[发明专利]一种终端数据相似度度量方法

权利要求书

1.一种终端数据相似度度量方法，其特征在于，包括：

根据终端数据确定计算特征；其中，所述计算特征包括计算终端数据距离相似度的特征和计算终端数据文本相似度的特征，计算终端数据距离相似度的特征，包括经纬度；计算终端数据文本相似度的特征，包括终端名称、地址、类型和联系人；

根据所述计算特征分别计算终端数据的距离相似度和终端数据的文本相似度；

所述计算终端数据的距离相似度，包括：

采用Geohash算法将所述经纬度特征进行编码，获取Geohash编码；

通过索引搜索所述Geohash编码确定当前终端S_i与相邻终端构成的终端数据集S＝(S₀，S₁，...，S_n)，其中，n为终端数；

所述终端数据集S＝(S₀，S₁，...，S_n)分别与所述当前终端S_i进行计算距离，获取距离集；

将所述距离集输入预设的距离相似度函数，获取所述终端数据的距离相似度；其中，所述预设的距离相似度函数f的计算公式如下：

f＝8*10^-7*x²-1.8*10^-3*x+1；

其中，f是一个定义域在(0,1000)上的关于终端距离x的减函数，最大搜索距离k为1000m，值域为(0,1)；

所述终端数据的文本相似度，包括：

采用结巴分词获取所述当前终端S_i中每个文本特征的分词结果与所述终端数据集S＝(S₀，S₁，...，S_n)中每个终端的每个文本特征的分词结果；

采用Levenshtein Distance算法计算所述分词结果的相似度，获取所述终端数据的文本相似度；

将所述终端数据的距离相似度和所述终端数据的文本相似度输入终端相似度函数进行加权求和，获取终端相似度度量，若所述终端相似度度量大于预设的超参数阈值，则判断两个所述终端数据相似，否则不相似；

所述终端相似度函数similar，如下：

similar＝α₁f(d(l₁，l₂))+α₂fuzzy(n₁，n₂)+α₃fuzzy(a₁，a₂)+α₄fuzzy(t₁，t₂)+α₅fuzzy(p₁，p₂)；

其中，α₁+α₂+α₃+α₄+α₅＝1表示不同特征的权重，函数fuzzy( )表示编辑距离算法计算的文本相似度函数，f表示所述预设的距离相似度函数，(l₁,l₂)表示作对比的两终端的所述经纬度，(n₁,n₂)表示作对比的两终端的所述终端名称，(a₁,a₂)表示作对比的两终端的所述地址，(t₁,t₂)表示作对比的两终端的所述类型，(p₁,p₂)表示作对比的两终端的所述联系人。

2.根据权利要求1所述的终端数据相似度度量方法，其特征在于，还包括所述预设的超参数阈值为0.7。

3.一种计算机终端设备，其特征在于，包括：

一个或多个处理器；

存储器，与所述处理器耦接，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至2任一项所述的终端数据相似度度量方法。

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述的终端数据相似度度量方法。