[发明专利]一种基于聚类确定POI名称的系统及方法

权利要求书

1.一种基于聚类确定POI名称的系统，该系统包括：

地址数据抓取器，用于从网络数据中抓取地址数据；

地址数据解析器，用于从抓取到的一个或多个地址数据中分别提取名称字段和地址信息；

关键词确定器，用于基于所述名称字段确定一个或多个关键词；

关键词聚类器，用于将对应相同地址信息的所述关键词进行聚类，生成至少一个类；

POI名称生成器，用于根据聚类后的关键词确定此地址信息对应的POI名称。

2.如权利要求1所述的系统，所述关键词确定器进一步包括：

切词单元，用于对所述名称字段中的名称进行切词处理生成分词；

关键词获取单元，用于根据所述分词获取所述地址数据的关键词。

3.如权利要求1-2任一项所述的系统，所述关键词获取单元进一步包括：

第一频次统计模块，用于统计对应相同地址信息的每个分词出现的频次，作为第一频次；

关键词生成模块，用于根据所述第一频次生成所述地址数据的关键词。

4.如权利要求1-3任一项所述的系统，所述关键词生成模块选择频次最小并且是非地名的分词作为所述地址数据的关键词。

5.如权利要求1-4任一项所述的系统，所述POI名称生成器进一步包括：

频率统计单元，用于计算各个类中名称字段的出现频率；

类标识名称确定单元，用于将所述各个类中出现频率最高的名称字段作为类标识名称；

POI名称确定单元，用于将每个类标识名称均作为POI名称。

6.如权利要求1-4任一项所述的系统，所述POI名称生成器进一步包括：

频率统计单元，用于计算各个类中名称字段的出现频率；

类标识名称确定单元，用于将所述各个类中出现频率最高的名称字段作为类标识名称；

POI名称确定单元，用于选择出现频率最高的类标识名称作为POI名称。

7.一种基于聚类确定POI名称的方法，包括：

从网络数据中抓取地址数据；

从抓取到的一个或多个地址数据中分别提取名称字段和地址信息；

基于所述名称字段确定一个或多个关键词；

将对应相同地址信息的所述关键词进行聚类，生成至少一个类；

根据聚类后的关键词确定此地址信息对应的POI名称。

8.如权利要求7所述的方法，所述步骤：基于所述名称字段确定一个或多个关键词，进一步包括：

对所述名称字段中的名称进行切词处理生成分词；

根据所述分词获取所述地址数据的关键词。

9.如权利要求7-8任一项所述的方法，所述步骤：根据所述分词获取所述地址数据的关键词，进一步包括：

统计对应相同地址信息的每个分词出现的频次作为第一频次；

根据所述第一频次生成所述地址数据的关键词。

10.如权利要求7-9任一项所述的方法，所述步骤根据所述第一频次生成所述地址数据的关键词具体为：

选择频次最小并且是非地名的分词作为所述地址数据的关键词。

11.如权利要求7-10任一项所述的方法，所述步骤：根据聚类后的关键词确定此地址信息对应的POI名称，进一步包括：

计算各个类中名称字段的出现频率；

将所述各个类中出现频率最高的名称字段作为类标识名称；

将每个类标识名称均作为POI名称。

12.如权利要求7-11任一项所述的方法，所述步骤：根据聚类后的关键词确定此地址信息对应的POI名称，进一步包括：

计算各个类中名称字段的出现频率；

将所述各个类中出现频率最高的名称字段作为类标识名称；

选择出现频率最高的类标识名称作为POI名称。