CN112711645B - 一种位置点信息扩展方法、装置、存储介质和电子设备 - Google Patents
一种位置点信息扩展方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112711645B CN112711645B CN202110029268.8A CN202110029268A CN112711645B CN 112711645 B CN112711645 B CN 112711645B CN 202110029268 A CN202110029268 A CN 202110029268A CN 112711645 B CN112711645 B CN 112711645B
- Authority
- CN
- China
- Prior art keywords
- information
- target
- position point
- point
- identifier
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种位置点信息扩展方法、装置、存储介质和电子设备,属于互联网技术领域,涉及人工智能和自然语言处理技术。本申请采用位置点信息关系库保存对象的标识与地图中位置点的标识之间的对应关系。该扩展方法获取目标对象的第一标识和待添加的扩展信息后,可以根据第一标识,在位置点信息关系库中查找目标对象关联的目标位置点的第二标识,然后根据查找到的第二标识,获取目标位置点在地图中已标识的基础信息,并针对目标位置点,将扩展信息与基础信息进行关联存储,获得相应的目标信息。通过该方法为地图中的位置点扩展标识的信息,使位置点的信息更全面、更准确,为用户提供更全面、更准确的出行参考。
Description
技术领域
本申请涉及互联网技术领域,更具体地说,涉及一种位置点信息扩展方法、装置、存储介质和电子设备。
背景技术
随着科技的进步和移动互联网的日益发展,用户对地图产品的使用量逐年上升。其中,用户在使用地图产品,如电子地图时,通常会关注地图中标注的位置点等地图数据。
目前,地图中标注的位置点的数量非常多,例如:地标、景点、商户、交通设施等位置点。同时,位置点的相关信息来源很多,例如:用户添加或者商家添加等。
因此,相关技术中,位置点的相关信息的维护工作量大,数据准确性不足,不能为用户提供更全面、更准确的出行参考。
发明内容
为解决相关技术中存在的技术问题,本申请实施例提供一种位置点信息扩展方法、装置、存储介质和电子设备,能够为地图中的位置点标注更全面、更准确的信息。
为达到上述目的,本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种位置点信息扩展方法,所述方法包括:
获取目标对象的第一标识和待添加的扩展信息;
根据所述第一标识,在位置点信息关系库中查找所述目标对象关联的目标位置点的第二标识;所述位置点信息关系库用于保存对象的标识与地图中位置点的标识之间的对应关系;
根据所述第二标识,获取所述目标位置点在所述地图中已标识的基础信息;
针对所述目标位置点,将所述扩展信息与所述基础信息进行关联存储,获得相应的目标信息。
第二方面,本申请实施例提供一种位置点信息扩展装置,所述装置包括:
第一数据获取单元,用于获取目标对象的第一标识和待添加的扩展信息;
数据查询单元,用于根据所述第一标识,在位置点信息关系库中查找所述目标对象关联的目标位置点的第二标识;所述位置点信息关系库用于保存对象的标识与地图中位置点的标识之间的对应关系;
第二数据获取单元,用于根据所述第二标识,获取所述目标位置点在所述地图中已标识的基础信息;
信息扩展单元,用于针对所述目标位置点,将所述扩展信息与所述基础信息进行关联存储,获得相应的目标信息。
在一种可选的实施例中,所述信息扩展单元,还用于:
基于第一终端针对所述目标位置点发送的信息获取请求,将所述目标信息发送至所述第一终端,以使所述第一终端在地图中针对所述目标位置点显示所述目标信息。
在一种可选的实施例中,所述数据查询单元,还用于:
针对具有反馈信息的各个位置点,所述反馈信息为第二终端针对所述位置点反馈的信息;分别执行如下操作:
获取地图中所述位置点的标识;
基于所述位置点的反馈信息,获取所述位置点对应的对象的标识;
将所述对象的标识与所述位置点的标识的对应关系保存至所述位置点信息关系库中。
在一种可选的实施例中,所述一个位置点的反馈信息中包括所述一个位置点对应的对象的执照图像;所述数据查询单元,具体用于:
对所述执照图像进行文字识别,得到所述一个位置点对应的对象的执照文字信息;
从所述对象的执照文字信息中,获取所述一个位置点对应的对象的标识。
在一种可选的实施例中,所述第一数据获取单元,具体用于:
获取所述目标对象的交易数据集合;所述交易数据集合中每个所述交易数据中均包括交易时间信息和所述目标对象的第一标识;
根据所述交易数据集合中各个交易数据对应的交易时间信息,确定所述目标对象的营业信息;
根据所述目标对象的营业信息,生成所述待添加的扩展信息。
在一种可选的实施例中,所述每个交易数据中进一步包括交易位置信息;所述第二数据获取单元,还用于:
若在位置点信息关系库中未查找到所述目标对象关联的目标位置点的第二标识,则根据所述交易数据集合中各个交易数据对应的交易位置信息,对所述目标对象的交易数据进行聚类,得到所述目标对象对应的交易中心位置;
在所述地图中,查找位于所述交易中心位置周围的预设范围内的候选位置点,并获取各个所述候选位置点的标识;
从各个所述候选位置点中选择标识与所述第一标识相匹配的候选位置点,作为所述目标位置点。
在一种可选的实施例中,所述候选位置点的标识和所述第一标识均为文本标识;所述第二数据获取单元,具体用于:
对于各个候选位置点,若所述候选位置点的标识与所述第一标识中包含至少一个相同的字符,则将所述候选位置点作为所述目标对象的参考目标位置点;
确定各个所述参考目标位置点的标识与所述第一标识之间的文本相似度;
根据各个参考目标位置点对应的文本相似度,从各个参考目标位置点中选择所述目标位置点。
在一种可选的实施例中,所述第二数据获取单元,具体用于:
对于各个参考目标位置点,分别执行如下操作:
对所述第一标识进行文本特征提取,得到第一文本特征向量;
对所述参考目标位置点的标识进行文本特征提取,得到所述参考目标位置点的文本特征向量;
确定所述第一文本特征向量与所述参考目标位置点的文本特征向量的差向量;
将所述第一文本特征向量、所述参考目标位置点的文本特征向量和所述差向量进行拼接,得到拼接向量;
根据所述拼接向量,确定所述参考目标位置点的标识与所述第一标识之间的文本相似度。
在一种可选的实施例中,所述第二数据获取单元,具体用于:
将各个参考目标位置点中相似度最大的参考目标位置点作为所述目标位置点;或者,
将各个参考目标位置点中相似度大于或等于设定相似度阈值的参考目标位置点作为所述目标位置点;或者,
将各个参考目标位置点中相似度最大且相似度大于或等于设定相似度阈值的参考目标位置点作为所述目标位置点。
在一种可选的实施例中,所述营业信息包括每日营业时间;所述第一数据获取单元,具体用于:
根据每个所述交易数据中的交易时间信息,确定所述目标对象的最早营业时间和最晚营业时间;
根据所述目标对象的最早营业时间和最晚营业时间,生成所述目标对象的每日营业时间。
在一种可选的实施例中,所述营业信息包括营业状态;所述第一数据获取单元,具体用于:
获取每个所述交易数据的交易时间信息中对应的交易日期;
若根据每个所述交易数据对应的交易日期,确定在当前时刻之前的预设时间阈值内每日均存在交易数据,则确定所述目标对象的营业状态为正常营业。
在一种可选的实施例中,所述数据查询单元,具体用于:
若在位置点信息关系库中查找到多个与所述目标对象对应的候选目标位置点的标识,根据各个所述候选目标位置点的标识,获取各个所述候选目标位置点的地理位置;
确定各个所述候选目标位置点的地理位置与所述目标对象对应的交易中心位置之间的距离;
将距离最近的候选目标位置点作为目标位置点,并将所述目标位置点的标识作为所述第二标识。
第三方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现第一方面的位置点信息扩展方法。
第四方面,本申请实施例还提供一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器实现第一方面的位置点信息扩展方法。
本申请实施例的位置点信息扩展方法、装置、存储介质和电子设备,设置有位置点信息关系库,用于保存对象的标识与地图中位置点的标识之间的对应关系。获取目标对象的第一标识和待添加的扩展信息后,可以根据第一标识,在位置点信息关系库中查找目标对象关联的目标位置点的第二标识,然后根据查找到的第二标识,获取目标位置点在地图中已标识的基础信息,并针对目标位置点,将扩展信息与基础信息进行关联存储,获得相应的目标信息。通过该方法为地图中的位置点扩展标识的信息,使位置点的信息更全面、更准确,为用户提供更全面、更准确的出行参考。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种位置点信息扩展方法的应用场景示意图;
图2为本申请实施例提供的一种位置点信息扩展方法的流程示意图;
图3为本申请实施例提供的一种位置点信息扩展方法的上传反馈数据的示意图;
图4为本申请实施例提供的一种用于针对位置点反馈信息的快捷菜单选择框的示意图;
图5为本申请实施例提供的一种兴趣点反馈信息页面的示意图;
图6为本申请实施例提供的一种针对位置点反馈信息的数据格式的示意图;
图7为本申请实施例提供的点击位置点时显示位置点扩展信息的示意图;
图8为本申请实施例提供的一种位置点信息关系库建立的流程示意图;
图9为本申请实施例提供的一种位置点信息扩展方法的获取扩展信息的流程示意图;
图10为本申请实施例提供的另一种位置点信息扩展方法的流程示意图;
图11为本申请实施例提供的一种位置点信息扩展方法的确定文本相似度的流程示意图;
图12为本申请实施例提供的一种位置点信息扩展方法的文本相似度计算的框架示意图;
图13为本申请实施例提供的另一种位置点信息扩展方法的流程示意图;
图14为一种点击位置点时显示位置点信息的示意图;
图15为本申请实施例提供的另一种点击位置点时显示位置点扩展信息的示意图;
图16为本申请实施例提供的一种位置点信息扩展装置的结构框图;
图17为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
需要说明的是,本申请的文件中涉及的术语“包括”和“具有”以及它们的变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下对本申请实施例中的部分用语进行解释说明,以便于本领域技术人员理解。
(1)地理信息***(Geographic Information System,GIS):是用于采集、存储、管理、处理、检索、分析和表达地理空间数据的计算机***,是分析和处理海量地理数据的***。
(2)兴趣点(Point of Interest,POI):在本申请实施例中也称为位置点,是地理信息***中的某个地标、景点,用以标示出该地所代表的政府部门、各行各业之商业机构(加油站、百货公司、超市、餐厅、酒店、便利店、医院等)、旅游景点(公园、公共厕所)、古迹名胜、交通设施(各式车站、停车场、超速照相机、限速标示)等处所。
(3)知识图谱(Knowledge Graph,KG):也可以称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。本申请实施例中的POI知识图谱是用于存储兴趣点POI的POI基本信息、商户名称、法人信息的对应关系的数据库,其中,POI基本信息包括:POI序号,POI名称,POI坐标,POI地址,POI分类。POI名称可以是POI所指代的地理信息的招牌名称,例如,POI名称可以是如图5所示的“桥*排骨(**口店)”;商户名称可以是POI所指代的地理信息的营业执照名称,例如,商户名称可以是如图5所示的“##学府亿#来商贸有限公司”;法人信息可以是POI所指代的地理信息的营业执照里的法定代表人的姓名,例如,法人信息可以是如图5所示的“李某某”。
(4)轻量级Bert模型(A Lite BERT,ALBert):轻量级BERT模型是进行中文预处理的一种轻量型BERT模型,又称ALBert模型。参数量远少于传统BERT模型。ALBert通过如下两个参数削减技术克服了扩展预训练模型面临的主要障碍:
一、对嵌入参数进行因式分解。将大的词汇嵌入矩阵分解为两个小的矩阵,从而将隐藏层的大小与词汇嵌入的大小分离开来。这种分离使得隐藏层的增加更加容易,同时不显著增加词汇嵌入的参数量。
二、跨层参数共享,可以避免网络参数的数量随着网络深度的增加而增加。
两种技术都可以显著降低BERT的参数量,同时不对模型的性能造成明显影响。为了进一步提升性能,ALBert还引入了自监督损失函数,用于句子级别的预测(SOP)。SOP主要聚焦于句间连贯,用于解决传统BERT模型中下一句预测(NSP)损失低效的问题。本申请的一些实施例中,采用ALBert提取商户名称和POI名称的文本特征向量。
下文中所用的词语“示例性”的意思为“用作例子、实施例或说明性”。作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
文中的术语“第一”、“第二”仅用于描述目的,而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本申请实施例涉及人工智能(Artificial Intelligence,AI)和机器学习技术,基于人工智能中的自然语言处理(natural language processing,NLP)技术和机器学习(Machine Learning,ML)而设计。
人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能技术主要包括计算机视觉技术、自然语言处理技术、语音处理技术(Speech Technology)以及机器学习/深度学习等几大方向。
随着人工智能技术研究和进步,人工智能在多个领域展开研究和应用,例如常见的智能家居、智能客服、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、机器人、智能医疗等,相信随着技术的发展,人工智能将在更多的领域得到应用,并发挥越来越重要的价值。
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习等技术。本申请实施例采用基于机器学习和深度学习的轻量级Bert模型来进行提取商户名称和POI名称的文本特征向量等操作。
自然语言处理技术是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。本申请实施例采用自然语言处理技术,对目标商户的营业执照中的文字信息进行处理,识别出商户名称。
为更好地理解本申请实施例提供的技术方案,下面对本申请实施例提供的技术方案适用的应用场景做一些简单介绍,需要说明的是,以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时,可以根据实际需要灵活地应用本申请实施例提供的技术方案。
图1示出了本申请实施例提供的位置点信息扩展方法的一种应用场景,参见图1所示,该应用场景中包括第一终端设备100、第二终端设备200、第三终端设备300和服务器400。各个终端设备与服务器400之间可以通过通信网络500进行通信连接并传输数据。该通信网络可以是有线网络或无线网络,例如蜂窝数据网络或WiFi无线网络。
其中,第一终端设备100可以是手机、掌上电脑(Personal Digital Assistant,PDA)、平板电脑、智能穿戴式设备(例如智能手表和智能头盔)等移动终端。服务器400可以是一台服务器或由若干台服务器组成的服务器集群或云计算中心,或者是一个虚拟化平台,也可以是个人计算机、大中型计算机或计算机集群等。
在本申请实施例提供的应用场景中,第一终端设备100上安装有地理信息***GIS的应用软件,如XX地图的客户端。服务器400可以是为地理信息***GIS提供后台支持的服务器,与服务器400连接的终端设备的数量可以是一个,也可以是多个。第二终端设备200上也安装有地理信息***GIS的应用软件。第三终端设备300上安装有地理信息***GIS的后台管理客户端,地理信息***GIS的后台管理人员可以通过第三终端设备300安装的后台管理客户端对地理信息***GIS进行管理维护,例如根据需要触发对地理信息***GIS的位置点信息扩展,或者进行或定期触发对地理信息***GIS的位置点信息扩展有关的参数设置等。
在实际应用中,用户经常使用地图中的POI点的信息作为出行规划的重要依据。然而,相关技术中的地图产品的POI点通常只能基于地图中已标识的基础信息给予用户参考信息,目前还没有提出如何在电子地图中能够较为准确地显示POI对应的客户相关信息的方案,因此用户并不能在电子地图中准确地了解到各个位置点对应的客户信息。如何提供一种位置点信息扩展的方法,使位置点信息可以为用户提供更全面、更准确的出行参考,是一个需要解决的问题。
为了解决相关技术中存在的技术问题,本申请实施例提供一种位置点信息扩展方法、装置、存储介质和电子设备。本申请实施例通过获取目标对象的第一标识和待添加的扩展信息,根据第一标识,在位置点信息关系库中查找目标对象关联的目标位置点的第二标识,然后根据第二标识,获取目标位置点在地图中已标识的基础信息,并针对目标位置点,将扩展信息与基础信息进行关联存储,获得相应的目标信息。通过将获取的目标对象的待添加的扩展信息,与获取的目标对象关联的地图中已标识的基础信息关联存储,得到目标位置点的目标信息,使位置点信息更全面、更准确,从而可以为用户提供更全面、更准确的出行参考,提高位置点信息的准确性、时效性和完备性。
例如,在本申请实施例中,第一终端设备100可以是手机,手机上安装有地理信息***GIS01的应用软件,服务器400用于为地理信息***GIS01的应用软件提供后台支持服务。第一用户使用第一终端设备100打开地理信息***GIS01后,可以点击地理信息***GIS01的电子地图上的位置点以查看位置点的信息。地图上的位置点也可以称为兴趣点,或POI点,目标对象可以是任选的一个兴趣点所代表的地理信息,本申请实施例中,均以任选的一个兴趣点所代表的地理信息的分类是商户为例。第二用户可以通过第二终端设备200打开地理信息***GIS01,点击地理信息***GIS01的电子地图上的位置点,针对该点击的位置点进行信息上传。
地理信息***GIS01的后台管理人员可以通过第三终端设备300打开地理信息***GIS01的后台管理客户端,输入命令以触发对地理信息***GIS01的位置点信息扩展,或者进行与定期触发对地理信息***GIS01的位置点信息扩展有关的参数设置等。服务器400可以响应于地理信息***GIS01的后台管理人员的触发操作按照本申请实施例提供的位置点信息扩展方法进行位置点信息扩展,也可以根据后台管理人员的参数设置定期地按照本申请实施例提供的位置点信息扩展方法进行位置点信息扩展。
具体地,服务器400可以获取目标对象的第一标识和待添加的扩展信息;根据第一标识,在位置点信息关系库中查找目标对象关联的目标位置点的第二标识;位置点信息关系库用于保存对象的标识与地图中位置点的标识之间的对应关系;根据第二标识,获取目标位置点在地图中已标识的基础信息;针对目标位置点,将扩展信息与基础信息进行关联存储,获得相应的目标信息,以完成位置点信息扩展。上述将获取的目标对象的待添加的扩展信息,与获取的目标对象关联的地图中已标识的基础信息关联存储,得到目标位置点的目标信息的过程将在下文中详细介绍。
在下文描述的实施例中,第一终端设备和第二终端设备均安装有地理信息***GIS01的应用软件,用户可以通过GIS01的应用软件点击地理信息***GIS01的电子地图上的位置点,以查看该点击的位置点对应的位置点信息,或者针对该点击的位置点进行信息上传。本申请实施例均以想查看的点击的位置点所代表的地理信息的分类是商户为例进行说明。
图2示出了本申请实施例提供的一种位置点信息扩展的方法,该方法可以应用于服务器,如图1中的服务器400。如图2所示,该方法可以包括如下步骤:
步骤S201,获取目标对象的第一标识和待添加的扩展信息。
在一些实施例中,目标对象的第一标识可以包括目标地理信息的地理信息名称,例如,目标对象为目标商户,目标对象的第一标识可以是目标商户的商户名称。在另一些实施例中,目标对象的第一标识可以包括目标地理信息的地理信息名称和地理位置坐标,例如,目标对象为目标商户,目标对象的第一标识可以包括目标商户的商户名称和商户坐标。以下实施例中,以目标对象为目标商户,目标对象的第一标识是目标商户的商户名称为例进行说明。
在本申请的一些实施例中,服务器可以从第三方交易平台获取目标对象的交易数据,目标对象的交易数据中包括目标对象的第一标识。例如,目标商户的交易数据可以包括商户ID,商户名称,交易坐标,交易时间等,其中的商户名称可以作为目标对象的第一标识,交易坐标是用户根据第三方交易平台进行交易时的经度值和纬度值确定的交易位置的坐标。根据目标对象的交易数据,可以获得目标对象待添加的扩展信息,例如,根据交易数据中的交易时间等信息,可以确定目标商户的营业时间和营业状态等扩展信息。
需要说明的是,目标对象除商户之外,也可以是其他机构或景点等,相对应地,目标对象的待添加的扩展信息也可以是其他信息,如景点的娱乐项目等。
步骤S202,根据第一标识,在位置点信息关系库中查找目标对象关联的目标位置点的第二标识。
其中,位置点信息关系库用于保存对象的标识与地图中位置点的标识之间的对应关系。
示例性地,目标对象的第一标识是商户名称,位置点信息关系库可以是POI知识图谱,其中,POI知识图谱用于存储商户名称与地图中的POI点的POI名称的对应关系。服务器根据商户名称,在POI知识图谱中查找目标对象关联的目标位置点的POI名称,该POI名称即为第二标识。
在一些实施例中,POI知识图谱中还可以存储商户名称、法人信息和POI基本信息的对应关系;POI知识图谱是服务器根据地图用户针对地图兴趣点POI反馈的信息和地图兴趣点POI的POI基本信息定期进行更新的。
在另一些实施例中,第一标识可以是商户名称和商户坐标,POI知识图谱中POI基本信息中包含POI坐标。服务器还可以是根据商户名称和商户坐标,在POI知识图谱中查找目标对象关联的目标位置点的POI名称。
步骤S203,根据第二标识,获取目标位置点在地图中已标识的基础信息。
示例性地,第二标识可以是目标对象关联的目标位置点的POI名称。可选地,POI知识图谱中的POI基本信息可以包括POI点在地图中已标识的基础信息。服务器可以根据目标对象关联的目标位置点的POI名称,查询POI知识图谱,获取目标位置点在地图中已标识的基础信息。或者,地图数据库中可以保存地图上的各个POI点已标识的基础信息。服务器可以根据目标对象关联的目标位置点的POI名称,查询地图数据库,获取目标位置点在地图中已标识的基础信息。
步骤S204,针对目标位置点,将扩展信息与基础信息进行关联存储,获得相应的目标信息。
服务器针对目标位置点,可以将步骤S201获取的扩展信息与步骤S203获取的基础信息进行关联存储,例如,将获取的扩展信息与基础信息对应保存在地图数据库中,得到目标位置点的目标信息,从而完成对地图中该目标位置点的信息的扩展,在之后显示该目标位置点的信息时,可以显示更多的信息。
具体地,服务器可以基于第一终端设备针对目标位置点发送的信息获取请求,将上述目标信息发送至第一终端设备,以使第一终端设备在地图中针对目标位置点显示该目标信息。第一终端设备也可以称为第一终端。
示例性地,用户可以点击第一终端上安装地理信息***的地图中的目标位置点,查看目标位置点的信息。第一终端响应于用户的点击操作,针对该目标位置点向服务器发送信息获取请求,信息获取请求中包括目标位置点的标识。服务器接收到第一终端发送的信息获取请求,根据信息获取请求中目标位置点的标识从地图数据库中获取目标位置点的目标信息。将目标信息发送至第一终端。第一终端在地图中针对目标兴趣点显示该目标信息。
上述实施例在位置点信息扩展过程中,将获取的目标对象的待添加的扩展信息,与获取的目标对象关联的地图中已标识的基础信息关联存储,得到目标位置点的目标信息,使位置点信息更全面、更准确。还可以基于第一终端针对目标位置点发送的信息获取请求,将目标信息发送至第一终端,以使第一终端在地图中针对目标位置点显示目标信息,更便于用户方便快捷地掌握更全面、更准确的位置点信息,从而可以为用户提供更全面、更准确、更便捷的出行参考,提高位置点信息的准确性、时效性和完备性。
上述实施例使用的位置点信息关系库中保存有对象的标识与地图中位置点的标识之间的对应关系。图8示出了一种根据位置点的反馈信息,建立该位置点的标识与对象的标识之间的对应关系的流程图。其中,反馈信息为第二终端针对位置点反馈的信息,第二终端可以是向服务器发送反馈信息的任意一个终端设备。参见图8所示,针对具有反馈信息的各个位置点,可以分别执行如下操作:
步骤S801,获取地图中位置点的标识。
步骤S802,基于位置点的反馈信息,获取位置点对应的对象的标识。
在一些实施例中,服务器可以通过地图信息***的用户反馈平台获取用户对地图上的任意一个位置点的反馈信息。服务器可以是定期针对每个接收到反馈信息的位置点,建立该位置点的标识与对象的标识之间的对应关系;也可以每次接收到用户针对某个位置点的反馈信息,根据该反馈信息,建立该位置点的标识与对象的标识之间的对应关系。
例如,用户可以在第二终端上打开地理信息***GIS01,第二终端将电子地图展示给用户。用户点击电子地图上的某个位置点,可以针对该位置点编辑反馈信息。第二终端将用户针对该位置点的反馈信息发送至服务器。服务器接收到第二终端发送的反馈信息,获取地图中该位置点的标识,如位置点的POI名称。
在一些实施例中,用户针对位置点上传的反馈信息中包含位置点对应的对象的执照图像,即该位置点对应的商户的营业执照的图像。下文以兴趣点作为位置点为例进行说明。
示例性地,用户通过第二终端针对POI名称为“桥*排骨(五道口店)”的兴趣点,可以采取通过电子地图上传反馈数据的方式来反馈信息。如图3所示,用户可以在第二终端上显示的电子地图中长按选定的兴趣点“桥*排骨(**口店)”,针对该兴趣点反馈信息。第二终端接收到用户的长按兴趣点的操作,针对该兴趣点弹出快捷菜单选择框,如图4所示。用户在该快捷菜单选择框中选择“反馈兴趣点信息”,第二终端接收到用户的选择的操作,显示如图5所示的兴趣点反馈信息页面。用户可以通过“文字说明”区域编辑文字,并通过“营业执照上传”区域选择拍摄的营业执照照片上传。在电子地图中,每个兴趣点均有一个POI编号,也可以称为POI ID,每个兴趣点的POI编号都是唯一的,可以区分于其他的兴趣点,例如,兴趣点“桥*排骨(**口店)”的POI编号为18195221478405701691。营业执照的照片上传后,电子地图会自动按照该选定的兴趣点的POI编号给上传的照片命名。
用户在如图5所示的兴趣点反馈信息页面上编辑好反馈信息的内容后,点击“提交”按键,第二终端接收到用户反馈信息的操作,将用户针对上述兴趣点的反馈信息发送至服务器。服务器接收到的反馈信息的数据格式可以是如图6所示,包括POI名称为“桥*排骨(**口店)”的兴趣点的营业执照,该营业执照的文件名称为“poiid:18195221478405701691营业执照”。用户反馈的信息中,还包括由用户输入的具体的反馈内容,例如“地图显示位置有偏差,在路对面”,该信息可以用于辅助电子地图A的后台人员在进行地图信息维护时参考。
第二终端发送的反馈信息中还携带有兴趣点的POI编号。服务器可以根据反馈信息中的POI编号获取该兴趣点的POI名称:“桥*排骨(**口店)”,其在地理信息***GIS01的电子地图中的分类为商户。将该兴趣点的POI名称作为地图中位置点的标识。
由于位置点的反馈信息中包括位置点对应的对象的营业执照的图像(以下简称执照图像),因此可以基于反馈信息中该对象的营业执照,获取该对象的标识。
在一种可选的实施例中,基于位置点的反馈信息,获取位置点对应的对象的标识,可以通过以下过程实现,包括:
步骤A1,对执照图像进行文字识别,得到该位置点对应的对象的执照文字信息。
示例性地,服务器首先通过对文件名称为“poiid:18195221478405701691营业执照”的营业执照进行OCR(Optical Character Recognition,光学字符识别法)识别,得到营业执照中的文字信息。
步骤A2,从对象的执照文字信息中,获取该位置点对应的对象的标识。
示例性地,服务器可以通过基于关键字的结构化抽取,得到对应的商户执照信息。例如,可以根据关键字“法定代表人”进行结构化抽取,得到法人信息为“李某某”;根据关键字“名称”进行结构化抽取,得到商户执照信息中的商户名称为“##学府亿#来商贸有限责任公司”。可选地,可以将营业执照中的商户名称作为该位置点对应的对象的标识;或者,可以将营业执照中法定代表人的姓名和商户名称共同作为该位置点对应的对象的标识。
步骤S803,将对象的标识与位置点的标识的对应关系保存至位置点信息关系库中。
示例性地,服务器将营业执照中的商户名称与该位置点的POI名称对应保存至位置点信息关系库中,得到POI知识图谱。
可选地,将对象的标识与位置点的标识的对应关系保存至位置点信息关系库中,还可以包括:将对象的标识关联信息与位置点的标识关联信息的对应关系保存至位置点信息关系库中;其中,位置点的标识关联信息是获取地图中位置点的标识时,获取到的包括位置点的标识在内的与位置点的标识相关的位置点信息;对象的标识关联信息是获取位置点对应的对象的标识时,获取到的包括对象的标识在内的与对象的标识关联的对象信息。
示例性地,服务器可以将对象的标识关联信息与位置点的标识关联信息的对应关系保存至位置点信息关系库中,得到POI知识图谱。其中,对象的标识关联信息包括商户名称、法人信息;位置点的标识关联信息包括POI名称的POI基本信息。
在一些可选的实施例中,POI基本信息包括:POI编号,POI名称,POI坐标,POI地址,POI分类、POI别名等。
示例性地,假设位置点的POI名称可以是图3中所示的“桥*排骨(**口店)”,该位置点的POI编号为18195221478405701691。则该位置点的POI基本信息中,POI编号为18195221478405701691,POI名称是“桥*排骨(**口店)”,POI坐标为该名称是“桥*排骨(**口店)”的位置点的中心点在电子地图中的经度值和纬度值确定的坐标,POI地址是“**市**区一号路29号”,POI分类是该位置点对应的商户名称在电子地图中的默认分类,例如可以为“小吃快餐”。
服务器已经得到了该位置点的对象的标识关联信息,该对象的标识关联信息包括的法人信息为“李某某”,包含的商户名称为“##学府亿#来商贸有限责任公司”。服务器将该名称是“桥*排骨(**口店)”的位置点的对象的标识关联信息与该位置点的POI基本信息之间进行关联存储,存入到POI知识图谱,得到POI知识图谱的新的记录信息。
上述实施例在位置点信息扩展过程中,根据位置点的反馈信息,建立该位置点的标识与对象的标识之间的对应关系,使位置点信息更全面、更准确。在基于位置点的反馈信息获取位置点对应的对象的标识时,可以采用OCR识别与基于关键字的结构化抽取相结合的方式,从商户的营业执照的照片中获取商户名称,并将商户名称与地图中位置点的POI名称进行关联,例如,将营业执照中的商户名称“##学府亿#来商贸有限责任公司”与地图中位置点的POI名称“桥*排骨(**口店)”建立关联关系,可以解决相关技术中营业执照上的商户名称和地图中显示的POI名称存在差异的问题。
在本申请的一种可选的实施例中,步骤S201,服务器获取目标对象的第一标识和待添加的扩展信息的过程,可以如图9所示,包括如下步骤:
步骤S901,获取目标对象的交易数据集合。
其中,交易数据集合中每个交易数据中均包括交易时间信息和目标对象的第一标识。
示例性地,交易时间信息可以是小时级的交易时间,目标对象可以是目标商户,目标对象的第一标识可以是目标商户的商户名称。在一些实施例中,服务器可以从第三方交易平台的数据库获取的预设时间段内的目标商户的交易数据,得到目标商户的交易数据集合。在另外一些实施例中,服务器还可以在从第三方交易平台的数据库获取预设时间段内的全部商户的交易数据,由于每条交易数据中均包含商户名称,服务器可以按照商户名称将获取的交易数据划分为不同的交易数据集合,得到多个商户的交易数据集合,每个交易数据集合中包含商户名称相同的交易数据,不同的交易数据集合中包含的交易数据的商户名称不相同。服务器可以根据目标商户的商户名称,从多个交易数据集合中获取目标商户的交易数据集合。
步骤S902,根据交易数据集合中各个交易数据对应的交易时间信息,确定目标对象的营业信息。
在一些可选的实施例中,目标对象的营业信息可以包括目标对象的营业状态。根据交易数据集合中各个交易数据对应的交易时间信息,可以获取每个交易数据的交易时间信息中对应的交易日期,根据每个交易数据对应的交易日期,确定在当前时刻之前的预设时间阈值内,是否每日均存在交易数据。如果每日均存在交易数据,则确定目标对象的营业状态为正常营业。
示例性地,营业状态包括正常营业和歇业。服务器可以根据在一个距离当前时间满足设定的天数阈值的时间段内是否每天有交易数据,例如7天内是否每天有交易数据,确定目标商户的营业状态是否为正常营业。
在一些可选的实施例中,目标对象的营业信息包括目标对象的每日营业时间;可以先根据每个交易数据中的交易时间信息,确定目标对象的最早营业时间和最晚营业时间,然后根据目标对象的最早营业时间和最晚营业时间,生成目标对象的每日营业时间。
示例性地,服务器可以根据目标商户的交易数据集合中交易数据包含的小时级的交易时间,确定出目标商户的最早营业时间和最晚营业时间。例如,忽略每条交易数据中的交易日期,仅关注交易时间,如果交易数据中的交易时间最早为07:05,则可以确定目标商户的最早营业时间为07:00;如果交易数据中的交易时间最晚为21:50,则可以确定目标商户的最早营业时间为22:00。从而得出的目标对象的每日营业时间信息为07:00~22:00。
例如,对于商户名称为“##学府亿#来商贸有限责任公司”的目标商户,通过上述方法可以确定该目标商户的营业信息,包括每日营业时间为07:00~22:00,营业状态为正常营业。
步骤S903,根据目标对象的营业信息,生成待添加的扩展信息。
示例性地,服务器可以根据目标对象的营业信息,生成待添加的扩展信息。例如,目标对象的营业信息是“正常营业”,则目标对象的待添加扩展信息可以是“正常营业”。
获得目标对象的扩展信息,并在图8得到的位置点信息关系库中查找到目标对象对应的目标位置点的第二标识后,可以根据第二标识获取目标位置点在地图中已标识的基础信息,将扩展信息与目标位置点的基础信息进行关联存储,从而对目标位置点的基础信息进行扩展。在对目标位置点的基础信息进行扩展之后,再在终端上显示该目标位置点的信息时,可以显示更多的信息。
例如,对于商户名称为“##学府亿#来商贸有限责任公司”的目标商户,查找到该目标商户对应的目标位置点的第二标识为“桥*排骨(**口店)”,将目标商户的营业信息与目标位置点“桥*排骨(**口店)”的基础信息进行关联存储,对目标位置点的基础信息进行扩展。完成上述扩展后,如图7所示,终端在显示目标位置点“桥*排骨(**口店)”的信息时,可以显示该目标位置点对应的商户名称,商户正常营业的信息以及每日营业时间。
上述实施例在位置点信息扩展过程中,服务器根据交易数据确定营业信息,并生成扩展信息,该方法的营业信息可以按设定的周期进行数据更新,从而可以为用户提供更全面、更准确的出行参考,提高位置点信息的准确性、时效性和完备性。
由于位置点信息关系库中对象的标识与地图中位置点的标识之间的对应关系是基于针对位置点的反馈信息建立的。对于很多位置点,可能没有用户针对该位置点进行信息反馈,因此位置点信息关系库中并不包含该位置点对应的对象的标识,即不包含该位置点的标识与其关联的对象的标识之间的对应关系。所以,在一些实施例中,对于获取的目标对象的第一标识,会出现在位置点信息关系库中未查找到目标对象的第一标识对应的目标位置点的第二标识的情况,即在位置点信息关系库中查找不到目标对象关联的目标位置点。
在上述情况下,可以采用如图10所示的方法确定目标对象关联的目标位置点,具体包括如下步骤:
步骤S1001,根据交易数据集合中各个交易数据对应的交易位置信息,对目标对象的交易数据进行聚类,得到目标对象对应的交易中心位置。
目标对象的交易数据集合中的每个交易数据均包括交易位置信息。如果在位置点信息关系库中未查找到目标对象关联的目标位置点的第二标识,如POI名称,则可以根据交易数据集合中各个交易数据对应的交易位置信息,对目标对象的交易数据进行聚类,得到目标对象对应的交易中心位置。
示例性地,交易位置信息可以是交易位置的经纬度坐标,仍以目标对象为目标商户为例,假如目标商户使用扫描终端扫描用户手机上显示的二维码进行交易,则此次交易的交易数据中的交易位置信息为扫描终端所在位置的经纬度坐标或用户手机所在位置的经纬度坐标。当在POI知识图谱中未查找到目标商户关联的目标兴趣点的POI名称,可以根据交易数据集合中各个交易数据中的交易位置,对目标商户的交易数据进行聚类,得到目标对象对应的交易中心位置。
具体地,在一种实施例中,可以采用DBSCAN空间聚类算法对目标商户的交易数据进行聚类,具体包括如下步骤:
步骤a,将目标对象的交易数据集合的每条交易数据对应的交易位置作为一个交易点。在目标对象的交易数据集合中,任意选择一条交易数据,根据每条交易数据的交易位置信息,即经纬度坐标,确定选择的该交易数据对应的交易点p的临近区域内包含的交易点的数量,其数量可以表示为NBHD(p,epsilon)。其中,交易点p的临近区域指以该交易数据对应的交易点p为圆心,以设定值epsilon作为半径的圆形区域。如果该交易点p的临近区域内包含的交易点的数量大于或等于设定数量阈值minPts,即NBHD(p,epsilon)>=minPts,则将该交易点作为中心点,在该中心点周围建立一个类。否则,将该交易数据对应的交易点标记为***点。
步骤b,确定一条交易数据对应的交易点作为中心点后,遍历目标对象的交易数据集合中的其它各个交易数据对应的交易点,把由中心点直接密度可达(directly-reachable)的交易点加入到该中心点对应的类中,接着把由中心点密度可达(density-reachable)的交易点也加入到该中心点对应的类中。如果标记为***点的交易点被加入该中心点对应的类中,修改该标记为***点的交易点的状态为边缘点。
其中,直接密度可达,是指对于目标对象的交易数据集合中的任意两个交易数据,如果交易数据A对应的交易点位于交易数据B对应的交易点的临近区域,且交易数据B对应的交易点是中心点,则交易数据A的交易点由交易数据B的交易点直接密度可达。
密度可达,是指对于目标对象的交易数据集合中的多个交易数据,假设这些交易数据对应的交易点分别为p1,p2....pn。如果其中的交易点pi由pi-1直接密度可达,则交易点p1由交易点pn密度可达。
步骤c,将与上述中心点既不满足直接密度可达,也不满足密度可达的交易点作为未处理的交易点;从未处理的交易点中任意选择一个交易点进行交易点判断:如果该交易点满足上述作为中心点的条件,将该交易点作为新的中心点,返回执行上述步骤b;如果该交易点不满足上述作为中心点的条件,将该交易点标记为***点,并从未处理的交易点中任意选择下一个交易点进行步骤c所述的交易点判断。
重复执行上述步骤c和步骤b,直到未处理的交易点为空。最后,将确定的中心点作为目标对象对应的交易中心位置。该交易中心位置代表目标商户的地理位置,其中,目标商户可以是一个连锁公司中的某一家门店。
通过上述聚类方法,服务器可以对目标商户的交易数据进行聚类,得到目标商户对应的交易中心位置,该方法将聚类确定的中心点作为目标商户对应的交易中心位置,过滤出了***点所代表的噪音数据,从而过滤掉用户远程通过扫码支付的非到店支付数据,仅保留到店支付数据,使得到的交易中心位置能更精准地反映目标商户的地理位置。
步骤S1002,在地图中,查找位于交易中心位置周围的预设范围内的候选位置点,并获取各个候选位置点的标识。
具体地,服务器可以查询地图的POI索引库,得出地图中的位于目标对象的交易中心位置,即目标商户的地理位置周边的预设范围内的位置点,作为候选位置点,并获取各个候选位置点的标识。
其中,POI索引库是由电子地图中的各个位置点的POI基本信息和POI别名构成的数据库,包括各个位置点的POI名称、POI别名和POI坐标。POI别名是POI的俗称或POI名称的同义词。
示例性地,服务器可以查询POI索引库,得出地图中的位于目标对象对应的交易中心位置周边的预设范围内的位置点,作为候选位置点,并获取各个候选位置点的POI名称。
步骤S1003,从各个候选位置点中选择标识与第一标识相匹配的候选位置点,作为目标位置点。
示例性地,候选位置点的标识可以是候选位置点的POI名称,目标对象的第一标识可以是目标对象的商户名称。服务器可以从各个候选位置点中选择POI名称与商户名称相匹配的候选位置点,作为目标位置点。
在一种可选的实施例中,候选位置点的POI名称与商户名称均为文本,服务器可以直接比对各个候选位置点的POI名称与目标对象的商户名称的文本相似度,将文本相似度最高的候选位置点作为目标位置点。
在另一种可选的实施例中,考虑到将POI名称与商户名称进行比对的计算量较大,如果将每一个候选位置点的POI名称一一与目标对象的商户名称进行比对,需要耗费较多的时间。为了节省计算时间,步骤S1003中,从各个候选位置点中选择标识与第一标识相匹配的候选位置点,作为目标位置点,可以包括以下步骤:
步骤C1,在候选位置点的标识和第一标识均为文本标识的前提下,对于各个候选位置点,如果候选位置点的标识与第一标识中包含至少一个相同的字符,则将候选位置点作为目标对象的参考目标位置点。
示例性地,对于各个候选位置点,若候选位置点的POI名称与目标对象的商户名称中包含至少一个相同的字符,则将候选位置点作为目标对象的参考目标位置点。
步骤C2,确定各个参考目标位置点的标识与第一标识之间的文本相似度。
在一种可选的实施例中,可以采用Sentence-Bert模型确定一个参考目标位置点的标识与第一标识之间的文本相似度,Sentence-Bert模型的结构可以如图12所示。具体地,确定各个参考目标位置点的标识与第一标识之间的文本相似度的过程,可以参照图11所示的步骤执行。对于各个参考目标位置点,分别执行如下操作:
步骤S1101,对第一标识进行文本特征提取,得到第一文本特征向量。
其中,第一标识可以是目标对象的商户名称。示例性地,如图12所示,可以采用ALBert模型对目标对象的第一标识进行文本特征提取,得到的文本特征再经池化层进行降维后,得到第一文本特征向量u。
步骤S1102,对参考目标位置点的标识进行文本特征提取,得到参考目标位置点的文本特征向量。
其中,参考目标位置点的标识可以是参考目标兴趣点的POI名称。示例性地,如图12所示,可以采用ALBert模型,对任意一个参考目标位置点的标识进行文本特征提取,得到的文本特征再经池化层进行降维后,得到参考目标兴趣点的文本特征向量v。
步骤S1103,确定第一文本特征向量与参考目标位置点的文本特征向量的差向量。
具体地,对第一文本特征向量与参考目标位置点的文本特征向量按位求差向量,得到第一文本特征向量与参考目标位置点的文本特征向量的差向量。
例如,如图12所示,对第一文本特征向量u与参考目标位置点的文本特征向量v按位求差向量,得到第一文本特征向量u与参考目标位置点的文本特征向量v的差向量|u-v|。
步骤S1104,将第一文本特征向量、参考目标位置点的文本特征向量和差向量进行拼接,得到拼接向量。
例如,如图12所示,对第一文本特征向量u、参考目标位置点的文本特征向量v和第一文本特征向量与参考目标位置点的文本特征向量的差向量|u-v|进行拼接,得到拼接向量(u,v,|u-v|)。
步骤S1105,根据拼接向量,确定参考目标位置点的标识与第一标识之间的文本相似度。
具体地,通过将拼接向量乘上一个可训练的权重后,通过softmax分类器,得到参考目标位置点的标识与第一标识之间的文本相似度。
例如,如图12所示,首先,将拼接向量(u,v,|u-v|)乘上一个可训练的权重Wt∈R3n *k,得到拼接输入向量Wt(u,v,|u-v|)。其中n是文本特征向量维度,k为类别数。示例性地,n=312,k=2。
然后,根据拼接输入向量Wt(u,v,|u-v|),通过softmax分类器,得到参考目标位置点的标识与第一标识之间的文本相似度o:
o=softmax(Wt(u,v,|u-v|))。
通过上述方法,确定逐一确定每个参考目标位置点的标识与第一标识之间的文本相似度,对于各个参考目标位置点,将该参考目标位置点的标识与第一标识之间的文本相似度,作为该参考目标位置点对应的文本相似度。
步骤C3,根据各个参考目标位置点对应的文本相似度,从各个参考目标位置点中选择目标位置点。
在一种可选的实施例中,可以将各个参考目标位置点中,相似度最大且相似度大于或等于设定相似度阈值的参考目标位置点作为目标位置点。
在另一种可选的实施例中,可以将各个参考目标位置点中相似度大于或等于设定相似度阈值的参考目标位置点作为目标位置点。
在另一种可选的实施例中,可以将各个参考目标位置点中相似度最大的参考目标位置点作为目标位置点。
在一种可选的实施例中,考虑到同一家目标商户可能会有多家门店,此时,位置点信息关系库中一个目标对象关联的目标位置点可能会有多个,为了准确地获取目标位置点,在位置点信息关系库中,除了保存各个目标位置点的POI名称之前,还可以保存各个目标位置点的POI坐标。步骤S302中,根据第一标识,在位置点信息关系库中查找目标对象关联的目标位置点的第二标识的过程,可以包括:在位置点信息关系库中查找到多个与目标对象对应的候选目标位置点的标识,根据各个候选目标位置点的标识,获取各个候选目标位置点的地理位置确定各个候选目标位置点的地理位置与目标对象对应的交易中心位置之间的距离;将距离最近的候选目标位置点作为目标位置点,并将目标位置点的标识作为第二标识。
例如,如果根据目标对象的商户名称,在位置点信息关系库中查找到多个与目标对象对应的候选目标位置点的POI名称,根据各个候选目标位置点的POI名称,获取各个候选目标位置点的POI坐标;将目标对象对应的交易中心位置作为目标对象的商户坐标,确定各个候选目标位置点的POI坐标与目标对象的商户坐标之间的距离;将距离最近的候选目标位置点作为目标位置点,并将目标位置点的POI名称作为第二标识。也就是说,服务器可以是根据目标对象的商户名称和商户坐标,在位置点信息关系库中查找目标对象关联的目标位置点的POI名称。
上述实施例在位置点信息扩展过程中,若在位置点信息关系库中查找到多个与目标对象对应的候选目标位置点的标识;根据各个候选目标位置点的标识,获取各个候选目标位置点的地理位置,并确定各个候选目标位置点的地理位置与目标对象对应的交易中心位置之间的距离,将距离最近的候选目标位置点作为目标位置点,并将目标位置点的标识作为第二标识。该方法可以在一家目标商户有多家门店时,对目标商户精确地选取对应的商户门店的POI名称,获得的位置点信息更准确,从而可以为用户提供更全面、更准确的出行参考,提高位置点信息的准确性、时效性和完备性。
为了更方便理解本申请实施例的位置点信息扩展方法,图13示出了本申请实施例的一个具体实施过程。如图13所示,该过程包括如下步骤:
步骤S1301,从获取的交易数据中,得到目标商户的交易数据集合。
服务器可以从第三方交易平台获取大量交易数据,这些交易数据中包括多个商户的交易数据。每条交易数据中可以包括商户ID,商户名称,交易坐标,小时级的交易时间。交易坐标是用户通过第三方交易平台进行交易时的经度值和纬度值确定的交易位置的坐标。服务器可以按照商户名称将获取的交易数据划分为不同的交易数据集合,得到多个商户的交易数据集合,每个交易数据集合中包含商户名称相同的交易数据,不同的交易数据集合中包含的交易数据的商户名称不相同。服务器可以任选一个商户作为目标商户,将该商户的交易数据集合作为目标商户的交易数据集合。
步骤S1302,根据目标商户的交易数据集合中各个交易数据对应的交易坐标,对该交易数据集合中的交易数据进行聚类,得到目标商户对应的交易中心位置。
步骤S1303,根据目标商户的交易数据集合中各个交易数据对应的交易时间信息,确定目标商户的营业信息。
在一些实施例中,目标商户的营业信息可以包括目标商户的营业状态,如是否正常营业等。在另一些实施例中,目标商户的营业信息可以包括目标商户的每日营业时间。目标商户的营业信息的确定过程在上文中已经详细介绍,在此不再赘述。
假设目标商户的商户名称为“*润*河城店”,该目标商户对应的目标位置点POI标识为“*润乳业(*河城店)”,目标商户的营业状态为“营业中”,每日营业时间为“07:30-21:30”。
上述步骤S1302和步骤S1303的顺序可以相互调换。
步骤S1304,根据目标商户的商户名称,在POI知识图谱中查找目标商户关联的目标位置点的POI标识。
其中,POI知识图谱可以理解为上文中的位置点信息关系库的一种具体形式,可以用于存储商户名称、法人信息和POI基本信息的对应关系,POI基本信息中包括POI标识。POI知识图谱是服务器根据地图用户针对地图兴趣点POI反馈的信息和地图兴趣点POI的POI基本信息定期进行更新的。
假设目标商户的商户名称为“*润*河城店”,该目标商户对应的目标位置点的POI标识为“*润乳业(*河城店)”。在完成本申请实施例的扩展之前,如图14所示,终端在显示目标位置点“*润乳业(*河城店)”的信息时,可以显示该目标位置点对应的POI标识。
在一种实施例中,考虑到同一商户名称下具有多家门店,不同门店的地理位置不同,可以根据目标商户的商户名称和目标商户的交易中心位置,查询POI知识图谱,确定目标商户关联的目标位置点,即确定目标商户具体是哪一家门店。
示例性地,服务器可以基于目标商户的商户名称,查询POI知识图谱,确定与目标商户的交易中心位置距离最近的POI点,将该距离最近的POI点作为目标商户关联的目标位置点。
步骤S1305,若在POI知识图谱中未查找到目标商户关联的目标位置点的POI标识,在地图中查找位于交易中心位置周围的预设范围内的候选位置点,并将候选位置点中POI标识与目标商户的商户名称满足预设条件的候选位置点,作为参考目标位置点。
具体地,可以查询地图的POI索引库,POI索引库中保存有各个位置点的POI标识和位置信息,可以根据目标商户的交易中心位置,查找位于该交易中心位置周边的预设范围内的候选位置点的POI标识,POI标识可以是POI名称或POI别名等。对目标商户的商户名称进行分词,得到商户名称关键信息。
在一种实施例中,上述的预设条件,可以包括:
对候选位置点的POI标识进行分词得到的词语或单字,与目标商户的商户名称关键信息至少有一个相同。
在另一种实施例中,上述的预设条件,可以包括:
与目标商户的交易中心位置的距离最近的前N个候选位置点,其中N是预设的召回数量阈值。
在另一种实施例中,上述的预设条件,可以包括:
与目标商户的商户名称关键信息的相似度超过预设的召回阈值。
其中,相似度可以通过将候选位置点的POI标识,与目标商户的商户名称关键信息分别进行分词、词转向量处理,再计算两者包含的词向量之间的余弦相似度。
其中,词向量也可以称为词向量特征,用于描述自然语言文本所包括的词语的语义特征,通常是指对自然语言表示的词语进行向量转换得到的机器能够理解的稠密向量(Dense Vector)或矩阵形式,词向量是自然语言文本中的词语在机器中数值化的体现。也可以理解为,从每个单词、词语或短语的一维空间到具有更低维度的连续向量空间的数学嵌入。
步骤S1306,从参考目标位置点中选择POI标识与目标商户的商户名称相匹配的候选位置点,作为目标位置点。
具体地,可以参照图12所示的方法,确定各个参考目标位置点的POI标识与目标商户的商户名称关键信息的文本相似度,将相似度最大且相似度大于或等于设定相似度阈值的参考目标位置点作为目标位置点。例如,假设目标商户的商户名称或目标商户的商户名称关键信息为“*润*河城店”,该目标商户对应的参考目标位置点中包括POI标识为“*润乳业(*河城店)”的位置点,将“*润乳业(*河城店)”与“*润*河城店”进行比对后,确定二者的文本相似度为93%,大于设定相似度阈值80%,且是相似度最大的参考目标位置点,因此,可以将POI标识为“*润乳业(*河城店)”的位置点作为目标商户关联的目标位置点。该方法充分考虑文本间多语义关系,可以缓解相关技术中采用文本完全相同的文本硬匹配的方法,导致匹配失败的问题。
步骤S1307,获取目标位置点在地图中已标识的基础信息,将目标商户的营业信息与目标位置点的基础信息进行关联存储。
可以根据目标位置点的标识,获取目标位置点在地图中已标识的基础信息,将目标商户的营业信息添加至目标位置点的基础信息中,将二者进行关联存储,对目标位置点的基础信息进行扩展,以使终端在显示目标位置点的标识信息时,可以显示扩展后的信息。
示例性地,假设POI标识为“*润乳业(*河城店)”的位置点的POI编号为19195221678405761621。则该位置点的POI基本信息中,POI编号为19195221678405761621,POI名称可以是“*润乳业(*河城店)”,POI坐标为该名称是“*润乳业(*河城店)”的位置点的中心点在电子地图中的经度值和纬度值确定的坐标,POI地址是“**市**区红星路30号”,POI分类是该位置点对应的商户名称在电子地图中的默认分类,例如可以为“食品超市”。
服务器已经得到了该位置点对应的商户的标识关联信息,例如,该商户的标识关联信息包括的法人信息为“赵某某”,包含的商户名称为“*润乳业商贸有限责任公司”。在完成本申请实施例所述的扩展后,如图15所示,终端在显示目标位置点“*润乳业(*河城店)”的信息时,可以显示该目标位置点对应的商户名称,商户正常营业的信息以及每日营业时间。因而,可以为用户提供更全面、更准确的参考信息。
虽然本申请实施例提供了如上述实施例或附图所示的方法的操作步骤,但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。方法在实际的处理过程中或者装置执行时,可按照实施例或者附图所示的方法顺序执行或者并行执行。
基于同一发明构思,本申请实施例还提供一种位置点信息扩展装置,该位置点信息扩展装置可以布设在服务器中。由于该装置是本申请实施例的应用于服务器的位置点信息扩展方法对应的装置,并且该装置解决问题的原理与该方法相似,因此该装置的实施可以参见上述方法实施例的实施过程,重复之处不再赘述。
图16示出了本申请实施例提供的一种位置点信息扩展装置的结构示意图。该位置点信息扩展装置,应用于服务器400,如图16所示,包括:第一数据获取单元1601、数据查询单元1602、第二数据获取单元1603和信息扩展单元1604;其中,
第一数据获取单元1601,用于获取目标对象的第一标识和待添加的扩展信息;
数据查询单元1602,用于根据第一标识,在位置点信息关系库中查找目标对象关联的目标位置点的第二标识;位置点信息关系库用于保存对象的标识与地图中位置点的标识之间的对应关系;
第二数据获取单元1603,用于根据第二标识,获取目标位置点在地图中已标识的基础信息;
信息扩展单元1604,用于针对目标位置点,将扩展信息与基础信息进行关联存储,获得相应的目标信息。
在一种可选的实施例中,信息扩展单元1604,还用于:
基于第一终端针对目标位置点发送的信息获取请求,将目标信息发送至第一终端,以使第一终端在地图中针对目标位置点显示目标信息。
在一种可选的实施例中,数据查询单元1602,还用于:
针对具有反馈信息的各个位置点,反馈信息为第二终端针对位置点反馈的信息;分别执行如下操作:
获取地图中位置点的标识;
基于位置点的反馈信息,获取位置点对应的对象的标识;
将对象的标识与位置点的标识的对应关系保存至位置点信息关系库中。
在一种可选的实施例中,一个位置点的反馈信息中包括一个位置点对应的对象的执照图像;数据查询单元1602,具体用于:
对执照图像进行文字识别,得到一个位置点对应的对象的执照文字信息;
从对象的执照文字信息中,获取一个位置点对应的对象的标识。
在一种可选的实施例中,第一数据获取单元1601,具体用于:
获取目标对象的交易数据集合;交易数据集合中每个交易数据中均包括交易时间信息和目标对象的第一标识;
根据交易数据集合中各个交易数据对应的交易时间信息,确定目标对象的营业信息;
根据目标对象的营业信息,生成待添加的扩展信息。
在一种可选的实施例中,每个交易数据中进一步包括交易位置信息;第二数据获取单元1603,还用于:
若在位置点信息关系库中未查找到目标对象关联的目标位置点的第二标识,则根据交易数据集合中各个交易数据对应的交易位置信息,对目标对象的交易数据进行聚类,得到目标对象对应的交易中心位置;
在地图中,查找位于交易中心位置周围的预设范围内的候选位置点,并获取各个候选位置点的标识;
从各个候选位置点中选择标识与第一标识相匹配的候选位置点,作为目标位置点。
在一种可选的实施例中,候选位置点的标识和第一标识均为文本标识;第二数据获取单元1603,具体用于:
对于各个候选位置点,若候选位置点的标识与第一标识中包含至少一个相同的字符,则将候选位置点作为目标对象的参考目标位置点;
确定各个参考目标位置点的标识与第一标识之间的文本相似度;
根据各个参考目标位置点对应的文本相似度,从各个参考目标位置点中选择目标位置点。
在一种可选的实施例中,第二数据获取单元1603,具体用于:
对于各个参考目标位置点,分别执行如下操作:
对第一标识进行文本特征提取,得到第一文本特征向量;
对参考目标位置点的标识进行文本特征提取,得到参考目标位置点的文本特征向量;
确定第一文本特征向量与参考目标位置点的文本特征向量的差向量;
将第一文本特征向量、参考目标位置点的文本特征向量和差向量进行拼接,得到拼接向量;
根据拼接向量,确定参考目标位置点的标识与第一标识之间的文本相似度。
在一种可选的实施例中,第二数据获取单元1603,具体用于:
将各个参考目标位置点中相似度最大的参考目标位置点作为目标位置点;或者,
将各个参考目标位置点中相似度大于或等于设定相似度阈值的参考目标位置点作为目标位置点;或者,
将各个参考目标位置点中相似度最大且相似度大于或等于设定相似度阈值的参考目标位置点作为目标位置点。
在一种可选的实施例中,营业信息包括每日营业时间;第一数据获取单元1601,具体用于:
根据每个交易数据中的交易时间信息,确定目标对象的最早营业时间和最晚营业时间;
根据目标对象的最早营业时间和最晚营业时间,生成目标对象的每日营业时间。
在一种可选的实施例中,营业信息包括营业状态;第一数据获取单元1601,具体用于:
获取每个交易数据的交易时间信息中对应的交易日期;
若根据每个交易数据对应的交易日期,确定在当前时刻之前的预设时间阈值内每日均存在交易数据,则确定目标对象的营业状态为正常营业。
在一种可选的实施例中,数据查询单元1602,具体用于:
若在位置点信息关系库中查找到多个与目标对象对应的候选目标位置点的标识,根据各个候选目标位置点的标识,获取各个候选目标位置点的地理位置;
确定各个候选目标位置点的地理位置与目标对象对应的交易中心位置之间的距离;
将距离最近的候选目标位置点作为目标位置点,并将目标位置点的标识作为第二标识。
基于同一发明构思,本申请实施例中还提供了一种电子设备。在一种实施例中,该电子设备可以是图1中的服务器400。在该实施例中,电子设备的结构可以如图17所示,包括存储器1701,通讯模块1703以及一个或多个处理器1702。
存储器1701,用于存储处理器1702执行的计算机程序。存储器1701可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***,以及运行即时通讯功能所需的程序等;存储数据区可存储各种即时通讯信息和操作指令集等。
存储器1701可以是易失性存储器(volatile memory),例如随机存取存储器(random-access memory,RAM);存储器1701也可以是非易失性存储器(non-volatilememory),例如只读存储器,快闪存储器(flash memory),硬盘(hard disk drive,HDD)或固态硬盘(solid-state drive,SSD)、或者存储器1701是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器1701可以是上述存储器的组合。
处理器1702,可以包括一个或多个中央处理单元(central processing unit,CPU)或者为数字处理单元等等。处理器1702,用于调用存储器1701中存储的计算机程序时实现上述位置点信息扩展方法。
通讯模块1703用于与终端设备或其他服务器进行通信。
本申请实施例中不限定上述存储器1701、通讯模块1703和处理器1702之间的具体连接介质。本申请实施例在图17中以存储器1701和处理器1702之间通过总线1704连接,总线1704在图17中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线1704可以分为地址总线、数据总线、控制总线等。为便于表示,图17中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器1701中存储有计算机存储介质,计算机存储介质中存储有计算机可执行指令,计算机可执行指令用于实现本申请实施例的位置点信息扩展方法。处理器1702用于执行上述的位置点信息扩展方法。
本申请的实施例还提供了一种计算机存储介质,计算机存储介质中存储有计算机可执行指令,计算机可执行指令用于实现本申请任一实施例所记载的位置点信息扩展方法。
在一些可能的实施方式中,本申请提供的位置点信息扩展方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的位置点信息扩展方法的步骤,例如,计算机设备可以执行如图2所示的步骤S201~S204的位置点信息扩展方法的流程。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (14)
1.一种位置点信息扩展方法,其特征在于,所述方法包括:
获取目标对象的交易数据集合;所述交易数据集合中每个所述交易数据中均包括交易时间信息和所述目标对象的第一标识;
根据所述交易数据集合中各个交易数据对应的交易时间信息,确定所述目标对象的营业信息;
根据所述目标对象的营业信息,生成所述目标对象的待添加的扩展信息;
根据所述第一标识,在位置点信息关系库中查找所述目标对象关联的目标位置点的第二标识;所述位置点信息关系库用于保存对象的标识与地图中位置点的标识之间的对应关系;
根据所述第二标识,获取所述目标位置点在所述地图中已标识的基础信息;
针对所述目标位置点,将所述扩展信息与所述基础信息进行关联存储,获得相应的目标信息。
2.根据权利要求1所述的方法,其特征在于,针对所述目标位置点,将所述扩展信息与所述基础信息进行关联存储,获得相应的目标信息之后,所述方法还包括:
基于第一终端针对所述目标位置点发送的信息获取请求,将所述目标信息发送至所述第一终端,以使所述第一终端在地图中针对所述目标位置点显示所述目标信息。
3.根据权利要求1所述的方法,其特征在于,所述位置点信息关系库中对象的标识与地图中位置点的标识之间的对应关系是采用以下方式建立的:
针对具有反馈信息的各个位置点,所述反馈信息为第二终端针对所述位置点反馈的信息;分别执行如下操作:
获取地图中所述位置点的标识;
基于所述位置点的反馈信息,获取所述位置点对应的对象的标识;
将所述对象的标识与所述位置点的标识的对应关系保存至所述位置点信息关系库中。
4.根据权利要求3所述的方法,其特征在于,所述位置点的反馈信息中包括所述位置点对应的对象的执照图像;基于所述位置点的反馈信息,获取所述位置点对应的对象的标识,包括:
对所述执照图像进行文字识别,得到所述位置点对应的对象的执照文字信息;
从所述对象的执照文字信息中,获取所述位置点对应的对象的标识。
5.根据权利要求1所述的方法,其特征在于,所述每个交易数据中进一步包括交易位置信息;针对所述目标位置点,将所述扩展信息与所述基础信息进行关联存储之前,所述方法还包括:
若在位置点信息关系库中未查找到所述目标对象关联的目标位置点的第二标识,则根据所述交易数据集合中各个交易数据对应的交易位置信息,对所述目标对象的交易数据进行聚类,得到所述目标对象对应的交易中心位置;
在所述地图中,查找位于所述交易中心位置周围的预设范围内的候选位置点,并获取各个所述候选位置点的标识;
从各个所述候选位置点中选择标识与所述第一标识相匹配的候选位置点,作为所述目标位置点。
6.根据权利要求5所述的方法,其特征在于,所述候选位置点的标识和所述第一标识均为文本标识;从各个所述候选位置点中选择标识与所述第一标识相匹配的候选位置点,作为所述目标位置点,包括:
对于各个候选位置点,若所述候选位置点的标识与所述第一标识中包含至少一个相同的字符,则将所述候选位置点作为所述目标对象的参考目标位置点;
确定各个所述参考目标位置点的标识与所述第一标识之间的文本相似度;
根据各个参考目标位置点对应的文本相似度,从各个参考目标位置点中选择所述目标位置点。
7.根据权利要求6所述的方法,其特征在于,确定各个所述参考目标位置点的标识与所述第一标识之间的文本相似度,包括:
对于各个参考目标位置点,分别执行如下操作:
对所述第一标识进行文本特征提取,得到第一文本特征向量;
对所述参考目标位置点的标识进行文本特征提取,得到所述参考目标位置点的文本特征向量;
确定所述第一文本特征向量与所述参考目标位置点的文本特征向量的差向量;
将所述第一文本特征向量、所述参考目标位置点的文本特征向量和所述差向量进行拼接,得到拼接向量;
根据所述拼接向量,确定所述参考目标位置点的标识与所述第一标识之间的文本相似度。
8.根据权利要求6所述的方法,其特征在于,根据各个参考目标位置点对应的文本相似度,从各个参考目标位置点中选择所述目标位置点,包括:
将各个参考目标位置点中文本相似度最大的参考目标位置点作为所述目标位置点;或者,
将各个参考目标位置点中文本相似度大于或等于设定相似度阈值的参考目标位置点作为所述目标位置点;或者,
将各个参考目标位置点中文本相似度最大且文本相似度大于或等于设定相似度阈值的参考目标位置点作为所述目标位置点。
9.根据权利要求1所述的方法,其特征在于,所述营业信息包括每日营业时间;根据每个所述交易数据中的交易时间信息,确定所述目标对象的营业信息,包括:
根据每个所述交易数据中的交易时间信息,确定所述目标对象的最早营业时间和最晚营业时间;
根据所述目标对象的最早营业时间和最晚营业时间,生成所述目标对象的每日营业时间。
10.根据权利要求1所述的方法,其特征在于,所述营业信息包括营业状态;根据每个所述交易数据中的交易时间信息,确定所述目标对象的营业信息,包括:
获取每个所述交易数据的交易时间信息中对应的交易日期;
若根据每个所述交易数据对应的交易日期,确定在当前时刻之前的预设时间阈值内每日均存在交易数据,则确定所述目标对象的营业状态为正常营业。
11.根据权利要求5所述的方法,其特征在于,根据所述第一标识,在位置点信息关系库中查找所述目标对象关联的目标位置点的第二标识,包括:
若在位置点信息关系库中查找到多个与所述目标对象对应的候选目标位置点的标识,根据各个所述候选目标位置点的标识,获取各个所述候选目标位置点的地理位置;
确定各个所述候选目标位置点的地理位置与所述目标对象对应的交易中心位置之间的距离;
将距离最近的候选目标位置点作为目标位置点,并将所述目标位置点的标识作为所述第二标识。
12.一种位置点信息扩展装置,其特征在于,所述装置包括:
第一数据获取单元,用于获取目标对象的交易数据集合;所述交易数据集合中每个所述交易数据中均包括交易时间信息和所述目标对象的第一标识;根据所述交易数据集合中各个交易数据对应的交易时间信息,确定所述目标对象的营业信息;根据所述目标对象的营业信息,生成所述目标对象的待添加的扩展信息;
数据查询单元,用于根据所述第一标识,在位置点信息关系库中查找所述目标对象关联的目标位置点的第二标识;所述位置点信息关系库用于保存对象的标识与地图中位置点的标识之间的对应关系;
第二数据获取单元,用于根据所述第二标识,获取所述目标位置点在所述地图中已标识的基础信息;
信息扩展单元,用于针对所述目标位置点,将所述扩展信息与所述基础信息进行关联存储,获得相应的目标信息。
13.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,其特征在于:所述计算机程序被处理器执行时,实现权利要求1~11中任一项所述的方法。
14.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,实现权利要求1~11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110029268.8A CN112711645B (zh) | 2021-01-11 | 2021-01-11 | 一种位置点信息扩展方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110029268.8A CN112711645B (zh) | 2021-01-11 | 2021-01-11 | 一种位置点信息扩展方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112711645A CN112711645A (zh) | 2021-04-27 |
CN112711645B true CN112711645B (zh) | 2022-05-10 |
Family
ID=75548757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110029268.8A Active CN112711645B (zh) | 2021-01-11 | 2021-01-11 | 一种位置点信息扩展方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112711645B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114356951B (zh) * | 2022-03-16 | 2022-06-03 | 腾讯科技(深圳)有限公司 | 引导点的关联信息的更新方法和装置 |
CN115238023B (zh) * | 2022-09-07 | 2022-12-13 | 中航信移动科技有限公司 | 基于多源数据进行数据关联的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013438A (zh) * | 2007-02-08 | 2007-08-08 | 张越青 | 电子地图的图文和多媒体数据扩展和查询的方法 |
CN110781204A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯大地通途(北京)科技有限公司 | 目标对象的标识信息确定方法、装置、设备及存储介质 |
CN110796522A (zh) * | 2019-10-31 | 2020-02-14 | 支付宝(杭州)信息技术有限公司 | 商户匹配poi的方法、认证的方法以及各自的装置 |
CN110795515A (zh) * | 2019-08-26 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 兴趣点poi的处理方法、装置、电子设备及计算机存储介质 |
CN110958608A (zh) * | 2018-09-26 | 2020-04-03 | 腾讯科技(深圳)有限公司 | 无线网络连接方法、装置、存储介质和计算机设备 |
CN111782977A (zh) * | 2020-06-29 | 2020-10-16 | 北京百度网讯科技有限公司 | 兴趣点处理方法、装置、设备及计算机可读存储介质 |
-
2021
- 2021-01-11 CN CN202110029268.8A patent/CN112711645B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013438A (zh) * | 2007-02-08 | 2007-08-08 | 张越青 | 电子地图的图文和多媒体数据扩展和查询的方法 |
CN110958608A (zh) * | 2018-09-26 | 2020-04-03 | 腾讯科技(深圳)有限公司 | 无线网络连接方法、装置、存储介质和计算机设备 |
CN110795515A (zh) * | 2019-08-26 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 兴趣点poi的处理方法、装置、电子设备及计算机存储介质 |
CN110781204A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯大地通途(北京)科技有限公司 | 目标对象的标识信息确定方法、装置、设备及存储介质 |
CN110796522A (zh) * | 2019-10-31 | 2020-02-14 | 支付宝(杭州)信息技术有限公司 | 商户匹配poi的方法、认证的方法以及各自的装置 |
CN111782977A (zh) * | 2020-06-29 | 2020-10-16 | 北京百度网讯科技有限公司 | 兴趣点处理方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (3)
Title |
---|
understanding business location choice pattern:a co-location analysisi on urban poi data;Jeffrey Chiu等;《proceedings of the 2nd informs workshop on data science,Phoenix,AZ,USA》;20181130;第3卷;1-11 * |
基于大数据技术的网格空间负荷预测方法研究;张旭军;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20200115(第1期);C042-1948 * |
基于异质社交网络的POI个性化推荐***设计与实现;赵强;《中国优秀硕士学位论文全文库 信息科技辑》;20190115(第1期);I138-4559 * |
Also Published As
Publication number | Publication date |
---|---|
CN112711645A (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Classifying urban land use by integrating remote sensing and social media data | |
US10878002B2 (en) | Activity based analytics | |
US9123259B2 (en) | Discovering functional groups of an area | |
JP6759844B2 (ja) | 画像を施設に対して関連付けるシステム、方法、プログラム及び装置 | |
Duckham et al. | Including landmarks in routing instructions | |
US20170109615A1 (en) | Systems and Methods for Automatically Classifying Businesses from Images | |
US11714832B2 (en) | Method, apparatus, and system for combining location data sources | |
US20220179857A1 (en) | Method, apparatus, and system for providing a context-aware location representation | |
US20190242720A1 (en) | Systems and methods for constructing spatial activity zones | |
WO2019214453A1 (zh) | 一种内容分享***、方法、标注方法、服务器及终端设备 | |
CN107018486A (zh) | 处理视觉查询的方法和*** | |
CN112711645B (zh) | 一种位置点信息扩展方法、装置、存储介质和电子设备 | |
US20220180214A1 (en) | Method, apparatus, and system for providing semantic categorization of an arbitrarily granular location | |
US20230049839A1 (en) | Question Answering Method for Query Information, and Related Apparatus | |
CN110858213A (zh) | 用于根据地图图像进行位置推理的方法 | |
Fang et al. | Synthesizing location semantics from street view images to improve urban land-use classification | |
CN116917887A (zh) | 使用基于注意力的排名***的查询处理 | |
Sadeghian et al. | The new generation of automatic landmark detection systems: Challenges and guidelines | |
Kitamura et al. | Tourist spot recommendation applying generic object recognition with travel photos | |
Hassan et al. | Geospatial Data Science Quick Start Guide: Effective techniques for performing smarter geospatial analysis using location intelligence | |
Hobel et al. | A semantic region growing algorithm: Extraction of urban settings | |
Zhang et al. | Taptell: Interactive visual search for mobile task recommendation | |
CN113392294B (zh) | 样本标注方法及装置 | |
Boyko | Efficient interfaces for accurate annotation of 3D point clouds | |
Deeksha et al. | A spatial clustering approach for efficient landmark discovery using geo-tagged photos |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40041952 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |