[发明专利]基于有界区域多样性和等比例性的站点提取top-k个POI的方法

权利要求书

1.一种基于有界区域多样性和等比例性的站点提取top-k个POI的方法，其特征在于：定义地铁站station＝{s₁,s₂,…,s_l}，POIs＝{p₁,p₂,…,p_m}，RC-tree＝{R₁(c₁),R₂(c₂),R_l(c_l)}，c_i是结点R_i的颜色；RC-tree划分POI区域方法包括以下步骤：

步骤11：由于R-tree将对象空间按范围划分，当需要进行一个高维空间查询时，只需要遍历少数几个叶子结点所包含的指针，查看这些指针指向的数据是否满足要求即可；这正是满足储存空间POI的要求，所以将所有POI包含站点生成一棵R-tree；但生成的R-tree要满足每个叶子结点中至多包含一个站点；

步骤12：已经得到了一棵包含所有站点及站点周边POI的R-tree索引，接下来要为每个站点划分其影响范围的POI；RC-tree包含了站点的颜色；生成的R-tree中的叶结点可能包含一个或零个站点，首先将所有包含站点的叶结点涂为不同颜色；

步骤13：对于仅包含POI的叶结点即R_i，使用以下三个规则来处理不同情况，以便将POI划分到站点的区域内；

(1)如果R_i只有一个兄弟结点包含站点，则R_i被涂为该兄弟结点的颜色；

(2)如果R_i有多个兄弟结点包含站点，则计算Ri的POI与兄弟结点中的站点之间的距离，并且R_i被涂为包含最近站点的兄弟结点的颜色；

(3)如果R_i的所有结点都不包含站点，则通过R_i的祖先搜索其他分支的叶结点，将R_i涂为与此最密切关系的叶结点的颜色；

最后根据叶子结点的颜色，将父结点涂上颜色；

基于有界区域多样性的站点提起top-k个POI的方法包括以下步骤：

步骤21：衡量多样性的标准目标是最大化节点之间的差异总和；基于语义和空间用多样性方法提取top-kPOI；由于相似性和多样性的特征彼此正交，因此POI的语义多样性表示为Divsem通过它们的语义相似性表示为Simsem来计算，其描述如下；

其中num＝|eQue|表示提取POI的数量，p_j是提取的POI，p_i是候选POI，Simsem(•,•)是p_j和p_i之间的语义相似度；

通过Jaccard相似性方程计算两个POI的相似性，描述如下；

步骤22：有界区域空间多样性是指POI相对于站点的位置分布，包括两个主要因素：POI到站点的方向以及POI与站点之间的距离；POI的方向多样性的想法是候选POI被提取的POI削弱，即削弱与p_j同方向的p_i；POI的方向多样性的计算描述如下；

提出一种标准化调整比率B，在(0,1)的范围内考虑到站点的距离，削弱远离s的POIs；

则有界区域的空间多样性的计算描述如下；

Div_spa-border(p_i)＝B*Div_spa(p_i) (5)

步骤23：在计算POI的语义和空间多样性之后，通过添加系数β来组合两个值；系数β调整不同值对POI的最终值的影响；POI的最终多样性值计算如下；

基于有界区域等比例特性的站点提起top-k个POI的方法包括以下步骤：

步骤31：等比例是根据各类别的数量所占总数的比例，对各类别选取对应比例数量；等比例特性和多样性正好是相反的；在用等比例方法提取top-kPOI也是基于地理空间和语义文本两方面；在语义文本方面，根据POI的类别标签的数量所占总数的比例，进行权值削弱；由于k的值小，为了等比例覆盖不同的集合，使用增量选择策略；即在每次迭代中，追加一个不同的结点，有利于某种程度的循环选择；基于语义的等比例特性其描述如下；

其中type(p_i)表示p_i的类别，sum(type(p_i))表示某type(p_i)的数量，ext(type(p_i)是p_i的类别type(p_i)即将被添加到已选队列的次数；α是一个常数，调整比例α＝2；当提取某类别中的POI时，该类别的比例明显减弱，以便增加选择其他类别的POI的机会；

步骤32：对于空间比例，是POI所处站点方向的密度；在每个方向上，提取相应数量的POI；为了划分不同的方向，相同方向的概念描述如下；以站点为中心，将有界区域划分为多个扇区或大多数情况下为象限，并且同一扇区中的POI被认为是在同一方向；

站点的位置并不总是位于有界区域的中心；在这种情况下，POI的空间比例计算如下：

步骤33：类似于多样性最终值的计算，通过系数β相加来计算等比例特性的最终值，计算公式如下：

Pro(p_i)＝β*Pro_{spa_border}(p_i)+(1-β)*Pro_sem(p_i) (9)。