一种基于兴趣点POI的分类方法、分类装置及存储介质制造方法及图纸

本申请实施例公开了一种基于兴趣点POI的分类方法、分类装置及存储介质，用于节省采集时间和采集成本，而且通过预设分类模型这种机器学习的方式能够被效仿和复制，适用性也大大地提升。本申请实施例提供的一种基于兴趣点POI的分类方法包括：获取目标名称对应的第一POI数据集，第一POI数据集包括至少一个POI；对第一POI数据集进行特征提取，以得到POI对应的第一实体的经纬度分布特征，第一实体包括于目标名称；确定POI对应的第一实体的的楼层分布特征；将经纬度分布特征和楼层分布特征输入预设分类模型，得到目标名称的分类结果。

【技术实现步骤摘要】
一种基于兴趣点POI的分类方法、分类装置及存储介质
本申请实施例涉及计算机
，具体涉及一种基于兴趣点POI的分类方法、分类装置及存储介质。
技术介绍
目前，电子地图可以为用户提供导航、方向指引、资源推荐等服务。在电子地图中一般设置有兴趣点(Pointofinteresting，POI)，POI可以是商店、酒吧、加油站、医院、车站、景点古迹等。除此之外，为了给用户提供更为人性化的服务，在一些电子地图中会基于人类活动等设置地图功能区域，例如住宅、商圈等，地图功能区域中包含有大量的POI，基本与该地图功能区域所提供的主要功能相关。然而，在对POI对应的名称，例如：“正佳广场”、“万达广场”等进行分类时，通常是通过人工采集名称并进行分类，需要耗费大量的时间和成本；而且针对属于住宅型、商圈等不同类型的名称的划分粒度也存在差异，这种人工采集的方式难以被效仿和复制，适用性欠佳。因此，如何在省时省力的前提下能够进一步地提高对名称分类方式的适用性是目前亟需解决的问题。
技术实现思路
本申请实施例提供了一种基于兴趣点POI本文档来自技高网...

【技术保护点】
1.一种基于兴趣点POI的分类方法，其特征在于，包括：/n获取目标名称对应的第一POI数据集，所述第一POI数据集包括至少一个POI；/n对所述第一POI数据集进行特征提取，以得到所述POI对应的第一实体的经纬度分布特征，所述第一实体包括于所述目标名称；/n确定所述POI对应的所述第一实体的的楼层分布特征；/n将所述经纬度分布特征和所述楼层分布特征输入预设分类模型，得到所述目标名称的分类结果。/n

【技术特征摘要】
1.一种基于兴趣点POI的分类方法，其特征在于，包括：
获取目标名称对应的第一POI数据集，所述第一POI数据集包括至少一个POI；
对所述第一POI数据集进行特征提取，以得到所述POI对应的第一实体的经纬度分布特征，所述第一实体包括于所述目标名称；
确定所述POI对应的所述第一实体的的楼层分布特征；
将所述经纬度分布特征和所述楼层分布特征输入预设分类模型，得到所述目标名称的分类结果。


2.根据权利要求1所述的方法，其特征在于，对所述第一POI数据集进行特征提取，以得到所述POI对应的第一实体的的经纬度分布特征，包括：
将所述第一POI数据集输入卷积神经网络，得到所述POI对应的所述第一实体的softmax概率值，其中，所述卷积神经网络为利用所述目标名称对应的第二POI数据集训练得到，所述第二POI数据集与所述第一POI数据集不相同；
将所述softmax概率值确定为所述POI对应的第一实体的经纬度分布特征。


3.根据权利要求2所述的方法，其特征在于，所述卷积神经网络为利用所述目标名称对应的第二POI数据集训练得到，包括：
确定所述第二POI数据集中每个POI对应的第二实体的经纬度信息，所述第二实体包括于所述目标名称；
对所述经纬度信息进行Geohash编码，以得到第一字符串；
基于第二字符串和所述第一字符串确定灰度图像矩阵，其中，所述第二字符串为各自第二实体的所述经纬度信息中经度与纬度均为最小值所对应的POI对应的Geohash字符串；
基于所述灰度图像矩阵训练得到所述卷积神经网络。


4.根据权利要求3所述的方法，其特征在于，每个Geohash字符串对应一个Geohash区域，所述基于第二字符串和所述第一字符串确定灰度图像矩阵，包括：
当所述Geohash区域中对应有所述POI时，则确定第一坐标值和第二坐标值，其中，所述第一坐标值为所述第一字符串与所述第二字符串之间在经度方向上的Geohash区域的个数，所述第二坐标值为所述第一字符串与所述第二字符串之间在纬度方向上的Geohash区域的个数；
基于所述第一坐标值与所述第二坐标值确定灰度图像矩阵。


5....

【专利技术属性】
技术研发人员：陈璐，张瑋杰，马志豪，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44