判断文本中poi数据的方法及装置的制造方法
【技术领域】
[0001] 本发明涉及互联网应用技术领域，特别涉及一种判断文本中Ρ0Ι数据的方法及装 置。
【背景技术】
[0002] Ρ0Ι是"Point of Interest"的缩写，中文可以翻译为"兴趣点"。在地理信息系统 中，一个Ρ0Ι可以是一栋房子、一个商铺、一个邮筒、一个公交站等，每个Ρ0Ι数据可以包括名 称、地址、附近的酒店饭店商铺等信息。
[0003] 传统的Ρ0Ι数据采集方法需要技术人员采用精密的测绘仪器去获取每个Ρ0Ι的经 炜度信息，然后标记下来，这种方法比较费时费力，导致采集得到的P0I数据的数量很少。互 联网上存在大量以文本形式存在的Ρ0Ι数据，如果从文本中提取这些Ρ0Ι数据供地理信息系 统使用，则会节省人力和时间资源。
[0004] 相关技术中，在判断文本中是否包含Ρ0Ι名字集合中的某些Ρ0Ι名字时，首先把文 本串按字符切分，把η个相邻字符组成的字符子串去Ρ0Ι名字集合建立的词典中查找，如果 能够查找到，则认为文本串包含了一个Ρ0Ι名字。在查找之初需要加载词典，然而当Ρ0Ι名字 数量很大或者单个Ρ0Ι名字过长时，由于词典由大量Ρ0Ι名字组成，则相当的词典的数据量 也较大，那么加载这个词典时就需要消耗较大的内存，当内存有限制的时候这种方法便失 效了。
【发明内容】
[0005] 鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上 述问题的判断文本中Ρ0Ι数据的方法及相应的装置。
[0006] 依据本发明的一方面，提供了一种判断文本中Ρ0Ι数据的方法，包括：
[0007] 提取待判断的文本串，对所述待判断的文本串进行切词处理，生成一个或多个目 标分词，将所述一个或多个目标分词与Ρ0Ι数据条目进行匹配；
[0008] 当存在一个或多个匹配的Ρ0Ι数据条目时，读取匹配的Ρ0Ι数据条目对应的字符长 度的字段值；
[0009 ]基于该目标分词以及该字段值，在所述待判断的文本串中判断疑似Ρ0Ι名字片段；
[0010] 从所述疑似Ρ0Ι名字片段中确定Ρ0Ι数据。
[0011] 可选地，通过以下步骤生成所述Ρ0Ι数据条目：
[0012] 对Ρ0Ι名字集合中的各Ρ0Ι名字进行切词处理，将切词后的、指定位置上的分词的 匹配度符合阈值的各Ρ0Ι名字聚为一类；
[0013] 确定各类中Ρ0Ι名字的最长和/或最短字符长度；
[0014] 基于所述各类中Ρ0Ι名字的所述指定位置上的分词，以及该类中Ρ0Ι名字的最长 和/或最短字符长度，生成所述各类的Ρ0Ι数据条目。
[0015] 可选地，基于所述各类中Ρ0Ι名字的所述指定位置上的分词，以及该类中Ρ0Ι名字 的最长和/或最短字符长度，生成所述各类的POI数据条目，包括：
[0016] 计算所述各类中Ρ0Ι名字的所述指定位置上的分词的唯一标识符；
[0017] 以该分词的唯一标识符为键，以该类中Ρ0Ι名字的最长和/或最短字符长度为值， 生成所述各类的P0I数据条目。
[0018] 可选地，将所述一个或多个目标分词与Ρ0Ι数据条目进行匹配，包括：
[0019] 计算所述一个或多个目标分词的唯一标识符；
[0020] 将该目标分词的唯一标识符与Ρ0Ι数据条目中作为键的分词的唯一标识符进行匹 配。
[0021] 可选地，基于所述各类中Ρ0Ι名字的所述指定位置上的分词，以及该类中Ρ0Ι名字 的最长和/或最短字符长度，生成所述各类的P0I数据条目，包括：
[0022] 确定所述各类中Ρ0Ι名字的所述指定位置上的分词的一个或多个相似词；
[0023] 基于该分词、该分词的一个或多个相似词，以及该类中Ρ0Ι名字的最长和/或最短 字符长度，生成所述各类的Ρ0Ι数据条目。
[0024] 可选地，确定所述各类中Ρ0Ι名字的所述指定位置上的分词的一个或多个相似词， 包括：
[0025] 对该分词进行切分，将该分词切分为单字，在词库中查找该单字的同音字和/或相 似字；
[0026] 基于查找到的该单字的同音字和/或相似字，确定该分词的一个或多个相似词。
[0027] 可选地，基于该分词、该分词的一个或多个相似词，以及该类中Ρ0Ι名字的最长和/ 或最短字符长度，生成所述各类的Ρ0Ι数据条目，包括：
[0028] 计算该分词以及该分词的一个或多个相似词各自的唯一标识符；
[0029] 以该分词和/或该分词的一个或多个相似词的唯一标识符为键，以该类中Ρ0Ι名字 的最长和/或最短字符长度为值，生成所述各类的Ρ0Ι数据条目。
[0030] 可选地，将所述一个或多个目标分词与Ρ0Ι数据条目进行匹配，包括：
[0031] 计算所述一个或多个目标分词的唯一标识符；
[0032] 将该目标分词的唯一标识符与Ρ0Ι数据条目中作为键的分词和/或该分词的一个 或多个相似词的唯一标识符进行匹配。
[0033]可选地，所述对Ρ0Ι名字集合中的各Ρ0Ι名字进行切词处理，将切词后的指定位置 上的分词的匹配度符合阈值的各Ρ0Ι名字聚为一类，包括：
[0034] 对Ρ0Ι名字集合中的各Ρ0Ι名字进行正向或逆向切词处理，得到切词后的多个分 词；
[0035] 将切词后顺序的第一个分词的匹配度符合阈值的各Ρ0Ι名字聚为一类;或者，将切 词后逆序的第一个分词的匹配度符合阈值的各Ρ0Ι名字聚为一类。
[0036]可选地，所述将切词后顺序的第一个分词的匹配度符合阈值的各Ρ0Ι名字聚为一 类，包括：
[0037]将切词后顺序的第一个分词相同的各Ρ0Ι名字聚为一类。
[0038] 可选地，若所述该字段值包括最长和/或最短字符长度，所述基于该目标分词以及 该字段值，在所述待判断的文本串中判断疑似Ρ0Ι名字片段，包括：
[0039] 在所述待判断的文本串中，顺序判断从该目标分词开始的、长度大于或等于所述 最短字符长度的文本子串，作为疑似POI名字片段;或者，
[0040] 在所述待判断的文本串中，顺序判断从该目标分词开始的、长度小于或等于所述 最长字符长度的文本子串，作为疑似P0I名字片段;或者，
[0041] 在所述待判断的文本串中，顺序判断从该目标分词开始的、长度大于或等于所述 最短字符长度且小于或等于所述最长字符长度的文本子串，作为疑似Ρ0Ι名字片段。
[0042] 可选地，所述将切词后逆序的第一个分词的匹配度符合阈值的各Ρ0Ι名字聚为一 类，包括：
[0043] 将切词后逆序的第一个分词相同的各Ρ0Ι名字聚为一类。
[0044] 可选地，若所述该字段值包括最长和/或最短字符长度，所述基于该目标分词以及 该字段值，在所述待判断的文本串中判断疑似Ρ0Ι名字片段，包括：
[0045] 在所述待判断的文本串中，逆序判断从该目标分词开始的、长度大于或等于所述 最短字符长度的文本子串，作为疑似Ρ0Ι名字片段;或者，
[0046] 在所述待判断的文本串中，逆序判断从该目标分词开始的、长度小于或等于所述 最长字符长度的文本子串，作为疑似Ρ0Ι名字片段;或者，
[0047] 在所述待判断的文本串中，逆序判断从该目标分词开始的、长度大于或等于所述 最短字符长度且小于或等于所述最长字符长度的文本子串，作为疑似Ρ0Ι名字片段。
[0048] 可选地，所述方法还包括：
[0049]将所述各类中的各Ρ0Ι名字插入对应的类的Ρ0Ι数据条目中。
[0050]可选地，从所述疑似Ρ0Ι名字片段中确定Ρ0Ι数据，包括：
[0051] 从所述与该目标分词匹配的Ρ0Ι数据条目中，查找对应的类的各Ρ0Ι名字；
[0052] 将所述疑似Ρ0Ι名字片段与查找到的各Ρ0Ι名字进行匹配，将匹配的Ρ0Ι名字片段 作为确定的Ρ0Ι名字。
[0053] 可选地，所述方法还包括：
[0054] 获取所述各类中的各P01名字对应的地理数据；
[0055]将所述各类中的各Ρ0Ι名字对应的地理数据插入对应的类的Ρ0Ι数据条目中。
[0056] 可选地，所述方法还包括：
[0057]从所述与该目标分词匹配的Ρ0Ι数据条目中，查找所述确定的Ρ0Ι名字对应的地理 数据；
[0058]根据所述确定的Ρ0Ι名字对应的地理数据，在电子地图界面上展示所述确定的 P0L·
[0059] 依据本发明的另一方面，还提供了一种判断文本中Ρ0Ι数据的装置，包括：
[0060] 切词模块，适于提取待判断的文本串，对所述待判断的文本串进行切词处理，生成 一个或多个目标分词；
[0061 ]匹配模块，适于将所述一个或多个目标分词与Ρ0Ι数据条目进行匹配；
[0062]读取模块，适于当存在一个或多个匹配的Ρ0Ι数据条目时，读取匹配的Ρ0Ι数据条 目对应的字符长度的字段值；
[0063]判断模块，适于基于该目标分词以及该字段值，在所述待判断的文本串中判断疑 似Ρ0Ι名字片段；
[0064]确定模块，适于从所述疑似Ρ0Ι名字片段中确定Ρ0Ι数据。
[0065]可选地，所述装置还包括生成模块，适于通过以下单元生成所述Ρ0Ι数据条目： [0066]聚类单元，适于对Ρ0Ι名字集合中的各Ρ0Ι名字进行切词处理，将切词后的、指定位 置上的分词的匹配度符合阈值的各P0I名字聚为一类；
[0067]确定单元，适于确定各类中Ρ0Ι名字的最长和/或最短字符长度；
[0068]生成单元，适于基于所述各类中Ρ0Ι名字的所述指定位置上的分词，以及该类中 Ρ0Ι名字的最长和/或最短字符长度，生成所述各类的Ρ0Ι数据条目。
[0069] 可选地，所述生成单元还适于：
[0070] 计算所述各类中Ρ0Ι名字的所述指定位置上的分词的唯一标识符；
[0071]以该分词的唯一标识符为键，以该类中Ρ0Ι名字的最长和/或最短字符长度为值， 生成所述各类的P0I数据条目。
[0072] 可选地，所述匹配模块还适于：
[0073] 计算所述一个或多个目标分词的唯一标识符；
[0074] 将该目标分词的唯一标识符与Ρ0Ι数据条目中作为键的分词的唯一标识符进行匹 配。
[0075] 可选地，所述生成单元还适于：
[0076] 确定所述各类中Ρ0Ι名字的所述指定位置上的分词的一个或多个相似词；
[0077] 基于该分词、该分词的一个或多个相似词，以及该类中Ρ0Ι名字的最长和/或最短 字符长度，生成所述各类的Ρ0Ι数据条目。
[0078] 可选地，所述生成单元还适于：
[0079] 对该分词进行切分，将该分词切分为单字，在词库中查找该单字的同音字和/或相 似字；
[0080] 基于查找到的该单字的同音字和/或相似字，确定该分词的一个或多个相似词。 [0081 ] 可选地，所述生成单元还适于：
[0082] 计算该分词以及该分词