個網(wǎng)站的模板中，在第一行可W提取到興趣點(diǎn)名稱，在最后一行可W提取到 興趣點(diǎn)地址。
[0163] 通過模板，在不同網(wǎng)站的網(wǎng)頁提取了如下興趣點(diǎn)數(shù)據(jù)：
[0164]
陽1化]其中，"***A"和"**地"為不同的域名。
[0166] 步驟202,從所述興趣點(diǎn)數(shù)據(jù)中識別錯誤的第二目標(biāo)興趣點(diǎn)數(shù)據(jù)；
[0167] 本發(fā)明實(shí)施例中錯誤的第二目標(biāo)興趣點(diǎn)數(shù)據(jù)，是指不符合興趣點(diǎn)規(guī)范的數(shù)據(jù)，包 括錯誤的名稱、地址等等。
[0168] 在本發(fā)明的一個可選實(shí)施例中，步驟202可W包括如下子步驟：
[0169] 子步驟S21，將標(biāo)識同一對象的興趣點(diǎn)名稱設(shè)置為興趣點(diǎn)名稱集合；
[0170] P0I數(shù)據(jù)一般都會標(biāo)識一個對象，如一棟房子、一個商鋪、一個郵筒、一個公交站 等。 陽171] 由于該對象的地址信息的準(zhǔn)確性一般比較高，因此，在本發(fā)明實(shí)施例中，可W通過 將興趣點(diǎn)地址進(jìn)行歸一化，判斷興趣點(diǎn)地址是否相同或相似；若是，則將興趣點(diǎn)地址關(guān)聯(lián)的 興趣點(diǎn)名稱設(shè)置為興趣點(diǎn)名稱集合。 陽172] 例如，"愉林愉陽膚施路今日潮大酒店隔壁東恒百貨Ξ樓"、"愉林愉陽區(qū)膚施路今 日潮隔壁東恒百貨Ξ樓第一營業(yè)部"、"愉林愉陽南口口東恒百貨大樓3樓"和"陜西愉林南 口口東恒百貨批發(fā)Ξ樓"運(yùn)4個興趣點(diǎn)地址雖然形式上不完全相同，但是通過歸一化可W確 定它們的地址都為"愉林市愉陽區(qū)東恒百貨大樓Ξ樓"。
[0173] 即其關(guān)聯(lián)的"世界500強(qiáng)企業(yè)"、"中國平安保險(xiǎn)公司"、"中國平安愉林分公司"和 "中國平安保險(xiǎn)股份有限公司愉林分公司"為興趣點(diǎn)名稱集合。
[0174] 子步驟S22,從所述興趣點(diǎn)名稱集合中識別錯誤的第二目標(biāo)興趣點(diǎn)名稱；
[01巧]在本發(fā)明實(shí)施例中，可W通過挖掘興趣點(diǎn)名稱的關(guān)鍵詞來篩選錯誤的P0I名稱， 即第二目標(biāo)興趣點(diǎn)名稱。
[0176] 在本發(fā)明的一個可選實(shí)施例中，子步驟S22進(jìn)一步可W包括如下子步驟： 陽177] 子步驟S121，在所述興趣點(diǎn)名稱集合中的興趣點(diǎn)名稱選取關(guān)鍵詞；
[0178] 在本發(fā)明實(shí)施例中，關(guān)鍵詞可W為包含的信息量最大，體現(xiàn)興趣點(diǎn)名稱特征的詞。
[0179] 在具體實(shí)現(xiàn)中，可W對興趣點(diǎn)名稱集合中的興趣點(diǎn)名稱進(jìn)行分詞處理，獲得一個 或多個分詞；
[0180] 查找分詞在預(yù)設(shè)的興趣點(diǎn)集合中的第一詞頻，該興趣點(diǎn)集合為抓取到的網(wǎng)頁中的 P0I數(shù)據(jù)的集合，該P(yáng)0I數(shù)據(jù)的數(shù)量可W多達(dá)數(shù)千萬，該第一詞頻是根據(jù)該數(shù)千萬的P0I數(shù) 據(jù)的名稱統(tǒng)計(jì)。 陽181]本發(fā)明實(shí)施例中，可W采用如下的一種或多種分詞處理： 陽182] 1、基于字符串匹配的分詞：是指按照一定的策略將待分析的漢字串與一個預(yù)置的 機(jī)器詞典中的詞條進(jìn)行匹配，若在詞典中找到某個字符串，則匹配成功（識別出一個詞）。 [0183] 2、基于特征掃描或標(biāo)志切分的分詞：是指優(yōu)先在待分析字符串中識別和切分出 一些帶有明顯特征的詞，W運(yùn)些詞作為斷點(diǎn)，可將原字符串分為較小的串再來進(jìn)機(jī)械分詞， 從而減少匹配的錯誤率；或者將分詞和詞類標(biāo)注結(jié)合起來，利用豐富的詞類信息對分詞決 策提供幫助，并且在標(biāo)注過程中又反過來對分詞結(jié)果進(jìn)行檢驗(yàn)、調(diào)整，從而提高切分的準(zhǔn)確 率。 陽184] 3、基于理解的分詞：是指通過讓計(jì)算機(jī)模擬人對句子的理解，達(dá)到識別詞的效果。 其基本思想就是在分詞的同時進(jìn)行句法、語義分析，利用句法信息和語義信息來處理歧義 現(xiàn)象。它通常包括Ξ個部分：分詞子系統(tǒng)、句法語義子系統(tǒng)、總控部分。在總控部分的協(xié)調(diào) 下，分詞子系統(tǒng)可W獲得有關(guān)詞、句子等的句法和語義信息來對分詞歧義進(jìn)行判斷，即它模 擬了人對句子的理解過程。運(yùn)種分詞方法需要使用大量的語言知識和信息。
[0185] 4、基于統(tǒng)計(jì)的分詞方法：是指，中文信息中由于字與字相鄰共現(xiàn)的頻率或概率能 夠較好的反映成詞的可信度，所W可W對語料中相鄰共現(xiàn)的各個字的組合的頻度進(jìn)行統(tǒng) 計(jì)，計(jì)算它們的互現(xiàn)信息，W及計(jì)算兩個漢字Χ、γ的相鄰共現(xiàn)概率。互現(xiàn)信息可W體現(xiàn)漢字 之間結(jié)合關(guān)系的緊密程度。當(dāng)緊密程度高于某一個闊值時，便可認(rèn)為此字組可能構(gòu)成了一 個詞。 陽186]例如，對于上述興趣點(diǎn)名稱，可W切分如下分詞： 陽187]
[0189] 當(dāng)?shù)谝辉~頻最少時，其包含的信息量一般最大，則可W將同一個興趣點(diǎn)名稱中第 一詞頻最低的X個分詞，作為興趣點(diǎn)名稱的關(guān)鍵詞，其中，X為正整數(shù)。 陽190] 例如，對于上述興趣點(diǎn)名稱，可W提取如下關(guān)鍵詞：
[0191]
陽19引其中，"企業(yè)"、"公司"、"分公司"等詞的第一詞頻較高，包含的信息量較少，僅表示 企業(yè)/公司身份，指向性不明確，不適宜作為關(guān)鍵詞平安"等詞的第一詞頻較較低，包含的 信息量較多，即常用的企業(yè)縮寫名稱，適宜作為關(guān)鍵詞。 陽19引需要說明的是，可W預(yù)先獲取全國的省、市、縣（區(qū)）、鄉(xiāng)鎮(zhèn)、道路等地址數(shù)據(jù)，創(chuàng)建 一個地址數(shù)據(jù)庫。
[0194] 當(dāng)分詞與預(yù)設(shè)的地址數(shù)據(jù)匹配時，例如"中國"、"愉林"等等，為無效的關(guān)鍵詞，可 W移除該分詞。 陽1巧]子步驟S222,依據(jù)所述關(guān)鍵詞從所述興趣點(diǎn)名稱中識別錯誤的第二目標(biāo)興趣點(diǎn)名 稱。
[0196] 在具體實(shí)現(xiàn)中，可W計(jì)算關(guān)鍵詞在興趣點(diǎn)名稱集合中的第二詞頻，將第二詞頻最 低的Z個關(guān)鍵詞所屬的興趣點(diǎn)名稱作確定為正確的目標(biāo)興趣點(diǎn)名稱，其中，Z為正整數(shù)。
[0197] 例如，對于上述興趣點(diǎn)名稱的關(guān)鍵詞，"世界"的第二詞頻為1，"平安"的第二詞頻 為3,"世界"的第二詞頻較低，可W確認(rèn)其所屬的"世界500強(qiáng)企業(yè)"為錯誤的第二目標(biāo)興 趣點(diǎn)名稱。
[0198] 子步驟S23,確定所述第二目標(biāo)興趣點(diǎn)名稱所屬的興趣點(diǎn)數(shù)據(jù)為錯誤的第二目標(biāo) 興趣點(diǎn)數(shù)據(jù)。
[0199] 當(dāng)P0I的名稱錯誤時，可W確認(rèn)該P(yáng)0I為錯誤的P0I。 陽200] 步驟203,統(tǒng)計(jì)歸屬同一個網(wǎng)站的第二目標(biāo)興趣點(diǎn)數(shù)據(jù)的第二數(shù)量； 陽201] 在實(shí)際應(yīng)用中，可W查找第二目標(biāo)興趣點(diǎn)數(shù)據(jù)對應(yīng)的U化，當(dāng)所述第二目標(biāo)興趣點(diǎn) 數(shù)據(jù)對應(yīng)的URL屬于同一個網(wǎng)站的域名時，統(tǒng)計(jì)第二目標(biāo)興趣點(diǎn)數(shù)據(jù)的第二數(shù)量。 陽202] 例如，對于上述興趣點(diǎn)數(shù)據(jù)的示例，"世界500強(qiáng)企業(yè)"、"中國平安保險(xiǎn)公司"、"中 國平安愉林分公司"的U化屬于同一個網(wǎng)站的域名"***A"，即運(yùn)些興趣點(diǎn)名稱屬于同一個 網(wǎng)站，運(yùn)個網(wǎng)站的第二目標(biāo)興趣點(diǎn)數(shù)據(jù)的第一數(shù)量為1。 陽203] 步驟204,根據(jù)所述第二數(shù)量確定所述網(wǎng)站中興趣點(diǎn)數(shù)據(jù)的置信度。 陽204] 在具體實(shí)現(xiàn)中，可W依據(jù)第二數(shù)量計(jì)算錯誤率，即二而數(shù)量與總數(shù)量的比值，如上 述域名為的網(wǎng)站的錯誤率為33. 33%。 陽205] 按照正確率確定網(wǎng)站中興趣點(diǎn)數(shù)據(jù)的置信度，此時，置信度表征不可信度。 陽206] 在一個示例中，可W直接將正確率賦值給置信度； 陽207] 在另一個示例中，可W針對不同時間段的錯誤率配置權(quán)重，該權(quán)重按照時間衰減， 將配置權(quán)重的錯誤率按照求和等方式計(jì)算置信度。 陽20引當(dāng)然，上述置信度的計(jì)算方式只是作為示例，在實(shí)施本發(fā)明實(shí)施例時，可W根據(jù)實(shí) 際情況設(shè)置其他置信度的計(jì)算方式，本發(fā)明實(shí)施例對此不加W限制。另外，除了上述置信度 的計(jì)算方式外，本領(lǐng)域技術(shù)人員還可W根據(jù)實(shí)際需要采用其它置信度的計(jì)算方式，本發(fā)明 實(shí)施例對此也不加W限制。 陽209] 當(dāng)置信度低于預(yù)設(shè)的第二闊值時，表明該網(wǎng)站的P0I來源是不可信的，禁止從該 網(wǎng)站的網(wǎng)頁提取興趣點(diǎn)數(shù)據(jù)。
[0210] 本發(fā)明實(shí)施例從網(wǎng)頁提取中的興趣點(diǎn)數(shù)據(jù)中識別錯誤的第二目標(biāo)興趣點(diǎn)數(shù)據(jù)，并 統(tǒng)計(jì)歸屬同一個網(wǎng)站的第二目標(biāo)興趣點(diǎn)數(shù)據(jù)的第二數(shù)量確定網(wǎng)站中興趣點(diǎn)數(shù)據(jù)的置信度， 從而在后續(xù)的操作中剔除運(yùn)些錯誤的P0I數(shù)據(jù)，降低了操作的錯誤率，減少了資源浪費(fèi)。 陽211] 進(jìn)而，根據(jù)置信度禁止從運(yùn)些不可信的P0I數(shù)據(jù)來源抓取P0I數(shù)據(jù)，抓取到的P0I 數(shù)據(jù)的正確性高，減少了計(jì)算機(jī)的系統(tǒng)資源和帶寬資源的浪費(fèi)，提高了P0I數(shù)據(jù)抓取效率。 [0212] 參照圖3,示出了根據(jù)本發(fā)明一個實(shí)施例的一種網(wǎng)站中興趣點(diǎn)數(shù)據(jù)的置信度方法 實(shí)施例3的步驟流程圖，具體可W包括如下步驟： 陽213] 步驟301，在網(wǎng)頁中提取興趣點(diǎn)數(shù)據(jù)；
[0214] 步驟302,從所述興趣點(diǎn)數(shù)據(jù)中識別正確的第一目標(biāo)興趣點(diǎn)數(shù)據(jù)和錯誤的第二目 標(biāo)興趣點(diǎn)數(shù)據(jù)；
[0215] 步驟303,統(tǒng)計(jì)歸屬同一個網(wǎng)站的第一目標(biāo)興趣點(diǎn)數(shù)據(jù)的第一數(shù)量和第二目標(biāo)興 趣點(diǎn)數(shù)據(jù)的第二數(shù)量；
[0216] 步驟304,根據(jù)所述第一數(shù)量和所述第二數(shù)量確定所述網(wǎng)站中興趣點(diǎn)數(shù)據(jù)的置信 度。
[0217] 在本發(fā)明的一個可選實(shí)施例中，該方法還可W包括如下步驟：
[0218] 步驟305,當(dāng)所述置信度高于預(yù)設(shè)的第一闊值時，允許從所述網(wǎng)站的網(wǎng)頁提取興趣 點(diǎn)數(shù)據(jù)；
[0219] 步驟306,當(dāng)所述置信度低于預(yù)設(shè)的第二闊值時，禁止從所述網(wǎng)站的網(wǎng)頁提取興趣 點(diǎn)數(shù)據(jù)。
[0220] 在本發(fā)明的一個可選實(shí)施例中，步驟301可W包括如下子步驟： 陽221] 子步驟S31，查找針對網(wǎng)頁配置的模板； 陽222] 子步驟S32,在所述網(wǎng)頁中，依據(jù)所述模板指示的位置提取興趣點(diǎn)數(shù)據(jù)。 陽223] 在本發(fā)明的一個可選實(shí)施例中，所述興趣點(diǎn)數(shù)據(jù)包括興趣點(diǎn)名稱；步驟302可W 包括如下子步驟：
[0224] 子步驟S41，將標(biāo)識同一對象的興趣點(diǎn)名稱設(shè)置為興趣點(diǎn)名稱集合；
[0225] 子步驟S42,從所述興趣點(diǎn)名稱集合中識別正確的第一目標(biāo)興趣點(diǎn)名稱和錯誤的 第二目標(biāo)興趣點(diǎn)名稱； 陽226] 子步驟S43,確定所述第一目標(biāo)興趣點(diǎn)名稱所屬的興趣點(diǎn)數(shù)據(jù)為正確的第一目標(biāo) 興趣點(diǎn)數(shù)據(jù)； 陽227] 子步驟S44,確定所述第二目標(biāo)興趣點(diǎn)名稱所屬的興趣點(diǎn)數(shù)據(jù)為錯誤的第二目標(biāo) 興趣點(diǎn)數(shù)據(jù)。 陽22引在本發(fā)明的一個可選實(shí)施例中，所述興趣點(diǎn)數(shù)據(jù)包括興趣點(diǎn)地址；子步驟S41進(jìn) 一步可W包括如下子步驟：
[0229] 子步驟S411，判斷所述興趣點(diǎn)地址是否相同或相似；若是，則執(zhí)行子步驟S412 ;
[0230] 子步驟S412,將所述興趣點(diǎn)地址關(guān)聯(lián)的興趣點(diǎn)名稱設(shè)置為興趣點(diǎn)名稱集合。 陽231] 在本發(fā)明的一個可選實(shí)施例中，子步驟S42進(jìn)一步可W包括如下子步驟： 陽232] 子步驟S421，在所述興趣點(diǎn)名稱集合中的興趣點(diǎn)名稱選取關(guān)鍵詞； 陽233] 子步驟S422,依據(jù)所述關(guān)鍵詞從所述興趣點(diǎn)名稱中識別正確的第一目標(biāo)興趣點(diǎn)名 稱和錯誤的第二目標(biāo)興趣點(diǎn)名稱。
[0234] 在本發(fā)明的一個可選實(shí)施例中，子步驟S421進(jìn)一步可W包括如下子步驟：
[0235] 子步驟S4211，對所述興趣點(diǎn)名稱集合中的興趣點(diǎn)名稱進(jìn)行分詞處理，獲得一個或