目标地址确定方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及计算机技术领域，特别是一种目标地址确定方法、装置、计算机设备和存储介质。所述方法包括：获取备选地址原始数据；对各备选地址原始数据进行特征数据提取，得到对应各备选地址的特征数据；通过预先训练的分类模型对各备选地址的特征数据进行分类处理，得到得到各备选地址对应的分类指标；基于各备选地址对应的分类指标，对各备选地址进行排序，并从排序后的备选地址中选取预设数量的备选地址为目标地址。采用本方法能够智能化的确定电柜投放地址。

Target address determination method, device, computer equipment and storage medium

【技术实现步骤摘要】
目标地址确定方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种目标地址确定方法、装置、计算机设备和存储介质。
技术介绍
随着电动车的广泛应用，对电动车换电柜的需求越来越高，尤其是对于外卖行业而言，在电动车电量耗尽时，能够尽快的达到换电柜位置并进行电动车蓄电池的更换，显得至关重要。目前换电柜的投放地址的选择主要是人工根据先验知识(比如通过人流量、经销商服务能力等)，从备选地址中选取确定，从而，换电柜投放地址的确定不够智能化。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够智能化的确定电柜投放地址的目标地址确定方法、装置、计算机设备和存储介质。一种目标地址确定方法，所述方法包括：获取备选地址原始数据；对各备选地址原始数据进行特征数据提取，得到对应各备选地址的特征数据；通过预先训练的分类模型对各备选地址的特征数据进行分类处理，得到各备选地址对应的分类指标；基于各备选地址对应的分类指标，对各备选地址进行排序，并从排序后的备选地址中选取预设数量的备选地址为目标地址。在其中一个实施例中，对各备选地址原始数据进行特征数据提取，包括：基于预设特征提取模板，从各备选地址原始数据中提取出各备选地址对应的初始特征数据；分别对各备选地址对应的初始特征数据进行特征数据预处理，得到对应各备选地址的特征数据。在其中一个实施例中，对各备选地址对应的初始特征数据进行特征数据预处理，得到对应各备选地址的特征数据，包括：基于初始特征数据中各初始特征子数据的数据类型，对各初始特征子数据进行分类，得到第一类别特征数据以及数字特征数据；分别对数字特征数据中的各初始特征子数据进行哈希运算，得到对应的哈希值，并基于各哈希值进行分桶计算，得到数字特征数据中各初始特征子数据对应的第二类别特征数据；将第一类别特征数据对应的各初始特征子数据与第二类别特征数据进行交叉处理，得到对应初始特征数据的特征交叉数据；对特征交叉数据进行分桶计算，得到对应备选地址的特征数据。在其中一个实施例中，通过预先训练的分类模型对各备选地址对应的特征数据进行特征分类，得到各备选地址对应的分类指标，包括：分别对各特征数据进行第一分类处理，得到对应各特征数据的第一分类指标，并基于各第一分类指标得到各特征数据的类别特征；根据各特征数据以及各特征数据的类别特征，得到对应各特征数据的特征数据组；分别对各特征数据组进行第二分类处理，得到对应各特征数据的第二分类指标；根据第一分类指标以及第二分类指标，得到各备选地址对应的分类指标。在其中一个实施例中，基于各备选地址对应的分类指标，对各备选地址进行排序之前，上述方法还包括：分别判断各备选地址对应的分类指标是否大于预设指标阈值；当备选地址对应的分类指标小于或等于预设指标阈值时，确定备选地址为不可选地址；当备选地址对应的分类指标大于预设指标阈值时，确定备选地址为可选地址；基于各备选地址对应的分类指标，对各备选地址进行排序，并从排序后的备选地址中选取预设数量的备选地址为目标地址，包括：基于各可选地址对应的分类指标，对各可选地址进行排序，并从排序后的可选地址中选取预设数量的可选地址为目标地址。在其中一个实施例中，分类模型包括第一分类模型以及第二分类模型，分类模型的训练方式包括：获取已投放地址数据，标记为正样本数据集；从备选地址原始数据中随机确定与正样本数据对应数量的备选地址原始数据，并标记为负样本数据集；分别对正样本数据集以及负样本数据集中各样本数据进行特征数据提取，得到训练数据集，训练数据集中各训练数据携带有样本标识；通过训练数据集对第一分类模型进行分类训练，得到各训练数据的第一分类指标，并基于各训练数据的第一分类指标得到各训练数据的类别特征；基于训练数据集以及各训练数据的类别特征，对第二分类模型进行分类训练，以得到对应各训练数据的第二分类指标；根据第一分类指标以及第二分类指标，得到对应各训练数据的分类指标；根据各训练数据的样本标识以及分类指标，对第一分类模型以及第二分类模型进行迭代更新，以得到训练后的分类模型。一种目标地址确定装置，所述装置包括：获取模块，用于获取备选地址原始数据；特征数据提取模块，用于对各备选地址原始数据进行特征数据提取，得到对应各备选地址的特征数据；分类处理模块，用于通过预先训练的分类模型对各备选地址的特征数据进行分类处理，得到各备选地址对应的分类指标；目标地址选取模块，用于基于各备选地址对应的分类指标，对各备选地址进行排序，并从排序后的备选地址中选取预设数量的备选地址为目标地址。在其中一个实施例中，特征数据提取模块，包括：初始特征数据选取子模块，用于基于预设特征提取模板，从各备选地址原始数据中提取出各备选地址对应的初始特征数据；特征数据预处理子模块，用于分别对各备选地址对应的初始特征数据进行特征数据预处理，得到对应各备选地址的特征数据。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。上述目标地址确定方法、装置、计算机设备和存储介质，通过对获取的备选地址原始数据中进行特征数据提取，得到对应各备选地址的特征数据，然后对各备选地址对应的特征数据进行分类处理，得到对应各备选地址的分类指标，进而基于各备选地址的分类指标，对各备选地址进行排序，并从排序后的备选地址中选取预设数量的备选地址为目标地址。从而，目标地址的确定基于对备选地址原始数据进行特征数据提取以及分类处理后确定，相比于人工根据先验知识确定，目标地址的确定更加智能化，提升了处理过程的智能化水平。附图说明图1为一个实施例中目标地址确定方法的应用场景图；图2为一个实施例中目标地址确定方法的流程示意图；图3为另一个实施例中目标地址确定方法的流程示意图；图4为一个实施例中特征提取步骤的流程示意图；图5为一个实施例中分类指标生成步骤的流程示意图；图6为一个实施例中目标地址确定装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的目标地址确定方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。具体地，终端102可以用于与用户交互，并基于用户指示输入对应的备选地址原始数据，并发送给服务器104。服务器104在获取备选地址原始数据后，可本文档来自技高网...

【技术保护点】
1.一种目标地址确定方法，其特征在于，所述方法包括：/n获取备选地址原始数据；/n对各所述备选地址原始数据进行特征数据提取，得到对应各备选地址的特征数据；/n通过预先训练的分类模型对各备选地址的特征数据进行分类处理，得到各备选地址对应的分类指标；/n基于各备选地址对应的分类指标，对各所述备选地址进行排序，并从排序后的所述备选地址中选取预设数量的备选地址为目标地址。/n

【技术特征摘要】
1.一种目标地址确定方法，其特征在于，所述方法包括：
获取备选地址原始数据；
对各所述备选地址原始数据进行特征数据提取，得到对应各备选地址的特征数据；
通过预先训练的分类模型对各备选地址的特征数据进行分类处理，得到各备选地址对应的分类指标；
基于各备选地址对应的分类指标，对各所述备选地址进行排序，并从排序后的所述备选地址中选取预设数量的备选地址为目标地址。


2.根据权利要求1所述的方法，其特征在于，所述对各所述备选地址原始数据进行特征数据提取，包括：
基于预设特征提取模板，从各所述备选地址原始数据中提取出各所述备选地址对应的初始特征数据；
分别对各所述备选地址对应的初始特征数据进行特征数据预处理，得到对应各所述备选地址的特征数据。


3.根据权利要求2所述的方法，其特征在于，所述对各所述备选地址对应的初始特征数据进行特征数据预处理，得到对应各所述备选地址的特征数据，包括：
基于所述初始特征数据中各初始特征子数据的数据类型，对各所述初始特征子数据进行分类，得到第一类别特征数据以及数字特征数据；
分别对所述数字特征数据中的各初始特征子数据进行哈希运算，得到对应的哈希值，并基于各所述哈希值进行分桶计算，得到所述数字特征数据中各初始特征子数据对应的第二类别特征数据；
将所述第一类别特征数据对应的各初始特征子数据与所述第二类别特征数据进行交叉处理，得到对应所述初始特征数据的特征交叉数据；
对所述特征交叉数据进行分桶计算，得到对应所述备选地址的特征数据。


4.根据权利要求1所述的方法，其特征在于，所述通过预先训练的分类模型对各备选地址对应的特征数据进行特征分类，得到各备选地址对应的分类指标，包括：
分别对各所述特征数据进行第一分类处理，得到对应各所述特征数据的第一分类指标，并基于各第一分类指标得到各所述特征数据的类别特征；
根据各所述特征数据以及各所述特征数据的类别特征，得到对应各所述特征数据的特征数据组；
分别对各特征数据组进行第二分类处理，得到对应各所述特征数据的第二分类指标；
根据所述第一分类指标以及所述第二分类指标，得到各所述备选地址对应的分类指标。


5.根据权利要求1所述的方法，其特征在于，所述基于各备选地址对应的分类指标，对各所述备选地址进行排序之前，所述方法还包括：
分别判断各备选地址对应的分类指标是否大于预设指标阈值；
当备选地址对应的分类指标小于或等于预设指标阈值时，确定所述备选地址为不可选地址；
当备选地址对应的分类指标大于预设指标阈值时，确定所述备选地址为可选地址；<...

【专利技术属性】
技术研发人员：杨磊，黄茗，
申请(专利权)人：上海钧正网络科技有限公司，
类型：发明
国别省市：上海;31