[发明专利]极速地理GeoHash聚类方法

说明书

本申请公开了极速地理GeoHash聚类方法。该方法的一具体实施方式包括：确定对POI样本进行聚类所需的聚类精度在树结构聚类数据库中对应的目标层；从目标层中选取用于聚类的节点，对节点对应的区域内的POI样本进行聚类，得到聚类结果。一方面，对海量的POI样本快速完成聚类，另一方面，可以灵活地调整聚类精度。

技术领域

本申请涉及计算机领域，具体涉及互联网领域，尤其涉及极速地理GeoHash聚类方法。

背景技术

在LBS(Location Based Services，基于地理位置的服务)中，经常有根据地理位置对POI(Point of Interest，兴趣点)样本进行聚类的需求。目前，通常采用的算法包括：K-Means(K平均算法)、DBSCAN(Density-Based Spatial Clustering of Applicationswith Noise，具有噪声的基于密度的聚类方法)。

然而，当采用上述算法对POI样本进行聚类时，一方面，需要计算每一个POI样本的地理位置的位置关系，由于POI样本的数量为海量级别，导致聚类速度慢，另一方面，无法灵活地调整聚类的聚类精度。

发明内容

本申请提供了极速地理GeoHash聚类方法，用于解决上述背景技术部分存在的技术问题。

本申请提供了极速地理GeoHash聚类方法，该方法包括：确定对POI样本进行聚类所需的聚类精度在树结构聚类数据库中对应的目标层；从目标层中选取用于聚类的节点，对节点对应的区域内的POI样本进行聚类，得到聚类结果。

本申请提供的极速地理GeoHash聚类方法，通过确定对POI样本进行聚类所需的聚类精度在树结构聚类数据库中对应的目标层；从目标层中选取用于聚类的节点，对节点对应的区域内的POI样本进行聚类，得到聚类结果。一方面，对海量的POI样本快速完成聚类，另一方面，可以灵活地调整聚类精度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出了根据本申请的极速地理GeoHash聚类方法的一个实施例的流程图；

图2示出了树结构聚类数据库的一个结构示意图；

图3示出了POI样本参与树结构聚类数据库的构建的一个效果示意图；

图4示出了对POI样本进行聚类的一个示意图；

图5示出了对POI样本进行聚类的另一个示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

请参考图1，其示出了根据本申请的极速地理GeoHash聚类方法的一个实施例的流程图。该方法包含以下步骤：

步骤101，确定对POI样本进行聚类所需的聚类精度在树结构聚类数据库中对应的目标层。

在本实施例中，一个POI样本为与一个POI相关联的信息的集合。可以利用预先构建的树结构聚类数据库对POI样本进行聚类。树结构聚类数据库可以基于树结构构建，树结构可以包括但不限于：Trie树(前缀树)、Suffix Tree(后缀树)、B+Tree(多路搜索树)。

在本实施例中，POI样本可以包括但不限于：标识、地理位置、地址、店名、电话号码。