CN114461753B 地图数据融合方法、装置、电子设备及存储介质 （汉海信息技术(上海)有限公司）

US2013325329A1,2013.12.05本申请实施例公开了一种地图数据融合方回POI；确定待比较POI与召回POI的固有属性的统计特征；通过深度语义模型确定待比较POI的文本属性与召回POI的文本属性的语义相似度；通过深度学习模型确定待比较POI与召回POI的2所述通过深度语义模型确定所述待比较POI的文本属性与所述召回POI的文本属性的所述深度语义模型分别对所述预处理后的待比较POI的文本属性和召回POI的文本属性进算所述待比较POI的语义特征和召回POI的语义特征之间的相似度，得到所述待比较POI的文本属性与所述召回POI的文本属性的语义所述通过深度学习模型确定待比较POI与召回POI的语义相似度和固有属性之间的隐处理后的待比较POI的文本属性和召回POI的文本属性进行语义抽取，得到待比较POI的语处理后的待比较POI的文本属性和召回POI的文本属性进行语义抽取，得到待比较POI的语4.根据权利要求1_2任一项所述的方法，其特征在于，所述待比较POI与所述最高融合得分对应的召回POI为相同POI；若所述最高融合得分小于所6.根据权利要求1_3任一项所述的方法，其特征在于，所3预处理后的待比较POI的文本属性和召回POI的文本属性进行语义抽取，得到待比较POI的召回POI的语义特征之间的相似度，得到所述待比较POI的文本属性与所述召回POI的文本的语义相似度和固有属性之间的隐含特征，所述通过深度学习模型确定待比较POI与召回POI的语义相似度和固有属性之间的隐含特征，包括：将待比较POI与召回POI的语义相似8.一种电子设备，包括存储器、处理器及存储行时实现权利要求1至6任意一项所述的地图数据融合方4分确定另一份数据集中是否具有与待比较PO[0009]通过深度语义模型确定所述待比较POI的文本属性与所述召回POI的文本属性的[0010]通过深度学习模型确定待比较POI与召回POI的语义相似度和固有属性之间的隐5[0016]语义相似度确定模块，用于通过深度语义模型确定所述待比较POI的文本属性与6[0031]待比较POI是一份数据集中的POI，是用于与另一份数据集中的POI进行数据融合以在另一份数据集中获取到在待比较POI预设距离范围内的POI，将获取到的POI作为召回述预设距离范围一般是指与待比较POI的距离7结果中的至少一种作为待比较POI与召回POI的固有属性的统计特征。在确定待比较POI与[0048]步骤130，通过深度语义模型确定所述待比较POI的文本属性与所述召回POI的文[0050]深度语义模型可以对待比较POI的文本属性和召回POI的[0051]在本申请的一个实施例中，所述通过深度语义模型确定所述待比较POI的文本属[0052]通过深度语义模型分别对所述待比较POI的文本属性和所述召回POI的文本属性[0053]通过所述深度语义模型分别对所述预处理后的待比较POI的文本属性和召回POI[0054]通过所述深度语义模型计算所述待比较POI的语义特征和召回POI的语义特征之属性和召回POI的文本属性分别输入深度语义模型的语义抽取层，由语义抽取层分别对预处理后的待比较POI的文本属性和召回POI的文本属性进行语义抽取，得到待比较POI的语义特征和召回POI的语义特征；通过深度语义模型计算待比较POI的语义特征和召回POI的语义特征之间的相似度，得到待比较POI的文本属性与召回POI的文本属性的语义相似度，8到的语义相似度的准确性，进而根据语义相似度可以明确的确定待比较POI和召回POI的比较POI的文本属性和召回POI的文本属性进行语义抽取，得到待比较POI的语义特征和召[0058]通过所述深度语义模型中的注意力机制分别对所述预处理后的待比较POI的文本属性和召回POI的文本属性进行语义抽取，得到待比较POI的语义特征和召回POI的语义特机制(attention)结构，通过注意力机制首先分别计算预处理后的待比较POI和召回POI的的文本属性的各个属性值的注意力权重，之后根据待比较POI的文本属性的各个属性值的[0060]步骤140，通过深度学习模型确定待比较POI与召回POI的语义相似度和固有属性[0061]深度学习模型可以包括多个全连接层，从而将待比较POI的语义相似度和固有属[0063]将待比较POI与召回POI的语义相似度、固有属性中的距离和POI类型输入深度学9回归模型的输入特征除了包括所述统计特征外，还包括所述深度学习模型输出的隐含特[0070]将待比较POI与每个召回POI的融合得分与预设阈值进行对比，确定待比较POI与召回POI的融合结果。所述预设阈值可以包括第一阈值和第二阈值，第一阈值大于第二阈[0073]若所述最高融合得分大于或等于第一阈值，则确定所述融合结果为所述待比较[0075]若所述最高融合得分小于所述第二阈值，则确定所述融合结果为所述待比较POI待比较POI与最高融合得分对应的召回POI为相同POI，若最高融合得分小于第一阈值且大结果为在另一份数据集中未找到与待比较POI相同的POI，即待比较POI与召回POI均不同。文本属性与召回POI的文本属性的语义相似度，通过深度学习模型确定待比较POI与召回[0084]统计特征确定模块220，用于确定所述待比较POI与所述召回POI的固有属性的统[0086]隐含特征确定模块240，用于通过深度学习模型确定待比较POI与召回POI的语义[0090]预处理单元，用于通过深度语义模型分别对所述待比较POI的文本属性和所述召回POI的文本属性进行预处理，得到预处理后的待比较POI的文本属性和召回POI的文本属[0091]语义抽取单元，用于通过所述深度语义模型分别对所述预处理后的待比较POI的文本属性和召回POI的文本属性进行语义抽取，得到待比较POI的语义特征和召回POI的语[0092]语义相似度计算单元，用于通过所述深度语义模型计算所述待比较POI的语义特征和召回POI的语义特征之间的相似度，得到所述待比较POI的文本属性与所述召回POI的[0094]通过所述深度语义模型中的注意力机制分别对所述预处理后的待比较POI的文本属性和召回POI的文本属性进行语义抽取，得到待比较POI的语义特征和召回POI的语义特[0099]POI类型比较单元，用于比较所述待比较POI的POI类型与所述召回POI的POI类型[0104]若所述最高融合得分大于或等于第一阈值，则确定所述融合结果为所述待比较[0106]若所述最高融合得分小于所述第二阈值，则确定所述融合结果为所述待比较POI[0109]将待比较POI与召回POI的语义相似度、固有属性中的距离和POI类型输入深度学有属性的统计特征，语义相似度确定模块通过深度语义模型确定待比较POI的文本属性与召回POI的语义相似度和固有属性之间的隐含特征，融合模块将统计特征和隐含特征输入和深度语义模型和深度学习模型输出的隐含特征，结合了传统的逻辑回归模型和深