[发明专利]一种编码模型训练的方法、编码的方法、装置和存储介质

权利要求书

1.一种编码模型训练的方法，其特征在于，所述方法包括：

获取训练数据，其中，所述训练数据包括已标注编码信息的地理矢量数据；

对所述训练数据进行预处理，获得预处理结果，其中，所述预处理结果包括对应的特征属性值、特征属性的数目和实体类别总数目；

根据所述预处理结果生成待训练神经网络模型，其中，所述待训练神经网络模型输入层的输入特征的数目等于所述特征属性的数目，所述待训练神经网络的输出层用于输出与所述实体类别总数目相同数量的识别结果；

训练所述待训练神经网络模型，获得实体类别编码模型。

2.根据权利要求1所述的方法，其特征在于，所述对所述训练数据进行预处理，获得预处理结果，包括：

提取所述训练数据中的至少一个特征属性；

计算与所述至少一个特征属性分别对应的至少一个特征属性值；

将所述至少一个特征属性值作为所述预处理结果。

3.根据权利要求2所述的方法，其特征在于，在所述提取所述训练数据中的至少一个特征属性之前，所述方法还包括：

获取用户预先选择的至少一个自选特征属性，其中，所述至少一个特征属性中包括所述至少一个自选特征属性，所述至少一个自选特征属性是用户根据实际需求选择的；

所述提取所述训练数据中的至少一个特征属性，包括：

提取所述训练数据中的所述自选特征属性；

所述计算与所述至少一个特征属性分别对应的至少一个特征属性值，包括：

计算与所述自选特征属性分别对应的自选特征属性值；

所述将所述至少一个特征属性值作为所述预处理结果，包括：

将所述自选特征属性值作为所述预处理结果。

4.根据权利要求3所述的方法，其特征在于，所述根据所述预处理结果生成待训练神经网络模型，包括：

将所述自选特征属性值输入所述待训练神经网络模型，对所述待训练神经网络模型进行训练。

5.根据权利要求1所述的方法，其特征在于，所述地理矢量数据由顶点、线段或面构成。

6.一种编码的方法，其特征在于，所述方法包括：

接收输入的待编码实体数据，其中，所述待编码实体数据包括至少一个实体的所有构成元素，所述所有构成元素是通过对待编码实体解析得到的；

根据如权利要求1-5任一项所述的方法获得的实体类别编码模型，对所述待编码实体数据进行编码。

7.一种编码模型训练的装置，其特征在于，所述装置包括：

获取单元，被配置为获取训练数据，其中，所述训练数据包括已标注编码信息的地理矢量数据；

预处理单元，被配置为对所述训练数据进行预处理，获得预处理结果，其中，所述预处理结果包括所述训练数据对应的特征属性值、特征属性的数目和实体类别总数目；

生成单元，被配置为根据所述预处理结果生成待训练神经网络模型，其中，所述待训练神经网络模型输入层的输入特征的数目等于所述特征属性的数目，所述待训练神经网络的输出层用于输出与所述实体类别总数目相同数量的识别结果；

训练单元，被配置为训练所述待训练神经网络模型，获得实体类别编码模型。

8.一种编码的装置，其特征在于，所述装置包括：

接收单元，被配置为接收输入的待编码实体数据，其中，所述待编码实体数据包括至少一个实体的所有构成元素，所述所有构成元素是通过对待编码实体解析得到的；

编码单元，被配置为使用如权利要求1-5任一项所述的方法获得的实体类别编码模型，对所述待编码实体数据进行编码。

9.一种电子设备，其特征在于，包括：处理器、存储器和总线；

所述处理器通过所述总线与所述存储器相连，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，用于实现如权利要求1-6任一项所述方法。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被服务器执行时实现如权利要求1-6任一项所述方法。