[发明专利]一种地图数据判重的方法及系统

说明书

本发明提供了一种地图数据判重的方法，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；本发明还提供一种地图数据判重的系统。根据本发明提供的技术方案，能够有效识别出电子地图应用中重复的兴趣点。

【技术领域】

本发明涉及互联网应用领域，尤其涉及一种地图数据判重的方法及系统。

【背景技术】

随着地理信息系统（GIS，Geographic Information System）的普及，电子地图中引进了政府机关、观光景点、宾馆、餐厅、商场以及医院等人们感兴趣的地点的名称、简介等数据，这些人们感兴趣的地点称为兴趣点（POI，Point of Interest）。

在使用电子地图时，会依据用户输入的query（查询词）向用户提供一个以上兴趣点作为搜索结果，但是由于目前电子地图应用中兴趣点的数据来源比较多也比较杂，导致搜索结果中会出现重复的兴趣点，这样就对用户产生了干扰，当用户无法识别出需要获知的是哪个兴趣点时，就会点击搜索结果中的所有兴趣点，进一步进行人工筛选，因此，为了保证兴趣点的有效性、可靠性以及提高唯一性，必须对兴趣点进行判重处理。

目前，对兴趣点进行判重的方法是：从兴趣点的数据出发，如兴趣点的名称、地址和经纬度坐标等，先对兴趣点的名称进行解析，提取名称的核心词，然后依据兴趣点的经纬度坐标，判断附近的兴趣点的名称是否与当前兴趣点的名称有相同的核心词，综合判断出兴趣点是否重复。这种兴趣点判重方法的缺点是：仅依据兴趣点自身的数据，如名称和地址，来判断兴趣点是否重复，如果兴趣点有其他名称，或兴趣点之间仅有几个字的差异，将会导致兴趣点的判重失败，例如，“兰会所”与“会所”，“牛街邮政支局”与“北京市南区邮电局牛街支局”，这两组兴趣点都是重复的兴趣点，但是利用目前的判重方法无法识别出这两组重复的兴趣点，因此，目前的兴趣点判重方法中重复兴趣点的识别率较低。

【发明内容】

本发明提供了一种地图数据判重的方法及系统，能够有效识别出电子地图应用中重复的兴趣点。

本发明的具体技术方案如下：

根据本发明一优选实施例，一种地图数据判重的方法，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。

上述方法中，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。

上述方法中，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。

上述方法中，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；