[发明专利]一种基于深度学习的地理信息的定位分区方法及装置

摘要

本发明提供了一种基于深度学习的地理信息的定位分区方法及装置，其中的方法利用Geocoding API作为映射工具，将本来无法选取分裂属性的问题得以解决，在此基础上，通过设计的预剪枝法和PEP剪枝法、结合数据和Geocoding API特性并基于决策树C4.5算法改进而得到的精准定位分区的决策树模型，且根据预设信息增益率求解算法从求解出的属性值中选择出分裂属性，通过预设决策树模型来对通过预设深度学习模型获得的预测结果进行进一步定位分区，获得了精确的分区信息，实现了提高定位分区精度不高的技术效果。

主权项

1.一种基于深度学习的地理信息的定位分区方法，其特征在于，包括：步骤S1：获取通过预设深度学习模型获得的预测结果PerdictedInfs，其中，预测结果中包括多条记录，与用户信息UserInfs中的记录一一对应；步骤S2：判断预测结果中所有记录是否处理完毕，如果否，则读取预测结果中的一条记录inf，其中，记录inf的下标为index；步骤S3：获取记录inf中的地理信息，其中，地理信息包括小区、城市和县区；步骤S4：判断记录inf的下标index是否求解过，如果是，则从预设信息中得出与记录inf对应的小区信息和分区信息；如果否，则根据小区、城市和县区构建查询表达式，其中，预设信息中包含已经求解出的小区信息和分区信息；步骤S5：查询定位分区字典中是否包含所述查询表达式，如果包含，则从定位分区字典中获取分区信息，如果不包含，则根据预先获取的实际数据中的信息求解对应的属性值，其中，定位分区字典预先构建，且其中包含与各个查询表达式对应的分区信息；步骤S6：将S5中求解出的对应的属性值输入预设决策树模型，获得与该记录inf对应的分区信息。