НЕДЕТЕРМИНИРОВАННОЕ РАЗРЕШЕНИЕ НЕОДНОЗНАЧНОСТИ И СОПОСТАВЛЕНИЕ ДАННЫХ МЕСТА КОММЕРЧЕСКОГО ПРЕДПРИЯТИЯ Российский патент 2016 года по МПК G01C21/26 

Описание патента на изобретение RU2598165C1

ПЕРЕКРЕСТНАЯ ССЫЛКА НА РОДСТВЕННЫЕ ЗАЯВКИ

[0001] Настоящая заявка испрашивает приоритет предварительной заявки на патент США № 61/792,762, поданной 15 марта 2013 года, содержание которой включено в настоящий документ по ссылке.

УРОВЕНЬ ТЕХНИКИ ИЗОБРЕТЕНИЯ

1. Область техники изобретения

[0002] Настоящее изобретение имеет отношение к созданию новых методик на основе адреса, также называемых возможностями, идентификации коммерческих предприятий для задания привязки коммерческих предприятий к физическому месту с использованием способов, которые находятся вне стандартных связанных с адресом возможностей. В этом случае термин "методика" относится к способу, посредством которого адреса, заданные по-разному, например улица и номер дома, координаты широты/долготы или название здания, могут быть привязаны к одному и тому же физическому месту или местоположению. Эта возможность может быть использована в ответ на запрос, инициируемый конечным пользователем, системой, приложением или любым другим способом, предназначенный для идентификации коммерческих предприятий с использованием информации адреса, которая состоит из одного из более полей данных, например названия улицы и номера дома, в качестве атрибутов запроса. Эта возможность может быть выполнена с использованием разных недетерминированных подходов, включающих в себя разрешение геопространственной неоднозначности на основе диапазонов, названий и многоугольников в качестве примеров. В этом контексте термин "недетерминированный" означает, что способ, посредством которого адреса будут заданы в запросе, в том числе использование нескольких способов, использующих разные компоненты данных, называемые гибкими альтернативными признаками, и подход, посредством которого они будут привязаны к физическим местам, не являются предопределенными и ограниченными. Результат обработки такого запроса включает в себя обратную связь, которая отражает выведенное качество, методику сопоставления и другие атрибуты, чтобы определить привязку коммерческих предприятий к адресу запроса и соответствующему физическому месту.

[0003] Пример этой возможности состоит в том, чтобы дать возможность привязки коммерческого предприятия к месту, которое отличается от физического местоположения и адреса коммерческого предприятия, например (a) коммерческое предприятие в торговом центре, что может рассматриваться как горизонтальное физическое местоположение, (b) коммерческое предприятие в многоэтажном офисном здании, что может рассматриваться как вертикальное физическое местоположение, или (c) коммерческое предприятие, которое привязано к области на основе внешней границы, например к конкретному налогооблагаемому участку.

2. Описание предшествующего уровня техники

[0004] Подходы, описанные в этом разделе, являются подходами, которым могли следовать, но не обязательно подходами, которые ранее предлагались или которым следовали. Таким образом, если не указано иначе, эти подходы могут не представлять собой предшествующий уровень техники для формулы изобретения в этом приложении и не признаются как представляющие собой предшествующий уровень техники посредством включения в этот раздел.

[0005] Возможности эффективного доступа и поиска в базе данных важны для продуктивного использования данных, которые сохраняются в справочных базах данных. Крайне важной для этой цели является способность обеспечения эффективного извлечения результата сопоставления, т.е. результата сопоставления справочных данных с запросом, который включает в себя признак места, чтобы идентифицировать и выбрать результаты сопоставления эффективным и продуктивным образом и обеспечить обратную связь, которая может использоваться для принятия решений относительно использования результатов сопоставления.

[0006] Заданная для идентификации коммерческого предприятия в географическом месте существующая технология рассматривает заданное и конечное количество полей данных, например зарегистрированный, опубликованный или иным образом привязанный физический "адрес (улица и номер дома)" коммерческого предприятия. Существующая технология обычно основывается на предположениях, что a) адреса коммерческих предприятий, т.е. информация места, будут представлены на основе систематического подхода и b), что методологии извлечения для конкретного представления места, такого как единственный адрес для здания с несколькими арендаторами, будут обязательно ограничены извлечением тех кандидатур, которые имеют общее упомянутое выше представление географического места. В качестве примера эта существующая технология в целом основана на эвристических сравнениях "номера дома + названия улицы + города", которые дают в результате мнения о точности на основе (a) подобия символов между запросом и кандидатурой, (b) количества сопоставленных символов или другой общей информации о корреляции после учета предопределенных орфографических вариаций, таких как несколько способов написания конкретного слова по буквам, в том числе использование расстановки переносов, прописных букв, разрывов слов, пунктуации, известных сокращений и синонимов, или (c) других подходов, используемых для сравнения компонентов данных. В результате эта существующая технология может не привести к удовлетворительному результату, когда место может быть описано по-разному, например, когда одно местоположение может иметь несколько адресов.

[0007] В качестве другого примера, существующая технология может использовать широту и долготу, чтобы привязать различные адреса к одному и тому же физическому месту. Это может не привести к удовлетворительному результату, когда место распределено по широкой географической области, например торговому центру, и использование широты/долготы в качестве идентификатора может привязать неправильные объекты, которые не привязаны к торговому центру, но находятся в той же самой географической области.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

[0008] Имеется потребность улучшить существующие системы и способы поиска и сопоставления, включающие в себя (1) процесс, посредством которого обрабатывается запрос, чтобы выбирать и синтезировать признак запроса для максимизации возможности идентификации удовлетворительных кандидатур, (2) процесс, посредством которого осуществляют доступ, оценивают и используют справочные данные, сохраняемые в базе данных или множестве баз данных, чтобы идентифицировать потенциальные сопоставления для запроса, (3) процесс, посредством которого кандидатуры оцениваются, выбираются и располагаются по приоритетам, и (4) процесс, посредством которого результат сопоставления и данные относительно применения сопоставления предоставляются запрашивающему лицу или запрашивающей системе, в том числе индикаторы уверенности, которые описывают относительную надежность сопоставления относительно запроса, и атрибуты для указания обратной связи для данных, использованных для заполнения сопоставления.

[0009] Чтобы удовлетворить эти потребности, обеспечен способ, который включает в себя (a) прием данных, которые описывают местоположение, (b) выведение с помощью экстраполяции на основании данных адреса, привязанного к местоположению, (c) идентификацию сегмента пути сообщения, который включает в себя адрес, (d) задание многоугольника, который имеет внешнюю границу, который охватывает географическую область, находящуюся вблизи сегмента, (e) получение географических координат точки в пределах многоугольника, (f) идентификацию адреса в географических координатах и (g) идентификацию объекта, который привязан к адресу в географических координатах. Также обеспечена система, которая выполняет способ, и устройство хранения, содержащее команды, которые управляют процессором для выполнения способа.

[0010] Настоящее раскрытие представляет собой отступление от предшествующего уровня техники, заключающееся в том, что цель раскрытого здесь процесса состоит в идентификации тех коммерческих предприятий, которые имеют в качестве атрибута место запроса, такая идентификация основана на таких значениях, как диапазон, название и разрешение геопространственной неоднозначности на основе многоугольников, и гибкие, альтернативные признаки, причем входящие данные запроса являются описанием предполагаемого адреса ("места") объекта, в котором расположены одно или более коммерческих предприятий.

[0011] Настоящий документ раскрывает автоматизированную систему и способ для дифференциации среди машинных сопоставлений, т.е. сопоставление справочных данных с запросом без вмешательства человека, и тем самым обеспечения непротиворечивости и масштабируемости, позволяя людям сосредоточиться на ситуациях, в которых требуются понимание или дополнительное исследование, чтобы осуществить соответствующее планирование и управление данными. Термин "масштабируемость" означает, что этот подход не ограничен конкретной технологией для технического решения.

[0012] Описанные здесь методики включают в себя возможности, которые не рассматриваются посредством предшествующего уровня техники. В частности, описанные здесь методики обеспечивают гибкость доступа, сохранения и использовании ценных, предсказуемых элементов данных или других полученных признаков, привязанных к географическому месту, и которые ранее были проверены и объединены в базы данных мест и специфических для мест характеристик, признаков или маркеров для использования посредством процесса сопоставления. Описанные здесь методики позволяют определить такую гибкость, когда элементы данных сделаны доступными для базы данных в отношении относительного значения этих данных и того, каким образом эти данные будут использоваться посредством применения сопоставления при идентификации сопоставлений и связанных атрибутов, которые могут использоваться конечным пользователем для принятия решения относительно использования этих данных и полученных признаков.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0013] Фиг. 1А и 1B, вместе, являются блок-схемой последовательности операций способа, который извлекает объекты, привязанные к географическому месту.

[0014] Фиг. 2 является блок-схемой системы, которая использует описанные здесь способы.

ОПИСАНИЕ ИЗОБРЕТЕНИЯ

[0015] В следующих нескольких абзацах имеются определения нескольких использованных здесь терминов.

[0016] Место является физическим местоположением, которое может включать в себя несколько адресов, описанных различным образом, и которое может включать в себя адреса, привязанные к объекту, такому как коммерческое предприятие или жилой дом, адреса, на которых нет каких-либо физических зданий или действующих коммерческих предприятий, или комбинации физических местоположений.

[0017] Диапазон является способом привязки адресов на основе географического расстояния между физическими адресами, например: "123-131 Main Street".

[0018] Название является способом идентификации места коммерческого предприятия помимо стандартного адреса, например, по названию здания, например: "1 New York Plaza" или "The Mall at Short Hills".

[0019] Разрешение геопространственной неоднозначности на основе многоугольников является способом определения географической близости между несколькими адресами с использованием математических формул и алгоритмов. Это основополагающая идея географических информационных систем (GIS), таких как система глобального позиционирования (GPS).

[0020] Область на основе внешней границы, которая также может упоминаться как сегментация, является подходом для привязки разных адресов к общему идентификатору места, например микрорайон или деловой комплекс с несколькими коммерческими предприятиями, зданиями, налогооблагаемыми участками, открытыми территориями или другими подобными элементами.

[0021] Методика идентификации является способом определения степени подобия между двумя разными значениями, например между адресом запроса на основе названия улицы и номера дома, и адресом, который имеет конкретную широту и долготу. Она включает в себя как сами значения данных, так и метаданные относительно этих значений. Пример метаданных, которые являются описательными данными о данных, в этом случае указывает, что название и номер в запросе представляют собой улицу и номер дома.

[0022] Методика сопоставления относится к различным процессам, которые могут быть исполнены для использования данных из запроса, чтобы идентифицировать данные из базы данных или другого источника с использованием процессов, которые знакомы специалистам в области техники. Она может включать в себя "сопоставление", "поиск", "просмотр" или другие процессы, которые привязывают запрос к базе данных или другому источнику.

[0023] Признак является общим термином, который относится к данным. Альтернативные признаки являются разными данными, которые могут использоваться, чтобы идентифицировать характеристику, например "область" может использоваться в качестве альтернативного значения для "штата". Полученный признак является информацией, которая может быть вычислена или выведена из других данных, например широта и долгота могут быть получены на основании улицы и номера дома, города и штата.

[0024] Гибкий означает, что тип признака, который используется, чтобы идентифицировать характеристики объекта, или запроса для объектов, может отличаться для разных запросов или объектов.

[0025] Обратная связь является информацией о результатах применения сопоставления, таких как выведенное качество и результат этого применения. Эта обратная связь может использоваться, чтобы дать конечному пользователю возможность принимать решения относительно потребления результатов применения.

[0026] Справочные базы данных являются хранилищами данных, которые соответствуют основанным на качестве критериям относительно данных, например, целостности, полноты, точности и своевременности данных. Термин "справочная база данных" может относиться к одному или более таких хранилищ.

[0027] Стратегия является подходом для принятия запроса, использования данных запроса, чтобы идентифицировать кандидатуры из опорной базы данных, и обеспечения кандидатур из этой справочной базы данных, которые могут быть приемлемы для конечного пользователя.

[0028] Используемое здесь понятие "коммерческое предприятие" является иллюстративным примером типа объекта в месте. Однако настоящее раскрытие не ограничено типами объектов, которые могут представлять интерес конечному пользователю; другие примеры включают в себя жилые помещения, налогооблагаемые участки и открытые территории без какой-либо застройки.

[0029] Описанная здесь система (a) принимает запрос, чтобы инициировать поиск объекта, привязанного к конкретному географическому месту, (b) использует запрос, чтобы определить стратегию исполнения поиска, (c) идентифицирует потенциальные объекты, привязанные к географическому месту и (d) выдает объекты и соответствующую информацию относительно процесса, в том числе степень подобия и качество кандидатур по отношению к запросу.

[0030] Описанные здесь примеры предполагают запрос, который включает в себя данные как названия, так и адреса объекта. Это является иллюстративным; эта возможность может использоваться для обработки запроса, который включает в себя только адрес, чтобы идентифицировать другие адреса, привязанные к адресу запроса, или объекты с адресами запроса и с другими адресами, которые привязаны к адресу запроса. Таким образом, запрос может включать в себя название и адрес, чтобы найти конкретное коммерческое предприятие, или только адрес, чтобы найти несколько коммерческих предприятий с этим адресом.

[0031] Фиг. 1А и 1B вместе являются блок-схемой последовательности операций способа 100, который извлекает объекты, привязанные к географическому месту. Фиг. 1А соединена с фиг. 1B посредством коннектора, помеченного как "1А".

[0032] Вкратце, способ 100 принимает запрос 110 от пользователя 101 и исполняет процессы 120, 130 и 140, чтобы извлечь, сформировать, распознать и классифицировать места и соответствующие объекты, которые затем предоставляются для извлечения кандидатур с использованием процессов 150, 160, 170 и 180. Это множество процессов может извлечь несколько записей сопоставления, которые затем будут очищены от дублирования и уточнены в процессе 181 и затем качественно оценены, как объективно, так и между собой, в процессах 193 и 194. Выходная информация, т.е. результат 196 формируется и возвращается пользователю 101 в процессе 195.

[0033] Процесс 100 использует правила 135 обработки, таблицу 137 атрибутов географического объекта, правила 145 выявления, справочную базу 155 данных сегментов, справочную базу 165 данных географических координат, справочную базу 185 данных коммерческих предприятий, список 189 кандидатур, правила 190 оценки, правила 191 ранжирования и правила 192 принятия решений.

[0034] Таблица 137 атрибутов географического объекта является таблицей распознаваемых атрибутов, т.е. полей данных, которые могут быть привязаны к данным, которые могут идентифицировать географическое место.

[0035] Правила 145 выявления включают в себя логическую схему, которая используется, чтобы задать конкретные практически возможные адреса на основе входного значения, например в США адреса на одной стороне улицы все являются нечетными или четными номерами.

[0036] Справочная база 155 данных сегментов включает в себя информацию, относящуюся к конкретному месту, например, чтобы идентифицировать непрерывный участок дороги или другой путь сообщения между значимыми ориентирами, такими как пересечения улиц.

[0037] Справочная база 165 данных географических координат включает в себя геопространственную информацию, выраженную как географические координаты, например широта и долгота, для конкретных адресов.

[0038] Справочная база 185 данных коммерческих предприятий является списком коммерческих предприятий, которые привязаны к конкретным адресам.

[0039] Список 189 кандидатур включает в себя список коммерческих предприятий из справочной базы 185 данных коммерческих предприятий, которые физически расположены по адресам и в местах, которые идентифицированы из справочной базы 165 данных географических координат.

[0040] Правила 190 оценки включают в себя правила, которые используются для присвоения качественной оценки каждому элементу в списке 189 кандидатур на основе их подобия запросу 110.

[0041] Правила 191 ранжирования включает в себя правила, которые определяют, каким образом элементы в списке 189 кандидатур ранжируются на основе оценок, которые получены с использованием правил 190 оценки.

[0042] Правила 192 принятия решений включают в себя правила, которые определяют, какие элементы из списка 189 кандидатур должны быть представлены пользователю, на основе ранжирования, полученного на основании правил 191 ранжирования.

[0043] Запрос 110 является запросом, который инициирует поиск информации о конкретном месте. Поиск будет основан на признаках, которые включены в запрос 110. Запрос 110 включает в себя множество элементов данных, которые в свою очередь включают в себя конкретную информацию относительно места в виде полей данных, которые являются всеми полями данных или подмножеством полей данных, которые запрошены от конечного пользователя посредством системы или приложения, которые взаимодействуют через интерфейс с процессом 100, и также могут потенциально включать в себя дополнительные и фактически неограниченные признаки относительно места. Запрос 110 может быть предоставлен способу 100 пользователем 101, т.е. человеком или автоматизированным процессом, например получен из файлов, предоставленных с использованием пакетных машинных возможностей, или из отдельного запроса, обработанного с использованием онлайновых экранов ввода данных. Запрос 100 включает в себя признак запроса, который может состоять из одного или более элементов данных, например признаки запроса могут быть выражены как одно объединенное поле из номера дома, названия улицы и города или как отдельные поля данных (1) номера дома, (2) названия улицы и (3) города.

[0044] В качестве примера иллюстративный запрос 110 может включать в себя отдельные поля данных с информацией в таблице 1.

Таблица 1 Признаки запроса ABC Inc 121-131 Main Street
Short Hills
NJ07o78

[0045] Способ 100 начинается с процесса 120.

[0046] Процесс 120 принимает запрос 110, который включает в себя данные, т.е. признак запроса, который описывает местоположение. Процесс 120 структурирует и интерпретирует признак запроса как общепринятый формат, т.е. данные 122.

[0047] В качестве примера данные 122 могут включать в себя информацию в таблице 2.

Таблица 2 Поле Признак запроса Название ABC Inc Улица и номер дома 121-131 Main Street Город Short Hills Штат NJ Почтовый код 07o78

[0048] От процесса 120 способ 100 переходит к процессу 130.

[0049] Процесс 130 анализирует данные 122, чтобы идентифицировать конкретные поля данных, которые привязаны к атрибутам в таблице 137 атрибутов географического объекта, чтобы увеличить возможность идентифицировать сопоставления из справочной базы 185 данных коммерческих предприятий посредством использования этих полей данных отдельно или во множествах. В качестве примера он может отделить номер дома (121-131) от названия улицы (Main Street). В связи с этим процесс 130 извлекает из данных 122 атрибуты, которые относятся к поиску кандидатур, которые подобны запросу, и тем самым в результате получаются значения для атрибутов 132.

[0050] Как упомянуто выше, таблица 137 атрибутов географического объекта является таблицей распознаваемых атрибутов, т.е. полей данных, которые могут быть привязаны к данным, которые могут идентифицировать географическое место. Таблица 137 атрибутов географического объекта включает в себя данные для присвоения прогнозирующего весового коэффициента (K) каждому атрибуту (x) для поддержки вычисления K(x), где K(x) является прогнозирующим весовым коэффициентом элемента x, а также другую информацию, относящуюся к каждому атрибуту.

[0051] В качестве примера таблица 137 атрибутов географического объекта может включить в себя информацию в таблице 3.

Таблица 3 Поле (x) Прогнозирующий весовой коэффициент (K) Название 1 Название улицы 0,7 Номер дома 0,5 Название здания 0,8 Номер апартаментов 0,3 Номер этажа 0,4 Город 0,6 Штат 0,9 Почтовый код 0,5 Страна 1

[0052] В качестве примера атрибуты 132 могут включать в себя информацию в таблице 4.

Таблица 4 Поле Значение Название коммерческого предприятия ABC Inc Название улицы Main Street Номер дома 121-131 Название здания <null> Номер апартаментов <null> Номер этажа <null> Город Short Hills Штат NJ Почтовый код 07o78 Страна USA

[0053] Процесс 130 использует правила 135 обработки для анализа атрибутов 132, которые также могут обеспечить ввод, чтобы сформулировать новые правила коммерческих предприятий и метаданных, которые затем сохраняются в правилах 135 обработки, и будущее выполнение процесса 130 может использовать новые правила обработки.

[0054] Например, правило метаданных может указывать, что для адреса США двухсимвольное поле с двумя прописными буквами является аббревиатурой штата, или что буквенное поле, которое следует за числом, является названием улицы.

[0055] Правила 135 обработки включают в себя автоматизированный и повторимый объект адреса и правила метаданных, основанные на процессах стандартизации и нормализации, которые включают в себя логическую схему разрешения семантической и числовой неоднозначности, чтобы интерпретировать признак запроса для каждого компонента адреса. Пример правил 135 обработки для стандартизации и нормализации может включить в себя информацию в таблице 5.

Таблица 5 Правило обработки Воздействие Штат NJ=New Jersey Адрес Для объектов в США номер дома предшествует названию улицы Взаимоотношение компонентов адреса Название города может являться избыточным в нескольких штатах
Почтовый код является уникальным

[0056] Пример нового правила для правил 135 обработки может включать в себя информацию в таблице 6.

Таблица 6 Новое правило обработки Воздействие Коммерческие предприятия по адресу 125 Main Street Short Hills NJ DEF Corp - новая коммерческая операция для ABC Inc Коммерческие предприятия по адресу 125 Main Street Short Hills NJ ABC Inc сократила свои коммерческие операции Коммерческие предприятия по адресу 125 Main Street Short Hills NJ ABC Inc сдала в аренду неиспользуемые площади другому коммерческому предприятию

[0057] Правила 135 обработки также могут включить в себя информацию для очистки, синтаксического разбора и стандартизации всех компонентов атрибутов 132.

[0058] Очистка включает в себя удаление лишних значений из данных 122, таких как знаки пунктуации и другие формы незначащих символов, например знаки пунктуации в сокращениях названий улиц или запятые и переводы строки или возвраты каретки, используемые в качестве разделителей.

[0059] Пример правила очистки для правил 135 обработки может включать в себя информацию в таблице 7.

Таблица 7 Значение атрибута 123 Очищенное значение 07o78 07078 (заменить 'o' на '0')

[0060] Синтаксический разбор включает в себя разделение данных 122 для увеличения возможности идентифицировать сопоставление и/или привязанные объекты адреса для запроса 110. Он может включать в себя признак запроса синтаксического разбора на отдельные элементы данных, например разбиения адреса на его составные значащие элементы.

[0061] Пример правила синтаксического разбора для правил 135 обработки может включать в себя информацию в таблице 8, которая показывает, каким образом объединенное значение почтового кода и штата разбито на два отдельных значения.

Таблица 8 Значение атрибута 123 Подвергнутое синтаксическому разбору значение NJ07o78 NJ 07078

[0062] Стандартизация включает в себя привязку альтернативных значений к данным 122, чтобы увеличить возможность идентифицировать сопоставления.

[0063] Пример правила стандартизации для правил 135 обработки может включать в себя информацию в таблице 9.

Таблица 9 Значение атрибута 123 Стандартизированное значение NJ New Jersey

[0064] Способ 100 переходит от процесса 130 к процессу 140.

[0065] Процесс 140 использует правила выявления для обработки атрибутов 132 как комбинаций, коллекций и/или отдельных элементов для получения нескольких потенциальных объектов адреса из первоначальных атрибутов 132 запроса, и тем самым в результате получаются выявленные значения 142. Таким образом, процесс 140 выводит на основании атрибутов 132 один или несколько адресов, привязанных к местоположению, представленному в запросе 110. Выводить означает формировать мнение или делать оценку о чем-либо на основе известных фактов. Термин "выводить с помощью экстраполяции " и термин "выявлять" используются здесь взаимозаменяемо. Пример выведенного с помощью экстраполяции адреса представляет собой формирование адреса "123 Main Street" на основе адреса "121-131 Main Street". В этом примере выведение с помощью экстраполяции представляет собой больше, чем извлечение данных из запроса 110, и, например, также может включать в себя дополнительное выведение с помощью экстраполяции адреса "140 Main street", полученное в результате анализа атрибутов 132 посредством процесса 140, даже если адрес "140 Main Street" явно не перечислен в запросе 110 (примером явного перечисления является "131 Main Street") и не подразумевается им как следствие (примером подразумеваемого следствия является "123 Main Street").

[0066] Процесс 140 использует, например, эвристическое основанное на алгоритме вычисление адресов, присущих для улицы и номера дома, который выражен как диапазон и который дает представление относительно того, какие адреса были бы пригодными для случая, например, только нечетных номеров на одной стороне конкретных улиц. Например, поскольку известно, что в США номера домов в адресах на одной стороне улицы все являются либо нечетными, либо четными, и что два номера, разделенные тире, указывают на начальную и конечную точку, эвристическое основанное на алгоритме вычисление определяет, что потенциально существуют другие адреса, которые находятся между начальным и конечным адресом, и что номера домов в этих адресах все являются либо нечетными, либо четными на основании того, являются ли номера начального и конечного адреса нечетными или четными. Выявленные значения 142 являются дополнительным признаком запроса, который может использоваться в процессе 170, чтобы идентифицировать кандидатуры из справочной базы 185 данных коммерческих предприятий.

[0067] Пример правила выявления для правил 145 выявления может включать в себя информацию в таблице 10.

Таблица 10 Значение атрибутов 132 Правило выявления Потенциальные значения 121-131 Main Street Стандартная адресация в США включает в себя использование нечетных или четных номеров на одной стороне улицы 121 Main Street
123 Main Street
125 Main Street
127 Main Street
129 Main Street
131 Main Street

[0068] Способ 100 переходит от процесса 140 к процессу 150.

[0069] Процесс 150 принимает выявленные значения 142 и идентифицирует сегмент пути сообщения, который включает в себя адрес. Таким образом, процесс 150, имея ссылку на справочную базу 155 данных сегментов вычисляет сегмент адреса (т.е. непрерывную секцию дороги или другого пути сообщения между значимыми ориентирами, такими как перекрестки, которые часто сами являются разграничителем других сегментов), привязанный к каждому из адресов, содержащихся в выявленных значениях 142, и затем извлекает из справочной базы 155 данных сегментов адрес или адреса, привязанные к каждым из этих сегментов, и выдает их как данные 152 адреса, которые теперь включают в себя и данные улицы и номера дома, и данные геопространственного местоположения, такие как долгота и широта (эти геопространственные данные также упоминаются как "геокоды" или "данные геокода"). Справочная база 155 данных сегментов включает в себя данные, которые привязывают адреса по географической области, также называемой "внешней границей", и коллекция данных на основе внешней границы известна как "справочные данные внешней границы". В связи с этим процесс 150 определяет многоугольник, который имеет внешнюю границу, которая охватывает географическую область, находящуюся вблизи сегмента.

[0070] Пример справочных данных сегмента в пределах справочной базы 155 данных сегментов может включать в себя информацию в таблице 11.

Таблица 11 Идентификатор сегмента Идентификатор географической области Название дороги Откуда # Откуда, широта/
долгота
Куда # Куда, широта/
долгота
53AA9BCBB7BF FF2E Route 10 120 D17DD2F7 160 F66C7FA6 60C883DB7C6C 3B57 US 1 12 60ED05CC 1200 551DODC2 42A021CA8914 5CAE Smith Avenue 1 77EABD92 43 97DC4E06 42365F645E94 5A94 Main Street 10 1337CDF4 460 A5302FD7 CCEC8F47EDCE 75CE NULL 0 CE958552 0 F3E18C19

[0071] Таблица 11 показывает пример адресов, существующих вдоль конкретных сегментов (показанных в первом столбце), как коллекцию атрибутов, включающих в себя диапазоны номеров домов (столбцы 4 и 6), названия улиц (столбец 3) и декартовы координаты разграничителей сегментов (показанные в закодированном формате в столбцах 5 и 6).

[0072] Пример справочных данных внешней границы в пределах справочной базы 155 данных сегментов может включать в себя информацию в таблице 12.

Таблица 12 Идентификатор формы Тип Хеш координат 0A4E98F3 Точка 37CE17DF782339B2 3D139E4D Многоугольник D956C0BCCD601FEA B12AE4CE Линия E82354DBD99B91DF DBF8F7DD Многоугольник DA0C535E76DC4F38

[0073] Таблица 12 показывает пример представления справочных данных внешней границы с уникальным идентификатором для каждой внешней границы (столбец 1), описанием типа внешней границы (столбец 2) и закодированной версии декартовых координат внешней границы (столбец 3).

[0074] Снова рассмотрим некоторые операции, выполняемые процессами 140 и 150, чтобы задать многоугольник. Процесс 140 во время процесса выведения с помощью экстраполяции получает первый атрибут, привязанный к адресу (например, "123 Cecil Avenue", который является адресом на одном конце сегмента). Процесс 150 при идентификации сегмента получает второй атрибут, привязанный к сегменту (например, эти адреса на сегменте имеют номера этажей, привязанные к ним), и затем, чтобы задать многоугольник, задает размер и форму многоугольника на основе первого и второго атрибутов. Примером задания многоугольника для процесса 150 будет использование первого атрибута и второго атрибута для построения одной стороны многоугольника, проходящей по всей длине сегмента.

[0075] Как упомянуто выше, многоэтажное офисное здание может быть рассмотрено как вертикальное местоположение. В таком случае процесс 150, вместо того чтобы просто задать многоугольник, задает многогранник на основе первого и второго атрибутов, причем многоугольник является поперечным сечением многогранника. Примером определения многогранника для процесса 150 будет использование первого атрибута и второго атрибута для создания многогранника, имеющего возвышение, вычисленное на основе максимального количества этажей, привязанных к сегменту.

[0076] Способ 100 переходит от процесса 150 к процессу 160.

[0077] Процесс 160 принимает данные 152 адреса, получает географические координаты точки в пределах многоугольника и идентифицирует адрес в географических координатах. Таким образом, процесс 160, имея ссылку на справочную базу 165 данных географических координат, извлекает географические координаты (например, широту и долготу) для каждого из адресов и затем извлекает из справочной базы 185 данных коммерческих предприятий адрес или адреса, привязанные к каждым из этих координат, и тем самым в результате получаются данные 162 адреса. Таким образом процесс 160 идентифицирует другие существующие значения адреса для выявленного значения 142.

[0078] Пример других адресов в данных 162 адреса, идентифицированных процессом 160 на основе данных 152 адреса и справочной базы 165 данных географических координат, может включать в себя информацию в таблице 13.

Таблица 13 Выявленный адрес (из выявленных значений 142) Значения широты/долготы Другие значения адреса (для данных 162 адреса) 121 Main Street -67.534,61.968 525A Elm Ave 525B Elm Ave 123 Main Street -44.537,-52.324 125 Main Street 50.828,60.955 127 Main Street 28.656,-63.131 1 ABC Plaza 129 Main Street 34.928,-19.079 131 Main Street -67.534,61.968 18 Comer Street 20 Comer Street

[0079] Способ 100 переходит от процесса 160 к процессу 170.

[0080] Процесс 170 принимает в качестве входной информации данные 162 адреса и идентифицирует объект, который привязан к адресу в географических координатах. В частности, процесс 170 принимает множество геокодов (данных, имеющих отношение к геопространственным местоположениям, таких как широта и долгота), которые являются атрибутами адресов в данных 162 адреса, и выполняет извлечение коммерческих предприятий, привязанных к этим адресам посредством применения различных методик процессов сопоставления из справочной базы 185 данных коммерческих предприятий, и тем самым в результате получаются данные 172 адреса. Справочная база 185 данных коммерческих предприятий может иметь или не иметь коммерческое предприятие, привязанное к каждому адресу, полученному в результате из процесса 160.

[0081] Выходная информация процесса 170 представляет собой атрибуты данных коммерческих предприятий для данных 162 адреса, чтобы создать данные 172 адреса.

[0082] Пример подмножества данных адреса, извлеченных из справочной базы 185 данных коммерческих предприятий, использующих адреса, полученные в результате из процесса 160 и добавленные к данным 172 адреса, может включать в себя информацию в таблицу 14. "HQ" является сокращением для "headquarters" ("главного офиса").

Таблица 14 Геокод из процесса 160 Адрес, извлеченный из справочной базы 185 данных коммерческих предприятий Извлеченное название коммерческого предприятия из справочной базы 185 данных коммерческих предприятий 87.284,-25.211 121 Main Street ABC Automobile Sales -66.789,-43.111 525A Elm Street Joe's Pizza 54.39,5.426 525B Elm Street <нет коммерческого предприятия> 68.649,54.966 123 Main Street <нет коммерческого предприятия> 70.807,-43.812 125 Main Street ABC Corporate HQ -67.399,-23.047 127 Main Street <нет коммерческого предприятия> -81.73,49.476 1 ABC Plaza ABC Finance Division 16.153,-67.527 129 Main Street <нет коммерческого предприятия> 21.82,5.124 131 Main Street ABC Automobile Repair 13.322,-71.755 18 Comer Street Mary's Takeout Kitchen 86.351,4.892 20 Comer Street <нет коммерческого предприятия>

[0083] Способ 100 переходит от процесса 170 к процессу 180.

[0084] Процесс 180 принимает данные 172 адреса и, используя адреса в данных 172 адреса в качестве ввода, использует различные методологии (такие как текстовый поиск) для различения кандидатур (т.е. объектов, подобных объектам, привязанным к адресам в данных 172 адреса) в справочной базе 185 данных коммерческих предприятий, и тем самым в результате получается набор 182 данных.

[0085] Таблица 15 показывает пример набора 182 данных, произведенных процессом 180, из справочной базы 185 данных коммерческих предприятий.

Таблица 15 Адрес из процесса 170 (данные 172 адреса)
Варианты, сформированные процессом 180 Извлеченные названия коммерческих предприятий из справочной базы 185 данных коммерческих предприятий (добавленные в набор 182 данных)
121 Main Street, Short Hills 1. 12* Main, 07078
2. 1** Main, Short Hills
3. nnn MN, XRTHLS
ABC Automobile Sales
Joe's Pizza
ABC Corporate HQ
ABC Automobile Repair
525A Elm Street, Short Hills 52* Elm, 07078
5** Elm, Short Hills
Nnnn ELM, XRTHLS
Joe's Pizza
18 Comer Street, Short Hills 1* Comer, 07078
1* Cnr, 07078
nn KRNR, XRTHLS
Mary's Takeout Kitchen

[0086] Процесс 181 является рекурсивным процессом, который реализует процессы 150-180 рекурсивным образом, пока не будет соблюден один или более из заданного набора критериев, например итерация извлечения опускается ниже определенных количественных и качественных уровней. Результатом является список 189 кандидатур.

[0087] Таблица 16 обеспечивает пример количественных и качественных критериев, которые могут использоваться в процессе 181.

Таблица 16 Тип критерия Определение критерия Количественный критерий Максимум 50 записей кандидатур
Максимальное время ответа 0,1 секунды
Максимум 25 записей
Качественный критерий Кандидатура должна являться главным офисом (т.е. офис дочернего отделения не подходит)

[0088] Способ 100 переходит от процесса 180 к процессу 193, показанному на фиг. 1B. Список 189 кандидатур представлен на обеих из фиг. 1А и 1B.

[0089] Процесс 193 принимает список 189 кандидатур и использует правила 190 оценки, чтобы произвести качественно дифференцированный список кандидатур, и тем самым в результате получается список 193А. Примеры правил 190 оценки могут включать в себя правила, которые различают использование оценок на основе, среди прочего, (a) природы методик извлечения, используемых в процессах 150-180, чтобы они включали в себя конкретный элемент адреса или коммерческое предприятие в список 189 кандидатур (то есть какой способ или комбинации способов использовались при распознавании отдельных кандидатур в списке 189 кандидатур) и (b) степень выведения с помощью экстраполяции (например, был ли конкретный адрес извлечен прямой операцией методики извлечения по запросу 110, или вместо этого по адресу, который сам был извлечен на предшествующей итерации рекурсивного процесса 181) или абстракции (например расстояние в метрах, на котором извлеченный адрес находится от номинального множества координат, привязанных к запросу 110), используемые в методиках извлечения.

[0090] Процесс 193 использует подход относительного взвешивания, основанный на таблице 137 атрибутов географического объекта и правилах 190 оценки, чтобы получить в результате множество взвешенных подоценок для каждого элемента в списке 189 кандидатур, и эти подоценки используются в качественном ранжировании списка 189 кандидатур. Это взвешивание рассматривает несколько характеристик относительно метаданных и фактических значений данных таким образом, чтобы взвешивание для кандидатуры могло учесть такие критерии, как итеративная последовательность, которая произвела кандидатуру, методика извлечения или методики, используемые в распознавании кандидатуры (и которые могут включить в себя матрицы, которые присваивают оценки комбинациям методик извлечения, номерам итерации и т.д.), и другие качественные оценки подобия между каждым элементом в списке 189 кандидатур и запросом 110 источника (например, меру редакционного расстояния между названием улицы запроса 110 и элементом в списке 189 кандидатур). Например, кандидатура C1, извлеченная с использованием анализа сегментации (процесс 150) и извлечения на основе названия (процесс 170 и 180), может получить оценку 100 для подоценки S1, тогда как кандидатура C2, извлеченная с использованием извлечения на основе географических координат (процесс 160), может только получить оценку 90 для подоценки S1.

[0091] Таблица 17 является примером взвешенных подоценок, используемых правилами 190 оценки и процессом 193.

Таблица 17 Кандидатура Оценка пересечения географического поиска Оценка плотности Оценка подтверждения географического поиска Оценка происхождения/
выявления
C001 59 18 34 57 C002 12 52 42 76 C003 77 78 2 15 C004 86 44 76 79 C005 91 75 71 96

[0092] Для предыдущей таблицы столбец 1 относится к кандидатуре в списке 189 кандидатур, и остальные столбцы представляют оценки, основанные на взаимодействиях методик извлечения при распознавании кандидатуры (столбец 2), оценке плотности застройки адреса кандидатуры (столбец 3), степени подтверждения адреса посредством нескольких методологий геопространственного местоположения (столбец 4) и оценке, показывающей уровень выведения с помощью экстраполяции или абстракции, связанный с конкретными методологиями извлечения, используемыми для распознавания кандидатуры (столбец 5).

[0093] Множество подоценок, сформированное в процессе 193 (и проиллюстрированное в таблице 17) для каждой кандидатуры, будет в свою очередь скомпоновано и оценено с использованием правил 191 ранжирования.

[0094] Таблица 18 является примером конечного результата выполнения правил 191 ранжирования.

Таблица 18 Кандидатура Взвешенный ранг C005 1 C004 2 C002 3 C001 4 C003 5

[0095] Способ 100 переходит от процесса 193 к процессу 194.

[0096] Процесс 194 принимает оцененный список кандидатур, т.е. список 193А, от процесса 193 и уточняет список193 А, удаляя те кандидатуры, у которых ранг, оценки, подоценки или их комбинация не удовлетворяют критериям включения и/или исключения, определенным в правилах 192 принятия решений, и тем самым в результате получается список 194А.

[0097] Таблица 19 является примером относительных весов оценочных коэффициентов, используемых в процессе 194.

Таблица 19 Коэффициент/оценка Вес Оценка пересечения географического поиска 0,5 Оценка плотности 0,25 Оценка подтверждения географического поиска 0,6 Оценка происхождения/выявления 0,33

[0098] Таблица 20 является примером правил включения/исключения в процессе 194.

Таблица 20 Правило Воздействие Геокод не может быть сформирован Исключить Оценка плотности <20
И Оценка происхождения/выявления <50
Исключить

[0099] Таблица 21 является примером результатов процесса 194, а именно списком 194А.

Таблица 21 Кандидатура Взвешенный ранг Результат правил C001 4 Прошла C002 3 Не прошла C003 5 Не прошла C004 2 Прошла C005 1 Прошла

[00100] Способ 100 переходит от процесса 194 к процессу 195.

[00101] Процесс 195 принимает список 194А, т.е. классифицированный список кандидатур {C1,..., CT}, где CT является кандидатурой самого низкого качества, считающейся приемлемой для включения в результаты, которые будут возвращены способом 100.

[00102] Таблица 22 является примером получаемого в результате списка 189 кандидатур с исключенными кандидатурами C002 и C003, поскольку они не соответствуют правилам, даже при том, что они обе оценены на уровне, который удовлетворяет качественным критериям приемлемости:

Таблица 22 Кандидатура Взвешенный ранг Название коммерческого предприятия C001 4 ABC Automobile Sales С004 2 Joe's Pizza C005 1 ABC Corporate HQ

[00103] Процесс 195 собирает и возвращает результат 196, который включает в себя список 197 кандидатур и обратную связь 198. Обратная связь 198 является информацией относительно степени подобия между запросом 110 и каждой кандидатурой в пределах списка 197 кандидатур.

[00104] Обратная связь 198 включена в результат 196, чтобы указать качество каждой кандидатуры в пределах списка 197 кандидатур, например, степень уверенности, что наилучшая кандидатура Cn представляет собой коммерческое предприятие, расположенное в местоположении (местоположениях) адреса, приписанного к запросу 110. Обратная связь 198 также может включать в себя относительную степень подобия, выраженную относительной корреляцией между каждым полем в данных 122 и каждым компонентом каждой кандидатуры в пределах списка 197 кандидатур, а также источник конкретных данных, которые использовались для заполнения справочной базы 185 данных коммерческих предприятий компонентами каждой кандидатуры в списке 197 кандидатур.

[00105] Таблица является примером обратной связи 198.

Таблица 23 Название коммерческого предприятия Адрес Оценка подобия Комментарии корреляции Географические комментарии ABC Automobile Sales 121 Main Street, Short Hills NJ 07078 88 ABZFA 2AC Joe's Pizza 525A Elm Street, Short hills NJ 07078 67 BBZZZ 6HA ABC Corporate HQ 125 Main Street, Short Hills NJ 07078 97 AAABB 3AA

[00106] Таблица 23 показывает коммерческое предприятие (столбец 1), адрес, привязанный к этому объекту (столбец 2), оценку, представляющую подобие этого адреса кандидатуре в списке 197 кандидатур (столбец 3), строку символов со встроенным значением, представляющим природу подобия (также называемую корреляцией) адреса (столбец 4), и строку, содержащую встроенное значение, которое описывает атрибуты адреса (столбец 5).

[00107] Таким образом, вкратце способ 100 включает в себя 1) прием запроса, чтобы инициировать поиск коммерческих предприятий, каждое из которых привязано к конкретному географическому месту, 2) очистку, синтаксический разбор и стандартизацию запроса, 3) выявление дополнительных адресов на основе адреса запроса, 4) определение оптимальных способов поиска в справочных базах данных на основе одного или множества подвергнутых очистке, синтаксическому разбору и стандартизации признаков запроса, 5) извлечение кандидатур и выбор объектов из справочной базы данных, которые соответствуют запросу, и 6) возврат кандидатур из справочной базы данных на основе степени подобия запросу или данным, полученным на основании запроса, с обратной связью относительно степени подобия.

[00108] Процесс 100 включает в себя этапы, чтобы 1) принять входные данные, содержащие строку поиска, имеющую множество элементов, 2) преобразовать подмножество из множества элементов в множество условий, 3) извлечь сохраненные справочные данные на основе условий, чтобы идентифицировать наиболее вероятные кандидатуры для сопоставления с входными данными, 4) вывести предсказательность способности идентифицировать множество сопоставленных кандидатур с использованием гибких признаков на основе запроса конечного пользователя, включающего в себя данные, ожидаемые как часть в запросе, альтернативные данные, которые могут быть обеспечены конечным пользователем, и данные, которые получены на основании данных запроса, 5) выбирают одну или более сопоставленных кандидатур на основе выведенной предсказательности и 6) обеспечивают результаты сопоставления и обратную связь, которые позволяют конечному пользователю решить, каким образом использовать эти результаты.

[00109] Способ 100 включает в себя функциональность, чтобы идентифицировать коммерческие предприятия, привязанные к географическим местам, с использованием конечного, но не ограниченного во времени множества признаков, которые могут использоваться подпроцессами в пределах способа 100, чтобы сформировать мнение о подобии между запросом и сопоставленными кандидатурами. Способ 100 решает определенные внутренне присущие проблемы при уникальном распознавании и классификации географического места и его привязки к одному или более коммерческим предприятиям, в том числе 1) неточность и естественное разнообразие в осмыслении и выражении признаков географического адреса, 2) отсутствие однозначных идентификаторов или постоянных кодов для географических мест и 3) очень большой разброс в уровне детализации, который, как обычно полагают в коммерческом использовании, содержит "полный" адрес. Посредством расширения гибкого и переменного множества атрибутов идентификации и сопоставления для географического места эти проблемы могут быть решены. Гибкость методики включает в себя как метаданные, так и фактические значения данных и будет использоваться при 1) заполнении базы данных информацией, относящейся к географическим местам и связям между географическими местами и коммерческими предприятиями, а также при 2) выборе коммерческих предприятий из базы данных на основе запроса и правил, управляющих порогом приемлемости в заданных целях.

[00110] Способ 100 может различать случай единственного объекта в местоположении, например единственного объекта в единственном здании, или случай нескольких объектов в единственном местоположении, например нескольких арендаторов в торговом центре. Для случая нескольких объектов в единственном местоположении каждый из объектов тем не менее может иметь адрес, который отличается от адреса других объектов.

[00111] Для случая единственного объекта способ 100:

(a) в процессе 120 принимает данные, т.е. запрос 110, который описывает местоположение;

(b) в процессе 140 выводит на основании данных адрес, привязанный к местоположению;

(c) в процессе 150 идентифицирует сегмент пути сообщения, который включает в себя адрес;

(d) в процессе 150 задает многоугольник, который имеет внешнюю границу, которая охватывает географическую область, находящуюся вблизи сегмента;

(e) в процессе 160 получает географические координаты точки в пределах многоугольника;

(f) в процессе 160 идентифицирует адрес в географических координатах; и

(g) в процессе 170 идентифицирует объект, который привязан к адресу в географических координатах.

[00112] Для случая нескольких объектов в единственном местоположении рассмотрим ситуацию двух объектов, которые являются арендаторами в торговом центре, причем каждый объект имеет адрес, который отличается от адреса другого объекта. В процессе 150 многоугольник будет иметь внешнюю границу, которая охватывает торговый центр. В соответствии с этим предположим, что упомянутые выше географические координаты являются первыми географическими координатами, упомянутая выше точка является первой точкой, упомянутый выше адрес в географических координатах является первым адресом в географических координатах и упомянутый выше объект является первым объектом. Когда процесс 160 исполняется, он получает вторые географические координаты второй точки в пределах многоугольника и идентифицирует второй адрес во вторых географических координатах. Затем процесс 170 идентифицирует второй объект, который привязан ко второму адресу.

[00113] Фиг. 2 является блок-схемой системы 200, которая использует описанные здесь способы. Система 200 включает в себя компьютер 205, соединенный с сетью передачи данных, т.е. сетью 230, такой как Интернет.

[00114] Компьютер 205 включает в себя пользовательский интерфейс 210, процессор 215 и память 220. Хотя компьютер 205 представлен здесь как автономное устройство, он не ограничен этим, и вместо этого может быть соединен с другими устройствами (не показаны) в системе распределенной обработки.

[00115] Пользовательский интерфейс 210 включает в себя устройство ввода, такое как клавиатура или подсистема распознавания речи, для предоставления возможности пользователю 101 передать информацию и выборы команд процессору 215. Пользовательский интерфейс 210 также включает в себя устройство вывода, такое как дисплей или принтер. Средство управления курсором, такое как мышь, шаровой манипулятор или джойстик, позволяет пользователю 101 управлять курсором на дисплее для передачи дополнительной информации и выборов команд процессору 215.

[00116] Система 200 также включает в себя пользовательское устройство 240, которое с возможностью связи соединено с компьютером 205 через сеть 230. Пользователь 101 может взаимодействовать с компьютером 205 посредством пользовательского устройства 240 в качестве альтернативы пользовательскому интерфейсу 210.

[00117] Процессор 215 является электронным устройством, сформированным из логической схемы, которая отвечает на команды и исполняет их.

[00118] Память 220 является непереходным машиночитаемым устройством, закодированным с помощью компьютерной программой. В связи с этим память 220 хранит данные и команды, которые могут читаться и исполняться процессором 215, для управления работой процессора 215. Память 220 может быть реализована в оперативном запоминающем устройстве (ОЗУ; RAM), накопителе на жестком диске, постоянном запоминающем устройстве (ПЗУ; ROM) или их комбинации. Один из компонентов памяти 220 является программным модулем 225.

[00119] Программный модуль 225 содержит команды для управления процессором 215, чтобы исполнять описанные здесь способы. Например, под управлением программного модуля 225 процессор 215 исполняет процессы способа 100. Термин "модуль" использован здесь для обозначения функциональной операции, которая может быть воплощена либо как автономный компонент, либо как интегрированная конфигурация множества зависимых компонентов. Таким образом, программный модуль 225 может быть реализован как единственный модуль или как множество модулей, которые работают в сотрудничестве друг с другом. Кроме того, хотя программный модуль 225 описан здесь как установленный в памяти 220 и, таким образом, реализованный в программном обеспечении, он может быть реализован в любом из аппаратных средств (например, в электронной схеме), программно-аппаратного обеспечения, программного обеспечения или их комбинации.

[00120] Процессор 215 принимает запрос 110 либо через сеть 230, либо через пользовательский интерфейс 210. Процессор 215 выполняет доступ к правилам 135 обработки, таблице 137 атрибутов географического объекта, правилам 145 выявления, справочной базе 155 данных сегментов, справочной базе 165 данных географических координат и справочной базе 185 данных коммерческих предприятий, правилам 190 оценки, правилам 191 ранжирования и правилам 192 принятия решений, которые могут являться компонентами компьютера 205, например, сохраненными в пределах памяти 220, или могут являться внешними по отношению к компьютеру 205, причем компьютер 205 выполняет доступ к ним через локальную сеть (не показана) или через сеть 230. Процессор 215 выполняет доступ к процессам 120, 130, 140, 150, 160, 170, 180, 181, 193 и 194, которые могут являться компонентами компьютера 205, например, сохраненными в пределах памяти 220, или могут являться внешними по отношению к компьютеру 205, причем компьютер 205 выполняет доступ к ним через локальную сеть или через сеть 230. Процессор 215 возвращает результат 196 пользователю 101 в процессе 195.

[00121] Хотя программный модуль 225 обозначен как уже загруженный в память 220, он может быть сформирован на запоминающем устройстве 235 для последующей загрузки в память 220. Запоминающее устройство 235 также является непереходным машиночитаемым устройством, закодированным с помощью компьютерной программы, и может являться любым традиционным устройством хранения, которое хранит в себе программный модуль 225. Примеры запоминающего устройства 235 включают в себя гибкий диск, компакт-диск, магнитную ленту, постоянное запоминающее устройство, оптические запоминающие носители, карту флэш-памяти универсальной последовательной шины (USB), цифровой универсальный диск или накопитель со сжатием данных. Запоминающее устройство 235 также может являться оперативным запоминающим устройством или электронным запоминающим устройством другого типа, расположенным в удаленной системе хранения и соединенным с компьютером 205 через сеть 230.

[00122] Описанные здесь методики являются иллюстративными и не должны быть истолкованы как подразумевающие какое-либо конкретное ограничение настоящего раскрытия. Следует понимать, что специалистами в области техники могут быть созданы различные альтернативы, комбинации и модификации. Например, этапы, связанные с описанными здесь процессами, могут быть выполнены в любом порядке, если иначе не определено или продиктовано самими этапами. Предполагается, что настоящее раскрытие охватывает все такие альтернативы, модификации и вариации, которые находятся в пределах объема приложенной формулы изобретения.

[00123] Термины "содержит" или "содержащий" должны интерпретироваться как определение присутствия сформулированных признаков, целых чисел, этапов или компонентов, но не исключение присутствия одного или более других признаков, целых чисел, этапов или компонентов или их групп.

Похожие патенты RU2598165C1

название год авторы номер документа
ПРИСВОЕНИЕ ПРИМЕНИМЫХ НА ПРАКТИКЕ АТРИБУТОВ ДАННЫХ, КОТОРЫЕ ОПИСЫВАЮТ ИДЕНТИЧНОСТЬ ЛИЧНОСТИ 2011
  • Скриффиньяно Энтони Дж.
  • Клейн Майкл
RU2547213C2
ЗВУКОВОЕ ПРЕДСТАВЛЕНИЕ СЖАТОЙ ПРОСТРАНСТВЕННОЙ КОНТЕКСТНОЙ ИНФОРМАЦИИ 2012
  • Картье Кенн
  • Офек Эйал
  • Джерсон Элад
  • Бар-Зеев Ави
RU2620999C2
СИСТЕМА И СПОСОБЫ ОПРЕДЕЛЕНИЯ МЕСТОПОЛОЖЕНИЯ С ПРИВЯЗКОЙ ПО ВРЕМЕНИ ДЛЯ ОБНАРУЖЕНИЯ КОНТЕКСТА МОБИЛЬНОГО ПОЛЬЗОВАТЕЛЯ 2014
  • Зинин Алексей Дмитриевич
RU2661773C2
СПОСОБ И УСТРОЙСТВО ДЛЯ ИНТЕГРАЦИИ ДАННЫХ О ПУНКТЕ, ПРЕДОСТАВЛЕННЫХ ГРУППОЙ ПОСТАВЩИКОВ 2010
  • Шмидт Андреас
  • Гроссе Александр
RU2486586C1
РАНЖИРОВАНИЕ ИСТОЧНИКОВ МЕСТОПОЛОЖЕНИЯ ДЛЯ ОПРЕДЕЛЕНИЯ МЕСТОПОЛОЖЕНИЯ УСТРОЙСТВА 2014
  • Хассан Амер А.
  • Дисон Нил А.
  • Оливье Карл С.
  • Кунтц Рой Д.
RU2689425C2
НАВИГАЦИОННАЯ СИСТЕМА С ПРИВЯЗКОЙ К МЕСТНОСТИ (С ВИДОМ СВЕРХУ) 2015
  • Нисиисигаки Кендзи
RU2645918C1
СПОСОБЫ И СИСТЕМЫ ДЛЯ РЕАЛИЗАЦИИ ПРИБЛИЖЕННОГО СРАВНЕНИЯ СТРОК В БАЗЕ ДАННЫХ 2008
  • Мерц Кристофер Дж.
  • Макгиан Томас
RU2487394C2
ЭФФЕКТИВНЫЙ СПОСОБ ПРИВЯЗКИ МЕСТОПОЛОЖЕНИЯ 2009
  • Петцольд Ларс
  • Шефер Ральф-Петер
  • Базелау Свен
RU2523171C2
СПОСОБЫ И СИСТЕМЫ ДЛЯ РЕАЛИЗАЦИИ ПРИБЛИЖЕННОГО СРАВНЕНИЯ СТРОК В БАЗЕ ДАННЫХ 2013
  • Мерц Кристофер Дж.
  • Макгиан Томас
RU2623802C2
СПОСОБ И СИСТЕМА АНАЛИЗА ФИНАНСОВОЙ АКТИВНОСТИ ТОРГОВЫХ ТОЧЕК 2021
  • Козицкий Денис Михайлович
  • Оберемок Андрей Александрович
  • Баженова Мария Сергеевна
  • Вьюн Сергей Анатольевич
  • Комина Александра Андреевна
RU2770568C1

Иллюстрации к изобретению RU 2 598 165 C1

Реферат патента 2016 года НЕДЕТЕРМИНИРОВАННОЕ РАЗРЕШЕНИЕ НЕОДНОЗНАЧНОСТИ И СОПОСТАВЛЕНИЕ ДАННЫХ МЕСТА КОММЕРЧЕСКОГО ПРЕДПРИЯТИЯ

Изобретение относится к навигационной технике и может быть использовано в системах коммерческой навигации. Технический результат - расширение функциональных возможностей. Для этого способ включает (a) прием данных, которые описывают местоположение, (b) выведение с помощью экстраполяции на основании данных адреса, привязанного к местоположению, (c) идентификацию сегмента пути сообщения, который включает в себя адрес, (d) задание многоугольника, который имеет внешнюю границу, который охватывает географическую область, находящуюся вблизи сегмента, (e) получение географических координат точки в пределах многоугольника, (f) идентификацию адреса в географических координатах и (g) идентификацию объекта, который привязан к адресу в географических координатах. Также обеспечены система, которая выполняет способ, и устройство хранения, содержащее команды, которые управляют процессором для выполнения способа. 3 н. и 6 з.п. ф-лы, 23 табл., 2 ил.

Формула изобретения RU 2 598 165 C1

1. Реализуемый с помощью компьютера способ определения местоположения объекта, содержащий этапы, на которых:
(a) принимают данные, которые описывают местоположение;
(b) выводят с помощью экстраполяции упомянутых данных адрес, связанный с упомянутым местоположением;
(c) выполняют процесс, который получает список кандидатур, причем этот процесс включает в себя то, что идентифицируют сегмент пути сообщения, который включает в себя упомянутый адрес; получают географические координаты точки, которые соответствуют адресу; задают многоугольник, который имеет внешнюю границу, которая охватывает географическую область, которая включает в себя географические координаты;
идентифицируют объект, который связан с упомянутым адресом в упомянутых географических координатах; включают объект в список кандидатур; и идентифицируют дополнительный адрес, охватываемый многоугольником;
(d) передают дополнительный адрес рекурсивным образом в процесс до тех пор, пока не будет соблюден критерий; и
(e) возвращают список кандидатов.

2. Способ по п. 1, в котором упомянутое выведение с помощью экстраполяции включает в себя получение первого атрибута, связанного с упомянутым адресом,
причем упомянутая идентификация упомянутого сегмента включает в себя получение второго атрибута, связанного с упомянутым сегментом, и
причем упомянутое задание содержит задание размера и формы упомянутого многоугольника на основе упомянутых первого и второго атрибутов.

3. Способ по п. 1, в котором упомянутое выведение с помощью экстраполяции включает в себя получение первого атрибута, связанного с упомянутым адресом,
причем упомянутая идентификация упомянутого сегмента включает в себя получение второго атрибута, привязанного к упомянутому сегменту,
причем упомянутый способ дополнительно содержит этап, на котором перед упомянутым получением, задают размер и форму многогранника на основе упомянутых первого и второго атрибутов, и
причем упомянутый многоугольник является поперечным сечением многогранника.

4. Система для определения местоположения объекта, содержащая: процессор и память, которая с возможностью связи соединена с упомянутым процессором и которая содержит команды, считываемые упомянутым процессором, для побуждения упомянутого процессора выполнять следующие действия:
(a) принимать данные, которые описывают местоположение;
(b) выводить с помощью экстраполяции на основании упомянутых данных адрес, связанный с упомянутым местоположением;
(c) выполнять процесс, который получает список кандидатур, причем этот процесс включает в себя: идентификацию сегмента пути сообщения, который включает в себя упомянутый адрес; получение географических координат точки, которые соответствуют адресу;
задание многоугольника, который имеет внешнюю границу, которая охватывает географическую область, которая включает в себя географические координаты; идентификацию объекта, который связан с упомянутым адресом в упомянутых географических координатах;
включение объекта в список кандидатур; и идентификацию дополнительного адреса, охватываемого многоугольником;
(d) передавать дополнительный адрес рекурсивным образом в процесс до тех пор, пока не будет соблюден критерий; и
(e) возвращать список кандидатов.

5. Система по п. 4, в которой упомянутое выведение с помощью экстраполяции включает в себя получение первого атрибута, связанного с упомянутым адресом,
причем упомянутая идентификация упомянутого сегмента включает в себя получение второго атрибута, привязанного к упомянутому сегменту, и
причем упомянутое задание содержит задание размера и формы упомянутого многоугольника на основе упомянутых первого и второго атрибутов.

6. Система по п. 4, в которой упомянутое выведение с помощью экстраполяции включает в себя получение первого атрибута, связанного с упомянутым адресом,
причем упомянутая идентификация упомянутого сегмента включает в себя получение второго атрибута, связанного с упомянутым сегментом,
причем упомянутые действия дополнительно содержат перед упомянутым получением задание размера и формы многогранника на основе упомянутых первого и второго атрибутов, и
причем упомянутый многоугольник является поперечным сечением многогранника.

7. Запоминающее устройство, содержащее команды, считываемые процессором, побуждающие упомянутый процессор выполнять следующий реализуемый с помощью компьютера способ определения местоположения объекта, в котором:
(a) принимают данные, которые описывают местоположение;
(b) выводят с помощью экстраполяции на основании упомянутых данных адрес, привязанный к упомянутому местоположению;
(c) выполняют процесс, который получает список кандидатур, причем этот процесс включает в себя:
идентификацию сегмента пути сообщения, который включает в себя упомянутый адрес;
получение географических координат точки, которые соответствуют адресу;
задание многоугольника, который имеет внешнюю границу, которая охватывает географическую область, которая включает в себя географические координаты;
идентификацию объекта, который связан с упомянутым адресом в упомянутых географических координатах,
включение объекта в список кандидатур, и
идентификацию дополнительного адреса, охватываемого многоугольником;
(d) передают дополнительный адрес рекурсивным образом в процесс до тех пор, пока не будет соблюден критерий; и
(e) возвращают список кандидатов.

8. Запоминающее устройство по п. 7, в котором упомянутое выведение с помощью экстраполяции включает в себя получение первого атрибута, связанного с упомянутым адресом,
в котором упомянутая идентификация упомянутого сегмента включает в себя получение второго атрибута, связанного с упомянутым сегментом, и
в котором упомянутое задание содержит задание размера и формы упомянутого многоугольника на основе упомянутых первого и второго атрибутов.

9. Запоминающее устройство по п. 7, в котором упомянутое выведение с помощью экстраполяции включает в себя получение первого атрибута, привязанного к упомянутому адресу, причем упомянутая идентификация упомянутого сегмента включает в себя получение второго атрибута, связанного с упомянутым сегментом,
причем упомянутые действия дополнительно содержат перед упомянутым получением задание размера и формы многогранника на основе упомянутых первого и второго атрибутов и причем упомянутый многоугольник является поперечным сечением многогранника.

Документы, цитированные в отчете о поиске Патент 2016 года RU2598165C1

US 20110063432 A1, 17.03.2011
US 20120320089 A1, 20.12.2012
US 20130035853 A1, 07.02.2013
МОДУЛЬ ПЛАНИРОВАНИЯ 2009
  • Безяев Виктор Степанович
  • Васильев Анатолий Дмитриевич
  • Губарьков Игорь Семёнович
  • Козлов Игорь Львович
  • Коновалова Марина Яковлевна
  • Логунова Татьяна Николаевна
  • Пархоменко Олег Леонидович
  • Северин Валерий Александрович
  • Ширяев Александр Сергеевич
RU2415456C1
JP 2001304891 A, 31.10.2001.

RU 2 598 165 C1

Авторы

Клейн Майкл

Скриффиньяно Энтони Дж.

Мэттьюз Уорвик

Даты

2016-09-20Публикация

2014-03-14Подача