[發明專利]一種基于聚類確定POI名稱的系統及方法

有效

• 申請號: 201410849123.2
• 申請日: 2014-12-29
• 公開（公告）號: CN104572955A
• 公開（公告）日: 2015-04-29
• 發明（設計）人: 王智廣;魏少俊
• 申請（專利權）人: 北京奇虎科技有限公司;奇智軟件（北京）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李相雨

1.一種基于聚類確定POI名稱的系統，該系統包括：

地址數據抓取器，用于從網絡數據中抓取地址數據；

地址數據解析器，用于從抓取到的一個或多個地址數據中分別提取名稱字段和地址信息；

關鍵詞確定器，用于基于所述名稱字段確定一個或多個關鍵詞；

關鍵詞聚類器，用于將對應相同地址信息的所述關鍵詞進行聚類，生成至少一個類；

POI名稱生成器，用于根據聚類后的關鍵詞確定此地址信息對應的POI名稱。

2.如權利要求1所述的系統，所述關鍵詞確定器進一步包括：

切詞單元，用于對所述名稱字段中的名稱進行切詞處理生成分詞；

關鍵詞獲取單元，用于根據所述分詞獲取所述地址數據的關鍵詞。

3.如權利要求1-2任一項所述的系統，所述關鍵詞獲取單元進一步包括：

第一頻次統計模塊，用于統計對應相同地址信息的每個分詞出現的頻次，作為第一頻次；

關鍵詞生成模塊，用于根據所述第一頻次生成所述地址數據的關鍵詞。

4.如權利要求1-3任一項所述的系統，所述關鍵詞生成模塊選擇頻次最小并且是非地名的分詞作為所述地址數據的關鍵詞。

5.如權利要求1-4任一項所述的系統，所述POI名稱生成器進一步包括：

頻率統計單元，用于計算各個類中名稱字段的出現頻率；

類標識名稱確定單元，用于將所述各個類中出現頻率最高的名稱字段作為類標識名稱；

POI名稱確定單元，用于將每個類標識名稱均作為POI名稱。

6.如權利要求1-4任一項所述的系統，所述POI名稱生成器進一步包括：

頻率統計單元，用于計算各個類中名稱字段的出現頻率；

類標識名稱確定單元，用于將所述各個類中出現頻率最高的名稱字段作為類標識名稱；

POI名稱確定單元，用于選擇出現頻率最高的類標識名稱作為POI名稱。

7.一種基于聚類確定POI名稱的方法，包括：

從網絡數據中抓取地址數據；

從抓取到的一個或多個地址數據中分別提取名稱字段和地址信息；

基于所述名稱字段確定一個或多個關鍵詞；

將對應相同地址信息的所述關鍵詞進行聚類，生成至少一個類；

根據聚類后的關鍵詞確定此地址信息對應的POI名稱。

8.如權利要求7所述的方法，所述步驟：基于所述名稱字段確定一個或多個關鍵詞，進一步包括：

對所述名稱字段中的名稱進行切詞處理生成分詞；

根據所述分詞獲取所述地址數據的關鍵詞。

9.如權利要求7-8任一項所述的方法，所述步驟：根據所述分詞獲取所述地址數據的關鍵詞，進一步包括：

統計對應相同地址信息的每個分詞出現的頻次作為第一頻次；

根據所述第一頻次生成所述地址數據的關鍵詞。

10.如權利要求7-9任一項所述的方法，所述步驟根據所述第一頻次生成所述地址數據的關鍵詞具體為：

選擇頻次最小并且是非地名的分詞作為所述地址數據的關鍵詞。

11.如權利要求7-10任一項所述的方法，所述步驟：根據聚類后的關鍵詞確定此地址信息對應的POI名稱，進一步包括：

計算各個類中名稱字段的出現頻率；

將所述各個類中出現頻率最高的名稱字段作為類標識名稱；

將每個類標識名稱均作為POI名稱。

12.如權利要求7-11任一項所述的方法，所述步驟：根據聚類后的關鍵詞確定此地址信息對應的POI名稱，進一步包括：

計算各個類中名稱字段的出現頻率；

將所述各個類中出現頻率最高的名稱字段作為類標識名稱；

選擇出現頻率最高的類標識名稱作為POI名稱。