一种用于匹配POI实体的装置和方法与流程

本公开涉及信息处理技术。更具体地，本公开涉及一种用于匹配poi实体的装置和方法，即对来自异构源的地理实体进行对齐的装置和方法。

背景技术：

1、随着无处不在的网络空间和互联网信息收集技术的迅速发展，大量兴趣点（pointof interest，poi）实体过去和现在都被例如地图服务提供商和社交网络聚合到地理空间数据库中。集成或融合此类多源空间数据是当前基于网络的信息检索、空间分析和空间决策的应用面临的主要挑战。这是因为，从不同数据源收集的地理信息往往存在不一致、冗余、歧义和冲突。此外，不同的平台通常对同一poi实体有不同的描述属性。此外，同一平台为同一地理空间对象配置的描述属性在时间精度、位置准确度和语义精度方面可能有所不同。因此，需要用于匹配或对齐poi实体的不同属性的改进装置和方法，以获得关于这些对象的更完整信息。

技术实现思路

1、目的在于提供一种用于匹配poi实体的改进装置和方法。

2、根据第一方面，提供一种用于将2d区域中的包括一个或多个第一兴趣点（poi）实体的第一poi数据集与包括多个第二poi实体的第二poi数据集进行匹配（即对齐）的装置。第一poi实体中的每个第一poi实体包括诸如第一经纬度数据的第一坐标数据，以及指示诸如第一poi实体的名称的第一poi实体的标签的一个或多个第一标签令牌。同样，第二poi实体中的每个第二poi实体包括诸如第二经纬度数据的第二坐标数据，以及指示诸如第二poi实体的名称的第二poi实体的标签的一个或多个第二标签令牌。

3、所述poi匹配装置包括处理电路，所述处理电路用于：根据所述一个或多个第一poi实体的第一坐标数据，为所述一个或多个第一poi实体中的每个第一poi实体确定（即选择）所述多个第二poi实体的候选poi实体的相应子集。在只有一个第一poi实体要与多个第二poi实体进行匹配的情况下，处理电路将选择多个第二poi实体的一个子集作为可能与该一个第一poi实体进行匹配的候选poi实体。在有多于一个第一poi实体要与多个第二poi实体进行匹配的情况下，处理电路将选择多个第二poi实体的对应数量的子集作为可能与相应的第一poi实体进行匹配的相应候选poi实体。

4、所述poi匹配装置的处理电路还用于：为所述一个或多个第一poi实体中的每个第一poi实体确定其与所述多个第二poi实体的相应子集的一个或多个第二候选poi实体的相应综合匹配评分（也称为相似性评分）。相应的综合匹配评分基于坐标匹配评分和标签匹配评分，其中坐标匹配评分取决于由第一坐标数据和第二坐标数据定义的相应的第一poi实体和相应的第二poi实体之间的地理距离，标签匹配评分取决于相应的第一poi实体的一个或多个第一标签令牌的局部上下文相关性。如本文中所使用和下文中进一步详细描述，相应的第一poi实体的一个或多个第一标签令牌的局部上下文相关性是对相应的第一poi实体的一个或多个第一标签令牌与由多个第二poi实体的相应子集的第二候选poi实体的多个标签令牌所定义的该等标签令牌的局部上下文内的匹配决策之相关性的度量。

5、所述poi匹配装置的处理电路还用于：根据综合匹配评分，将一个或多个第一poi实体中的每个第一poi实体与多个第二poi实体的相应子集的第二poi实体进行匹配（即对齐）。例如，所述poi匹配装置的处理电路可将相应的第一poi实体与这样的第二poi实体进行匹配：该第二poi实体和该相应的第一poi实体一同提供最高综合匹配评分。

6、在第一方面的又一种可能的实现方式中，第一poi实体中的每个第一poi实体还包括指示诸如街道名称或城市名称的第一poi实体的地址的一个或多个第一地址令牌，第二poi实体中的每个第二poi实体还包括指示第二poi实体的地址的一个或多个第二地址令牌。在这种情况下，处理电路用于：根据坐标匹配评分、标签匹配评分和地址匹配评分确定综合匹配评分，其中地址匹配评分取决于相应的第一poi实体的一个或多个第一地址令牌的局部上下文相关性。

7、在第一方面的又一种可能的实现方式中，所述处理电路用于：根据属于所述多个第二poi实体的相应子集的第二poi实体的一个或多个第二标签令牌和/或一个或多个第二地址令牌，为所述多个第二poi实体的候选poi实体的每个子集生成相应的文档，并将所述相应的第一poi实体的一个或多个第一标签令牌和/或一个或多个第一地址令牌的局部上下文相关性确定为相应文档中所述相应的第一poi实体的一个或多个第一标签令牌和/或一个或多个第一地址令牌的逆文档频率（inverse document frequency，idf）。

8、在第一方面的又一种可能的实现方式中，所述poi匹配装置的处理电路用于：根据局部idf加权jaccard相似性，确定相应第一poi实体的一个或多个第一标签令牌和/或一个或多个第一地址令牌的局部上下文相关性（并因此确定标签匹配评分和/或地址匹配评分）。

9、在第一方面的又一种可能的实现方式中，所述poi匹配装置的处理电路用于：将所述综合匹配评分确定为所述坐标匹配评分与所述标签匹配评分和/或所述地址匹配评分的加权和。

10、在第一方面的又一种可能的实现方式中，所述一个或多个第一poi实体包括第一poi实体，其中，所述处理电路用于：根据所述第一poi实体的第一坐标数据，通过确定位于所述第一poi实体附近的、多个第二poi实体的第二poi实体来确定（即选择）所述多个第二poi实体的子集，即所述候选第二poi实体。例如，处理电路可用于：确定位于以所述第一poi实体的位置为中心的圆圈内的所有第二poi实体。处理电路还可用于：根据第一poi实体的类型确定或调整该圆圈的半径。例如，对于机场类型的第一poi实体，相比餐厅类型的第一poi实体，处理电路可选择更大的该圆圈半径。

11、在第一方面的又一种可能的实现方式中，所述处理电路用于：根据所述一个或多个第一poi实体的第一坐标数据，通过在空间上将所述2d区域划分为多个分区单元，为所述第一poi数据集的一个或多个第一poi实体中的每个第一poi实体确定（即选择）所述第二poi数据集的多个第二poi实体的相应子集。

12、在第一方面的又一种可能的实现方式中，对于每个分区单元，位于相应的分区单元中的第一poi实体和第二poi实体的数量的乘积小于或等于预定义阈值n。

13、在第一方面的又一种可能的实现方式中，所述空间分区是对所述2d区域进行四叉树分区，其中不同的分区单元可以具有不同的大小。

14、在第一方面的又一种可能的实现方式中，每个分区单元具有基本上呈矩形的，特别是基本上呈方形的形状，并且包括围绕所述分区单元的框形边界区域，其中，所述边界区域的面积与所述分区单元的面积的比值取决于所述多个第一poi实体和/或所述多个第二poi实体的局部密度。

15、在第一方面的又一种可能的实现方式中，所述标签匹配评分还基于第一标签嵌入向量和第二标签嵌入向量之间的标签嵌入评分，所述第一标签嵌入向量基于所述第一poi实体的一个或多个第一标签令牌，所述第二标签嵌入向量基于所述第二poi实体的一个或多个第二标签令牌。例如，标签嵌入评分可以基于第一标签嵌入向量和第二标签嵌入向量之间的向量相似性度量（例如，余弦相似性或点积）。

16、在第一方面的又一种可能的实现方式中，所述poi匹配装置的处理电路还用于：通过首先确定所述一个或多个第一poi实体中的每个第一poi实体与所述多个第二poi实体的相应子集的一个或多个第二候选poi实体之间的标签嵌入评分，并从相应子集中删除所述一个或多个第二候选poi实体中具有最低标签嵌入评分的一个或多个第二候选poi实体，来减少所述多个第二poi实体的候选poi实体的每个相应子集的第二poi实体的数量。

17、在第一方面的又一种可能的实现方式中，所述第一poi实体中的每个第一poi实体还包括一个或多个第一类型，所述第二poi实体中的每个第二poi实体还包括一个或多个第二类型，其中所述综合匹配评分还基于所述第一poi实体的一个或多个第一类型与所述第二poi实体的一个或多个第二类型之间的类型匹配评分。

18、在第一方面的又一种可能的实现方式中，所述类型匹配评分基于类型嵌入评分，所述类型嵌入评分指示第一类型嵌入向量与第二类型嵌入向量之间的相似性，第一类型嵌入向量基于所述第一poi实体的一个或多个第一类型，第二类型嵌入向量基于所述第二poi实体的一个或多个第二类型。在一种实现方式中，所述处理电路用于：将所述类型匹配评分确定为减去类型降级评分的类型嵌入评分。类型嵌入评分本身可以根据第一类型嵌入向量和第二类型嵌入向量之间的点积来确定。

19、在第一方面的又一种可能的实现方式中，处理电路还用于：通过确定所述一个或多个第一poi实体中的每个第一poi实体与所述多个第二poi实体的相应子集的一个或多个第二候选poi实体之间的类型嵌入评分，并从相应子集中删除所述一个或多个第二候选poi实体中具有最低类型嵌入评分的一个或多个第二候选poi实体，来减少所述多个第二poi实体的候选poi实体的每个相应子集的第二poi实体的数量。

20、在第一方面的又一种可能的实现方式中，所述装置还用于实现无监督机器学习方案，所述无监督机器学习方案用于基于所述第一poi实体的一个或多个第一类型来确定第一类型嵌入向量以及基于所述第二poi实体的一个或多个第二类型来确定第二类型嵌入向量。

21、在第一方面的又一种可能的实现方式中，所述装置还包括用于存储包括所述多个第二poi实体的第二poi数据集的存储器。存储器可以操作数据库以用于存储包括所述多个第二poi实体的第二poi数据集。

22、在第一方面的又一种可能的实现方式中，所述装置还包括通信接口，所述通信接口用于接收包括所述一个或多个第一poi实体的第一poi数据集。

23、根据第二方面，提供一种用于将2d区域中的包括一个或多个第一兴趣点（poi）实体的第一poi数据集与包括多个第二poi实体的第二poi数据集进行匹配的方法。第一poi实体中的每个第一poi实体包括第一坐标数据和指示第一poi实体的标签的一个或多个第一标签令牌。第二poi实体中的每个第二poi实体包括第二坐标数据和指示第二poi实体的标签的一个或多个第二标签令牌。所述方法包括以下步骤：

24、根据所述一个或多个第一poi实体的第一坐标数据，为所述一个或多个第一poi实体中的每个第一poi实体确定（即选择）所述多个第二poi实体的候选poi实体的相应子集；

25、为所述一个或多个第一poi实体中的每个第一poi实体确定其与所述多个第二poi实体的相应子集的一个或多个第二候选poi实体的相应综合匹配评分，其中所述相应综合匹配评分基于坐标匹配评分和标签匹配评分，所述坐标匹配评分取决于所述相应的第一poi实体和所述相应的第二poi实体之间的地理距离，所述标签匹配评分取决于所述相应的第一poi实体的一个或多个第一标签令牌的局部上下文相关性；

26、根据所述综合匹配评分，将所述一个或多个第一poi实体中的每个第一poi实体与所述多个第二poi实体的相应子集的第二poi实体进行匹配。

27、在第二方面的又一种可能的实现方式中，所述第一poi实体中的每个第一poi实体还包括指示第一poi实体的地址的一个或多个第一地址令牌，所述第二poi实体中的每个第二poi实体还包括指示第二poi实体的地址的一个或多个第二地址令牌，其中所述综合匹配评分基于所述坐标匹配评分、所述标签匹配评分和地址匹配评分，所述地址匹配评分取决于所述相应的第一poi实体的一个或多个第一地址令牌的局部上下文相关性。

28、根据第二方面所述的poi匹配方法可由根据第一方面所述的poi匹配装置执行。因此，根据第二方面所述的poi匹配方法的更多的特征直接来自根据第一方面以及上文和下文描述的其不同的实现方式和实施例所述的poi匹配装置的功能。

29、根据第三方面，提供了一种计算机程序产品，包括用于存储程序代码的非瞬时性计算机可读存储介质，当所述程序代码由计算机或处理器执行时，所述程序代码使计算机或处理器执行根据第二方面所述的poi匹配方法。

30、以下附图和说明书详细阐述了一个或多个实施例。在说明书、附图等中清楚地表明了其它特征、目的和优点。