兴趣点类别校正方法、装置、设备及存储介质与流程

1.本发明涉及计算机技术领域，尤其涉及一种兴趣点类别校正方法、装置、设备及存储介质。


背景技术：

2.地图poi(point of interest，兴趣点)信息包括名称和位置，类别录入较少，需要通过人工在poi信息中录入更多的类别，存在误录入的情况，需要校验poi的类别是否合理、正确。采用人工校验的方式成本较高，目前采用名称关键字校验poi点的类别是否正确，但是大部分poi的名称信息不包含类别指示信息，导致无法进行类别校验，校验难度较大。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

4.本发明的主要目的在于提供一种兴趣点类别校正方法、装置、设备及存储介质，旨在解决目前采用名称关键字校验poi点的类别是否正确，但是大部分poi的名称信息不包含类别指示信息，导致无法进行类别校验，校验难度较大的技术问题。
5.为实现上述目的，本发明提供了一种兴趣点类别校正方法，所述方法包括以下步骤：
6.根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点；
7.根据多个所述周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息；
8.根据所述聚类信息对所述当前兴趣点的类别信息进行校正。
9.可选地，所述根据所述聚类信息对所述当前兴趣点的类别信息进行校正，包括：
10.获取所述当前兴趣点对应的类别信息和名称信息；
11.根据所述聚类信息和所述名称信息确定若干预期类别信息；
12.判断所述类别信息与所述若干预期类别信息是否匹配；
13.若匹配，则确定所述当前兴趣点的类别信息为正确信息。
14.可选地，所述根据所述聚类信息和所述名称信息确定若干预期类别信息，包括：
15.根据所述名称信息从预设类别信息中匹配对应的多个初始类别信息；
16.根据所述聚类信息确定聚类中心信息；
17.分别确定多个所述初始类别信息与所述聚类中心信息之间的距离值；
18.根据所述距离值从所述初始类别信息中选取若干预期类别信息。
19.可选地，所述判断所述类别信息与所述若干预期类别信息是否匹配之后，所述方法还包括：
20.若不匹配，则根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
21.可选地，所述根据所述聚类信息和所述名称信息确定若干预期类别信息之后，所述方法还包括：
22.在检测到所述当前兴趣点对应的类别信息为空时，根据所述若干预期类别信息为所述当前兴趣点赋予目标类别信息。
23.可选地，所述判断所述类别信息与所述若干预期类别信息是否匹配之后，所述方法还包括：
24.若不匹配，则对所述预设范围进行扩大，并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
25.可选地，所述根据多个所述周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息，包括：
26.获取多个所述周边兴趣点分别对应的当前类别信息；
27.从所述当前类别信息中提取类别特征；
28.根据所述类别特征进行聚类，确定周边环境对应的聚类信息。
29.可选地，所述根据所述聚类信息对所述当前兴趣点的类别信息进行校正，包括：
30.对所述当前兴趣点的类别信息进行特征提取，得到目标特征；
31.根据所述聚类信息确定聚类中心信息；
32.确定所述目标特征与所述聚类中心信息之间的目标相似度；
33.根据所述目标相似度判断所述当前兴趣点是否属于所述聚类中心信息对应的聚类簇；
34.若所述当前兴趣点属于所述聚类簇，则确定所述当前兴趣点的类别信息为正确信息。
35.可选地，所述根据所述目标相似度判断所述当前兴趣点是否属于所述聚类中心对应的聚类簇之后，所述方法还包括：
36.若所述当前兴趣点不属于所述聚类簇，则根据所述聚类信息为所述当前兴趣点赋予新的类别信息。
37.可选地，所述根据所述聚类信息为所述当前兴趣点赋予新的类别信息，包括：
38.获取所述当前兴趣点对应的名称信息；
39.根据所述聚类信息和所述名称信息确定若干预期类别信息；
40.根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
41.可选地，所述根据所述目标相似度判断所述当前兴趣点是否属于所述聚类中心对应的聚类簇之后，所述方法还包括：
42.若所述当前兴趣点不属于所述聚类簇，则对所述预设范围进行扩大，并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
43.此外，为实现上述目的，本发明还提出一种兴趣点类别校正装置，所述兴趣点类别校正装置包括：
44.确定模块，用于根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点；
45.聚类模块，用于根据多个所述周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息；
46.校正模块，用于根据所述聚类信息对所述当前兴趣点的类别信息进行校正。
47.可选地，所述校正模块，还用于获取所述当前兴趣点对应的类别信息和名称信息，根据所述聚类信息和所述名称信息确定若干预期类别信息，判断所述类别信息与所述若干
预期类别信息是否匹配，若匹配，则确定所述当前兴趣点的类别信息为正确信息。
48.可选地，所述校正模块，还用于根据所述名称信息从预设类别信息中匹配对应的多个初始类别信息，根据所述聚类信息确定聚类中心信息，分别确定多个所述初始类别信息与所述聚类中心信息之间的距离值，根据所述距离值从所述初始类别信息中选取若干预期类别信息。
49.可选地，所述校正模块，还用于若不匹配，则根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
50.可选地，所述校正模块，还用于在检测到所述当前兴趣点对应的类别信息为空时，根据所述若干预期类别信息为所述当前兴趣点赋予目标类别信息。
51.可选地，所述校正模块，还用于若不匹配，则对所述预设范围进行扩大，并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
52.可选地，所述聚类模块，还用于获取多个所述周边兴趣点分别对应的当前类别信息，从所述当前类别信息中提取类别特征，根据所述类别特征进行聚类，确定周边环境对应的聚类信息。
53.此外，为实现上述目的，本发明还提出一种兴趣点类别校正设备，所述兴趣点类别校正设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的兴趣点类别校正程序，所述兴趣点类别校正程序配置为实现如上文所述的兴趣点类别校正方法。
54.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有兴趣点类别校正程序，所述兴趣点类别校正程序被处理器执行时实现如上文所述的兴趣点类别校正方法。
55.本发明根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点；根据多个周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息；根据聚类信息对当前兴趣点的类别信息进行校正。通过上述方式，通过周边兴趣点的已知信息对当前兴趣点的类别进行进行校正，减少人工成本，在当前兴趣点的名称信息不包含类别指示信息时仍然能对当前兴趣点的类别信息进行校正，降低了校验难度，提高了兴趣点类别准确性。
附图说明
56.图1是本发明实施例方案涉及的硬件运行环境的兴趣点类别校正设备的结构示意图；
57.图2为本发明兴趣点类别校正方法第一实施例的流程示意图；
58.图3为本发明兴趣点类别校正方法第二实施例的流程示意图；
59.图4为本发明兴趣点类别校正方法第三实施例的流程示意图；
60.图5为本发明兴趣点类别校正装置第一实施例的结构框图。
61.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
62.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
63.参照图1，图1为本发明实施例方案涉及的硬件运行环境的兴趣点类别校正设备结构示意图。
64.如图1所示，该兴趣点类别校正设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
65.本领域技术人员可以理解，图1中示出的结构并不构成对兴趣点类别校正设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
66.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及兴趣点类别校正程序。
67.在图1所示的兴趣点类别校正设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明兴趣点类别校正设备中的处理器1001、存储器1005可以设置在兴趣点类别校正设备中，所述兴趣点类别校正设备通过处理器1001调用存储器1005中存储的兴趣点类别校正程序，并执行本发明实施例提供的兴趣点类别校正方法。
68.本发明实施例提供了一种兴趣点类别校正方法，参照图2，图2为本发明兴趣点类别校正方法第一实施例的流程示意图。
69.本实施例中，所述兴趣点类别校正方法包括以下步骤：
70.步骤s10：根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点。
71.可以理解的是，本实施例的执行主体为兴趣点类别校正设备，所述兴趣点类别校正设备可以为计算机、服务器等设备，还可以为其他具备相同或相似功能的设备，本实施例对此不加以限制。
72.需要说明的是，当前兴趣点为待校验的兴趣点，可选地，提前设置有校验任务，根据校验任务确定对应的当前兴趣点；可选地，根据用户输入的校验指令确定待校验的当前兴趣点；可选地，获取用户选择的目标范围，从地图中确定目标范围内的全部兴趣点，对全部兴趣点进行随机排序，按照排序结果对全部兴趣点进行遍历，将遍历到的兴趣点作为当前兴趣点进行类别校正。在具体实现中，根据当前兴趣点的标识信息从地图中调取当前兴趣点对应的位置信息。提前设置有范围半径，根据范围半径和当前兴趣点的位置信息确定预设范围，搜索预设范围内的多个周边兴趣点。
73.步骤s20：根据多个所述周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息。
74.应当理解的是，可选地，本实施例的聚类过程为获取周边兴趣点的类别信息，根据周边兴趣点的类别信息进行聚类，设置有初始聚类中心点，在聚类迭代过程中，通过调整初始聚类中心点位置使各周边兴趣点归类至距离值最小的团簇，得到周边环境对应的聚类信息，聚类信息至少包括聚类中心信息和距离平均值信息。在具体实现中，设置的聚类中心点的个数尽可能少，例如，设置为1或2。当聚类中心点为一个时，调整初始聚类中心点位置使得聚类团簇中周边兴趣点的个数达到最大，其中与聚类中心点之间的距离小于预设阈值的
周边兴趣点属于该聚类团簇，得到最终聚类中心信息和距离平均值信息。
75.步骤s30：根据所述聚类信息对所述当前兴趣点的类别信息进行校正。
76.需要说明的是，类别信息为在类别维度对poi属性的一种概括信息，例如：金融、交通、餐饮、小区等等。在具体实现中，根据聚类信息确定周边环境对应的场景，根据场景判断当前兴趣点的类别信息是否合理、正确，根据场景、当前兴趣点的名称信息以及周边兴趣点的逻辑关系，挖掘当前兴趣点可能存在的类别信息。可选地，提前设置有已知的全部类别信息，根据当前兴趣点的名称信息从全部类别信息中匹配可能正确的多个类别信息，根据聚类中心点与多个类别信息之间的距离值确定若干期望类别信息，根据若干期望类别信息对当前兴趣点的类别信息进行校验以及调整。可选地，根据当前兴趣点的类别信息与聚类中心点之间的距离值判断当前的类别信息是否合理，实现类别信息的校验，若否，则根据若干期望类别信息对当前的类别信息进行调整。
77.本实施例根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点；根据多个周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息；根据聚类信息对当前兴趣点的类别信息进行校正。通过上述方式，通过周边兴趣点的已知信息对当前兴趣点的类别进行进行校正，减少人工成本，在当前兴趣点的名称信息不包含类别指示信息时仍然能对当前兴趣点的类别信息进行校正，降低了校验难度，提高了兴趣点类别准确性。
78.参考图3，图3为本发明兴趣点类别校正方法第二实施例的流程示意图。
79.基于上述第一实施例，本实施例兴趣点类别校正方法的所述步骤s30，包括：
80.步骤s301：获取所述当前兴趣点对应的类别信息和名称信息。
81.步骤s302：根据所述聚类信息和所述名称信息确定若干预期类别信息。
82.可以理解的是，根据聚类信息确定周边环境对应的目标场景，从预设映射关系中查找目标场景对应的若干待选类别信息，根据名称信息对若干待选类别信息进行筛选，得到若干预期类别信息。
83.在一种实现方式中，提前设置有已知的全部类别信息，即预设类别信息，根据聚类信息确定聚类中心信息，确定预设类别信息与聚类中心信息之间的距离值，根据距离值选择关联度大的多个待选类别信息，根据名称信息对多个待选类别信息进行筛选，得到若干预期类别信息。
84.进一步地，由于兴趣点的名称信息中可能存在明显的类别指示信息，为了减小计算距离值的算力浪费，所述步骤s302，包括：根据所述名称信息从预设类别信息中匹配对应的多个初始类别信息；根据所述聚类信息确定聚类中心信息；分别确定多个所述初始类别信息与所述聚类中心信息之间的距离值；根据所述距离值从所述初始类别信息中选取若干预期类别信息。
85.需要说明的是，对于名称信息中存在类别指示信息的兴趣点，可快速查找到匹配的预期类别信息，例如，名称信息为x医院，查找到匹配的类别信息为医院、宠物医院等等。对于名称信息中不存在类别指示信息的兴趣点，根据名称信息进行匹配时，与大部分预设类别信息均能匹配成功，此时根据聚类信息从多个初始类别信息中选取若干预期类别信息。在具体实现中，设置有距离阈值，将初始类别信息中距离值小于距离阈值的类别信息作为预期类别信息。
86.进一步地，本实施例在兴趣点未录入类别信息时，结合周边兴趣点的已知信息和
名称信息进行类别信息挖掘，为兴趣点赋予挖掘得到的可能存在的类别信息，实现了poi类别信息的自动化录入，节约了人工成本。所述步骤s302之后，所述方法还包括：在检测到所述当前兴趣点对应的类别信息为空时，根据所述若干预期类别信息为所述当前兴趣点赋予目标类别信息。
87.可以理解的是，当前兴趣点可能提前录入有类别信息，可能未录入有类别信息，在获取到的类别信息为空值时，根据若干预期类别信息为当前兴趣点赋予目标类别信息。在具体实现中，目标类别信息可以为若干预期类别信息拼接生成的，例如，若干预期类别信息分别为医院和小区，生成的目标类别信息表示为“医院/小区”。可选地，根据多个初始类别信息与聚类中心信息之间的距离值从若干预期类别信息中选择距离值最小的类别信息作为目标类别信息。
88.步骤s303：判断所述类别信息与所述若干预期类别信息是否匹配。
89.需要说明的是，在类别信息与若干预期类别信息中任一类别信息一致时，判定匹配成功，在类别信息与若干预期类别信息均不一致时，判定匹配失败。
90.进一步地，所述步骤s303之后，所述方法还包括：若不匹配，则根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
91.可以理解的是，在类别信息与若干预期类别信息不匹配时，表征当前兴趣点录入的类别信息存在错误，此时根据挖掘出的若干预期类别信息为当前兴趣点赋予新的类别信息。例如，当前兴趣点的类别信息为“街道”，根据当前兴趣点的名称信息“x医院”和周边聚类信息挖掘出预期类别信息为“医院、宠物医院
……”
，该类别信息与预期类别信息不匹配，此时判断当前兴趣点原录入的类别信息有误，根据预期类别信息重新录入新的类别信息。
92.进一步地，所步骤s303之后，所述方法还包括：若不匹配，则对所述预设范围进行扩大，并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
93.需要说明的是，为了避免预设范围过小、周边已知信息较少造成的校正错误，本实施例中在当前兴趣点的类别信息校验未通过时，扩大预设范围，增加更多的周边兴趣点，重新进行聚类，并再次基于聚类信息和名称信息确定预期类别信息，基于预期类别信息对当前兴趣点的类别信息进行校验。在具体实现中，设置有预设循环次数，循环的结束条件为类别信息与若干预期类别信息匹配或返回执行次数大于预设循环次数，其中，在预设循环次数内，若类别信息与若干预期类别信息匹配，则确定所述当前兴趣点的类别信息为正确信息；若返回执行次数大于预设循环次数，则确定当前兴趣点的类别信息为错误信息，根据最终返回执行过程得到的若干预期类别信息为当前兴趣点赋予新的类别信息。例如，预设循环次数设置为1次，在当前兴趣点的类别信息两次均未通过校验时，确定当前兴趣点的类别信息为错误信息，如果循环次数内(即循环0次和循环1次)，当前兴趣点的类别信息与若干预期类别信息匹配，则确定校验通过，确定当前兴趣点的类别信息为正确信息。例如，当前兴趣点的类别信息为“餐馆”，在预设范围内周边兴趣点较少，且对应的类别信息为“街道”，根据周边已知信息和名称信息进行聚类，确定若干预期类别信息中不包括“餐馆”，此时判断当前兴趣点的类别信息有误，在预设循环次数内扩大预设范围，确定新的周边环境，假设周边兴趣点包括多个“小区”、“学校”等类别信息，重新进行聚类，确定周边环境具备餐馆开设条件，此时判断当前兴趣点的类别信息无误。
94.步骤s304：若匹配，则确定所述当前兴趣点的类别信息为正确信息。
95.在具体实现中，在类别信息与若干预期类别信息匹配时，确定当前兴趣点的类别信息校验通过，此时不对该类别信息进行修改。
96.本实施例根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点；根据多个周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息；获取当前兴趣点对应的类别信息和名称信息；根据聚类信息和名称信息确定若干预期类别信息；判断类别信息与若干预期类别信息是否匹配；若匹配，则确定当前兴趣点的类别信息为正确信息。通过上述方式，根据聚类信息和当前兴趣点的名称信息确定若干预期类别信息，根据若干预期类别信息对当前的类别信息进行校验，根据周边兴趣点的已知信息和当前兴趣点的名称信息进行类别校正，从周边已知信息的维度和兴趣点名称的维度挖掘当前兴趣点可能存在的类别信息，提高了校验正确率，减少人工成本，在当前兴趣点的名称信息不包含类别指示信息时仍然能对当前兴趣点的类别信息进行校正，降低了校验难度，提高了兴趣点类别准确性。
97.参考图4，图4为本发明兴趣点类别校正方法第三实施例的流程示意图。
98.基于上述第一实施例，本实施例兴趣点类别校正方法的所述步骤s20，包括：
99.步骤s201：获取多个所述周边兴趣点分别对应的当前类别信息。
100.步骤s202：从所述当前类别信息中提取类别特征。
101.应当理解的是，利用提前构建的向量空间模型将当前类别信息对应的文本信息转化为类别特征(向量特征)。
102.步骤s203：根据所述类别特征进行聚类，确定周边环境对应的聚类信息。
103.需要说明的是，本实施例中提前设置有聚类中心点的个数、迭代次数以及约束条件，可选地，聚类中心点的个数设置为1个，约束条件为聚类团簇中周边兴趣点的个数达到最大，其中与聚类中心点之间的距离小于预设阈值的周边兴趣点属于该聚类团簇，在预设迭代次数内调整初始聚类中心点位置使得聚类结果满足约束条件，得到最终的聚类信息，包括聚类中心信息和距离平均值信息。
104.进一步地，所述步骤s30，包括：
105.步骤s305：对所述当前兴趣点的类别信息进行特征提取，得到目标特征。
106.可以理解的是，利用同样的提前构建的向量空间模型当前兴趣点的类别信息转化为目标特征(向量特征)。
107.步骤s306：根据所述聚类信息确定聚类中心信息。
108.步骤s307：确定所述目标特征与所述聚类中心信息之间的目标相似度。
109.需要说明的是，目标相似度即为根据距离算法确定的目标特征与聚类中心信息之间的距离值。
110.步骤s308：根据所述目标相似度判断所述当前兴趣点是否属于所述聚类中心信息对应的聚类簇。
111.应当理解的是，在目标相似度小于预设阈值时，判定当前兴趣点属于聚类中心信息对应的聚类簇，在目标相似度大于或等于预设阈值时，判定当前兴趣点不属于聚类中心信息对应的聚类簇。
112.进一步地，所述步骤s308之后，所述方法还包括：若所述当前兴趣点不属于所述聚类簇，则根据所述聚类信息为所述当前兴趣点赋予新的类别信息。
113.需要说明的是，在判定当前兴趣点不属于聚类簇时，表征当前兴趣点录入的类别信息存在错误，此时根据聚类信息为当前兴趣点赋予新的类别信息。
114.进一步地，为了提高校正后类别信息的正确性，本实施例从周边已知信息的维度和兴趣点名称的维度挖掘当前兴趣点可能存在的类别信息，为当前兴趣点赋予合适的类别信息。所述根据所述聚类信息为所述当前兴趣点赋予新的类别信息，包括：获取所述当前兴趣点对应的名称信息；根据所述聚类信息和所述名称信息确定若干预期类别信息；根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
115.可选地，所述根据所述聚类信息和所述名称信息确定若干预期类别信息，包括：根据所述名称信息从预设类别信息中匹配对应的多个初始类别信息；根据所述聚类信息确定聚类中心信息；分别确定多个所述初始类别信息与所述聚类中心信息之间的距离值；根据所述距离值从所述初始类别信息中选取若干预期类别信息。
116.应当理解的是，本实施例先通过名称信息进行匹配，如果名称信息中存在类别指示信息的兴趣点，可快速查找到匹配的预期类别信息。如果名称信息中不存在类别指示信息的兴趣点，根据周边兴趣点的聚类信息从多个初始类别信息中选取若干预期类别信息。在具体实现中，设置有距离阈值，将初始类别信息中距离值小于距离阈值的类别信息作为预期类别信息。
117.进一步地，所述步骤s308之后，所述方法还包括：若所述当前兴趣点不属于所述聚类簇，则对所述预设范围进行扩大，并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
118.需要说明的是，为了避免预设范围过小、周边已知信息较少造成的校正错误，本实施例中在当前兴趣点的类别信息校验未通过时，扩大预设范围，增加更多的周边兴趣点，重新进行聚类，并再次根据当前兴趣点的类别信息与聚类中心信息之间的距离对当前兴趣点的类别信息进行校验。在具体实现中，设置有目标循环次数，循环的结束条件为当前兴趣点属于聚类中心信息对应的聚类簇或返回执行次数大于目标循环次数，其中，在目标循环次数内，若当前兴趣点属于聚类中心信息对应的聚类簇，则确定当前兴趣点的类别信息为正确信息；若返回执行次数大于预设循环次数，则确定当前兴趣点的类别信息为错误信息，根据最终返回执行过程得到的若干预期类别信息为当前兴趣点赋予新的类别信息。
119.步骤s309：若所述当前兴趣点属于所述聚类簇，则确定所述当前兴趣点的类别信息为正确信息。
120.可以理解的是，在判定当前兴趣点属于聚类簇时，确定当前兴趣点的类别信息校验通过，此时不对该类别信息进行修改。
121.本实施例根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点；获取多个周边兴趣点分别对应的当前类别信息；从当前类别信息中提取类别特征；根据类别特征进行聚类，确定周边环境对应的聚类信息；对当前兴趣点的类别信息进行特征提取，得到目标特征；根据聚类信息确定聚类中心信息；确定目标特征与聚类中心信息之间的目标相似度；根据目标相似度判断当前兴趣点是否属于聚类中心信息对应的聚类簇；若当前兴趣点属于聚类簇，则确定当前兴趣点的类别信息为正确信息。通过上述方式，根据周边已知的类别信息进行聚类，根据当前兴趣点的目标特征与聚类中心信息之间的相似度对当前的类别信息进行校验，通过加入周边已知信息进行综合分析，为当前兴趣点的类别信息校验提供
校验依据，减少人工成本，在当前兴趣点的名称信息不包含类别指示信息时仍然能对当前兴趣点的类别信息进行校正，降低了校验难度，提高了兴趣点类别准确性。
122.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有兴趣点类别校正程序，所述兴趣点类别校正程序被处理器执行时实现如上文所述的兴趣点类别校正方法。
123.由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
124.参照图5，图5为本发明兴趣点类别校正装置第一实施例的结构框图。
125.如图5所示，本发明实施例提出的兴趣点类别校正装置包括：
126.确定模块10，用于根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点。
127.聚类模块20，用于根据多个所述周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息。
128.校正模块30，用于根据所述聚类信息对所述当前兴趣点的类别信息进行校正。
129.应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
130.本实施例根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点；根据多个周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息；根据聚类信息对当前兴趣点的类别信息进行校正。通过上述方式，通过周边兴趣点的已知信息对当前兴趣点的类别进行进行校正，减少人工成本，在当前兴趣点的名称信息不包含类别指示信息时仍然能对当前兴趣点的类别信息进行校正，降低了校验难度，提高了兴趣点类别准确性。
131.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
132.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的兴趣点类别校正方法，此处不再赘述。
133.在一实施例中，所述校正模块30，还用于获取所述当前兴趣点对应的类别信息和名称信息，根据所述聚类信息和所述名称信息确定若干预期类别信息，判断所述类别信息与所述若干预期类别信息是否匹配，若匹配，则确定所述当前兴趣点的类别信息为正确信息。
134.在一实施例中，所述校正模块30，还用于根据所述名称信息从预设类别信息中匹配对应的多个初始类别信息，根据所述聚类信息确定聚类中心信息，分别确定多个所述初始类别信息与所述聚类中心信息之间的距离值，根据所述距离值从所述初始类别信息中选取若干预期类别信息。
135.在一实施例中，所述校正模块30，还用于若不匹配，则根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
136.在一实施例中，所述校正模块30，还用于在检测到所述当前兴趣点对应的类别信息为空时，根据所述若干预期类别信息为所述当前兴趣点赋予目标类别信息。
137.在一实施例中，所述校正模块30，还用于若不匹配，则对所述预设范围进行扩大，
并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
138.在一实施例中，所述聚类模块20，还用于获取多个所述周边兴趣点分别对应的当前类别信息，从所述当前类别信息中提取类别特征，根据所述类别特征进行聚类，确定周边环境对应的聚类信息。
139.在一实施例中，所述校正模块30，还用于对所述当前兴趣点的类别信息进行特征提取，得到目标特征，根据所述聚类信息确定聚类中心信息，确定所述目标特征与所述聚类中心信息之间的目标相似度，根据所述目标相似度判断所述当前兴趣点是否属于所述聚类中心信息对应的聚类簇，若所述当前兴趣点属于所述聚类簇，则确定所述当前兴趣点的类别信息为正确信息。
140.在一实施例中，所述校正模块30，还用于若所述当前兴趣点不属于所述聚类簇，则根据所述聚类信息为所述当前兴趣点赋予新的类别信息。
141.在一实施例中，所述校正模块30，还用于获取所述当前兴趣点对应的名称信息，根据所述聚类信息和所述名称信息确定若干预期类别信息，根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
142.在一实施例中，所述校正模块30，还用于若所述当前兴趣点不属于所述聚类簇，则对所述预设范围进行扩大，并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
143.此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
144.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
145.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
146.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
147.本发明公开了a1、一种兴趣点类别校正方法，所述兴趣点类别校正方法包括：
148.根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点；
149.根据多个所述周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息；
150.根据所述聚类信息对所述当前兴趣点的类别信息进行校正。
151.a2、如a1所述的兴趣点类别校正方法，所述根据所述聚类信息对所述当前兴趣点的类别信息进行校正，包括：
152.获取所述当前兴趣点对应的类别信息和名称信息；
153.根据所述聚类信息和所述名称信息确定若干预期类别信息；
154.判断所述类别信息与所述若干预期类别信息是否匹配；
155.若匹配，则确定所述当前兴趣点的类别信息为正确信息。
156.a3、如a2所述的兴趣点类别校正方法，所述根据所述聚类信息和所述名称信息确定若干预期类别信息，包括：
157.根据所述名称信息从预设类别信息中匹配对应的多个初始类别信息；
158.根据所述聚类信息确定聚类中心信息；
159.分别确定多个所述初始类别信息与所述聚类中心信息之间的距离值；
160.根据所述距离值从所述初始类别信息中选取若干预期类别信息。
161.a4、如a2所述的兴趣点类别校正方法，所述判断所述类别信息与所述若干预期类别信息是否匹配之后，所述方法还包括：
162.若不匹配，则根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
163.a5、如a2所述的兴趣点类别校正方法，所述根据所述聚类信息和所述名称信息确定若干预期类别信息之后，所述方法还包括：
164.在检测到所述当前兴趣点对应的类别信息为空时，根据所述若干预期类别信息为所述当前兴趣点赋予目标类别信息。
165.a6、如a2所述的兴趣点类别校正方法，所述判断所述类别信息与所述若干预期类别信息是否匹配之后，所述方法还包括：
166.若不匹配，则对所述预设范围进行扩大，并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
167.a7、如a1所述的兴趣点类别校正方法，所述根据多个所述周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息，包括：
168.获取多个所述周边兴趣点分别对应的当前类别信息；
169.从所述当前类别信息中提取类别特征；
170.根据所述类别特征进行聚类，确定周边环境对应的聚类信息。
171.a8、如a7所述的兴趣点类别校正方法，所述根据所述聚类信息对所述当前兴趣点的类别信息进行校正，包括：
172.对所述当前兴趣点的类别信息进行特征提取，得到目标特征；
173.根据所述聚类信息确定聚类中心信息；
174.确定所述目标特征与所述聚类中心信息之间的目标相似度；
175.根据所述目标相似度判断所述当前兴趣点是否属于所述聚类中心信息对应的聚类簇；
176.若所述当前兴趣点属于所述聚类簇，则确定所述当前兴趣点的类别信息为正确信息。
177.a9、如a8所述的兴趣点类别校正方法，所述根据所述目标相似度判断所述当前兴趣点是否属于所述聚类中心对应的聚类簇之后，所述方法还包括：
178.若所述当前兴趣点不属于所述聚类簇，则根据所述聚类信息为所述当前兴趣点赋予新的类别信息。
179.a10、如a9所述的兴趣点类别校正方法，所述根据所述聚类信息为所述当前兴趣点赋予新的类别信息，包括：
180.获取所述当前兴趣点对应的名称信息；
181.根据所述聚类信息和所述名称信息确定若干预期类别信息；
182.根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
183.a11、如a8所述的兴趣点类别校正方法，所述根据所述目标相似度判断所述当前兴趣点是否属于所述聚类中心对应的聚类簇之后，所述方法还包括：
184.若所述当前兴趣点不属于所述聚类簇，则对所述预设范围进行扩大，并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
185.本发明还公开了b12、一种兴趣点类别校正装置，所述兴趣点类别校正装置包括：
186.确定模块，用于根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点；
187.聚类模块，用于根据多个所述周边兴趣点的点信息进行聚类，确定周边环境对应的聚类信息；
188.校正模块，用于根据所述聚类信息对所述当前兴趣点的类别信息进行校正。
189.b13、如b12所述的兴趣点类别校正装置，所述校正模块，还用于获取所述当前兴趣点对应的类别信息和名称信息，根据所述聚类信息和所述名称信息确定若干预期类别信息，判断所述类别信息与所述若干预期类别信息是否匹配，若匹配，则确定所述当前兴趣点的类别信息为正确信息。
190.b14、如b13所述的兴趣点类别校正装置，所述校正模块，还用于根据所述名称信息从预设类别信息中匹配对应的多个初始类别信息，根据所述聚类信息确定聚类中心信息，分别确定多个所述初始类别信息与所述聚类中心信息之间的距离值，根据所述距离值从所述初始类别信息中选取若干预期类别信息。
191.b15、如b13所述的兴趣点类别校正装置，所述校正模块，还用于若不匹配，则根据所述若干预期类别信息为所述当前兴趣点赋予新的类别信息。
192.b16、如b13所述的兴趣点类别校正装置，所述校正模块，还用于在检测到所述当前兴趣点对应的类别信息为空时，根据所述若干预期类别信息为所述当前兴趣点赋予目标类别信息。
193.b17、如b13所述的兴趣点类别校正装置，所述校正模块，还用于若不匹配，则对所述预设范围进行扩大，并返回执行所述根据当前兴趣点的位置信息确定预设范围内的多个周边兴趣点的步骤。
194.b18、如b12所述的兴趣点类别校正装置，所述聚类模块，还用于获取多个所述周边兴趣点分别对应的当前类别信息，从所述当前类别信息中提取类别特征，根据所述类别特征进行聚类，确定周边环境对应的聚类信息。
195.本发明还公开了c19、一种兴趣点类别校正设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的兴趣点类别校正程序，所述兴趣点类别校正程序配置为实现如a1至a11中任一项所述的兴趣点类别校正方法。
196.本发明还公开了d20、一种存储介质，所述存储介质上存储有兴趣点类别校正程序，所述兴趣点类别校正程序被处理器执行时实现如a1至a11任一项所述的兴趣点类别校正方法。