一种网络位置挖掘方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种网络位置挖掘方法、装置、设备及存储介质，所述方法包括：获取目标局域网地址对应的多个定位特征数据；将多个定位特征数据作为定位密度识别模型的输入，对多个定位特征数据进行定位密度识别，得到表征定位特征数据对应的地理位置处定位特征数据的密集程度的定位密度；基于定位密度确定出多个定位特征数据；对这些定位特征数据进行聚类处理，得到多个定位特征簇；基于定位特征簇对应定位密度确定出目标定位特征簇；根据目标定位特征簇中定位特征数据的地理位置和定位密度，实现网络位置挖掘。利用本申请提供的技术方案可以有效提高网络位置挖掘的准确性、定位精度、处理效率和普适性。

【技术实现步骤摘要】
一种网络位置挖掘方法、装置、设备及存储介质
本申请涉及人工智能
，尤其涉及一种网络位置挖掘方法、装置、设备及存储介质。
技术介绍
随着移动通信技术的发展和计算机技术的普及，基于位置的服务(LBS，Location-BasedService)技术正在走进人们的生活。LBS技术的应用中，可以通过网络位置挖掘用户的手机等终端设备的位置，来提供与位置相关服务。目前，应用最广泛的定位技术是GPS(GlobalPositioningSystem，全球网络位置挖掘系统)。但在一些GPS不可用的情况下，例如卫星信号无法覆盖，常常可以采用网络定位。现有技术中，网络定位往往是需要预先挖掘大量网络的MAC(MediaAccessControlAddress，局域网地址)对应的地理位置作为网络的地理位置，相应的，在网络定位服务时，可以直接根据用户返回的MAC，返回定位信息；现有技术中，往往采用人工的方式，从大量MAC对应的定位特征数据中找出MAC的地理位置，但目前可用于定位的MAC数量在十亿级别以上，MAC对应的定位特征数据分布复杂，导致需要人工的方式效率低，成本高，普适性差，且人工分析过程带有一定的主观性，无法准确分析定位特征数据分布情况，导致在某些特定分布下无法准确定位出准确的MAC地理位置，导致定位精度核准确率降低。因此，需要提供更可靠或更有效的方案。
技术实现思路
本申请提供了一种网络位置挖掘方法、装置、设备及存储介质，可以有效提高网络位置挖掘的准确性和定位的精度，同时也提高处理效率和网络地理位置挖掘的普适性。一方面，本申请提供了一种网络位置挖掘方法，所述方法包括：获取目标局域网地址对应的多个定位特征数据，每一定位特征数据对应一个地理位置；将所述多个定位特征数据作为定位密度识别模型的输入，对所述多个定位特征数据进行定位密度识别，得到每一定位特征数据的定位密度，所述定位密度表征定位特征数据对应的地理位置处定位特征数据的密集程度；基于所述定位密度从所述多个定位特征数据中确定出第一数量个定位特征数据；对所述第一数量个定位特征数据进行聚类处理，得到第二数量个定位特征簇；基于每一定位特征簇中定位特征数据的定位密度确定出目标定位特征簇；根据所述目标定位特征簇中定位特征数据的地理位置和定位特征数据的定位密度，确定所述目标局域网地址对应无线局域网的地理位置。另一方面提供了一种网络位置挖掘装置，所述装置包括：第一定位特征数据获取模块，用于获取目标局域网地址对应的多个定位特征数据，每一定位特征数据对应一个地理位置；定位密度识别模块，用于将所述多个定位特征数据作为定位密度识别模型的输入，对所述多个定位特征数据进行定位密度识别，得到每一定位特征数据的定位密度，所述定位密度表征定位特征数据对应的地理位置处定位特征数据的密集程度；定位特征数据筛选模块，用于基于所述定位密度从所述多个定位特征数据中确定出第一数量个定位特征数据；聚类处理模块，用于对所述第一数量个定位特征数据进行聚类处理，得到第二数量个定位特征簇；目标定位特征簇确定模块，用于基于每一定位特征簇中定位特征数据的定位密度确定出目标定位特征簇；地理位置确定模块，用于根据所述目标定位特征簇中定位特征数据的地理位置和定位特征数据的定位密度，确定所述目标局域网地址对应无线局域网的地理位置。另一方面提供了一种网络位置挖掘设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的网络位置挖掘方法。另一方面提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的网络位置挖掘方法。本申请提供的网络位置挖掘方法、装置、设备及存储介质，具有如下技术效果：本申请通过机器学习算法来确定目标局域网地址对应多个定位特征数据的定位密度，通过该定位密度可以准确反映出定位特征数据对应的地理位置处定位特征数据的密集程度，然后，结合该定位密度，筛选出定位密度较高的多个定位特征数据；并通过对这些定位特征数据进行聚类，划分成多个定位特征簇；接着，通过定位特征簇中定位特征数据的定位密度，进一步筛选出定位特征数据的较密集的区域；最后，从定位特征数据的较密集的区域中从选出目标局域网地址对应无线局域网的地理位置，有效提高了网络位置挖掘的准确性和定位的精度，同时也提高了处理效率，和网络地理位置挖掘的普适性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。图1是本申请实施例提供的一种网络位置挖掘系统的示意图；图2是本申请实施例提供的分布式系统200应用于区块链系统的一个可选的结构示意图；图3是本申请实施例提供的一种网络位置挖掘方法的流程示意图；图4是本申请实施例提供的一种获取目标局域网地址对应的任一定位特征数据的方法流程示意图；图5是本申请实施例提供的一种确定定位特征数据与其相邻的定位特征数据间的差分特征的示意图；图6是本申请实施例提供的一种训练出定位密度识别模型的方法流程示意图；图7是本申请实施例提供的一种定位密度标注的示意图；图8是本申请实施例提供的一种网络位置挖掘装置的示意图；图9是本申请实施例提供的一种网络位置挖掘方法的服务器的硬件结构框图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。人工智能(ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学本文档来自技高网...

【技术保护点】
1.一种网络位置挖掘方法，其特征在于，所述方法包括：/n获取目标局域网地址对应的多个定位特征数据，每一定位特征数据对应一个地理位置；/n将所述多个定位特征数据作为定位密度识别模型的输入，对所述多个定位特征数据进行定位密度识别，得到每一定位特征数据的定位密度，所述定位密度表征定位特征数据对应的地理位置处定位特征数据的密集程度；/n基于所述定位密度从所述多个定位特征数据中确定出第一数量个定位特征数据；/n对所述第一数量个定位特征数据进行聚类处理，得到第二数量个定位特征簇；/n基于每一定位特征簇中定位特征数据的定位密度确定出目标定位特征簇；/n根据所述目标定位特征簇中定位特征数据的地理位置和定位特征数据的定位密度，确定所述目标局域网地址对应无线局域网的地理位置。/n

【技术特征摘要】
1.一种网络位置挖掘方法，其特征在于，所述方法包括：
获取目标局域网地址对应的多个定位特征数据，每一定位特征数据对应一个地理位置；
将所述多个定位特征数据作为定位密度识别模型的输入，对所述多个定位特征数据进行定位密度识别，得到每一定位特征数据的定位密度，所述定位密度表征定位特征数据对应的地理位置处定位特征数据的密集程度；
基于所述定位密度从所述多个定位特征数据中确定出第一数量个定位特征数据；
对所述第一数量个定位特征数据进行聚类处理，得到第二数量个定位特征簇；
基于每一定位特征簇中定位特征数据的定位密度确定出目标定位特征簇；
根据所述目标定位特征簇中定位特征数据的地理位置和定位特征数据的定位密度，确定所述目标局域网地址对应无线局域网的地理位置。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取多个样本局域网地址对应的定位特征数据，其中每一样本局域网地址对应多个定位特征数；
分别获取多个与每一样本局域网地址在同一定位日志信息中的GPS定位信息；
基于每一样本局域网地址对应的多个GPS定位信息和对应的多个定位特征数据对应的地理位置，为所述对应的多个定位特征数据进行定位密度标注；
将具有定位密度标注的定位特征数据作为预设机器学习算法的训练数据，进行定位密度识别训练，生成所述定位密度识别模型。


3.根据权利要求2所述的方法，其特征在于，所述定位密度的标注包括密集和非密集；
所述基于每一样本局域网地址对应的多个GPS定位信息和对应的多个定位特征数据对应的地理位置，为所述对应的多个定位特征数据进行定位密度标注包括：
分别计算每一样本局域网地址对应的每一GPS定位信息和多个定位特征数据对应的地理位置间的距离；
对与GPS定位信息距离小于等于预设阈值的地理位置对应的定位特征数据进行密集的定位密度标注；
对与GPS定位信息距离大于预设阈值的地理位置对应的定位特征数据进行非密集的定位密度标注。


4.根据权利要求1所述的方法，其特征在于，所述目标局域网地址对应的任一定位特征数据采用下述方式获取：
当接收到设备在任一地理位置上报所述目标局域网地址时，记录所述设备的上报关联数据，所述上报关联数据包括网络信号强度、上报时间和移动速度；
获取预设时间段内记录的上报关联数据；
根据所述预设时间段内记录的上报关联数据的数量，确定在所述地理位置上报所述目标局域网地址的上报量；
根据所述预设时间段内记录的所述上报关联数据中的网络信号强度和所述上报量，确定在所述地理位置上报所述目标局域网地址时设备的平均网络信号强度；
根据所述预设时间段内记录的所述上报关联数据中的上报时间，确定在所述地理位置上报所述目标局域网地址的最新上报时间；
根据所述预设时间段内记录的所述上报关联数据中的移动速度，确定在所述地理位置上报所述目标局域网地址时设备的平均移动速度；
将所述上报量、所述平均网络信号强度、所述最新上报时间、所述平均移动速度中的至少一种，作为所述地理位置上所述目标局域网地址对应的定位特征数据。


...

【专利技术属性】
技术研发人员：刘弘毅，李欣，刘畅，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44