CN110334349B - 商圈自动命名的方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明公开了一种商圈自动命名的方法、装置、计算机设备及存储介质，所述商圈自动命名的方法包括：获取商圈地理范围中兴趣点的兴趣点信息；根据存储的兴趣点关键类型对所述商圈地理范围中的兴趣点进行筛选，得到兴趣点类型与所述兴趣点关键类型相匹配的候选兴趣点；根据每一个候选兴趣点的兴趣点名称和兴趣点类型，计算该候选兴趣点用于代表所述商圈地理范围中其余候选兴趣点的代表度得分；以代表度得分最高的候选兴趣点作为代表兴趣点，根据所述代表兴趣点的兴趣点名称生成所述待命名商圈的商圈名称。采用本发明解决了现有技术中商圈命名依赖于人工实现的问题。

Description

商圈自动命名的方法、装置、计算机设备及存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种商圈自动命名的方法、装置、计算机设备及存储介质。

背景技术

随着城市的发展，商圈应运而生，通常，每个城市可能会有几个甚至几十个商圈，由于商圈覆盖一定地理范围，因此，商圈命名就是为每一个具有一定地理范围的商圈取一个具有代表性的名称，以唯一地识别该商圈，一方面，人们能够区分不同的商圈，另一方面，基于地图应用程序，方便运营人员分析和管理。

然而，发明人意识到，现有的商圈命名仍依赖于人工实现，存在效率低下的问题。

发明内容

为了解决相关技术中存在的商圈命名依赖于人工实现的问题，本发明各实施例提供一种商圈自动命名的方法、装置、计算机设备及存储介质。

其中，本发明所采用的技术方案为：

根据本发明的一方面，一种商圈自动命名的方法，包括：获取商圈地理范围中兴趣点的兴趣点信息，所述兴趣点信息包括兴趣点名称和兴趣点类型，所述商圈地理范围对应于待命名商圈；根据存储的兴趣点关键类型对所述商圈地理范围中的兴趣点进行筛选，得到兴趣点类型与所述兴趣点关键类型相匹配的候选兴趣点；根据每一个候选兴趣点的兴趣点名称和兴趣点类型，计算该候选兴趣点用于代表所述商圈地理范围中其余候选兴趣点的代表度得分；以代表度得分最高的候选兴趣点作为代表兴趣点，根据所述代表兴趣点的兴趣点名称生成所述待命名商圈的商圈名称。

根据本发明的一方面，一种商圈自动命名的装置，包括：兴趣点获取模块，用于获取商圈地理范围中兴趣点的兴趣点信息，所述兴趣点信息包括兴趣点名称和兴趣点类型，所述商圈地理范围对应于待命名商圈；兴趣点筛选模块，用于根据存储的兴趣点关键类型对所述商圈地理范围中的兴趣点进行筛选，得到兴趣点类型与所述兴趣点关键类型相匹配的候选兴趣点；代表度得分计算模块，用于根据每一个候选兴趣点的兴趣点名称和兴趣点类型，计算该候选兴趣点用于代表所述商圈地理范围中其余候选兴趣点的代表度得分；商圈名称生成模块，用于以代表度得分最高的候选兴趣点作为代表兴趣点，根据所述代表兴趣点的兴趣点名称生成所述待命名商圈的商圈名称。

在一示例性实施例中，所述兴趣点获取模块，包括：位置点选取单元，用于在所述商圈地理范围中选取地理位置点；位置服务调用单元，用于根据选取到的地理位置点调用地理位置服务，得到所述商圈地理范围中兴趣点的兴趣点信息。

在一示例性实施例中，所述位置点选取单元，包括：范围确定子单元，用于确定对应于所述商圈地理范围的经纬度范围；循环控制子单元，用于控制位置变量按照设定步进值在所述经纬度范围内循环，由所述经纬度范围的最小值逐渐步进至所述经纬度范围的最大值；位置点添加子单元，用于循环过程中，如果所述位置变量表示的地理位置点位于所述商圈地理范围内，则将位于所述商圈地理范围内的该地理位置点添加至位置点集合；位置点选取子单元，用于当完成所述位置变量在所述经纬度范围内的循环，以所述位置点集合中的地理位置点作为选取到的地理位置点。

在一示例性实施例中，所述经纬度范围的最小值包括最小经度和最小纬度，所述经纬度范围的最大值包括最大经度和最大纬度；所述循环控制子单元，包括：初始化子单元，用于根据所述最小经度和所述最小纬度，分别初始化所述位置变量中的经度变量和纬度变量；第一步进子单元，用于基于初始化的经度变量，控制所述纬度变量按照所述设定步进值由所述最小纬度逐渐步进至所述最大纬度；更新子单元，用于当完成所述纬度变量在所述最小纬度与所述最大纬度之间的步进，按照所述设定步进值更新所述经度变量；第二步进子单元，用于基于更新的经度变量，执行所述控制所述纬度变量按照所述设定步进值由所述最小纬度逐渐步进至所述最大纬度的步骤。

在一示例性实施例中，所述代表度得分计算模块，包括：名称代表度得分计算单元，用于针对每一个候选兴趣点的兴趣点名称，对该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称进行相似度分析，得到该候选兴趣点的名称代表度得分；类型代表度得分计算单元，用于针对每一个候选兴趣点的兴趣点类型，按照兴趣点类型评分规则为该候选兴趣点的兴趣点类型评分，得到该候选兴趣点的类型代表度得分；代表度得分计算单元，用于根据该候选兴趣点的名称代表度得分和类型代表度得分，得到该候选兴趣点的代表度得分。

在一示例性实施例中，所述名称代表度得分计算单元，包括：文字相似度计算子单元，用于针对每一个候选兴趣点的兴趣点名称，计算该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称之间的文字相似度，得到多个文字相似度，每一个文字相似度对应一个其余候选兴趣点；个数统计子单元，用于基于多个文字相似度，统计超过第一相似度阈值的文字相似度的个数；名称代表度得分计算子单元，用于根据统计得到的个数，计算该候选兴趣点的名称代表度得分。

在一示例性实施例中，所述文字相似度计算子单元，包括：第一名称检测子单元，用于针对每一个其余候选兴趣点的兴趣点名称，检测其中一个其余候选兴趣点的兴趣点名称是否包含该候选兴趣点的兴趣点名称；如果是，则通知第一相似度配置子单元；所述第一相似度配置子单元，用于将该候选兴趣点的兴趣点名称与其中一个其余候选兴趣点的兴趣点名称之间的文字相似度配置为一。

在一示例性实施例中，所述文字相似度计算子单元，还包括：第一编辑距离计算子单元，用于如果检测到其中一个其余候选兴趣点的兴趣点名称未包含该候选兴趣点的兴趣点名称，则计算该候选兴趣点的兴趣点名称与其中一个其余候选兴趣点的兴趣点名称之间的字符串编辑距离；第二相似度配置子单元，用于根据所述字符串编辑距离，配置该候选兴趣点的兴趣点名称与其中一个其余候选兴趣点的兴趣点名称之间的文字相似度。

在一示例性实施例中，所述代表度得分计算单元，包括：权重系数获取子单元，用于获取为名称代表度得分配置的第一权重系数、以及为类型代表度得分配置的第二权重系数；权重值获取子单元，用于根据该候选兴趣点的名称代表度得分和所述第一权重系数，得到该候选兴趣点关于名称代表度的第一权重值，以及根据该候选兴趣点的类型代表度得分和所述第二权重系数，得到该候选兴趣点关于类型代表度的第二权重值；代表度得分获取子单元，用于根据所述第一权重值和所述第二权重值，得到该候选兴趣点的代表度得分。

在一示例性实施例中，所述商圈名称生成模块，包括：文字相似度计算单元，用于针对所述商圈地理范围内每一个兴趣点的兴趣点名称，计算该兴趣点的兴趣点名称与代表兴趣点的兴趣点名称之间的文字相似度，得到该兴趣点的文字相似度；面积计算单元，用于将文字相似度超过第二相似度阈值的兴趣点添加至兴趣点集合，计算由所述兴趣点集合中兴趣点围合而成的区域的面积；商圈命名单元，用于根据所述区域的面积和所述商圈地理范围的面积，生成所述待命名商圈的商圈名称。

在一示例性实施例中，所述文字相似度计算单元，包括：第二名称检测子单元，用于检测该兴趣点的兴趣点名称是否包含所述代表兴趣点的兴趣点名称；如果是，则通知第三相似度配置子单元；所述第三相似度配置子单元，用于将该兴趣点的文字相似度配置为一。

在一示例性实施例中，所述文字相似度计算单元，还包括：第二编辑距离计算子单元，用于如果检测到该兴趣点的兴趣点名称未包含所述代表兴趣点的兴趣点名称，则计算该兴趣点的兴趣点名称与所述代表兴趣点的兴趣点名称之间的字符串编辑距离；第四相似度配置子单元，用于根据所述字符串编辑距离，配置该兴趣点的文字相似度。

根据本发明的一方面，一种计算机设备，包括处理器及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上所述的商圈自动命名的方法。

根据本发明的一方面，一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的商圈自动命名的方法。

在上述技术方案中，实现了商圈命名的自动化，避免依赖于人工实现，有效地提高了商圈命名的效率。

具体地，基于待命名商圈对应的商圈地理范围中兴趣点的兴趣点信息，该兴趣点信息包括兴趣点名称和兴趣点类型，筛选得到兴趣点类型与存储的兴趣点关键类型相匹配的候选兴趣点，以根据每一个候选兴趣点的兴趣点名称和兴趣点类型，计算得到每一个候选兴趣点的代表度得分，进而以代表度得分最高的候选兴趣点作为代表兴趣点，由该代表兴趣点的兴趣点名称生成待命名商圈的商圈名称，由此，整个商圈命名过程中，仅依赖于商圈地理范围中兴趣点的兴趣点信息，便可实现商圈名称的生成，有效地解决了商圈命名依赖于人工实现的问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种计算机设备的硬件结构图。

图2是根据一示例性实施例示出的一种商圈自动命名的方法的流程图。

图3是图2对应实施例中步骤310在一个实施例的流程图。

图4是图3对应实施例中步骤311在一个实施例的流程图。

图5是图2对应实施例中步骤350在一个实施例的流程图。

图6是图5对应实施例中步骤351在一个实施例的流程图。

图7是图6对应实施例中步骤3511在一个实施例的流程图。

图8是图5对应实施例中步骤355在一个实施例的流程图。

图9是图2对应实施例中步骤370在一个实施例的流程图。

图10是图9对应实施例中步骤371在一个实施例的流程图。

图11是一应用场景中一种商圈自动命名的方法的具体实现示意图。

图12是一应用场景中完成自动化命名的商圈在地图应用程序所承载地图中的示意图。

图13是根据一示例性实施例示出的一种商圈自动命名的装置的框图。

图14是根据一示例性实施例示出的一种计算机设备的框图。

通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述，这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

如前所述，现有的商圈命名依赖于人工实现，即对于一个给定地理范围的商圈，雇佣人工基于地图或者网络了解该给定地理范围内该商圈的相关信息，然后基于了解到的信息再根据自己的理解为该商圈取一个具有代表性的名称，来唯一地识别该商圈。

然而，上述商圈命名过程中，仍存在以下问题：

(1)耗费大量的人力成本和时间成本。在大数据时代，当需要命名的商圈高于一定的数量，例如5000万个，即便有足够的财力也不一定能够雇佣到足够多的专业人员，并在有限时间内完成该数量商圈的命名；

(2)商圈命名的标准度和准确度低下。大规模的人工命名，由于掺杂较多的主观成分，难以保证每一个人的命名标准达到统一。并且，由于人工命名往往只有主观描述，尚缺乏命名的客观原因，这样就不利于对商圈命名中的潜在错误进行排查、分析和修正。

由上可知，现有的商圈命名由于依赖人工实现，将难以满足真实业务场景的需求。

为此，本发明特提出了一种商圈自动命名的方法，能够实现商圈命名的自动化，避免依赖于人工实现，有效地提高商圈命名的效率，相应地，与之匹配的商圈自动命名的装置被部署在具备冯诺依曼体系架构的计算机设备，例如，该计算机设备包括但不限于台式电脑、笔记本电脑、服务器等等，以实现商圈自动命名的方法。

图1是根据一示例性实施例示出的一种计算机设备的硬件结构图。

需要说明的是，该种计算机设备只是一个适配于本发明的示例，不能认为是提供了对本发明的使用范围的任何限制。该种计算机设备也不能解释为需要依赖于或者必须具有图1中示出的示例性的计算机设备100中的一个或者多个组件。

计算机设备100的硬件结构可因配置或者性能的不同而产生较大的差异，如图1所示，计算机设备100包括：电源110、接口130、至少一存储器150、以及至少一中央处理器(CPU,Central Processing Units)170。

具体地，电源110用于为计算机设备100上的各硬件设备提供工作电压。

接口130包括至少一有线或无线网络接口131、至少一串并转换接口133、至少一输入输出接口135以及至少一USB接口137，用于与外部设备交互。

存储器150作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源包括操作系统151、应用程序153及数据155等，存储方式可以是短暂存储或者永久存储。

其中，操作系统151用于管理与控制计算机设备100上的各硬件设备以及应用程序153，以实现中央处理器170对存储器150中海量数据155的运算与处理，其可以是WindowsServerTM、Mac OS XTM、UnixTM、LinuxTM、FreeBSDTM等。

应用程序153是基于操作系统151之上完成至少一项特定工作的计算机程序，其可以包括至少一模块(图1中未示出)，每个模块都可以分别包含有对计算机设备100的一系列计算机可读指令。例如，商圈自动命名的装置可视为部署于计算机设备的应用程序153。

数据155可以是存储于磁盘中的照片、图片等，还可以是地图、兴趣点信息等，存储于存储器150中。

中央处理器170可以包括一个或多个以上的处理器，并配置为通过至少一通信总线与存储器150通信，以读取存储器150中存储的计算机可读指令，进而实现对存储器150中海量数据155的运算与处理。例如，通过中央处理器170读取存储器150中存储的一系列计算机可读指令的形式来完成商圈自动命名的方法。

此外，通过硬件电路或者硬件电路结合软件也能同样实现本发明，因此，实现本发明并不限于任何特定硬件电路、软件以及两者的组合。

请参阅图2，在一示例性实施例中，一种商圈自动命名的方法适用于计算机设备，该计算机设备的结构可以如图1所示。

该种商圈自动命名的方法可以由计算机设备执行，也可以理解为由计算机设备中运行的应用程序执行。在下述方法实施例中，为了便于描述，以各步骤的执行主体为计算机设备加以说明，但是并不对此构成限定。

该种商圈自动命名的方法可以包括以下步骤：

步骤310，获取商圈地理范围中兴趣点的兴趣点信息，所述商圈地理范围对应于待命名商圈。

本实施例中，将基于商圈地理范围中兴趣点的兴趣点信息，实现商圈命名的自动化。

首先说明的是，针对地图应用程序而言，兴趣点(POI,Point of Interest)与地理位置有关，也理解为由经度和纬度表示的一个地理位置点，可用于地图应用程序所承载地图中地标、景点、火车站、住宅小区、购物中心、商铺、公共设施等的标注，以便于地图应用程序能够依据地图中的兴趣点向用户提供位置信息服务，例如，地理位置查询服务、地理位置定位服务等。

其次，商圈地理范围，是指待命名商圈在地图中覆盖的地理范围，实质由大量的地理位置点形成。应当理解，待命名商圈不同，其所覆盖的地理范围也不同，可能存在部分重合，即部分地理位置点相同，也可能完全不重合，即没有相同的地理位置点，那么，对于不同的待命名商圈而言，其对应的商圈地理范围中的兴趣点将随着待命名商圈所覆盖地理范围中地理位置点的不同而有所差别。

就服务器端来说，通过兴趣点信息的存储实现对海量兴趣点进行存储，所述兴趣点信息包括但不限于兴趣点名称、兴趣点类型、兴趣点位置等等。基于此，在确定商圈地理范围中的兴趣点之后，通过服务器端存储的兴趣点信息，便可获得该商圈地理范围中兴趣点的兴趣点信息。

步骤330，根据存储的兴趣点关键类型对所述商圈地理范围中的兴趣点进行筛选，得到兴趣点类型与所述兴趣点关键类型相匹配的候选兴趣点。

针对商圈地理范围中的兴趣点，如前所述，可用于标注该商圈地理范围中的地标、景点、公共设施等，也就是说，商圈地理范围中的不同兴趣点可具有不同的兴趣点类型。

例如，商圈地理范围中的兴趣点包括：兴趣点“A小区”、兴趣点“B火车站”和兴趣点“C景点”。其中，兴趣点“A小区”的兴趣点类型为住宅小区，兴趣点“B火车站”的兴趣点类型为火车站，兴趣点“C景点”的兴趣点类型为景点。

然而，发明人意识到，并不是所有类型的兴趣点都适合用于命名一个具有一定地理范围的商圈，例如，“厕所”、“公共设施”等兴趣点类型。因此，本实施例中，基于存储的兴趣点关键类型，实现商圈地理范围中兴趣点的筛选。

其中，兴趣点关键类型包括但不限于：飞机场、火车站、景点、热点区域、综合商场、购物中心、体育馆、高等院校、职业技术学校、大学、产业园区、综合医院、文化宫、地铁站、公园、中学、小学、幼儿园、住宅小区、商务写字楼、商务楼宇等。

经过筛选之后，兴趣点类型与上述兴趣点关键类型相匹配的兴趣点，便视为可用于命名一个具有一定地理范围的商圈的候选兴趣点。

仍以前述例子进行说明，商圈地理范围中的兴趣点“A小区”、兴趣点“B火车站”和兴趣点“C景点”，均可作为候选兴趣点。

步骤350，根据每一个候选兴趣点的兴趣点名称和兴趣点类型，计算该候选兴趣点用于代表所述商圈地理范围中其余候选兴趣点的代表度得分。

候选兴趣点的代表度得分，是指该候选兴趣点代表商圈地理范围中其余候选兴趣点的分数，应当理解，代表度得分越高，该候选兴趣点越能够代表商圈地理范围中的其余候选兴趣点，也可以理解为，该候选兴趣点越适合用于命名待命名商圈。

发明人意识到，如果一个候选兴趣点的兴趣点名称被商圈地理范围中更多其余候选兴趣点的名称包含，则该候选兴趣点的兴趣点名称越具有代表性。

举例来说，待命名商圈E对应的商圈地理范围中，候选兴趣点包括候选兴趣点“海岸城”、候选兴趣点“海岸城小区”、候选兴趣点“海岸城购物中心”以及候选兴趣点“保利文化广场”、候选兴趣点“保利影院”。可见，“海岸城”相较于“保利”，被更多候选兴趣点的兴趣点名称包含，因此，“海岸城”更适合用于命名待命名商圈E。

此外，发明人还意识到，考虑商圈的命名作用，不同兴趣点类型对于一个商圈具有不同的代表度。

例如，假设待命名商圈对应的商圈地理范围为火车站周边，可以理解，该待命名商圈的命名作用在于方便需要乘坐火车的用户更加便捷地查询、定位到火车站，而并不在于方便需要购物的用户。因此，对于该待命名商圈而言，兴趣点类型“火车站”对于一个商圈的代表度要比兴趣点类型“购物中心”高。

基于上述，本实施例中，候选兴趣点的代表度得分，将基于该候选兴趣点的兴趣点名称和兴趣点类型计算得到。

步骤370，以代表度得分最高的候选兴趣点作为代表兴趣点，根据所述代表兴趣点的兴趣点名称生成所述待命名商圈的商圈名称。

代表兴趣点，是指商圈地理范围中，最能够代表其余兴趣点的兴趣点，也即是，最适合命名待命名商圈的兴趣点。因此，在获得代表兴趣点的兴趣点名称之后，便可以此对待命名商圈进行命名。

考虑商圈地理范围的面积大小，也即是待命名商圈的面积大小，命名方式包括直接命名、后缀词命名，本实施例对此并未加以限定。

其中，直接命名，是指以代表兴趣点的兴趣点名称作为待命名商圈的商圈名称。例如，待命名商圈的面积在500平方米到800平方米之间，采用直接命名。

后缀命名，则是指将代表兴趣点的兴趣点名称与后缀词相结合，作为待命名商圈的商圈名称。该后缀词包括但不限于“中心”、“周边”。例如，待命名商圈的面积在500平方米以内，使用“中心”后缀词进行命名，或者，待命名商圈的面积在800平方米到1000平方米之间，使用“周边”后缀词进行命名。

仍以前述例子进行说明，假设代表兴趣点的兴趣点名称为“海岸城”，则待命名商圈的商圈名称可以直接命名为“海岸城”，或者，待命名商圈的商圈名称通过后缀词命名的方式，命名为“海岸城中心”、“海岸城周边”等。

通过如上所述的过程，实现了商圈命名的自动化方案，能够避免依赖于人工实现，有效地提高了商圈命名的效率。

请参阅图3，在一示例性实施例中，步骤310可以包括以下步骤：

步骤311，在所述商圈地理范围中选取地理位置点。

如前所述，海量兴趣点的存储是通过服务器端进行兴趣点信息的存储实现的，故而，服务器端向用户提供地理位置服务，以便于用户能够得到兴趣点的兴趣点信息。应当说明的是，地理位置服务的输入为地理位置点，输出为该地理位置点周边距离的兴趣点的兴趣点信息。

基于此，发明人意识到，地理位置服务无法通过商圈地理范围调用，因为商圈地理范围实质是由大量的地理位置点形成的一个“面”，代表了待命名商圈的面积，而并非一个“点”。

因此，本实施例中，在进行地理位置服务调用之前，需要从商圈地理范围所包含的大量地理位置点中选取若干地理位置点。

关于地理位置点的选取，既可以随机选取，还可以根据设定规则选取，例如，每间隔100米选取一个地理位置点，本实施例并未对此加以限定。

在此补充说明的是，为了尽可能地得到商圈地理范围包含的全部兴趣点，选取的地理位置点的数量要尽可能多。

步骤313，根据选取到的地理位置点调用地理位置服务，得到所述商圈地理范围中兴趣点的兴趣点信息。

在获得若干地理位置点之后，便可将每一个地理位置点输入地理位置服务，以输出每一个地理位置点周边距离的兴趣点的兴趣点信息。

应当理解，不同地理位置点的周边可能存在重合部分，那么，每一个地理位置点周边距离的兴趣点则有可能相同，由此，本实施例中，将对所有地理位置点周边距离的兴趣点，进行去重处理，即过滤重复的兴趣点的兴趣点信息，以最终获得商圈地理范围中兴趣点的兴趣点信息。

在上述实施例的作用下，实现了地理位置服务的调用，由此得到商圈地理范围中兴趣点的兴趣点信息，为后续商圈命名的自动化提供了依据。

请参阅图4，在一示例性实施例中，步骤311可以包括以下步骤：

步骤3111，确定对应于所述商圈地理范围的经纬度范围。

如前所述，商圈地理范围，实质由大量的地理位置点形成，那么，如果该商圈地理范围由多边形表示，则该多边形的每一个顶点都是一个地理位置点。其中，地理位置点由经度和纬度表示。

基于此，对应于商圈地理范围的经纬度范围，实质是指用于表示该商圈地理范围的多边形的每一个顶点之间的距离，换而言之，所述经纬度范围的最小值包括最小经度和最小纬度，所述经纬度范围的最大值包括最大经度和最大纬度。

步骤3113，控制位置变量按照设定步进值在所述经纬度范围内循环，由所述经纬度范围的最小值逐渐步进至所述经纬度范围的最大值。

具体而言，S1：根据所述最小经度lonMin和所述最小纬度latMin，分别初始化所述位置变量(lon,lat)中的经度变量lon和纬度变量lat。

即，lon＝lonMin，lat＝latMax。

S2：基于初始化的经度变量lon，控制所述纬度变量lat按照所述设定步进值0.001由所述最小纬度latMin逐渐步进至所述最大纬度latMax。

即，lon＝lonMin，如果lat<latMax，则lat’＝lat+0.001，直至lat’>＝latMax，执行S3。

其中，设定步进值0.001相当于地图中100米，可以根据实际应用场景的需要灵活地调整，本实施例并非对此构成具体限定。

S3：当完成所述纬度变量lat’在所述最小纬度latMin与所述最大纬度latMax之间的步进，按照所述设定步进值0.001更新所述经度变量lon。

即，lon’＝lon+0.001，如果lon’<lonMax，则执行S4。

S4：基于更新的经度变量lon’，执行所述控制所述纬度变量lat按照所述设定步进值0.001由所述最小纬度latMin逐渐步进至所述最大纬度latMax的步骤。

循环执行S3-S4，直至lon’>＝lonMax，完成经度变量lon’在最小经度lonMin与最大经度lonMax之间的步进。

上述过程中，位置变量(lon,lat)以设定步进值0.001在经纬度范围内循环，相当于以地图中100米的间隔遍历商圈地理范围中可能包含的地理位置点。

步骤3115，循环过程中，如果所述位置变量表示的地理位置点位于所述商圈地理范围内，则将位于所述商圈地理范围内的该地理位置点添加至位置点集合。

本实施例中，判断位置变量表示的地理位置点是否位于商圈地理范围内，也即是，判断位置变量表示的“点”是否在用于表示商圈地理范围的多边形中，采用多边形与点的位置关系判断算法实现。

步骤3117，当完成所述位置变量在所述经纬度范围内的循环，以所述位置点集合中的地理位置点作为选取到的地理位置点。

在上述实施例的配合下，创新性地将商圈地理范围表示的“面”转化为一系列地理位置点表示的“点”，使得基于“点”的地理位置服务调用得以实现。

请参阅图5，在一示例性实施例中，步骤350可以包括以下步骤：

步骤351，针对每一个候选兴趣点的兴趣点名称，对该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称进行相似度分析，得到该候选兴趣点的名称代表度得分。

候选兴趣点的名称代表度得分，表示该候选兴趣点的兴趣点名称与商圈地理范围中多少个其余候选兴趣点的兴趣点名称相似，应当理解，名称代表度得分越高，该候选兴趣点的兴趣点名称与商圈地理范围中越多的候选兴趣点的兴趣点名称相似，也可以理解为，该候选兴趣点的兴趣点名称越适合用于待命名商圈的商圈名称。

由此，基于候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称之间的相似度分析，便可得到候选兴趣点的名称代表度得分。

其中，相似度分析算法包括余弦相似性、相似性系数、欧式距离、曼哈顿距离、汉明距离、字符编辑距离、简单共有词等等，本实施例并未对此加以限定。

步骤353，针对每一个候选兴趣点的兴趣点类型，按照兴趣点类型评分规则为该候选兴趣点的兴趣点类型评分，得到该候选兴趣点的类型代表度得分。

本实施例中，兴趣点类型评分规则，将兴趣点类型划分为8个等级，并配置对应的得分，具体如下表1所示。

表1兴趣点类型及其等级、对应分数

当然，兴趣点类型评分规则，可以根据实际应用场景的需要灵活地配置，即灵活地配置不同的等级、以及灵活地配置各个等级对应的得分，本实施例并非对此构成具体限定。

由此，基于兴趣点类型评分规则，针对每一个候选兴趣点的兴趣点类型，便可得到该候选兴趣点的类型代表度得分，应当理解，类型代表度得分越高，该候选兴趣点越适合用于命名待命名商圈。

步骤355，根据该候选兴趣点的名称代表度得分和类型代表度得分，得到该候选兴趣点的代表度得分。

在获得候选兴趣点的名称代表度得分和类型代表度得分之后，便可以此进一步得到该候选兴趣点的代表度得分。

关于候选兴趣点的代表度得分，可以通过名称代表度得分和类型代表度得分直接相加得到，还可以由名称代表度得分和类型代表度得分的加权和生成，本实施例对此并未加以限定。

在上述实施例的作用下，实现了候选兴趣点自动化评分方案，不仅为选取代表兴趣点提供了依据，且有利于实现商圈命名的自动化。

请参阅图6，在一示例性实施例中，步骤351可以包括以下步骤：

步骤3511，针对每一个候选兴趣点的兴趣点名称，计算该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称之间的文字相似度，得到多个文字相似度，每一个文字相似度对应一个其余候选兴趣点。

具体地，如图7所示，步骤3511可以包括以下步骤：

步骤410，针对每一个其余候选兴趣点的兴趣点名称，检测其中一个其余候选兴趣点的兴趣点名称是否包含该候选兴趣点的兴趣点名称。如果检测到其中一个其余候选兴趣点的兴趣点名称包含该候选兴趣点的兴趣点名称，则执行步骤430。

如果检测到其中一个其余候选兴趣点的兴趣点名称未包含该候选兴趣点的兴趣点名称，则执行步骤450至步骤470。

步骤430，将该候选兴趣点的兴趣点名称与其中一个其余候选兴趣点的兴趣点名称之间的文字相似度配置为一。

例如，候选兴趣点A1的兴趣点名称为“海岸城”，其余候选兴趣点B1的兴趣点名称为“海岸城购物中心”，其余候选兴趣点B2的兴趣点名称为“保利影院”。

通过检测，认为其余候选兴趣点B1的兴趣点名称包含候选兴趣点A1的兴趣点名称，则候选兴趣点A1的兴趣点名称与其余候选兴趣点名称之间的文字相似度配置为1。

步骤450，计算该候选兴趣点的兴趣点名称与其中一个其余候选兴趣点的兴趣点名称之间的字符串编辑距离。

仍以前述例子进行说明，通过检测，认为其余候选兴趣点B2的兴趣点名称则未包含候选兴趣点A1的兴趣点名称。

此时，计算其余候选兴趣点B2的兴趣点名称与候选兴趣点A1的兴趣点名称之间的字符串编辑距离。

在此说明的是，字符串编辑距离，是指两个字符串中，其中一个字符串转换成另一个字符串所需要的最少字符编辑操作次数，该字符编辑操作包括增加、减少、位置移动等，应当理解，字符编辑操作次数越少，则字符串编辑距离越小，两个字符串之间的相似度越高。

步骤470，根据所述字符串编辑距离，配置该候选兴趣点的兴趣点名称与其中一个其余候选兴趣点的兴趣点名称之间的文字相似度。

具体地，文字相似度＝从字符串A到字符串B的字符串编辑距离/max(A的字符串长度,B的字符串长度)。

其中，max(A的字符串长度,B的字符串长度)表示取A的字符串长度、B的字符串长度中的较大一个。

步骤3513，基于多个文字相似度，统计超过第一相似度阈值的文字相似度的个数。

其中，第一相似度阈值可以根据实际应用场景的需要灵活地调整，在此并未加以限定。例如，对精度要求较高的应用场景中，配置较大的第一相似度阈值。

步骤3515，根据统计得到的个数，计算该候选兴趣点的名称代表度得分。

具体而言，名称代表度得分＝Np/(Np+N0)。

其中，Np表示统计得到超过第一相似度阈值的文字相似度的个数，N0表示可以根据实际应用场景的需要灵活调整的一个正整数，在此并未加以限定。

在此说明的是，上述计算公式，目的在于控制名称代表度得分在0-1之间，因此，关于名称代表度得分的计算方法，并非仅限于此，还可以有其他方法，本实施例并非对此构成具体限定。

在上述实施例的作用下，基于字符串编辑距离，使得名称代表度得分能够不依赖人工实现，进而有利于商圈命名自动化的实现。

请参阅图8，在一示例性实施例中，步骤355可以包括以下步骤：

步骤3551，获取为名称代表度得分配置的第一权重系数、以及为类型代表度得分配置的第二权重系数。

步骤3553，根据该候选兴趣点的名称代表度得分和所述第一权重系数，得到该候选兴趣点关于名称代表度的第一权重值，以及根据该候选兴趣点的类型代表度得分和所述第二权重系数，得到该候选兴趣点关于类型代表度的第二权重值。

步骤3555，根据所述第一权重值和所述第二权重值，得到该候选兴趣点的代表度得分。

具体而言，第一权重值＝候选兴趣点的名称代表度得分×Pn。

第二权重值＝候选兴趣点的类型代表度得分×Pc。

候选兴趣点的代表度得分＝第一权重值+第二权重值。

其中，Pn为第一权重系数，Pc为第二权重系数，且满足0<＝Pn<＝1，0<＝Pc<＝1，Pn+Pc＝1。

当然，第一权重系数、第二权重系数均可以根据实际应用场景的需要灵活地配置，本实施例并未对此加以限定。

在上述过程中，基于加权和，实现了候选兴趣点自动化评分方案，不仅为代表兴趣点的选取提供了依据，且有利于实现商圈命名的自动化。

请参阅图9，在一示例性实施例中，步骤370可以包括以下步骤：

步骤371，针对所述商圈地理范围内每一个兴趣点的兴趣点名称，计算该兴趣点的兴趣点名称与代表兴趣点的兴趣点名称之间的文字相似度，得到该兴趣点的文字相似度。

具体而言，如图10所示，步骤371可以包括以下步骤：

步骤3711，检测该兴趣点的兴趣点名称是否包含所述代表兴趣点的兴趣点名称。

如果检测到该兴趣点的兴趣点名称包含所述代表兴趣点的兴趣点名称，则执行步骤3713。

如果检测到该兴趣点的兴趣点名称未包含所述代表兴趣点的兴趣点名称，则执行步骤3715至步骤3717。

步骤3713，将该兴趣点的文字相似度配置为一。

步骤3715，计算该兴趣点的兴趣点名称与所述代表兴趣点的兴趣点名称之间的字符串编辑距离。

步骤3717，根据所述字符串编辑距离，配置该兴趣点的文字相似度。

在此说明的，兴趣点的文字相似度的计算过程与上述实施例中文字相思断的计算过程基本一致，此处不再重复赘述。

步骤373，将文字相似度超过第二相似度阈值的兴趣点添加至兴趣点集合，计算由所述兴趣点集合中兴趣点围合而成的区域的面积。

发明人意识到，以代表兴趣点的兴趣点名称命名待命名商圈，如果仅考虑商圈地理范围的面积大小，有时候仍无法准确地描述商圈。

例如，如果仅考虑商圈地理范围的面积大小，待命名商圈有可能被添加“中心”后缀词，然而，实际情况是，对于一些兴趣点名称与代表兴趣点的兴趣点名称较为相似的兴趣点而言，如果该些兴趣点集中的区域与待命名商圈对应商圈地理范围相差较大，则表示待命名商圈与代表兴趣点的兴趣点名称关系不够紧密，此时，应该考虑为待命名商圈添加“周边”后缀词。

因此，在进行商圈命名之前，需要针对兴趣点名称与代表兴趣点的兴趣点名称较为相似的兴趣点进行区域划分。

兴趣点集合，存储有文字相似度超过第二相似度阈值的兴趣点，也就是说，该兴趣点集合中兴趣点的兴趣点名称，与代表兴趣点的兴趣点名称较为相似，由此，基于该兴趣点集合中的兴趣点在商圈地理范围内进行区域划分，便可有效地辅助商圈命名。

其中，第二相似度阈值可以根据实际应用场景的需要灵活地调整，在此并未加以限定。例如，对精度要求较高的应用场景中，配置较大的第二相似度阈值。

本实施例中，区域划分方法通过求二维点集的凸多边形算法实现。例如，求二维点集的凸多边形算法包括Graham扫描法。

具体地，该求二维点集的凸多边形算法以兴趣点集合中兴趣点的兴趣点位置，即二维点作为输入，输出得到该些兴趣点依序围合而成的面积最小的凸多边形，即区域。

补充说明的是，兴趣点的兴趣点位置，实质为兴趣点在地图中所在的地理位置，由经度和纬度表示，存储于该兴趣点的兴趣点信息。

步骤375，根据所述区域的面积和所述商圈地理范围的面积，生成所述待命名商圈的商圈名称。

具体地，Ra＝Pa的面积/商圈地理范围的面积。

如果Ra<＝Da，则待命名商圈的商圈名称为“代表兴趣点的兴趣点名称+周边”。

如果Ra>＝Db，则待命名商圈的商圈名称为“代表兴趣点的兴趣点名称+中心”。

如果Da＜Ra＜Db，则待命名商圈的商圈名称为“代表兴趣点的兴趣点名称”。

其中，Pa表示兴趣点集合中兴趣点围合而成的区域。

Da、Db可以根据实际应用场景的需要灵活地配置，只要满足Db>Da、Da>＝0、Da<＝1、Db>＝0、Db<＝1即可。

通过上述实施例的配合，基于后缀词命名，高效、准确地实现了商圈命名的自动化。

图11是一应用场景中一种商圈自动命名的方法的具体实现示意图。

图12是一应用场景中完成自动化命名的商圈在地图应用程序所承载地图中的示意图。

该应用场景中，基于地图应用程序所承载地图，确定若干具有一定地理范围的商圈，即待命名商圈以及对应的商圈地理范围，如图12所示，并借由地图应用程序请求服务器端返回商圈地理范围中兴趣点的兴趣点信息，该兴趣点信息包括兴趣点名称，那么，便能够基于商圈地理范围中兴趣点的兴趣点名称实现待命名商圈的自动命名，也即是，通过图11所示的各步骤，能够为具有一定地理范围的商圈进行自动命名，如图12所示。

通过上述商圈命名自动化过程，抽测命名准确率高达85％以上，从而能够避免依赖于人工实现，高效、准确地完成了商圈的自动命名。

下述为本发明装置实施例，可以用于执行本发明所涉及的商圈自动命名的方法。对于本发明装置实施例中未披露的细节，请参照本发明所涉及的商圈自动命名的方法的实施例。

请参阅图13，在一示例性实施例中，一种商圈自动命名的装置900包括但不限于：兴趣点获取模块910、兴趣点筛选模块930、代表度得分计算模块950、商圈名称生成模块970。

其中，兴趣点获取模块910，用于获取商圈地理范围中兴趣点的兴趣点信息，所述兴趣点信息包括兴趣点名称和兴趣点类型，所述商圈地理范围对应于待命名商圈。

兴趣点筛选模块930，用于根据存储的兴趣点关键类型对所述商圈地理范围中的兴趣点进行筛选，得到兴趣点类型与所述兴趣点关键类型相匹配的候选兴趣点。

代表度得分计算模块950，用于根据每一个候选兴趣点的兴趣点名称和兴趣点类型，计算该候选兴趣点用于代表所述商圈地理范围中其余候选兴趣点的代表度得分。

商圈名称生成模块970，用于以代表度得分最高的候选兴趣点作为代表兴趣点，根据所述代表兴趣点的兴趣点名称生成所述待命名商圈的商圈名称。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，在所述商圈地理范围中选取地理位置点。

根据选取到的地理位置点调用地理位置服务，得到所述商圈地理范围中兴趣点的兴趣点信息。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，确定对应于所述商圈地理范围的经纬度范围。

控制位置变量按照设定步进值在所述经纬度范围内循环，由所述经纬度范围的最小值逐渐步进至所述经纬度范围的最大值。

循环过程中，如果所述位置变量表示的地理位置点位于所述商圈地理范围内，则将位于所述商圈地理范围内的该地理位置点添加至位置点集合。

当完成所述位置变量在所述经纬度范围内的循环，以所述位置点集合中的地理位置点作为选取到的地理位置点。

在一示例性实施例中，所述经纬度范围的最小值包括最小经度和最小纬度，所述经纬度范围的最大值包括最大经度和最大纬度。

相应地，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，根据所述最小经度和所述最小纬度，分别初始化所述位置变量中的经度变量和纬度变量。

基于初始化的经度变量，控制所述纬度变量按照所述设定步进值由所述最小纬度逐渐步进至所述最大纬度。

当完成所述纬度变量在所述最小纬度与所述最大纬度之间的步进，按照所述设定步进值更新所述经度变量。

基于更新的经度变量，执行所述控制所述纬度变量按照所述设定步进值由所述最小纬度逐渐步进至所述最大纬度的步骤。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，针对每一个候选兴趣点的兴趣点名称，对该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称进行相似度分析，得到该候选兴趣点的名称代表度得分。

针对每一个候选兴趣点的兴趣点类型，按照兴趣点类型评分规则为该候选兴趣点的兴趣点类型评分，得到该候选兴趣点的类型代表度得分。

根据该候选兴趣点的名称代表度得分和类型代表度得分，得到该候选兴趣点的代表度得分。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，针对每一个候选兴趣点的兴趣点名称，计算该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称之间的文字相似度，得到多个文字相似度，每一个文字相似度对应一个其余候选兴趣点。

基于多个文字相似度，统计超过第一相似度阈值的文字相似度的个数。

根据统计得到的个数，计算该候选兴趣点的名称代表度得分。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，针对每一个其余候选兴趣点的兴趣点名称，检测另一个其余候选兴趣点的兴趣点名称是否包含该候选兴趣点的兴趣点名称。

如果是，则将该候选兴趣点的兴趣点名称与另一个其余候选兴趣点的兴趣点名称之间的文字相似度配置为一。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，如果检测到另一个其余候选兴趣点的兴趣点名称未包含该候选兴趣点的兴趣点名称，则计算该候选兴趣点的兴趣点名称与另一个其余候选兴趣点的兴趣点名称之间的字符串编辑距离。

根据所述字符串编辑距离，配置该候选兴趣点的兴趣点名称与另一个其余候选兴趣点的兴趣点名称之间的文字相似度。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，获取为名称代表度得分配置的第一权重系数、以及为类型代表度得分配置的第二权重系数。

根据该候选兴趣点的名称代表度得分和所述第一权重系数，得到该候选兴趣点关于名称代表度的第一权重值，以及根据该候选兴趣点的类型代表度得分和所述第二权重系数，得到该候选兴趣点关于类型代表度的第二权重值。

根据所述第一权重值和所述第二权重值，得到该候选兴趣点的代表度得分。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，针对所述商圈地理范围内每一个兴趣点的兴趣点名称，计算该兴趣点的兴趣点名称与代表兴趣点的兴趣点名称之间的文字相似度，得到该兴趣点的文字相似度。

将文字相似度超过第二相似度阈值的兴趣点添加至兴趣点集合，计算由所述兴趣点集合中兴趣点围合而成的区域的面积。

根据所述区域的面积和所述商圈地理范围的面积，生成所述待命名商圈的商圈名称。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，检测该兴趣点的兴趣点名称是否包含所述代表兴趣点的兴趣点名称。

如果是，则将该兴趣点的文字相似度配置为一。

在一示例性实施例中，如上所述商圈自动命名的装置900，还可以用于实现以下功能，包括但不限于：

其中，如果检测到该兴趣点的兴趣点名称未包含所述代表兴趣点的兴趣点名称，则计算该兴趣点的兴趣点名称与所述代表兴趣点的兴趣点名称之间的字符串编辑距离。

根据所述字符串编辑距离，配置该兴趣点的文字相似度。

需要说明的是，上述实施例所提供的商圈自动命名的装置在进行商圈自动命名时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即商圈自动命名的装置的内部结构将划分为不同的功能模块，以完成以上描述的全部或者部分功能。

另外，上述实施例所提供的商圈自动命名的装置与商圈自动命名的方法的实施例属于同一构思，其中各个模块执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。

请参阅图14，在一示例性实施例中，一种计算机设备1000，包括至少一处理器1001、至少一存储器1001、以及至少一通信总线1003。

其中，存储器1001上存储有计算机可读指令，处理器1001通过通信总线1003读取存储器1001中存储的计算机可读指令。

该计算机可读指令被处理器1001执行时实现上述各实施例中的商圈自动命名的方法。

在一示例性实施例中，一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各实施例中的商圈自动命名的方法。

上述内容，仅为本发明的较佳示例性实施例，并非用于限制本发明的实施方案，本领域普通技术人员根据本发明的主要构思和精神，可以十分方便地进行相应的变通或修改，故本发明的保护范围应以权利要求书所要求的保护范围为准。

Claims (14)

1.一种商圈自动命名的方法，其特征在于，包括：

获取商圈地理范围中兴趣点的兴趣点信息，所述兴趣点信息包括兴趣点名称和兴趣点类型，所述商圈地理范围对应于待命名商圈；

根据存储的兴趣点关键类型对所述商圈地理范围中的兴趣点进行筛选，得到兴趣点类型与所述兴趣点关键类型相匹配的候选兴趣点；

根据每一个候选兴趣点的兴趣点名称和兴趣点类型，计算该候选兴趣点用于代表所述商圈地理范围中其余候选兴趣点的代表度得分；

以代表度得分最高的候选兴趣点作为代表兴趣点，针对所述商圈地理范围内每一个兴趣点的兴趣点名称，计算该兴趣点的兴趣点名称与所述代表兴趣点的兴趣点名称之间的文字相似度，得到该兴趣点的文字相似度；

将文字相似度超过第二相似度阈值的兴趣点添加至兴趣点集合，计算由所述兴趣点集合中兴趣点围合而成的区域的面积；

当所述区域的面积和所述商圈地理范围的面积的比值处于预设范围时，以所述代表兴趣点的兴趣点名称作为所述待命名商圈的商圈名称；

当所述区域的面积和所述商圈地理范围的面积的比值处于预设范围之外时，以所述代表兴趣点的兴趣点名称与后缀词相结合，作为所述待命名商圈的商圈名称。

2.如权利要求1所述的方法，其特征在于，所述获取商圈地理范围中兴趣点的兴趣点信息，包括：

在所述商圈地理范围中选取地理位置点；

根据选取到的地理位置点调用地理位置服务，得到所述商圈地理范围中兴趣点的兴趣点信息。

3.如权利要求2所述的方法，其特征在于，所述在所述商圈地理范围中选取地理位置点，包括：

确定对应于所述商圈地理范围的经纬度范围；

控制位置变量按照设定步进值在所述经纬度范围内循环，由所述经纬度范围的最小值逐渐步进至所述经纬度范围的最大值；

循环过程中，如果所述位置变量表示的地理位置点位于所述商圈地理范围内，则将位于所述商圈地理范围内的该地理位置点添加至位置点集合；

当完成所述位置变量在所述经纬度范围内的循环，以所述位置点集合中的地理位置点作为选取到的地理位置点。

4.如权利要求3所述的方法，其特征在于，所述经纬度范围的最小值包括最小经度和最小纬度，所述经纬度范围的最大值包括最大经度和最大纬度；

所述控制位置变量按照设定步进值在所述经纬度范围内循环，由所述经纬度范围的最小值逐渐步进至所述经纬度范围的最大值，包括：

根据所述最小经度和所述最小纬度，分别初始化所述位置变量中的经度变量和纬度变量；

基于初始化的经度变量，控制所述纬度变量按照所述设定步进值由所述最小纬度逐渐步进至所述最大纬度；

当完成所述纬度变量在所述最小纬度与所述最大纬度之间的步进，按照所述设定步进值更新所述经度变量；

基于更新的经度变量，执行所述控制所述纬度变量按照所述设定步进值由所述最小纬度逐渐步进至所述最大纬度的步骤。

5.如权利要求1所述的方法，其特征在于，所述根据每一个候选兴趣点的兴趣点名称和兴趣点类型，计算该候选兴趣点用于代表所述商圈地理范围中其余候选兴趣点的代表度得分，包括：

针对每一个候选兴趣点的兴趣点名称，对该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称进行相似度分析，得到该候选兴趣点的名称代表度得分；

针对每一个候选兴趣点的兴趣点类型，按照兴趣点类型评分规则为该候选兴趣点的兴趣点类型评分，得到该候选兴趣点的类型代表度得分；

根据该候选兴趣点的名称代表度得分和类型代表度得分，得到该候选兴趣点的代表度得分。

6.如权利要求5所述的方法，其特征在于，所述针对每一个候选兴趣点的兴趣点名称，对该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称进行相似度分析，得到该候选兴趣点的名称代表度得分，包括：

针对每一个候选兴趣点的兴趣点名称，计算该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称之间的文字相似度，得到多个文字相似度，每一个文字相似度对应一个其余候选兴趣点；

基于多个文字相似度，统计超过第一相似度阈值的文字相似度的个数；

根据统计得到的个数，计算该候选兴趣点的名称代表度得分。

7.如权利要求6所述的方法，其特征在于，所述计算该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称之间的文字相似度，包括：

针对每一个其余候选兴趣点的兴趣点名称，检测其中一个其余候选兴趣点的兴趣点名称是否包含该候选兴趣点的兴趣点名称；

如果是，则将该候选兴趣点的兴趣点名称与其中一个其余候选兴趣点的兴趣点名称之间的文字相似度配置为一。

8.如权利要求7所述的方法，其特征在于，所述计算该候选兴趣点的兴趣点名称与其余候选兴趣点的兴趣点名称之间的文字相似度，还包括：

如果检测到其中一个其余候选兴趣点的兴趣点名称未包含该候选兴趣点的兴趣点名称，则计算该候选兴趣点的兴趣点名称与其中一个其余候选兴趣点的兴趣点名称之间的字符串编辑距离；

根据所述字符串编辑距离，配置该候选兴趣点的兴趣点名称与其中一个其余候选兴趣点的兴趣点名称之间的文字相似度。

9.如权利要求5所述的方法，其特征在于，所述根据该候选兴趣点的名称代表度得分和类型代表度得分，得到该候选兴趣点的代表度得分，包括：

获取为名称代表度得分配置的第一权重系数、以及为类型代表度得分配置的第二权重系数；

根据该候选兴趣点的名称代表度得分和所述第一权重系数，得到该候选兴趣点关于名称代表度的第一权重值，以及根据该候选兴趣点的类型代表度得分和所述第二权重系数，得到该候选兴趣点关于类型代表度的第二权重值；

根据所述第一权重值和所述第二权重值，得到该候选兴趣点的代表度得分。

10.如权利要求1所述的方法，其特征在于，所述针对所述商圈地理范围内每一个兴趣点的兴趣点名称，计算该兴趣点的兴趣点名称与代表兴趣点的兴趣点名称之间的文字相似度，得到该兴趣点的文字相似度，包括：

检测该兴趣点的兴趣点名称是否包含所述代表兴趣点的兴趣点名称；

如果是，则将该兴趣点的文字相似度配置为一。

11.如权利要求10所述的方法，其特征在于，所述针对所述商圈地理范围内每一个兴趣点的兴趣点名称，计算该兴趣点的兴趣点名称与代表兴趣点的兴趣点名称之间的文字相似度，得到该兴趣点的文字相似度，还包括：

如果检测到该兴趣点的兴趣点名称未包含所述代表兴趣点的兴趣点名称，则计算该兴趣点的兴趣点名称与所述代表兴趣点的兴趣点名称之间的字符串编辑距离；

根据所述字符串编辑距离，配置该兴趣点的文字相似度。

12.一种商圈自动命名的装置，其特征在于，包括：

兴趣点获取模块，用于获取商圈地理范围中兴趣点的兴趣点信息，所述兴趣点信息包括兴趣点名称和兴趣点类型，所述商圈地理范围对应于待命名商圈；

兴趣点筛选模块，用于根据存储的兴趣点关键类型对所述商圈地理范围中的兴趣点进行筛选，得到兴趣点类型与所述兴趣点关键类型相匹配的候选兴趣点；

代表度得分计算模块，用于根据每一个候选兴趣点的兴趣点名称和兴趣点类型，计算该候选兴趣点用于代表所述商圈地理范围中其余候选兴趣点的代表度得分；

文字相似度计算单元，用于以代表度得分最高的候选兴趣点作为代表兴趣点，针对所述商圈地理范围内每一个兴趣点的兴趣点名称，计算该兴趣点的兴趣点名称与所述代表兴趣点的兴趣点名称之间的文字相似度，得到该兴趣点的文字相似度；

面积计算单元，用于将文字相似度超过第二相似度阈值的兴趣点添加至兴趣点集合，计算由所述兴趣点集合中兴趣点围合而成的区域的面积；

商圈命名单元，用于：

当所述区域的面积和所述商圈地理范围的面积的比值处于预设范围时，以所述代表兴趣点的兴趣点名称作为所述待命名商圈的商圈名称；

当所述区域的面积和所述商圈地理范围的面积的比值处于预设范围之外时，以所述代表兴趣点的兴趣点名称与后缀词相结合，作为所述待命名商圈的商圈名称。

13.一种计算机设备，其特征在于，包括：

处理器；及

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1至11中任一项所述的商圈自动命名的方法。

14.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至11中任一项所述的商圈自动命名的方法。

Images