论文部分内容阅读
摘要：随着智能移动设备的普及，地理信息数据的应用更加广泛，整合多源的数据，才能更好的使用。该文采集了源自社交网络的地理信息数据，并使用距离和名称两种匹配方法，将数据整合。
关键词： POI；地理信息；社交网络
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）21-0203-01
随着移动设备的不断普及，地理信息（POI）数据的用处已经越来越广泛。任何移动设备应用，很多需要位置信息匹配周边环境。因此，POI数据拥有广泛的应用空间，本文将不同源的POI数据整合。一般的POI数据，有POI名称、纬度、经度、、地址、分类、邮编、联系电话、网址、营业时间等。
1 POI数据采集
本文选择的POI数据源是Facebook和Foursquare的。其中Facebook作为主要数据来源，利用Facebook提供的API和FQL，就可以获取所需要的POI数据。
1.1 Facebook的Graph API和FQL
Facebook的Graph API是获取其网站数据的主要方式。它是一个基于HTTP的简单API，可以用来查询数据，发布信息，上传照片和各种应用程序可能需要执行的其他任务。Graph API由以下内容组成：
·Nodes（比如一个用户，一个图片，一个页面，评论）
·Edges（Nodes之间的联系，如页面的照片或照片的评论）
·Fields（Nodes的信息，如用户的生日，或者页面的名称）。
所有的请求都会被送往graph.facebook.com。每个节点都有唯一的ID以便API访问，同时还可以访问属于节点的联系。
FQL是Facebook的查询语言，开发人员可以使用SQL风格来查询的GraphAPI的数据。与SQL有所区别的是，FQL的FROM子句中只能包含一个表。
1.2 Foursquare的API
Foursquare的API使用URL访问相应的资源。其许开发者在数据库中查找包括提示、照片、签入计数等各种信息，还可以搜索某个固定位置附近的点及周边推荐。
Foursquare的另一个特点，是可以直接使用自然语言的方式，搜索某个类型的地点（如果数据库当中存在的话），并且添加各类变量。
2 POI数据的整合
从社交网络获取数据后，还需要预先处理，预处理的目的如下：
1）验证POI数据集
核查是重要原因所有的POI数据是用户生成的，需要了解POI数据的有效与否。
2）匹配并去除冗余
对于冗余数据导致不可靠的和不必要的数据POI数据，需要加以处理。
3）全局了解POI数据集
需要建立相结合的POI数据，但是，哪些类别是有用的，哪些是没有用的。系统采用的技术方案分为以下几个步骤：
对于起初的POI数据匹配，首先将不同来源的数据抓取到数据库暂存，因为API的关系，可以确定这些数据的字段，并且可以直接存入数据库。
此后，将某一个源的数据作为蓝本，通常使用数据量更大的，这样可以减轻匹配的工作量，这里假设以Foursquare数据作为蓝本，则需要对每一条新的Facebook数据，采取以下两种算法进行匹配，从而决定其是否为冗余数据，架构如图1所示。
在此基础上两个标准，建立一个基于距离和名称的标准来判定这两条数据是否匹配。POI数据匹配的算法如下：
1）用Facebook POI数据与Foursquare的数据进行比对；
2）如果多个结果产生：
A. 检查POI位置之间的距离，并找到最近的POI
B. 最近的POI后，选择比较之间的两个POI数据的名称
C. 如果匹配FOUND选择匹配的数据集D中的POI和存储。
D. 否则选择下一个最近的POI并转到步骤B。
距离匹配：
不同源的社交网络产生相同POI数据非常常见，因此选择一定的阈值范围作为基准，然后计算该范围内的POI与当前POI数据之间的欧几里得距离。步骤如下，采取Foursquare数据作为基准，从Facebook数据查询的POI，找到所有最近的POI数据，并计算它们之间的距离。检查POI数据之间的最短距离。当你有两个POI显示相同的位置，如果两者完全在同一位置，则可以确定是同一个数据，如果不是，则再使用名称匹配。
名称匹配：
使用该POI的名称来匹配是匹配算法的第二个步骤。两个源的不同数据，必然导致POI的名称有很多变化。为了匹配，使用以下两个方式来精确匹配：
1）标准子串匹配（LCS）
2）Levenshtein距离
在相关技术中的讨论，Levenshtein距离是测量两个序列之间的差异的字符串。通俗的说，就是改变一个字成其他字所需的单字符编辑操作（即插入，删除或替换）的最小数量。标准的子字符串匹配是常见的算法，将名字划分程子串与字符串源的每一个部分匹配。
3 结论
通过以上这些技术，实现了对源于社交网络的地理信息的初步整合。不过，还有一些可以完善和改进的地方，特别是对于大量的冗余的处理。这就有待进一步的研究来实现了。
参考文献：
[1] "Grphapi developers documentation，" ，Facebook Inc.， https：//developers.facebook.com/docs/graph-api， 2016-04-10.
[2] "Documentation of Foursquare API，" ，Foursquare， https：//developer.foursquare.com/..2016-04-10.
[3] Navarro G. A guided tour to approximate string matching. ACM computing surveys （CSUR）， 2001，33（1）：31-88.
关键词： POI；地理信息；社交网络
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）21-0203-01
随着移动设备的不断普及，地理信息（POI）数据的用处已经越来越广泛。任何移动设备应用，很多需要位置信息匹配周边环境。因此，POI数据拥有广泛的应用空间，本文将不同源的POI数据整合。一般的POI数据，有POI名称、纬度、经度、、地址、分类、邮编、联系电话、网址、营业时间等。
1 POI数据采集
本文选择的POI数据源是Facebook和Foursquare的。其中Facebook作为主要数据来源，利用Facebook提供的API和FQL，就可以获取所需要的POI数据。
1.1 Facebook的Graph API和FQL
Facebook的Graph API是获取其网站数据的主要方式。它是一个基于HTTP的简单API，可以用来查询数据，发布信息，上传照片和各种应用程序可能需要执行的其他任务。Graph API由以下内容组成：
·Nodes（比如一个用户，一个图片，一个页面，评论）
·Edges（Nodes之间的联系，如页面的照片或照片的评论）
·Fields（Nodes的信息，如用户的生日，或者页面的名称）。
所有的请求都会被送往graph.facebook.com。每个节点都有唯一的ID以便API访问，同时还可以访问属于节点的联系。
FQL是Facebook的查询语言，开发人员可以使用SQL风格来查询的GraphAPI的数据。与SQL有所区别的是，FQL的FROM子句中只能包含一个表。
1.2 Foursquare的API
Foursquare的API使用URL访问相应的资源。其许开发者在数据库中查找包括提示、照片、签入计数等各种信息，还可以搜索某个固定位置附近的点及周边推荐。
Foursquare的另一个特点，是可以直接使用自然语言的方式，搜索某个类型的地点（如果数据库当中存在的话），并且添加各类变量。
2 POI数据的整合
从社交网络获取数据后，还需要预先处理，预处理的目的如下：
1）验证POI数据集
核查是重要原因所有的POI数据是用户生成的，需要了解POI数据的有效与否。
2）匹配并去除冗余
对于冗余数据导致不可靠的和不必要的数据POI数据，需要加以处理。
3）全局了解POI数据集
需要建立相结合的POI数据，但是，哪些类别是有用的，哪些是没有用的。系统采用的技术方案分为以下几个步骤：
对于起初的POI数据匹配，首先将不同来源的数据抓取到数据库暂存，因为API的关系，可以确定这些数据的字段，并且可以直接存入数据库。
此后，将某一个源的数据作为蓝本，通常使用数据量更大的，这样可以减轻匹配的工作量，这里假设以Foursquare数据作为蓝本，则需要对每一条新的Facebook数据，采取以下两种算法进行匹配，从而决定其是否为冗余数据，架构如图1所示。
在此基础上两个标准，建立一个基于距离和名称的标准来判定这两条数据是否匹配。POI数据匹配的算法如下：
1）用Facebook POI数据与Foursquare的数据进行比对；
2）如果多个结果产生：
A. 检查POI位置之间的距离，并找到最近的POI
B. 最近的POI后，选择比较之间的两个POI数据的名称
C. 如果匹配FOUND选择匹配的数据集D中的POI和存储。
D. 否则选择下一个最近的POI并转到步骤B。
距离匹配：
不同源的社交网络产生相同POI数据非常常见，因此选择一定的阈值范围作为基准，然后计算该范围内的POI与当前POI数据之间的欧几里得距离。步骤如下，采取Foursquare数据作为基准，从Facebook数据查询的POI，找到所有最近的POI数据，并计算它们之间的距离。检查POI数据之间的最短距离。当你有两个POI显示相同的位置，如果两者完全在同一位置，则可以确定是同一个数据，如果不是，则再使用名称匹配。
名称匹配：
使用该POI的名称来匹配是匹配算法的第二个步骤。两个源的不同数据，必然导致POI的名称有很多变化。为了匹配，使用以下两个方式来精确匹配：
1）标准子串匹配（LCS）
2）Levenshtein距离
在相关技术中的讨论，Levenshtein距离是测量两个序列之间的差异的字符串。通俗的说，就是改变一个字成其他字所需的单字符编辑操作（即插入，删除或替换）的最小数量。标准的子字符串匹配是常见的算法，将名字划分程子串与字符串源的每一个部分匹配。
3 结论
通过以上这些技术，实现了对源于社交网络的地理信息的初步整合。不过，还有一些可以完善和改进的地方，特别是对于大量的冗余的处理。这就有待进一步的研究来实现了。
参考文献：
[1] "Grphapi developers documentation，" ，Facebook Inc.， https：//developers.facebook.com/docs/graph-api， 2016-04-10.
[2] "Documentation of Foursquare API，" ，Foursquare， https：//developer.foursquare.com/..2016-04-10.
[3] Navarro G. A guided tour to approximate string matching. ACM computing surveys （CSUR）， 2001，33（1）：31-88.