CN114428885A - 兴趣点命名方法、装置、电子设备和存储介质 - Google Patents
兴趣点命名方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114428885A CN114428885A CN202210102376.8A CN202210102376A CN114428885A CN 114428885 A CN114428885 A CN 114428885A CN 202210102376 A CN202210102376 A CN 202210102376A CN 114428885 A CN114428885 A CN 114428885A
- Authority
- CN
- China
- Prior art keywords
- name
- branch
- target
- trunk
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000003058 natural language processing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 16
- 238000001914 filtration Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000000470 constituent Substances 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90332—Natural language query formulation or dialogue systems
-
- 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
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种兴趣点命名方法、装置、电子设备和存储介质,涉及人工智能技术领域,尤其涉及自然语言处理技术领域。具体实现方案为:对兴趣点的候选名称集中的每个候选名称的名称主干与名称分支进行识别,得到所述兴趣点的名称主干集和名称分支集;基于所述名称主干集,确定目标名称主干;基于所述名称分支集,确定目标名称分支;基于所述目标名称主干和所述目标名称分支,确定所述兴趣点的名称。利用本公开实施例,准确、全面地命名兴趣点的名称。
Description
技术领域
本公开涉及人工智能领域,尤其涉及自然语言处理技术领域,具体涉及一种兴趣点命名方法、装置、电子设备和存储介质。
背景技术
在地理信息系统中,每个兴趣点(Point of interest,POI)可以包括名称、类别、坐标等信息。全面的POI信息是丰富导航地图的必备资讯,及时的POI信息点能提醒用户路况的分支及周边建筑的详尽信息,也能方便用户在导航中查到其所需要的各个地方,选择最为便捷和通畅的道路来进行路径规划。因此,在导航地图中,兴趣点的信息能直接影响到导航地图的用户体验。
发明内容
本公开提供了一种兴趣点命名方法、装置、电子设备和存储介质。
根据本公开的一方面,提供了一种兴趣点命名方法,包括:
对兴趣点的候选名称集中的每个候选名称的名称主干与名称分支进行识别,得到所述兴趣点的名称主干集和名称分支集;
基于所述名称主干集,确定目标名称主干;
基于所述名称分支集,确定目标名称分支;
基于所述目标名称主干和所述目标名称分支,确定所述兴趣点的名称。
根据本公开的另一方面,提供了一种兴趣点命名装置,包括:
名称切分模块,用于对兴趣点的候选名称集中的每个候选名称的名称主干与名称分支进行识别,得到所述兴趣点的名称主干集和名称分支集;
主干确定模块,用于基于所述名称主干集,确定目标名称主干;
分支确定模块,用于基于所述名称分支集,确定目标名称分支;
名称确定模块,用于基于所述目标名称主干和所述目标名称分支,确定所述兴趣点的名称。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一个方面,提供了一种地理信息系统,包括本公开任一实施例的电子设备。
根据本公开的另一方面,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,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
根据本公开的技术,先针对兴趣点的候选名称集的每个候选名称进行名称主干和名称分支的识别,得到名称主干集和名称分支集,再从基于这两个集合分别确定目标名称主干和目标名称分支,然后基于目标名称主干和目标名称分支,可以准确、全面地确定兴趣点名称。
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,不构成对本公开的限定。其中:
图1是本公开一个实施例的兴趣点命名方法的流程图;
图2A是实现本公开实施例的兴趣点命名方法的系统的结构框图;
图2B是实现本公开实施例的兴趣点命名方法的系统中的主名称选取模块的结框图;
图2C是实现本公开实施例的兴趣点命名方法的系统中的分支选取模块的结构框图;
图2D是实现本公开实施例的兴趣点命名方法的系统中的名称组合模块的结构框图;
图3是本公开一个实施例的兴趣点命名装置的结构框图;
图4是本公开另一个实施例的兴趣点命名装置的结构框图;
图5是实现本公开实施例的兴趣点命名方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
在地理信息系统中,兴趣点名称的命名策略一般分为离线策略和在线策略。由于在线策略的升级成本较高,一般采用离线方式升级兴趣点名称。将系统中数据导出来,然后对数据进行信息挖掘,生成兴趣点名称。但是,离线策略分散琐碎、多策略之间存在相互矛盾的情况,导致兴趣点名称反复被干预,这样会大大影响兴趣点的用户体验。
为此,本公开实施例提供一种兴趣点命名的方案,能够准确、全面地命名兴趣点的名称,提高用户体验。
图1是本公开一个实施例的兴趣点命名方法的流程图。如图1所示,该方法可以包括如下步骤:
S110,对兴趣点的候选名称集中的每个候选名称的名称主干与名称分支进行识别,得到兴趣点的名称主干集和名称分支集;
S120,基于名称主干集,确定目标名称主干;
S130,基于名称分支集,确定目标名称分支;
S140,基于目标名称主干和目标名称分支,确定兴趣点的名称。
示例性,在地理信息系统中,一个兴趣点可以包括一栋房子、一个商铺、一个商场、一个广场、一个公交站、一个邮筒等。
示例性地,候选名称集可以包括一个或多个候选名称。该候选名称可以是该兴趣点曾经使用的名称,可以来源于不同的系统、网站等。例如,兴趣点A在导航系统B1中最近使用过的名称A1,兴趣点A在导航系统B2中最近使用过的名称A2,兴趣点A在导航系统B3中曾经使用过的名称A3和A4。
示例性地,对候选名称集可以进行一些预处理,可以包括白名单或黑名单过滤、时效性过滤、关键字过滤等。例如,过滤包含敏感词的候选名称,过滤记录在黑名单中的候选名称,过滤使过时间不在设定时间段的候选名称。
示例性,候选名称可以只包括名称主干,也可以同时包括名称主干和一个或多个名称分支。对候选名称进行的结构进行识别,至少可以得到候选名称的名称主干。在候选名称包括名称分支的情况下,识别结果还可以包括名称分支。对候选名称集中的每个候选名称均进行识别,可以得到每个候选名称的名称主干和名称分支,并将各候选名称的名称主干归集到名称主干集中,以及将各候选名称的名称分支归集到名称分支集中。
示例性地,对于目标名称主干的获取方式,可以包括:在名称主干集中确定目标名称主干;或者,针对名称主干集中的每个名称主干进行语义识别,得到名称主干集对应的语义特征,并基于名称主干集对应的语义特征,生成目标名称主干。
示例性地,对于目标名称分支的获取方式,可以包括:在名称分集中确定目标名称分支;或者,针对名称分支集中的每个名称分支进行语义识别,得到名称分支集对应的语义特征,并基于名称分支集对对应的语义特征,生成目标名称分支。
示例性地,在确定目标名称主干和目标名称分支之后,基于目标名称主干和目标名称分支之间的关系,确定目标名称主干和目标名称分支的组合方式,并按照该组合方式,对目标名称主干和目标名称分支进行组合,得到兴趣点的名称。组合方式可以包括分支插入到主干中的位置,例如头部、中间或尾部。
在本示例中,针对候选名称集中的每个候选名称进行名称主干和名称分支的切分,得到名称主干集和名称分支集,并基于这两集合确定目标名称主干和目标名称分支,从而,基于目标名称主干和目标名称分支,可以得到描述准确、全面的兴趣点名称。
在一些实施例中,可以基于名称主干的属性信息以及该属性信息对应的评分规则,对名称主干进行评分,然后,基于每个名称主干的质量评分,确定目标名称主干。
示例性地,在上述步骤S120中,基于名称主干集,确定目标名称主干,可以包括:
基于名称主干集中的每个名称主干的至少一个属性信息以及至少一个属性信息中的每个属性信息对应的评分规则,确定每个名称主干的质量评分;
基于每个名称主干的质量评分,在名称主干集中确定目标名称主干。
在本示例性中,采用不同的评分规则从不同维度对名称主干进行质量评分,可以准确地评估名称主干的质量。进而,基于各名称主干的质量评分在名称主干集中所确定的目标名称主干,也更为准确、全面。
在一些实施例中,在基于名称主干集中的每个名称主干的至少一个属性信息以及至少一个属性信息中的每个属性信息对应的评分规则,可以得到每个名称主干在每个属性信息所对应的评分,然后,针对每个名称主干在每个属性信息所对应的评分进行加权、归一化,得到每个名称主干的质量评分。
在一些实施例中,可以在名称主干集中选择质量评分最高的名称主干作为目标名称主干。
示例性地,名称主干的属性信息可以包括以下至少一项:名称主干的组成成分、名称主干所属的候选名称的来源、名称主干所属的候选名称的历史使用时间、名称主干在候选名称集中的出现次数。
在本示例中,可以从名称主干的成分、真实性、时效性以及使用频繁程度这多个角度对名称主干进行评分。
示例性地,名称主干的组成成分可以包括核心词(CORE)、区域词(LOC)、经营属性词(SCO)、尾缀(SUFF)等。
对名称主干的组成结构进行评分的评分规则可以为:在名称主干包括核心词的情况下,名称主干的组成成分评分可以增加0.5分;在名称主干包括区域词的情况下,名称主干的组成成分评分可以增加0.1分;在名称主干包括经营属性词的情况下,名称主干的组成成分评分可以增加0.3分;在名称主干包括尾缀的情况下,名称主干的组成成分评分可以增加0.1分。在评分之前,可以对名称主干集中的每个名称主干的评分归零或者统一为某一个值。然后按照上述组成结构的评分规则对每个名称主干进行评分,得到每个主干名称的总的组成成分评分。
示例性地,名称主干所属的候选名称的来源可以包括实采源或非实采源。实采源可以是通过对兴趣点的实际场景进行拍摄得到的。例如,对门店的招牌拍摄得到门店的名称。
对名称主干的真实性进行评分的评分规则可以为:在名称主干所属的候选名称的来源为实采源的情况下,名称主干的真实性评分可以为1分;在名称主干所属的候选名称的来源为非实采源的情况下,名称主干的真实性评分可以为0分。
示例性地,在名称主干所属的候选名称的历史使用时间有多个的情况下,可以选择平均使用时间,也可以选择最近使用时间。
以历史最近使用时间为例,对名称主干的时效性进行评分的评分规则可以为:在历史最近使用时间在第一区间内的情况下,名称主干的时效性评分为12分;在历史最近使用时间在第二区间内的情况下,名称主干的时效性评分为11分;在历史最近使用时间在第三区间内的情况下,名称主干的时效性评分分为1分。例如,最近使用时间距离当前时刻为一个月内,评分为12分,最近使用时间距离当前时刻为两个月内,名称主干的时效性评分为11分,可以依此类推。
示例性地,基于名称主干在候选名称集中的出现次数,可以得到名称主干的出现次数评分。出现次数越多,称主干的出现次数评分越高。
在已确定名称主干的组成成分评分、真实性评分、时效性评分以及出现次数评分的情况下,对各评分进行加权、归一化,得到名称主干的质量评分。
在一些实施例中,可以对目标称分支进行过滤,例如白名单或黑名单过滤、关键词过滤、时效性过滤等。还可以采用目标名称主干对目标名称分支进行过滤。
示例性地,在上述步骤S130中,基于名称分支集,确定目标名称分支,可以包括:
基于目标名称主干,在名称分支集中确定目标名称分支。
在本示例中,利用目标名称主干和名称分支集来确定目标名称分支,使得到的目标名称分支更准确。
例如,基于目标名称主干与名称分支集中的每个名称分支之间的相似度,在名称分支集中过滤一部分的名称分支,然后在过滤后的名称分支集中确定目标名称分支。若目标名称主干与名称分支的相似度大于设定的相似度阈值,则将该名称分支从名称分支集中去除。
在一些实施例中,可以基于名称分支与目标名称主干之间的相似度以及每个名称分支在候选名称集中的出现次数,来筛选目标名称分支。
示例性地,上述基于目标名称主干,在名称分支集中确定目标名称分支,可以包括:
基于名称分支集中的每个名称分支与目标名称主干之间的相似度以及每个名称分支在候选名称集中的出现次数,在名称分支集中确定目标名称分支。
在本示例中,结合名称分支与目标名称主干之间的相似度以及在候选名称集中的出现次数,来确定目标名称分支。这既考虑了名称分支与目标名称主干之间的关系,也考虑了名称分支的使用频繁程度,使得选择出来的目标名称分支更有针对性,更准确,也进一步提高兴趣点名称的准确性。
示例性,基于名称分支集中的每个名称分支与目标名称主干之间的相似度,在名称分支集中过滤相似度不满足设定条件的名称分支,并基于过滤后的名称分支集中每个名称分支在候选名称集中的出现次数,在过滤后的名称分支集中确定目标名称分支。
在一些实施例中,也可以仅基于每个名称分支在候选名称集中的出现次数,在名称分支集中确定目标名称分支。
在按照上述实施例得到目标名称主干和目标名称分支之后,依据这两者的关系,进行组合,得到兴趣点的名称。
示例性地,在上述步骤S140中,基于目标名称主干和目标名称分支,确定兴趣点的名称,包括:
在目标名称主干不包含目标名称分支的情况下,对目标名称主干和目标名称分支进行组合,得到兴趣点的名称。
在本示例中,可以避免兴趣点名称包括重复的分支,减少冗余。
在一些实施例,目标名称主干和目标名称分支组合得到的名称可以包括多个,可以从中选择一个作为兴趣点的名称。
在一些实施例中,如果目标名称主干已包含目标名称分支,则不需要对这两者进行组合。
示例性地,在上述步骤S150中,基于目标名称主干和目标名称分支,确定兴趣点的名称,包括:
在目标名称主干包含目标名称分支的情况下,将目标名称主干确定为兴趣点的名称。
在本示例中,可以避免兴趣点名称包括重复的分支,减少冗余。
图2A是实现本公开实施例的兴趣点命名方法的系统的结构框图;图2B是实现本公开实施例的兴趣点命名方法的系统中的主名称选取模块的结框图;图2C是实现本公开实施例的兴趣点命名方法的系统中的分支选取模块的结构框图;图2D是实现本公开实施例的兴趣点命名方法的系统中的名称组合模块的结构框图。
如图2A所示,系统分成三部分,包括主名称选取模块、分支选取模块和名称组合模块。首先,对候选名称集进行主名称与分支的切分,得到主名称集和分支集。将主名称集输入到主名称选取模块中,得到目标主名称。将分支集输入到分支选取模块中,得到目标分支。也可以将候选名称集输入到分支选取模块中切分,得到分支,并进行筛选,得到目标分支。将目标主名称和目标分支输入到名称组合模块,得到兴趣点的新名称。
如图2B所示,在主名称选取模块中,首先,对主名称集(名称主干集)进行过滤,可以包括状态过滤、分层过滤、白名单过滤、关键词过滤。然后,对主名称集进行分类,即将相同名称的主名称归为一类,得到主名称name1,主名称name2,······,主名称name n。
接着,通过对主名称(名称主干)的名称组成成分、名秒时效性、名称真实性以及名称出现次数分别对每个主名称进行打分,并对得到的分数进行加权和归一化,得到每个主名称的质量评分,并筛选质量评分最高的主名称作为目标主名称。上述评分的权重可以为:名称真实性大于名称时效性,名称时效性大于名称出现次数,名称出现次数大于名称组成成分。
主名称选取模块包括打分机构,该打分机构可以执行以下操作:
打分机构对每个主名称的组成成分进行打分,可以包括:如果主名称含有核心词CORE,主名称的得分增加0.5分;如果主名称含有区域LOC,主名称的得分增加0.1分;如果主名称含有经营属性SCO,主名称的得分增加0.3分;如果主名称含有尾缀SUFF,主名称的得分增加0.1分。对每个主名称的组成成分得分进行归一化,得到每个主名称的组成成分归一化得分。
打分机构对每个主名称的真实性进行打分,可以包括:如果主名称所属的名称的来源是实采源,主名称的真实性得分为1分;如果主名称所属的名称的来源是非实采源,主名称的真实性得分为0分。对每个主名称的真实性得分进行归一化,得到每个主名称的真实性归一化得分。
打分机构对每个主名称的时效性进行打分,可以包括:确定每个主名称的最近使用时间;如果最近使用时间为距离当前时刻在一个月内,主名称的时效性得分为12分;如果在两个月内,主名称的时效性得分为11分,······,如果在12个月内,主名称的时效性得分为1分;如果超过12个月,主名称的时效性得分为0.5分。对每个主名称的时效性得分进行归一化,得到每个主名称的时效性归一化得分。
打分机构对每个主名称的名称出现次数进行打分,包括:统计每个主名称在候选名称集中的出现次数,出现次数越多,主名称的名称出现次数打分越高。例如,每出现一次累计得一分。对每个主名称的名称出现次数得分进行归一化,得到每个主名称的出现次数归一化得分。
如图2C所示,在分支选取模块中,对分支集进行过滤,包括:状态过滤、时效性过滤以及关键字过滤。然后,对过滤后的分支集中的每个分支进行投票表决,将在候选名称集中的出现次数最多的分支,确定为目标分支。当然,也可以对候选名称集进行上述过滤,过滤了之后,再进行切分以得到分支,对每个分支在候选名称集中的出现次数进行统计,在候选名称集中的出现次数最多的分支确定为目标分支。
如图2D所示,在组合名称模块中,将目标主名称与目标分支进行组合,得到新名称。在新名称包括多个的情况下,排除冗余的名称,并相互比较名称,最终选出一个名称。
图3是本公开一个实施例的兴趣点命名装置的结构框图。
如图3所示,兴趣点命名装置可以包括:
名称切分模块310,用于对兴趣点的候选名称集中的每个候选名称的名称主干与名称分支进行识别,得到所述兴趣点的名称主干集和名称分支集;
主干确定模块320,用于基于所述名称主干集,确定目标名称主干;
分支确定模块330,用于基于所述名称分支集,确定目标名称分支;
名称确定模块340,用于基于所述目标名称主干和所述目标名称分支,确定所述兴趣点的名称。
图4是本公开另一个实施例的兴趣点命名装置的结构框图。如图4所示,兴趣点命名装置包括名称切分模块410、主干确定模块420、分支确定模块430以及名称确定模块440与上述实施例中的310、主干确定模块320、分支确定模块330以及名称确定模块340功能相同,在此不再详述。
示例性地,所述主干确定模块420包括:
评分单元421,用于基于所述名称主干集中的每个名称主干的至少一个属性信息以及所述至少一个属性信息中的每个属性信息对应的评分规则,确定所述每个名称主干的质量评分;
主干筛选单元422,用于基于所述每个名称主干的质量评分,在所述名称主干集中确定目标名称主干。
示例性地,所述名称主干的属性信息包括以下至少一项:所述名称主干的组成成分、所述名称主干所属的候选名称的来源、所述名称主干所属的候选名称的历史使用时间、所述名称主干在所述候选名称集中的出现次数。
示例性地,所述分支确定模块430具体用于:
基于所述目标名称主干,在所述名称分支集中确定目标名称分支。
示例性地,所述分支确定模块430包括:
分支筛选单元431,用于基于所述名称分支集中的每个名称分支与所述目标名称主干之间的相似度以及所述每个名称分支在所述候选名称集中的出现次数,在所述名称分支集中确定目标名称分支。
示例性地,所述名称确定模块440包括:
名称组合单元441,用于在所述目标名称主干不包含所述目标名称分支的情况下,对所述目标名称主干和所述目标名称分支进行组合,得到所述兴趣点的名称。
示例性地,所述名称确定模块440包括:
兴趣点名称确定单元442,用于在所述目标名称主干包含所述目标名称分支的情况下,将所述目标名称主干确定为所述兴趣点的名称。
本公开实施例各装置中的各单元、模块或子模块的功能可以参见上述方法实施例中的对应描述,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供一种地理信息系统,可以包括本公开实施中的电子设备。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。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/或要求的本公开的实现。
如图5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序来执行各种适当的动作和处理。在RAM 503中,还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如兴趣点命名方法。例如,在一些实施例中,兴趣点命名方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 102和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的兴趣点命名方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行兴趣点命名方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程变道控制装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (18)
1.一种兴趣点命名方法,包括:
对兴趣点的候选名称集中的每个候选名称的名称主干与名称分支进行识别,得到所述兴趣点的名称主干集和名称分支集;
基于所述名称主干集,确定目标名称主干;
基于所述名称分支集,确定目标名称分支;
基于所述目标名称主干和所述目标名称分支,确定所述兴趣点的名称。
2.根据权利要求1所述的方法,其中,所述基于所述名称主干集,确定目标名称主干,包括:
基于所述名称主干集中的每个名称主干的至少一个属性信息以及所述至少一个属性信息中的每个属性信息对应的评分规则,确定所述每个名称主干的质量评分;
基于所述每个名称主干的质量评分,在所述名称主干集中确定目标名称主干。
3.根据权利要求2所述的方法,其中,所述名称主干的属性信息包括以下至少一项:所述名称主干的组成成分、所述名称主干所属的候选名称的来源、所述名称主干所属的候选名称的历史使用时间、所述名称主干在所述候选名称集中的出现次数。
4.根据权利要求1至3任一项所述的方法,其中,所述基于所述名称分支集,确定目标名称分支,包括:
基于所述目标名称主干,在所述名称分支集中确定目标名称分支。
5.根据权利要求4所述的方法,其中,所述基于所述目标名称主干,在所述名称分支集中确定目标名称分支,包括:
基于所述名称分支集中的每个名称分支与所述目标名称主干之间的相似度以及所述每个名称分支在所述候选名称集中的出现次数,在所述名称分支集中确定目标名称分支。
6.根据权利要求1至5任一项所述的方法,其中,所述基于所述目标名称主干和所述目标名称分支,确定所述兴趣点的名称,包括:
在所述目标名称主干不包含所述目标名称分支的情况下,对所述目标名称主干和所述目标名称分支进行组合,得到所述兴趣点的名称。
7.根据权利要求1至6任一项所述的方法,其中,所述基于所述目标名称主干和所述目标名称分支,确定所述兴趣点的名称,包括:
在所述目标名称主干包含所述目标名称分支的情况下,将所述目标名称主干确定为所述兴趣点的名称。
8.一种兴趣点命名装置,包括:
名称切分模块,用于对兴趣点的候选名称集中的每个候选名称的名称主干与名称分支进行识别,得到所述兴趣点的名称主干集和名称分支集;
主干确定模块,用于基于所述名称主干集,确定目标名称主干;
分支确定模块,用于基于所述名称分支集,确定目标名称分支;
名称确定模块,用于基于所述目标名称主干和所述目标名称分支,确定所述兴趣点的名称。
9.根据权利要求8所述的装置,其中,所述主干确定模块包括:
评分单元,用于基于所述名称主干集中的每个名称主干的至少一个属性信息以及所述至少一个属性信息中的每个属性信息对应的评分规则,确定所述每个名称主干的质量评分;
主干筛选单元,用于基于所述每个名称主干的质量评分,在所述名称主干集中确定目标名称主干。
10.根据权利要求9所述的装置,其中,所述名称主干的属性信息包括以下至少一项:所述名称主干的组成成分、所述名称主干所属的候选名称的来源、所述名称主干所属的候选名称的历史使用时间、所述名称主干在所述候选名称集中的出现次数。
11.根据权利要求8至9任一项所述的装置,其中,所述分支确定模块具体用于:
基于所述目标名称主干,在所述名称分支集中确定目标名称分支。
12.根据权利要求11所述的装置,其中,所述分支确定模块包括:
分支筛选单元,用于基于所述名称分支集中的每个名称分支与所述目标名称主干之间的相似度以及所述每个名称分支在所述候选名称集中的出现次数,在所述名称分支集中确定目标名称分支。
13.根据权利要求8至12任一项所述的装置,其中,所述名称确定模块包括:
名称组合单元,用于在所述目标名称主干不包含所述目标名称分支的情况下,对所述目标名称主干和所述目标名称分支进行组合,得到所述兴趣点的名称。
14.根据权利要求8至13任一项所述的装置,其中,所述名称确定模块包括:
兴趣点名称确定单元,用于在所述目标名称主干包含所述目标名称分支的情况下,将所述目标名称主干确定为所述兴趣点的名称。
15.一种电子设备,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1-7中任一项所述的方法。
16.一种地理信息系统,包括如权利要求15所述的电子设备。
17.一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计算机执行权利要求1-7中任一项所述的方法。
18.一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210102376.8A CN114428885A (zh) | 2022-01-27 | 2022-01-27 | 兴趣点命名方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210102376.8A CN114428885A (zh) | 2022-01-27 | 2022-01-27 | 兴趣点命名方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114428885A true CN114428885A (zh) | 2022-05-03 |
Family
ID=81312395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210102376.8A Pending CN114428885A (zh) | 2022-01-27 | 2022-01-27 | 兴趣点命名方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114428885A (zh) |
-
2022
- 2022-01-27 CN CN202210102376.8A patent/CN114428885A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112559371B (zh) | 一种自动驾驶测试方法、装置及电子设备 | |
CN114677570B (zh) | 道路信息更新方法、装置、电子设备以及存储介质 | |
CN114282670A (zh) | 神经网络模型的压缩方法、设备和存储介质 | |
CN113836925A (zh) | 预训练语言模型的训练方法、装置、电子设备及存储介质 | |
CN113191261B (zh) | 图像类别的识别方法、装置和电子设备 | |
CN113780098A (zh) | 文字识别方法、装置、电子设备以及存储介质 | |
CN112989235A (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN115145924A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN114090601A (zh) | 一种数据筛选方法、装置、设备以及存储介质 | |
CN113392920A (zh) | 生成作弊预测模型的方法、装置、设备、介质及程序产品 | |
CN114428885A (zh) | 兴趣点命名方法、装置、电子设备和存储介质 | |
CN114119972A (zh) | 模型获取及对象处理方法、装置、电子设备及存储介质 | |
CN114048376A (zh) | 广告的业务信息挖掘方法、装置、电子设备以及存储介质 | |
CN114328855A (zh) | 文档查询方法、装置、电子设备和可读存储介质 | |
CN113901901A (zh) | 图像处理模型的训练方法、装置、电子设备和介质 | |
CN113807391A (zh) | 任务模型的训练方法、装置、电子设备及存储介质 | |
CN113807390A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN113033431A (zh) | 光学字符识别模型训练和识别方法、装置、设备及介质 | |
CN113865611B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN116244413B (zh) | 新意图确定方法、设备和存储介质 | |
CN113836358A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115934987A (zh) | 样本文本生成方法、装置及电子设备 | |
CN115392399A (zh) | 流程超时预测模型的训练和使用方法、装置、设备及介质 |
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 |