[发明专利]一种地图数据判重的方法及系统

权利要求书

1.一种地图数据判重的方法，其特征在于，该方法包括：

依据用户行为日志统计查询词的搜索结果中兴趣点的点击次数，并依据查询词、兴趣点以及点击次数的对应关系生成有向图；

依据所述有向图，利用随机游走算法获得兴趣点之间所有路径的概率累加，作为兴趣点之间的的相似度；

当两个兴趣点的相似度大于预设阈值时，判定所述两个兴趣点为重复数据。

2.根据权利要求1所述的方法，其特征在于，所述查询词为对用户点击日志中的查询词进行泛需求查询词筛选后得到的查询词。

3.根据权利要求1所述的方法，其特征在于，

所述有向图包括一个以上有向边；

所述有向边的两端分别为查询词和兴趣点；

所述有向边的指向为兴趣点指向查询词；

所述有向边的权重值为兴趣点的点击次数。

4.根据权利要求3所述的方法，其特征在于，所述利用随机游走算法获得兴趣点之间的相似度具体为：

对于每个兴趣点，将所述兴趣点的有向边的权重值除以与所述兴趣点相连的有向边的权重值的总和，得到有向边的归一化概率；

以所述兴趣点为起点，通过与所述兴趣点连接的所有有向边向对端的查询词游走；达到对端的查询词后，再以对端的查询词为起点，通过与所述查询词连接的有向边向所述查询词对端的兴趣点游走，直到达到预设的迭代次数时停止迭代，得到两个兴趣点的所有路径；

将每个路径中有向边的归一化概率相乘，得到所述路径的概率；

将两个兴趣点的所有路径的概率累加，得到两个兴趣点的相似度。

5.一种地图数据判重的系统，其特征在于，该系统包括：生成单元、统计单元、判重单元；其中，

生成单元，用于依据用户行为日志统计查询词的搜索结果中兴趣点的点击次数，并依据查询词、兴趣点以及点击次数的对应关系生成有向图；

统计单元，用于依据生成单元生成的有向图，利用随机游走算法获得兴趣点之间所有路径的概率累加，作为兴趣点之间的的相似度；

判重单元，用于当两个兴趣点的相似度大于预设阈值时，判定所述两个兴趣点为重复数据。

6.根据权利要求5所述的系统，其特征在于，所述查询词为对用户点击日志中的查询词进行泛需求查询词筛选后得到的查询词。

7.根据权利要求5所述的系统，其特征在于，

所述有向图包括一个以上有向边；

所述有向边的两端分别为查询词和兴趣点；

所述有向边的指向为兴趣点指向查询词；

所述有向边的权重值为兴趣点的点击次数。

8.根据权利要求7所述的系统，其特征在于，所述统计单元在利用随机游走算法获得兴趣点之间的相似度时，具体为：

对于每个兴趣点，将所述兴趣点的有向边的权重值除以与所述兴趣点相连的有向边的权重值的总和，得到有向边的归一化概率；

以所述兴趣点为起点，通过与所述兴趣点连接的所有有向边向对端的查询词游走；达到对端的查询词后，再以对端的查询词为起点，通过与所述查询词连接的有向边向所述查询词对端的兴趣点游走，直到达到预设的迭代次数时停止迭代，得到两个兴趣点的所有路径；

将每个路径中有向边的归一化概率相乘，得到所述路径的概率；

将两个兴趣点的所有路径的概率累加，得到两个兴趣点的相似度。