括风险关键词,发布所述目标POI数据。但不限于此,还包括各种指标的阈值都会提供,甚至禁止处理情况。例如,当检测到目标POI的风险关键词后,确定目标POI可信度信息时会增加评价指标,所设置的可信度阈值也会因为风险关键词的提升而有所修改。例如前文举例中正常情况可信度阈值得分8即允许发布,而当涉及风险关键词则达到9.0以上或10方可发布。
通过检测所述风险词汇并进行相应风险评估措施,能够对POI数据中的异常情况进行识别和方法,降低因为POI数据的发布和公开引发的对于用户不必要的风险,也弥补了自动校验目标POI数据通常会出现的风险识别不如人工敏感的问题。使得POI数据的校验可以通过POI场景下大量历史数据分析与案例的处理,总结了出针对特定场景的风险评估方案自动进行规避风险情况。
本领域技术人员应能理解上述设置、检测风险关键词并采取POI数据发布前的相关针对性措施的方式仅为举例,其他现有的或今后可能出现的设置、检测风险关键词并采取POI数据发布前的相关针对性措施的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
优选地,所述校验装置还包括第六模块16(图1中未示出),第六模块16对所述目标POI数据进行校正处理;此时,所述第二模块12确定与校正后的所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。所述校正处理是指对数据进行的格式、字体、字符、空白等简单填写错误的校正。所述校正处理的方法则采用一些过滤或概率划分或评级等较常见的方法进行校正。例如,会自动过滤掉POI数据里名称中的繁体字、特殊字符、压缩空白等。而遗漏字、错别字则可通过分析千万级别的POI名称,从而对各种常见字词的组合进行概率划分,当发现用户提交的名称字词组合存在概率异常后则跟多源数据库对比,对每个名称进行评级,选择评级高的进行代替。当出现机器无法自动处理的数据,则会强制人工干预,转送到人工校验专员处进行人工校正处理。具体校正处理的例子,比如用户提交“小石灶+上地店”,系统会修改为“小石灶(上地店)”,或者用户提交“北京客運站”会被修改为“北京客运站”。
因为上述校正处理措施会使得目标POI的数据更加的准和明确,易于检测和辨识分析。因此,在对目标POI数据进行参考POI数据匹配之前可以先进行校正处理,从而提升所匹配的参考POI数据的准确性。例如上述例子中若北京客运站未被校正,则使用“北京客運站”这一名称匹配各个数据源中数据时,可能会存在无法匹配到参考POI数据的情况。
基于数据校正的操作,还可以籍此进行优质POI数据的判定,例如指POI的主要属性名称、坐标、地址、电话在质量评级中均属于优质级别。比如名称格式规范不包含特殊字符、含专有名词,坐标在城市生活区,电话未关联作弊行为,无用户举报等。以在需要对用户进行信用评级时参考。
本领域技术人员应能理解上述对目标POI数据进行校正处理的方式仅为举例,其他现有的或今后可能出现的对目标POI数据进行校正处理的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
如图2所示本申请提供一种POI数据校验装置。所述装置包括:第一模块21、第七模块27、第二模块22以及第三模块23。其中,第一模块21获取用户提交的目标POI数据;第七模块27获取所述用户的信用评级信息;第二模块22当所述信用评级信息等于或大于第一信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;第三模块23根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。所述装置中的各模块可以是基于处理器执行程序时对所连接的存储器、网络接口等硬件按时序调用而构成硬件组合。利用相应硬件组合而得到的模块将执行程序所描述的工作过程。
其中,第一模块21、第三模块23与图1中的第一模块11、第三模块13相同或相似,在此不再赘述。
具体地,第七模块27获取所述用户的信用评级信息。所述信用评级是指用户提交用于校验的目标POI数据的信用等级,例如,设置正常用户、信任用户和风险用户三个等级,正常用户所提交POI数据一般较为可信,需要一定程度的校正和交叉验证其他数据源等操作;信任用户所提交的POI数据准确率非常高,基本可以不校验或简单校验即可发布到电子地图中;风险用户所提交的POI数据风险很高,存在错误的可能性几乎为百分之百,这类数据设置不预发布。上述仅为对信用评级信息的举例,信用评级信息还可设置为其它更少或更多的等级,具体根据所设置评级标准而定。所述信用评级信息可对所有用户预设置等级,并随着用户行为的累积进行数据累加,从而更新相应的评级。当对目标POI进行校验需要获取所述用户的信用评级信息时,包括但不限于:直接读取同系统中用户的信用评级,或者从第三方应用中读取该用户的信用评级,或者实时确定该用户的信用评级。
通过设置用户的信用评级信息,可帮助从用户行为倾向的角度快速判断某一目标POI数据的可信度,提升校验POI数据的速度。
本领域技术人员应能理解上述设置以及获取用户信用评级信息的方式仅为举例,其他现有的或今后可能出现的设置以及获取用户信用评级信息的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在一些优选实施场景中,第七模块27根据所述用户在提交所述目标POI数据过程中的操作行为信息,确定所述用户的信用评级信息。所述操作行为信息是指用户在填写和提交所述目标POI数据过程中的对数据进行填写、拖拽的行为以及时间信息但不限于此。例如,包括但不限于:用户文字填写时是否直接粘贴操作;坐标选点时是否进行比例尺缩放操作;缩放比例尺选点的耗时信息;图片上传是否是现场拍照;图片直接选择时耗时信息;上传图片的PS信息;行业信息选择时是否有滑动等。
确定用户的信用评级信息可以通过对上述操作行为信息进行分析。基于上文举例:用户文字填写,直接粘贴操作会降低信用评级,逐字输入会提高;坐标选点时有比例尺缩放操作、耗时接近平均值会提高评级,而无缩放或者直接退出的会降低评级;图片上传时如果是现场拍照则会提高评级,如果上传有PS痕迹的图片则会降低评级;行业信息挑选时有滑动操作则提高评级,直接确定则降低。优选地,可通过动态的用户群体综合分析修改评价的标准,原则上越接近普通用户行为的操作评级越高。例如周期性评估用户的平均坐标选点耗时,并修改影响信用评级的耗时标准值。
通过操作行为信息确定用户的信用评级信息,使得用户信用评级信息更加公正客观,并随着大众数据的变化而动态修改,提升用户信用评级信息可参考的准确性。
本领域技术人员应能理解上述根据操作行为信息确定所述用户的信用评级信息的方式仅为举例,其他现有的或今后可能出现的根据操作行为信息确定所述用户的信用评级信息的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在另一些优选实施例场景中,第七模块27根据所述用户在提交所述目标POI数据过程中的操作行为数据,并结合所述用户提交POI数据的历史操作行为信息,确定所述用户的信用评级信息。所述历史操纵行为信息是指在过往的所收集到的历史数据中关于用户填写POI数据的行为数据及其分析信息。例如,用户历史数据中POI数据的被采信率,历史行为中所提供电话信息的作弊历史等。通过综合历史操作行为信息可以对当前目标POI数据的准确性提供一定程度的参考,从而避免单次数据的可靠对用户信用评级信息的波动性影响。例如,通过一次的目标POI操作行为数据,将某个用户从风险用户调整为正常用户。通过综合分析评价当前和历史的操作行为信息,可提升用户的信用评级信息的客观程度。
本领域技术人员应能理解上述结合历史操作行为信息确定用户的信用评级的方式仅为举例,其他现有的或今后可能出现的结合历史操作行为信息确定用户的信用评级的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
第二模块22当所述信用评级信息等于或大于第一信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。所述第一信用阈值是指根据用户的信用评级信息所设置的用于将用户划分为不同操作对象群体的值。例如当用户评级信息是分数制,当其满足第一信用阈值的分值时(假定是5分),则将满足这一阈值的用户划分进需要进一步进行校验操作的用户群体。并依照上文所描述过的方式匹配一个或多个数据源中的参考POI数据,并进行校验后发布。对于信用评级比较差的用户,例如当所述信用评级信息不满足第一信用阈值,则所采取的措施包括但不限于:禁止此类信用评级的用户所提供的目标POI数据自动发布,必须强制人工审核;或者直接忽略用户所提供的目标POI数据。
通过信用阈值的设置使得可以借助用户信用评级使得部分用户的数据跳过校验阶段,直接进行禁止操作或发布,从而进一步提升校验的速度。
在一些优选实施场景中,第二模块22当所述信用评级信息等于或大于第一信用阈值且小于第二信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。所述第二信用阈值是指根据用户的信用评级信息所设置的用于将用户划分进不同群体的值,设置第一和第二信用阈值的作用是可将用户进一步细分为不同性质的群里,从而使得群体处理的方式多元化,且更加全面和公正。例如第二信用阈值可以根据下列情况进行设置,满足下列所有标准的即满足第二信用阈值。例如,用户历史数据的采纳率高于设定阈值,其电话无作弊历史,而且本次提交行为符合我们对正常用户的行为画像,如在地图标注时有精细的拖点、放大操作,POI各字段的填写不是粘贴而是逐字输入,用户的提交耗时接近平均值等。
此时,所述校验装置还包括第八模块28(图2中未示出),第八模块28当所述信用评级信息等于或大于所述第二信用阈值,且所述目标POI数据符合POI数据规范,发布所述目标POI数据。即对于信用评级较高的用户,例如满足上述举例满足第二信用阈值的情况,他们的目标POI数据会进行针对的操作处理,包括但不限于:在得到多源参考POI数据交叉校验佐证时自动上线,或者在无佐证且人工干预后无法核实时进行一种“模糊”状态的上线,即提示用户推测该POI存在。所述POI数据规范是指该数据的格式等简单指标符合标准。例如,数据要属性名称、坐标、地址、电话等进行标准评价。其评价标准包括但不限于:名称格式规范不包含特殊字符、含专有名词,坐标在城市生活区,电话未关联作弊行为,无用户举报等。通过对信用评级较高用户的筛选,可以对该类用户进行数据的快速发布同时也保障了数据的可信度。
本领域技术人员应能理解上述通过信用阈值对用户数据进行数据校验措施选择和实施发布的方式仅为举例,其他现有的或今后可能出现的通过信用阈值对用户数据进行数据校验措施选择和实施发布的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
如图3所示本申请提供一种POI数据校验方法。所述方法包括:步骤S11、步骤S12以及步骤S13。其中,在步骤S11中获取用户提交的目标POI数据;在步骤S12中确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;在步骤S13中根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。
具体地,在步骤S11中获取用户提交的目标POI数据。其中,所述用户是指使用电子地图进行某个地图上位置点POI数据上传的用户,所述用户包括但不限于该位置点所有者、该位置点的使用者、其他帮助进行数据完善的电子地图用户。例如,某餐馆A的房东、餐馆A老板/管理者、完善餐馆A信息的用户。所述POI数据即为前文所述的POI数据信息,包括但不限于该位置点对应的地址信息、图片信息、评价信息、联系方式信息等。例如,餐馆A地址的文字信息,S市F路的X号门牌,餐馆A外景和内景的图片,对餐馆A的体验评价,餐馆A的订座电话。所述目标POI即为对应电子地图上目标位置的POI数据,目标位置即为例如餐馆A所在的电子地图上的位置。获取用户提交的目标POI数据,即通过电子地图的数据递交页面所获取的用户填写的关于POI数据,这一数据可使用一般后台数据获取的方法进行获取。
本领域技术人员应能理解上述获取目标POI的方式仅为举例,其他现有的或今后可能出现的获取目标POI的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在步骤S12中确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。参考POI数据是指与目标POI所对应的电子地图上同一位置的,从其它途径所获取的,不同于用户在当前电子地图上传的POI数据。例如,参考POI数据是从某点评网站的公开数据中获取的关于S市F路的X号门牌餐馆A的开业时间、联系电话和食客评价数据。在此参考POI和目标POI均为关于餐馆A的数据。其它途径包括但不限于:从公开数据获取,例如互联网公开数据,包括其它品牌的电子地图的公开数据、或者美食或商店点评网站/论坛的公开数据;从合作的其他可访问数据来源获取,例如合作团队的用户数据,包括用户检索日志、用户导航日志等。获取参考POI的途径包括但不限于直接获取或根据获取源的特征进行进一步地挖掘获取,例如根据某点评网站的统一数据格式编写数据收集脚本。
所述目标POI数据的匹配方法包括但不限于:使用地图地址定位的方法匹配同样地址的参考POI数据;使用文字地址匹配同地址信息的参考POI数据;使用目标POI对应目标地点位置的商店或场馆名称匹配同名称的参考POI数据;使用其它可以匹配的关于目标POI对应目标地点位置特征进行数据匹配获取参考POI数据。例如,使用A餐馆的地址:S市F路的X号,匹配美食推荐/点评网站的营业电话和餐厅星级数据;使用A餐馆的名称匹配工商登记信息库中的数据,获取联系电话和公开的经营数据;使用A餐馆的全球定位信息匹配该位置点的其他电子地图中的信息数据。
通过匹配上述来自不同数据源的参考POI数据,可以获取关于目标POI数据对应电子地图位置点的相关信息,这些来自不同源的数据可以相互印证作为目标POI数据正确性的参考。
本领域技术人员应能理解上述确定与所述目标POI数据相匹配的一个或多个参考POI数据的方式仅为举例,其他现有的或今后可能出现的确定与所述目标POI数据相匹配的一个或多个参考POI数据的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在一些优选实施场景中,在步骤S12中根据所述POI数据在多源数据库中匹配查询,以获得与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。所述多源数据库是指的从合作的其他可访问数据来源获取的数据汇总为一个数据库,例如合作团队的用户数据,包括用户检索日志、用户导航日志等。以及从互联网中所获取的可访问的公开数据来源亦可通过汇总存入所述多源数据库。通过所述多源数据库将目标POI数据进行匹配查询,可快速与多方数据进行交叉验证。当用户提供的目标POI数据进入数据库查询时,会与该多远数据库中所储存的多放数据进行匹配以及交叉验证。例如,餐馆A的地址:S市F路的X号在数据库中检索,匹配到其数据库中,匹配到来自于其它电子地图数据的关于A餐馆地址所在商家的:联系电话、相关图片、餐馆评级等信息。同时又匹配到来自于工商系统的关于A餐馆地址营业商家的:联系电话。此时可将匹配到的两者数据作为参考POI数据与用户提供的餐馆A的目标POI数据进行验证。
通过设置多源数据库可预先收集多放可信任的数据源,例如提前将知名的美食点评网站数据录入。在验证用户提供的目标POI数据时,可免去现场搜集和匹配查询全网数据的时间,直接在多源数据库中进行匹配和查询,从而提升对目标POI数据的校验速度,同时在同一数据库中匹配到多方参考POI数据后可进行交叉验证,提升目标POI数据的校验的正确性。优选地,对所述多源数据库设置更新机制,周期性或设置更新触发条件,从而保持多源数据库中数据的及时性。
本领域技术人员应能理解上述建立多源数据库以及在多源数据库中匹配查询目标POI数据的参考POI数据的方式仅为举例,其他现有的或今后可能出现的建立多源数据库以及在多源数据库中匹配查询目标POI数据的参考POI数据的方式的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在步骤S13中根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。所述数据源即指上文所述的匹配参考POI数据的源。例如,所匹配的A餐馆的文字地址获得某美食点评网站的联系电话和美食评级信息这一的参考POI数据,此美食点评网站即为一个数据源。所述数据源的可信度信息即为经过评估的数据源信息正确性的可信度。评估方法包括但不限于管理团队进行预先评估和分级打分,或者根据关键指标进行可行度评级。例如,管理团队设置社会知名度越高的网站可信度越高,或者根据美食网站的热门程度和餐馆平均获得点评数量进行评级,活跃用户越多的可信度越高。所述目标POI的可信度信息是指根据某个可信度最高的数据源或者根据相应的数据源的可行度累加或者交叉印证所获得的对应的信息。例如,在用户活跃度高的B地图应用中找到了与A餐馆名称、坐标基本一致的信息,而B地图应用的数据源可信度排名与其它所匹配到参考POI数据的数据源相比靠前,则该B地图应用中所匹配的参考POI数据可作为目标POI数据的可信度信息。又或者该B地图应用可信度极高,被设置为主数据源,若目标POI数据与B地图应用所匹配的参考POI数据一致,则此时参考其他可信度较低的数据源信息的参考POI,若有关键POI数据一致,则通过累加各数据源的可信度信息,或者从中取最大值、平均值等方式,确定该目标POI数据的可信度信息。
通过确定数据源的可信度可以更加公正客观的对目标POI的可信度进行评估和确认其真实性。因数据源所匹配来的参考POI数据可有可能存在造假或者不准确的情况,因此需要根据数据源的特性进行可信度确定,例如,工商局网站所公开的某餐馆名称对应的联系电话因为是官方数据,这一数据源的可信度即为可靠。而美食点评网站若拥有的活跃用户多,且对刷评级信息有所严格管理,则对应可信度也高。通过数据源可信度信息确定目标POI的可信度信息会使得评判目标POI可观公正程度提升,免去了人工评判可能存在的作弊情况,并且自动化程度提升。
本领域技术人员应能理解上述确定数据源以及目标POI数据可信度信息的方式仅为举例,其他现有的或今后可能出现的确定数据源以及目标POI数据可信度信息的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在一些优选实施场景中,在步骤S13中根据所述数据源的可信度信息,以及所述目标POI数据与所述数据源对应的参考POI数据的匹配度信息,确定所述目标POI数据的可信度信息。所述匹配度信息是指目标POI数据与对应的参考POI数据进行比对所确定的信息吻合程度以及对应的吻合信息等数据。例如餐馆A的文字地址、联系电话、评价星级和门面图片这些信息中,全部或大部分与某数据源所获得的参考POI数据吻合,则此参考POI数据的匹配度较高。根据数据源的可信度信息及参考POI数据的匹配度信息可叠加综合考量目标POI数据的可信度信息。例如,可将匹配度信息作为权重信息的重要参考参数,通过加权求和来得到目标POI数据的可信度。
通过综合采信数据源可信度以及目标POI数据所匹配的参考POI数据的匹配度,可提升对目标POI数据判断的准确程度,因为存在一些新兴的数据源,或者用户活跃度小的数据源的数据中存在准确度较高的数据,这些均可以作为综合考量的依据。
本领域技术人员应能理解上述确定参考POI匹配度信息,以及结合该匹配度信息与数据源的可信度信息确定目标POI数据可信度的方式仅为举例,其他现有的或今后可能出现的确定参考POI匹配度信息,以及结合该匹配度信息与数据源的可信度信息确定目标POI数据可信度的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
优选地,所述方法还包括步骤S14(图3中未示出),在步骤S14中若所述目标POI数据的可信度信息等于或大于预定的POI可信度阈值信息,发布所述目标POI数据。所述预定的POI可信度阈值信息是将目标POI可信度根据一定标准或数据统计结果设置一个阈值,此阈值用于对POI的准确性也就是可信度进行评判或划分,阈值的两边数据分别为可接受的可信的POI数据,以及不可接受的POI数据。例如,根据对各个源进行评估后得出每个数据源的可信度信息,对用户提交的关于餐馆A的目标POI数据进行可信度累加,超过既定阈值则判定为可信的目标POI数据。又如在另一个电子地图应用中能够找到餐馆A的名称、坐标基本一致的信息,而因为该电子地图应用的公开信息均是经过验证筛选的,因此,该电子地图应用的可信度较高,打分为8分,而设置可信度累加超过7分即可确认目标POI数据可信可用于发布,此时餐馆A的目标POI数据即可以进行发布。而若此时是某美食点评应用可以与餐馆A的目标POI数据匹配较高,打分为5分,则若再有其他几个源的有1分或3分有与A餐馆关键数据如联系电话匹配一直,则分数累计相加可超过阈值8,判定餐馆A的目标POI数据可信可用于数据发布。
所述数据发布是指将校验通过的,也就是通过阈值验证的可信的目标POI数据在电子地图中进行发布,使得其他用户可以通过点击或其它方式获取目标POI数据所在坐标位置的相关数据。通过设置可信度阈值为目标POI数据的快速校验提供了参考标准,提升数据校验的自动化程度。优选地,周期性评估数据源可信度信息以及可信度阈值的评判下所发布目标POI数据的用户反馈效果,动态调整可信度阈值,从而使得目标POI的校验具有及时性也进一步保障了准确性。
本领域技术人员应能理解上述预设POI可信度阈值信息以及通过该阈值信息校验目标POI数据的方式仅为举例,其他现有的或今后可能出现的预设POI可信度阈值信息以及通过该阈值信息校验目标POI数据的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在一些优选实施场景中,所述方法还包括步骤S15(图3中未示出),在步骤S15中检测所述目标POI数据是否包括风险关键词。此时,在步骤S14中若所述目标POI数据的可信度信息等于或大于预订的POI可信度阈值信息,且所述目标POI数据未包括风险关键词,发布所述目标POI数据。所述风险关键词是设定的在进行目标POI校验时需要规避处理的词汇,发布在电子地图上的POI信息在涉及风险关键词时会存在引发用户受骗或出现不法现象的风险。包括但不限于:维修、侦探这些安全高风险词汇,以及快递、美食等行业作弊收益大的行业关键词。例如,维修行业,用户往往会地图上搜索电话号码并拨打,之后再进行线下的上门交易。不法分子会借提交POI的契机,将某个检索词的搜索结果关联的POI的电话都修改为其电话,这样用户只要检索该关键字,就会大概率联系他,这种情况轻则损害其他正常POI位置点对应商家的利益,重则会欺骗用户对用户造成损害或给不法分子造成可乘之机。又例如快递行业,不法分子有时会尝试修改一些知名度较高的快递POI位置点的联系电话,这样就能实现抢单,甚至劫持用户贵重物品。通过设置风险关键词,能够在进行目标POI校验时及时准确的判断风险存在,为之后进行风险规避创造空间。
因此针对上述风险关键词,会进行设置和更新,并采取相应的规避处理措施。包括在发布前进行阈值校验时,若所述目标POI数据的可信度信息等于或大于预订的POI可信度阈值信息,且所述目标POI数据未包括风险关键词,发布所述目标POI数据。但不限于此,还包括各种指标的阈值都会提供,甚至禁止处理情况。例如,当检测到目标POI的风险关键词后,确定目标POI可信度信息时会增加评价指标,所设置的可信度阈值也会因为风险关键词的提升而有所修改。例如前文举例中正常情况可信度阈值得分8即允许发布,而当涉及风险关键词则达到9.0以上或10方可发布。
通过检测所述风险词汇并进行相应风险评估措施,能够对POI数据中的异常情况进行识别和方法,降低因为POI数据的发布和公开引发的对于用户不必要的风险,也弥补了自动校验目标POI数据通常会出现的风险识别不如人工敏感的问题。使得POI数据的校验可以通过POI场景下大量历史数据分析与案例的处理,总结了出针对特定场景的风险评估方案自动进行规避风险情况。
本领域技术人员应能理解上述设置、检测风险关键词并采取POI数据发布前的相关针对性措施的方式仅为举例,其他现有的或今后可能出现的设置、检测风险关键词并采取POI数据发布前的相关针对性措施的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
优选地,所述方法还包括步骤S16(图3中未示出),在步骤S16中对所述目标POI数据进行校正处理;此时,在步骤S12中确定与校正后的所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。所述校正处理是指对数据进行的格式、字体、字符、空白等简单填写错误的校正。所述校正处理的方法则采用一些过滤或概率划分或评级等较常见的方法进行校正。例如,会自动过滤掉POI数据里名称中的繁体字、特殊字符、压缩空白等。而遗漏字、错别字则可通过分析千万级别的POI名称,从而对各种常见字词的组合进行概率划分,当发现用户提交的名称字词组合存在概率异常后则跟多源数据库对比,对每个名称进行评级,选择评级高的进行代替。当出现机器无法自动处理的数据,则会强制人工干预,转送到人工校验专员处进行人工校正处理。具体校正处理的例子,比如用户提交“小石灶+上地店”,系统会修改为“小石灶(上地店)”,或者用户提交“北京客運站”会被修改为“北京客运站”。
因为上述校正处理措施会使得目标POI的数据更加的准和明确,易于检测和辨识分析。因此,在对目标POI数据进行参考POI数据匹配之前可以先进行校正处理,从而提升所匹配的参考POI数据的准确性。例如上述例子中若北京客运站未被校正,则使用“北京客運站”这一名称匹配各个数据源中数据时,可能会存在无法匹配到参考POI数据的情况。
基于数据校正的操作,还可以籍此进行优质POI数据的判定,例如指POI的主要属性名称、坐标、地址、电话在质量评级中均属于优质级别。比如名称格式规范不包含特殊字符、含专有名词,坐标在城市生活区,电话未关联作弊行为,无用户举报等。以在需要对用户进行信用评级时参考。
本领域技术人员应能理解上述对目标POI数据进行校正处理的方式仅为举例,其他现有的或今后可能出现的对目标POI数据进行校正处理的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
如图4所示本申请提供一种POI数据校验方法。所述方法包括:步骤S21、步骤S27、步骤S22以及步骤S23。其中,步骤S21获取用户提交的目标POI数据;步骤S27获取所述用户的信用评级信息;步骤S22当所述信用评级信息等于或大于第一信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;步骤S23根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。
其中,步骤S21、步骤S23与图3中的步骤S11、步骤S13相同或相似,在此不再赘述。
具体地,在步骤S27中获取所述用户的信用评级信息。所述信用评级是指用户提交用于校验的目标POI数据的信用等级,例如,设置正常用户、信任用户和风险用户三个等级,正常用户所提交POI数据一般较为可信,需要一定程度的校正和交叉验证其他数据源等操作;信任用户所提交的POI数据准确率非常高,基本可以不校验或简单校验即可发布到电子地图中;风险用户所提交的POI数据风险很高,存在错误的可能性几乎为百分之百,这类数据设置不预发布。上述仅为对信用评级信息的举例,信用评级信息还可设置为其它更少或更多的等级,具体根据所设置评级标准而定。所述信用评级信息可对所有用户预设置等级,并随着用户行为的累积进行数据累加,从而更新相应的评级。当对目标POI进行校验需要获取所述用户的信用评级信息时,包括但不限于:直接读取同系统中用户的信用评级,或者从第三方应用中读取该用户的信用评级,或者实时确定该用户的信用评级。
通过设置用户的信用评级信息,可帮助从用户行为倾向的角度快速判断某一目标POI数据的可信度,提升校验POI数据的速度。
本领域技术人员应能理解上述设置以及获取用户信用评级信息的方式仅为举例,其他现有的或今后可能出现的设置以及获取用户信用评级信息的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在一些优选实施场景中,在步骤S27中根据所述用户在提交所述目标POI数据过程中的操作行为信息,确定所述用户的信用评级信息。所述操作行为信息是指用户在填写和提交所述目标POI数据过程中的对数据进行填写、拖拽的行为以及时间信息但不限于此。例如,包括但不限于:用户文字填写时是否直接粘贴操作;坐标选点时是否进行比例尺缩放操作;缩放比例尺选点的耗时信息;图片上传是否是现场拍照;图片直接选择时耗时信息;上传图片的PS信息;行业信息选择时是否有滑动等。
确定用户的信用评级信息可以通过对上述操作行为信息进行分析。基于上文举例:用户文字填写,直接粘贴操作会降低信用评级,逐字输入会提高;坐标选点时有比例尺缩放操作、耗时接近平均值会提高评级,而无缩放或者直接退出的会降低评级;图片上传时如果是现场拍照则会提高评级,如果上传有PS痕迹的图片则会降低评级;行业信息挑选时有滑动操作则提高评级,直接确定则降低。优选地,可通过动态的用户群体综合分析修改评价的标准,原则上越接近普通用户行为的操作评级越高。例如周期性评估用户的平均坐标选点耗时,并修改影响信用评级的耗时标准值。
通过操作行为信息确定用户的信用评级信息,使得用户信用评级信息更加公正客观,并随着大众数据的变化而动态修改,提升用户信用评级信息可参考的准确性。
本领域技术人员应能理解上述根据操作行为信息确定所述用户的信用评级信息的方式仅为举例,其他现有的或今后可能出现的根据操作行为信息确定所述用户的信用评级信息的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在另一些优选实施例场景中,在步骤S27中根据所述用户在提交所述目标POI数据过程中的操作行为数据,并结合所述用户提交POI数据的历史操作行为信息,确定所述用户的信用评级信息。所述历史操纵行为信息是指在过往的所收集到的历史数据中关于用户填写POI数据的行为数据及其分析信息。例如,用户历史数据中POI数据的被采信率,历史行为中所提供电话信息的作弊历史等。通过综合历史操作行为信息可以对当前目标POI数据的准确性提供一定程度的参考,从而避免单次数据的可靠对用户信用评级信息的波动性影响。例如,通过一次的目标POI操作行为数据,将某个用户从风险用户调整为正常用户。通过综合分析评价当前和历史的操作行为信息,可提升用户的信用评级信息的客观程度。
本领域技术人员应能理解上述结合历史操作行为信息确定用户的信用评级的方式仅为举例,其他现有的或今后可能出现的结合历史操作行为信息确定用户的信用评级的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在步骤S22中当所述信用评级信息等于或大于第一信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。所述第一信用阈值是指根据用户的信用评级信息所设置的用于将用户划分为不同操作对象群体的值。例如当用户评级信息是分数制,当其满足第一信用阈值的分值时(假定是5分),则将满足这一阈值的用户划分进需要进一步进行校验操作的用户群体。并依照上文所描述过的方式匹配一个或多个数据源中的参考POI数据,并进行校验后发布。对于信用评级比较差的用户,例如当所述信用评级信息不满足第一信用阈值,则所采取的措施包括但不限于:禁止此类信用评级的用户所提供的目标POI数据自动发布,必须强制人工审核;或者直接忽略用户所提供的目标POI数据。
通过信用阈值的设置使得可以借助用户信用评级使得部分用户的数据跳过校验阶段,直接进行禁止操作或发布,从而进一步提升校验的速度。
在一些优选实施场景中,在步骤S22中当所述信用评级信息等于或大于第一信用阈值且小于第二信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。所述第二信用阈值是指根据用户的信用评级信息所设置的用于将用户划分进不同群体的值,设置第一和第二信用阈值的作用是可将用户进一步细分为不同性质的群里,从而使得群体处理的方式多元化,且更加全面和公正。例如第二信用阈值可以根据下列情况进行设置,满足下列所有标准的即满足第二信用阈值。例如,用户历史数据的采纳率高于设定阈值,其电话无作弊历史,而且本次提交行为符合我们对正常用户的行为画像,如在地图标注时有精细的拖点、放大操作,POI各字段的填写不是粘贴而是逐字输入,用户的提交耗时接近平均值等。
此时,所述方法还包括步骤S28(图4中未示出),在步骤S28中当所述信用评级信息等于或大于所述第二信用阈值,且所述目标POI数据符合POI数据规范,发布所述目标POI数据。即对于信用评级较高的用户,例如满足上述举例满足第二信用阈值的情况,他们的目标POI数据会进行针对的操作处理,包括但不限于:在得到多源参考POI数据交叉校验佐证时自动上线,或者在无佐证且人工干预后无法核实时进行一种“模糊”状态的上线,即提示用户推测该POI存在。所述POI数据规范是指该数据的格式等简单指标符合标准。例如,数据要属性名称、坐标、地址、电话等进行标准评价。其评价标准包括但不限于:名称格式规范不包含特殊字符、含专有名词,坐标在城市生活区,电话未关联作弊行为,无用户举报等。通过对信用评级较高用户的筛选,可以对该类用户进行数据的快速发布同时也保障了数据的可信度。
本领域技术人员应能理解上述通过信用阈值对用户数据进行数据校验措施选择和实施发布的方式仅为举例,其他现有的或今后可能出现的通过信用阈值对用户数据进行数据校验措施选择和实施发布的方式如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机代码,当所述计算机代码被执行时,如前任一项所述的方法被执行。
本发明还提供了一种计算机程序产品,当所述计算机程序产品被计算机设备执行时,如前任一项所述的方法被执行。
本发明还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个计算机程序;
当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如前任一项所述的方法。
需要注意的是,本发明可在软件和/或软件与硬件的组合体中被实施,例如,本发明的各个装置可采用专用集成电路(ASIC)或任何其他类似硬件设备来实现。在一个实施例中,本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本发明的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (23)
1.一种POI数据校验方法,包括:
a获取用户提交的目标POI数据;
b确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;
c根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
s若所述目标POI数据的可信度信息等于或大于预定的POI可信度阈值信息,发布所述目标POI数据。
3.根据权利要求2所述的方法,其中,所述方法还包括:
检测所述目标POI数据是否包括风险关键词;
其中,所述步骤s包括:
若所述目标POI数据的可信度信息等于或大于预定的POI可信度阈值信息,且所述目标POI数据未包括风险关键词,发布所述目标POI数据。
4.根据权利要求1至3中任一项所述的方法,其中,所述步骤c包括:
根据所述数据源的可信度信息,以及所述目标POI数据与所述数据源对应的参考POI数据的匹配度信息,确定所述目标POI数据的可信度信息。
5.根据权利要求1至4中任一项所述的方法,其中,所述步骤b包括:
根据所述POI数据在多源数据库中匹配查询,以获得与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
6.根据权利要求1至5中任一项所述的方法,其中,所述方法还包括:
r获取所述用户的信用评级信息;
其中,所述步骤b包括:
当所述信用评级信息等于或大于第一信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
7.根据权利要求6所述的方法,其中,所述步骤b包括:
当所述信用评级信息等于或大于第一信用阈值且小于第二信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;
其中,所述方法还包括:
当所述信用评级信息等于或大于所述第二信用阈值,且所述目标POI数据符合POI数据规范,发布所述目标POI数据。
8.根据权利要求6或7所述的方法,其中,所述步骤r包括:
根据所述用户在提交所述目标POI数据过程中的操作行为信息,确定所述用户的信用评级信息。
9.根据权利要求8所述的方法,其中,所述步骤r包括:
根据所述用户在提交所述目标POI数据过程中的操作行为数据,并结合所述用户提交POI数据的历史操作行为信息,确定所述用户的信用评级信息。
10.根据权利要求1至9中任一项所述的方法,其中,所述方法还包括:
对所述目标POI数据进行校正处理;
其中,所述步骤b包括:
确定与校正后的所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
11.一种POI数据校验装置,包括:
第一模块,用于获取用户提交的目标POI数据;
第二模块,用于确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;
第三模块,用于根据所述数据源的可信度信息确定所述目标POI数据的可信度信息。
12.根据权利要求11所述的装置,其中,所述装置还包括:
第四模块,用于若所述目标POI数据的可信度信息等于或大于预定的POI可信度阈值信息,发布所述目标POI数据。
13.根据权利要求12所述的装置,其中,所述装置还包括:
第五模块,用于检测所述目标POI数据是否包括风险关键词;
其中,所述第四模块用于:
若所述目标POI数据的可信度信息等于或大于预定的POI可信度阈值信息,且所述目标POI数据未包括风险关键词,发布所述目标POI数据。
14.根据权利要求11至13中任一项所述的装置,其中,所述第三模块用于:
根据所述数据源的可信度信息,以及所述目标POI数据与所述数据源对应的参考POI数据的匹配度信息,确定所述目标POI数据的可信度信息。
15.根据权利要求11至14中任一项所述的装置,其中,所述第二模块用于:
根据所述POI数据在多源数据库中匹配查询,以获得与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
16.根据权利要求11至15中任一项所述的装置,其中,所述装置还包括:
第六模块,用于获取所述用户的信用评级信息;
其中,所述第二模块用于:
当所述信用评级信息等于或大于第一信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
17.根据权利要求16所述的装置,其中,所述第二模块用于:
当所述信用评级信息等于或大于第一信用阈值且小于第二信用阈值,确定与所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源;
其中,所述装置还包括:
第七模块,用于当所述信用评级信息等于或大于所述第二信用阈值,且所述目标POI数据符合POI数据规范,发布所述目标POI数据。
18.根据权利要求16或17所述的装置,其中,所述第六模块用于:
根据所述用户在提交所述目标POI数据过程中的操作行为信息,确定所述用户的信用评级信息。
19.根据权利要求18所述的装置,其中,所述第六模块用于:
根据所述用户在提交所述目标POI数据过程中的操作行为数据,并结合所述用户提交POI数据的历史操作行为信息,确定所述用户的信用评级信息。
20.根据权利要求11至19中任一项所述的装置,其中,所述装置还包括:
第八模块,用于对所述目标POI数据进行校正处理;
其中,所述第二模块用于:
确定与校正后的所述目标POI数据相匹配的一个或多个参考POI数据,其中,所述一个或多个参考POI数据中各参考POI数据来自不同的数据源。
21.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机代码,当所述计算机代码被执行时,如权利要求1至10中任一项所述的方法被执行。
22.一种计算机程序产品,当所述计算机程序产品被计算机设备执行时,如权利要求1至10中任一项所述的方法被执行。
23.一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个计算机程序;
当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710807048.7A CN107729368A (zh) | 2017-09-08 | 2017-09-08 | 一种用于poi数据校验的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710807048.7A CN107729368A (zh) | 2017-09-08 | 2017-09-08 | 一种用于poi数据校验的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107729368A true CN107729368A (zh) | 2018-02-23 |
Family
ID=61205828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710807048.7A Pending CN107729368A (zh) | 2017-09-08 | 2017-09-08 | 一种用于poi数据校验的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107729368A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710999A (zh) * | 2018-05-03 | 2018-10-26 | 上海电机学院 | 一种基于大数据环境下共享资源的可信度自动评估方法 |
CN109446433A (zh) * | 2018-12-24 | 2019-03-08 | 北京百度网讯科技有限公司 | 一种兴趣点失效校验方法、装置、服务器及存储介质 |
CN109657148A (zh) * | 2018-12-24 | 2019-04-19 | 北京百度网讯科技有限公司 | 针对上报poi的异常操作识别方法、装置、服务器和介质 |
CN109657019A (zh) * | 2018-11-13 | 2019-04-19 | 斑马网络技术有限公司 | 地图数据融合方法、服务器、系统、存储介质及电子设备 |
CN109947819A (zh) * | 2019-03-12 | 2019-06-28 | 百度在线网络技术(北京)有限公司 | 疑似作弊区域的挖掘方法、装置、计算机设备和存储介质 |
CN110096525A (zh) * | 2019-04-29 | 2019-08-06 | 北京三快在线科技有限公司 | 校准兴趣点信息的方法、装置、设备及存储介质 |
CN110307854A (zh) * | 2019-04-16 | 2019-10-08 | 广州唯品会研究院有限公司 | 一种基于cors技术的高精度电商物流地图定位方法及系统 |
CN110399361A (zh) * | 2019-07-31 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 一种信息处理的方法以及信息处理装置 |
CN110457705A (zh) * | 2019-08-14 | 2019-11-15 | 百度在线网络技术(北京)有限公司 | 一种兴趣点数据处理方法、装置、设备和存储介质 |
CN110647601A (zh) * | 2018-06-26 | 2020-01-03 | 百度在线网络技术(北京)有限公司 | 一种存疑poi的校验方法、装置、服务器及存储介质 |
CN111050279A (zh) * | 2018-10-12 | 2020-04-21 | 上海博泰悦臻电子设备制造有限公司 | 车辆、车机设备及基于地图显示的热点数据共享方法 |
CN112258126A (zh) * | 2020-11-06 | 2021-01-22 | 拉扎斯网络科技(上海)有限公司 | 位置数据的校验方法、装置及计算设备 |
CN112447268A (zh) * | 2019-09-03 | 2021-03-05 | 财团法人工业技术研究院 | 材料属性评级系统及方法 |
CN112835947A (zh) * | 2019-11-22 | 2021-05-25 | 杭州海康威视系统技术有限公司 | 目标识别方法及装置、电子设备、存储介质 |
CN113034159A (zh) * | 2021-03-23 | 2021-06-25 | 上海万向区块链股份公司 | 一种基于区块链预言机技术的企业可信信评系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120124176A1 (en) * | 2010-11-11 | 2012-05-17 | Teaneck Enterprises, Llc | Automatic check-ins and status updates |
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 |
CN105117425A (zh) * | 2015-07-31 | 2015-12-02 | 北京奇虎科技有限公司 | 选择兴趣点poi数据的方法及装置 |
CN105243136A (zh) * | 2015-09-30 | 2016-01-13 | 北京奇虎科技有限公司 | 一种挖掘互联网中的兴趣点poi数据的方法和装置 |
CN106355414A (zh) * | 2015-07-15 | 2017-01-25 | 阿里巴巴集团控股有限公司 | 处理用户反馈信息的方法及装置 |
-
2017
- 2017-09-08 CN CN201710807048.7A patent/CN107729368A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120124176A1 (en) * | 2010-11-11 | 2012-05-17 | Teaneck Enterprises, Llc | Automatic check-ins and status updates |
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 |
CN106355414A (zh) * | 2015-07-15 | 2017-01-25 | 阿里巴巴集团控股有限公司 | 处理用户反馈信息的方法及装置 |
CN105117425A (zh) * | 2015-07-31 | 2015-12-02 | 北京奇虎科技有限公司 | 选择兴趣点poi数据的方法及装置 |
CN105243136A (zh) * | 2015-09-30 | 2016-01-13 | 北京奇虎科技有限公司 | 一种挖掘互联网中的兴趣点poi数据的方法和装置 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710999A (zh) * | 2018-05-03 | 2018-10-26 | 上海电机学院 | 一种基于大数据环境下共享资源的可信度自动评估方法 |
CN110647601A (zh) * | 2018-06-26 | 2020-01-03 | 百度在线网络技术(北京)有限公司 | 一种存疑poi的校验方法、装置、服务器及存储介质 |
CN111050279A (zh) * | 2018-10-12 | 2020-04-21 | 上海博泰悦臻电子设备制造有限公司 | 车辆、车机设备及基于地图显示的热点数据共享方法 |
CN109657019A (zh) * | 2018-11-13 | 2019-04-19 | 斑马网络技术有限公司 | 地图数据融合方法、服务器、系统、存储介质及电子设备 |
CN109446433A (zh) * | 2018-12-24 | 2019-03-08 | 北京百度网讯科技有限公司 | 一种兴趣点失效校验方法、装置、服务器及存储介质 |
CN109657148A (zh) * | 2018-12-24 | 2019-04-19 | 北京百度网讯科技有限公司 | 针对上报poi的异常操作识别方法、装置、服务器和介质 |
CN109947819B (zh) * | 2019-03-12 | 2021-05-28 | 百度在线网络技术(北京)有限公司 | 疑似作弊区域的挖掘方法、装置、计算机设备和存储介质 |
CN109947819A (zh) * | 2019-03-12 | 2019-06-28 | 百度在线网络技术(北京)有限公司 | 疑似作弊区域的挖掘方法、装置、计算机设备和存储介质 |
CN110307854A (zh) * | 2019-04-16 | 2019-10-08 | 广州唯品会研究院有限公司 | 一种基于cors技术的高精度电商物流地图定位方法及系统 |
CN110096525A (zh) * | 2019-04-29 | 2019-08-06 | 北京三快在线科技有限公司 | 校准兴趣点信息的方法、装置、设备及存储介质 |
CN110399361A (zh) * | 2019-07-31 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 一种信息处理的方法以及信息处理装置 |
CN110457705A (zh) * | 2019-08-14 | 2019-11-15 | 百度在线网络技术(北京)有限公司 | 一种兴趣点数据处理方法、装置、设备和存储介质 |
CN110457705B (zh) * | 2019-08-14 | 2023-04-18 | 百度在线网络技术(北京)有限公司 | 一种兴趣点数据处理方法、装置、设备和存储介质 |
CN112447268A (zh) * | 2019-09-03 | 2021-03-05 | 财团法人工业技术研究院 | 材料属性评级系统及方法 |
CN112447268B (zh) * | 2019-09-03 | 2024-02-09 | 财团法人工业技术研究院 | 材料属性评级系统及方法 |
CN112835947A (zh) * | 2019-11-22 | 2021-05-25 | 杭州海康威视系统技术有限公司 | 目标识别方法及装置、电子设备、存储介质 |
CN112835947B (zh) * | 2019-11-22 | 2024-04-02 | 杭州海康威视系统技术有限公司 | 目标识别方法及装置、电子设备、存储介质 |
CN112258126A (zh) * | 2020-11-06 | 2021-01-22 | 拉扎斯网络科技(上海)有限公司 | 位置数据的校验方法、装置及计算设备 |
CN113034159A (zh) * | 2021-03-23 | 2021-06-25 | 上海万向区块链股份公司 | 一种基于区块链预言机技术的企业可信信评系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729368A (zh) | 一种用于poi数据校验的方法和装置 | |
US10560798B2 (en) | Targeted content delivery | |
Lee et al. | Redlistr: tools for the IUCN Red Lists of ecosystems and threatened species in R | |
CA2811408C (en) | Determining local tax structures in an accounting application through user contribution | |
US20140039985A1 (en) | Evaluating a worker in performing crowd sourced tasks and providing in-task training through programmatically generated test tasks | |
CN109564669A (zh) | 基于信任得分和地理范围搜索实体 | |
US8255392B2 (en) | Real time data collection system and method | |
JP6635624B2 (ja) | 情報処理装置、情報処理システム、情報処理方法およびプログラム | |
CN107239967A (zh) | 房产信息处理方法、装置、计算机设备及存储介质 | |
WO2015013663A1 (en) | Managing reviews | |
US20200389757A1 (en) | Targeted content delivery | |
US20160125422A1 (en) | Location-based policy guidance system | |
JP2015513331A (ja) | ルールベースのコンテンツ最適化のためのシステム及び方法 | |
CN106708729A (zh) | 代码缺陷的预测方法及装置 | |
CN109284978B (zh) | 一种精准识别贫困户的系统及识别方法 | |
US20110202542A1 (en) | Integration of voter and contributor data into political software and compliance systems for purposes of solicitation, compliance, vetting, and calls to action | |
US20130006705A1 (en) | Small business intelligence tool | |
CN113344660A (zh) | 房源信息的处理方法、装置、电子设备及存储介质 | |
US11120503B2 (en) | Analysis and visual presentation of dataset components | |
Carraro et al. | An Eddington ratio-driven origin for the LX− M* relation in quiescent and star-forming active galaxies | |
Young et al. | Geographically intelligent disclosure control for flexible aggregation of census data | |
KR20210003421A (ko) | 사용자 선호를 반영한 게시글 정렬방법 및 사용자 선호 게시글 우선노출서버 | |
CN102779171B (zh) | 报表数据的评价与展现方法及装置 | |
WO2019014323A1 (en) | SYSTEM AND METHOD FOR MAKING A CONFORMITY STATEMENT DASHBOARD | |
CN106559225B (zh) | 数据校准的方法与装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |
|
RJ01 | Rejection of invention patent application after publication |