[发明专利]电子地图兴趣点数据冗余检测方法和系统

说明书

技术领域

本发明涉及信息处理技术领域，特别涉及一种电子地图兴趣点(Point ofInterest，POI)数据冗余检测方法和系统。

背景技术

兴趣点(Point Of Interest，POI)数据，通常包括名称、类别、经度、纬度等信息。电子地图POI数据中，通常还会包含地址信息。这些信息是构成电子地图信息的最重要的元素。一般地，一条POI数据代表电子地图中的一个位置实体。

在现有的电子地图服务中，例如各大网站提供的电子地图服务中，很多电子地图数据存在冗余。所谓冗余，是指两条或多条POI数据代表电子地图中的同一位置实体。例如在图1所示的某一网站提供的电子地图服务中，以“北京海淀区全聚德”进行搜索所得到的结果中，显示出冗余数据的存在。如图1中的搜索结果1和3，尽管是两条POI数据，但是实际上代表的是地图中的同一位置。这两条冗余数据坐标相同，名称和地址分别如下：

结果1名称：全聚德(玉泉路)

地址：北京市海淀区复兴路44号

结果3名称：全聚德玉泉路店

地址：北京市海淀区复兴路44号

类似的，图1中的搜索结果4和5，也是冗余数据。

如图2所示的另一网站提供的电子地图服务中所示，同样以“北京海淀区全聚德”进行搜索所得到的结果中，也存在冗余数据。如图2中的搜索结果A和B，尽管是两条POI数据，但是实际上代表的是地图中的同一位置。这两条冗余数据坐标相同，名称和地址分别如下：

结果A 名称：全聚德(五道口店)

地址：北京市海淀区中关村东路1号科技大厦AC座1层

结果B 名称：全聚德烤鸭店(清华园店)

地址：北京海淀区中关村东路1号院(清华科技园科技大厦A座1楼)

另外，还存在由于名称或地址描述中的错字引起的冗余数据，在此不再列举。

但是，现有技术中，还没有提出对上述电子地图兴趣点数据进行冗余检测的方法。

发明内容

本发明实施例的目的是提供一种电子地图兴趣点数据冗余检测方法和系统，以实现对电子地图兴趣点数据的冗余检测。

为解决上述技术问题，本发明实施例提供一种电子地图兴趣点数据冗余检测方法和系统是这样实现的：

一种冗余检测方法，包括：对兴趣点POI数据的名称进行二元切分，为切分的二元词建立倒排索引，并为POI数据根据倒排索引中的出现频率最低的词搜索相似POI数据；对搜索到的具有名称相似关系的POI数据，进行名称相似度计算和地址相似度计算；根据POI数据的名称相似度和地址相似度得到总相似度；将总相似度与预设的阈值比较，大于预设阈值的，判定对应POI数据为冗余数据。

上述方法基础上，所述名称相似度计算，包括基于编辑距离的方式计算，采用基于编辑距离的方式如下表示：其中，S_名1表示基于编辑距离的相似度值，X和Y分别代表两个字符串，Edit(X，Y)代表X和Y的编辑距离，|X|、|Y|分别表示字符串X、Y的长度；或者，采用基于Jaccard系数的方式计算，所述基于Jaccard系数的方式如下表示：其中，S_名2表示基于Jaccard系数的相似度值，X和Y分别代表两个字符串，X∪Y代表两个字符串的所有字符，X∩Y代表两个字符串所有相同的字符，取绝对值表示包含的字符的长度。

上述方法基础上，所述进行名称相似度计算，包括结合基于编辑距离的方式与基于Jaccard系数的方式，并采用F-度量计算，如下表示：F_名表示结合基于编辑距离的方式与基于Jaccard系数的 方式计算的名称相似度，表示预先设定的加权值。

上述方法基础上，所述进行地址相似度计算，包括：采用基于Jaccard系数的方式计算，所述基于Jaccard系数的方式计算如下表示：其中，S_地1表示基于Jaccard系数的相似度值，X和Y分别代表两个字符串，X∪Y代表两个字符串的所有字符，X∩Y代表两个字符串所有相同的字符，取绝对值表示包含的字符的长度。