本技术涉及通信,尤其涉及一种宽带设备的查错方法、装置、设备及存储介质。
背景技术:
1、随着电信业务的快速发展,对宽带设备数据的精准性要求越来越高。在实际应用中,当需要对指定区域进行精准性业务办理或者故障处理时,由于宽带设备的数据精准度低,位置偏移,导致无法进行精准定位,最终影响业务处理效率。
2、现有的大量宽带设备的信息数据,部分设备录入的坐标系不统一、录入信息未做严格验证,导致宽带设备数据准确率低,位置存在偏移。现有技术手段只能通过人工进行搜索和纠正,工作效率极低,导致宽带设备数据排查整治效果不理想。
3、因此,如何快速排查到位置偏差的宽带设备是亟待解决的问题。
技术实现思路
1、本技术提供一种宽带设备的查错方法、装置、设备及存储介质,用以解决人工排查宽带设备效率低的问题。
2、第一方面,本技术提供一种宽带设备的查错方法,包括:
3、接收用户设备发送的待校验宽带设备的数据,所述待校验宽带设备的数据中包括所述待校验宽带设备的地址和经纬度信息;
4、根据所述待校验宽带设备的经纬度信息,从数据中心预先存储的存量设备空间数据,获取多个目标宽带设备的数据,每个目标宽带设备与所述待校验宽带设备之间的空间距离小于预设值;
5、将所述待校验宽带设备的地址和所述多个目标宽带设备的地址输入预先训练的神经网络模型中进行处理,得到第一校验结果,所述第一校验结果用于指示所述待校验宽带设备的地址是否异常,所述神经网络模型包括自然语言分解模块和数据对比模块,其中,所述自然语言分解模块用于将设备地址进行文本分解,所述数据对比模块用于对自然语言分解的文本进行对比;
6、将所述待校验宽带设备的经纬度信息和所述多个目标宽带设备的经纬度信息输入到空间计算模型进行计算处理,得到第二校验结果,所述第二校验结果用于指示所述待校验宽带设备的空间位置是否异常,所述空间计算模型用于计算在待校验宽带设备预设距离范围内的设备数量;
7、将所述第一校验结果和所述第二校验结果发送给所述用户设备。
8、结合第一方面,在一种具体实施方式中,所述将所述待校验宽带设备的地址和所述多个目标宽带设备的地址输入预先训练的神经网络模型中进行处理,得到第一校验结果,包括:
9、通过所述神经网络模型的语言分解模块对所述待校验宽带设备的地址和所述多个目标宽带设备的地址进行自然语言分解和解析,得到每个地址对应的特征数据和共性数据;
10、基于每个地址对应的特征数据和共性数据,通过所述神经网络模型的数据对比模块,从所述多个目标宽带设备的地址中得到与所述待校验宽带设备的地址匹配度最高的目标地址;
11、计算所述待校验宽带设备的地址和所述目标地址之间的相似度;
12、根据所述相似度进行概率判断,得到所述第一校验结果。
13、结合第一方面,在一种具体实施方式中,所述将所述待校验宽带设备的经纬度信息和所述多个目标宽带设备的经纬度信息输入到空间计算模型进行计算处理,得到第二校验结果,包括:
14、根据所述待校验宽带设备的经纬度信息,和所述多个目标宽带设备的经纬度信息,通过所述空间计算模型中的空间距离计算模块,确定出所述多个目标宽带设备中与所述待校验宽带设备之间距离小于预设距离的设备数量;
15、根据所述设备数量,获取所述第二校验结果。
16、结合第一方面,在一种具体实施方式中,所述方法还包括:
17、根据所述待校验宽带设备的经纬度信息以及从地图中获取的区县分公司面数据,通过所述空间计算模型中的点面匹配模块进行点面匹配,获取出所述待校验宽带设备所属的面和分公司信息;所述第二校验结果中还包括所述待校验宽带设备所属的面和分公司信息。
18、结合第一方面,在一种具体实施方式中,所述根据所述待校验宽带设备的经纬度信息,从数据中心预先存储的存量设备空间数据,获取多个目标宽带设备的数据之前,所述方法还包括:
19、根据所述待校验宽带设备的经纬度信息通过逆地址编码的方式对待校验设备进行地址校验,得到校验后的地址信息。
20、第二方面,本技术还提供一种宽带设备的查错装置,包括:
21、接收模块,用于接收用户设备发送的待校验宽带设备的数据,所述待校验宽带设备的数据中包括所述待校验宽带设备的地址和经纬度信息;
22、获取模块,用于根据所述待校验宽带设备的经纬度信息,从数据中心预先存储的存量设备空间数据,获取多个目标宽带设备的数据,每个目标宽带设备与所述待校验宽带设备之间的空间距离小于预设值;
23、第一校验模块,用于将所述待校验宽带设备的地址和所述多个目标宽带设备的地址输入预先训练的神经网络模型中进行处理,得到第一校验结果,所述第一校验结果用于指示所述待校验宽带设备的地址是否异常,所述神经网络模型包括自然语言分解模块和数据对比模块,其中,所述自然语言分解模块用于将设备地址进行文本分解,所述数据对比模块用于对自然语言分解的文本进行对比;
24、第二校验模块,用于将所述待校验宽带设备的经纬度信息和所述多个目标宽带设备的经纬度信息输入到空间计算模型进行计算处理,得到第二校验结果,所述第二校验结果用于指示所述待校验宽带设备的空间位置是否异常,所述空间计算模型用于计算在待校验宽带设备预设距离范围内的设备数量;
25、交互反馈模块,用于将所述第一校验结果和所述第二校验结果发送给所述用户设备。
26、结合第二方面,在一种具体实施方式中,第一校验模块具体用于:
27、通过所述神经网络模型的语言分解模块对所述待校验宽带设备的地址和所述多个目标宽带设备的地址进行自然语言分解和解析,得到每个地址对应的特征数据和共性数据;
28、基于每个地址对应的特征数据和共性数据,通过所述神经网络模型的数据对比模块,从所述多个目标宽带设备的地址中得到与所述待校验宽带设备的地址匹配度最高的目标地址;
29、计算所述待校验宽带设备的地址和所述目标地址之间的相似度;
30、根据所述相似度进行概率判断,得到所述第一校验结果。
31、结合第二方面,在一种具体实施方式中,第二校验模块具体用于:
32、根据所述待校验宽带设备的经纬度信息,和所述多个目标宽带设备的经纬度信息,通过所述空间计算模型中的空间距离计算模块,确定出所述多个目标宽带设备中与所述待校验宽带设备之间距离小于预设距离的设备数量;
33、根据所述设备数量,获取所述第二校验结果。
34、结合第二方面,在一种具体实施方式中,所述第二校验模块还用于:
35、根据所述待校验宽带设备的经纬度信息以及从地图中获取的区县分公司面数据,通过所述空间计算模型中的点面匹配模块进行点面匹配,获取出所述待校验宽带设备所属的面和分公司信息;所述第二校验结果中还包括所述待校验宽带设备所属的面和分公司信息。
36、结合第二方面,在一种具体实施方式中,所述装置还包括:
37、地址校验模块,用于根据所述待校验宽带设备的经纬度信息通过逆地址编码的方式对待校验设备进行地址校验,得到校验后的地址信息。
38、第三方面,本技术还提供一种电子设备,包括:处理器、存储器、与其他设备进行通信的通信接口以及存储在所述存储器上并可在处理器上运行的计算机程序指令,所述处理器执行所述计算机程序指令时用于实现如第一方面任一项所述的宽带设备的查错方法。
39、第四方面,本技术还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面任一项所述的宽带设备的查错方法。
40、本技术提供的宽带设备的查错方法、装置、设备及存储介质,云端服务器接收用户设备发送的待校验宽带设备的数据,待校验宽带设备的数据中包括待校验宽带设备的地址和经纬度信息。根据待校验宽带设备的经纬度信息,从数据中心预先存储的存量设备空间数据,获取多个目标宽带设备的数据,每个目标宽带设备与待校验宽带设备之间的空间距离小于预设值。然后,将待校验宽带设备的地址和多个目标宽带设备的地址输入预先训练的神经网络模型中进行处理,得到第一校验结果。再将待校验宽带设备的经纬度信息和多个目标宽带设备的经纬度信息输入到空间计算模型进行计算处理,得到第二校验结果。最后,将第一校验结果和第二校验结果发送给用户设备。用户只需上传宽带设备数据,云端服务器通过神经网络模型校验宽带设备的地址数据和空间计算模型校验宽带设备的空间位置数据输出校验结果,实现了宽带设备的快速查错,并且将待校验的宽带设备与多个存量宽带设备进行校验对比,提高排查速度。