(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210957641.0 (22)申请日 2022.08.10 (71)申请人 中国银联股份有限公司 地址 200135 上海市浦东 新区含笑路36号 (72)发明人 余玮琦　佘萧寒　曾泽华　姜华　 高鹏飞　万四爽　刘蓝　 (74)专利代理 机构 北京东方亿 思知识产权代理 有限责任公司 1 1258 专利代理师 贺琳 (51)Int.Cl. G06Q 30/02(2012.01) (54)发明名称 门店去重处 理方法、 装置、 设备及存 储介质 (57)摘要 本申请公开了一种门店去重处理方法、 装 置、 设备及存储介质， 属于 数据处理领域。 该方法 包括： 获取目标门店的第一门店名称和第一门店 位置信息； 根据第一门店位置信息， 确定目标门 店所在的目标网格区域； 在预存的存量门店数据 库中， 获取位于目标网格区域和 邻居网格区域的 存量门店的第二门店名称和第二门店位置信息； 基于第一门店名称、 第一门店位置信息、 第二门 店名称和第二门店位置信息， 得到目标门店与位 于目标网格区域和邻居网格区域的存量门店的 目标相似度； 在目标相似度大于等于预设的去重 相似度阈值的情况下， 将目标门店作为重复门店 去除。 根据本申请实施例能够提高门店去重处理 的效率。 权利要求书3页 说明书14页 附图5页 CN 115392955 A 2022.11.25 CN 115392955 A 1.一种门店去重处 理方法， 其特 征在于， 包括： 获取目标门店的第一门店名称和第一门店位置信息； 根据所述第一门店位置信息， 确定所述目标门店所在的目标网格区域； 在预存的存量门店数据库中， 获取位于所述目标网格区域和邻居 网格区域的存量门店 的第二门店名称和第二门店位置信息， 所述邻居网格区域与所述目标网格区域相邻； 基于所述第一门店名称、 所述第一门店位置信息、 所述第二门店名称和所述第二门店 位置信息， 得到所述目标门店与位于所述目标网格区域和所述邻居网格区域的存量门店的 目标相似度； 在所述目标相似度大于等于预设的去重相似度阈值的情况下， 将所述目标门店作为重 复门店去除。 2.根据权利要求1所述的方法， 其特 征在于， 网格区域具有网格编码， 在所述在预存的存量门店数据库中， 获取位于所述目标网格区域和邻居 网格区域的存 量门店的第二门店名称和第二门店位置信息之前， 还 包括： 获取所述目标网格区域的网格编码； 根据所述目标网格区域的网格编码和网格编码逆算法， 获取所述目标网格区域的顶点 的位置信息； 根据所述目标网格区域的顶点的位置信 息， 确定位于所述邻居网格区域中辅助点的位 置信息； 基于每个所述邻居 网格区域中辅助点的位置信 息和网格编码算法， 计算得到每个所述 邻居网格区域的网格编码， 以确定所述邻居网格区域。 3.根据权利要求1所述的方法， 其特征在于， 网格区域具有网格编码， 相邻的网格区域 的网格编码中一部分数位的值相同， 在所述在预存的存量门店数据库中， 获取位于所述目标网格区域和邻居 网格区域的存 量门店的第二门店名称和第二门店位置信息之前， 还 包括： 获取所述目标网格区域的网格编码； 根据所述目标网格区域的网格编码， 获取候选网格区域的网格编码， 所述候选网格区 域包括网格编码中一部分数位的字符与所述目标网格区域的网格编码中一部分数位的字 符相同的网格区域； 按照网格编码算法中的网格区域排布与编码数位的字符的对应关系， 在所述候选网格 区域的网格编码中确定所述邻居网格区域的网格编码， 以确定所述邻居网格区域。 4.根据权利要求1所述的方法， 其特 征在于， 还 包括： 将地图划分为多个网格区域， 并利用网格编码算法， 为每 个网格区域分配网格编码； 获取所述存量门店的门店位置信息， 根据所述存量门店的门店位置信息， 确定所述存 量门店所在的网格区域； 建立所述存量门店和存量门店所在的网格区域的网格编码的第 一对应关系， 并将第 一 对应关系存 储于所述存量门店数据库。 5.根据权利要求1所述的方法， 其特征在于， 所述基于所述第一门店名称、 所述第一门 店位置信息、 所述第二 门店名称和所述第二 门店位置信息， 得到所述 目标门店与位于所述 目标网格区域和所述邻居网格区域的存量门店的目标相似度， 包括：权　利　要　求　书 1/3 页 2 CN 115392955 A 2基于所述第 一门店名称和所述第 二门店名称， 得到所述目标门店与位于所述目标网格 区域和所述邻居网格区域的存量门店的N个名称相关相似度， N 为大于等于1的整数； 基于所述第 一门店位置信 息和所述第 二门店位置信 息， 得到所述目标门店与位于所述 目标网络区域和所述邻居网格区域的所述存量门店的位置相似度； 根据N个所述名称相关相似度、 所述位置相似度以及对应的权重系数， 计算得到所述目 标相似度。 6.根据权利要求5所述的方法， 其特 征在于， 所述名称相关相似度包括字符相似度， 所述基于所述第 一门店名称和所述第 二门店名称， 得到所述目标门店与位于所述目标 网格区域和所述邻居网格区域的存量门店的N个名称相关相似度， 包括： 对所述第一门店名称和所述第 二门店名称分别进行分词， 得到所述第 一门店名称对应 的词汇和所述第二门店名称对应的词汇； 计算所述第一门店名称对应的词汇和所述第二门店名称对应的词汇的词频和逆文本 频率指数； 选取词频低于等于 冗余词频阈值且 逆文本频率指数 大于冗余频率指数阈值的词汇； 基于选取的所述第 一门店名称对应的词汇和选取的所述第 二门店名称对应的词汇， 得 到所述目标门店与位于所述目标网格区域和所述邻居网格区域的所述存量门店的所述字 符相似度。 7.根据权利要求5所述的方法， 其特 征在于， 所述名称相关相似度包括语义相似度， 所述基于所述第 一门店名称和所述第 二门店名称， 得到所述目标门店与位于所述目标 网格区域和所述邻居网格区域的存量门店的N个名称相关相似度， 包括： 将所述第一门店名称和所述第二门店名称分别转化为第一名称数字序列和第二名称 数字序列； 将所述第一名称数字序列和所述第 二名称数字序列输入第 一模型， 得到所述第 一模型 输出的所述目标门店与位于所述目标网格区域和所述邻居网格区域的所述存量门店的语 义相似度， 所述第一模型用于根据输入的两个门店名称转化为的数字序列输出两个门店名 称的语义相似度。 8.根据权利要求5所述的方法， 其特征在于， 所述名称相关相似度包括门店类型相似 度， 所述基于所述第 一门店名称和所述第 二门店名称， 得到所述目标门店与位于所述目标 网格区域和所述邻居网格区域的存量门店的N个名称相关相似度， 包括： 根据第一门店名称， 得到第一门店名称信息； 将所述第一门店名称信 息输入第 二模型， 得到所述第 二模型输出的所述目标门店的门 店类型概率向量， 所述第二模型用于根据输入的门店名称信息输出门店类型概率向量， 门 店类型概 率向量用于表征门店名称指示的门店属于各门店类型的概 率； 在所述存量数据库中查找与所述第二门店名称对应的门店类型概 率向量； 计算所述目标门店的门店类型概率向量与所述第二门店名称对应的门店类型概率向 量的相似度， 将所述相似度确定为所述目标门店与位于所述目标网格区域和所述邻居网格 区域的存量门店的所述门店类型相似度。 9.根据权利要求8所述的方法， 其特 征在于， 还 包括：权　利　要　求　书 2/3 页 3 CN 115392955 A 3