[发明专利]地址数据的清洗方法及装置、存储介质、计算机设备

说明书

本申请公开了一种地址数据的清洗方法及装置、存储介质、计算机设备，该方法包括：获取待清洗的数据源，其中，所述数据源包括至少一条地址数据，任一地址数据对应于任意一个目标用户；根据预设场景字典对所述地址数据进行场景匹配，并依据场景匹配结果确定所述地址数据对应的场景置信度；提取所述地址数据对应的目标地址，确定与所述地址数据对应的目标用户以及目标地址对应的地址置信度；根据所述场景置信度以及所述地址置信度，计算地址数据的目标置信度，并依据所述目标置信度确定所述目标用户对应的地址信息。本申请提升了地址清洗的准确率，有助于从数据源中挖掘出更准确、可靠的地址信息。

技术领域

本申请涉及计算机技术领域，尤其是涉及到一种地址数据的清洗方法及装置、存储介质、计算机设备。

背景技术

当今社会是一个信息化的社会，人们每天使用各种电子设备的同时会产生大量的数据，从这些数据中可以挖掘出人们曾经去过的地点(如省、市、区)。

现有技术中，针对与用户相关的大量数据中，提取出包含地点的信息(如省、市、区)，以此作为用户对应的地址信息。但是并非只要数据中出现了地点关键词就能证明用户曾去过这个地点，由于数据格式的多样性，数据本身的冗余性，以及一些与省、市、区重名的数据内容会一定程度上影响计算机通过这些数据挖掘出用户在过去一段时间真正去过的省、市、区。因此这种方法存在一定缺陷，用该方法分析出的用户地址信息不够准确。

发明内容

有鉴于此，本申请提供了一种地址数据的清洗方法及装置、存储介质、计算机设备，提升了地址清洗的准确率，有助于从数据源中挖掘出更准确、可靠的地址信息。

根据本申请的一个方面，提供了一种地址数据的清洗方法，包括：

获取待清洗的数据源，其中，所述数据源包括至少一条地址数据，任一地址数据对应于任意一个目标用户；

根据预设场景字典对所述地址数据进行场景匹配，并依据场景匹配结果确定所述地址数据对应的场景置信度；

提取所述地址数据对应的目标地址，确定与所述地址数据对应的目标用户以及目标地址对应的地址置信度；

根据所述场景置信度以及所述地址置信度，计算地址数据的目标置信度，并依据所述目标置信度确定所述目标用户对应的地址信息。

可选地，所述根据预设场景字典对所述地址数据对应的目标场景进行匹配，并依据匹配结果确定所述地址数据对应的场景置信度，具体包括：

获取任一地址数据对应的目标场景，并查询所述预设场景字典中是否包含所述任一地址数据对应的目标场景；

若所述预设场景字典中包含所述目标场景，则基于所述目标场景对应的预设场景权重以及所述目标场景对应的场景匹配准确率，确定所述任一地址数据对应的场景置信度；

若所述预设场景字典中不包含所述目标场景，则依据预设场景置信度确定所述任一地址数据对应的场景置信度。

可选地，所述根据预设场景字典对所述地址数据对应的目标场景进行匹配之前，所述方法还包括：

统计样本数据源中样本地址数据的数据来源；

获取所述数据来源中占比大于预设阈值或占比排名前预设数量的目标数据来源，并依据所述目标数据来源建立所述预设场景字典。

可选地，所述基于所述目标场景对应的预设场景权重以及所述目标场景对应的场景匹配准确率，确定所述任一地址数据对应的场景置信度之前，所述方法还包括：

获取所述数据源对应的全部目标场景，并在每种目标场景对应的地址数据中抽取部分地址数据；

对每种目标场景下抽取的部分地址数据进行场景标注，并基于所述场景标注以及所述部分地址数据对应的目标场景，确定每种目标场景对应的场景匹配准确率。