CN112818261A - 基于poi知识图谱的导航方法、装置及电子设备 - Google Patents
基于poi知识图谱的导航方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112818261A CN112818261A CN202110111132.1A CN202110111132A CN112818261A CN 112818261 A CN112818261 A CN 112818261A CN 202110111132 A CN202110111132 A CN 202110111132A CN 112818261 A CN112818261 A CN 112818261A
- Authority
- CN
- China
- Prior art keywords
- poi
- knowledge
- graph
- knowledge graph
- entity
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims description 27
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 abstract 1
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000011176 pooling Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开了基于POI知识图谱的导航方法、装置及电子设备,该导航方法包括:获取兴趣点POI基础数据和POI相关信息;对所述POI相关信息进行数据清洗和数据分析得到POI特征实体;根据所述POI特征实体和所述POI基础数据建立每个POI的专属知识图谱;基于每个POI的专属知识图谱构建POI知识图谱库;基于所述POI知识图谱库进行导航。本发明可以在用户忘记POI名称和地址时,仍然可以进行导航。
Description
技术领域
本发明实施例涉及地理信息技术领域,具体涉及基于POI知识图谱的导航方法、装置及电子设备。
背景技术
目前,用户在进行导航时,必须先知道目的地的兴趣点(Point of Interest,POI)名称或者地址,才能使用导航进行搜索。但是,用户有时忘记了或者不知道目的地POI的名称和地址,只知道目的地POI一些场景或者一些特色,这时无法进行导航。
如果在用户忘记目的地POI的名称和地址时仍然可以进行导航,是一种亟待解决的问题。
发明内容
本发明实施例的目的在于提供POI知识图谱的导航方法、装置及电子设备,用以解决现有导航时如果不知道目的地的名称或地址无法进行导航的问题。
为实现上述目的,本发明实施例主要提供如下技术方案:
第一方面,本发明实施例提供了一种基于POI知识图谱的导航方法,包括:
获取兴趣点POI基础数据和POI相关信息;
根据所述POI相关信息提取出POI特征实体;
根据所述POI特征实体和所述POI基础数据建立每个POI的专属知识图谱;
基于每个POI的专属知识图谱构建POI知识图谱库;
基于所述POI知识图谱库进行导航。
根据本发明的一个实施例,根据所述POI相关信息提取出POI特征实体,包括:
对所述POI相关信息进行数据去重和文本处理得到所述POI特征实体。
根据本发明的一个实施例,根据所述POI特征实体和所述POI基础数据建立每个POI的专属知识图谱,包括:
对表示同一实体的POI特征实体进行名称统一;
根据每个POI与所关联的特征实体建立每个POI的专属知识图谱。
根据本发明的一个实施例,在所述每个POI的专属知识图谱中使用深度神经网络算法计算每个POI与所关联的特征实体之间的相关度。
根据本发明的一个实施例,所述基于每个POI的专属知识图谱构建POI知识图谱库,包括:
在所述POI知识图谱库中对相同的POI特征实体进行去重,并对同类别的POI特征实体进行归类。
根据本发明的一个实施例,基于POI知识图谱库进行导航,包括:
获取进行导航搜索的关键词;
根据所述关键词对应的特征实体的相关度得到多个POI基础数据的排序;
基于排序结果确定目标POI基础数据;
根据所述导航终端的当前位置和目标POI基础数据进行导航。
根据本发明的一个实施例,所述POI相关信息是通过网络获取的或通过实体考察后人工编辑的。
第二方面,本发明实施例还提供一种基于POI知识图谱的导航装置,包括:
获取模块,用于获取兴趣点POI基础数据和POI相关信息;
存储模块;
控制处理模块,用于根据所述POI相关信息提取出POI特征实体;所述控制处理模块还用于根据所述POI特征实体和所述POI基础数据建立每个POI的专属知识图谱;所述控制处理模块还用于通过所述存储模块基于每个POI的专属知识图谱构建POI知识图谱库;
导航模块,用于基于所述POI知识图谱库进行导航。
根据本发明的一个实施例,所述控制处理模块用于对所述POI相关信息进行数据去重和文本处理得到所述POI特征实体。
根据本发明的一个实施例,所述控制处理模块用于对所述POI相关信息进行数据去重和文本处理得到所述POI特征实体。
根据本发明的一个实施例,所述控制处理模块还用于对表示同一实体的POI特征实体进行名称统一,并根据每个POI与所关联的特征实体建立每个POI的专属知识图谱。
根据本发明的一个实施例,所述控制处理模块还用于在所述每个POI的专属知识图谱中使用深度神经网络算法计算每个POI与所关联的特征实体之间的相关度。
根据本发明的一个实施例,所述控制处理模块用于在所述POI知识图谱库中对相同的POI特征实体进行去重,并对同类别的POI特征实体进行归类。
根据本发明的一个实施例,所述导航模块用于获取进行导航搜索的关键词;所述导航模块还用于根据所述关键词对应的特征实体的相关度得到多个POI基础数据的排序;所述导航模块还用于基于排序结果确定目标POI基础数据;所述导航模块还用于根据所述导航终端的当前位置和目标POI基础数据进行导航。
根据本发明的一个实施例,所述POI相关信息是通过网络获取的或通过实体考察后人工编辑的。
第三方面,本发明实施例还提供一种电子设备,包括:至少一个处理器和至少一个存储器;所述存储器用于存储一个或多个程序指令;所述处理器,用于运行一个或多个程序指令,用以执行如第一方面所述的基于POI知识图谱的导航方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,包含一个或多个程序指令,所述一个或多个程序指令用于被执行如第一方面所述的基于POI知识图谱的导航方法。
本发明实施例提供的技术方案至少具有如下优点:
本发明实施例提供的基于POI知识图谱的导航方法、装置及电子设备,可以建立每个POI的专属知识图谱,然后可以基于每个POI的专属知识图谱建立POI知识图谱库。当用户进行导航搜索时,根据输入的关键词,根据关键词在POI知识图谱库中对应的特征实体的相关度得到多个POI基础数据的排序,进而根据排序结果确定目标POI基础数据,然后可以根据导航终端的当前位置和目标POI基础数据进行导航。本发明可以在用户忘记POI名称和地址时,仍然可以进行导航。
附图说明
图1为本发明实施例的基于POI知识图谱的导航方法的流程图。
图2为本发明实施例的基于POI知识图谱的导航装置的结构框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
在本发明的描述中,需要理解的是,术语“第一”和“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
图1为本发明实施例的基于POI知识图谱的导航方法的流程图。如图1所示,本发明实施例的基于POI知识图谱的导航方法,包括:
S1:获取兴趣点POI基础数据和POI相关信息。
在本实施例中,POI基础数据可以通过预设的导航软件得到,例如通过常用的导航软件得到。POI基础数据包括POI名称、POI地址和POI的经纬度信息等等。
在本实施例中,POI相关信息是与POI相关的信息,例如对于莫子山,POI相关信息包括关于莫子山的介绍、莫子山内包含的推荐观景地点和莫子山内的设施信息等等。POI相关信息是通过网络获取的,或通过实体考察后人工编辑的。其中,通过网络获取POI相关信息的方式包括通过网络爬取工具,以POI的名称或地址为关键词进行的文本爬取。通过实体考察后人工编辑POI相关信息的方式例如可以为,对于莫子山,通过人员现场记录莫子山内包含的特征实体,例如夜光跑道。
S2:根据POI相关信息提取出POI特征实体。
在本发明的一个实施例中,步骤S2包括:
S2-1:对POI相关信息进行数据去重。
具体地,如果数据采集的来源不同,采集到的数据格式不同的情况下,首先需要进行数据格式的统一。如果采集的数据格式相同,则不用进行数据格式统一。对POI相关信息进行数据去重,此处数据去重为去除掉完全相同的数据,仅保留一份数据。例如有关同一个POI相关的报道(相同的文章介绍),会在不同的网站发布或转载,本实施例采集报道的时候同一篇文章会采集N次,数据去重时,删除相同的文章,只保留一篇。
S2-2:对数据去重后的POI相关信息进行文本处理和语义分析,得到POI相关信息中的所有的特征信息,根据所有的特征信息建立POI特征实体。
S3:根据POI特征实体和POI基础数据建立每个POI的专属知识图谱。
在本发明的一个实施例中,步骤S3包括:
S3-1:对表示同一实体的POI特征实体进行名称统一。
具体地,可以通过给定命名实体词典,然后根据命名实体词典对表示同一实体的POI特征实体进行名称统一。
在本发明的一个示例中,从三篇报道中抽取同一POI的特征实体分别为美行科技、沈阳美行和美行公司,实际上这三个特征实体为同一特征实体,根据命名词典,统一汇总成沈阳美行科技有限公司。
S3-2:根据每个POI与所关联的POI特征实体建立每个POI的专属知识图谱。
S3-3:在建立每个POI的知识图谱库之后,计算每个POI及其关联的特征实体之间的相关度。
在本发明的一个实施例中,在每个POI的专属知识图谱中使用深度神经网络算法计算每个POI与所关联的特征实体之间的相关度。
例如,X表示某个POI基础信息(POI名称或地址),Y表示某个特征实体。KR(X,Y)表示X和Y之间的相关度。0≤KR(X,Y)≤1。
更具体地,利用Google开源的一款将词表征转换为实数值向量的工具Word2vec,实现POI和特征实体的词向量的表示,形成矩阵数据结构。将矩阵作为输入,利用卷积神经网络训练好的模型进行预测,从而得到相关度结果。其中,卷积神经网络模型可以通过预先标注好的语料进行训练,使模型学习到词语相关度的概率。
在本实施例中,相关度计算的卷积神经网络共分为四层,分别是输入层,卷积层,池化层和输出层。
其中,输入层利用Word2vec来实现词向量的构建,可以使用python中对于Google的word2vec的skim-gram词向量模型的实现模块。输入相应的文本,该模型就自动构建该文本的模型。
卷积层主要是实现特征的选取,通过一个卷积核来扫描输入层的矩阵。
池化层可以采用max-pooling方法实现池化层,和卷积层相似,不同在于池化层只对矩阵本身进行运算。
输出层主要实现卷积层和池化层的连接,经过多次的卷积层和池化层的循环,最后就可以得到一个表示相关度的值。
S4:基于每个POI的专属知识图谱构建POI知识图谱库。
在本发明的一个实施例中,在POI知识图谱库中对相同的POI特征实体进行去重,并对同类别的POI特征实体进行归类。
具体地,POI知识图谱库中对相同的特征实体进行去重的方式可以为:针对多个POI的专属知识图谱中包含的相同特征实体进行去重,仅保留唯一一项,以建立多个POI的专属知识图谱与唯一保留的特征实体之间的关联关系。
在本发明的一个示例中,知识图谱库中包括两个POI知识图谱,POI1知识图谱和POI2知识图谱。POI1知识图谱关联的特征实体包括A、B、C和D,POI2知识图谱关联的特征实体包括A、E、F和G。
本实施例对知识图谱库中的实体对象进行去重,针对POI1知识图谱和POI2知识图谱中包含的相同特征实体A进行去重,仅保留唯一一项,此时,知识图谱库中特征实体包括A、B、C、D、E、F和G,即建立了POI1知识图谱和POI2知识图谱均与唯一保留的特征实体A的关联关系。进而在检索时,根据用户输入关键词,当关键词匹配特征实体A时,会给出POI1基础数据和POI2基础数据的推荐。
在本实施例中,对同类别的POI特征实体进行归类的方式例如可以采用如下方式:
知识图谱库中包括两个POI知识图谱:POIA知识图谱和POIB知识图谱。其中,POIA知识图谱的特征实体包括淘气堡、宝贝王。POIB知识图谱的特征实体包括:快乐宝贝。知识图谱库中的特征实体还包括游乐场,即淘气堡、宝贝王、快乐宝贝的归类。
当用户进行导航时,输入关键词为淘气堡或宝贝王时,会推荐POIA的基础数据,当用户输入关键词为快乐宝贝时,会推荐POIB的基础数据,当用户输入关键词为游乐场时,会同时推荐POIA的基础数据和POIB的基础数据,并根据相关度进行排序。
当用户导航时搜索的关键词为游乐场时,会推荐POIA和POIB的基础数据(即POIA和POIB的名称和地址)。POIA和POIB的基础数据根据特征实体游乐场相对于POIA和POIB的相关度排序。例如:淘气堡对POIA的相关度为0.7,宝贝王对POIA的相关度为0.6,快乐宝贝对POIB的相关度为0.5,在导航推荐的时候,POIA的基础数据会排在POIB的基础数据的前面。
S5:基于POI知识图谱库进行导航。
在本发明的一个实施例中,步骤S5包括:
S5-1:获取进行导航搜索的关键词。
S5-2:根据关键词对应的特征实体的相关度得到多个POI基础数据的排序。
在本发明的一个示例中,例如关键词为“夜光跑道”,则在每个POI知识图谱库匹配包括“夜光跑道”的POI特征实体。如果匹配到N个包括“夜光跑道”的POI专属知识图谱,本实施例根据每个POI与特征实体“夜光跑道”之间的相关度进行排序。
S5-3:基于排序结果确定目标POI基础数据。例如可以将相关度最高的POI默认作为目标POI,也可以用户根据自身需求进行选择POI作为目标POI,然后获取目标POI的基础数据,即目标POI的名称和地址。
S5-4:根据导航终端的当前位置和目标POI基础数据进行导航。
本发明实施例提供的基于POI知识图谱库的导航方法,可以建立每个POI的专属知识图谱,然后可以基于每个POI的专属知识图谱建立POI知识图谱库。当用户进行导航搜索时,根据输入的关键词,根据关键词在POI知识图谱库中对应的特征实体的相关度得到多个POI基础数据的排序,进而根据排序结果确定目标POI基础数据,然后可以根据导航终端的当前位置和目标POI基础数据进行导航。
图2为本发明实施例的基于POI知识图谱的导航装置的结构框图。如图2所示,本发明实施例的基于POI知识图谱的导航装置,包括:获取模块100、存储模块200、控制处理模块300和导航模块400。
其中,获取模块100用于获取兴趣点POI基础数据和POI相关信息。控制处理模块300用于根据POI相关信息提取出POI特征实体。控制处理模块300还用于根据POI特征实体和POI基础数据建立每个POI的专属知识图谱。控制处理模块300还用于通过所述存储模块基于每个POI的专属知识图谱构建POI知识图谱库。导航模块400用于基于POI知识图谱库进行导航。
在本发明的一个实施例中,控制处理模块300用于对POI相关信息进行数据去重和文本处理得到所述POI特征实体。
在本发明的一个实施例中,控制处理模块300对表示同一实体的POI特征实体进行名称统一。控制处理模块300还用于根据每个POI与所关联的特征实体建立每个POI的专属知识图谱。
在本发明的一个实施例中,控制处理模块300还用于在每个POI的专属知识图谱中使用深度神经网络算法计算每个POI与所关联的特征实体之间的相关度。
在本发明的一个实施例中,控制处理模块300还用于在POI知识图谱库中对相同的POI特征实体进行去重,并对同类别的POI特征实体进行归类。
在本发明的一个实施例中,导航模块400用于获取进行导航搜索的关键词。导航模块400还用于根据关键词对应的特征实体的相关度得到多个POI基础数据的排序。导航模块400还用于基于排序结果确定目标POI基础数据;导航模块400还用于根据导航终端的当前位置和目标POI基础数据进行导航。
在本发明的一个实施例中,POI基础数据是通过导航终端提供的地图数据中获取的。
在本发明的一个实施例中,POI相关信息是通过网络获取的或通过实体考察后用户输入的。
需要说明的是,本发明实施例的基于POI知识图谱的导航装置的具体实施方式与本发明实施例的基于POI知识图谱的导航方法的具体实施方式类似,具体参见基于POI知识图谱的导航方法部分的描述,为了减少冗余,不做赘述。
另外,本发明实施例的基于POI知识图谱的导航装置的其它构成以及作用对于本领域的技术人员而言都是已知的,为了减少冗余,不做赘述。
本发明实施例还提供一种电子设备,包括:至少一个处理器和至少一个存储器;所述存储器用于存储一个或多个程序指令;所述处理器,用于运行一个或多个程序指令,用以执行如第一方面所述的基于POI知识图谱的导航方法。
本发明所公开的实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序指令,当所述计算机程序指令在计算机上运行时,使得计算机执行上述的基于POI知识图谱的导航方法。
在本发明实施例中,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synch Link DRAM,简称SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (10)
1.一种基于POI知识图谱的导航方法,其特征在于,包括:
获取兴趣点POI基础数据和POI相关信息;
根据所述POI相关信息提取出POI特征实体;
根据所述POI特征实体和所述POI基础数据建立每个POI的专属知识图谱;
基于每个POI的专属知识图谱构建POI知识图谱库;
基于所述POI知识图谱库进行导航。
2.根据权利要求1所述的基于POI知识图谱的导航方法,其特征在于,根据所述POI相关信息提取出POI特征实体,包括:
对所述POI相关信息进行数据去重和文本处理得到所述POI特征实体。
3.根据权利要求1所述的基于POI知识图谱的导航方法,其特征在于,根据所述POI特征实体和所述POI基础数据建立每个POI的专属知识图谱,包括:
对表示同一实体的POI特征实体进行名称统一;
根据每个POI与所关联的特征实体建立每个POI的专属知识图谱。
4.根据权利要求3所述的基于POI知识图谱的导航方法,其特征在于,在所述每个POI的专属知识图谱中使用深度神经网络算法计算每个POI与所关联的特征实体之间的相关度。
5.根据权利要求4所述的基于POI知识图谱的导航方法,其特征在于,所述基于每个POI的专属知识图谱构建POI知识图谱库,包括:
在所述POI知识图谱库中对相同的POI特征实体进行去重,并对同类别的POI特征实体进行归类。
6.根据权利要求5所述的基于POI知识图谱的导航方法,其特征在于,基于POI知识图谱库进行导航,包括:
获取进行导航搜索的关键词;
根据所述关键词对应的特征实体的相关度得到多个POI基础数据的排序;
基于排序结果确定目标POI基础数据;
根据所述导航终端的当前位置和目标POI基础数据进行导航。
7.根据权利要求1所述的基于POI知识图谱的导航方法,其特征在于,所述POI相关信息是通过网络获取的或通过实体考察后人工编辑的。
8.一种基于POI知识图谱的导航装置,其特征在于,包括:
获取模块,用于获取兴趣点POI基础数据和POI相关信息;
存储模块;
控制处理模块,用于根据所述POI相关信息提取出POI特征实体;所述控制处理模块还用于根据所述POI特征实体和所述POI基础数据建立每个POI的专属知识图谱;所述控制处理模块还用于通过所述存储模块基于每个POI的专属知识图谱构建POI知识图谱库;
导航模块,用于基于所述POI知识图谱库进行导航。
9.一种电子设备,其特征在于,所述电子设备包括:至少一个处理器和至少一个存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-7任一项所述的基于POI知识图谱的导航方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行如权利要求1-7任一项所述的基于POI知识图谱的导航方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110111132.1A CN112818261A (zh) | 2021-01-27 | 2021-01-27 | 基于poi知识图谱的导航方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110111132.1A CN112818261A (zh) | 2021-01-27 | 2021-01-27 | 基于poi知识图谱的导航方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112818261A true CN112818261A (zh) | 2021-05-18 |
Family
ID=75859822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110111132.1A Pending CN112818261A (zh) | 2021-01-27 | 2021-01-27 | 基于poi知识图谱的导航方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112818261A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100125406A1 (en) * | 2008-11-19 | 2010-05-20 | Nokia Corporation | Methods, apparatuses, and computer program products for providing point of interest navigation services |
CN108153901A (zh) * | 2018-01-16 | 2018-06-12 | 北京百度网讯科技有限公司 | 基于知识图谱的信息推送方法和装置 |
CN110737774A (zh) * | 2018-07-03 | 2020-01-31 | 百度在线网络技术(北京)有限公司 | 图书知识图谱的构建、图书推荐方法、装置、设备及介质 |
CN111475625A (zh) * | 2020-05-09 | 2020-07-31 | 山东舜网传媒股份有限公司 | 基于知识图谱的新闻稿件生成方法及*** |
CN112084383A (zh) * | 2020-09-07 | 2020-12-15 | 中国平安财产保险股份有限公司 | 基于知识图谱的信息推荐方法、装置、设备及存储介质 |
CN112131275A (zh) * | 2020-09-23 | 2020-12-25 | 中国科学技术大学智慧城市研究院(芜湖) | 全息城市大数据模型和知识图谱的企业画像构建方法 |
-
2021
- 2021-01-27 CN CN202110111132.1A patent/CN112818261A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100125406A1 (en) * | 2008-11-19 | 2010-05-20 | Nokia Corporation | Methods, apparatuses, and computer program products for providing point of interest navigation services |
CN108153901A (zh) * | 2018-01-16 | 2018-06-12 | 北京百度网讯科技有限公司 | 基于知识图谱的信息推送方法和装置 |
CN110737774A (zh) * | 2018-07-03 | 2020-01-31 | 百度在线网络技术(北京)有限公司 | 图书知识图谱的构建、图书推荐方法、装置、设备及介质 |
CN111475625A (zh) * | 2020-05-09 | 2020-07-31 | 山东舜网传媒股份有限公司 | 基于知识图谱的新闻稿件生成方法及*** |
CN112084383A (zh) * | 2020-09-07 | 2020-12-15 | 中国平安财产保险股份有限公司 | 基于知识图谱的信息推荐方法、装置、设备及存储介质 |
CN112131275A (zh) * | 2020-09-23 | 2020-12-25 | 中国科学技术大学智慧城市研究院(芜湖) | 全息城市大数据模型和知识图谱的企业画像构建方法 |
Non-Patent Citations (2)
Title |
---|
史忠植,王文杰,马慧芳: "旅游管理专业本科生论文集 第一辑", 北京:机械工业出版社 , pages: 239 - 193 * |
曾旺红: "基于知识图谱的旅游景点个性化推荐方法研究", 中国优秀硕士学位论文全文数据库信息科技辑, no. 07, pages 12 - 51 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9424529B2 (en) | Systems and methods to facilitate local searches via location disambiguation | |
CN110765368B (zh) | 用于语义检索的人工智能***和方法 | |
JP2010128806A (ja) | 情報分析装置 | |
CN110795515B (zh) | 兴趣点poi的处理方法、装置、电子设备及计算机存储介质 | |
CN109002499B (zh) | 学科相关性知识点库构建方法及其*** | |
CN110688434B (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
Abdolmajidi et al. | Matching authority and VGI road networks using an extended node-based matching algorithm | |
CN113722478A (zh) | 多维度特征融合相似事件计算方法、***及电子设备 | |
CN109766447A (zh) | 一种确定敏感信息的方法和装置 | |
Hall et al. | Generating geographical location descriptions with spatial templates: a salient toponym driven approach | |
KR101747532B1 (ko) | 여행성 질의에 대응하는 검색 결과로 코스를 추천하는 방법 및 시스템 | |
Mata-Rivera et al. | A collaborative learning approach for geographic information retrieval based on social networks | |
van Erp et al. | Georeferencing animal specimen datasets | |
CN112818261A (zh) | 基于poi知识图谱的导航方法、装置及电子设备 | |
CN116431746A (zh) | 基于编码库的地址映射方法、装置、电子设备及存储介质 | |
Zhang et al. | Enrichment of topographic road database for the purpose of routing and navigation | |
CN114513550B (zh) | 一种地理位置信息的处理方法、装置及电子设备 | |
CN115577190A (zh) | 一种游客行为数据提取方法 | |
Mehta et al. | Natural Language processing approach and geospatial clustering to explore the unexplored geotags using media | |
Lapatta | Ecotourism recommendations based on sentiments using skyline query and apache-spark | |
CN116244426A (zh) | 地理功能区识别方法、装置、设备及存储介质 | |
CN114691821A (zh) | 基于医疗术语构建知识图谱的智能检索方法、***、终端以及介质 | |
TW202146850A (zh) | 確定路名之處理裝置及方法 | |
CN110688492B (zh) | 一种基于轻量级索引的知识图谱查询方法 | |
CN115358379B (zh) | 神经网络处理、信息处理方法、装置和计算机设备 |
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 | ||
CB02 | Change of applicant information |
Address after: 110000 No. 861-6, shangshengou village, Hunnan District, Shenyang City, Liaoning Province Applicant after: Shenyang Meihang Technology Co.,Ltd. Address before: 110000 12th and 13th floors, No.1 Jinhui street, Hunnan New District, Shenyang City, Liaoning Province Applicant before: SHENYANG MXNAVI Co.,Ltd. |
|
CB02 | Change of applicant information |