[发明专利]一种地图兴趣点POI数据的挖掘方法和装置

权利要求书

1.一种地图兴趣点POI数据的挖掘方法，其中，该方法包括：

挖掘POI数据提供网站中的POI数据，得到POI数据集；

提取一个或多个政府网站中包含的地理位置数据；

通过从所述一个或多个政府网站中提取出的地理位置数据，验证所述POI数据集中的POI数据的正确性。

2.如权利要求1所述的方法，其中，所述POI数据集中的每条POI数据包括：POI名称和POI地址；每条地理位置数据包括：地址信息和名称信息；

所述提取一个或多个政府网站中包含的地理位置数据，通过从所述一个或多个政府网站中提取出的地理位置数据，验证所述POI数据集中的POI数据的正确性包括：

先从政府网站中挖掘出地址信息；

对于每个地址信息，判断所述POI数据集中是否存在与该地址信息相同的POI地址；

如果存在，从该地址信息的来源网页中提取对应的名称信息；

对比该名称信息，和与该地址信息相同的POI地址对应的POI名称，若相同，则确定对应的POI数据正确，若不同，则确定对应的POI数据有误。

3.如权利要求2所述的方法，其中，在所述确定对应的POI数据有误之后，该方法进一步包括：

利用该名称信息替换对应的POI数据中的POI名称，将替换后的对应的POI数据作为正确的POI数据。

4.如权利要求1所述的方法，其中，在所述挖掘POI数据提供网站中的POI数据之前，该方法进一步包括：

挖掘包含POI数据相关关键词的多个网页；

根据所述多个网页的URL格式对网页进行聚类；

选取包含有效POI数据较多的聚类，作为POI数据提供网站。

5.如权利要求1所述的方法，其中，所述挖掘POI数据提供网站中的POI数据，得到POI数据集包括：

对于一个POI数据提供网站，根据该POI数据提供网站中的网页结构特点制定挖掘POI数据的模板；

将所述模板应用于该POI数据提供网站中的所有网页，挖掘该POI数据提供网站中的POI数据，得到POI数据集。

6.如权利要求1所述的方法，其中，在所述提取一个或多个政府网站中包含的地理位置数据之前，该方法进一步包括：挖掘站点的后缀为“.gov.cn”的政府网站。

7.如权利要求2所述的方法，其中，所述从政府网站中挖掘出地址信息包括：

创建地址数据库，该地址数据库中包括：全国的省、市、县(区)、乡镇和道路的地址数据；

对政府网站中的网页内容做切词处理；

对于一个网页中的一个文本段，如果切词后得到的所有子词均命中所述地址数据库，则挖掘出该文本段作为地址信息。

8.如权利要求2所述的方法，其中，所述对于每个地址信息，判断所述POI数据集中是否存在与该地址信息相同的POI地址包括：

解析该地址信息的经纬度；

解析所述POI数据集中的POI地址的经纬度；

对比该地址信息的经纬度和POI地址的经纬度；

如果存在与该地址信息的经纬度相同的POI地址的经纬度，则确定所述POI数据集中存在与该地址信息相同的POI地址。

9.如权利要求2所述的方法，其中，所述从该地址信息的来源网页中提取对应的名称信息包括：

如果该地址信息的来源网页中包含多个对应经纬度相同的名称信息，则计算该地址信息与每个名称信息在网页中的文本距离，取与该地址信息之间文本距离最小的名称信息作为所述对应的名称信息。

10.一种地图兴趣点POI数据的挖掘装置，其中，该装置包括：

挖掘单元，适于挖掘POI数据提供网站中的POI数据，得到POI数据集；

验证单元，适于提取一个或多个政府网站中包含的地理位置数据；以及适于通过从所述一个或多个政府网站中提取出的地理位置数据，验证所述POI数据集中的POI数据的正确性。