CN111767478A - 一种关联关系构建方法、装置、设备及存储介质 - Google Patents
一种关联关系构建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111767478A CN111767478A CN202010577341.0A CN202010577341A CN111767478A CN 111767478 A CN111767478 A CN 111767478A CN 202010577341 A CN202010577341 A CN 202010577341A CN 111767478 A CN111767478 A CN 111767478A
- Authority
- CN
- China
- Prior art keywords
- interest
- name
- point
- interest point
- candidate
- 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.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000015654 memory Effects 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 235000013372 meat Nutrition 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种关联关系构建方法、装置、设备及存储介质,涉及人工智能和电子地图技术领域。具体实现方案为:识别候选视频中的兴趣点名称和地址信息;确定所述兴趣点名称与所述地址信息之间的匹配情况;若匹配成功,则建立所述兴趣点名称与所述候选视频之间的关联关系。本申请提高了所构建的兴趣点和视频之间的关联关系的准确度,进而在电子地图中基于兴趣点名称进行视频召回时,提高了视频的召回率和召回结果的准确度。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及人工智能和电子地图技术。
背景技术
用户出行时,通常会通过地图类应用对地图兴趣点进行查询。为了满足用户吃、住、行、游、娱、购等各方面需求,为用户提供一站式服务,通常会在地图类应用中,添加与地图兴趣点关联的推荐视频,用于向用户进行关联兴趣点推荐。
然而,现有技术进行视频和兴趣点关联关系构建时,往往准确度不高,导致用户进行地图兴趣点搜索时,视频召回率较低,影响用户的使用体验。
发明内容
本申请提供了一种用于提升兴趣点与视频之间关联关系准确度的关联关系构建方法、装置、设备及存储介质。
根据本申请的一方面,提供了一种关联关系构建方法,包括:
识别候选视频中的兴趣点名称和地址信息;
确定所述兴趣点名称与所述地址信息之间的匹配情况;
若匹配成功,则建立所述兴趣点名称与所述候选视频之间的关联关系。
根据本申请的另一方面,提供了一种关联关系构建装置,包括:
兴趣点地址识别模块,用于识别候选视频中的兴趣点名称和地址信息;
兴趣点地址匹配模块,用于确定所述兴趣点名称与所述地址信息之间的匹配情况;
关联关系构建模块,用于若匹配成功,则建立所述兴趣点名称与所述候选视频之间的关联关系。
根据本申请的又一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例提供的任意一种关联关系构建方法。
根据本申请的再一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请实施例提供的任意一种关联关系构建方法。
本申请实施例通过识别候选视频中的兴趣点名称和地址信息;确定兴趣点名称和地址信息之间的匹配情况;若匹配成功,则建立兴趣点名称与候选视频之间的关联关系。本申请实施例提高了所构建的兴趣点名称和候选视频的关联关系的准确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例提供的一种关联关系构建方法的流程图;
图2是本申请实施例提供的另一种关联关系构建方法的流程图;
图3A是本申请实施例提供的另一种关联关系构建方法的流程框图;
图3B是本申请实施例提供的一种文本检测模型的结构图;
图3C是本申请实施例提供的一种召回结果示意图;
图4是本申请实施例提供的一种关联关系构建装置的结构图;
图5是用来实现本申请实施例的关联关系构建方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本申请实施例提供的各关联关系构建方法和构建装置,适用于对电子地图中的兴趣点名称和用于进行兴趣点名称推荐的视频的关联关系,进行构建的情况,该关联关系构建方法由关联关系构建装置执行,该装置采用软件和/或硬件实现,并具体配置于电子设备中。
图1是本申请实施例提供的一种关联关系构建方法的流程图,该方法包括:
S101、识别候选视频中的兴趣点名称和地址信息。
其中,候选视频可以理解为包含有兴趣点相关信息的视频,例如可以是兴趣点名称的推荐视频。
其中,兴趣点(Point of Interest,POI),用于泛指电子地图中,可以抽象为点的地理实体,例如学校、银行、餐厅、加油站、医院、超市等。
示例性地,识别候选视频中的兴趣点名称和地址信息,可以提取候选视频中的图片帧,作为候选图片,识别候选图片中的兴趣点名称和地址信息。
由于候选视频中存在的图片帧的数量较大,逐一对候选视频中的各图片帧进行处理,将会带来较大的数据计算量,同时降低了候选视频的识别效率。为了提高候选视频的识别效率,减少候选视频识别过程的数据运算量,进而为关联关系构建过程的效率的提高和运算量的减少奠定基础,在本申请实施例的一种可选实施方式中,可以对候选视频中设定时间段的视频片段进行截帧处理,得到候选图片,并对所得到的候选图片进行兴趣点名称和地址信息的识别。其中,设定时间段可以由技术人员根据需要或经验值进行设定。
示例性地,一般在视频中的前后40s会出现兴趣点关联信息,因此,可以选取候选视频中前后40s对应的视频片段进行处理。
示例性地,对视频片段进行截帧处理,可以通过视频处理工具加以实现。截帧处理所依照的截取频率,可以由技术人员根据需要或经验值进行设定。
S102、确定兴趣点名称与地址信息之间的匹配情况。
确定兴趣点名称和地址信息之间是否匹配;当兴趣点名称与地址信息相匹配,则表明地址信息为兴趣点名称对应的地址信息的概率较大;当兴趣点名称与地址信息不匹配,则表明地址信息不是该兴趣点名称对应的地址信息的概率较大。因此,可以通过兴趣点名称和地址信息之间的匹配情况,作为兴趣点名称和地址信息之间的关联关系的判定依据,从而减少了无关联的兴趣点名称和地址信息的关联关系的构建的情况。
需要说明的是,当同一候选视频中存在多个兴趣点名称和/或多个地址信息时,可能存在兴趣点名称与地址信息之间不匹配的情况;另外,当同一候选视频中同一图片帧中的兴趣点名称和地址信息,较大概率相匹配,但是,可能兴趣点变迁,例如店铺搬迁,导致兴趣点名称和地址信息匹配关系过期,因此,需要确定兴趣点名称与地址信息之间的匹配情况。
在确定兴趣点名称与地址信息之间的匹配情况时,可以通过兴趣点名称与地址信息作为参照因素,直接进行匹配关系的确定;或者,还可以引入与兴趣点名称和/或地址信息相关联的其他信息辅助进行匹配关系的确定。
在本申请实施例的一种可选实施方式中,可以根据预先设定的兴趣点地址对照表,确定兴趣点名称和地址信息之间的匹配情况。
由于兴趣点名称存在多样性(例如全称、简称和别称等),以及地址信息的不同区划层级的表述(例如A区B街12号X大厦,M市A区X大厦),可能存在直接根据兴趣点名称和地址信息确定两者之间的匹配情况时,将会出现匹配关系漏识别的情况。为了避免上述情况的发生,在本申请实施例的另一种可选实施方式中,确定兴趣点名称与地址信息之间的匹配情况,可以是:确定与兴趣点名称相关联的召回兴趣点;根据召回兴趣点的召回地址与地址信息的地址相关性,确定兴趣点名称与地址信息之间的匹配情况。
其中,召回兴趣点可以理解为兴趣点名称的全称、简称或别称所确定的兴趣点,或者是与兴趣点名称存在设定数量字符相同的其他兴趣点。
可以理解的是,由于与兴趣点名称相关联的召回兴趣点可能存在多个不同的地址信息(召回地址),因此,需要借助召回地址与候选视频中识别到的地址信息的地址相关性,对召回兴趣点进行筛选。
具体的,当召回兴趣点的召回地址与地址信息具备相关性时,则确定该召回兴趣点与地址信息具备相关性,从而映射出兴趣点名称与地址信息具备相关性,因此,可以确定兴趣点名称与地址信息相匹配。当召回兴趣点的召回地址与地址信息不具备相关性时,则确定该召回兴趣点与地址信息也不具备相关性,从而映射出兴趣点名称与地址信息也不具备相关性,因此,可以确定兴趣点名称与地址信息不匹配。
需要说明的是,通过召回兴趣点的召回地址与地址信息的地址相关性,映射出兴趣点名称与地址信息之间的匹配情况,从而为兴趣点名称与候选视频之间关联关系的构建提供了参照,同时,为所构建的关联关系的准确度奠定了基础。
由于与兴趣点名称相关联的召回兴趣点的数量可能不止一个,因此确定各召回兴趣点的召回地址与地址信息的相关性必然带来运算量的增加,同时降低了兴趣点名称与地址信息的匹配情况的确定效率。为了减少匹配情况确定过程的数据运算量,同时提高匹配情况的确定效率,进而提高关联关系的构建效率,在本申请实施例的一种可选实施方式中,若召回兴趣点为至少两个,则通过字符长度相对于地址信息较小的召回兴趣点与兴趣点名称的相关性,首先对召回兴趣点进行初筛,从而根据筛选后的召回兴趣点的召回地址和地址信息的地址相关性,进行最终匹配情况的确定。
示例性地,确定各召回兴趣点与兴趣点名称的兴趣点相关性;根据兴趣点相关性,确定兴趣点名称和地址信息之间的匹配情况。
需要说明的是,还可以当电子设备的数据运算能力较强时,为了保证匹配情况确定结果的准确度,还可以同时进行兴趣点相关性和地址相关性的确定,从而在确定存在同时具备兴趣点相关性和地址相关性的召回兴趣点时,确定兴趣点名称与地址信息相匹配;否则,确定兴趣点名称与地址信息不匹配。
可选的,进行召回兴趣点的召回地址和地址信息的地址相关性的确定,可以通过确定召回地址和地址信息的相似度的方式加以实现。可选的,进行召回兴趣点与兴趣点名称的兴趣点相关性的确定,可以通过确定召回兴趣点和兴趣点名称的相似度的方式加以实现。
S103、若匹配成功,则建立兴趣点名称与候选视频之间的关联关系。
若兴趣点名称与地址信息相匹配,则建立兴趣点名称与候选视频的关联关系,从而用户在电子地图中兴趣点名称所在地或兴趣点名称所在地附近时,通过展示候选视频向用户进行兴趣点推荐或详情展示。若兴趣点名称与地址信息不匹配,则禁止建立兴趣点名称与候选视频的关联关系。
相应的,电子设备或与该电子设备关联的其他设备,可以在使用电子地图时,依据该关联关系进行视频推送,由于采用本申请实施例所构建的关联关系的准确度更高,因此,依据该关联关系进行视频推送时,视频的召回率和准确度也更高。
本申请实施例通过识别候选视频中的兴趣点名称和地址信息;确定兴趣点名称与地址信息之间的匹配情况;若匹配成功,则建立兴趣点名称与候选视频之间的关联关系。上述技术方案通过候选视频对兴趣点名称和地址信息进行一级约束,通过兴趣点名称和地址信息之间的匹配情况对兴趣点名称和地址信息进行二级约束,从而保证了兴趣点名称和候选视频之间的相关性,进而在构建兴趣点名称和候选视频的关联关系时,保证了关联管理构建结果的准确度。
图2是本申请实施例提供的另一种关联关系构建方法的流程图,该方法在上述各技术方案的基础上,进行了优化改进。
进一步地,将操作“识别候选视频中的兴趣点名称和地址信息”细化为“获取候选视频中的图片帧作为候选图片;识别位于同一候选图片中的兴趣点名称和地址信息”,以进一步提高所构建关联关系的准确度。
如图2所示的一种关联关系构建方法,包括:
S201、获取候选视频中的图片帧作为候选图片。
S202、识别位于同一候选图片中的兴趣点名称和地址信息。
由于候选视频中存在候选图片的数量较多,当不同候选图片中出现至少两个兴趣点名称,和/或,出现至少两个地址信息时,可能或导致关联关系构建混乱的情况。为了确保后续所构建的关联关系的准确度,在本申请实施例的一种可选实施方式中,在从候选视频中识别兴趣点名称和地址信息时,需要识别位于同一候选图片中的兴趣点名称和地址信息,从而保证所识别的兴趣点名称和地址信息之间的强相关性。
可选的,识别同一候选图片中的兴趣点名称和地址信息,可以是:识别同一候选图片中的至少一个候选文本;识别候选文本中的兴趣点名称和地址信息。
其中,候选文本可以包括候选图片中的店铺招牌、广告文案、视频字幕等信息中的至少一种。
可以理解的是,首先对候选图片进行候选文本识别,减少了非候选文本对兴趣点名称和地址信息识别过程中的干扰,从而提高了兴趣点名称和地址信息的识别效率,同时提高了兴趣点名称和地址信息识别结果的准确度。
示例性地,识别位于同一候选图片中的至少一个候选文本,可以是:提取同一候选图片中的感兴趣区域;对感兴趣区域进行文本检测,得到文本区域和区域坐标;根据区域坐标,对文本区域进行识别,得到候选文本。
其中,感兴趣区域可以包括候选图片中的视频标识符、文本标识符、文本描述信息和视频字幕等对应区域中的至少一种。其中,视频标识符可以是视频播放平台的文本字符和/或图案标识;文本标识符可以是候选图片中的文本字符和/或图案标识;视频字幕可以是候选视频在播放该候选图片时所显示的后期加工文字,例如解说文字。
可以理解的是,通过对候选图片中的感兴趣区域进行提取,能够避免候选图片中无关信息的干扰,为候选文本的有效识别奠定基础;通过对感兴趣区域进行文本检测,对感兴趣区域中的非文本信息进行剔除;通过确定文本区域和区域坐标,为候选文本的定位识别提供了数据支撑,提高了候选文本识别的全面性和准确度,从而为最终所构建的关联关系的准确度奠定基础。
可选的,文本识别可以采用光学字符识别(Optical Character Recognition,OCR)技术加以实现;文本检测可以通过人工智能技术加以实现,例如采用训练好的机器学习模型,对候选图片进行感兴趣区域提取,进而通过对感兴趣区域进行处理,得到文本区域和区域坐标。
在本申请实施例的一种可选实施方式中,识别候选文本中的地址信息,可以是:识别各候选文本中的行政区划信息;根据行政区划信息,确定各候选文本中的地址信息。
其中,行政区划信息,可以包括省、市、县、区和街道等信息中的至少一种。相应的,将包含行政区划信息的候选文本作为地址信息。
可以理解的是,通过引入行政区划信息,能够实现对包括地址信息的候选文本的有效识别,为后续进行视频和兴趣点关联关系的构建,奠定了基础。
当同一候选图片中包括至少两个兴趣点名称时,可以直接在后续进行匹配情况确定时,分别针对各兴趣点名称进行匹配情况的确定。
为了减少匹配情况确定时的数据运算量,还可以对兴趣点名称进行筛选,后续仅针对筛选后的兴趣点名称进行匹配情况确定。
在本申请实施例的一种可选实施方式中,可以根据兴趣点名称的区域坐标,确定各兴趣点名称所占用区域面积的名称相对大小;根据名称相对大小筛选兴趣点名称。
具体的,根据兴趣点名称的区域坐标,确定各兴趣点名称的占用区域面积;对各兴趣点名称的占用区域面积进行比较;选取占用区域面积最大的兴趣点名称,用于进行后续的匹配情况确定。
可以理解的是,当同一候选图片中出现至少两个兴趣点名称时,通常会将视频制作方更关注的兴趣点名称的字体设置的较大,因此可以引入兴趣点名称的占用区域面积辅助进行兴趣点名称的筛选,从而减少了后续进行匹配情况确定的运算量,同时为后续关联关系构建结果的准确度,提供了保障。
由于不同兴趣点名称可能因为所包含字符的数量不同,导致字体较小的兴趣点名称的占用区域面积大于字符较大的兴趣点名称的情况,导致所筛选的兴趣点名称不可用,造成计算资源的浪费。为了避免上述情况的发生,在本申请实施例的一种可选实施方式中,还可以引入平均字符占用区域面积代替兴趣点名称占用区域面积,从而提高所筛选的兴趣点名称的准确度。
示例性地,根据兴趣点名称所包含的字符数量,确定各兴趣点名称的平均字符占用区域面积的字符相对大小;将字符相对大小作为名称相对大小进行兴趣点名称的筛选。
具体的,根据兴趣点名称的区域坐标,确定各兴趣点名称的占用区域面积;根据兴趣点名称的占用区域面积与兴趣点名称所包含的字符数量的比值,确定平均字符占用区域面积;对各兴趣点名称的平均字符占用区域面积进行比较;选取平均字符占用区域面积最大的兴趣点名称,用于进行后续的匹配情况确定。
S203、确定兴趣点名称与地址信息之间的匹配情况。
S204、若匹配成功,则建立兴趣点名称与候选视频之间的关联关系。
本申请实施例通过将识别候选视频中的兴趣点名称和地址信息的操作,细化为获取候选视频中的图片帧作为候选图片;识别位于同一候选图片中的兴趣点名称和地址信息。从而通过同一候选图片替代候选视频,对兴趣点名称和地址信息进行一级约束,保证了所识别的兴趣点名称和地址信息之间的关联性,减少了无关兴趣点名称和地址信息识别结果的可能性,从而提高了所构建的兴趣点名称和候选视频之间的关联关系的效率和准确度。
图3A是本申请实施例提供的另一种关联关系构建方法的流程框图,该方法在上述各技术方案的基础上,提供了一种优选实施方式。
如图3A所示的一种关联关系构建方法,包括:视频处理阶段310、图片处理阶段320、以及关联关系构建阶段330。
一、视频处理阶段
1、视频截帧处理311:采用视频处理工具,对候选视频中设定时间段的视频片段进行截帧处理,得到候选图片。
其中,设定时间段由技术人员根据需要或经验值进行设定,例如可以是视频前40秒和/或视频后40秒对应时间段。
其中,截帧处理所依照的截取频率可以由技术人员根据需要或经验值进行确定。
二、图片处理阶段
1、文本检测321:采用预先构建的文本检测模型,对候选图片进行文本检测,得到文本区域和区域坐标;
2、文本识别322:采用OCR技术对候选文本区域进行文本识别,得到候选文本。
参见图3B所示的文本检测模型的结构图,对文本检测过程进行详细说明。
其中,文本检测模型包括:特征提取模块31、感兴趣区域识别模块32、特征分割模块33、特征调整模块34、分类识别模块35和定位模块36。
其中,
特征提取模块31,用于对候选图片进行特征提取,得到特征图;
感兴趣区域识别模块32,用于识别特征图中的至少一个特征区域(对应图中阴影区域);
特征分割模块33,用于根据识别到的特征区域对特征图进行分割,得到至少一个特征子图;
特征调整模块34,用于调整各特征子图的大小,以使各特征子图大小一致;
分类识别模块35,用于对各特征子图进行文本检测,确定文本区域;
定位模块36,用于对文本区域在候选图片中进行定位识别,得到各文本区域的区域坐标。
三、关联关系构建阶段
1、兴趣点识别331:根据预设兴趣点后缀词库,确定候选文本中的至少一个兴趣点名称。
其中,预设兴趣点后缀词库中存储有表征兴趣点的后缀词,例如可以包括餐厅、饭店、酒吧、会所、风景区、博物馆等。
具体的,若识别到候选文本中包含有与预设兴趣点后缀词库中的至少一个后缀词,则确定该候选文本为兴趣点名称。
2、兴趣点筛选332:根据各兴趣点名称的区域坐标和字符数量,确定兴趣点名称的平均字符占用区域面积;筛选平均字符占用区域面积最大的兴趣点名称。
3、地址识别333:调用地图服务,确定候选文本中的行政区划信息,并根据行政区划信息,确定候选文本中的地址信息。
其中,行政区划信息包括省、市、区和街道等。
4、匹配关系判定334:调用地图服务,确定兴趣点名称对应的召回兴趣点和各召回兴趣点关联的召回地址;确定召回兴趣点和兴趣点名称之间的兴趣点相似度;确定召回地址和地址信息之间的地址相似度;确定是否存在兴趣点相似度大于兴趣点相似度阈值,并且地址相似度大于地址相似度阈值的召回兴趣点;如存在,则确定兴趣点名称和地址信息相匹配。
例如,参见图3C所示的召回结果示意图,调动地图服务,搜索“AA涮肉”,得到“AA涮肉城(X店)”、“AABB涮肉(Y店)”、“AA涮肉城(Z店)”以及“AABB涮肉(M商城店)”四条召回结果,每条召回结果中包括召回兴趣点的名称和召回地址的地址信息。通过计算召回兴趣点名称和“AA涮肉”之间的兴趣点相似度,以及召回兴趣点名称下的召回地址“aa区bb街cc号dd大厦ee层(ff路口东南角)”、“xx街yy号zz楼1号(mm公园南门)”、“s市gg区rr路与hh街交叉路口往南50米”以及“s市nn区pp街1号M商城南区F1”,与地址信息“aa区bb街cc号dd大厦ee层”之间的地址相似度。通过兴趣点相似度和地址相似度,筛选出能够确定兴趣点名称和地址信息相匹配的第一条召回结果。
5、关联关系构建335:若兴趣点名称和地址信息相匹配,则构建兴趣点名称与该候选视频之间的关联关系。
本申请实施例通过候选视频中所包含的文本信息,进行兴趣点名称和地址信息的提取,进而构建兴趣点名称和候选视频的关联关系,使得所构建的关联关系更准确,进而在基于该关联关系在电子地图中进行兴趣点区域搜索时,能够提高视频召回率和准确度。
图4是本申请实施例提供的一种关联关系构建装置的结构图,该关联关系构建装置400,包括:兴趣点地址识别模块401、兴趣点地址匹配模块402和关联关系构建模块403。其中,
兴趣点地址识别模块401,用于识别候选视频中的兴趣点名称和地址信息;
兴趣点地址匹配模块402,用于确定兴趣点名称与地址信息之间的匹配情况;
关联关系构建模块403,用于若匹配成功,则建立兴趣点名称与候选视频之间的关联关系。
本申请实施例通过兴趣点地址识别模块识别候选视频中的兴趣点名称和地址信息;通过兴趣点地址匹配模块确定兴趣点名称与地址信息之间的匹配情况;通过关联关系构建模块在匹配成功时,建立兴趣点名称与候选视频之间的关联关系。上述技术方案通过候选视频对兴趣点名称和地址信息进行一级约束,通过兴趣点名称和地址信息之间的匹配情况对兴趣点名称和地址信息进行二级约束,从而保证了兴趣点名称和候选视频之间的相关性,进而在构建兴趣点名称和候选视频的关联关系时,保证了关联管理构建结果的准确度。
进一步地,兴趣点地址匹配模块402,包括:
召回兴趣点确定单元,用于确定与兴趣点名称相关联的召回兴趣点;
匹配情况确定单元,用于根据召回兴趣点的召回地址与地址信息的地址相关性,确定兴趣点名称与地址信息之间的匹配情况。
进一步地,若召回兴趣点为至少两个,则装置还包括:
兴趣点相关性确定模块,用于确定各召回兴趣点与兴趣点名称的兴趣点相关性;
匹配情况确定单元,还用于根据兴趣点相关性,确定兴趣点名称与地址信息之间的匹配情况。
进一步地,兴趣点地址识别模块401,包括:
候选图片获取单元,用于获取候选视频中的图片帧作为候选图片;
兴趣点地址识别单元,用于识别位于同一候选图片中的兴趣点名称和地址信息。
进一步地,兴趣点地址识别单元,包括:
候选文本识别子单元,用于识别同一候选图片中的至少一个候选文本;
兴趣点地址识别子单元,用于识别候选文本中的兴趣点名称和地址信息。
进一步地,候选文本识别子单元,包括:
感兴趣区域提取从单元,用于提取同一候选图片中的感兴趣区域;
文本检测从单元,用于对感兴趣区域进行文本检测,得到文本区域和区域坐标;
文本区域识别从单元,用于根据区域坐标,对文本区域进行识别,得到候选文本。
进一步地,若候选图片中包括至少两个兴趣点名称时,装置还包括:
名称相对大小确定模块,用于根据兴趣点名称的区域坐标,确定各兴趣点名称所占用区域面积的名称相对大小;
兴趣点名称筛选模块,用于根据名称相对大小筛选兴趣点名称。
进一步地,名称相对大小确定模块,包括:
字符相对大小确定单元,用于根据兴趣点名称所包含字符数量,确定各兴趣点名称的平均字符占用区域面积的字符相对大小;
名称相对大小确定单元,用于将字符相对大小,作为名称相对大小。
进一步地,兴趣点地址识别子单元,包括:
行政区划信息识别从单元,用于识别各候选文本中的行政区划信息;
地址信息识别从单元,用于根据行政区划信息,确定各候选文本中的地址信息。
上述关联关系构建装置可执行本申请任意实施例所提供的关联关系构建方法,具备执行关联关系构建方法相应的功能模块和有益效果。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是实现本申请实施例的关联关系构建方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的关联关系构建方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的关联关系构建方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的关联关系构建方法对应的程序指令/模块(例如,附图4所示的兴趣点地址识别模块401、兴趣点地址匹配模块402和关联关系构建模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的关联关系构建方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储实现关联关系构建方法的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至实现关联关系构建方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现关联关系构建方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与实现关联关系构建方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过识别候选视频中的兴趣点名称和地址信息;确定兴趣点名称与地址信息之间的匹配情况;若匹配成功,则建立兴趣点名称与候选视频之间的关联关系。上述技术方案通过候选视频对兴趣点名称和地址信息进行一级约束,通过兴趣点名称和地址信息之间的匹配情况对兴趣点名称和地址信息进行二级约束,从而保证了兴趣点名称和候选视频之间的相关性,进而在构建兴趣点名称和候选视频的关联关系时,保证了关联管理构建结果的准确度。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (20)
1.一种关联关系构建方法,包括:
识别候选视频中的兴趣点名称和地址信息;
确定所述兴趣点名称与所述地址信息之间的匹配情况;
若匹配成功,则建立所述兴趣点名称与所述候选视频之间的关联关系。
2.根据权利要求1所述的方法,其中,确定所述兴趣点名称与所述地址信息之间的匹配情况,包括:
确定与所述兴趣点名称相关联的召回兴趣点;
根据所述召回兴趣点的召回地址与所述地址信息的地址相关性,确定所述兴趣点名称与所述地址信息之间的匹配情况。
3.根据权利要求2所述的方法,若所述召回兴趣点为至少两个,则所述方法还包括:
确定各所述召回兴趣点与所述兴趣点名称的兴趣点相关性;
根据所述兴趣点相关性,确定所述兴趣点名称与所述地址信息之间的匹配情况。
4.根据权利要求1-3中任一项所述的方法,其中,识别候选视频中的兴趣点名称和地址信息,包括:
获取候选视频中的图片帧作为候选图片;
识别位于同一候选图片中的兴趣点名称和地址信息。
5.根据权利要求4所述的方法,其中,识别位于同一候选图片中的兴趣点名称和地址信息,包括:
识别同一候选图片中的至少一个候选文本;
识别所述候选文本中的所述兴趣点名称和所述地址信息。
6.根据权利要求5所述的方法,其中,识别同一候选图片中的至少一个候选文本,包括:
提取同一候选图片中的感兴趣区域;
对所述感兴趣区域进行文本检测,得到文本区域和区域坐标;
根据所述区域坐标,对所述文本区域进行识别,得到所述候选文本。
7.根据权利要求6所述的方法,若所述候选图片中包括至少两个兴趣点名称时,所述方法还包括:
根据兴趣点名称的区域坐标,确定各所述兴趣点名称所占用区域面积的名称相对大小;
根据所述名称相对大小筛选兴趣点名称。
8.根据权利要求7所述的方法,其中,确定各所述兴趣点名称所占用区域面积的名称相对大小,包括:
根据兴趣点名称所包含字符数量,确定各所述兴趣点名称的平均字符占用区域面积的字符相对大小;
将所述字符相对大小,作为所述名称相对大小。
9.根据权利要求5所述的方法,其中,识别所述候选文本中的所述地址信息,包括:
识别各所述候选文本中的行政区划信息;
根据所述行政区划信息,确定各所述候选文本中的地址信息。
10.一种关联关系构建装置,包括:
兴趣点地址识别模块,用于识别候选视频中的兴趣点名称和地址信息;
兴趣点地址匹配模块,用于确定所述兴趣点名称与所述地址信息之间的匹配情况;
关联关系构建模块,用于若匹配成功,则建立所述兴趣点名称与所述候选视频之间的关联关系。
11.根据权利要求10所述的装置,其中,所述兴趣点地址匹配模块,包括:
召回兴趣点确定单元,用于确定与所述兴趣点名称相关联的召回兴趣点;
匹配情况确定单元,用于根据所述召回兴趣点的召回地址与所述地址信息的地址相关性,确定所述兴趣点名称与所述地址信息之间的匹配情况。
12.根据权利要求11所述的装置,若所述召回兴趣点为至少两个,则所述装置还包括:
兴趣点相关性确定模块,用于确定各所述召回兴趣点与所述兴趣点名称的兴趣点相关性;
匹配情况确定单元,还用于根据所述兴趣点相关性,确定所述兴趣点名称与所述地址信息之间的匹配情况。
13.根据权利要求10-12中任一项所述的装置,其中,所述兴趣点地址识别模块,包括:
候选图片获取单元,用于获取候选视频中的图片帧作为候选图片;
兴趣点地址识别单元,用于识别位于同一候选图片中的兴趣点名称和地址信息。
14.根据权利要求13所述的装置,其中,所述兴趣点地址识别单元,包括:
候选文本识别子单元,用于识别同一候选图片中的至少一个候选文本;
兴趣点地址识别子单元,用于识别所述候选文本中的所述兴趣点名称和所述地址信息。
15.根据权利要求14所述的装置,其中,所述候选文本识别子单元,包括:
感兴趣区域提取从单元,用于提取同一候选图片中的感兴趣区域;
文本检测从单元,用于对所述感兴趣区域进行文本检测,得到文本区域和区域坐标;
文本区域识别从单元,用于根据所述区域坐标,对所述文本区域进行识别,得到所述候选文本。
16.根据权利要求15所述的装置,若所述候选图片中包括至少两个兴趣点名称时,所述装置还包括:
名称相对大小确定模块,用于根据兴趣点名称的区域坐标,确定各所述兴趣点名称所占用区域面积的名称相对大小;
兴趣点名称筛选模块,用于根据所述名称相对大小筛选兴趣点名称。
17.根据权利要求16所述的装置,其中,所述名称相对大小确定模块,包括:
字符相对大小确定单元,用于根据兴趣点名称所包含字符数量,确定各所述兴趣点名称的平均字符占用区域面积的字符相对大小;
名称相对大小确定单元,用于将所述字符相对大小,作为所述名称相对大小。
18.根据权利要求14所述的装置,其中,所述兴趣点地址识别子单元,包括:
行政区划信息识别从单元,用于识别各所述候选文本中的行政区划信息;
地址信息识别从单元,用于根据所述行政区划信息,确定各所述候选文本中的地址信息。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的一种关联关系构建方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的一种关联关系构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010577341.0A CN111767478B (zh) | 2020-06-22 | 2020-06-22 | 一种关联关系构建方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010577341.0A CN111767478B (zh) | 2020-06-22 | 2020-06-22 | 一种关联关系构建方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111767478A true CN111767478A (zh) | 2020-10-13 |
CN111767478B CN111767478B (zh) | 2023-08-15 |
Family
ID=72721567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010577341.0A Active CN111767478B (zh) | 2020-06-22 | 2020-06-22 | 一种关联关系构建方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111767478B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100037257A1 (en) * | 2008-08-08 | 2010-02-11 | At&T Intellectual Property I, L.P. | System and Method for Recalling Multiple Last Television Channels Viewed |
WO2015196281A1 (en) * | 2014-06-24 | 2015-12-30 | Sportlogiq Inc. | System and method for visual event description and event analysis |
CN105338427A (zh) * | 2015-09-25 | 2016-02-17 | 北京奇艺世纪科技有限公司 | 一种对移动设备进行视频推荐的方法及装置 |
US9282161B1 (en) * | 2012-10-26 | 2016-03-08 | Amazon Technologies, Inc. | Points of interest recommendations |
CN108304423A (zh) * | 2017-03-29 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种信息识别方法及装置 |
CN108363698A (zh) * | 2018-03-13 | 2018-08-03 | 腾讯大地通途(北京)科技有限公司 | 兴趣点关系识别方法及装置 |
CN109710709A (zh) * | 2018-12-13 | 2019-05-03 | 北京百度网讯科技有限公司 | 兴趣点数据处理方法、装置、电子设备及存储介质 |
CN110047021A (zh) * | 2019-04-11 | 2019-07-23 | 杭州简简科技有限公司 | 基于电子地图的旅游系统 |
CN110390054A (zh) * | 2019-07-25 | 2019-10-29 | 北京百度网讯科技有限公司 | 兴趣点召回方法、装置、服务器和存储介质 |
CN110688434A (zh) * | 2018-06-19 | 2020-01-14 | 百度在线网络技术(北京)有限公司 | 一种兴趣点处理方法、装置、设备和介质 |
-
2020
- 2020-06-22 CN CN202010577341.0A patent/CN111767478B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100037257A1 (en) * | 2008-08-08 | 2010-02-11 | At&T Intellectual Property I, L.P. | System and Method for Recalling Multiple Last Television Channels Viewed |
US9282161B1 (en) * | 2012-10-26 | 2016-03-08 | Amazon Technologies, Inc. | Points of interest recommendations |
WO2015196281A1 (en) * | 2014-06-24 | 2015-12-30 | Sportlogiq Inc. | System and method for visual event description and event analysis |
CN105338427A (zh) * | 2015-09-25 | 2016-02-17 | 北京奇艺世纪科技有限公司 | 一种对移动设备进行视频推荐的方法及装置 |
CN108304423A (zh) * | 2017-03-29 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种信息识别方法及装置 |
CN108363698A (zh) * | 2018-03-13 | 2018-08-03 | 腾讯大地通途(北京)科技有限公司 | 兴趣点关系识别方法及装置 |
CN110688434A (zh) * | 2018-06-19 | 2020-01-14 | 百度在线网络技术(北京)有限公司 | 一种兴趣点处理方法、装置、设备和介质 |
CN109710709A (zh) * | 2018-12-13 | 2019-05-03 | 北京百度网讯科技有限公司 | 兴趣点数据处理方法、装置、电子设备及存储介质 |
CN110047021A (zh) * | 2019-04-11 | 2019-07-23 | 杭州简简科技有限公司 | 基于电子地图的旅游系统 |
CN110390054A (zh) * | 2019-07-25 | 2019-10-29 | 北京百度网讯科技有限公司 | 兴趣点召回方法、装置、服务器和存储介质 |
Non-Patent Citations (1)
Title |
---|
张寅宝;张威巍;: "基于相似度计算的室内兴趣点匹配方法", 测绘与空间地理信息, no. 02 * |
Also Published As
Publication number | Publication date |
---|---|
CN111767478B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110726418B (zh) | 兴趣点区域确定方法、装置、设备及存储介质 | |
CN111782977B (zh) | 兴趣点处理方法、装置、设备及计算机可读存储介质 | |
US7698336B2 (en) | Associating geographic-related information with objects | |
CN107168991B (zh) | 一种搜索结果展示方法和装置 | |
CN108197198B (zh) | 一种兴趣点搜索方法、装置、设备和介质 | |
CN111639253B (zh) | 一种数据判重方法、装置、设备及存储介质 | |
CN111523007B (zh) | 用户感兴趣信息确定方法、装置、设备以及存储介质 | |
CN108831442A (zh) | 兴趣点识别方法、装置、终端设备及存储介质 | |
CN111915608B (zh) | 建筑物提取方法、装置、设备和存储介质 | |
CN110019617A (zh) | 地址标识的确定方法和装置、存储介质、电子装置 | |
CN104915393A (zh) | 一种用于方向定向搜索的方法与设备 | |
CN105518644A (zh) | 在地图上实时处理并显示社交数据的方法 | |
CN111737430A (zh) | 实体链接方法、装置、设备以及存储介质 | |
CN110795593A (zh) | 语音包的推荐方法、装置、电子设备和存储介质 | |
CN112101013A (zh) | 地点抽取方法、装置、设备以及存储介质 | |
CN113160693A (zh) | 一种道路路口的处理方法、装置、设备和存储介质 | |
CN111984876A (zh) | 兴趣点处理方法、装置、设备及计算机可读存储介质 | |
CN110609879A (zh) | 兴趣点判重方法、装置、计算机设备及存储介质 | |
CN115456691A (zh) | 线下广告位的推荐方法、装置、电子设备及存储介质 | |
CN111767478B (zh) | 一种关联关系构建方法、装置、设备及存储介质 | |
CN111080369B (zh) | 广告信息的展示方法、装置、设备和可读存储介质 | |
CN113360791B (zh) | 电子地图的兴趣点查询方法、装置、路侧设备及车辆 | |
CN111325638A (zh) | 酒店识别处理方法、装置、设备及存储介质 | |
CN111625724A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN112182409A (zh) | 数据处理方法、装置、设备及计算机存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |