[发明专利]目标地址确定方法、装置、计算机设备和存储介质

权利要求书

1.一种目标地址确定方法，其特征在于，所述方法包括：

获取备选地址原始数据；

对各所述备选地址原始数据进行特征数据提取，得到对应各备选地址的特征数据；

通过预先训练的分类模型对各备选地址的特征数据进行分类处理，得到各备选地址对应的分类指标；

基于各备选地址对应的分类指标，对各所述备选地址进行排序，并从排序后的所述备选地址中选取预设数量的备选地址为目标地址；

所述通过预先训练的分类模型对各备选地址对应的特征数据进行特征分类，得到各备选地址对应的分类指标，包括：

分别对各所述特征数据进行第一分类处理，得到对应各所述特征数据的第一分类指标，并基于各第一分类指标得到各所述特征数据的类别特征；

根据各所述特征数据以及各所述特征数据的类别特征，得到对应各所述特征数据的特征数据组；

分别对各特征数据组进行第二分类处理，得到对应各所述特征数据的第二分类指标；

根据所述第一分类指标以及所述第二分类指标，得到各所述备选地址对应的分类指标。

2.根据权利要求1所述的方法，其特征在于，所述对各所述备选地址原始数据进行特征数据提取，包括：

基于预设特征提取模板，从各所述备选地址原始数据中提取出各所述备选地址对应的初始特征数据；

分别对各所述备选地址对应的初始特征数据进行特征数据预处理，得到对应各所述备选地址的特征数据。

3.根据权利要求2所述的方法，其特征在于，所述对各所述备选地址对应的初始特征数据进行特征数据预处理，得到对应各所述备选地址的特征数据，包括：

基于所述初始特征数据中各初始特征子数据的数据类型，对各所述初始特征子数据进行分类，得到第一类别特征数据以及数字特征数据；

分别对所述数字特征数据中的各初始特征子数据进行哈希运算，得到对应的哈希值，并基于各所述哈希值进行分桶计算，得到所述数字特征数据中各初始特征子数据对应的第二类别特征数据；

将所述第一类别特征数据对应的各初始特征子数据与所述第二类别特征数据进行交叉处理，得到对应所述初始特征数据的特征交叉数据；

对所述特征交叉数据进行分桶计算，得到对应所述备选地址的特征数据。

4.根据权利要求1所述的方法，其特征在于，所述基于各备选地址对应的分类指标，对各所述备选地址进行排序之前，所述方法还包括：

分别判断各备选地址对应的分类指标是否大于预设指标阈值；

当备选地址对应的分类指标小于或等于预设指标阈值时，确定所述备选地址为不可选地址；

当备选地址对应的分类指标大于预设指标阈值时，确定所述备选地址为可选地址；

所述基于各备选地址对应的分类指标，对各所述备选地址进行排序，并从排序后的所述备选地址中选取预设数量的备选地址为目标地址，包括：

基于各可选地址对应的分类指标，对各所述可选地址进行排序，并从排序后的所述可选地址中选取预设数量的可选地址为目标地址。

5.根据权利要求1所述的方法，其特征在于，所述分类模型包括第一分类模型以及第二分类模型，所述分类模型的训练方式包括：

获取已投放地址数据，标记为正样本数据集；

从所述备选地址原始数据中随机确定与所述正样本数据对应数量的备选地址原始数据，并标记为负样本数据集；

分别对所述正样本数据集以及所述负样本数据集中各样本数据进行特征数据提取，得到训练数据集，所述训练数据集中各训练数据携带有样本标识；

通过所述训练数据集对所述第一分类模型进行分类训练，得到各训练数据的第一分类指标，并基于各训练数据的第一分类指标得到各训练数据的类别特征；

基于所述训练数据集以及各训练数据的类别特征，对第二分类模型进行分类训练，以得到对应各训练数据的第二分类指标；

根据所述第一分类指标以及所述第二分类指标，得到对应各训练数据的分类指标；

根据各训练数据的样本标识以及分类指标，对所述第一分类模型以及所述第二分类模型进行迭代更新，以得到训练后的分类模型。