CN110990728B - 兴趣点信息的管理方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种兴趣点信息的管理方法、装置、设备及存储介质。方法包括：获取用于更新的目标POI信息；基于POI审核确认机器学习模型对目标POI信息进行审核确认，POI审核确认机器学习模型通过历史审核数据进行训练得到，历史审核数据为已经确认审核结果的数据；响应于目标POI信息通过审核确认，根据目标POI信息更新POI数据库。针对获取到的目标POI信息，基于机器学习模型进行自动审核确认，在审核确认之后，再据此更新POI数据库，从而无需依赖人工审核，降低了人工成本。也正因为如此，不会存在人工判断能力上的差异，审核标准更为统一，审核速度也较人工的方式更快，因而能够提高审核结果的准确率以及管理效率。

Description

兴趣点信息的管理方法、装置、设备及存储介质

技术领域

本申请实施例涉及互联网技术领域，特别涉及一种兴趣点信息的管理方法、装置、设备及存储介质。

背景技术

随着互联网技术的不断发展，POI(Point of Interest，兴趣点)的应用范围越来越广。例如，POI作为基于位置服务的核心数据，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。此外，一些互联网应用也引入了POI来提供位置相关的服务。且为了提供更为全面的服务，维护的POI数据库中的POI信息数量越来越大。因此，如何对大量POI信息进行管理，成为了亟待解决的问题。

发明内容

本申请实施例提供了一种兴趣点信息的管理方法、装置、设备及存储介质，可用于解决相关技术中的问题。所述技术方案如下：

一方面，本申请实施例提供了一种兴趣点信息的管理方法，所述方法包括：

获取用于更新的目标兴趣点(POI)信息；

基于POI审核确认机器学习模型对所述目标POI信息进行审核确认，所述POI审核确认机器学习模型通过历史审核数据进行训练得到，所述历史审核数据为已经确认审核结果的数据；

响应于所述目标POI信息通过审核确认，根据所述目标POI信息更新POI数据库。

在一种可能的实现方式中，所述基于POI审核确认机器学习模型对所述目标POI信息进行审核确认之前，还包括：

获取历史审核数据；

基于所述历史审核数据对初始机器学习模型进行训练，得到所述POI审核确认机器学习模型，所述初始机器学习模型为一个机器学习模型，或者，所述初始机器学习模型由一个或多个机器学习模型进行融合得到。

在一种可能的实现方式中，所述基于所述历史审核数据对初始机器学习模型进行训练，得到所述POI审核确认机器学习模型，包括：

对所述历史审核数据进行文本挖掘，得到第一文本信息；

对所述历史审核数据进行图像处理，得到第一图像处理结果；

根据所述历史审核数据、所述第一文本信息和所述第一图像处理结果对初始机器学习模型进行训练，得到所述POI审核确认机器学习模型。

在一种可能的实现方式中，所述基于POI审核确认机器学习模型对所述目标POI信息进行审核确认，包括：

对所述目标POI信息进行文本挖掘，得到第二文本信息；

对所述目标POI信息进行图像处理，得到第二图像处理结果；

将所述目标POI信息、所述第二文本信息和所述第二图像处理结果输入所述POI审核确认机器学习模型进行审核确认。

在一种可能的实现方式中，所述响应于所述目标POI信息通过审核确认，根据所述目标POI信息更新POI数据库，包括：

响应于所述目标POI信息通过审核确认，将所述目标POI信息与POI数据库中的POI信息进行比对，根据比对结果确定所述目标POI信息的类型；

根据所述目标POI信息的类型更新所述POI数据库。

在一种可能的实现方式中，所述目标POI信息的类型为新增POI信息；

所述根据所述目标POI信息的类型更新所述POI数据库，包括：

将所述新增POI信息增加到POI数据库中。

在一种可能的实现方式中，所述目标POI信息的类型为已有POI信息的修改信息；

所述根据所述目标POI信息的类型更新所述POI数据库，包括：

根据所述已有POI信息的修改信息对所述POI数据库中所述已有POI信息进行修改。

还提供了一种兴趣点信息的管理装置，所述装置包括：

获取模块，用于获取用于更新的目标兴趣点(POI)信息；

审核模块，用于基于POI审核确认机器学习模型对所述目标POI信息进行审核确认，所述POI审核确认机器学习模型通过历史审核数据进行训练得到，所述历史审核数据为已经确认审核结果的数据；

更新模块，用于响应于所述目标POI信息通过审核确认，根据所述目标POI信息更新POI数据库。

在一种可能的实现方式中，所述获取模块，还用于获取历史审核数据；基于所述历史审核数据对初始机器学习模型进行训练，得到所述POI审核确认机器学习模型，所述初始机器学习模型为一个机器学习模型，或者，所述初始机器学习模型由一个或多个机器学习模型进行融合得到。

在一种可能的实现方式中，所述获取模块，用于对所述历史审核数据进行文本挖掘，得到第一文本信息；对所述历史审核数据进行图像处理，得到第一图像处理结果；根据所述历史审核数据、所述第一文本信息和所述第一图像处理结果对初始机器学习模型进行训练，得到所述POI审核确认机器学习模型。

在一种可能的实现方式中，所述审核模块，用于对所述目标POI信息进行文本挖掘，得到第二文本信息；对所述目标POI信息进行图像处理，得到第二图像处理结果；将所述目标POI信息、所述第二文本信息和所述第二图像处理结果输入所述POI审核确认机器学习模型进行审核确认。

在一种可能的实现方式中，所述更新模块，用于响应于所述目标POI信息通过审核确认，将所述目标POI信息与POI数据库中的POI信息进行比对，根据比对结果确定所述目标POI信息的类型；根据所述目标POI信息的类型更新所述POI数据库。

在一种可能的实现方式中，所述目标POI信息的类型为新增POI信息；

所述更新模块，用于将所述新增POI信息增加到POI数据库中。

在一种可能的实现方式中，所述目标POI信息的类型为已有POI信息的修改信息；

所述更新模块，用于根据所述已有POI信息的修改信息对所述POI数据库中所述已有POI信息进行修改。

一方面，提供了一种计算机设备，计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令在被所述处理器执行时实现如上任一所述的兴趣点信息的管理方法。

一方面，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中存储有至少一条指令，所述至少一条指令在被执行时实现如上任一所述的兴趣点信息的管理方法。

本申请实施例提供的技术方案至少带来如下有益效果：

针对获取到的目标POI信息，基于机器学习模型进行自动审核确认，在审核确认之后，再据此更新POI数据库，从而无需依赖人工审核，降低了人工成本。也正因为如此，不会存在人工判断能力上的差异，审核标准更为统一，审核速度也较人工的方式更快，因而能够提高审核结果的准确率以及管理效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种兴趣点信息的管理系统示意图；

图2是本申请实施例提供的一种兴趣点信息的管理方法流程图；

图3是本申请实施例提供的一种兴趣点信息的管理过程示意图；

图4是本申请实施例提供的一种兴趣点信息的管理过程示意图；

图5是本申请实施例提供的一种兴趣点信息的管理装置的结构示意图；

图6是本申请实施例提供的一种兴趣点信息的管理设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

随着互联网技术的不断发展，POI的应用范围越来越广。例如，POI作为基于位置服务的核心数据，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。此外，一些互联网应用也引入了POI来提供位置相关的服务。为了提供更为全面的服务，维护的POI数据库中的POI信息数量越来越大。采集POI的方式也越来越多，每天不仅有大量新增POI信息，也有一些针对已有POI信息的修改信息。面对大量的POI信息，如果仅通过人工审核来判断该POI信息是否正确，则消耗的人力巨大。且由于人力的不稳定，以及判断能力不的差异，判断标准不够统一，使得审核成本存在一定程度的误差，审核的准确率不高。因此，针对大量的POI信息，如何进行高效率以及高准确率的管理，成为了亟待解决的问题。

对此，本申请实施例提供了一种兴趣点信息的管理方法，该方法可应用于如图1所示的实施环境中。图1中，包括至少一个终端11和服务器12，终端11可与服务器12进行通信连接，以向服务器12上传用于更新的目标POI信息。该用于更新的目标POI信息的类型可以是新增POI信息，也可以是已有POI信息的修改信息。其中，修改信息可以是地址修改信息，联系修改信息等。

其中，终端11可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品，例如PC(Personal Computer，个人计算机)、手机、智能手机、PDA(Personal Digital Assistant，个人数字助手)、可穿戴设备、掌上电脑PPC(Pocket PC)、平板电脑、智能车机、智能电视、智能音箱等。

服务器12可以是一台服务器，也可以是由多台服务器组成的服务器集群，或者是一个云计算服务中心。

本领域技术人员应能理解上述终端11和服务器12仅为举例，其他现有的或今后可能出现的终端或服务器如可适用于本申请，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。

本申请实施例提供了一种兴趣点信息的管理方法，以服务器执行该方法为例，参见图2，该方法包括如下几个过程：

在步骤201中，获取用于更新的目标POI信息。

针对该步骤，本申请实施例不限定POI信息的采集方式，也不对POI信息的内容进行限定。以应用POI信息提供位置服务的互联网应用为例，为了使得该互联网应用的POI数据库中的POI信息越来越全面，该互联网应用可提供POI信息的上传入口，以使得使用该互联网应用的用户能够通过该上传入口上传可用于更新的目标POI信息。

例如，用户/商户可通过安装有该互联网应用的终端采集用于更新的目标POI信息，将该目标POI信息发送给服务器，服务器由此收集到用于更新的目标POI信息。其中，该目标POI信息的类型可以是新增POI信息，新增POI信息即POI数据库中未存在的POI信息，该种类型的目标POI信息可以按照新增的方式存储至POI数据库中。

除此之外，该目标POI信息的类型也可以是已有POI信息的修改信息。修改信息可以是对POI信息中的某个或多个信息进行修改。例如，一个商店的名称、地理位置等作为POI信息已存储在POI数据库中。后续该商店换了名称，则可以由商户将更新后的名称通过终端发送给服务器，该更新后的名称即为针对POI数据库中已有POI信息中的名称进行修改的信息。

在步骤202中，基于POI审核确认机器学习模型对目标POI信息进行审核确认，POI审核确认机器学习模型通过历史审核数据进行训练得到，历史审核数据为已经确认审核结果的数据。

随着机器学习技术的不断发展，机器学习已经被成功地应用于很多领域，通过训练用于审核POI信息的机器学习模型，可以使得机器学习模型不断得到优化，审核标准更为统一，审核结果的准确率也可不断的提高。因此，本申请实施例采取机器学习模型进行POI信息的管理，以通过机器学习模型对POI信息进行审核来代替人工审核。

在一种可能的实现方式中，基于POI审核确认机器学习模型对目标POI信息进行审核确认之前，还包括：获取历史审核数据，历史审核数据是已经确认审核结果的数据；基于历史审核数据对初始机器学习模型进行训练，得到POI审核确认机器学习模型，初始机器学习模型为一个机器学习模型，或者，初始机器学习模型由一个或多个机器学习模型进行融合得到。

示例性地，该历史审核数据包括但不限于商户信息、用户信息、场景信息及上下文信息中的至少一种信息。在一种可能的实现方式中，商户信息和用户信息包括基础信息、交易信息、浏览信息、历史新增报错统计信息、评论信息中的至少一种信息。场景信息和上下文信息包括图片信息、备注信息、字段信息、用户信息和来源信息中的至少一种信息。

其中，商户的基础信息可以是商户的基本注册信息，包括但不限于商户的名称、地址等，还可以包括商户的图片。用户的基础信息可以是用户的基本注册信息，包括但不限于用户的名称、账号信息，联系方式等，还可以包括用户的图片。交易信息可以是一段时间内的交易信息，包括但不限于购买的商品信息，购买时间、购买地点等。浏览信息包括但不限于浏览某个POI的时间，对某个POI的操作等。历史新增报错统计信息是指该用户或商户历史上报过的POI信息数量，时间等。评论信息是指用户或商户针对POI信息的评论，如该POI信息是否准确的评论等。

在一种可能的实现方式中，基于历史审核数据对初始机器学习模型进行训练，得到POI审核确认机器学习模型，包括：对历史审核数据进行文本挖掘，得到第一文本信息；对历史审核数据进行图像处理，得到第一图像处理结果；根据历史审核数据、第一文本信息和第一图像处理结果对初始机器学习模型进行训练，得到POI审核确认机器学习模型。

如图3所示，服务器可提前收集历史审核数据，基于历史审核数据训练POI审核确认机器学习模型。例如，如果该历史审核数据中包括图片，可以对图片进行分类，针对同一类图片获取训练样本。还可以对图片进行OCR识别，得出图片中的文本信息。除此之外，还可以对用户信息、备注信息、评论信息、交易信息、浏览信息、来源信息等包括文本的内容进行文本挖掘，以挖掘出更多具有参考价值的信息。

经过对历史审核数据进行一系列处理，将得到的处理后的数据作为训练样本，去训练初始机器学习模型，得到POI审核确认机器学习模型。

如图3所示，以训练样本训练初始机器学习模型时，可以提取训练样本中的特征，对特征进行处理，例如进行T+0计算和/或T+1计算，得到处理后的特征。之后，采用处理后的特征训练模型，得到训练好的模型，即POI审核确认机器学习模型。

其中，T+1计算是指离线计算，例如，对于场景信息，在hive平台/云计算平台等离线计算平台对特征进行离线计算处理。对于非场景信息以外的信息，在离线计算平台进行统计和汇总等处理，处理后存储起来，供模型需要的时候直接拿来使用，其延迟较长，例如需要一天左右的时间，所以称之为t+1计算。

T+0计算是指实时计算，例如，在触发新增报错行为即触发新增的POI信息的同时，在服务器中完成的计算，其延迟较低，是属于当天的计算，称之为t+0计算。对于训练模型时采用T+0计算还是采用T+1计算，可以基于处理的特征来定，本申请实施例对此不加以限定。

另外，在训练模型的阶段，可以对多个初始机器学习模型进行训练，即初始机器学习模型可以由一个或多个机器学习模型进行融合得到。该多个初始机器学习模型包括但不仅限于LGB/XGB/CatBoost，以及deep&wide等模型，也就是说，本申请实施例提供的方法可采用多种模型融合，得到POI审核确认机器学习模型。

得到训练好的模型即POI审核确认机器学习模型之后，便可应用该POI审核确认机器学习模型进行自动审核确认。例如，获取到用于更新的目标POI信息，此时该目标POI信息即为不确定审核结果的未知数据，通过对该目标POI信息进行特征提取和特征处理后，将处理后的特征输入至该POI审核确认机器学习模型，从而通过该POI审核确认机器学习模型的输出得到审核确认结果。

在示例性实施例中，基于POI审核确认机器学习模型对目标POI信息进行审核确认时，同训练该模型的过程一样，也可以对目标POI信息进行一些处理，以进一步提高审核确认结果的准确性。例如，基于POI审核确认机器学习模型对目标POI信息进行审核确认，包括：对目标POI信息进行文本挖掘，得到第二文本信息；对目标POI信息进行图像处理，得到第二图像处理结果；将目标POI信息、第二文本信息和第二图像处理结果输入POI审核确认机器学习模型进行审核确认。

其中，目标POI信息同历史审核数据的类型一样，也可以包括但不限于商户信息、用户信息、场景信息及上下文信息中的至少一种信息。在一种可能的实现方式中，商户信息和用户信息包括基础信息、交易信息、浏览信息、历史新增报错统计信息、评论信息中的至少一种信息。场景信息和上下文信息包括图片信息、备注信息、字段信息、用户信息和来源信息中的至少一种信息。

需要说明的是，如果采用多个初始机器学习模型融合的方式训练得到该POI审核确认机器学习模型，则每个模型都输出各自的审核确认结果，可以采用投票的方式选择最终结果，也可以对多个审核确认结果进行加权累加，得到最后的审核确认结果。

以用于更新的目标POI信息是用于新增报错为例，即该目标POI信息是对已有POI信息进行报错。通过该POI审核确认机器学习模型对目标POI信息进行审核确认的过程可如图4所示。图4中，数据层对应获取目标POI信息的过程。该目标POI信息包括但不限于商户信息、用户信息、场景信息及上下文信息。商户信息和用户信息包括基础信息、交易信息、浏览信息、历史新增报错统计信息、评论信息。场景信息和上下文信息包括图片信息、备注信息、字段信息、用户信息和来源信息。

如图4所示，获取到目标POI信息之后，由处理层进行对应的处理过程，包括但不限于T+1计算、T+0计算、图片分类、图片OCR、图片exif解析以及文本挖掘。之后，将处理结果输入至POI审核确认机器学习模型，即模型层。图4以POI审核确认机器学习模型由LGB/XGB/CatBoost以及deep和wide模型进行模型融合为例，通过该POI审核确认机器学习模型进行审核确认，得到审核确认结果，从而实现新增报错的实时自动审核。

在步骤203中，响应于目标POI信息通过审核确认，根据目标POI信息更新POI数据库。

由于POI数据库中存储有大量POI信息，当接收到目标POI信息后，可将该目标POI信息与POI数据库进行比对，从而确定该目标POI信息是用于更新的哪种类型，例如是POI数据库中没有的新增POI信息，还是对POI数据库中已有POI信息进行更新。在一种可能的实现方式中，响应于目标POI信息通过审核确认，根据目标POI信息更新POI数据库，包括：响应于目标POI信息通过审核确认，将目标POI信息与POI数据库中的POI信息进行比对，根据比对结果确定目标POI信息的类型；根据目标POI信息的类型更新POI数据库。

根据比对结果确定目标POI信息的类型，包括但不限于如下两种情况：

情况一：如果比对结果指示在POI数据库中不存在该目标POI信息，则该目标POI信息的类型为新增POI信息。

在一种可能的实现方式中，目标POI信息的类型为新增POI信息；根据目标POI信息的类型更新POI数据库，包括：将新增POI信息增加到POI数据库中。

例如，如果有用户向服务器上传了一张商店的图片，服务器通过将该图片输入至POI审核确认机器学习模型，由POI审核确认机器学习模型来确认该图片的真实性。在审核确认之后，将该图片与POI数据库中的POI信息进行比对，发现该图片并不存在于POI数据库中，则确定该图片是新增POI信息，将该图片存储至POI数据库中。可选地，除了直接存储该图片外，还可以对该图片进行文本识别及文本挖掘，从而得到更多的POI信息，一并与图片进行存储。

情况二：如果比对结果指示在POI数据库中存在与该目标POI信息部分匹配的POI信息，而与该目标POI信息部分匹配的POI信息即为已有POI信息，说明该目标POI信息是为了对已有POI信息进行修改的修改信息。

在一种可能的实现方式中，目标POI信息的类型为已有POI信息的修改信息；根据目标POI信息的类型更新POI数据库，包括：根据已有POI信息的修改信息对POI数据库中已有POI信息进行修改。

例如，针对同一个商店，POI数据库中已存储了该商店的名称、地址和图片等信息。后续有用户报错，向服务器上传了该商店的新图片，服务器通过将该图片输入至POI审核确认机器学习模型，由POI审核确认机器学习模型来确认该图片的真实性，从而在审核确认之后，将该图片与POI数据库中的POI信息进行比对，确定该图片是对已有商店的图片进行更新，则将该图片替换POI数据库中的图片。或者，将该图片与已有POI信息一并存储在POI数据库。

本申请实施例提供的方法，针对获取到的目标POI信息，基于机器学习模型进行自动审核确认，在审核确认之后，再据此更新POI数据库，从而无需依赖人工审核，降低了人工成本。也正因为如此，不会存在人工判断能力上的差异，审核标准更为统一，审核速度也较人工的方式更快，因而能够提高审核结果的准确率以及管理效率。

参见图5，本申请实施例提供了一种兴趣点信息的管理装置，该装置包括：

获取模块501，用于获取用于更新的目标兴趣点(POI)信息；

审核模块502，用于基于POI审核确认机器学习模型对目标POI信息进行审核确认，POI审核确认机器学习模型通过历史审核数据进行训练得到，历史审核数据为已经确认审核结果的数据；

更新模块503，用于响应于目标POI信息通过审核确认，根据目标POI信息更新POI数据库。

在一种可能的实现方式中，获取模块501，还用于获取历史审核数据；基于历史审核数据对初始机器学习模型进行训练，得到POI审核确认机器学习模型。

在一种可能的实现方式中，获取模块501，用于对历史审核数据进行文本挖掘，得到第一文本信息；对历史审核数据进行图像处理，得到第一图像处理结果；根据历史审核数据、第一文本信息和第一图像处理结果对初始机器学习模型进行训练，得到POI审核确认机器学习模型。

在一种可能的实现方式中，审核模块502，用于对目标POI信息进行文本挖掘，得到第二文本信息；对目标POI信息进行图像处理，得到第二图像处理结果；将目标POI信息、第二文本信息和第二图像处理结果输入POI审核确认机器学习模型进行审核确认。

在一种可能的实现方式中，更新模块503，用于响应于目标POI信息通过审核确认，将目标POI信息与POI数据库中的POI信息进行比对，根据比对结果确定目标POI信息的类型；根据目标POI信息的类型更新POI数据库。

在一种可能的实现方式中，目标POI信息的类型为新增POI信息；

更新模块503，用于将新增POI信息增加到POI数据库中。

在一种可能的实现方式中，目标POI信息的类型为已有POI信息的修改信息；

更新模块503，用于根据已有POI信息的修改信息对POI数据库中已有POI信息进行修改。

本申请实施例提供的兴趣点信息的管理装置，针对获取到的目标POI信息，基于机器学习模型进行自动审核确认，在审核确认之后，再据此更新POI数据库，从而无需依赖人工审核，降低了人工成本。也正因为如此，不会存在人工判断能力上的差异，审核标准更为统一，审核速度也较人工的方式更快，因而能够提高审核结果的准确率以及管理效率。

需要说明的是，上述实施例提供的装置在实现其功能时，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，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图6是本发明实施例提供的一种兴趣点信息的管理设备的结构示意图。该设备可以为终端，例如可以是：智能手机、平板电脑、笔记本电脑或台式电脑。终端还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端包括有：处理器601和存储器602。

处理器601可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器601可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器601还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器602可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的兴趣点信息的管理方法。

在一些实施例中，终端还可选包括有：外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地，外围设备包括：射频电路604、触摸显示屏605、摄像头606、音频电路605、定位组件608和电源609中的至少一种。

外围设备接口603可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中，处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上；在一些其他实施例中，处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路604用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路604包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路604还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏605用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时，显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时，显示屏605还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏605可以为一个，设置终端的前面板；在另一些实施例中，显示屏605可以为至少两个，分别设置在终端的不同表面或呈折叠设计；在再一些实施例中，显示屏605可以是柔性显示屏，设置在终端的弯曲表面上或折叠面上。甚至，显示屏605还可以设置成非矩形的不规则图形，也即异形屏。显示屏605可以采用LCD(Liquid CrystalDisplay，液晶显示屏)、OLED(Organic Light-Emitting Diode，有机发光二极管)等材质制备。

摄像头组件606用于采集图像或视频。可选地，摄像头组件606包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路605可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器601进行处理，或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路605还可以包括耳机插孔。

定位组件608用于定位终端的当前地理位置，以实现导航或LBS(Location BasedService，基于位置的服务)。定位组件608可以是基于美国的GPS(Global PositioningSystem，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源609用于为终端中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于：加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器66以及接近传感器616。

加速度传感器611可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号，控制触摸显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器612可以检测终端的机体方向及转动角度，陀螺仪传感器612可以与加速度传感器611协同采集用户对终端的3D动作。处理器601根据陀螺仪传感器612采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器613可以设置在终端的侧边框和/或触摸显示屏605的下层。当压力传感器613设置在终端的侧边框时，可以检测用户对终端的握持信号，由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在触摸显示屏605的下层时，由处理器601根据用户对触摸显示屏605的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器614用于采集用户的指纹，由处理器601根据指纹传感器614采集到的指纹识别用户的身份，或者，由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器601授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置终端的正面、背面或侧面。当终端上设置有物理按键或厂商Logo时，指纹传感器614可以与物理按键或厂商Logo集成在一起。

光学传感器66用于采集环境光强度。在一个实施例中，处理器601可以根据光学传感器66采集的环境光强度，控制触摸显示屏605的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏605的显示亮度；当环境光强度较低时，调低触摸显示屏605的显示亮度。在另一个实施例中，处理器601还可以根据光学传感器66采集的环境光强度，动态调整摄像头组件606的拍摄参数。

接近传感器616，也称距离传感器，通常设置在终端的前面板。接近传感器616用于采集用户与终端的正面之间的距离。在一个实施例中，当接近传感器616检测到用户与终端的正面之间的距离逐渐变小时，由处理器601控制触摸显示屏605从亮屏状态切换为息屏状态；当接近传感器616检测到用户与终端的正面之间的距离逐渐变大时，由处理器601控制触摸显示屏605从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图6中示出的结构并不构成对终端的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在示例中实施例中，还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令。所述至少一条指令经配置以由一个或者一个以上处理器执行，以实现上述任一种兴趣点信息的管理方法。

在示例性实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令在被计算机设备的处理器执行时实现上述任一种兴趣点信息的管理方法。

在本申请的可能实施方式中，上述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (6)

1.一种兴趣点信息的管理方法，其特征在于，所述方法包括：

获取用于更新的目标兴趣点POI信息；

基于POI审核确认机器学习模型对所述目标POI信息进行审核确认，所述POI审核确认机器学习模型通过历史审核数据进行训练得到，所述历史审核数据为已经确认审核结果的数据；

响应于所述目标POI信息通过审核确认，根据所述目标POI信息更新POI数据库；所述基于POI审核确认机器学习模型对所述目标POI信息进行审核确认之前，还包括：

获取所述历史审核数据；

基于所述历史审核数据对初始机器学习模型进行训练，得到所述POI审核确认机器学习模型，所述初始机器学习模型为一个机器学习模型，或者，所述初始机器学习模型由一个或多个机器学习模型进行融合得到；所述基于所述历史审核数据对初始机器学习模型进行训练，得到所述POI审核确认机器学习模型，包括：

对所述历史审核数据进行文本挖掘，得到第一文本信息；

对所述历史审核数据进行图像处理，得到第一图像处理结果；

根据所述历史审核数据、第一文本信息和第一图像处理结果对初始机器学习模型进行训练，得到所述POI审核确认机器学习模型；所述基于POI审核确认机器学习模型对所述目标POI信息进行审核确认，包括：

对所述目标POI信息进行文本挖掘，得到第二文本信息；

对所述目标POI信息进行图像处理，得到第二图像处理结果；

将所述目标POI信息、所述第二文本信息和所述第二图像处理结果输入所述POI审核确认机器学习模型进行审核确认。

2.根据权利要求1所述的方法，其特征在于，所述响应于所述目标POI信息通过审核确认，根据所述目标POI信息更新POI数据库，包括：

响应于所述目标POI信息通过审核确认，将所述目标POI信息与POI数据库中的POI信息进行比对，根据比对结果确定所述目标POI信息的类型；

根据所述目标POI信息的类型更新所述POI数据库。

3.根据权利要求2所述的方法，其特征在于，所述目标POI信息的类型为新增POI信息；

所述根据所述目标POI信息的类型更新所述POI数据库，包括：

将所述新增POI信息增加到POI数据库中。

4.根据权利要求2所述的方法，其特征在于，所述目标POI信息的类型为已有POI信息的修改信息；

所述根据所述目标POI信息的类型更新所述POI数据库，包括：

根据所述已有POI信息的修改信息对所述POI数据库中所述已有POI信息进行修改。

5.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令在被所述处理器执行时实现如权利要求1至4任一所述的兴趣点信息的管理方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令，所述至少一条指令在被执行时实现如权利要求1至4任一所述的兴趣点信息的管理方法。