[发明专利]兴趣点在线检测、机器学习分类器训练方法和装置

说明书

本发明涉及一种兴趣点在线检测、机器学习分类器训练方法和装置，兴趣点在线检测方法包括：获取从待检测兴趣点的兴趣点名称中分词得到的关键词；确定分词得到的关键词是否为属于预设的关键词集合的关键词；生成第一特征因子序列，所述第一特征因子序列与所述关键词集合中的关键词一一对应；根据所对应关键词是否为分词得到的关键词，将所述第一特征因子序列中的第一特征因子取不同的值，得到包括所述第一特征因子序列的特征向量；通过机器学习分类器并根据所述特征向量判断所述待检测兴趣点是否属于预设类别。本发明在保证一定正确率的情况下显著提高了兴趣点在线检测效率。

技术领域

本发明涉及计算机技术领域，特别是涉及地图兴趣点处理技术领域，尤其涉及一种兴趣点在线检测、机器学习分类器训练方法和装置。

背景技术

兴趣点(POI，Point of Interest)用于在地图上标识特定位置处的对象，如政府机构、商业机构、旅游景点或者交通设施等。兴趣点通常会发生变化，而地图服务的提供者通常难以维护所有兴趣点，因此需要其它用户或机构自主编辑兴趣点。

地图上某些对象属于预设类别，如涉密对象，不宜在地图上标示，如军事设施等。而兴趣点编辑者有时会将标识该涉密对象的兴趣点提交，从而有可能导致泄密。而为了发现属于预设类别的兴趣点，就需要人工对兴趣点进行检测，从而对发现的兴趣点进行处理，如对涉密兴趣点进行下线处理。

然而，兴趣点数量庞大，而且不断更新，人工检测兴趣点需要占用大量人力资源，且人工效率比较低，导致人工检测兴趣点效率很低。

发明内容

基于此，有必要针对目前人工检测兴趣点效率很低的问题，提供一种兴趣点在线检测、机器学习分类器训练方法和装置。

一种兴趣点在线检测方法，包括：

获取从待检测兴趣点的兴趣点名称中分词得到的关键词；

确定分词得到的关键词是否为属于预设的关键词集合的关键词；

生成第一特征因子序列，所述第一特征因子序列与所述关键词集合中的关键词一一对应；

根据所对应关键词是否为分词得到的关键词，将所述第一特征因子序列中的第一特征因子取不同的值，得到包括所述第一特征因子序列的特征向量；

通过机器学习分类器并根据所述特征向量判断所述待检测兴趣点是否属于预设类别。

一种兴趣点在线检测装置，包括：

关键词处理模块，用于获取从待检测兴趣点的兴趣点名称中分词得到的关键词；确定分词得到的关键词是否为属于预设的关键词集合的关键词；

特征向量生成模块，用于生成第一特征因子序列，所述第一特征因子序列与所述关键词集合中的关键词一一对应；根据所对应关键词是否为分词得到的关键词，将所述第一特征因子序列中的第一特征因子取不同的值，得到包括所述第一特征因子序列的特征向量；

检测模块，用于通过机器学习分类器并根据所述特征向量判断所述待检测兴趣点是否属于预设类别。

上述兴趣点在线检测方法和装置，检测所用的特征向量中，第一特征因子与预设的关键词集合中的关键词一一对应，且第一特征因子因属于或者不属于相应的兴趣点名称而取不同的值。于是特征向量可以反映出相应兴趣点名称是否包括关键词集合中的关键词的信息，还可以反映出相应兴趣点名称所包括的关键词在关键词集合中的分布情况。因此机器学习分类器就可以通过训练反映出属于预设类别的兴趣点的内在特性，从而利用该机器学习分类器检测待检测兴趣点是否属于预设类别，在保证一定正确率的情况下显著提高了兴趣点在线检测效率。

一种用于兴趣点在线检测的机器学习分类器训练方法，包括：

获取兴趣点样本集合中的兴趣点样本；