CN110515941B - 限制对象识别方法、装置、计算机设备和存储介质 - Google Patents
限制对象识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110515941B CN110515941B CN201910629590.7A CN201910629590A CN110515941B CN 110515941 B CN110515941 B CN 110515941B CN 201910629590 A CN201910629590 A CN 201910629590A CN 110515941 B CN110515941 B CN 110515941B
- Authority
- CN
- China
- Prior art keywords
- coding
- user
- code
- lattice
- label
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000002441 reversible effect Effects 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 89
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/70—Type of the data to be coded, other than image and sound
- H03M7/705—Unicode
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/60—Context-dependent security
- H04W12/63—Location-dependent; Proximity-dependent
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/60—Context-dependent security
- H04W12/69—Identity-dependent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种上述限制对象识别方法、装置、计算机设备和存储介质，其中，方法包括：对用户终端上传的定位数据进行基于线性可逆函数的编码，获得位置编码，识别出位置编码所属编码格子，从存储有多个编码格子以及各编码格子对应的标签的预设编码格子数据库中读取所属编码格子对应的标签，基于标签来识别用户是否为限制对象，整个过程中，一方面，基于用户终端上传的定位数据进行处理，减少由于用户手动填写地址导致位置数据错误的情况，另一方面，针对定位数据进行基于线性可逆函数的编码，识别位置编码所属编码格子，通过获取该编码格子对应标签的方式来识别用户是否为处于限制区域内的限制对象，实现限制对象的准确识别。
Description
技术领域
本申请涉及智能识别技术领域，特别是涉及一种限制对象识别方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的发展，越来越多的智能识别技术应用到实际生产生活中，给人们生活带来巨大便捷。
以用户类型识别为例，目前已有基于地理位置的用户类型识别方式，用户上传自身地理位置信息至服务器，服务器基于海量用户上传的地理位置信息，将相邻或相似位置的用户归属到同一个用户类型，实现用户类型的初始分类和对象的划分。例如将地址位置为某个学校的用户归属到一类、或将地理位置为某个博物馆的用户归属到一类等。根据上述基于地理位置信息的初始用户类型分类，可以进一步从中选择出目标用户类型。具体来说，目标用户类型为我们关注的用户类型，例如某个犯罪团伙，包括制毒团伙、骗贷团伙以及传销团伙等等。由于这类人员会聚集在一定区域范围内进行犯罪活动，因此，可以基于地理位置信息识别出该类型人员，基于该类型用户划设限制区域，限制进入该限制区域中用户(限制对象)的操作，以避免造成不必要损失。
然而，传统的基于地理位置信息限制对象识别方式一般是基于用户上传的地址为依据，直接进行限制对象识别，由于这类地址数据存在较大不清楚且不准确的风险，因此导致最终识别结果不准确。
发明内容
基于此，有必要针对上述技术问题，提供一种准确的限制对象识别方法、装置、计算机设备和存储介质。
一种限制对象识别方法，所述方法包括：
接收用户终端上传的定位数据；
对所述定位数据进行基于线性可逆函数的编码，获得位置编码；
识别所述位置编码所属编码格子；
从预设编码格子数据库读取所述所属编码格子对应的标签，所述预设编码格子数据库存储有多个编码格子以及各所述编码格子对应的标签，所述标签用于表征编码格子对应位置区域为限制区域的可能性程度；
根据所述标签，识别用户是否为限制对象。
在其中一个实施例中，所述对所述定位数据进行基于线性可逆函数的编码，获得位置编码包括：
通过GeoHash算法对所述定位数据进行编码，获得位置编码。
在其中一个实施例中，所述从预设编码格子数据库读取所述所属编码格子对应的标签之前，还包括：
获取历史记录中目标类型用户位置分布数据；
根据历史记录中目标类型用户位置分布数据，确定目标类型用户的位置信息；
对所述目标类型用户的位置信息进行基于线性可逆函数的编码，获得样本位置编码；
将所述样本位置编码映射至划设有编码格子的编码地图中；
获取各编码格子对应的目标类型用户数量；
根据各编码格子对应的目标类型用户数量设定标签；
记录各编码格子的身份标识以及对应的已设定标签，构建预设编码格子数据库。
在其中一个实施例中，所述根据各编码格子对应的目标类型用户数量设定标签包括：
获取各编码格子中用户数量和目标类型用户数量；
计算各编码格子中目标类型用户数量占比；
根据预设占比-标签对应关系表，设定各编码格子对应的标签。
在其中一个实施例中，所述获取各编码格子中用户数量包括：
采用Hash算法在Trie树中查找各编码格子对应的位置编码数据；
根据各编码格子中查找到的位置编码数据，获取各编码格子中用户数量。
在其中一个实施例中，所述根据所述标签，识别用户是否为限制对象之后，还包括：
当识别用户为限制对象时，对所述用户对应的账号信息添加限制标识。
在其中一个实施例中，所述根据所述标签，识别用户是否为限制对象之后，还包括：
将所述用户的受限类型识别结果以及所述位置编码所属编码格子更新至所述预设编码格子数据库。
一种限制对象识别装置，所述装置包括：
接收模块，用于接收用户终端上传的定位数据；
编码模块，用于对所述定位数据进行基于线性可逆函数的编码，获得位置编码；
编码格子识别模块，用于识别所述位置编码所属编码格子；
标签读取模块，用于从预设编码格子数据库读取所述所属编码格子对应的标签，所述预设编码格子数据库存储有多个编码格子以及各所述编码格子对应的标签，所述标签用于表征编码格子对应位置区域为限制区域的可能性程度；
对象识别模块，用于根据所述标签，识别用户是否为限制对象。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的方法的步骤。
上述限制对象识别方法、装置、计算机设备和存储介质，对用户终端上传的定位数据进行基于线性可逆函数的编码，获得位置编码，识别出位置编码所属编码格子，从存储有多个编码格子以及各所述编码格子对应的标签的预设编码格子数据库中读取所属编码格子对应的标签，基于标签来识别用户是否为限制对象，整个过程中，一方面基于用户终端上传的定位数据进行处理，减少由于用户手动填写地址导致位置数据错误的情况，另一方面，针对定位数据进行基于线性可逆函数的编码，识别位置编码所属编码格子，通过获取该编码格子对应标签的方式来识别用户是否为处于限制区域内的限制对象，实现限制对象的准确识别。
附图说明
图1为一个实施例中限制对象识别方法的应用环境图；
图2为一个实施例中限制对象识别方法的流程示意图；
图3为其中一个应用实例中限制对象识别方法的流程示意图；
图4为另一个实施例中限制对象识别方法的流程示意图；
图5为一个实施例中限制对象识别装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的限制对象识别方法，可以应用于如图1所示的应用环境中。其中，用户终端102通过网络与服务器104通过网络进行通信。用户终端102中定位组件(例如GPS(Global Positioning System，全球定位系统)定位模块)生成定位数据，用户终端102将该定位数据上传至服务器104，服务器104接收用户终端上传的定位数据，对定位数据进行基于线性可逆函数的编码，获得位置编码；识别位置编码所属编码格子；从预设编码格子数据库读取所属编码格子对应的标签，预设编码格子数据库存储有多个编码格子以及各编码格子对应的标签，标签用于表征编码格子对应位置区域为限制区域的可能性程度；根据标签，识别用户是否为限制对象。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种限制对象识别方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S100：接收用户终端上传的定位数据。
用户终端中定位组件生成定位数据，发送定位数据至服务器，服务器接收到该定位数据。具体来说，用户终端中定位组件可以为GPS，即用户终端上传当前GPS坐标至服务器，服务器接收到这部分数据。
S200：对定位数据进行基于线性可逆函数的编码，获得位置编码。
可以通过多种算法或公式实现基于线性可逆函数的编码。非必要的，可以GeoHash算法对定位数据进行编码，获得位置编码。通过GeoHash算法的编码方式其数据处理代价最小，能够高效得到位置编码。
S300：识别位置编码所属编码格子。
对整个地理地图中各个位置进行基于线性可逆函数的编码，得到整个编码地图，再对编码地图进行网格划分即得到编码格子。即在编码地图中设置有多个编码格子，每个编码格子对应真实地理位置一片区域范围。在得到用户对应的位置编码后，识别该位置编码所属编码格子，即识别用户所处位置区域。
S400：从预设编码格子数据库读取所属编码格子对应的标签，预设编码格子数据库存储有多个编码格子以及各编码格子对应的标签，标签用于表征编码格子对应位置区域为限制区域的可能性程度。
在预设编码格子数据库中存储有各个编码格子以及对应的标签，根据步骤S300识别得到的所属编码格子，在预设编码格子数据库中进行查找，即可得到对应的标签，即得到用户所处区域对应的标签。具体来说，预设编码格子数据库中存储有多个编码格子以及各编码格子对应的标签，其对应的标签是基于各个编码格子对应区域中历史存在限制对象设定的，具体可以是根据限制对象数量与总用户数量比值设定。标签用于表征编码格子与受限类型的关联程度，即表征编码格子对应的位置区域为限制区域的关联程度。标签具体可以为无可能性、低可能性、中可能性、高可能性。
S500：根据标签，识别用户是否为限制对象。
根据标签，判断用户所处区域与限制区域的可能性程度，进而识别用户是否为限制对象。若用户所处区域高可能性为限制区域，则判定用户为限制对象，需要限制对用户提供服务，包括提供通信服务、支付服务等。进一步的，可以根据预设标签-受限对照关系表，确定用户是否为限制对象，该预设标签-受限对照关系表为预先设定，且支持管理者修改，具体可以设定为无可能性与低可能性对应非受限类型，中可能性和高可能性确定为受限类型。
上述限制对象识别方法，对用户终端上传的定位数据进行基于线性可逆函数的编码，获得位置编码，识别出位置编码所属编码格子，从存储有多个编码格子以及各编码格子对应的标签的预设编码格子数据库中读取所属编码格子对应的标签，基于标签来识别用户是否为限制对象，整个过程中，一方面基于用户终端上传的定位数据进行处理，减少由于用户手动填写地址导致位置数据错误的情况，另一方面，针对定位数据进行基于线性可逆函数的编码，识别位置编码所属编码格子，通过获取该编码格子对应标签的方式来识别用户是否为处于限制区域内的限制对象，实现限制对象的准确识别。
下面将以限制骗贷团伙为实际应用场景并结合图3，详细解释上述限制对象识别方法。在该应用场景中，是为了识别出用户所处区域是否可能为骗贷团伙所处区域，若为骗贷团伙所处区域，则认定用户为限制对象，限制用户操作，例如用户在该区域内无法拨打电话和接收电话收发消息等。在该应用场景中具体包括以下处理过程：
1)、用户X手机上传用户GPS坐标至服务器，输入客户GPS坐标，通过GeoHash算法对用户进行编码得到位置编码，并且在编码地图中查找位置编码所属编码格子A。
2)、从预设编码格子数据库中读取所属编码格子A的标签为S。
3)针对标签S进行风险识别，从而判断用户X是否为限制对象，当标签S为高可能性(高风险)时，则所属编码格子A对应的位置区域极有可能为骗贷团伙所处位置区域，则识别用户X当前为限制对象，限制用户X操作；当标签S为低可能性(低风险)时，则所属编码格子A对应的位置区域为骗贷团伙所处位置可能性较低，则识别用户X为非限制对象，不限制用户X操作。
4)非必要的，在得到用户A对应的编码格子A以及标签S之后，获取(采集)用户A的信息，将用户A的信息、用户A的GPS坐标写入到预设编码格子数据库中，以更新该数据库中针对所属编码格子A对应的数据。
在其中一个实施例中，从预设编码格子数据库读取所属编码格子对应的标签之前，还包括：
获取历史记录中目标类型用户位置分布数据；根据历史记录中目标类型用户位置分布数据，确定目标类型用户的位置信息；对目标类型用户的位置信息进行基于线性可逆函数的编码，获得样本位置编码；将样本位置编码映射至划设有编码格子的编码地图中；获取各编码格子对应的目标类型用户数量；根据各编码格子对应的目标类型用户数量设定标签；记录各编码格子的身份标识以及对应的已设定标签，构建预设编码格子数据库。
预设编码格子数据库是预先构建的，其数据库构建数据基础是历史记录中目标类型用户位置分布数据，基于该数据可以确定在历史记录中目标类型用户的分布情况和具体位置信息，同样的针对该位置信息进行线性可逆函数的编码得到样本位置编码，将样本编码映射至编码地图中，在该编码地图中划设有编码格子，基于映射后的编码地图，可以获得每个编码格子对应的目标类型用户数量，根据目标类型用户数量设定各个编码格子对应的标签、并记录，最终构建预设编码格子数据库。以骗贷团伙成为目标类型用户为例，数据库在构建之初，获取历史记录中骗贷团伙的位置分布数据，获取骗贷团伙成员具体位置信息，针对这些位置信息进行线性可逆函数的编码得到样本位置编码，将样本编码映射至编码地图中，得到每个编码格子对应的骗贷团伙成员数量，再根据该数量设定标签，具体可以根据骗贷团伙成员数据占整个编码格子对应区域内用户总数量占比设定标签，标签具体可以低风险(低可能性)、中风险(中可能性)以及高风险(高可能性)。
在其中一个实施例中，根据各编码格子对应的目标类型用户数量设定标签包括：
获取各编码格子中用户数量和目标类型用户数量；计算各编码格子中目标类型用户数量占比；根据预设占比-标签对应关系表，设定各编码格子对应的标签。
例如占比小于0.05％设定为无可能性标签、占比小于0.1％(大于0.05％)设定为低可能性标签、占比大于0.5％(小于1％)设定为中可能性标签、占比大于1％设定为高可能标签。在具体应用中，以团贷用户识别为例，由于可能性与该地区存在金融风险成正相关，因此，标签可以进一步具体为无风险、低风险、中风险以及高风险。
在其中一个实施例中，获取各编码格子中用户数量包括：
采用Hash算法在Trie树中查找各编码格子对应的位置编码数据；根据各编码格子中查找到的位置编码数据，获取各编码格子中用户数量。
Trie树是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串(但不仅限于字符串)，所以经常被搜索引擎系统用于文本词频统计。它的优点是:利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高。在本实施例中，采用Hash算法在Trie树中查找各编码格子对应的位置编码数据，可以高效且准确查找到各编码格子对应的位置编码数据，进而更进一步提高识别效率。
如图4所示，在其中一个实施例中，步骤S500之后，还包括：
S600：当识别用户为限制对象时，对用户对应的账号信息添加限制标识。
当识别用户为限制对象时，需要对用户对应的账号信息添加限制标识，该限制标识用于标示限制响应操作。例如当时别出用户X为限制对象时，对用户X在终端(例如智能手机)上操作限制和使用功能限制，例如限制用户X购买商品、充值话费、转账等。
在其中一个实施例中，根据标签，识别用户是否为限制对象之后，还包括：将用户的受限类型识别结果以及位置编码所属编码格子更新至预设编码格子数据库。
用户的受限类型识别结果包括限制对象和非限制对象，将该结果数据以及位置编码所属编码格子更新至预设编码格子数据库，以更新预设编码格子数据库。
应该理解的是，虽然图2和图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2和图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图5所示，一种限制对象识别装置，装置包括：
接收模块100，用于接收用户终端上传的定位数据；
编码模块200，用于对定位数据进行基于线性可逆函数的编码，获得位置编码；
编码格子识别模块300，用于识别位置编码所属编码格子；
标签读取模块400，用于从预设编码格子数据库读取所属编码格子对应的标签，预设编码格子数据库存储有多个编码格子以及各编码格子对应的标签，标签用于表征编码格子对应位置区域为限制区域的可能性程度；
对象识别模块500，用于根据标签，识别用户是否为限制对象。
上述限制对象识别装置，对用户终端上传的定位数据进行基于线性可逆函数的编码，获得位置编码，识别出位置编码所属编码格子，从存储有多个编码格子以及各编码格子对应的标签的预设编码格子数据库中读取所属编码格子对应的标签，基于标签来识别用户是否为限制对象，整个过程中，一方面基于用户终端上传的定位数据进行处理，减少由于用户手动填写地址导致位置数据错误的情况，另一方面，针对定位数据进行基于线性可逆函数的编码，识别位置编码所属编码格子，通过获取该编码格子对应标签的方式来识别用户是否为处于限制区域内的限制对象，实现限制对象的准确识别。
在其中一个实施例中，编码模块200还用于通过GeoHash算法对定位数据进行编码，获得位置编码。
在其中一个实施例中，上述限制对象识别装置还包括数据库构建模块，用于获取历史记录中目标类型用户位置分布数据；根据历史记录中目标类型用户位置分布数据，确定目标类型用户的位置信息；对目标类型用户的位置信息进行基于线性可逆函数的编码，获得样本位置编码；将样本位置编码映射至划设有编码格子的编码地图中；获取各编码格子对应的目标类型用户数量；根据各编码格子对应的目标类型用户数量设定标签；记录各编码格子的身份标识以及对应的已设定标签，构建预设编码格子数据库。
在其中一个实施例中，数据库构建模块还用于获取各编码格子中用户数量和目标类型用户数量；计算各编码格子中目标类型用户数量占比；根据预设占比-标签对应关系表，设定各编码格子对应的标签。
在其中一个实施例中，数据库构建模块还用于采用Hash算法在Trie树中查找各编码格子对应的位置编码数据；根据各编码格子中查找到的位置编码数据，获取各编码格子中用户数量。
在其中一个实施例中，上述限制对象识别装置还包括限制模块，用于当识别用户为限制对象时，对用户对应的账号信息添加限制标识。
在其中一个实施例中，上述限制对象识别装置还包括更新模块，用于将用户的受限类型识别结果以及位置编码所属编码格子更新至预设编码格子数据库。
关于限制对象识别装置的具体限定可以参见上文中对于限制对象识别方法的限定，在此不再赘述。上述限制对象识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预设编码格子数据库等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种限制对象识别方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
接收用户终端上传的定位数据；
对定位数据进行基于线性可逆函数的编码，获得位置编码；
识别位置编码所属编码格子；
从预设编码格子数据库读取所属编码格子对应的标签，预设编码格子数据库存储有多个编码格子以及各编码格子对应的标签，标签用于表征编码格子对应位置区域为限制区域的可能性程度；
根据标签，识别用户是否为限制对象。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
通过GeoHash算法对定位数据进行编码，获得位置编码。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取历史记录中目标类型用户位置分布数据；根据历史记录中目标类型用户位置分布数据，确定目标类型用户的位置信息；对目标类型用户的位置信息进行基于线性可逆函数的编码，获得样本位置编码；将样本位置编码映射至划设有编码格子的编码地图中；获取各编码格子对应的目标类型用户数量；根据各编码格子对应的目标类型用户数量设定标签；记录各编码格子的身份标识以及对应的已设定标签，构建预设编码格子数据库。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取各编码格子中用户数量和目标类型用户数量；计算各编码格子中目标类型用户数量占比；根据预设占比-标签对应关系表，设定各编码格子对应的标签。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
采用Hash算法在Trie树中查找各编码格子对应的位置编码数据；根据各编码格子中查找到的位置编码数据，获取各编码格子中用户数量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
当识别用户为限制对象时，对用户对应的账号信息添加限制标识。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将用户的受限类型识别结果以及位置编码所属编码格子更新至预设编码格子数据库。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
接收用户终端上传的定位数据；
对定位数据进行基于线性可逆函数的编码，获得位置编码；
识别位置编码所属编码格子；
从预设编码格子数据库读取所属编码格子对应的标签，预设编码格子数据库存储有多个编码格子以及各编码格子对应的标签，标签用于表征编码格子对应位置区域为限制区域的可能性程度；
根据标签，识别用户是否为限制对象。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
通过GeoHash算法对定位数据进行编码，获得位置编码。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取历史记录中目标类型用户位置分布数据；根据历史记录中目标类型用户位置分布数据，确定目标类型用户的位置信息；对目标类型用户的位置信息进行基于线性可逆函数的编码，获得样本位置编码；将样本位置编码映射至划设有编码格子的编码地图中；获取各编码格子对应的目标类型用户数量；根据各编码格子对应的目标类型用户数量设定标签；记录各编码格子的身份标识以及对应的已设定标签，构建预设编码格子数据库。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取各编码格子中用户数量和目标类型用户数量；计算各编码格子中目标类型用户数量占比；根据预设占比-标签对应关系表，设定各编码格子对应的标签。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
采用Hash算法在Trie树中查找各编码格子对应的位置编码数据；根据各编码格子中查找到的位置编码数据，获取各编码格子中用户数量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
当识别用户为限制对象时，对用户对应的账号信息添加限制标识。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将用户的受限类型识别结果以及位置编码所属编码格子更新至预设编码格子数据库。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种限制对象识别方法，所述方法包括：
接收用户终端上传的定位数据；
对整个地理地图中各个位置基于线性可逆函数的编码，获得整个编码地图；
对所述编码地图进行网格划分，得到各所述位置对应编码格子；
对所述定位数据进行基于线性可逆函数的编码，获得位置编码；
识别所述位置编码所属编码格子；
从预设编码格子数据库读取所述所属编码格子对应的标签，所述预设编码格子数据库存储有多个编码格子以及各所述编码格子对应的标签，所述标签是基于各所述编码格子对应区域中历史限制对象的数量占比对应设定的，分为高风险地区、中风险地区、低分险地区以及无风险地区，用于表征编码格子对应位置区域为限制区域的可能性程度；
根据所述标签，识别用户是否为限制对象；
当识别用户为限制对象时，对所述用户对应的账号信息添加限制标识，所述限制标识用于标示限制响应操作；
所述根据所述标签，识别用户是否为限制对象包括：
根据预设标签-受限对照关系表，得到所述标签对应的受限类型，所述预设标签-受限对照关系表为预先设定且支持管理者修改；
根据所述标签对应的受限类型，识别用户是否为限制对象。
2.根据权利要求1所述的方法，其特征在于，所述对所述定位数据进行基于线性可逆函数的编码，获得位置编码包括：
通过GeoHash算法对所述定位数据进行编码，获得位置编码。
3.根据权利要求1所述的方法，其特征在于，所述从预设编码格子数据库读取所述所属编码格子对应的标签之前，还包括：
获取历史记录中目标类型用户位置分布数据；
根据历史记录中目标类型用户位置分布数据，确定目标类型用户的位置信息；
对所述目标类型用户的位置信息进行基于线性可逆函数的编码，获得样本位置编码；
将所述样本位置编码映射至划设有编码格子的编码地图中；
获取各编码格子对应的目标类型用户数量；
根据各编码格子对应的目标类型用户数量设定标签；
记录各编码格子的身份标识以及对应的已设定标签，构建预设编码格子数据库。
4.根据权利要求3所述的方法，其特征在于，所述根据各编码格子对应的目标类型用户数量设定标签包括：
获取各编码格子中用户数量和目标类型用户数量；
计算各编码格子中目标类型用户数量占比；
根据预设占比-标签对应关系表，设定各编码格子对应的标签。
5.根据权利要求4所述的方法，其特征在于，所述获取各编码格子中用户数量包括：
采用Hash算法在Trie树中查找各编码格子对应的位置编码数据；
根据各编码格子中查找到的位置编码数据，获取各编码格子中用户数量。
6.根据权利要求1所述的方法，其特征在于，所述根据所述标签，识别用户是否为限制对象之后，还包括：
将所述用户的受限类型识别结果以及所述位置编码所属编码格子更新至所述预设编码格子数据库。
7.一种限制对象识别装置，其特征在于，所述装置包括：
接收模块，用于接收用户终端上传的定位数据；
编码模块，用于对整个地理地图中各个位置基于线性可逆函数的编码，获得整个编码地图；对所述编码地图进行网格划分，得到各所述位置对应编码格子；对所述定位数据进行基于线性可逆函数的编码，获得位置编码；
编码格子识别模块，用于识别所述位置编码所属编码格子；
标签读取模块，用于从预设编码格子数据库读取所述所属编码格子对应的标签，所述预设编码格子数据库存储有多个编码格子以及各所述编码格子对应的标签，所述标签是基于各所述编码格子对应区域中历史限制对象的数量占比对应设定的，分为高风险地区、中风险地区、低分险地区以及无风险地区，用于表征编码格子对应位置区域为限制区域的可能性程度；
对象识别模块，用于根据所述标签，识别用户是否为限制对象；当识别用户为限制对象时，对所述用户对应的账号信息添加限制标识，所述限制标识用于标示限制响应操作；根据预设标签-受限对照关系表，得到所述标签对应的受限类型，所述预设标签-受限对照关系表为预先设定且支持管理者修改；根据所述标签对应的受限类型，识别用户是否为限制对象。
8.根据权利要求7所述的装置，其特征在于，所述限制对象识别装置还包括数据库构建模块，用于获取历史记录中目标类型用户位置分布数据；根据历史记录中目标类型用户位置分布数据，确定目标类型用户的位置信息；对目标类型用户的位置信息进行基于线性可逆函数的编码，获得样本位置编码；将样本位置编码映射至划设有编码格子的编码地图中；获取各编码格子对应的目标类型用户数量；根据各编码格子对应的目标类型用户数量设定标签；记录各编码格子的身份标识以及对应的已设定标签，构建预设编码格子数据库。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一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权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910629590.7A CN110515941B (zh) | 2019-07-12 | 2019-07-12 | 限制对象识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910629590.7A CN110515941B (zh) | 2019-07-12 | 2019-07-12 | 限制对象识别方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110515941A CN110515941A (zh) | 2019-11-29 |
| CN110515941B true CN110515941B (zh) | 2022-06-17 |
Family
ID=68622592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910629590.7A Active CN110515941B (zh) | 2019-07-12 | 2019-07-12 | 限制对象识别方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110515941B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109767337A (zh) * | 2017-11-09 | 2019-05-17 | 腾讯科技（深圳）有限公司 | 保险中逆选择用户的识别方法、装置及计算机设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU1367101A (en) * | 1999-09-24 | 2002-01-08 | Dennis J. Dupray | Geographically constrained network services |
| IN2012DE00402A (zh) * | 2012-02-13 | 2015-06-05 | Sandvine Inc Ulc | |
| CN104778231B (zh) * | 2015-03-31 | 2018-09-11 | 北京奇艺世纪科技有限公司 | 一种地理区域的特征识别方法和装置 |
| CN108376157B (zh) * | 2018-02-08 | 2022-06-07 | 腾讯科技（深圳）有限公司 | 目标用户查询方法、系统和装置 |
-
2019
- 2019-07-12 CN CN201910629590.7A patent/CN110515941B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109767337A (zh) * | 2017-11-09 | 2019-05-17 | 腾讯科技（深圳）有限公司 | 保险中逆选择用户的识别方法、装置及计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| 协作式地理信息服务工作流平台的研究与实现;袁莹等;《福州大学学报(自然科学版)》;20111228;第39卷(第06期);845-850 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110515941A (zh) | 2019-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111667011A (zh) | 损伤检测模型训练、车损检测方法、装置、设备及介质 | |
| CN108876133A (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
| CN109886719B (zh) | 基于网格的数据挖掘处理方法、装置和计算机设备 | |
| CN109508903B (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
| CN109635056B (zh) | 用电地址数据处理方法、装置、计算机设备和存储介质 | |
| CN108334625B (zh) | 用户信息的处理方法、装置、计算机设备和存储介质 | |
| CN111835561B (zh) | 基于用户行为数据的异常用户群体检测方法、装置、设备 | |
| CN110659396B (zh) | 缺失属性信息补全方法、装置、计算机设备和存储介质 | |
| CN111192153B (zh) | 人群关系网络构建方法、装置、计算机设备和存储介质 | |
| CN110135943B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN111148018B (zh) | 基于通信数据识别定位区域价值的方法和装置 | |
| CN110727526B (zh) | 大数据计算任务的处理方法和系统 | |
| CN112417315A (zh) | 基于网站注册的用户画像生成方法、装置、设备和介质 | |
| CN108182633A (zh) | 贷款数据处理方法、装置、计算机设备和存储介质 | |
| CN114120299A (zh) | 信息获取方法、装置、存储介质及设备 | |
| CN112308173A (zh) | 基于多评价因子融合的多目标对象评价方法及其相关设备 | |
| CN111179100A (zh) | 基于二维码的业务信息处理方法、装置和计算机设备 | |
| CN110795466A (zh) | 基于大数据处理的反欺诈方法、服务器及计算机可读存储介质 | |
| CN110515941B (zh) | 限制对象识别方法、装置、计算机设备和存储介质 | |
| CN110866637B (zh) | 评分预测方法、装置、计算机设备和存储介质 | |
| CN110503563B (zh) | 风险控制方法及系统 | |
| CN116662824A (zh) | 路网道路差异检测方法、装置、计算机设备及存储介质 | |
| CN115018608A (zh) | 风险预测方法、装置、计算机设备 | |
| CN114003674A (zh) | 双录地址确定方法、装置、设备及存储介质 | |
| CN111708795B (zh) | 对象标识生成方法、更新方法、装置、计算机设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee after: Zhaolian Consumer Finance Co.,Ltd. Country or region after: China Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee before: MERCHANTS UNION CONSUMER FINANCE Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |