[发明专利]基于权威网页验证POI数据准确性的方式及装置

说明书

技术领域

本发明涉及计算机技术领域，具体而言，本发明涉及基于权威网页验证POI数据准确性的方式及装置。

背景技术

一个POI(Point Of Interest，兴趣点)在地理信息系统中可以是一栋房子、一个商铺、一个邮筒、一个公交站等。POI数据通常包括地址信息和名称信息。传统的POI数据采集方法，需要技术人员通过精密的测绘仪器去人工获取POI的经纬度信息并标记下来，这种方法消耗的人力和时间成本较高，导致通过人工采集得到的POI数据的数量较少。

互联网上存在着大量的包含POI数据的网页，如果从网页中提取出POI数据供地理信息系统使用而非人工测量，则会大大节省人力和时间成本。但是，由于存在地址或名称已变更而网页未能及时维护更新，或个人用户上传低可靠性的信息，互联网中获取POI数据准确性较低，导致通过互联网获取的POI数据与实际地理位置不相符，准确性较低。

因此，如何提高在互联网中收集POI数据的准确性是亟待解决的问题。

发明内容

本发明针对现有技术的缺点，提出一种基于权威网页验证POI数据准确性的方式和装置，用以解决现有技术存在的收集较多虚假的POI数据问题。

本发明根据一个方面，提供了一种基于权威网页验证POI数据准确性的方式，包括：

获取互联网中的多个首页的统一资源定位符；

对所述多个首页的统一资源定位符进行聚类处理；

基于聚类结果从所述多个首页中确定权威网页；

基于所述权威网页，对待验证的多个POI数据进行准确性验证，以确定任一POI数据的准确性。

优选地，对所述多个首页的统一资源定位符进行聚类，具体包括：

提取各个首页的统一资源定位符对应的主域；

将对应同一主域的统一资源定位符聚合为同一类。

优选地，基于聚类结果从所述多个首页中确定权威网页，具体包括：

若属于同一类的多个统一资源定位符的数量小于第一预定阈值，则从多个统一资源定位符对应的多个首页中选择用户关注度最高的首页作为权威网页。

优选地，所述用户关注度通过以下至少任一项来确定：

首页的平均访问量；

每次访问的平均浏览时长。

优选地，基于聚类结果从所述多个首页中确定权威网页，具体包括：

若属于同一类的多个统一资源定位符的数量大于第二预定阈值，则将该类中的多个统一资源定位符对应的多个首页均确定为权威网页。

优选地，基于所述权威网页，对待验证的多个POI数据进行准确性验证，以确定任一POI数据的准确性，具体包括：

提取所述权威网页中包括地址信息及名称信息的名称地址对；

将所述待验证的多个POI数据与所述名称地址对进行一一比对；

当任一POI数据包括的地址信息及名称信息与所述名称地址对相匹配时，确定该POI数据为准确的POI数据。

优选地，将所述待验证的多个POI数据与所述名称地址对进行一一比对，包括：

对所述待验证的多个POI数据的地址信息与所述名称地址对中的地址信息进行归一化处理，将其分别转化为所述待验证的多个POI数据的经纬度信息及所述名称地址对的经纬度信息；

将待验证的多个POI数据的经纬度信息及名称信息，与所述名称地址 对的经纬度信息及名称信息进行一一比对。

本发明根据另一个方面，提供了一种基于权威网页验证POI数据准确性的装置，包括：

定位符获取模块，用于获取互联网中的多个首页的统一资源定位符；

聚类处理模块，用于对所述多个首页的统一资源定位符进行聚类处理；

权威网页确定模块，用于基于聚类结果从所述多个首页中确定权威网页；

准确性验证模块，用于基于所述权威网页，对待验证的多个POI数据进行准确性验证，以确定任一POI数据的准确性。

优选地，所述聚类处理模块具体包括：

主域提取单元，用于提取各个首页的统一资源定位符对应的主域；

聚合单元，用于将对应同一主域的统一资源定位符聚合为同一类。

优选地，所述权威网页确定模块具体用于：若属于同一类的多个统一资源定位符的数量小于第一预定阈值，则从多个统一资源定位符对应的多个首页中选择用户关注度最高的首页作为权威网页。

优选地，所述用户关注度通过以下至少任一项来确定：

首页的平均访问量；