[发明专利]兴趣点POI的处理方法、装置、电子设备及计算机存储介质

说明书

本申请实施例提供了一种兴趣点POI的处理方法、装置、电子设备及计算机可读存储介质，涉及数据处理技术领域。该方法包括：当接收到新POI，对新POI的名称采用预设的分词规则进行分词处理，得到至少两个维度的新POI分词，以及，对预置的POI数据库中的目标POI的名称采用所述分词规则进行分词处理，得到至少两个维度的目标POI分词；将各个维度的新POI分词分别与对应维度的目标POI分词进行匹配，得到新POI的名称与目标POI的名称之间的匹配特征信息；基于所述匹配特征信息，通过卷积神经网络，得到所述新POI的名称与所述目标POI的名称是否为相同实体的判定结果。本申请实施例能够大大提高判定相同主体的准确度，为后续高精确率的POI去重、合并等操作提供前提保证。

技术领域

本申请涉及数据处理技术领域，具体而言，本申请涉及一种兴趣点POI的处理方法、装置、电子设备及计算机存储介质。

背景技术

无论是车载导航还是手机导航，如今市面上的导航都有自己的POI(Point ofInterest，兴趣点)。POI是指地理信息系统中的某个地标、景点，用以标示出该地所代表的政府部门、各行各业之商业机构(加油站、百货公司、超市、餐厅、酒店、便利店、医院等)、旅游景点(公园、公共厕所)、名胜古迹、交通设施(各式车站、停车场、超速照相机、限速标示)等处所。

兴趣点包含四方面信息：名称、类别、坐标、分类。在实际应用中，地图服务商通过会同时使用多个数据服务商提供的兴趣点，这样就会出现一个问题：多个数据服务商在采集同一个兴趣点的时候可能使用不一样的名称。

因此，需要对兴趣点进行相似计算，即通过模型来判断两个POI的名称是否是表示相同的实体。

在现有技术中，通常采用两种模型来进行相似计算：DSSM(Deep StructuredSemantic Models，深层结构化语义模型)和MatchPyramid(构造匹配矩阵)。

DSSM的模型如图1所示，DSSM模型是采用将两个文本表示为低纬度的语义向量，并通过cosine距离来计算两个语义向量的距离。该模型既可以用来预测两个句子的语义相似度，又可以获得某句子的低纬语义向量表达。

但是，上述两种模型都存在如下缺陷：针对近似字，比如同义词、同音字及形近字等进行相似计算的效果较差，以及无法对未录入词库的字词进行相似计算，导致判断两个POI的名称是否表示相同的实体的准确率较低。而且，用户在搜索某个POI的时候，就会展示多个名称不同，但其实是同一地点的候选POI，需要用户手动选择，用户的体验较差。

发明内容

本申请提供了一种兴趣点POI的处理方法、装置、电子设备及计算机可读存储介质，可以解决现有技术中，判断两个POI的名称是否表示相同的实体的准确率较低的问题。所述技术方案如下：

第一方面，提供了一种兴趣点POI的处理方法，该方法包括：

当接收到新POI，对所述新POI的名称采用预设的分词规则进行分词处理，得到至少两个维度的新POI分词，以及，对预置的POI数据库中的目标POI的名称采用所述分词规则进行分词处理，得到至少两个维度的目标POI分词；

将各个维度的新POI分词分别与对应维度的目标POI分词进行匹配，得到所述新POI的名称与所述目标POI的名称之间的匹配特征信息；

基于所述匹配特征信息，通过卷积神经网络，得到所述新POI的名称与所述目标POI的名称是否为相同实体的判定结果。

优选地，对所述新POI的名称采用预设的分词规则进行分词处理，得到至少两个维度的新POI分词，以及，对预置的POI数据库中的目标POI的名称采用所述分词规则进行分词处理，得到至少两个维度的目标POI分词，包括：

对所述新POI的名称进行一元分词，得到至少两个维度的第一分词，以及，对所述目标POI的名称进行一元分词，得到至少两个维度的第二分词；