CN109710709A - 兴趣点数据处理方法、装置、电子设备及存储介质 - Google Patents
兴趣点数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109710709A CN109710709A CN201811522495.9A CN201811522495A CN109710709A CN 109710709 A CN109710709 A CN 109710709A CN 201811522495 A CN201811522495 A CN 201811522495A CN 109710709 A CN109710709 A CN 109710709A
- Authority
- CN
- China
- Prior art keywords
- interest
- point
- data
- plane
- recall
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 105
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 abstract description 12
- 230000003287 optical effect Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 210000003719 b-lymphocyte Anatomy 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本申请提出一种兴趣点数据处理方法、装置、电子设备及存储介质,属于数据处理技术领域。其中,该方法包括:获取第一兴趣面数据,其中,第一兴趣面数据中包括第一兴趣面的边界信息;根据第一兴趣面数据的边界信息,确定当前的第一召回区域;根据当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回;根据召回的各第一兴趣点的名称、属性及位置信息,将第一兴趣面内的各第一兴趣点进行去重处理。由此,通过这种兴趣点数据处理方法,不仅可以避免召回无用的兴趣点数据,降低了去重处理的计算量,而且可以避免兴趣点数据的漏召回,提升了兴趣点去重的准确度。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种兴趣点数据处理方法、装置、电子设备及存储介质。
背景技术
兴趣点(Point of Interest,简称POI)是指用户感兴趣或对用户来说有实际用途的特定的地理位置点;在地理信息系统中,一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。
传统的地理信息采集方法是需要地图测绘人员采用精密的测绘仪器去获取各兴趣点的经纬度,然后再标记下来,这种方式费时费力。由于互联网上存在着各种各样的POI数据,如果能从互联网上挖掘这些数据则会大大节省人力和时间。然而,互联网上的POI数据是各种各样的,其中充斥着大量的脏数据、错误数据以及重复数据。为了保证POI数据的准确性和单一性,需要对从互联网上挖掘出的POI数据进行进一步的处理。
相关技术中,可以对地图数据按照坐标划分为大小相同的多个网格,并根据目标兴趣点的位置信息,召回目标兴趣点所在网格以及周边多个网格中具有相同核心词的兴趣点集合,然后根据召回的兴趣点名称与目标兴趣点名称的相似度,对召回的兴趣点进行去重处理。但是,这种兴趣点去重方法,依赖于网格大小和召回半径的设置,若召回半径过大,会导致召回过多的无用数据,大大增加了计算量;若召回半径过小,容易导致兴趣点数据的漏召回,影响去重效果。
发明内容
本申请提出的兴趣点数据处理方法、装置、电子设备及存储介质,用于解决相关技术中,基于网格划分的兴趣点去重方法,依赖于网格大小和召回半径的设置,若召回半径过大,会导致召回过多的无用数据,大大增加了计算量;若召回半径过小,容易导致兴趣点数据的漏召回,影响去重效果的问题。
本申请一方面实施例提出的兴趣点数据处理方法,包括:获取第一兴趣面数据,其中,第一兴趣面数据中包括所述第一兴趣面的边界信息;根据所述第一兴趣面数据的边界信息,确定当前的第一召回区域;根据所述当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回;根据召回的各第一兴趣点的名称、属性及位置信息,将所述第一兴趣面内的各第一兴趣点进行去重处理。
本申请另一方面实施例提出的兴趣点数据处理装置,包括:获取模块,用于获取第一兴趣面数据,其中,第一兴趣面数据中包括所述第一兴趣面的边界信息;第一确定模块,用于根据所述第一兴趣面数据的边界信息,确定当前的第一召回区域;召回模块,用于根据所述当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回;去重模块,用于根据召回的各第一兴趣点的名称、属性及位置信息,将所述第一兴趣面内的各第一兴趣点进行去重处理。
本申请再一方面实施例提出的电子设备,其包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如前所述的兴趣点数据处理方法。
本申请再一方面实施例提出的计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如前所述的兴趣点数据处理方法。
本申请又一方面实施例提出的计算机程序,该程序被处理器执行时,以实现本申请实施例所述的兴趣点数据处理方法。
本申请实施例提供的兴趣点数据处理方法、装置、电子设备、计算机可读存储介质及计算机程序,可以获取的第一兴趣面数据的边界信息,确定当前的第一召回区域,并根据当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回,进而根据召回的各第一兴趣点的名称、属性及位置信息,将第一兴趣面内的各第一兴趣点进行去重处理。由此,通过根据地图数据中的兴趣面数据,确定兴趣点的召回区域,并根据召回的各兴趣点的信息,对各兴趣面内的兴趣点分别进行去重处理,从而不仅可以避免召回无用的兴趣点数据,降低了去重处理的计算量,而且可以避免兴趣点数据的漏召回,提升了兴趣点去重的准确度。
本申请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,或通过本申请的实践了解到。
附图说明
本申请上述的和/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为本申请实施例所提供的一种兴趣点数据处理方法的流程示意图;
图2为本申请实施例所提供的另一种兴趣点数据处理方法的流程示意图;
图3为本申请实施例所提供的一种兴趣点数据处理装置的结构示意图;
图4为本申请实施例所提供的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,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要素。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
本申请实施例针对相关技术中,基于网格划分的兴趣点去重方法,依赖于网格大小和召回半径的设置,若召回半径过大,会导致召回过多的无用数据,大大增加了计算量;若召回半径过小,容易导致兴趣点数据的漏召回,影响去重效果的问题,提出一种兴趣点数据处理方法。
本申请实施例提供的兴趣点数据处理方法,可以获取的第一兴趣面数据的边界信息,确定当前的第一召回区域,并根据当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回,进而根据召回的各第一兴趣点的名称、属性及位置信息,将第一兴趣面内的各第一兴趣点进行去重处理。由此,通过根据地图数据中的兴趣面数据,确定兴趣点的召回区域,并根据召回的各兴趣点的信息,对各兴趣面内的兴趣点分别进行去重处理,从而不仅可以避免召回无用的兴趣点数据,降低了去重处理的计算量,而且可以避免兴趣点数据的漏召回,提升了兴趣点去重的准确度。
下面参考附图对本申请提供的兴趣点数据处理方法、装置、电子设备、存储介质及计算机程序进行详细描述。
图1为本申请实施例所提供的一种兴趣点数据处理方法的流程示意图。
如图1所示,该兴趣点数据处理方法,包括以下步骤:
步骤101,获取第一兴趣面数据,其中,第一兴趣面数据中包括所述第一兴趣面的边界信息。
其中,兴趣面,是指地图数据中的区域状的物理实体,比如,某个小区、某个商业广场等。第一兴趣面,是指当前需要对其中包含的兴趣点进行去重处理的地图数据中的兴趣面。
需要说明的是,在本申请实施例中,可以以兴趣面为基本单位,对兴趣面内包含的兴趣点进行去重处理,从而实现去除地图数据中的冗余数据。可以理解的是,处于不同兴趣面内的兴趣点之间,不需要进行去重处理。比如,A小区和B小区为两个不同的兴趣面,两者都包括兴趣点“1号楼”,但是并不能认为A小区和B小区中的“1号楼”为重复数据。因此,基于地图中的兴趣面数据进行去重处理,不仅可以控制每次召回的数据量,降低去重处理的计算量,而且不会遗漏需要召回的兴趣点,提升去重的准确度。
在本申请实施例一种可能的实现形式中,兴趣面数据中可以包括主点数据和子点数据。主点数据中可以包括该兴趣面的名称信息、地址信息、边界信息等与兴趣面本身相关的信息;子点是指该兴趣面中包含的各兴趣点,各子点数据即为该兴趣面中各兴趣点的信息。因此,在本申请实施例中,第一兴趣面数据中,可以包括第一兴趣面的边界信息,以使得可以根据第一兴趣面的边界信息,确定第一兴趣面在地图数据中所处的区域,以及第一兴趣面中包含的各兴趣点。
进一步的,在获取第一兴趣面数据之前,需要首先确定出当前需要进行去重处理的第一兴趣面。在对地图数据中的兴趣点进行去重时,可以根据需要对指定的地图数据中的一个或多个兴趣点进行去重,也可以按照一定的规则,对地图数据中的兴趣点逐个进行去重。即在本申请实施例一种可能的实现形式中,上述步骤101之前,可以包括:
根据获取的兴趣点去重请求中包含的目标兴趣点的位置信息及地图数据中各兴趣面的边界信息,确定所述目标兴趣点所在的第一兴趣面;
或者,
按照预设的规则,确定地图数据中当前待处理的第一兴趣面。
需要说明的是,在本申请实施例一种可能的实现形式中,可以根据用户输入的兴趣点去重请求,对指定的兴趣点进行去重,兴趣点去重请求中可以包括兴趣点的名称、位置信息等。因此,可以根据兴趣点去重请求中包含的目标兴趣点的位置信息,以及地图数据中各兴趣面的边界信息,确定目标兴趣点所在的兴趣面,并将该兴趣面确定为当前需要对其包含的兴趣点进行去重处理的第一兴趣面。
在本申请实施例另一种可能的实现形式中,还可以对地图数据中的所有兴趣点逐一进行去重处理,以去除地图数据中的冗余数据。因此,可以预设进行去重处理的规则,以按照预设的规则,确定地图数据中当前待处理的第一兴趣面,以实现逐一对地图数据中的各兴趣面中的兴趣点进行去重处理。
需要说明的是,预设的规则可以是按照一定的顺序,遍历地图数据中的各兴趣面,并对各兴趣面包含的各兴趣点进行去重处理。比如,可以是按照自西向东、自北向南的顺序依次遍历地图数据中的各兴趣面,或者,也可以是根据地图数据中各兴趣面的面积大小,按照面积由大至小的顺序,依次遍历地图数据中的各兴趣面。
需要说明的是,上述举例仅为示例性的,不能视为对本申请的限制。实际使用时,可以根据实际需要预设遍历地图数据中各兴趣面的规则,本申请实施例对此不做限定。
步骤102,根据所述第一兴趣面数据的边界信息,确定当前的第一召回区域。
其中,第一召回区域,是指当前需要召回的各兴趣点所在的区域。
在本申请实施例一种可能的实现形式中,当前的第一召回区域可以是当前的第一兴趣面所包括的区域。因此,在获取到第一兴趣面数据之后,即可根据第一兴趣面的边界信息,确定出第一兴趣面所包括的区域,并将该区域确定为当前的第一召回区域。
步骤103,根据所述当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回。
在本申请实施例中,确定出当前的第一召回区域之后,即可根据地图数据中各兴趣点的位置信息,确定处于第一召回区域中的各兴趣点,并对处于第一召回区域中的各兴趣点进行召回,即获取处于第一召回区域中的各兴趣点数据,如名称、属性、位置信息等。
步骤104,根据召回的各第一兴趣点的名称、属性及位置信息,将所述第一兴趣面内的各第一兴趣点进行去重处理。
其中,第一兴趣点的属性,可以是指第一兴趣点的类型信息,比如,餐馆、服装店、电影院等。第一兴趣点的位置信息,是指第一兴趣点的具体地址信息,比如,对于小区类的兴趣点,其位置信息可以精确到门牌号,对于商铺类的兴趣点,其位置信息可以包括该兴趣点对应的商业街、楼层、在该楼层内的编号等信息。
在本申请实施例中,对处于第一召回区域中的各第一兴趣点进行召回之后,即获取到处于第一召回区域中的各第一兴趣点的名称、属性及位置信息之后,即可确定各第一兴趣点的名称、属性及位置信息之间的相似度,并将名称、属性、位置信息之间的相似度均大于阈值的各第一兴趣点,确定为第一兴趣面内相同的第一兴趣点,并将每组相同的各第一兴趣点中仅保留一个,去除其他相同的第一兴趣点。
在本申请实施例一种可能的实现形式中,可以通过自然语言处理算法,计算各第一兴趣点的名称、属性及位置信息之间的语义相似度,并将名称、属性及位置信息之间的语义相似度均大于阈值的各第一兴趣点,确定为第一兴趣面中相同的第一兴趣点。
举例来说,在确定第一兴趣点A和第一兴趣点B的名称的语义相似度时,可以首先分别将第一兴趣点A的名称和第一兴趣点B的名称进行分词处理,并通过机器学习的方式,确定第一兴趣点A的名称中各分词的向量,并将第一兴趣点A的名称中各分词的向量的均值,确定为第一兴趣点A的名称的第一向量,之后以相同的方法确定出第一兴趣点B的名称的第二向量,进而确定第一向量与第二向量之间的余弦相似度,并将第一向量与第二向量之间的余弦相似度确定为第一兴趣点A的名称与第一兴趣点B的名称之间的语义相似度,并在第一兴趣点A的名称与第一兴趣点B的名称之间的语义相似度大于预设的阈值值,确定第一兴趣点A的名称与第一兴趣点B的名称相同。
具体的,在确定第一兴趣面中的各第一兴趣点是否为相同的第一兴趣点时,可以首先根据各第一兴趣点的属性之间的语义相似度,确定出属性相同的第一兴趣点,之后确定出属性相同的第一兴趣点中名称相同的第一兴趣点,进而在属性、名称均相同的第一兴趣点中,确定出位置信息也相同的各第一兴趣点,并对名称、属性、位置信息均相同的各第一兴趣点进行去重处理。
举例来说,第一兴趣面中包括A、B、C、D、E五个第一兴趣点,通过依次两两计算第一兴趣点A、B、C、D、E的属性之间的相似度,确定出属性相似度大于阈值的第一兴趣点有A、B、C,之后确定依次两两计算第一兴趣点A、B、C的名称之间的相似度,确定名称相似度大于阈值的第一兴趣点有A和B,之后即可计算第一兴趣点A和B的位置信息之间的相似度,确定出第一兴趣点A和B的位置信息之间的相似度大于阈值,则可以确定第一兴趣点A和B为相同的兴趣点,则可以将第一兴趣点B去除,保留第一兴趣点A。
需要说明的是,上述举例仅为示例性的,不能视为对本申请的限制。实际使用时确定各第一兴趣点的名称、属性及位置信息之间的相似度的方法以及相似度阈值,可以根据实际需要预设,比如预设的阈值可以是0.9,本申请实施例对此不做限定。
本申请实施例提供的兴趣点数据处理方法,可以获取的第一兴趣面数据的边界信息,确定当前的第一召回区域,并根据当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回,进而根据召回的各第一兴趣点的名称、属性及位置信息,将第一兴趣面内的各第一兴趣点进行去重处理。由此,通过根据地图数据中的兴趣面数据,确定兴趣点的召回区域,并根据召回的各兴趣点的信息,对各兴趣面内的兴趣点分别进行去重处理,从而不仅可以避免召回无用的兴趣点数据,降低了去重处理的计算量,而且可以避免兴趣点数据的漏召回,提升了兴趣点去重的准确度。
在本申请一种可能的实现形式中,地图数据中的一个兴趣面可能会包含另一个兴趣面,此时,可以将两个兴趣面分为两个不同的召回区域,并对两个召回区域中包含的兴趣点分别进行去重处理,以进一步提高兴趣点去重的准确度。
下面结合图2,对本申请实施例提供的兴趣点数据处理方法进行进一步说明。
图2为本申请实施例所提供的另一种兴趣点数据处理方法的流程示意图。
如图2所示,该兴趣点数据处理方法,包括以下步骤:
步骤201,获取第一兴趣面数据,其中,第一兴趣面数据中包括所述第一兴趣面的边界信息。
上述步骤201的具体实现过程及原理,可以参照上述实施例的详细描述,此处不再赘述。
步骤202,判断所述第一兴趣面内是否包括第二兴趣面,若包括,则执行步骤203,否则,执行步骤205。
步骤203,确定所述第二兴趣面数据的边界信息对应的第二召回区域及所述第一兴趣面数据的边界信息对应的第三召回区域。
步骤204,确定所述第一召回区域为,将所述第二召回区域从所述第三召回区域中去除后的区域。
需要说明的是,在对地图数据中中的兴趣点进行去重处理时,可以每次只对处于同一个兴趣面内的兴趣点进行去重。因此,当第一兴趣面内包含其他兴趣面(即第二兴趣面)时,可以将第二兴趣面所包括的区域从第一兴趣面所包括的区域中去除后,将第一兴趣面所包括的区域中的剩余部分,确定为第一兴趣面对应的第一召回区域。
具体的,可以首先根据第一兴趣面的边界信息,确定第一兴趣面所包括的区域,并根据地图数据中其他兴趣面的边界信息,确定是否存在兴趣面的边界信息处于第一兴趣面所包括的区域之内,若包括,则可以将该兴趣面确定为第二兴趣面,并将第二兴趣面所包括的区域确定为第二召回区域,将第一兴趣面所包括的区域确定为第三召回区域,进而将第二召回区域从第三召回区域中去除后的区域确定为当前的第一召回区域。
举例来说,第一兴趣面为国贸商圈,国贸商圈中的商厦A为地图数据中的另一个兴趣面,根据国贸商圈以及商厦A的边界信息,确定商厦A处于国贸商圈所包括的区域内,因此可以确定商厦A为处于第一兴趣面内的第二兴趣面,之后将商厦A所包括的区域确定为第二召回区域,国贸商圈所包括的区域确定为第三召回区域,并当前的第一召回区域确定为将第二召回区域从第三召回区域中去除后的区域,即国贸商圈所包括的区域去除商厦A所包括的区域后的剩余区域。
步骤205,确定所述第一兴趣面数据的边界信息对应的区域为所述第一召回区域。
可以理解的是,若根据第一兴趣面数据的边界信息,以及地图数据中其他兴趣面数据的边界信息,确定第一兴趣面所包括的区域中未包括其他兴趣面,则可以根据第一兴趣面数据的边界信息对应的区域,即第一兴趣面所包括的区域,确定为第一召回区域。
举例来说,第一兴趣面为A小区1号楼,根据地图数据中1号楼的边界信息,以及地图数据中其他兴趣面的边界信息,确定出1号楼所包括的区域内未包括其他兴趣面,则可以将1号楼的边界信息对应的区域,即1号楼所包括的区域确定为第一召回区域。
步骤206,根据所述当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回。
步骤207,根据召回的各第一兴趣点的名称、属性及位置信息,将所述第一兴趣面内的各第一兴趣点进行去重处理。
在本申请实施例中,对处于第一召回区域中的各第一兴趣点进行召回之后,即获取到处于第一召回区域中的各第一兴趣点的名称、属性及位置信息之后,即可确定各第一兴趣点的名称、属性及位置信息之间的相似度,并将名称、属性、位置信息之间的相似度均大于阈值的各第一兴趣点,确定为第一兴趣面内相同的第一兴趣点,并将每组相同的各第一兴趣点中仅保留一个,去除其他相同的第一兴趣点。
进一步的,在确定第一兴趣面内包括第二兴趣面之后,由于第一召回区域中未包含第二兴趣面所包括的区域,因此,在对处于第一召回区域中的各兴趣点进行去重处理之后,还可以对第二兴趣面内包括的兴趣点进行去重处理。因此,在本申请实施例一种可能的实现形式中,上述步骤207之后,还可以包括:
判断所述第二召回区域内各兴趣点是否已完成去重处理;
若否,则召回位于所述第二召回区域内的各第二兴趣点;
根据召回的各第二兴趣点的名称、属性及位置信息,将所述各第二兴趣点进行去重处理。
需要说明的是,在对处于第一召回区域中的各兴趣点进行去重处理之后,可以首先根据对各兴趣面的去重处理记录,判断处于第二兴趣面对应的第二召回区域中的各兴趣点是否已完成去重处理,若确定第二召回区域内的各兴趣点已完成去重处理,则无需再对第二召回区域内的各兴趣点进行去重处理;若确定第二召回区域内的各兴趣点未完成去重处理,则可以召回位于第二召回区域内的各第二兴趣点,即获取位于第二召回区域内的各第二兴趣点的名称、属性及位置信息,之后采用与各第一兴趣点相同的去重处理方式,对各第二兴趣点信息去重处理。即首先确定各第二兴趣点的名称、属性及位置信息之间的相似度,并将名称、属性、位置信息之间的相似度均大于阈值的各第二兴趣点,确定为第二兴趣面内相同的第二兴趣点,并将每组相同的各第二兴趣点中仅保留一个,去除其他相同的第二兴趣点。
进一步的,地图数据中各兴趣点的名称可能会采用不同的语言类型进行表示,比如对于商厦类型的兴趣面,通常会包括很多名称既可以用英文表示又可以用中文表示的品牌类的兴趣点,因此从互联网中挖掘的兴趣点的名称,可能既包含中文又包含其他语言类型,从而容易导致对采用不同的语言类型表示名称的相同兴趣点产生误判。即在本申请实施例一种可能的实现形式中,上述步骤207之前,还可以包括:
判断召回的各第一兴趣点的名称对应的语言类型是否均相同;
若否,则将召回的所有第一兴趣点的名称对应的语言类型进行统一化处理。
需要说明的是,地图数据中各兴趣点的名称可能会采用不同的语言类型进行表示,尤其对于商厦类型的兴趣面,通常会包括很多名称既可以用英文表示又可以用中文表示的品牌类的兴趣点,从而在根据兴趣点的名称之间的相似度,确定兴趣点的名称是否相同时,会使得采用不同语言类型表示的相同的名称确定为不同的名称,从而影响兴趣点去重处理的准确度。
举例来说,召回的第一兴趣点A的名称为“Lamer”,属性为“化妆品”,位置信息为“甲商厦二层A01”,第一兴趣点B的名称为“海蓝之谜”,属性为“化妆品”,位置信息为“甲商厦二层A01”,由于“Lamer”与“海蓝之谜”分别为同一品牌的英文和中文表示,并且第一兴趣点A和B的属性和位置信息均相同,因此第一兴趣点A和B为相同的兴趣点,需要对第一兴趣点A和B进行去重处理。但是,在实际处理过程中,由于第一兴趣点A和B的名称的语言类型不同,会使得确定出的第一兴趣点A和B的相似度很低,从而将第一兴趣点A和B确定为不同的兴趣点,第一兴趣点A和第一兴趣点B都会保留下来,导致错误的去重结果。
在本申请实施例一种可能的实现形式中,可以预设兴趣点名称语言类型的映射字典,并在确定召回的各第一兴趣点的名称的语言类型不同时,查询兴趣点名称语言类型映射字典,将各第一兴趣点的名称修改为相同的语言类型,即对各第一兴趣点的名称对应的语言类型进行统一化处理,从而避免了第一兴趣点的名称的语言类型对去重结果的影响。
本申请实施例提供的兴趣点数据处理方法,可以在获取到第一兴趣面数据后,根据第一兴趣面数据的边界信息,判断第一兴趣面内是否包括第二兴趣面,若包括,则将第一召回区域确定为将第二兴趣面数据的边界信息对应的第二召回区域从第一兴趣面数据的边界信息对应的第三召回区域中去除后的区域,若未包括,则确定第一兴趣面数据的边界信息对应的区域为第一召回区域,之后根据当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回,进而根据召回的各第一兴趣点的名称、属性及位置信息,将第一兴趣面内的各第一兴趣点进行去重处理。由此,通过在第一兴趣面中包括第二兴趣面时,分别对第一兴趣面与第二兴趣面中的兴趣点进行去重处理,并对召回的各兴趣点的名称对应的语言类型进行统一化处理,从而不仅进一步降低了去重处理的计算量,避免了兴趣点数据的漏召回,而且可以避免兴趣点的名称的语言类型对去重处理的影响,进一步提升了兴趣点去重的准确度。
为了实现上述实施例,本申请还提出一种兴趣点数据处理装置。
图3为本申请实施例提供的一种兴趣点数据处理装置的结构示意图。
如图3所示,该兴趣点数据处理装置30,包括:
获取模块31,用于获取第一兴趣面数据,其中,第一兴趣面数据中包括所述第一兴趣面的边界信息;
第一确定模块32,用于根据所述第一兴趣面数据的边界信息,确定当前的第一召回区域;
召回模块33,用于根据所述当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回;
第一去重模块34,用于根据召回的各第一兴趣点的名称、属性及位置信息,将所述第一兴趣面内的各第一兴趣点进行去重处理。
在实际使用时,本申请实施例提供的兴趣点数据处理装置,可以被配置在任意电子设备中,以执行前述兴趣点数据处理方法。
本申请实施例提供的兴趣点数据处理装置,可以获取的第一兴趣面数据的边界信息,确定当前的第一召回区域,并根据当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回,进而根据召回的各第一兴趣点的名称、属性及位置信息,将第一兴趣面内的各第一兴趣点进行去重处理。由此,通过根据地图数据中的兴趣面数据,确定兴趣点的召回区域,并根据召回的各兴趣点的信息,对各兴趣面内的兴趣点分别进行去重处理,从而不仅可以避免召回无用的兴趣点数据,降低了去重处理的计算量,而且可以避免兴趣点数据的漏召回,提升了兴趣点去重的准确度。
在本申请一种可能的实现形式中,上述兴趣点数据处理装置30,还包括:
第二确定模块,用于根据获取的兴趣点去重请求中包含的目标兴趣点的位置信息及地图数据中各兴趣面的边界信息,确定所述目标兴趣点所在的第一兴趣面;
或者,
第三确定模块,用于按照预设的规则,确定地图数据中当前待处理的第一兴趣面。
进一步的,在本申请另一种可能的实现形式中,上述兴趣点数据处理装置30,还包括:
第一判断模块,用于判断召回的各第一兴趣点的名称对应的语言类型是否均相同;
若否,则将召回的所有第一兴趣点的名称对应的语言类型进行统一化处理。
进一步的,在本申请再一种可能的实现形式中,上述第一确定模块32,具体用于:
判断所述第一兴趣面内是否包括第二兴趣面;
若包括,则确定所述第二兴趣面数据的边界信息对应的第二召回区域及所述第一兴趣面数据的边界信息对应的第三召回区域;
确定所述第一召回区域为,将所述第二召回区域从所述第三召回区域中去除后的区域。
相应的,上述第一确定模块32,还用于:
若所述第一兴趣面内未包括第二兴趣面,则确定所述第一兴趣面数据的边界信息对应的区域为所述第一召回区域。
进一步的,在本申请又一种可能的实现形式中,上述兴趣点数据处理装置30,还包括:
第二判断模块,用于判断所述第二召回区域内各兴趣点是否已完成去重处理;
若否,则召回位于所述第二召回区域内的各第二兴趣点;
第二去重模块,用于根据召回的各第二兴趣点的名称、属性及位置信息,将所述各第二兴趣点进行去重处理。
需要说明的是,前述对图1、图2所示的兴趣点数据处理方法实施例的解释说明也适用于该实施例的兴趣点数据处理装置30,此处不再赘述。
本申请实施例提供的兴趣点数据处理装置,可以在获取到第一兴趣面数据后,根据第一兴趣面数据的边界信息,判断第一兴趣面内是否包括第二兴趣面,若包括,则将第一召回区域确定为将第二兴趣面数据的边界信息对应的第二召回区域从第一兴趣面数据的边界信息对应的第三召回区域中去除后的区域,若未包括,则确定第一兴趣面数据的边界信息对应的区域为第一召回区域,之后根据当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回,进而根据召回的各第一兴趣点的名称、属性及位置信息,将第一兴趣面内的各第一兴趣点进行去重处理。由此,通过在第一兴趣面中包括第二兴趣面时,分别对第一兴趣面与第二兴趣面中的兴趣点进行去重处理,并对召回的各兴趣点的名称对应的语言类型进行统一化处理,从而不仅进一步降低了去重处理的计算量,避免了兴趣点数据的漏召回,而且可以避免兴趣点的名称的语言类型对去重处理的影响,进一步提升了兴趣点去重的准确度。
为了实现上述实施例,本申请还提出一种电子设备。
图4为本发明一个实施例的电子设备的结构示意图。
如图4所示,上述电子设备200包括:
存储器210及处理器220,连接不同组件(包括存储器210和处理器220)的总线230,存储器210存储有计算机程序,当处理器220执行所述程序时实现本申请实施例所述的兴趣点数据处理方法。
总线230表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备200典型地包括多种电子设备可读介质。这些介质可以是任何能够被电子设备200访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器210还可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)240和/或高速缓存存储器250。电子设备200可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统260可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线230相连。存储器210可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块270的程序/实用工具280,可以存储在例如存储器210中,这样的程序模块270包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块270通常执行本申请所描述的实施例中的功能和/或方法。
电子设备200也可以与一个或多个外部设备290(例如键盘、指向设备、显示器291等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口292进行。并且,电子设备200还可以通过网络适配器293与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器293通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器220通过运行存储在存储器210中的程序,从而执行各种功能应用以及数据处理。
需要说明的是,本实施例的电子设备的实施过程和技术原理参见前述对本申请实施例的兴趣点数据处理方法的解释说明,此处不再赘述。
本申请实施例提供的电子设备,可以执行如前所述的兴趣点数据处理方法,获取的第一兴趣面数据的边界信息,确定当前的第一召回区域,并根据当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回,进而根据召回的各第一兴趣点的名称、属性及位置信息,将第一兴趣面内的各第一兴趣点进行去重处理。由此,通过根据地图数据中的兴趣面数据,确定兴趣点的召回区域,并根据召回的各兴趣点的信息,对各兴趣面内的兴趣点分别进行去重处理,从而不仅可以避免召回无用的兴趣点数据,降低了去重处理的计算量,而且可以避免兴趣点数据的漏召回,提升了兴趣点去重的准确度。
为了实现上述实施例,本申请还提出一种计算机可读存储介质。
其中,该计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,以实现本申请实施例所述的兴趣点数据处理方法。
为了实现上述实施例,本申请再一方面实施例提供一种计算机程序,该程序被处理器执行时,以实现本申请实施例所述的兴趣点数据处理方法。
一种可选实现形式中,本实施例可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户电子设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种兴趣点数据处理方法,其特征在于,包括:
获取第一兴趣面数据,其中,第一兴趣面数据中包括所述第一兴趣面的边界信息;
根据所述第一兴趣面数据的边界信息,确定当前的第一召回区域;
根据所述当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回;
根据召回的各第一兴趣点的名称、属性及位置信息,将所述第一兴趣面内的各第一兴趣点进行去重处理。
2.如权利要求1所述的方法,其特征在于,所述获取第一兴趣面数据之前,还包括:
根据获取的兴趣点去重请求中包含的目标兴趣点的位置信息及地图数据中各兴趣面的边界信息,确定所述目标兴趣点所在的第一兴趣面;
或者,
按照预设的规则,确定地图数据中当前待处理的第一兴趣面。
3.如权利要求1所述的方法,其特征在于,所述进行兴趣点召回之后,还包括:
判断召回的各第一兴趣点的名称对应的语言类型是否均相同;
若否,则将召回的所有第一兴趣点的名称对应的语言类型进行统一化处理。
4.如权利要求1-3任一所述的方法,其特征在于,所述根据所述第一兴趣面数据的边界信息,确定当前的第一召回区域,包括:
判断所述第一兴趣面内是否包括第二兴趣面;
若包括,则确定所述第二兴趣面数据的边界信息对应的第二召回区域及所述第一兴趣面数据的边界信息对应的第三召回区域;
确定所述第一召回区域为,将所述第二召回区域从所述第三召回区域中去除后的区域。
5.如权利要求4所述的方法,其特征在于,所述判断所述第一兴趣面内是否包括第二兴趣面之后,还包括:
若所述第一兴趣面内未包括第二兴趣面,则确定所述第一兴趣面数据的边界信息对应的区域为所述第一召回区域。
6.如权利要求4所述的方法,其特征在于,所述确定所述第二兴趣面边界信息对应的第二召回区域之后,还包括:
判断所述第二召回区域内各兴趣点是否已完成去重处理;
若否,则召回位于所述第二召回区域内的各第二兴趣点;
根据召回的各第二兴趣点的名称、属性及位置信息,将所述各第二兴趣点进行去重处理。
7.一种兴趣点数据处理装置,其特征在于,包括:
获取模块,用于获取第一兴趣面数据,其中,第一兴趣面数据中包括所述第一兴趣面的边界信息;
第一确定模块,用于根据所述第一兴趣面数据的边界信息,确定当前的第一召回区域;
召回模块,用于根据所述当前的第一召回区域及地图数据中各兴趣点的位置信息,进行兴趣点召回;
去重模块,用于根据召回的各第一兴趣点的名称、属性及位置信息,将所述第一兴趣面内的各第一兴趣点进行去重处理。
8.如权利要求7所述的装置,其特征在于,还包括:
第二确定模块,用于根据获取的兴趣点去重请求中包含的目标兴趣点的位置信息及地图数据中各兴趣面的边界信息,确定所述目标兴趣点所在的第一兴趣面;
或者,
第三确定模块,用于按照预设的规则,确定地图数据中当前待处理的第一兴趣面。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一所述的兴趣点数据处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的兴趣点数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811522495.9A CN109710709A (zh) | 2018-12-13 | 2018-12-13 | 兴趣点数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811522495.9A CN109710709A (zh) | 2018-12-13 | 2018-12-13 | 兴趣点数据处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109710709A true CN109710709A (zh) | 2019-05-03 |
Family
ID=66256274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811522495.9A Pending CN109710709A (zh) | 2018-12-13 | 2018-12-13 | 兴趣点数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109710709A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781743A (zh) * | 2019-09-23 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 一种人群聚集事件的处理方法、装置及电子设备 |
CN110986996A (zh) * | 2019-11-29 | 2020-04-10 | 秒针信息技术有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN111695488A (zh) * | 2020-06-09 | 2020-09-22 | 北京百度网讯科技有限公司 | 兴趣面识别方法、装置、设备以及存储介质 |
CN111767478A (zh) * | 2020-06-22 | 2020-10-13 | 北京百度网讯科技有限公司 | 一种关联关系构建方法、装置、设备及存储介质 |
CN111966925A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 楼栋兴趣点判重方法、装置、电子设备和存储介质 |
CN112860996A (zh) * | 2021-02-07 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种兴趣点处理方法、装置、电子设备和介质 |
CN113127759A (zh) * | 2021-04-16 | 2021-07-16 | 深圳集智数字科技有限公司 | 兴趣点处理方法、装置、计算设备及计算机可读存储介质 |
CN113221025A (zh) * | 2020-01-21 | 2021-08-06 | 百度在线网络技术(北京)有限公司 | 兴趣点召回方法、装置、设备和介质 |
CN113255398A (zh) * | 2020-02-10 | 2021-08-13 | 百度在线网络技术(北京)有限公司 | 兴趣点判重方法、装置、设备和存储介质 |
CN113947458A (zh) * | 2021-10-20 | 2022-01-18 | 拉扎斯网络科技(上海)有限公司 | 兴趣面冲突处理方法、兴趣面展示方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009259077A (ja) * | 2008-04-18 | 2009-11-05 | Aisin Aw Co Ltd | 検索装置及びプログラム |
CN103279539A (zh) * | 2013-06-04 | 2013-09-04 | 百度在线网络技术(北京)有限公司 | 兴趣点集合的显示方法、电子地图的显示方法以及装置 |
CN106681996A (zh) * | 2015-11-05 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 确定地理范围内兴趣区域、兴趣点的方法和装置 |
CN107609186A (zh) * | 2017-09-30 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 信息处理方法及装置、终端设备及计算机可读存储介质 |
CN108268504A (zh) * | 2016-12-31 | 2018-07-10 | 中国移动通信集团陕西有限公司 | 一种划分兴趣点的搜索区域的方法及设备 |
-
2018
- 2018-12-13 CN CN201811522495.9A patent/CN109710709A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009259077A (ja) * | 2008-04-18 | 2009-11-05 | Aisin Aw Co Ltd | 検索装置及びプログラム |
CN103279539A (zh) * | 2013-06-04 | 2013-09-04 | 百度在线网络技术(北京)有限公司 | 兴趣点集合的显示方法、电子地图的显示方法以及装置 |
CN106681996A (zh) * | 2015-11-05 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 确定地理范围内兴趣区域、兴趣点的方法和装置 |
CN108268504A (zh) * | 2016-12-31 | 2018-07-10 | 中国移动通信集团陕西有限公司 | 一种划分兴趣点的搜索区域的方法及设备 |
CN107609186A (zh) * | 2017-09-30 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 信息处理方法及装置、终端设备及计算机可读存储介质 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781743A (zh) * | 2019-09-23 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 一种人群聚集事件的处理方法、装置及电子设备 |
CN110781743B (zh) * | 2019-09-23 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 一种人群聚集事件的处理方法、装置及电子设备 |
CN110986996A (zh) * | 2019-11-29 | 2020-04-10 | 秒针信息技术有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN113221025A (zh) * | 2020-01-21 | 2021-08-06 | 百度在线网络技术(北京)有限公司 | 兴趣点召回方法、装置、设备和介质 |
CN113221025B (zh) * | 2020-01-21 | 2024-04-02 | 百度在线网络技术(北京)有限公司 | 兴趣点召回方法、装置、设备和介质 |
CN113255398B (zh) * | 2020-02-10 | 2023-08-18 | 百度在线网络技术(北京)有限公司 | 兴趣点判重方法、装置、设备和存储介质 |
CN113255398A (zh) * | 2020-02-10 | 2021-08-13 | 百度在线网络技术(北京)有限公司 | 兴趣点判重方法、装置、设备和存储介质 |
CN111695488B (zh) * | 2020-06-09 | 2023-09-08 | 北京百度网讯科技有限公司 | 兴趣面识别方法、装置、设备以及存储介质 |
CN111695488A (zh) * | 2020-06-09 | 2020-09-22 | 北京百度网讯科技有限公司 | 兴趣面识别方法、装置、设备以及存储介质 |
CN111767478B (zh) * | 2020-06-22 | 2023-08-15 | 北京百度网讯科技有限公司 | 一种关联关系构建方法、装置、设备及存储介质 |
CN111767478A (zh) * | 2020-06-22 | 2020-10-13 | 北京百度网讯科技有限公司 | 一种关联关系构建方法、装置、设备及存储介质 |
CN111966925A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 楼栋兴趣点判重方法、装置、电子设备和存储介质 |
CN111966925B (zh) * | 2020-06-30 | 2024-04-09 | 北京百度网讯科技有限公司 | 楼栋兴趣点判重方法、装置、电子设备和存储介质 |
CN112860996A (zh) * | 2021-02-07 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种兴趣点处理方法、装置、电子设备和介质 |
CN112860996B (zh) * | 2021-02-07 | 2023-09-19 | 北京百度网讯科技有限公司 | 一种兴趣点处理方法、装置、电子设备和介质 |
CN113127759A (zh) * | 2021-04-16 | 2021-07-16 | 深圳集智数字科技有限公司 | 兴趣点处理方法、装置、计算设备及计算机可读存储介质 |
CN113947458A (zh) * | 2021-10-20 | 2022-01-18 | 拉扎斯网络科技(上海)有限公司 | 兴趣面冲突处理方法、兴趣面展示方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710709A (zh) | 兴趣点数据处理方法、装置、电子设备及存储介质 | |
CN109931945B (zh) | Ar导航方法、装置、设备和存储介质 | |
US9880012B2 (en) | Hybrid road network and grid based spatial-temporal indexing under missing road links | |
CN109543680B (zh) | 兴趣点的位置确定方法、装置设备和介质 | |
CN108229364B (zh) | 建筑物轮廓生成方法、装置、计算机设备及存储介质 | |
US11106933B2 (en) | Method, device and system for processing image tagging information | |
US11403766B2 (en) | Method and device for labeling point of interest | |
CN110609879B (zh) | 兴趣点判重方法、装置、计算机设备及存储介质 | |
WO2018058888A1 (zh) | 一种街景图像的识别方法、装置、服务器及存储介质 | |
CN111061740B (zh) | 一种数据同步方法、设备和存储介质 | |
CN110688434B (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
CN110555352B (zh) | 一种兴趣点识别方法、装置、服务器和存储介质 | |
CN110647600A (zh) | 三维地图的构建方法、装置、服务器及存储介质 | |
CN110941587B (zh) | 基于附加文件的空间矢量数据存储方法及坐标系转换系统 | |
CN108399128A (zh) | 一种用户数据的生成方法、装置、服务器及存储介质 | |
CN114578401B (zh) | 一种车道航迹点的生成方法、装置、电子设备及存储介质 | |
CN110516094A (zh) | 门类兴趣点数据的去重方法、装置、电子设备及存储介质 | |
CN115578386A (zh) | 泊车图像生成方法、装置、电子设备及存储介质 | |
CN109241059A (zh) | 一种点云数据的构造方法、装置、电子设备及存储介质 | |
CN109446433A (zh) | 一种兴趣点失效校验方法、装置、服务器及存储介质 | |
CN110457705B (zh) | 一种兴趣点数据处理方法、装置、设备和存储介质 | |
CN111126120B (zh) | 城市区域分类方法、装置、设备和介质 | |
CN111125272B (zh) | 一种区域特征获取方法、装置、计算机设备及介质 | |
US10896533B2 (en) | Automated identification of geographic site boundaries | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 |
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: 20190503 |
|
RJ01 | Rejection of invention patent application after publication |