[發明專利]目標地址確定方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010035885.4
• 申請日: 2020-01-14
• 公開（公告）號: CN111210158B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 楊磊;黃茗
• 申請（專利權）人: 上海鈞正網絡科技有限公司
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q10/0639
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 姜曉云

1.一種目標地址確定方法，其特征在于，所述方法包括：

獲取備選地址原始數據；

對各所述備選地址原始數據進行特征數據提取，得到對應各備選地址的特征數據；

通過預先訓練的分類模型對各備選地址的特征數據進行分類處理，得到各備選地址對應的分類指標；

基于各備選地址對應的分類指標，對各所述備選地址進行排序，并從排序后的所述備選地址中選取預設數量的備選地址為目標地址；

所述通過預先訓練的分類模型對各備選地址對應的特征數據進行特征分類，得到各備選地址對應的分類指標，包括：

分別對各所述特征數據進行第一分類處理，得到對應各所述特征數據的第一分類指標，并基于各第一分類指標得到各所述特征數據的類別特征；

根據各所述特征數據以及各所述特征數據的類別特征，得到對應各所述特征數據的特征數據組；

分別對各特征數據組進行第二分類處理，得到對應各所述特征數據的第二分類指標；

根據所述第一分類指標以及所述第二分類指標，得到各所述備選地址對應的分類指標。

2.根據權利要求1所述的方法，其特征在于，所述對各所述備選地址原始數據進行特征數據提取，包括：

基于預設特征提取模板，從各所述備選地址原始數據中提取出各所述備選地址對應的初始特征數據；

分別對各所述備選地址對應的初始特征數據進行特征數據預處理，得到對應各所述備選地址的特征數據。

3.根據權利要求2所述的方法，其特征在于，所述對各所述備選地址對應的初始特征數據進行特征數據預處理，得到對應各所述備選地址的特征數據，包括：

基于所述初始特征數據中各初始特征子數據的數據類型，對各所述初始特征子數據進行分類，得到第一類別特征數據以及數字特征數據；

分別對所述數字特征數據中的各初始特征子數據進行哈希運算，得到對應的哈希值，并基于各所述哈希值進行分桶計算，得到所述數字特征數據中各初始特征子數據對應的第二類別特征數據；

將所述第一類別特征數據對應的各初始特征子數據與所述第二類別特征數據進行交叉處理，得到對應所述初始特征數據的特征交叉數據；

對所述特征交叉數據進行分桶計算，得到對應所述備選地址的特征數據。

4.根據權利要求1所述的方法，其特征在于，所述基于各備選地址對應的分類指標，對各所述備選地址進行排序之前，所述方法還包括：

分別判斷各備選地址對應的分類指標是否大于預設指標閾值；

當備選地址對應的分類指標小于或等于預設指標閾值時，確定所述備選地址為不可選地址；

當備選地址對應的分類指標大于預設指標閾值時，確定所述備選地址為可選地址；

所述基于各備選地址對應的分類指標，對各所述備選地址進行排序，并從排序后的所述備選地址中選取預設數量的備選地址為目標地址，包括：

基于各可選地址對應的分類指標，對各所述可選地址進行排序，并從排序后的所述可選地址中選取預設數量的可選地址為目標地址。

5.根據權利要求1所述的方法，其特征在于，所述分類模型包括第一分類模型以及第二分類模型，所述分類模型的訓練方式包括：

獲取已投放地址數據，標記為正樣本數據集；

從所述備選地址原始數據中隨機確定與所述正樣本數據對應數量的備選地址原始數據，并標記為負樣本數據集；

分別對所述正樣本數據集以及所述負樣本數據集中各樣本數據進行特征數據提取，得到訓練數據集，所述訓練數據集中各訓練數據攜帶有樣本標識；

通過所述訓練數據集對所述第一分類模型進行分類訓練，得到各訓練數據的第一分類指標，并基于各訓練數據的第一分類指標得到各訓練數據的類別特征；

基于所述訓練數據集以及各訓練數據的類別特征，對第二分類模型進行分類訓練，以得到對應各訓練數據的第二分類指標；

根據所述第一分類指標以及所述第二分類指標，得到對應各訓練數據的分類指標；

根據各訓練數據的樣本標識以及分類指標，對所述第一分類模型以及所述第二分類模型進行迭代更新，以得到訓練后的分類模型。