[发明专利]一种地图兴趣点POI数据的处理方法和装置

说明书

技术领域

本发明涉及数据处理技术领域，具体涉及一种地图兴趣点POI数据的处理方法和装置。

背景技术

POI(兴趣点，PointofInterest)是指用户感兴趣或对用户来说有实际用途的特定的地理位置点；在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。

传统的地理信息采集方法是需要地图测绘人员采用精密的测绘仪器去获取各兴趣点的经纬度，然后再标记下来，这种方式费时费力。由于互联网上存在着各种各样的POI数据，如果能从互联网上挖掘这些数据则会大大节省人力和时间。

然而，互联网上的POI数据是各种各样的，其中充斥着大量的脏数据、错误数据以及重复数据。为了保证POI数据的准确性和单一性，需要对从互联网上挖掘出的POI数据进行进一步的处理。

现有技术中，常见的处理方式是分别计算POI数据的POI名称和POI地址的相似度，再根据相似度进行去重。但由于上述计算POI名称的相似度以及计算POI地址的相似度实际上均是对字符串的相似度的比较过程，字符串的相似度的比较难度较高，尤其是包含汉字的字符串计算其相似度会涉及到自然语言处理，可实施性差、效率低，且准确率也难以保证。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种地图兴趣点POI数据的处理方法和相应的装置。

依据本发明的一个方面，提供了一种地图兴趣点POI数据的处理方法，该方法包括：

从互联网网页中挖掘出与指定POI关联的多条POI数据，每条POI数据包括：POI名称和POI地址；

分析每条POI数据对应的关键词；

将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据；

对所述视为相同的多条POI数据进行去重处理，得到最终与所述指定POI关联的POI数据。

可选地，所述分析每条POI数据对应的关键词包括：

对于一条POI数据，提取该POI数据中的POI名称的核心词，获取该POI数据的类型，将所述核心词和类型结合起来，作为该条POI数据对应的关键词。

可选地，所述提取该POI数据中的POI名称的核心词包括：

对该POI数据中的POI名称进行切词处理，统计切词后的每个子词在预设统计集合中的出现次数，将出现次数最少的子词作为该POI数据中的POI名称的核心词。

可选地，所述预设统计集合包括：对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词。

可选地，每条POI数据中还包括：来源网页；

则所述获取该POI数据的类型包括：将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。

可选地，所述获取该POI数据的类型包括：

对该POI数据中的POI名称进行切词处理，将切词后得到的最后一个子词作为该POI数据的类型。

可选地，该方法进一步包括：

解析每条POI数据中的POI地址对应的经纬度，将经纬度相同的POI地址视为相同的POI地址。

依据本发明的另一个方面，提供了一种地图兴趣点POI数据的处理装置，该装置包括：

挖掘单元，适于从互联网网页中挖掘出与指定POI关联的多条POI数据；其中，每条POI数据包括：POI名称和POI地址；

分析单元，适于分析每条POI数据对应的关键词；以及适于将POI地址相同且对应的关键词相同的多条POI数据视为相同的POI数据；

去重单元，适于对所述视为相同的多条POI数据进行去重处理，得到最终与所述指定POI关联的POI数据。

可选地，所述分析单元，适于对于一条POI数据，提取该POI数据中的POI名称的核心词，获取该POI数据的类型，将所述核心词和类型结合起来，作为该条POI数据对应的关键词。

可选地，所述分析单元，适于对该POI数据中的POI名称进行切词处理，统计切词后的每个子词在预设统计集合中的出现次数，将出现次数最少的子词作为该POI数据中的POI名称的核心词。

可选地，所述预设统计集合包括：对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词。

可选地，每条POI数据中还包括：来源网页；

则所述分析单元，适于将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。