CN111382212B - 关联地址获取方法、装置、电子设备及存储介质 - Google Patents
关联地址获取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111382212B CN111382212B CN202010137659.7A CN202010137659A CN111382212B CN 111382212 B CN111382212 B CN 111382212B CN 202010137659 A CN202010137659 A CN 202010137659A CN 111382212 B CN111382212 B CN 111382212B
- Authority
- CN
- China
- Prior art keywords
- address
- label
- labeling
- interest
- target address
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000002372 labelling Methods 0.000 claims description 129
- 238000012549 training Methods 0.000 claims description 61
- 230000015654 memory Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 235000011888 snacks Nutrition 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例涉及信息技术处理领域,特别涉及一种关联地址获取方法、装置、电子设备及存储介质。关联地址获取方法,包括:接收来自客户端的消息或指令;通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面;其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。采用本发明的实施例,能够获取到更为精确的关联地址。
Description
技术领域
本发明实施例涉及信息技术处理领域,特别涉及一种关联地址获取方法、装置、电子设备及存储介质。
背景技术
随着互联网的飞速发展,各种基于位置的服务给人们的日常生活带来了极大的方便,其中就包括基于关联地址的服务;关联地址可以理解为与目标地址相关联的具有代表性的地址或地理范围,关联地址可以为处于目标地址的用户提供地理位置及周边环境的参考,关联地址可以整合一定地理范围内的用户进行信息处理等等。然而发明人发现相关技术中至少存在如下问题:目前关联地址的获取方式较为单一,获取到的关联地址精度较低、不够准确。
发明内容
本发明实施例的目的在于提供一种关联地址获取方法、装置、电子设备及存储介质,有利于获取到更为精确的关联地址。
为解决上述问题,本发明的实施例提供了一种关联地址获取方法,包括:接收来自客户端的消息或指令;通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面;其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
本发明的实施例还提供了一种关联地址获取装置,包括:接收模块,用于接收来自客户端的消息或指令;获取模块,用于解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;第一确定模块,用于根据所述经纬度信息,确定所述目标地址的空间索引编码;第二确定模块,用于根据所述文字描述,确定所述目标地址的兴趣面;其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
本发明的实施例还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行:接收来自客户端的消息或指令;通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面;其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
本发明的实施例还提供了一种计算机可读存储介质,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的关联地址获取方法。
本实施例相对于现有技术而言,接收来自客户端的消息或指令;通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面;其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面;可以理解的是,根据经纬度信息确定的空间索引编码是表征地理位置的,空间索引编码是在以网格划分地图的基础上得到的编码,能够将同一个网格内的地理位置统一以相同的编码表示,在数据上易于处理,简化了经纬度信息,避免了同一个地理位置在不同地图中可能存在定位偏差的问题,也就是减小了关联地址的地理位置的误差;可以理解的是,根据文字描述确定的兴趣面是表征具有代表性的地理范围的,因此包括空间索引编码和兴趣面的关联地址能够在地图上被准确定位,避免了缺少地理位置的关联地址容易与同名的关联地址产生混淆的问题;综上,多个方面的地理因素的结合使得获取到的关联地址的精确度得到提升。
另外,所述根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面,包括:根据标注规则,通过所述至少一个处理器对所述目标地址的文字描述进行标注,得到所述目标地址的标签;通过所述至少一个处理器对所述标签进行识别,确定所述目标地址的兴趣面。由于标注的标签区分了文字描述中的不同部分,有助于分部对文字描述进行识别,降低了确定兴趣面的复杂程度;且相较于直接对文字描述进行兴趣面的识别,减少了可能识别不出有效兴趣面实体的情况。
另外,所述通过所述至少一个处理器对所述标签进行识别,确定所述目标地址的兴趣面,包括:将所述标签传输到预设的兴趣面预测模型,通过所述至少一个处理器基于所述兴趣面预测模型计算得到所述目标地址的兴趣面;其中,用于训练所述兴趣面预测模型的每个训练样本包括样本地址的标签和所述样本地址的兴趣面,所述样本地址的标签通过根据所述标注规则对所述样本地址的文字描述进行标注得到。上述提供了一种通过经训练的模型对标签进行识别的方式,识别方式更为智能化、高效化,模型输出的兴趣面的可参考价值较高。
另外,所述样本地址的兴趣面通过以下方式获取得到:至少根据所述样本地址的经纬度信息,通过所述至少一个处理器确定所述样本地址的目标兴趣点,并获取所述目标兴趣点所属的兴趣面作为所述样本地址的兴趣面;也就是说,上述方式中能够不仅仅根据兴趣点与样本地址的距离来确定目标兴趣点,能够克服采用单一的确定因素来确定目标兴趣点时不够合理的问题。
另外,所述根据标注规则,通过所述至少一个处理器对所述目标地址的文字描述进行标注,得到所述目标地址的标签,包括:将所述文字描述传输到预设的标注模型,通过所述至少一个处理器基于所述标注模型计算得到所述目标地址的标签;其中,用于训练所述标注模型的每个训练样本包括训练地址的文字描述和所述训练地址的标签,所述训练地址的标签通过根据所述标注规则对所述训练地址的文字描述进行标注得到。上述提供了一种通过经训练的模型对文字描述进行标注的方式,标注方式更为智能化、高效化,模型输出的标签可参考价值较高。
另外,所述标注规则包括:对文字描述进行分割,得到文字描述的标注项;从预设的标注数据集中查找是否存在所述标注项对应的标注符号,并根据查找到的标注符号对所述文字描述进行标注。通过上述方式对文字描述进行标注,也就是将文字描述分割为了若干种类的标注项,而标注项对应有预设的标注符号,因此标注得到的标签形式统一且易于理解,有助于对标签进行数据处理,避免了直接对文字描述进行识别时可能产生的识别误差。
附图说明
图1是根据本发明第一实施例中的关联地址获取方法的流程图;
图2是根据本发明第一实施例中的空间索引编码获取方式的示意图;
图3是根据本发明第一实施例中的步骤103的具体实现方式的流程图;
图4是根据本发明第二实施例中的关联地址获取方法的流程图;
图5是根据本发明第三实施例中的关联地址获取装置的结构方框图;
图6是根据本发明第四实施例中的电子设备的结构方框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施例进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施例中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施例的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施例涉及一种关联地址获取方法。本实施例中以外卖场景为例进行说明,客户端可以理解为用户所使用的智能电脑、智能手机等设备,用户可以通过客户端登录外卖平台进行外卖下单;目标地址可以理解为用户在下单时输入的收货地址;关联地址可以理解为用户可能感兴趣的兴趣点或兴趣面(兴趣点/兴趣面,是地理信息***中的一个术语,泛指一切可以抽象为点/面的地理对象,可以是一个建筑物、一个商铺、一个景点、一片区域等等),将获取到的关联地址与用户的目标地址相关联后,可以向用户推送与关联地址相关的运营活动,或是整合与同一个关联地址相关联的目标地址的用户进行订单的管理等。以上仅为举例说明,并不限定本实施例中关联地址获取方法的使用场景及上述名词的具体指代。本实施例中关联地址获取方法的具体流程如图1所示,包括:
步骤101,接收来自客户端的消息或指令;通过至少一个处理器解析消息或指令,获取目标地址;其中,目标地址包括经纬度信息和文字描述;
步骤102,根据经纬度信息,通过至少一个处理器确定目标地址的空间索引编码;
步骤103,根据文字描述,通过至少一个处理器确定目标地址的兴趣面;其中,目标地址的关联地址包括空间索引编码和兴趣面。
本实施例中,根据经纬度信息确定的空间索引编码是表征地理位置的,空间索引编码是在以网格划分地图的基础上得到的编码,能够将同一个网格内的地理位置统一以相同的编码表示,在数据上易于处理,简化了经纬度信息,避免了同一个地理位置在不同地图中可能存在定位偏差的问题,也就是减小了关联地址的地理位置的误差;根据文字描述确定的兴趣面是表征具有代表性的地理范围的,因此包括空间索引编码和兴趣面的关联地址能够在地图上被准确定位,避免了缺少地理位置的关联地址容易与同名的关联地址产生混淆的问题;多个方面的地理因素的结合使得获取到的关联地址的精确度得到提升。
下面对本实施例的关联地址获取方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
在步骤101中,电子设备接收来自客户端的消息或指令,通过至少一个处理器解析消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;本实施例中,以外卖场景为例,电子设备可以理解为外卖平台后台的服务器;用户登录客户端上的外卖平台进行下单,在下单时输入收货地址作为目标地址;表征下单操作的指令或是订单的消息经客户端传输至服务器,服务器解析消息或指令,从中获取到目标地址。
可以理解的是,用户在输入收货地址时,可以是手动输入一串表示地址的文字描述,由于表示地址的文字描述中包含有诸如“省”、“市”、“区”、“街道”等的标准地理单位,而将标准地理单位映射到地图上可以获得对应的经纬度信息,因此用户输入的收货地址中是包括了经纬度信息和文字描述的;另外,用户在输入收货地址时,也可以是从外平台提供的可交互地图上点选收货地址,当用户点选了收货地址后会自动生成被点选的位置所对应的文字描述,又由于可交互地图是根据经纬度信息生成的,因此用户点选的收货地址中是包括了经纬度信息的;综上,解析消息或指令得到的目标地址中包括经纬度信息和文字描述。
在步骤102中,电子设备根据经纬度信息,通过至少一个处理器确定目标地址的空间索引编码。本实施方式中可以采用geohash算法来确定空间索引编码,geohash算法能够将二维的经纬度转换为字符串(即空间索引编码),每一个字符串代表了地图上的某一个网格区域,也就是说同一个网格区域内的所有经纬度坐标均共享相同的字符串。
如图2所示的空间索引获取方式的示意图,在一个实例中,根据目标地址的经纬度信息将目标地址映射到地图上,选取地图上的一块地理区域(如2a所示的正方形地理区域),地理区域可以理解为包含目标地址的一块区域,目标地址坐落在地理区域中(如2a中的黑色实心圆点所示);第一步将地理区域均分为四等份网格,定义这四等份网格的值分别为01、11、00、10,目标地址当前所处的网格的值为00(如2b所示);第二步将各四等份网格继续均分为四等份网格,共十六等份网格,同样定义第一步中的每一个四等份网格均分得到的四等份网格的值分别为01、11、00、10,目标地址当前所处的网格的值为0011(如2c所示);依次类推,可继续对每一次划分后得到的若干等份网格进行四等均分,并按照上述规律定义每一个划分得到的网格的值……如2d所示,共进行了四次划分,目标地址当前所处的网格的值为00110100,也就是目标地址的空间索引编码为00110100。
在另一个实例中,以目标地址的经纬度信息为(116.4,39.9)为例进行说明。首先对目标地址的纬度进行编码,由于地球的纬度区间是[-90,90],每次将纬度区间二分为两个区间,并根据目标地址纬度所属的区间为目标地址的纬度进行编码;可以理解的是,每次划分后的区间范围总在缩小并且逐步逼近目标地址的纬度,如下表所示。
纬度区间 | 划分区间为0 | 划分区间为1 | 纬度39.9 | |
1 | [-90,90] | [-90,0) | [0,90] | 1 |
2 | [0,90] | [0,45) | [45,90] | 0 |
3 | [0,45) | [0,22.5) | [22.5,45] | 1 |
4 | [22.5,45] | [22.5,33.75) | [33.75,45] | 1 |
5 | [33.75,45] | [33.75,39.375) | [39.375,45] | 1 |
6 | [39.375,45] | [39.375,42.1875) | [42.1875,45] | 0 |
7 | [39.375,42.1875) | [39.375,40.7812) | [40.7812,42.1875] | 0 |
8 | [39.375,40.7812) | [39.375,40.0781) | [40.0781,40.7812] | 0 |
由上表可知,对目标地址的纬度进行编码得到的结果为10111000;同理对目标地址的经度进行编码得到的结果为11010010;将经度的编码和纬度的编码合并时,可以将偶数位放置经度的编码,奇数位放置纬度的编码,得到目标地址的空间索引编码为:1110011101001000(偶数位从0开始)。
可以理解的是,geohash算法确定的空间索引编码的精度是与划分次数成正比的;上述划分方式及数值仅为方便理解进行的举例说明,并不构成具体限制。
在步骤103中,根据文字描述,通过至少一个处理器确定目标地址的兴趣面;本实施例中提供了一种根据文字描述确定目标地址的兴趣面的方式,即步骤103的具体实现方式,包括如图3所示的步骤1031至步骤1032。
步骤1031,根据标注规则,通过至少一个处理器对目标地址的文字描述进行标注,得到目标地址的标签。
本实施例中提供的第一种标注规则,包括:
(1)对文字描述进行分割,得到文字描述的标注项;
(2)从预设的标注数据集中查找是否存在标注项对应的标注符号,并根据查找到的标注符号对文字描述进行标注。
考虑到常规的地址的形式,文字描述的标注项可以理解为“省市县区”、“街道道路”、“栋幢号楼层室”、“数字英文”、“空格”、“兴趣点”以及“其他”等等;预设的标注数据集中存储有标注项和标注符号的对应关系,例如“省市县区”对应标注符号0、“街道道路”对应标注符号1、“栋幢号楼层室”对应标注符号2、“数字英文”对应标注符号3、“空格”对应标注符号4、“兴趣点”对应标注符号5、“其他”对应标注符号6等等(其中,标注项“其他”所对应的文字描述部分可以理解为无法被划分到上述其他标注项的文字描述部分)。在一个实例中,目标地址的文字描述为:
丰台区少年宫文体路20号门卫处
对文字描述分割得到标注项“省市县区(丰台区)”、“兴趣点(少年宫)”、“空格”、“街道道路(文体路)”、“数字英文(20)”、“栋幢号楼层室(号)”、“空格”、“其他(门卫处)”;从标注数据集中查找上述标注项对应的标注符号,对文字描述进行标注,得到文字描述的标签为“05413246”。
本实施例中提供的第二种标注规则,指实体标注算法的标注规则。例如,使用BIOES序列标注算法对文字描述进行实体标注,标注B表示这个词处于一个实体的开始(Begin),标注I表示这个词处于一个实体的内部(Inside),标注O表示这个词处于一个实体的外部(Outside),表示E表示这个词处于一个实体的结束(End),标注S表示这个词自身组成一个实体(Single)。相较而言,通过上述第一种标注规则对文字描述进行标注的精度更高,避免了实体识别算法识别不出有效实体的情况。
步骤1032,通过至少一个处理器对标签进行识别,确定目标地址的兴趣面。
具体地说,当通过步骤1031中的第一种标注规则对目标地址的文字描述进行了标注时,识别出标签中的标注符号“5”,获取被标注了“5”的标注项,即获取“兴趣点”标注项;根据“兴趣点”标注项对应的文字描述部分,确定目标地址的兴趣点,进一步确定目标地址的兴趣点所属的兴趣面;例如,“兴趣点”标注项对应的文字描述部分为“少年宫”,进一步确定“少年宫”所属的兴趣面为“文体路”。
具体地说,当通过步骤1031中的例如BIOES序列标注算法标注对文字描述进行标注时,BIOES序列算法标注的结果就是实体(即地理对象),根据标注的结果确定目标地址的兴趣点,进一步根据目标地址的兴趣点确定目标地址的兴趣面;例如,标注结果为实体“沙县小吃”,则目标地址的兴趣点为“沙县小吃”,进一步确定“沙县小吃”所属的兴趣面。本实施例中兴趣点和兴趣面的从属关系是预先根据地图设置好的。
由于标注的标签区分了文字描述中的不同部分,有助于分部对文字描述进行识别,降低了确定兴趣面的复杂程度;且相较于直接对文字描述进行兴趣面的识别,减少了可能识别不出有效兴趣面实体的情况。
在确定了目标地址的空间索引编码和兴趣面后,也就确定了目标地址的关联地址,目标地址的关联地址包括的目标地址的空间索引编码和兴趣面。在一个实例中,确定目标地址的空间索引编码为:1110011101001000,确定目标地址的兴趣面为“文体路”,则目标地址的关联地址包括“1110011101001000+文体路”,根据空间索引编码和“文体路”能够定位到具体的地理位置,而不会与不同省市的“文体路”产生混淆。
本实施例相对于现有技术而言,接收来自客户端的消息或指令;通过至少一个处理器解析消息或指令,获取目标地址;其中,目标地址包括经纬度信息和文字描述;根据经纬度信息,通过至少一个处理器确定目标地址的空间索引编码;根据标注规则,通过至少一个处理器对目标地址的文字描述进行标注,得到目标地址的标签,区分了文字描述中的不同部分,有助于分部对文字描述进行识别,降低了确定兴趣面的复杂程度;通过至少一个处理器对标签进行识别,确定目标地址的兴趣面,相较于直接对文字描述进行兴趣面的识别,减少了可能识别不出有效兴趣面实体的情况;其中,目标地址的关联地址包括空间索引编码和兴趣面。可以理解的是,根据经纬度信息确定的空间索引编码是表征地理位置的,空间索引编码是在以网格划分地图的基础上得到的编码,能够将同一个网格内的地理位置统一以相同的编码表示,在数据上易于处理,简化了经纬度信息,避免了同一个地理位置在不同地图中可能存在定位偏差的问题,也就是减小了关联地址的地理位置的误差;可以理解的是,根据文字描述确定的兴趣面是表征具有代表性的地理范围的,因此包括空间索引编码和兴趣面的关联地址能够在地图上被准确定位,避免了缺少地理位置的关联地址容易与同名的关联地址产生混淆的问题;综上,多个方面的地理因素的结合使得获取到的关联地址的精确度得到提升。
本发明第二实施例涉及一种关联地址获取方法,与第一实施例大致相同,区别之处在于提供了另一种根据文字描述确定目标地址兴趣面的实现方式。本实施例中关联地址获取方法的具体流程如图4所示,包括:
步骤201,接收来自客户端的消息或指令;通过至少一个处理器解析消息或指令,获取目标地址;其中,目标地址包括经纬度信息和文字描述;此步骤与步骤101大致相似,此处不再赘述。
步骤202,根据经纬度信息,通过至少一个处理器确定目标地址的空间索引编码;此步骤与步骤102大致相似,此处不再赘述。
步骤203,将文字描述传输到预设的标注模型,通过至少一个处理器基于标注模型计算得到目标地址的标签。
具体地说,将目标地址的文字描述作为标注模型的输入,得到标注模型的输出为目标地址的标签。用于训练标注模型的每个训练样本,包括训练地址的文字描述和训练地址的标签,其中,训练地址的标签是通过根据标注规则对训练地址的文字描述进行标注得到的,此处的标注规则具体指步骤1031中提供的第一种标注规则,这样用于训练标注模型的标签是以预设数据集中的标注符号进行标注的,实际使用标注模型得到输出的标签也是以预设数据集中的标注符号进行标注的,相对于人工根据标注规则对文字描述进行标注而言,更为智能化,标注效率得到了提升。
更具体地说,在一个实例中,经训练的标注模型包括长短期记忆模型(BILSTM模型)和条件随机场(CRF)模型,能够将文字描述进行分割为多个部分,计算每个部分所对应的标注符号,对文字描述进行标注;对于无法计算出准确的标注符号的部分,根据上下文的关系计算出该部分可能对应的每个标注符号的概率值,取概率值最大的标注符号对该部分进行标注,也就是说得到的完整标注结果是可能性最大的标注结果。例如,模型对文字描述进行标注过程中,得到标签“0()413246”,其中“()”表示无法计算出准确的标注符号的部分;根据上下文的关系,计算出“()”的部分最有可能对应的标注符号是“5”,表示标注项“兴趣点”,也就是得到标注的标签“05413246”。
步骤204,将标签传输到预设的兴趣面预测模型,通过至少一个处理器基于兴趣面预测模型计算得到目标地址的兴趣面;其中,目标地址的关联地址包括空间索引编码和兴趣面。
具体地说,将目标地址的标签作为兴趣面预测模型的输入,得到兴趣面预测模型的输出为目标地址的兴趣面。用于训练兴趣面预测模型的每个训练样本包括样本地址的标签和样本地址的兴趣面。
其中,样本地址的标签是通过根据标注规则对样本地址的文字描述进行标注得到的,此处的标注规则同样具体指步骤1031中提供的第一种标注规则;这样用于训练兴趣面预测模型的标签是以预设数据集中的标注符号进行标注的,实际使用兴趣面预测模型时输入的目标地址的标签也是以预设数据集中的标注符号进行标注的,达成了统一。
其中,样本地址的兴趣面通过以下方式获取得到:至少根据所述样本地址的经纬度信息,通过所述至少一个处理器确定所述样本地址的目标兴趣点,并获取所述目标兴趣点所属的兴趣面作为所述样本地址的兴趣面。具体地说,首先根据样本地址的经纬度信息在地图上确定一块地理区域,地理区域可以是步骤102中涉及的一个网格区域,同一个网格区域内的所有经纬度坐标均共享相同的字符串(也就是根据样本地址的经纬度信息确定的空间索引编码);其次,获取地理区域内的兴趣点作为候选兴趣点,从候选兴趣点中确定一个目标兴趣点,并获取目标兴趣点所述的兴趣面作为样本地址的兴趣面。本实施例中,可以仅根据样本地址的经纬度信息,选择与样本地址距离最近的候选兴趣点作为目标兴趣点;或是根据样本地址的经纬度信息、各候选兴趣点的属性信息(例如预设的兴趣点类型、兴趣点等级、兴趣点权重等等)等等,确定各候选兴趣点与样本地址的匹配程度,选择匹配程度最高的候选兴趣点作为目标兴趣点,这样能够不仅仅根据兴趣点与样本地址的距离来确定目标兴趣点,能够克服采用单一的确定因素来确定目标兴趣点时不够合理的问题。以上仅为方便理解进行的举例说明,并不构成具体的限制。
在确定了目标地址的空间索引编码和兴趣面后,也就确定了目标地址的关联地址,目标地址的关联地址包括的目标地址的空间索引编码和兴趣面。
本实施例相对于现有技术而言,通过经训练的标注模型,得到目标地址的标签;通过经训练的兴趣面预测模型,得到目标地址的兴趣面,关联地址获取过程更为智能化、高效化,模型输出结果的可参考价值也较高。
本发明第三实施例涉及一种关联地址获取装置,如图5所示,包括:接收模块301,获取模块302,第一确定模块303和第二确定模块304。
接收模块301,用于接收来自客户端的消息或指令;
获取模块302,用于解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;
第一确定模块303,用于根据所述经纬度信息,确定所述目标地址的空间索引编码;
第二确定模块304,用于根据所述文字描述,确定所述目标地址的兴趣面;
其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
在一个实例中,所述第二确定模块304根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面,包括:根据标注规则,通过所述至少一个处理器对所述目标地址的文字描述进行标注,得到所述目标地址的标签;通过所述至少一个处理器对所述标签进行识别,确定所述目标地址的兴趣面。
在一个实例中,所述第二确定模块304通过所述至少一个处理器对所述标签进行识别,确定所述目标地址的兴趣面,包括:将所述标签传输到预设的兴趣面预测模型,通过所述至少一个处理器基于所述兴趣面预测模型计算得到所述目标地址的兴趣面;其中,用于训练所述兴趣面预测模型的每个训练样本包括样本地址的标签和所述样本地址的兴趣面,所述样本地址的标签通过根据所述标注规则对所述样本地址的文字描述进行标注得到。
在一个实例中,所述样本地址的兴趣面通过以下方式获取得到:至少根据所述样本地址的经纬度信息,通过所述至少一个处理器确定所述样本地址的目标兴趣点,并获取所述目标兴趣点所属的兴趣面作为所述样本地址的兴趣面。
在一个实例中,所述第二确定模块304根据标注规则,通过所述至少一个处理器对所述目标地址的文字描述进行标注,得到所述目标地址的标签,包括:将所述文字描述传输到预设的标注模型,通过所述至少一个处理器基于所述标注模型计算得到所述目标地址的标签;其中,用于训练所述标注模型的每个训练样本包括训练地址的文字描述和所述训练地址的标签,所述训练地址的标签通过根据所述标注规则对所述训练地址的文字描述进行标注得到。
在一个实例中,所述标注规则包括:对文字描述进行分割,得到文字描述的标注项;从预设的标注数据集中查找是否存在所述标注项对应的标注符号,并根据查找到的标注符号对所述文字描述进行标注。
不难发现,本实施例为与第一实施例或第二实施例的相对应的装置实施例,本实施例可与第一实施例或第二实施例互相配合实施。第一实施例或第二实施例中提到的相关技术细节在本实施例中依然有效,为了减少重复,这里不再赘述。相应的,实施例中提到的相关技术细节也可应用在第一实施例或第二实施例中。
值得一提的是,本实施例中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施例中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施例中不存在其它的单元。
本发明第四实施例涉及一种电子设备,如图6所示,该电子设备包括至少一个处理器401;以及,与至少一个处理器401通信连接的存储器402;以及,与至少一个处理器401连接的通信组件403,通信组件403在处理器401的控制下接收和发送数据;其中,存储器402存储有可被至少一个处理器401执行的指令,指令被至少一个处理器401执行以实现:接收来自客户端的消息或指令;通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面;其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
具体地,该电子设备包括:一个或多个处理器401以及存储器402,图6中以一个处理器401为例。处理器401、存储器402可以通过总线或者其他方式连接,图6中以通过总线连接为例。存储器402作为一种计算机可读存储介质,可用于存储计算机软件程序、计算机可执行程序以及模块。处理器401通过运行存储在存储器402中的计算机软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述关联地址获取方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器402中,当被一个或者多个处理器401执行时,执行上述任意方法实施例中的关联地址获取方法。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
在本实施例中,接收来自客户端的消息或指令;通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面;其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面;可以理解的是,根据经纬度信息确定的空间索引编码是表征地理位置的,空间索引编码是在以网格划分地图的基础上得到的编码,能够将同一个网格内的地理位置统一以相同的编码表示,在数据上易于处理,简化了经纬度信息,避免了同一个地理位置在不同地图中可能存在定位偏差的问题,也就是减小了关联地址的地理位置的误差;可以理解的是,根据文字描述确定的兴趣面是表征具有代表性的地理范围的,因此包括空间索引编码和兴趣面的关联地址能够在地图上被准确定位,避免了缺少地理位置的关联地址容易与同名的关联地址产生混淆的问题;综上,多个方面的地理因素的结合使得获取到的关联地址的精确度得到提升。
本发明第五实施例涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述关联地址获取方法实施例。
即,本领域技术人员可以理解,实现上述关联地址获取方法实施例中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施例是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
本申请实施例公开了A1.一种关联地址获取方法,包括:
接收来自客户端的消息或指令;
通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;
根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;
根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面;
其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
A2.如A1所述的关联地址获取方法,所述根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面,包括:
根据标注规则,通过所述至少一个处理器对所述目标地址的文字描述进行标注,得到所述目标地址的标签;
通过所述至少一个处理器对所述标签进行识别,确定所述目标地址的兴趣面。
A3.如A2所述的关联地址获取方法,所述通过所述至少一个处理器对所述标签进行识别,确定所述目标地址的兴趣面,包括:
将所述标签传输到预设的兴趣面预测模型,通过所述至少一个处理器基于所述兴趣面预测模型计算得到所述目标地址的兴趣面;其中,用于训练所述兴趣面预测模型的每个训练样本包括样本地址的标签和所述样本地址的兴趣面,所述样本地址的标签通过根据所述标注规则对所述样本地址的文字描述进行标注得到。
A4.如A3所述的关联地址获取方法,所述样本地址的兴趣面通过以下方式获取得到:
至少根据所述样本地址的经纬度信息,通过所述至少一个处理器确定所述样本地址的目标兴趣点,并获取所述目标兴趣点所属的兴趣面作为所述样本地址的兴趣面。
A5.如A2所述的关联地址获取方法,所述根据标注规则,通过所述至少一个处理器对所述目标地址的文字描述进行标注,得到所述目标地址的标签,包括:
将所述文字描述传输到预设的标注模型,通过所述至少一个处理器基于所述标注模型计算得到所述目标地址的标签;其中,用于训练所述标注模型的每个训练样本包括训练地址的文字描述和所述训练地址的标签,所述训练地址的标签通过根据所述标注规则对所述训练地址的文字描述进行标注得到。
A6.如A2、A3或A5中任一项所述的关联地址获取方法,所述标注规则包括:
对文字描述进行分割,得到文字描述的标注项;
从预设的标注数据集中查找是否存在所述标注项对应的标注符号,并根据查找到的标注符号对所述文字描述进行标注。
本申请实施例提供了B1.一种关联地址获取装置,包括:
接收模块,用于接收来自客户端的消息或指令;
获取模块,用于解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;
第一确定模块,用于根据所述经纬度信息,确定所述目标地址的空间索引编码;
第二确定模块,用于根据所述文字描述,确定所述目标地址的兴趣面;
其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
B2.如B1所述的关联地址获取装置,所述第二确定模块根据所述文字描述,确定所述目标地址的兴趣面,包括:
根据标注规则,对所述目标地址的文字描述进行标注,得到所述目标地址的标签;
对所述标签进行识别,确定所述目标地址的兴趣面。
B3.如B2所述的关联地址获取装置,所述第二确定模块对所述标签进行识别,确定所述目标地址的兴趣面,包括:
将所述标签传输到预设的兴趣面预测模型,基于所述兴趣面预测模型计算得到所述目标地址的兴趣面;其中,用于训练所述兴趣面预测模型的每个训练样本包括样本地址的标签和所述样本地址的兴趣面,所述样本地址的标签通过根据标注规则对所述样本地址的文字描述进行标注得到。
B4.如B3所述的关联地址获取装置,所述样本地址的兴趣面通过以下方式获取得到:
至少根据所述样本地址的经纬度信息,确定所述样本地址的目标兴趣点,并获取所述目标兴趣点所属的兴趣面作为所述样本地址的兴趣面。
B5.如B2所述的关联地址获取装置,所述第二确定模块根据标注规则,对所述目标地址的文字描述进行标注,得到所述目标地址的标签,包括:
将所述文字描述传输到预设的标注模型,通过所述至少一个处理器基于所述标注模型计算得到所述目标地址的标签;其中,用于训练所述标注模型的每个训练样本包括训练地址的文字描述和所述训练地址的标签,所述训练地址的标签通过根据标注规则对所述训练地址的文字描述进行标注得到。
B6.如B2、B3或B5中任一项所述的关联地址获取装置,所述标注规则包括:
对文字描述进行分割,得到文字描述的标注项;
从预设的标注数据集中查找是否存在所述标注项对应的标注符号,并根据查找到的标注符号对所述文字描述进行标注。
本申请公开了C1.一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行:
接收来自客户端的消息或指令;
通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;
根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;
根据所述文字描述,通过所述至少一个处理器确定所述目标地址的兴趣面;
其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
C2.如C1所述的电子设备,所述处理器能够执行如A2至A6中任一项所述的关联地址获取方法。
本申请实施例公开了D1.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现A1至A6中任一项所述的关联地址获取方法。
Claims (11)
1.一种关联地址获取方法,其特征在于,包括:
接收来自客户端的消息或指令;
通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;
根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;
根据标注规则对文字描述进行标注得到目标地址的标签,将该标签传输到兴趣面预测模型,通过所述至少一个处理器基于兴趣面预测模型计算得到所述目标地址的兴趣面;其中,用于训练所述兴趣面预测模型的每个训练样本包括样本地址的标签和所述样本地址的兴趣面,所述样本地址的标签通过根据所述标注规则对所述样本地址的文字描述进行标注得到;
其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
2.根据权利要求1所述的关联地址获取方法,其特征在于,所述样本地址的兴趣面通过以下方式获取得到:
至少根据所述样本地址的经纬度信息,通过所述至少一个处理器确定所述样本地址的目标兴趣点,并获取所述目标兴趣点所属的兴趣面作为所述样本地址的兴趣面。
3.根据权利要求1所述的关联地址获取方法,其特征在于,所述根据标注规则对文字描述进行标注到所述目标地址的标签,包括:
将所述文字描述传输到预设的标注模型,通过所述至少一个处理器基于所述标注模型计算得到所述目标地址的标签;其中,用于训练所述标注模型的每个训练样本包括训练地址的文字描述和所述训练地址的标签,所述训练地址的标签通过根据所述标注规则对所述训练地址的文字描述进行标注得到。
4.根据权利要求1-3中任一项所述的关联地址获取方法,其特征在于,所述标注规则包括:
对文字描述进行分割,得到文字描述的标注项;
从预设的标注数据集中查找是否存在所述标注项对应的标注符号,并根据查找到的标注符号对所述文字描述进行标注。
5.一种关联地址获取装置,其特征在于,包括:
接收模块,用于接收来自客户端的消息或指令;
获取模块,用于解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;
第一确定模块,用于根据所述经纬度信息,确定所述目标地址的空间索引编码;
第二确定模块,用于根据标注规则对文字描述进行标注得到目标地址的标签,将该标签传输到兴趣面预测模型,基于兴趣面预测模型计算得到所述目标地址的兴趣面;其中,用于训练所述兴趣面预测模型的每个训练样本包括样本地址的标签和所述样本地址的兴趣面,所述样本地址的标签通过根据所述标注规则对所述样本地址的文字描述进行标注得到;
其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
6.根据权利要求5所述的关联地址获取装置,其特征在于,所述样本地址的兴趣面通过以下方式获取得到:
至少根据所述样本地址的经纬度信息,确定所述样本地址的目标兴趣点,并获取所述目标兴趣点所属的兴趣面作为所述样本地址的兴趣面。
7.根据权利要求5所述的关联地址获取装置,其特征在于,所述第二确定模块根据标注规则,对所述目标地址的文字描述进行标注,得到所述目标地址的标签,包括:
将所述文字描述传输到预设的标注模型,通过所述至少一个处理器基于所述标注模型计算得到所述目标地址的标签;其中,用于训练所述标注模型的每个训练样本包括训练地址的文字描述和所述训练地址的标签,所述训练地址的标签通过根据标注规则对所述训练地址的文字描述进行标注得到。
8.根据权利要求5-7中任一项所述的关联地址获取装置,其特征在于,所述标注规则包括:
对文字描述进行分割,得到文字描述的标注项;
从预设的标注数据集中查找是否存在所述标注项对应的标注符号,并根据查找到的标注符号对所述文字描述进行标注。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行:
接收来自客户端的消息或指令;
通过至少一个处理器解析所述消息或指令,获取目标地址;其中,所述目标地址包括经纬度信息和文字描述;
根据所述经纬度信息,通过至少一个处理器确定所述目标地址的空间索引编码;
根据标注规则对文字描述进行标注得到目标地址的标签,将该标签传输到兴趣面预测模型,通过所述至少一个处理器基于兴趣面预测模型计算得到所述目标地址的兴趣面;其中,用于训练所述兴趣面预测模型的每个训练样本包括样本地址的标签和所述样本地址的兴趣面,所述样本地址的标签通过根据所述标注规则对所述样本地址的文字描述进行标注得到;
其中,所述目标地址的关联地址包括所述空间索引编码和所述兴趣面。
10.根据权利要求9所述的电子设备,其特征在于,所述处理器能够执行如权利要求2至4中任一项所述的关联地址获取方法。
11.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的关联地址获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010137659.7A CN111382212B (zh) | 2020-03-02 | 2020-03-02 | 关联地址获取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010137659.7A CN111382212B (zh) | 2020-03-02 | 2020-03-02 | 关联地址获取方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111382212A CN111382212A (zh) | 2020-07-07 |
CN111382212B true CN111382212B (zh) | 2021-07-27 |
Family
ID=71218560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010137659.7A Active CN111382212B (zh) | 2020-03-02 | 2020-03-02 | 关联地址获取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111382212B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931478B (zh) * | 2020-07-16 | 2023-11-10 | 丰图科技(深圳)有限公司 | 地址兴趣面模型的训练方法、地址的预测方法及装置 |
CN112860724B (zh) * | 2020-12-25 | 2024-04-26 | 科讯嘉联信息技术有限公司 | 一种用于人机融合客服***的自动地址纠偏方法 |
CN112597755B (zh) * | 2020-12-29 | 2024-06-11 | 杭州拼便宜网络科技有限公司 | 一种地理位置信息生成方法、装置、电子设备及存储介质 |
CN112711590B (zh) * | 2020-12-30 | 2024-06-18 | 百果园技术(新加坡)有限公司 | 国家代码存储、查询方法、装置、电子设备和存储介质 |
CN113254809B (zh) * | 2021-06-16 | 2022-05-03 | 浙江口碑网络技术有限公司 | 地理信息获得方法、装置、电子设备 |
CN113536132A (zh) * | 2021-07-28 | 2021-10-22 | 拉扎斯网络科技(上海)有限公司 | 兴趣面aoi处理方法、装置、电子设备及存储介质 |
CN117978258B (zh) * | 2024-03-28 | 2024-05-28 | 深圳位置网科技有限公司 | 卫星通信的求救信息生成方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933833A (zh) * | 2015-12-30 | 2017-07-07 | 中国科学院沈阳自动化研究所 | 一种基于空间索引技术的位置信息快速查询方法 |
CN108011987A (zh) * | 2017-10-11 | 2018-05-08 | 北京三快在线科技有限公司 | Ip地址定位方法及装置,电子设备及存储介质 |
CN110674423A (zh) * | 2019-09-23 | 2020-01-10 | 拉扎斯网络科技(上海)有限公司 | 一种地址定位的方法、装置、可读存储介质和电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2972875A1 (en) * | 2016-07-07 | 2018-01-07 | Costar Realty Information, Inc. | Identifying spatial records |
-
2020
- 2020-03-02 CN CN202010137659.7A patent/CN111382212B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933833A (zh) * | 2015-12-30 | 2017-07-07 | 中国科学院沈阳自动化研究所 | 一种基于空间索引技术的位置信息快速查询方法 |
CN108011987A (zh) * | 2017-10-11 | 2018-05-08 | 北京三快在线科技有限公司 | Ip地址定位方法及装置,电子设备及存储介质 |
CN110674423A (zh) * | 2019-09-23 | 2020-01-10 | 拉扎斯网络科技(上海)有限公司 | 一种地址定位的方法、装置、可读存储介质和电子设备 |
Non-Patent Citations (1)
Title |
---|
空间关键词搜索研究综述;刘喜平等;《软件学报》;20160228;第27卷(第2期);第330-345页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111382212A (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111382212B (zh) | 关联地址获取方法、装置、电子设备及存储介质 | |
CN109145169B (zh) | 一种基于统计分词的地址匹配方法 | |
CN108628811B (zh) | 地址文本的匹配方法和装置 | |
CN110019616B (zh) | 一种poi现势状态获取方法及其设备、存储介质、服务器 | |
CN112069276B (zh) | 地址编码方法、装置、计算机设备及计算机可读存储介质 | |
CN108491387B (zh) | 用于输出信息的方法和装置 | |
CN110866093A (zh) | 机器问答方法及装置 | |
CN112528639B (zh) | 对象识别方法和装置、存储介质及电子设备 | |
CN113127506B (zh) | 目标查询语句的构建方法、装置、存储介质和电子装置 | |
CN111324679A (zh) | 地址信息的处理方法、装置和*** | |
US20230049839A1 (en) | Question Answering Method for Query Information, and Related Apparatus | |
CN110837568A (zh) | 实体对齐方法及装置、电子设备、存储介质 | |
CN105608113A (zh) | 判断文本中poi数据的方法及装置 | |
CN115062134A (zh) | 知识问答模型训练及知识问答方法、装置和计算机设备 | |
CN110598122B (zh) | 社交群体挖掘方法、装置、设备及存储介质 | |
CN116662583B (zh) | 一种文本生成方法、地点检索方法及相关装置 | |
CN111930891B (zh) | 基于知识图谱的检索文本扩展方法及相关装置 | |
CN111125550A (zh) | 兴趣点分类方法、装置、设备及存储介质 | |
CN114580354B (zh) | 基于同义词的信息编码方法、装置、设备和存储介质 | |
CN116431746A (zh) | 基于编码库的地址映射方法、装置、电子设备及存储介质 | |
CN114036414A (zh) | 兴趣点的处理方法、装置、电子设备、介质及程序产品 | |
CN112381166B (zh) | 信息点识别方法、装置及电子设备 | |
CN112287005B (zh) | 一种数据处理方法、装置、服务器及介质 | |
CN114638308A (zh) | 一种获取对象关系的方法、装置、电子设备和存储介质 | |
CN114925680A (zh) | 物流兴趣点信息生成方法、装置、设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |