[发明专利]一种基于多源POI数据的去重融合方法及相关装置

说明书

本发明公开了一种基于多源POI数据的去重融合方法及相关装置，该方法：获取各个平台提供的POI数据后，根据POI数据的数据质量，确定每个POI数据的优先级；接着，对POI数据中的文本型数据进行分词处理，并利用预先构建的停用词库对经分词处理后的POI数据进行降噪；然后，根据POI数据的经纬度数据对应的geohash编码，提取出距离相似样本集；最后，将距离相似样本集中的POI数据输入至机器学习模型中，判断POI数据是否与其它POI数据属于相同POI，并将相同POI对应的POI数据融合为一个POI数据，以及给每个POI数据打上标签。因此，本发明通过提取距离相似样本集，并利用机器学习模型进行相似度识别，降低了识别误差，解决了数据重复冗余问题。

技术领域

本发明涉及电子地图技术领域，特别涉及一种基于多源POI数据的去重融合方法及相关装置。

背景技术

POI(Point of Interest，兴趣点)，泛指互联网电子地图中的点类数据，基本包含名称、地址、坐标、类别四个属性；由于POI涵盖众多信息，比如地址、经纬度、联系方式、名称等；随着电子地图的高速发展，POI数据也出现了图片数据，评论数据和评分等数据，由于POI数据来源众多，从不同平台中获取的POI数据维度不可能一致，即便相同的POI数据也会存在差异；因此，如果无法精准地识别相同POI数据的差异，在对POI数据整合时，将会出现大量重复冗余的POI数据。

发明内容

鉴于以上所述现有技术的不足，本发明的目在于：提供一种基于多源POI数据的去重融合方法。

为实现上述发明目的，本发明提供以下技术方案：

一种基于多源POI数据的去重融合方法，其包括以下步骤：

获取各个平台提供的POI数据后，根据POI数据的数据质量，确定每个POI数据的优先级；

对POI数据中的文本型数据进行分词处理，并利用预先构建的停用词库对经分词处理后的POI数据进行降噪；

根据POI数据的经纬度数据对应的geohash编码，提取出距离相似样本集；

将所述距离相似样本集中的POI数据输入至机器学习模型中，判断POI数据是否与其它POI数据属于相同POI，若所述距离相似样本集中存在相同POI，则将相同POI对应的POI数据融合为一个POI数据；以及给每个POI数据打上标签。

根据一种具体的实施方式，本发明基于多源POI数据的去重融合方法中，POI数据的数据质量由POI数据本身的数据量、POI数据字段的准确度、POI数据的颗粒度以及POI数据的完整度共同决定。

根据一种具体的实施方式，本发明基于多源POI数据的去重融合方法中，对POI数据的经纬度数据进行geohash编码，且编码长度由距离范围确定的。

根据一种具体的实施方式，本发明基于多源POI数据的去重融合方法中，将相同POI对应的POI数据融合为一个POI数据时，保留优先级较高的POI数据。

在本发明具体实施的另一方面，还提供一种电子装置，其包括：

优先级确定模块，用于在获取各个平台提供的POI数据后，根据POI数据的数据质量，确定每个POI数据的优先级；

分词处理模块，用于对POI数据中的文本型数据进行分词处理；

降噪模块，用于利用预先构建的停用词库对经分词处理后的POI数据进行降噪；

样本集提取模块，用于根据POI数据的经纬度数据对应的geohash编码，提取出距离相似样本集；