CN109376205B

CN109376205B - 挖掘地址兴趣点关系的方法、装置、设备及存储介质

Info

Publication number: CN109376205B
Application number: CN201811045423.XA
Authority: CN
Inventors: 柯俞嘉; 杜堃; 许颖聪; 潘舒静; 张英驰; 金晶; 陈秋丽
Original assignee: SF Technology Co Ltd
Current assignee: SF Technology Co Ltd
Priority date: 2018-09-07
Filing date: 2018-09-07
Publication date: 2022-03-29
Anticipated expiration: 2038-09-07
Also published as: CN109376205A

Abstract

本申请公开了挖掘地址兴趣点关系的方法、装置、设备及存储介质。所述方法包括：获取预定区域内地址兴趣点；根据地址兴趣点所对应的地址信息将地址兴趣点进行网格化；基于所述网格化的结果，对任意两个不同的地址兴趣点进行相似度计算；基于所述相似度计算的结果对不同的地址兴趣点进行聚类分析，以获得任意两个地址兴趣点的关系。本申请技术方案实现了通过特定方式挖掘兴趣点数据，确定地址兴趣点关系。

Description

挖掘地址兴趣点关系的方法、装置、设备及存储介质

技术领域

本发明涉及地址数据的处理方法，尤其涉及挖掘地址兴趣点关系的方法、装置、设备及存储介质。

背景技术

某一区域内的道路门牌、小区名称、大厦名称等是重点地理对象数据，称之为兴趣点(Point of Interest,POI)。将地址信息分层级划分、按相关性合理存储，是地址大数据库建立的关键环节。

在现有基于地址信息的业务中，由于数据来源渠道多样，致使数据库在处理信息过程中未将众多兴趣点进行有效的空间距离分类，离散的兴趣点难以应用于业务场景；兴趣点在数据库中被视作了独立的点，彼此之间的地理层级关系没有被很好的挖掘，造成资源的浪费。

当前，对地址兴趣点分类普遍采取获得地址经纬度，直接进行聚类分析。因为存在一定比例的经纬度不准确，导致聚类结果粒度太细、复用性低。

发明内容

鉴于上述问题，提出了本发明以便提供挖掘地址兴趣点关系的方法，用于对地址进行层级划分，提高复用性克服上述问题或者部分解决上述问题的地址兴趣点关系挖掘方法。

本发明提供的一种挖掘地址兴趣点关系的方法，包括以下步骤：

获取预定区域内的地址兴趣点；

据地址兴趣点所对应的地址信息将地址兴趣点进行网格化；

基于所述网格化的结果，对任意两个不同的地址兴趣点进行相似度计算；

基于所述相似度计算的结果对不同的地址兴趣点进行聚类分析，以获得任意两个地址兴趣点的关系。

本发明的另外一方面，提供了一种被配置以挖掘地址兴趣点关系的装置，其特征在于，包括以下单元：

地址兴趣点获取单元，被配置以获取预定区域内的地址兴趣点；

网格化单元，被配置以根据地址兴趣点所对应的地址信息将地址兴趣点进行网格化；

相似度计算单元，被配置以基于所述网格化的结果对两个不同的地址兴趣点进行相似度计算；

聚类分析单元，被配置以基于所述相似度计算的结果对所述两个不同的地址兴趣点进行聚类分析，以获得所述两个地址兴趣点的关系。

根据本发明的另外一方面，提供了一种挖掘地址兴趣点关系的设备，包括：

一个或者多个处理器；

存储器，用于存储一个或者多个程序；

当所述一个或者多个程序被所述一个或者多个处理器执行时，使得所述一个或者多个处理器执行所述实现如上任一所述的方法。

根据本发明的另外一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于实现如上任一项所述的方法。

本申请所提供的方案中，对各地址兴趣点相对于其余地址兴趣点的相似度结果进行聚类分析，根据预定范围获得筛选出关联性大的地址，规定其为一个类别。进一步，对该类地址兴趣点的对称相似度进行谱聚类确定关系。

与现有技术相比，本申请技术方案可以不依赖于精确的经纬度信息，而是通过预定算法将经纬度值映射到规定的网格内便于数据清洗和处理；个性化的计算网格矩阵的相似度，利用对称相似度的数值对兴趣点地址划分类别，结合非对称相似度的数值挖掘兴趣点间的关系，因此，本申请技术方案可以有效适用于大规模POI数据关系挖掘的场景。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，附图仅用于示出优选实施方法的目的，而并不认为是对本发明的限制。另外还需要说明的是，为了便于描述，附图中仅示出了本发明相关的部分而非全部。

图1是本申请实施例地址兴趣点关系挖掘方法的示例性流程图；

图2是本申请实施例地址兴趣点关系挖掘装置的示例性结构框图；

图3是本申请实施例兴趣点地址经纬度网格化示意图；

图4是本申请实施例兴趣点网格矩阵相似度计算的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

请参考如图1，其示出了本申请实施例提供的地址兴趣点关系挖掘方法。

如图1所示，在步骤100中，获取预定区域内的地址兴趣点。

收派件地址是高度结构化的一种文本，采用正则表达式可以匹配地址文本的规律，挖掘出一个区域内小区、楼栋、公司等地址兴趣点，存储为如下例的兴趣点列表1所示：

在步骤110中，据地址兴趣点所对应的地址信息将地址兴趣点进行网格化。

进一步地，提取地址信息中的经纬度信息。

百度或者高德等商用地图提供开源的地址转换为经纬度的调用接口，通过这种方式可以批量的获得地址对应的经纬度。

进一步地，删除经纬度返回值为空的地址。将以上数据整理清洗后建立地址-兴趣点-经纬度的数据表结构如下例兴趣点列表2所示：

进一步地，网格化处理所有有效地址所对应的经纬度，将其转换为落在N×N格栅内的点，并记录坐标。

现将某一区域内所有有效地址所对应的经纬度进行网格化处理，映射到一个N×N格栅内(N为正整数，默认值为100)。快递行业通常分区域进行作业，可以区域面积视作平面。经纬度到格栅内点的映射函数可以选择线性映射。具体算法如下所示，根据已有的信息将表2的数据结构表进行扩充，得到地址-兴趣点-经纬度-网格坐标的数据表结构如下例列表3所示，附图说明中的图3为实例中的地址经纬度点经过网格化处理后格栅的图像。

longitude→

(longitude–min(longitudes))÷(max(longitudes)–min(longitudes))×N,

latitude→

(latitude–min(latitudes))÷(max(latitudes)–min(latitudes))×N

其中，longitude为经度值，latitude为纬度值；min表示取最小值，max表示取最大值

第一个公式的含义为：(当前点经度-所有点最小经度)÷(所有点最大经度–所有点最小经度)；

第二个公式的含义为：(当前点纬度-所有点最小纬度)÷(所有点最大纬度–所有点最小纬度)。

在步骤120中，基于所述网格化的结果，对两个不同的地址兴趣点进行相似度计算。

进一步地，确定选择的相似度计算法则，包括非对称相似度和对称相似度。

一个兴趣点可以包含多个不同的地址，每个地址对应一个经纬度，每个经纬度点对应一个网格点。在兴趣点创建的N×N零矩阵中，规定它在X方向第N个格栅Y方向第M个格栅简称为(N,M)内包含的点的个数为p，则将该兴趣点矩阵的第N行，第M列赋值为p。

如果两个兴趣点A和B的网格矩阵内的网格点数总合为a、b，即行列和是a和b。若两者的网格矩阵在第N₁行、第M₁列的共有数值为p₁，在第N₂行,第M₂列的共有数值为p₂，在第N₃行,第M₃列的共有数值为p₃……，则兴趣点A和B的网格矩阵的共有数值为P＝∑p_i。

①非对称相似度和对称相似度的计算如下所示：

A对B相似度similarity(A→B)＝p÷a；

B对A相似度similarity(B→A)＝p÷b；

A、B对称相似度similarity(A→B)+similarity(B→A)＝(p÷a)+(p÷b)＝similarity(A,B)；

②非对称相似度和对称相似度含义表述如下：

非对称相似度：表示兴趣点的关系，通常有重合、包含、相交、相离情况。当A对B的相似度在(0,1)范围内，B对A相似度为1，兴趣点A包含B；当A对B的相似度和B对A相似度均在(0,1)之间，两个兴趣点的范围相交；当A对B的相似度和B对A相似度中一个为0，两个兴趣点的范围相离；当A对B的相似度和B对A相似度中一个为0，两个兴趣点的范围相离。

对称相似度：量化两个兴趣点的实际接近程度，大小在[0,2]区间范围内，数值越大，表示兴趣点越接近。根据不同的情形设定特定的数值E、F，规定在(F,2)区间范围内的众多兴趣点为同一类别，作为重点分析对象；在(0,M)区间范围内的兴趣点关联程度不大，可以排除不做重点分析。此种方法应用于存在众多兴趣点时，方便对有用信息的筛选和兴趣点关联性的深度的挖掘。

现举例说明相似度的计算过程，以兴趣点“碧海园”和兴趣点“听涛阁”为例，根据两个兴趣点网格化后的矩阵图谱见附图说明中的如图4来计算相似度。

兴趣点“碧海园”网格矩阵包含6个网格点，“听涛阁”的网格矩阵包含2个网格点。两者仅在矩阵图的第50行(X方向第50个方格)，第50列(Y方向第50个方格)有两个共同点，所以P＝2。

similarity(碧海苑→听涛阁)＝2÷6＝0.33，

similarity(听涛阁→碧海苑)＝2÷2＝1.00；

similarity(碧海苑，听涛阁)＝similarity(碧海苑→听涛阁)+similarity(听涛阁→碧海苑)＝1.33

根据非对称相似度的定义可见“碧海园”和“听涛阁”为包含关系，并且关联度很大。

在步骤130中，基于所述相似度计算的结果对所述两个不同的地址兴趣点进行聚类分析，以获得所述两个地址兴趣点的关系。

谱聚类优于其他常用聚类方法之处在于其聚类过程对数值要求不高，并且可以进行个性化图切割。在冗余的兴趣点候选集中，可以通过普聚类的方式根据彼此之间关联度的大小对兴趣点进行分类划分。如果相似度满足预设的要求，则判定所述兴趣点为同一类别，再对该类兴趣点做进一步的研究分析。利用对称相似度的计算结果来划分哪些兴趣点为重点分析对象，可以对冗余的数据进行一次有效清洗。

以兴趣点“碧海园”、“听涛阁”、“特区大厦”、“解放路1号”……“希望小学”、“人民公园”为例，将兴趣点间的对称相似度处理为以下格式并对其进行谱聚类结果见下表4：

对上述兴趣点的对称度进行聚类后，根据对称相似度数值含义，可以将预设的特定范围内的兴趣点归为一类，生成兴趣点标签。从表4中的结果可以分析得到：“碧海园”和“听涛阁”、“希望小学”和“人民公园”、“特区大厦”和“解放路1号”彼此之间的对称相似度的数值较大可以划分为一个类别的兴趣点，其余兴趣点关联性不大，不做具体分析。

在上述结果的基础上，对筛选出来从属于一个大类别的兴趣点标签进行进一步分析研究。查找之前计算的该类兴趣点间的非对称相似度的数据，结合非对称相似度的含义对每一类别的兴趣点的关系做深入挖掘，将筛选出来的兴趣点的非对称相似度处理为以下格式见下表5，确定该类别中兴趣点彼此之间是平级关系、包含关系、重合关系。

根据兴趣点间的非对称相似度的定义，可以得到表5中的地址兴趣点彼此之间的关系为：

“碧海苑”包含“听涛阁”；“特区大厦”和“解放路1号”为同一地址；“希望小学”和“人民公园”为相交关系。

本申请的有益效果为：丰富了快递行业的地址结构化功能，补充区域内兴趣点之间的关系；将快递行业中主要依赖人为的批量任务分包过程转为线上化的智能任务分包；采取个性化的兴趣点分类算法，实现线上化、智能化将批量任务快速分包到快递员，减少人工分包的差错。

本说明书中的实施例均采用递进的方式描述，各个实施例子之间的相似部分相互参见。每个步骤下的实施例侧重于该步骤下的具体方法。以上的所描述的实施方案仅仅是示意性的，具体实施例仅是对本发明做举例说明，本发明所属技术领域的技术人员在不脱离本发明实施例所述原理的前提，还可以做出若干改进和润色，这些改进也应视为本发明的保护范围。

参考图2，其示出了根据本申请实施例的地址兴趣点挖掘装置的示例性结构框图。

如图2所示，装置可以包括为：地址兴趣点获取单元200，配置用于获得预定区域内的地址兴趣点；网格化单元210，配置用于根据地址兴趣点所对应的地址信息将地址兴趣点进行网格化；相似度计算单元220，配置用于基于所述网格化的结果对两个不同的地址兴趣点进行相似度计算；聚类分析单元230，配置用于基于所述相似度计算的结果对所述两个不同的地址兴趣点进行聚类分析，以获得所述两个地址兴趣点的关系。

可选地，所述地址兴趣点获取单元进一步用于：从预定区域内获取地址信息中最具代表性的兴趣点。

可选地，所述网格化单元进一步用于：将所述的经纬度信息进行清洗，删除值为零的地址信息，并且按照经纬度值与网格矩阵的线性对应关系进行转化。

可选地，所述相似度计算单元进一步用于：将基于所述网格化的结果对两个不同的地址兴趣点进行非对称相似度计算，然后进行对称相似度的计算。

可选地，所述聚类分析单元进一步用于:基于所述对称相似度计算的结果对所述地址兴趣点进行聚类分析，筛选出预定范围内的地址兴趣点划分类别，进行数据清洗；然后根据此类兴趣点的非对称相似度划分彼此之间的关系。

本实施例还提供了一种挖掘地址兴趣点关系的设备，包括：

一个或者多个处理器；

存储器，用于存储一个或者多个程序；

当所述一个或者多个程序被所述一个或者多个处理器执行时，使得所述一个或者多个处理器执行所述实现如上述所述的方法。

本实施例还提供了一种存储有计算机程序的计算机可读存储介质，

该程序被处理器执行时实现上述所述的方法。通过以上描述可知：本领域技术人员可以清楚地了解到本申请必须借助硬件后台方式来实现。基于此理解，本申请的技术方案本质上可以说对现有技术做出贡献的部分借助计算机的开发程序形式体现出来，包括若干指令使得一台计算机设备(个人计算，服务器，或者网络设备等)执行本申请实施例的某些部分所述方法。

上述仅为本申请的较佳实施例及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims

1.一种挖掘地址兴趣点关系的方法，其特征在于，包括以下步骤：

获取预定区域内的地址兴趣点；

根据地址兴趣点所对应的地址信息将地址兴趣点进行网格化，包括对所述地址兴趣点所对应的地址信息进行清洗，删除经纬度值为零的地址，然后将所述地址兴趣点所对应的经纬度值映射到预定的网格内，其中所述地址信息为经纬度值；

基于所述网格化的结果，对任意两个不同的地址兴趣点进行相似度计算；其中，包括：计算任意两个不同的地址兴趣点之间的非对称相似度和对称相似度，过程包括：

A对B相似度similarity(A→B)＝p÷a；

B对A相似度similarity(B→A)＝p÷b；

对称相似度similarity(A→B)+similarity(B→A)＝similarity(A,B)；

其中，A和B为两个不同的地址兴趣点，similarity为相似度，a为地址兴趣点A在其网格中的数量和，b为地址兴趣点B在其网格中的数量和，p为A、B两地址兴趣点各对应网格中取小数值的叠加和；

2.根据权利要求1所述的挖掘地址兴趣点关系的方法，其特征在于，所述将所述地址兴趣点所对应的经纬度值映射到预定的网格内，包括:

根据所述地址兴趣点所对应的经纬度值，将其转换为落在N×N网格内的点，其中N为正整数，并记录所述地址兴趣点在所述网格中的坐标。

3.根据权利要求1所述的挖掘地址兴趣点关系的方法，其特征在于，所述对不同的地址兴趣点的相似度结果进行聚类分析，包括：

筛选出非对称相似度在预定范围的地址兴趣点；

对筛选出的地址兴趣点的对称相似度进行谱聚类分析以确定任意两兴趣点间的关系。

4.一种被配置以挖掘地址兴趣点关系的装置，其特征在于，包括以下单元：

网格化单元，被配置以根据地址兴趣点所对应的地址信息将地址兴趣点进行网格化，包括对所述地址兴趣点所对应的地址信息进行清洗，删除经纬度值为零的地址，然后将所述地址兴趣点所对应的经纬度值映射到预定的网格内，其中所述地址信息为经纬度值；

相似度计算单元，被配置以基于所述网格化的结果对两个不同的地址兴趣点进行相似度计算；其中，包括：计算任意两个不同的地址兴趣点之间的非对称相似度和对称相似度，过程包括：

A对B相似度similarity(A→B)＝p÷a；

B对A相似度similarity(B→A)＝p÷b；

对称相似度similarity(A→B)+similarity(B→A)＝similarity(A,B)；

5.根据权利要求4所述的装置，其特征在于，所述网格化单元被进一步配置以：

按照经纬度值与网格矩阵的线性对应关系进行转化。

6.一种计算机设备，其特征是，所述设备包括：

一个或者多个处理器；

存储器，用于存储一个或者多个程序；

当所述一个或者多个程序被所述一个或者多个处理器执行时，使得所述一个或者多个处理器执行实现如权利要求1-3任一所述的方法。

7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序用于：所述计算机程序被处理器执行时实现如权利要求1-3任一所述的方法。