地址别名的识别方法、装置、电子设备及计算机存储介质制造方法及图纸

本申请提供一种地址别名的识别方法、装置、电子设备及计算机存储介质，该方法包括：在收货地址数据库中，查询得到收货地址名称为第一地址名称的第一用户以及收货地址名称为第二地址名称的第二用户；针对每一个目标用户，根据目标用户的标识在报点数据库中获取目标用户的报点；根据目标地址名称对应的所有报点，提取得到目标地址名称的特征矩阵；将目标地址名称的特征矩阵输入至分析模型，得到目标地址名称的特征值；根据第一地址名称的特征值和第二地址名称的特征值，确定别名关系评分；若别名关系得分大于阈值，则确定第一地址名称与第二地址名称存在别名关系。从而达到快速、精确地识别出地址别名的目的。精确地识别出地址别名的目的。精确地识别出地址别名的目的。

【技术实现步骤摘要】
地址别名的识别方法、装置、电子设备及计算机存储介质


[0001]本申请涉及计算机
，特别涉及一种地址别名的识别方法、装置、电子设备及计算机存储介质。

技术介绍

[0002]一个地理实体，除了其标准名称，也通常以别名的形式被人们提及。例如，位于中央商务区的北京中信大厦，通常被人们称作“中国尊”。
[0003]现有技术下的别名获取，主要依赖于人工收集录入。收集方式可能包括：众包收集，即将城市按片区划分，并将各片区的别名收集任务分发给熟知当地地理信息的人群；获取关于建筑物登记的备案信息。可以看出，现有的人工收集录入需要耗费大量的人力成本及时间，且获取得到的别名具有严重的滞后性。

技术实现思路

[0004]有鉴于此，本申请提供一种地址别名的识别方法、装置、电子设备及计算机存储介质，可以快速、精确地识别出地址别名。
[0005]本申请第一方面提供了一种地址别名的识别方法，包括：
[0006]获取第一地址名称以及第二地址名称；
[0007]在收货地址数据库中，查询得到收货地址名称为所述第一地址名称的第一用户以及收货地址名称为所述第二地址名称的第二用户；
[0008]针对每一个目标用户，根据所述目标用户的标识在报点数据库中获取所述目标用户的报点，并将所述目标用户的报点与所述目标用户对应的目标地址名称关联；其中，所述报点为所述用户使用应用程序进行操作时获取得到的定位地址以及时间戳；所述目标用户为所述第一用户或所述第二用户；所述目标地址名称为所述第一地址名称或所述第二地址名称；所述第一用户对应的目标地址名称为第一目标名称；所述第二用户对应的目标地址名称为第二地址名称；
[0009]根据所述目标地址名称对应的所有报点，提取得到所述目标地址名称的特征矩阵；
[0010]将所述目标地址名称的特征矩阵输入至分析模型，得到所述目标地址名称的特征值；其中，所述分析模型由多个训练样本地址名称以及所述训练样本地址名称对应的真实别名对深度卷积神经网络进行训练得到；
[0011]根据所述第一地址名称的特征值和所述第二地址名称的特征值，确定别名关系评分；
[0012]若所述别名关系得分大于阈值，则确定所述第一地址名称与所述第二地址名称存在别名关系。
[0013]可选的，所述分析模型的构建方法，包括：
[0014]构建训练样本集；其中，所述训练样本集包括多个训练样本地址名称对应的所有
报点以及所述训练样本地址名称对应的真实别名；
[0015]根据目标训练样本地址名称对应的所有报点，提取得到所述目标训练样本地址名称的特征矩阵；其中，所述目标训练样本地址名称为第一训练样本地址名称或第二训练样本地址名称；
[0016]将所述目标训练样本地址名称的特征矩阵输入至深度卷积神经网络，得到所述目标训练样本地址名称的特征值；
[0017]根据所述第一地址名称的特征值和所述第二地址名称的特征值，得到所述第一训练样本地址名称和所述第二训练样本地址名称是否存在别名关系的预测结果；
[0018]利用所述预测结果与所述训练样本地址名称对应的真实别名之间的误差，对所述深度卷积神经网络中的参数进行不断调整，直至调整后的深度卷积神经网络输出的预测结果与所述训练样本地址名称对应的真实别名之间的误差满足预设的收敛条件，将所述调整后的深度卷积神经网络确定为分析模型。
[0019]可选的，所述根据所述目标地址名称对应的所有报点，提取得到所述目标地址名称的特征矩阵，包括：
[0020]将所述目标地址名称所属的城市地图等分为N*N的小片网格；其中，所述N为正整数；
[0021]统计所述目标地址名称对应的所有报点在每一个所述小片网格中的数量；
[0022]将每一个所述小片网格中的数量进行归一化，得到所述目标地址名称的特征矩阵。
[0023]可选的，所述根据所述第一地址名称的特征值和所述第二地址名称的特征值，确定别名关系评分，包括：
[0024]根据所述第一地址名称的特征值和所述第二地址名称的特征值，计算得到所述第一地址名称的特征值和所述第二地址名称的特征值的相近值；
[0025]利用所述相近值计算得到所述所述第一地址名称和所述第二地址名称之间的别名关系评分。
[0026]可选的，所述针对每一个目标用户，根据所述目标用户的标识在报点数据库中获取所述目标用户的报点，并将所述目标用户的报点与所述目标用户对应的目标地址名称关联之前，还包括：
[0027]利用预设的加密方式对每一个所述目标用户的标识进行加密，得到加密后的目标用户的标识；
[0028]其中，所述针对每一个目标用户，根据所述目标用户的标识在报点数据库中获取所述目标用户的报点，并将所述目标用户的报点与所述目标用户对应的目标地址名称关联，包括：
[0029]针对每一个目标用户，根据所述加密后的目标用户的标识在报点数据库中获取所述目标用户的报点，并将所述目标用户的报点与所述目标用户对应的目标地址名称关联。
[0030]本申请第二方面提供了一种地址别名的识别装置，包括：
[0031]获取单元，用于获取第一地址名称以及第二地址名称；
[0032]查询单元，用于在收货地址数据库中，查询得到收货地址名称为所述第一地址名称的第一用户以及收货地址名称为所述第二地址名称的第二用户；
[0033]关联单元，用于针对每一个目标用户，根据所述目标用户的标识在报点数据库中获取所述目标用户的报点，并将所述目标用户的报点与所述目标用户对应的目标地址名称关联；其中，所述报点为所述用户使用应用程序进行操作时获取得到的定位地址以及时间戳；所述目标用户为所述第一用户或所述第二用户；所述目标地址名称为所述第一地址名称或所述第二地址名称；所述第一用户对应的目标地址名称为第一目标名称；所述第二用户对应的目标地址名称为第二地址名称；
[0034]第一提取单元，用于根据所述目标地址名称对应的所有报点，提取得到所述目标地址名称的特征矩阵；
[0035]分析单元，用于将所述目标地址名称的特征矩阵输入至分析模型，得到所述目标地址名称的特征值；其中，所述分析模型由多个训练样本地址名称以及所述训练样本地址名称对应的真实别名对深度卷积神经网络进行训练得到；
[0036]第一确定单元，用于根据所述第一地址名称的特征值和所述第二地址名称的特征值，确定别名关系评分；
[0037]第二确定单元，用于若所述别名关系得分大于阈值，则确定所述第一地址名称与所述第二地址名称存在别名关系。
[0038]可选的，所述分析模型的构建单元，包括：
[0039]训练样本构建单元，用于构建训练样本集；其中，所述训练样本集包括多个训练样本地址名称对应的所有报点以及所述训练样本地址名称对应的真实别名；
[0040]第二提取单元，用于根据目标训练样本地址名称对应的所有报点，提取得到所述目标训练样本地址名称的特征矩阵；其中，所述目标训练样本地址名称为第一训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地址别名的识别方法，其特征在于，包括：获取第一地址名称以及第二地址名称；在收货地址数据库中，查询得到收货地址名称为所述第一地址名称的第一用户以及收货地址名称为所述第二地址名称的第二用户；针对每一个目标用户，根据所述目标用户的标识在报点数据库中获取所述目标用户的报点，并将所述目标用户的报点与所述目标用户对应的目标地址名称关联；其中，所述报点为所述用户使用应用程序进行操作时获取得到的定位地址以及时间戳；所述目标用户为所述第一用户或所述第二用户；所述目标地址名称为所述第一地址名称或所述第二地址名称；所述第一用户对应的目标地址名称为第一目标名称；所述第二用户对应的目标地址名称为第二地址名称；根据所述目标地址名称对应的所有报点，提取得到所述目标地址名称的特征矩阵；将所述目标地址名称的特征矩阵输入至分析模型，得到所述目标地址名称的特征值；其中，所述分析模型由多个训练样本地址名称以及所述训练样本地址名称对应的真实别名对深度卷积神经网络进行训练得到；根据所述第一地址名称的特征值和所述第二地址名称的特征值，确定别名关系评分；若所述别名关系得分大于阈值，则确定所述第一地址名称与所述第二地址名称存在别名关系。2.根据权利要求1所述的识别方法，其特征在于，所述分析模型的构建方法，包括：构建训练样本集；其中，所述训练样本集包括多个训练样本地址名称对应的所有报点以及所述训练样本地址名称对应的真实别名；根据目标训练样本地址名称对应的所有报点，提取得到所述目标训练样本地址名称的特征矩阵；其中，所述目标训练样本地址名称为第一训练样本地址名称或第二训练样本地址名称；将所述目标训练样本地址名称的特征矩阵输入至深度卷积神经网络，得到所述目标训练样本地址名称的特征值；根据所述第一地址名称的特征值和所述第二地址名称的特征值，得到所述第一训练样本地址名称和所述第二训练样本地址名称是否存在别名关系的预测结果；利用所述预测结果与所述训练样本地址名称对应的真实别名之间的误差，对所述深度卷积神经网络中的参数进行不断调整，直至调整后的深度卷积神经网络输出的预测结果与所述训练样本地址名称对应的真实别名之间的误差满足预设的收敛条件，将所述调整后的深度卷积神经网络确定为分析模型。3.根据权利要求1所述的识别方法，其特征在于，所述根据所述目标地址名称对应的所有报点，提取得到所述目标地址名称的特征矩阵，包括：将所述目标地址名称所属的城市地图等分为N*N的小片网格；其中，所述N为正整数；统计所述目标地址名称对应的所有报点在每一个所述小片网格中的数量；将每一个所述小片网格中的数量进行归一化，得到所述目标地址名称的特征矩阵。4.根据权利要求1所述的识别方法，其特征在于，所述根据所述第一地址名称的特征值和所述第二地址名称的特征值，确定别名关系评分，包括：根据所述第一地址名称的特征值和所述第二地址名称的特征值，计算得到所述第一地
址名称的特征值和所述第二地址名称的特征值的相近值；利用所述相近值计算得到所述所述第一地址名称和所述第二地址名称之间的别名关系评分。5.根据权利要求1所述的识别方法，其特征在于，所述针对每一个目标用户，根据所述目标用户的标识在报点数据库中获取所述目标用户的报点，并将所述目标用户的报点与所述目标用户对应的目标地址名称关联之前，还包括：利用预设的加密方式对每一个所述目标用户的标识进行加密，得到加密后的目标用户的标识；其中，所述针对每一个目标用户，根据所述目标用户的标识在报点数据库中获取所述目标用户的报点，并将所述目标用户的报点与所述目标...

【专利技术属性】
技术研发人员：何天赋，陈国春，颜萍，王晟宇，袁野，李瑞远，鲍捷，
申请(专利权)人：京东城市北京数字科技有限公司，
类型：发明
国别省市：