【技术实现步骤摘要】
基于图神经网络的异源兴趣点匹配方法和装置
[0001]本申请涉及电子地图领域,特别是涉及一种基于图神经网络的异源兴趣点匹配方法、装置、计算机设备和存储介质。
技术介绍
[0002]兴趣点(Point of Interest,简称POI),一般包含名称、地址、经纬度、类别等信息,是网络电子地图的最重要内容,也是互联网位置服务的立足之本。由于互联网上的兴趣点数据来源不一,采集与处理过程各不相同,从而导致了这些数据在空间位置,属性信息以及丰富程度上存在着一定的差异,因此如何有效地消除数据间的不一致性,并把它们组织成一套内容准确,可供用户使用的数据成为了当前研究的热点。
[0003]兴趣点匹配是找出异源数据中表述不同,但对应现实世界中同一兴趣点关系的过程。将不同来源的兴趣点数据,通过匹配的方法,将各自的信息进行融合后,可以丰富兴趣点数据的信息以及消除数据间的不一致性。
[0004]目前,异源兴趣点匹配的方案主要有以下几种:
[0005]1、基于无监督计算相似度方案:
[0006]从两个异源兴趣点数据中,分别抽取兴趣点,计算这两个兴趣点的名称文本相似度,地址文本相似度,相似度算法包括编辑距离、TF
‑
IDF(term frequency
–
inverse document frequency)等,将计算出来的名称文本相似度和地址文本相似度通过设置一个权值来计算整体的相似度,作为两个兴趣点之间的相似度得分,当得分高于某个阈值的时候,就可认为两个兴趣点具有匹配关系 ...
【技术保护点】
【技术特征摘要】
1.一种基于图神经网络的异源兴趣点匹配方法,其特征在于,所述方法包括:获取目标地域范围的第一兴趣点集合和第二兴趣点集合,根据所述第一兴趣点集合构造第一兴趣点图谱,根据所述第二兴趣点集合构造第二兴趣点图谱;所述第一兴趣点集合和所述第二兴趣点集合为异源数据;从所述第一兴趣点集合和第二兴趣点集合中筛选出多对初步兴趣点匹配对,对所述多对初步兴趣点匹配对进行标注,得到多对种子兴趣点匹配对;根据所述第一兴趣点图谱、所述第二兴趣点图谱和所述多对种子兴趣点匹配对对图神经网络模型进行迭代训练,得到训练好的图神经网络模型;通过所述训练好的图神经网络模型处理所述第一兴趣点图谱和所述第二兴趣点图谱,根据处理结果确定所述第一兴趣点集合和所述第二兴趣点集合中的所有兴趣点匹配对。2.如权利要求1所述的方法,其特征在于,所述根据所述第一兴趣点集合构造第一兴趣点图谱,包括:获取所述第一兴趣点集合中每个兴趣点的地理位置信息;根据所述第一兴趣点集合中每两个兴趣点的地理位置信息分别计算每两个兴趣点之间的距离;根据所述第一兴趣点集合中每两个兴趣点之间的距离确定每两个兴趣点之间的边的权重,得到第一兴趣点图谱;所述根据所述第一兴趣点集合中每两个兴趣点之间的距离确定每两个兴趣点之间的边的权重,包括:当所述第一兴趣点集合中任意两个兴趣点之间的距离小于预设阈值时,确定该任意两个兴趣点之间形成边关系,将该任意两个兴趣点之间的边的权重设置为1;当所述第一兴趣点集合中任意两个兴趣点之间的距离大于等于预设阈值时,确定该任意两个兴趣点之间不形成边关系,将该任意两个兴趣点之间的边的权重设置为0。3.如权利要求1所述的方法,其特征在于,所述根据所述第二兴趣点集合构造第二兴趣点图谱,包括:获取所述第二兴趣点集合中每个兴趣点的地理位置信息;根据所述第二兴趣点集合中每两个兴趣点的地理位置信息分别计算每两个兴趣点之间的距离;根据所述第二兴趣点集合中每两个兴趣点之间的距离确定每两个兴趣点之间的边的权重,得到第二兴趣点图谱;所述根据所述第二兴趣点集合中每两个兴趣点之间的距离确定每两个兴趣点之间的边的权重,包括:当所述第二兴趣点集合中任意两个兴趣点之间的距离小于预设阈值时,确定该任意两个兴趣点之间形成边关系,将该任意两个兴趣点之间的边的权重设置为1;当所述第二兴趣点集合中任意两个兴趣点之间的距离大于等于预设阈值时,确定该任意两个兴趣点之间不形成边关系,将该任意两个兴趣点之间的边的权重设置为0。4.如权利要求1所述的方法,其特征在于,所述图神经网络模型的任意一次训练过程包括:将所述第一兴趣点图谱和所述第二兴趣点图谱的邻接矩阵和节点属性特征矩阵分别
输入图神经网络模型,得到所述图神经网络模型的输出数据,所述输出数据包括所述第一兴趣点图谱和所述第二兴趣点图谱中每个兴趣点的嵌入;从所述多对种子兴趣点匹配对中确定用于本次训练的目标种子兴趣点匹配对,将所述目标种子兴趣点匹配对作为本次训练的正匹配对,并根据所述目标种子兴趣点匹配对构造本次训练的负匹配对;从所述输出数据中获取所述正匹配对的嵌入和所述负匹配对的嵌入,根据所述正匹配对的嵌入和所述负匹配对的嵌入计算本次训练的损失;根据所述损失判断是否满足停止训练条件;若满足,停止训练,将所述图神经网络模型作为训练好的图神经网络模型;若不满足,根据所述损失更新所述图神经网络模型的网络参数,并对更新后的图神经网络模型进行下一次训练。5.如权利要求1所述的方法,其特征在于,所述通过所述训练好的图神经网络模型处理所述...
【专利技术属性】
技术研发人员:赵斌伟,王乐,武东旭,强成仓,石立臣,
申请(专利权)人:深圳依时货拉拉科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。