基于集成学习的实时信息聚合方法、装置及计算设备与流程

1.本发明实施例涉及通信技术领域，具体涉及一种基于集成学习的实时信息聚合方法、装置及计算设备。


背景技术：

2.近年来，运营商不断加强对渠道融通的建设模式探索，包括通过构建渠道拓展、先受后办以及协同增强等能力，有效支撑行商营销，验证了业务受理最多跑一次的可行性。通过优化全渠道业务营销和服务能力，对冲社会渠道引流乏力的潜在风险，保障业务高质量发展。
3.渠道融通让在线购买异业商品这件事更加方便。当用户在电子渠道app中打开任一选中的商品时，不同供应商提供的商品信息会形成一个聚合列表准确地展示给用户。这样做首先避免同样的信息多次展示给用户影响体验，更重要的是帮助用户进行全渠道商品实时比价，快速找到性价比最高的线下渠道点，完成消费决策。全渠道商品聚合能力的强弱，决定着用户购买商品时可选价格的厚度，进而影响用户个性化、多元化的购买体验。
4.现有技术中，在多条数据整体较为接近时，大量相似渠道点都不会自动聚合，仍需要人工处理，且能自动处理的部分只占到约30％，剩余70％仍需要人工处理。机器自动聚合准确率约为95％，也就是有5％的概率会产生ab店，用户到店无单，购买体验非常不好。并且，人工介入的方式聚合处理会非常慢，会造成一些渠道资源没有聚合，无法为用户展示丰富的商品信息；如果价格出现波动，无法为用户及时提供当前报价，而且还会耗费大量的人力资源。由于不同渠道点对于同一商品的描述可能存在偏差，使得聚合结果容易出现错误，当用户到店后却发现没有订单，会对用户体验造成灾难性影响。


技术实现要素：

5.鉴于上述问题，本发明实施例提供了一种基于集成学习的实时信息聚合方法、装置及计算设备，克服了上述问题或者至少部分地解决了上述问题。
6.根据本发明实施例的一个方面，提供了一种基于集成学习的实时信息聚合方法，所述方法包括：搜索预设范围内与待聚合商品相似的类似商品；对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理。
7.在一种可选的方式中，所述搜索预设范围内与待聚合商品相似的类似商品，包括：应用分布式全文搜索引擎搜索相距5千米范围内与所述待聚合商品相似的多个渠道的所述类似商品。
8.在一种可选的方式中，所述对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话，包括：根据分词词典分别对所述类似商品和所述
待聚合商品进行名称分词处理和地址分词处理，获取对应的所述名称分词、所述地址分词及所述电话。
9.在一种可选的方式中，所述对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话，还包括：分别对所述类似商品和所述待聚合商品进行分词处理获取对应的坐标经纬度和邮箱。
10.在一种可选的方式中，所述根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量，包括：根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话的结构化数据分别进行两两对比，并计算对应的相似度；将所述名称分词、所述地址分词及所述电话的结构化数据的所述相似度组合形成所述特征向量。
11.在一种可选的方式中，所述根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话的结构化数据进行两两对比，包括：根据所述类似商品与所述待聚合商品的所述名称分词中的品牌、类型、类型前两字、实体、分店及其他计算两者的cosine相似度，根据所述名称分词中的分店号计算两者的jarowinkler相似度；根据所述类似商品与所述待聚合商品的所述地址分词中的区、镇、村、街道、及其他计算两者的cosine相似度，根据所述地址分词中的街道号、建筑号、单元号、楼层号以及房间号计算两者的jarowinkler相似度；根据所述类似商品与所述待聚合商品的所述电话计算两者的jarowinkler相似度。
12.在一种可选的方式中，所述根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理之前，包括：获取有人工标注的训练集，所述训练集包括测试集和验证集；应用所述测试集和所述验证集对所述决策树模型进行训练，调整模型参数，得到训练好的所述决策树模型。
13.根据本发明实施例的另一个方面，提供了一种基于集成学习的实时信息聚合装置，所述装置包括：商品搜索单元，用于搜索预设范围内与待聚合商品相似的类似商品；分词处理单元，用于对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；特征获取单元，用于根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；特征对比单元，用于根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理。
14.根据本发明实施例的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
15.所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述基于集成学习的实时信息聚合方法的步骤。
16.根据本发明实施例的又一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使所述处理器执行上述基于集成学习的实时信息聚合方法的步骤。
17.本发明实施例通过搜索预设范围内与待聚合商品相似的类似商品；对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；根据所述
类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理，能够提高商品信息实时聚合的准确性和时效性，降低人工成本。
18.上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
19.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
20.图1示出了本发明实施例提供的基于集成学习的实时信息聚合方法的流程示意图；
21.图2示出了本发明实施例提供的基于集成学习的实时信息聚合方法的名称分词方法示意图；
22.图3示出了本发明实施例提供的又一基于集成学习的实时信息聚合方法的地址分词方法示意图；
23.图4示出了本发明实施例提供的又一基于集成学习的实时信息聚合方法的特征向量构造示意图；
24.图5示出了本发明实施例提供的又一基于集成学习的实时信息聚合方法的聚合效果示例图；
25.图6示出了本发明实施例提供的基于集成学习的实时信息聚合装置的结构示意图；
26.图7示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
27.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
28.图1示出了本发明实施例提供的基于集成学习的实时信息聚合方法的流程示意图。如图1所示，基于集成学习的实时信息聚合方法包括：
29.步骤s11：搜索预设范围内与待聚合商品相似的类似商品。
30.具体地，应用分布式全文搜索引擎搜索相距5千米范围内与所述待聚合商品相似的多个渠道的所述类似商品。在本发明实施例中，首先输入待聚合商品a；然后确定搜索范围，如5千米的搜索范围；再应用分布式全文搜索引擎(elasticsearch，es)搜索与待聚合商品a相距5km范围内相似度最高的n个其他渠道的类似商品，n为正整数。在本发明其他实施例中，也可以定义其他搜索范围，在此不作限制。
31.步骤s12：对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话。
32.分词是指对商品名称、地址等进行文本切割，将整体的字符串分为结构化的数据，目的是解决名称、地址整体比对粒度太粗的问题，同时也为后面构建特征向量做准备。分词一般是基于分词词典进行分词，词典是否丰富、准确，往往决定了分词结果的好坏。在对商品的名称分词时，需要使用到商品品牌、商品类型词典，如果纯靠人工维护的话，需要耗费大量的人力，且效率较低，很难维护出一套丰富的词典。
33.在本发明实施例中，采用机器+人工的方式来快速维护分词词典。例如，随机选取超过100000家商店，获取其名称数据，对名称从后往前、从前往后依次逐级切割，每一次切割获取切割词且切割词的出现频率加1；出现频率较高的词，往往就是商品品牌词或类型词。
34.如表1中是对商品名称的分词切割统计出的出现频率较高的词，得到这些词后，就能构建出商品品牌、商品类型的分词词典。
35.表1分词切割示意表
36.切割词出现频率小米74365华为10377apple9376oppo9840vivo10390手机7899蓝牙54875g1128
……
37.在步骤s12中，根据分词词典分别对所述类似商品和所述待聚合商品进行名称分词处理和地址分词处理，获取对应的所述名称分词、所述地址分词及所述电话。
38.在本发明实施例中，以下面两种商品名称为例：a为小米手机(西湖三墩营业厅)，b为苹果手机(西湖西城广场营业厅)，因为经验知识的存在，人会自动进行先分词后对比的判断过程：
39.小米
---
》苹果
40.营业厅
---
》营业厅
41.西湖三墩
---
》西湖西城广场。
42.如此要想对比准确，需要按照人的思维进行分词。
43.对于商品名称，按照人的思维进行名称分词，经过对大量商品名称进行人工模拟分词，对商品名称分为如下结构化字段：品牌、类型、类型前两字、实体、分店以及分店号等，具体分词方法如图2所示，根据地域词曲获取商品名称中的地域字段；从品牌词典获取商品名称中的品牌字段；从类型词典获取商品名称中的类型字段；获取类型前面个字；品牌+类型作为商品名称中的实体字段；原店名一般为原xx店；分店名有两种获取方式：一是获取括号内内容、分店、地铁站等关键词前面的内容，二是位于括号外，类型词后面的xx店；分店号
为店、期、部等关键词前面的数字；获取商品名称中的括号外面的所有文字作为其他字段。
44.对于地址分词，同样模拟人的思维进行地址分词，使之地址的比对粒度更细更具体。具体分词方法如图3所示，根据地域词曲获取商品地址中的区地址字段；根据地域词曲获取商品地址中的镇地址字段；获取村前面2个字作为村地址字段；街道名地址的获取方法包括：根据街道词典获取，如果无法从街道词典获取，则从路、街、道、巷等关键词前面取2个字作为街道名；街道号地址的获取方法包括：获取商品地址中的xx号，且不能是xx号楼、xx号院，或者取路、街、道、巷等关键词后紧跟的数字；获取商品地址中的xx号楼、栋、幢作为建筑名地址；获取商品地址中的xx单元、座、区、排作为单元号地址；获取商品地址中的xx楼、层、户作为楼层号地址；获取商品地址中的xx室、房作为房间号地址；获取商品地址中的括号外面的所有文字作为其他字段。
45.在本发明实施例中，还可以分别对所述类似商品和所述待聚合商品进行分词处理获取对应的电话、坐标经纬度和邮箱。
46.步骤s13：根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量。
47.在步骤s12中模拟人的思维分别对类似商品和待聚合商品进行分词处理，是为构建特征向量做准备。特征构建的过程其实也是模拟人思维的一个过程，目的是针对分词的结构化数据进行两两比对，将比对结果数字化以构造特征向量，为机器学习做准备。
48.对于不同渠道点商品，能拿到的数据主要包括商品名称、地址、坐标经纬度，可能获得的数据还包括渠道点电话和邮箱。经过一系列数据调研，最终确定可用的数据为名称、地址、电话，主要是因为部分供应商经纬度坐标系有问题，精准度不高，因此暂不使用，但待聚合渠道距离限制在5km范围内。其次邮箱覆盖率较低，暂不使用。要注意的是，名称、地址拓展对比维度主要基于其分词结果，但电话数据加入对比的话首先要进行电话数据格式的清洗。
49.在步骤s13中，对类似商品与待聚合商品的名称分词、地址分词以及电话中的数字量计算jarowinkler相似度，非数字量计算cosine相似度，计算好的相似度按照预设的顺序组合形成特征向量。
50.具体地特征向量的构造如图4，根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话的结构化数据分别进行两两对比，并计算对应的相似度。更具体地，根据所述类似商品与所述待聚合商品的所述名称分词中的品牌、类型、类型前两字、实体、分店及其他计算两者的cosine相似度，根据所述名称分词中的分店号计算两者的jarowinkler相似度；根据所述类似商品与所述待聚合商品的所述地址分词中的区、镇、村、街道、及其他计算两者的cosine相似度，根据所述地址分词中的街道号、建筑号、单元号、楼层号以及房间号计算两者的jarowinkler相似度；根据所述类似商品与所述待聚合商品的所述电话计算两者的jarowinkler相似度。例如，将类似商品的名称分词中的品牌与待聚合商品的名称分词中的品牌进行对比，计算该两个品牌分词向量的夹角的余弦值来度量它们之间的cosine相似度。0度角的余弦值是1，而其他任何角度的余弦值都不大于1；并且其最小值是-1。从而两个品牌分词向量之间的角度的余弦值确定两个品牌分词向量是否大致指向相同的方向。该相似度是用来计算两个品牌之间的cosine相似度。
51.完成相似度的计算后，将所述名称分词、所述地址分词及所述电话的结构化数据
的所述相似度组合形成所述特征向量。如根据图4中所述的顺序将名称分词、地址分词及电话的结构化数据的相似度进行组合形成特征向量。
52.步骤s14：根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理。
53.本发明实施例经过对多个现有成熟算法的对比，最终选择了决策树，核心思想是根据在不同特征(feature)上的划分，最终得到决策树。每一次划分都向减小信息熵的方向进行，从而做到每一次划分都减少一次不确定性。具体的算法选择的是集成学习中的boosting算法。boosting算法类似于专家会诊，一个人决策可能会有不确定性，可能会失误，但一群人最终决策产生的误差通常就会非常小。boosting算法一般以树模型作为基础，其分类目前主要为ada boosting算法、梯度提升(gradient boosting)算法。ada boosting算法初次得出来一个模型，存在无法拟合的点，然后对无法拟合的点提高权重，依次得到多个模型。得出来的多个模型，在预测的时候进行投票选择。gradient boosting算法则是通过对前一个模型产生的错误由后一个模型去拟合，对于后一个模型产生的错误再由后面一个模型去拟合，然后依次叠加这些模型。本发明实施例使用的gradient boosting算法完全通过系统自动控制，不需要人工参与，机器可以得到复杂的规则，通过大量训练数据解决人无法完成的任务。xgboost、lightgbm都是gradient boosting的一种高效系统实现。其中lightgbm内存占用降低了很多，准确率方面两者基本一致，但训练耗时却也降低了很多。基于以上参考，为了模型快速迭代训练，最终选择了lightgbm。
54.由于使用lightgbm，训练耗时大大缩小，所以可以进行快速的迭代。模型训练主要关注两方面内容：训练结果分析和模型参数调节。训练结果可通过逐步调节特征向量、相似度计算、算法本身等逐步达到理想的结果。超参数调节中以下参数较为重要：
55.(1)maxdepth与numleaves
56.maxdepth与numleaves是提高精度以及防止过拟合的重要参数，maxdepth过大可能导致过拟合，numleaves表示一棵树的叶子数。lightgbm使用的是leaf-wise算法，此参数是控制树模型复杂度的主要参数。
57.(2)feature_fraction与bagging_fraction
58.feature_fraction与bagging_fraction可以防止过拟合以及提高训练速度。其中，feature_fraction为随机选择部分特征(0《feature_fraction《1)，bagging_fraction为随机选择部分数据(0《bagging_fraction《1)
59.(3)lambda_l1与lambda_l2
60.lambda_l1与lambda_l2都是正则化项，可以有效防止过拟合。lambda_l1为l1正则化项，lambda_l2为l2正则化项。
61.在本发明实施例中，在步骤s14之前，获取有人工标注的训练集，所述训练集包括测试集和验证集；应用所述测试集和所述验证集对所述决策树模型进行训练，调整模型参数，得到训练好的所述决策树模型。
62.本发明实施例应用的是gradient boosting模型，经过多轮迭代、优化、验证，gradient boosting模型趋于稳定。根据特征向量应用gradient boosting模型获取类似商品和待聚合商品的对比结果，并根据对比结果进行聚合处理。如果gradient boosting模型输出为1，表示类似商品与待聚合商品是同一类商品，可以将该两种商品聚合。如果
gradient boosting模型输出为0，表示类似商品与待聚合商品是不同类商品，不能进行聚合。
63.对效果的评估通常是凭借准确率与召回率两个指标。但商品聚合业务场景下，需要首先保证绝对高的准确率，因为聚合错误会产生ab店影响用户体验，然后才是较高的召回率。如图5所示，经过名称分词优化的迭代1后，准确率为92.72％，召回率为72.25％；经过地址分词优化的迭代2后，准确率为95.25％，召回率为79.91％；经过多轮验证，目前模型的准确率可以达到99.92％以上，召回率也达到了85.62％以上。如此，通过多轮迭代准确率可以达到一个比较高的水准。聚合完成后还可以根据渠道点名称、地址、坐标、设施、类型等不同维度建立一套二次校验的规则；同时对于部分当天购买的订单，还可以通过人工实时校验进一步控制ab店风险。
64.本发明实施例对商品属性进行分词解决了对比粒度太粗的缺点，模拟人的思维进行断句分词，消除传统模式下潜在的ab店问题，根据分词结果构建特征向量能够提高整体聚合的准确性，使用迭代速度较快的lightgbm，训练耗时大大缩小，保证了信息的准确性和及时性，提升商品信息实时聚合时效性。
65.本发明实施例通过搜索预设范围内与待聚合商品相似的类似商品；对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理，能够提高商品信息实时聚合的准确性和时效性，降低人工成本。
66.图6示出了本发明实施例的基于集成学习的实时信息聚合装置的结构示意图。如图6所示，该基于集成学习的实时信息聚合装置包括：商品搜索单元601、分词处理单元602、特征获取单元603以及特征对比单元604。其中：
67.商品搜索单元601用于搜索预设范围内与待聚合商品相似的类似商品；分词处理单元602用于对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；特征获取单元603用于根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；特征对比单元604用于根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理。
68.在一种可选的方式中，商品搜索单元601用于：应用分布式全文搜索引擎搜索相距5千米范围内与所述待聚合商品相似的多个渠道的所述类似商品。
69.在一种可选的方式中，分词处理单元602用于：根据分词词典分别对所述类似商品和所述待聚合商品进行名称分词处理和地址分词处理，获取对应的所述名称分词、所述地址分词及所述电话。
70.在一种可选的方式中，分词处理单元602用于：分别对所述类似商品和所述待聚合商品进行分词处理获取对应的坐标经纬度和邮箱。
71.在一种可选的方式中，特征获取单元603用于：根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话的结构化数据分别进行两两对比，并计算对应的相似度；将所述名称分词、所述地址分词及所述电话的结构化数据的所述相似度组合
形成所述特征向量。
72.在一种可选的方式中，特征对比单元604用于：根据所述类似商品与所述待聚合商品的所述名称分词中的品牌、类型、类型前两字、实体、分店及其他计算两者的cosine相似度，根据所述名称分词中的分店号计算两者的jarowinkler相似度；根据所述类似商品与所述待聚合商品的所述地址分词中的区、镇、村、街道、及其他计算两者的cosine相似度，根据所述地址分词中的街道号、建筑号、单元号、楼层号以及房间号计算两者的jarowinkler相似度；根据所述类似商品与所述待聚合商品的所述电话计算两者的jarowinkler相似度。
73.在一种可选的方式中，特征对比单元604还用于：获取有人工标注的训练集，所述训练集包括测试集和验证集；应用所述测试集和所述验证集对所述决策树模型进行训练，调整模型参数，得到训练好的所述决策树模型。
74.本发明实施例通过搜索预设范围内与待聚合商品相似的类似商品；对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理，能够提高商品信息实时聚合的准确性和时效性，降低人工成本。
75.本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于集成学习的实时信息聚合方法。
76.可执行指令具体可以用于使得处理器执行以下操作：
77.搜索预设范围内与待聚合商品相似的类似商品；
78.对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；
79.根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；
80.根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理。
81.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
82.应用分布式全文搜索引擎搜索相距5千米范围内与所述待聚合商品相似的多个渠道的所述类似商品。
83.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
84.根据分词词典分别对所述类似商品和所述待聚合商品进行名称分词处理和地址分词处理，获取对应的所述名称分词、所述地址分词及所述电话。
85.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
86.分别对所述类似商品和所述待聚合商品进行分词处理获取对应的坐标经纬度和邮箱。
87.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
88.根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话的结构化数据分别进行两两对比，并计算对应的相似度；
89.将所述名称分词、所述地址分词及所述电话的结构化数据的所述相似度组合形成所述特征向量。
90.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
91.根据所述类似商品与所述待聚合商品的所述名称分词中的品牌、类型、类型前两字、实体、分店及其他计算两者的cosine相似度，根据所述名称分词中的分店号计算两者的jarowinkler相似度；
92.根据所述类似商品与所述待聚合商品的所述地址分词中的区、镇、村、街道、及其他计算两者的cosine相似度，根据所述地址分词中的街道号、建筑号、单元号、楼层号以及房间号计算两者的jarowinkler相似度；
93.根据所述类似商品与所述待聚合商品的所述电话计算两者的jarowinkler相似度。
94.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
95.获取有人工标注的训练集，所述训练集包括测试集和验证集；
96.应用所述测试集和所述验证集对所述决策树模型进行训练，调整模型参数，得到训练好的所述决策树模型。
97.本发明实施例通过搜索预设范围内与待聚合商品相似的类似商品；对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理，能够提高商品信息实时聚合的准确性和时效性，降低人工成本。
98.本发明实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任意方法实施例中的基于集成学习的实时信息聚合方法。
99.可执行指令具体可以用于使得处理器执行以下操作：
100.搜索预设范围内与待聚合商品相似的类似商品；
101.对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；
102.根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；
103.根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理。
104.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
105.应用分布式全文搜索引擎搜索相距5千米范围内与所述待聚合商品相似的多个渠道的所述类似商品。
106.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
107.根据分词词典分别对所述类似商品和所述待聚合商品进行名称分词处理和地址分词处理，获取对应的所述名称分词、所述地址分词及所述电话。
108.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
109.分别对所述类似商品和所述待聚合商品进行分词处理获取对应的坐标经纬度和邮箱。
110.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
111.根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话的结构化数据分别进行两两对比，并计算对应的相似度；
112.将所述名称分词、所述地址分词及所述电话的结构化数据的所述相似度组合形成所述特征向量。
113.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
114.根据所述类似商品与所述待聚合商品的所述名称分词中的品牌、类型、类型前两字、实体、分店及其他计算两者的cosine相似度，根据所述名称分词中的分店号计算两者的jarowinkler相似度；
115.根据所述类似商品与所述待聚合商品的所述地址分词中的区、镇、村、街道、及其他计算两者的cosine相似度，根据所述地址分词中的街道号、建筑号、单元号、楼层号以及房间号计算两者的jarowinkler相似度；
116.根据所述类似商品与所述待聚合商品的所述电话计算两者的jarowinkler相似度。
117.在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
118.获取有人工标注的训练集，所述训练集包括测试集和验证集；
119.应用所述测试集和所述验证集对所述决策树模型进行训练，调整模型参数，得到训练好的所述决策树模型。
120.本发明实施例通过搜索预设范围内与待聚合商品相似的类似商品；对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理，能够提高商品信息实时聚合的准确性和时效性，降低人工成本。
121.图7示出了本发明实施例提供的计算设备的结构示意图，本发明具体实施例并不对设备的具体实现做限定。
122.如图7所示，该计算设备可以包括：处理器(processor)702、通信接口(communications interface)704、存储器(memory)706、以及通信总线708。
123.其中：处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。通信接口704，用于与其它设备比如客户端或其它服务器等的网元通信。处理器702，用于执行程序710，具体可以执行上述基于集成学习的实时信息聚合方法实施例中的相关步骤。
124.具体地，程序710可以包括程序代码，该程序代码包括计算机操作指令。
125.处理器702可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或各个集成电路。设备包括的一个或各个处理器，可以是同一类型的处理器，如一个或各个cpu；也可以是不同类型的处理器，如一个或各个cpu以及一个或各个asic。
126.存储器706，用于存放程序710。存储器706可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
127.程序710具体可以用于使得处理器702执行以下操作：
128.搜索预设范围内与待聚合商品相似的类似商品；
129.对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；
130.根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；
131.根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理。
132.在一种可选的方式中，所述程序710使所述处理器执行以下操作：
133.应用分布式全文搜索引擎搜索相距5千米范围内与所述待聚合商品相似的多个渠道的所述类似商品。
134.在一种可选的方式中，所述程序710使所述处理器执行以下操作：
135.根据分词词典分别对所述类似商品和所述待聚合商品进行名称分词处理和地址分词处理，获取对应的所述名称分词、所述地址分词及所述电话。
136.在一种可选的方式中，所述程序710使所述处理器执行以下操作：
137.分别对所述类似商品和所述待聚合商品进行分词处理获取对应的坐标经纬度和邮箱。
138.在一种可选的方式中，所述程序710使所述处理器执行以下操作：
139.根据所述类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话的结构化数据分别进行两两对比，并计算对应的相似度；
140.将所述名称分词、所述地址分词及所述电话的结构化数据的所述相似度组合形成所述特征向量。
141.在一种可选的方式中，所述程序710使所述处理器执行以下操作：
142.根据所述类似商品与所述待聚合商品的所述名称分词中的品牌、类型、类型前两字、实体、分店及其他计算两者的cosine相似度，根据所述名称分词中的分店号计算两者的jarowinkler相似度；
143.根据所述类似商品与所述待聚合商品的所述地址分词中的区、镇、村、街道、及其他计算两者的cosine相似度，根据所述地址分词中的街道号、建筑号、单元号、楼层号以及房间号计算两者的jarowinkler相似度；
144.根据所述类似商品与所述待聚合商品的所述电话计算两者的jarowinkler相似度。
145.在一种可选的方式中，所述程序710使所述处理器执行以下操作：
146.获取有人工标注的训练集，所述训练集包括测试集和验证集；
147.应用所述测试集和所述验证集对所述决策树模型进行训练，调整模型参数，得到训练好的所述决策树模型。
148.本发明实施例通过搜索预设范围内与待聚合商品相似的类似商品；对所述类似商品和所述待聚合商品进行分词处理，分别获取对应的名称分词、地址分词及电话；根据所述
类似商品与所述待聚合商品的所述名称分词、所述地址分词及所述电话构造特征向量；根据所述特征向量应用决策树模型获取所述类似商品和所述待聚合商品的对比结果，并根据所述对比结果进行聚合处理，能够提高商品信息实时聚合的准确性和时效性，降低人工成本。
149.在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
150.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
151.类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。
152.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
153.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。