预上线道路挖掘方法、装置、电子设备及存储介质与流程

1.本公开涉及人工智能技术领域，特别涉及智能交通、深度学习以及自然语言处理等领域的预上线道路挖掘方法、装置、电子设备及存储介质。


背景技术：

2.地图产品中，道路是最基本的构成要素，对于用户导航、路径时长预估等都有着重要的作用，相应地，如果缺失，会造成导航错误、路径时长预估错误等，严重影响用户体验。
3.因此，提前获知预上线道路，以便对地图进行及时更新，是非常必要的。目前，主要依赖于人工采集等方式来获知预上线道路，但这种方式需要耗费较大的人力和时间成本，且效率低下。


技术实现要素：

4.本公开提供了预上线道路挖掘方法、装置、电子设备及存储介质。
5.一种预上线道路挖掘方法，包括：
6.从预定数据源获取文本信息；
7.从获取到的文本信息中筛选出与预上线道路相关的文本信息；
8.对筛选出的文本信息进行预上线道路信息提取，得到挖掘出的预上线道路。
9.一种预上线道路挖掘装置，包括：获取模块、筛选模块以及挖掘模块；
10.所述获取模块，用于从预定数据源获取文本信息；
11.所述筛选模块，用于从获取到的文本信息中筛选出与预上线道路相关的文本信息；
12.所述挖掘模块，用于对筛选出的文本信息进行预上线道路信息提取，得到挖掘出的预上线道路。
13.一种电子设备，包括：
14.至少一个处理器；以及
15.与所述至少一个处理器通信连接的存储器；其中，
16.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。
17.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。
18.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。
19.上述公开中的一个实施例具有如下优点或有益效果：可基于获取到的文本信息自动地挖掘出预上线道路，从而节省了人力和时间成本，并提升了处理效率等。
20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.附图用于更好地理解本方案，不构成对本公开的限定。其中：
22.图1为本公开所述预上线道路挖掘方法第一实施例的流程图；
23.图2为本公开所述文本信息的示意图；
24.图3为本公开所述预上线道路挖掘方法第二实施例的流程图；
25.图4为本公开所述预上线道路挖掘装置实施例400的组成结构示意图；
26.图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。
具体实施方式
27.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
28.另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
29.图1为本公开所述预上线道路挖掘方法第一实施例的流程图。如图1所示，包括以下具体实现方式。
30.在步骤101中，从预定的数据源获取文本信息。
31.在步骤102中，从获取到的文本信息中筛选出与预上线道路相关的文本信息。
32.在步骤103中，对筛选出的文本信息进行预上线道路信息提取，得到挖掘出的预上线道路。
33.可以看出，上述方法实施例所述方案中，可基于获取到的文本信息，自动地挖掘出预上线道路，从而节省了人力和时间成本，并提升了处理效率等。
34.本公开的一个实施例中，从预定数据源获取文本信息可包括：在预定应用提供的搜索框中输入所构建的搜索词进行搜索，得到搜索结果列表，分别对搜索结果列表中的各搜索结果页进行信息抓取，得到所述文本信息，和/或，对预定的信息发布源发布的信息进行抓取，得到所述文本信息。
35.比如，可构建搜索词“公路试运行”、“高速通车”或“路开通”等，并在可提供搜索功能的应用(如常用的搜索引擎或微博等)提供的搜索框中输入所构建的搜索词进行搜索，从而得到搜索结果列表，进而可对搜索结果列表中的各搜索结果页进行信息抓取，得到所需的文本信息。该处理可周期性地执行。
36.再比如，可关注各官方交通微博或公众号，并可周期性地对其发布的信息进行抓取，从而得到所需的文本信息。
37.再比如，可周期性地对各官方交通网站上的信息进行抓取，从而得到所需的文本信息。
38.图2为本公开所述文本信息的示意图。如图2所示，其中包含了预上线道路相关信息。
39.在实际应用中，具体采用哪种方式来获取文本信息可根据实际需要而定，不限于
以上所示，非常的灵活方便，另外，通过周期性执行/抓取，可确保预上线道路能够被及时发现，再有，获取到的文本信息多为官方发布的，从而确保了信息的真实性，而且，官方发布的信息通常为第一时间发布的，从而确保了信息的时效性等。
40.获取到的文本信息中包含了各种各样的交通信息，如道路的阻断、开通、限速、交通限制等，需要区分出其中的哪些文本信息为与预上线道路相关的文本信息，从而可减少后续处理的工作量，提升挖掘效率等。
41.相应地，针对获取到的文本信息，可从中筛选出与预上线道路相关的文本信息。本公开的一个实施例中，可根据所构建的筛选词从获取到的文本信息中筛选出与预上线道路相关的文本信息。
42.具体地，本公开的一个实施例中，针对获取到的任一文本信息，若确定该文本信息中同时包括第一白名单列表中的筛选词以及第二白名单列表中的筛选词，且不包括黑名单列表中的筛选词，则可将该文本信息作为筛选出的文本信息，第一白名单列表中的筛选词和第二白名单列表中的筛选词为不同类型的筛选词。
43.第一白名单列表、第二白名单列表以及黑名单列表中分别包括哪些筛选词可根据实际需要而定。
44.比如，第一白名单列表中可包括以下筛选词：高速、高架、快速路、城快、国道、省道、环线、隧道、立交、中环、桥、街等，第二白名单列表中可包括以下筛选词：开建、开工、建设、收尾、修建、设计、规划、投标、招标、批复、公示等，黑名单列表中可包括以下筛选词：地铁、公交、城铁、动车、经济建设、燃气管线等。
45.借助于上述白名单和黑名单，可方便快速地筛选出与预上线道路相关的文本信息，从而为后续处理奠定了良好的基础。
46.本公开的一个实施例中，还可对筛选出的文本信息进行二次筛选，所述二次筛选可包括：针对筛选出的任一文本信息，分别利用预先训练得到的分类模型对该文本信息进行分类，若根据分类结果确定该文本信息为与预上线道路相关的文本信息，则将该文本信息作为筛选出的文本信息。
47.即可对筛选出的文本信息进行二次验证，针对筛选出的任一文本信息，通过分类模型来进一步确定其是否为与预上线道路相关的文本信息，若通过分类模型也确定其为与预上线道路相关的文本信息，则可将其作为筛选出的文本信息，否则，可不作为筛选出的文本信息，从而进一步提升了筛选出的与预上线道路相关的文本信息的准确性，并进一步减少了后续处理的工作量，提升了挖掘效率等。
48.所述分类模型可为支持向量机(svm，support vector machine)模型或梯度提升决策树(gbdt，gradient boosting decision tree)模型等。
49.分类结果可包括1和0两种，如1表示为与预上线道路相关的文本信息，0表示不是与预上线道路相关的文本信息。
50.另外，可预先构建训练样本，如将与预上线道路相关的文本信息标记为正样本，将不与预上线道路相关的文本信息标记为负样本，根据构建的训练样本训练得到所述分类模型。
51.针对筛选出的文本信息，可对其进行预上线道路信息提取，从而得到挖掘出的预上线道路。
52.或者，本公开的一个实施例中，还可先对筛选出的文本信息进行文本去重处理，之后可对进行去重处理后的文本信息进行预上线道路信息提取，从而得到挖掘出的预上线道路。
53.通过去重处理，可进一步减少后续处理的工作量，提升挖掘效率等。
54.如何进行文本去重处理不作限制，比如，可通过局部敏感哈希(simhash)等文本去重算法来对筛选出的文本信息进行文本去重处理。
55.如何进行预上线道路信息提取同样不作限制，比如，可通过命名实体识别(ner，named entity recognition)及正则表达式等方式来提取出文本中的预上线道路信息。
56.提取出的预上线道路信息中可包括预上线道路的位置(即地点)以及通车时间等信息。
57.基于上述介绍，图3为本公开所述预上线道路挖掘方法第二实施例的流程图。如图3所示，包括以下具体实现方式。
58.在步骤301中，从预定的数据源获取文本信息。
59.比如，可在预定应用提供的搜索框中输入所构建的搜索词进行搜索，得到搜索结果列表，分别对搜索结果列表中的各搜索结果页进行信息抓取，得到所述文本信息，和/或，对预定的信息发布源发布的信息进行抓取，得到所述文本信息。
60.在步骤302中，对获取到的文本信息进行初次筛选，包括：针对获取到的任一文本信息，若确定该文本信息中同时包括第一白名单列表中的筛选词以及第二白名单列表中的筛选词，且不包括黑名单列表中的筛选词，则将该文本信息作为筛选出的文本信息，第一白名单列表中的筛选词和第二白名单列表中的筛选词为不同类型的筛选词。
61.即可根据所构建的筛选词从获取到的文本信息中筛选出与预上线道路相关的文本信息。
62.在步骤303中，对筛选出的文本信息进行二次筛选，包括：针对筛选出的任一文本信息，分别利用预先训练得到的分类模型对该文本信息进行分类，若根据分类结果确定该文本信息为与预上线道路相关的文本信息，则将该文本信息作为筛选出的文本信息。
63.即针对筛选出的任一文本信息，还可通过分类模型来进一步确定其是否为与预上线道路相关的文本信息，若通过分类模型也确定其为与预上线道路相关的文本信息，则可将其作为筛选出的文本信息，否则，可不作为筛选出的文本信息。
64.在步骤304中，对筛选出的文本信息进行文本去重处理。
65.比如，可通过局部敏感哈希等文本去重算法来进行文本去重处理。
66.在步骤305中，对进行文本去重处理后的文本信息进行预上线道路信息提取，得到挖掘出的预上线道路。
67.比如，可通过命名实体识别及正则表达式等方式来提取出文本中的预上线道路信息。提取出的预上线道路信息中可包括预上线道路的位置以及通车时间等信息。
68.需要说明的是，对于前述的各方法实施例，为了简单描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。另外，某个实施例中没有详述的部分，可以参见其它实施例中的相关说明。
69.总之，采用本公开方法实施例所述方案，可基于获取到的文本信息，自动地挖掘出预上线道路，从而节省了人力和时间成本，并提升了处理效率，而且，通过筛选和去重处理，可减少后续处理的工作量，并进一步提升了挖掘效率等。
70.以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
71.图4为本公开所述预上线道路挖掘装置实施例400的组成结构示意图。如图4所示，包括：获取模块401、筛选模块402以及挖掘模块403。
72.获取模块401，用于从预定数据源获取文本信息。
73.筛选模块402，用于从获取到的文本信息中筛选出与预上线道路相关的文本信息。
74.挖掘模块403，用于对筛选出的文本信息进行预上线道路信息提取，得到挖掘出的预上线道路。
75.上述装置实施例所述方案中，可基于获取到的文本信息，自动地挖掘出预上线道路，从而节省了人力和时间成本，并提升了处理效率等。
76.本公开的一个实施例中，获取模块401可在预定应用提供的搜索框中输入所构建的搜索词进行搜索，得到搜索结果列表，分别对搜索结果列表中的各搜索结果页进行信息抓取，得到所述文本信息，和/或，对预定的信息发布源发布的信息进行抓取，得到所述文本信息。
77.比如，可构建搜索词“公路试运行”、“高速通车”或“路开通”等，并在可提供搜索功能的应用提供的搜索框中输入所构建的搜索词进行搜索，从而得到搜索结果列表，进而可对搜索结果列表中的各搜索结果页进行信息抓取，得到所需的文本信息。该处理可周期性地执行。
78.再比如，可关注各官方交通微博或公众号，并可周期性地对其发布的信息进行抓取，从而得到所需的文本信息。
79.再比如，可周期性地对各官方交通网站上的信息进行抓取，从而得到所需的文本信息。
80.针对获取到的文本信息，筛选模块402可从中筛选出与预上线道路相关的文本信息。本公开的一个实施例中，筛选模块402可根据所构建的筛选词从获取到的文本信息中筛选出与预上线道路相关的文本信息。
81.具体地，本公开的一个实施例中，筛选模块402可针对获取到的任一文本信息，若确定该文本信息中同时包括第一白名单列表中的筛选词以及第二白名单列表中的筛选词，且不包括黑名单列表中的筛选词，则可将该文本信息作为筛选出的文本信息，第一白名单列表中的筛选词和第二白名单列表中的筛选词为不同类型的筛选词。
82.第一白名单列表、第二白名单列表以及黑名单列表中分别包括哪些筛选词可根据实际需要而定。
83.本公开的一个实施例中，筛选模块402还可对筛选出的文本信息进行二次筛选，所述二次筛选可包括：针对筛选出的任一文本信息，分别利用预先训练得到的分类模型对该文本信息进行分类，若根据分类结果确定该文本信息为与预上线道路相关的文本信息，则将该文本信息作为筛选出的文本信息。
84.即可对筛选出的文本信息进行二次验证，针对筛选出的任一文本信息，通过分类
模型来进一步确定其是否为与预上线道路相关的文本信息，若通过分类模型也确定其为与预上线道路相关的文本信息，则可将其作为筛选出的文本信息，否则，可不作为筛选出的文本信息。
85.针对筛选出的文本信息，挖掘模块403可对其进行预上线道路信息提取，从而得到挖掘出的预上线道路。
86.或者，本公开的一个实施例中，挖掘模块403还可先对筛选出的文本信息进行文本去重处理，之后可对进行去重处理后的文本信息进行预上线道路信息提取，从而得到挖掘出的预上线道路。
87.比如，可通过局部敏感哈希等文本去重算法来对筛选出的文本信息进行文本去重处理。另外，可通过命名实体识别及正则表达式等方式来提取出文本中的预上线道路信息。提取出的预上线道路信息中可包括预上线道路的位置以及通车时间等信息。
88.图4所示装置实施例的具体工作流程可参照前述方法实施例中的相关说明，不再赘述。
89.总之，采用本公开装置实施例所述方案，可基于获取到的文本信息，自动地挖掘出预上线道路，从而节省了人力和时间成本，并提升了处理效率，而且，通过筛选和去重处理，可减少后续处理的工作量，并进一步提升了挖掘效率等。
90.本公开所述方案可应用于人工智能领域，特别涉及智能交通、深度学习以及自然语言处理等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
91.本公开所述实施例中的文本信息并不是针对某一特定用户的，并不能反映出某一特定用户的个人信息，另外，预上线道路挖掘方法的执行主体可以通过各种公开、合法合规的方式来获取所述文本信息。
92.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
93.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
94.图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
95.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至
总线504。
96.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
97.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram 503并由计算单元501执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。
98.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
99.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
100.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
101.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来
将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
102.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
103.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
104.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
105.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。