一种电动车信息的分类存储方法、装置及计算机设备

技术领域

本发明涉及电动自行车信息技术领域，具体涉及一种电动自行车信息的分类存储方法、装置及计算机设备。

背景技术

电动自行车作为广大人民群众日常出行重要的交通工具之一，在给出行带来便捷的同时，也存在着交通事故频发，盗窃率居高不下，车辆质量安全隐患突出等问题，对交通管理带来巨大的挑战。

针对电动自行车存在的各种问题，现有技术中大多依靠从政策文件中碎片化的信息提取，存在着信息获取渠道单一，信息服务决策的时效性、连续性、聚焦性相对不足。

发明内容

为解决现有技术的不足，本发明实施例提供了一种电动自行车信息的分类存储方法、装置及计算机设备。

根据第一方面，本发明实施例公开了电动车信息的分类存储方法，获取与目标对象对应的至少一条目标数据；

将至少一条目标数据输入至预设模型，得到与每一条目标数据分别对应的语义内容；

提取语义内容的关键字，并确定关键字所属的词条类别；

将关键字对应的目标数据存储至与词条类别对应的存储位置。

可选地，方法还包括：

将词条类别对应的存储位置中的目标数据，推送至预设终端设备。

可选地，每一个词条类别包括至少一个标签，确定关键字所属的词条类别，具体包括：

根据关键字与每一个词条类别中预设标签对应关系，确定关键字所属的词条类别。

可选地，将词条类别对应的存储位置中的目标数据，推送至预设终端设备，具体包括：

根据每一个词条类别中目标数据的条数，确定所有的词条类别中目标数据的优先级；

根据优先级为预设终端设备推送与词条类别对应的目标数据。

可选地，根据每一个词条类别中目标数据的条数，确定所有的词条类别中目标数据的优先级，具体包括：

根据每一个词条类别中目标数据的条数占所有的目标数据的条数的比例，确定词条类别的优先级；

根据词条类别的优先级，确定与词条类别对应的目标数据的优先级。

可选地，方法包括：通过爬虫手段获取目标数据。

可选地，方法还包括：

获取终端设备的输入数据；

根据输入数据与存储位置的目标数据进行匹配成功时，将目标数据展示。

根据第二方面，本发明实施例公开了电动车信息的分类存储装置，获取模块，用于获取与目标对象对应的至少一条目标数据；

识别模块，用于将至少一条目标数据输入至预设模型，得到与每一条目标数据分别对应的语义内容；

提取模块，用于提取语义内容的关键字，并确定关键字所属的词条类别；

存储模块，用于将关键字对应的目标数据存储至与词条类别对应的存储位置。

根据第三方面，本发明实施例还公开了一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行如第一方面或第一方面任一可选实施方式的电动车信息的分类存储方法的步骤。

根据第四方面，本发明实施方式还公开了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式的电动车信息的分类存储方法的步骤。

本发明技术方案，具有如下优点：

本发明提供的电动车信息的分类存储方法，该方法包括，获取与目标对象对应的至少一条目标数据，在获取到目标数据之后，根据目标数据和预设模型来确定目标数据的语义内容，根据确定的语义内容可以更加准确的确定目标数据的数据类型，从而可以进一步的对目标数据进行分类；进一步地，根据语义内容中的关键字来确定关键字中的词条类别，将关键字对应的目标数存储至与词条类别对应的存储位置中，从而可以形成针对目标对象的内容涵盖全面、分类清晰以及检索便捷的知识体系支撑。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中电动车信息的分类存储方法的一个具体示例的流程图；

图2为本发明实施例中电动车信息的分类存储方法的一个具体示例的示意图；

图3为本发明实施例中电动车信息的分类存储方法的一个具体示例的示意图；

图4为本发明实施例中电动车信息的分类存储的一个具体示例的原理框图；

图5为本发明实施例中计算机设备的一个具体示例图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

针对背景技术中所提及的技术问题，本申请实施例提供了一种电动车信息的分类存储方法，具体参见图1所示，为本发明实施例提供的一种电动车信息的分类存储方法流程示意图，电动车信息的分类存储方法包括如下步骤：

步骤101，获取与目标对象对应的至少一条目标数据。

示例性地，目标对象在本申请实施例中以电动自行车(以下简称电动车)的信息分类存储方法为例进行介绍。

目标数据即为与电动车相关的所有的数据，可以包括一些碎片化的专业的文献信息或者是官方媒体的信息等。例如可以是从122交通网、交警法智APP、RIRS科研成果库、中国道路交通安全网、人民公安报交通安全周刊以及社交平台，包括微信、微博等途径获取的信息，包括但不限于法律法规、技术标准、政策文件、通行管理公告、新闻播报、专家解读及授课、事故案例、行业研究报告等。

目标数据的信息格式包括但不限于文本、视频、图片、音频等。

同时在获取目标数据时，需要获取目标数据的发布时间，以便后续在对目标数据进行存储时，可以确保目标数据的时效性。

本申请实施例对目标对象以及目标数据的类型和目标数据的获取方法不做限定，本领域技术人员可以根据实际情况确定。

步骤102，将至少一条目标数据输入至预设模型，得到与每一条目标数据分别对应的语义内容。

示例性地，在获取到目标数据之后，需要对目标数据的内容进行识别，根据识别的内容，需要进一步进行目标数据的分类和存储。

在识别语义内容时，具体的可以采用NLU(Natural Language Understanding，简称NLU)语义识别模型、或者采用神经网络模型来对目标数据进行语义识别。

在一个优选的实施例中，可以采用Transformer模型来对目标数据进行语义识别，采用Transformer模型相比较于传统的NLU模型等可以很好的减少计算量、提高并行效率的同时还取得了更好的结果。

具体的，采用Transformer模型进行语义识别前，可以根据分类的类型设定的标签进行识别，其中分类的类型最终可以建立有关电动车领域的词典矩阵，将词典矩阵中的词条类别中的标签作为Transformer模型进行识别的标准，从而得到与词典矩阵中词条类别对应的语义内容。

建立领域词典矩阵E-Bike＝{E-bike Safety,Rider Prevention,TrafficManagement Facilities,Registration,Scrap,Transition Period,TrafficManagement,Parking,Charging,Safety Education}，其中，

车辆安全词条类别集E-bike Safety＝{车身结构，最高设计车速，整车质量，蓄电池，CCC认证，车速提示音，电子标识，短路保护，漏电保护，GPS定位，ABS，……}；

骑行者防护词条类别集Rider Prevention＝{安全头盔，儿童安全座椅，反光背心，安全视距，护目镜，低速行驶，一盔一带，制动距离，避让行人，……}；

交通管理设施词条类别集Traffic Management Facilities＝{交通标志，交通标线，非机动车道，交通信号灯，隔离护栏，稳静化设施，阻车桩，振动标线，反光道钉，非机动车信号灯，……}；

车辆注册登记词条类别集Registration＝{车型，CCC认证证书，进口凭证，保险，使用年限，行驶证，互联网租赁电动自行车，民生行业电动自行车，快递配送车辆，外卖配送车辆，目录管理，专用号牌，……}；

车辆报废回收词条类别集Scrap＝{回收网点，车辆拆解，以旧换新，折价回购，提前报废，蓄电池回收，蓄电池更换，……}；

超标车过渡期词条类别集Transition Period＝{临时号牌，临时标识，临时通行标识，过渡期，临时信息牌，临时行驶证，……}；

车辆通行管理词条类别集Traffic Management＝{路权，车辆属性，限制通行，禁止通行，限速提示，交通组织，逆行，闯红灯，违法占道，超速，载人，载物，分心驾驶，……}；

车辆停放词条类别集Parking＝{非机动车停放区域，人行道，消防通道，盲道，停车线，停放架，集中停放点，……}；

充电词条类别集Charging＝{共享充电，集中充电，充电设施，……}；

交通安全教育词条类别集Safety Education＝{遵守交通规则，骑行安全意识，文明骑行，警示教育，幼儿安全，绿色出行，老年人安全，减速慢行，……}。

步骤103，提取语义内容的关键字，并确定关键字所属的词条类别。

示例性地，在获取到与词条类别对应的语义内容之后，提取语义内容中的关键字，从而根据关键字来确定目标数据所属的词条类别。

在一个具体的实施例中，每一个词条类别包括至少一个标签，确定关键字所属的词条类别，具体包括：

根据关键字与每一个词条类别中预设标签对应关系，确定关键字所属的词条类别。

示例性地，每一个词条类别中包括至少一个标签，在根据关键词确定所属的词条类别时，需要根据关键字所对应的标签的情况进行确定，例如当关键字同属于同一个词条类别中的多个标签时，则该目标对象属于对应的词条类别的内容；当关键字属于不同词条类别中的标签时，则可以根据词条类别中标签的个数来确定属于的词条类别，若标签个数相同或无法明确的区分属于哪个词条类别，则可以将对应的目标数据同属于两个词条类别。

步骤104，将关键字对应的目标数据存储至与词条类别对应的存储位置。

示例性地，在确定词条类别之后，将对应的目标数据存储至词条类别对应的存储位置。或者也可以将词条类别与目标数据的建立映射关系，只要确保在后续使用的时候，可以根据词条类别得到对应的目标数据即可。

具体地，对目标数据进行推送的时候，可以包括：

公告信息提示服务，用于推送超标电动自行车过渡期限、电动自行车禁限行的时间和路段信息、车辆销售登记服务网点、车辆报废回收网点、车辆集中充电点等信息；

法律法规标准检索服务，用于查询电动自行车治理法规政策文件、国际标准及行业标准、典型司法判例文书等；

安全教育网络课程，用于推送电动自行车骑行安全宣传视频、专家安全教育授课视频等信息；

电动自行车事故案例分析，用于推送电动自行车典型事故案例视频等信息；

安全知识在线读本，用于推送电动自行车骑行者安全防护知识手册、研究报告、快递外面配送骑手安全骑行手册等信息；

论坛服务，提供系统用户信息交流、专家答疑板块；

电动自行车舆情分析，用于推送电动自行车热点新闻信息、电动自行车舆情统计分析报告；

治理措施经验推送，用于推送典型城市对于电动自行车骑行管理措施、电动自行车治理成效及安全头盔佩戴情况调研报告。

在上述实施例的基础上，本发明实施例还提供了另一种电动车信息的分类存储方法，本实施例中对于上述实施例中已经介绍的内容将不再重复赘述，在本实施例中，考虑到后续对目标数据的应用，在对目标数据进行存储之后，该方法还包括：将词条类别对应的存储位置中的目标数据，推送至预设终端设备。

示例性地，在将目标数据存储至与词条类别对应的存储位置之后，可以将对应的目标数据推送至对应的终端设备，其中预设终端设备可以是安装有与电动车相关的应用程序的手机、平板或者电脑等设备。

当该设备只是安装了应用程序，并没有注册登录时，可以根据默认的顺序和时间等向终端设备推送目标数据。

当该设备进行了注册登录，可以根据注册时或者是登录时用户注册的类别来推送对应的目标数据，其中用户注册的类别在电动车领域可以是电动车车主、交警或者是维修摊主等。

在为电动车车主进行推送时，可以推送与电动车车主对应的词条类别对应的目标数据，例如可以推送车辆注册登记词条类别集、骑行者防护词条类别集以及充电词条类别集中的目标数据。用户类别在用户注册时就可以获取，此类信息并不属于用户的个人隐私等数据，可以直接根据用户的账号类别等进行识别。

在一个具体的实施例中，在进行推送的过程中，可能同时满足推送要求的词条类别有多个，这时就需要确定词条类别的优先级，来根据优先级进一步确定推送目标数据的顺序，将词条类别对应的存储位置中的目标数据，推送至预设终端设备，具体包括：

根据每一个词条类别中目标数据的条数，确定所有的词条类别中目标数据的优先级；

根据优先级为预设终端设备推送与词条类别对应的目标数据。

示例性地，由于获取到的目标数据的数量是很多的，因此在对目标数据进行所属词条类别进行归类的时候，可以根据最后属于对应词条类别的目标数据的条数来确定词条类别的优先级。对应的目标条数越多，说明此类信息的获取需求和传播的需求都比较高，因此根据目标数据的条数来确定优先级可以准确的给用户提供服务。

具体地，可以根据采用XGBoost(extreme gradient boosting)算法或者是回归树算法来确定目标数据的在每一个词条类别中的概率分布。如图2所示，为采用Transformer的进行语义识别得到语义特征(语义内容)，并对语义特征进行高维语义特征提取(关键字的提取)，在提取关键字之后，采用XGBoost算法和回归树算法计算目标数据的概率分布并对数据进行归类。

在上述实施例的基础上，考虑到除了可以对目标数据进行分类存储以及将目标数据推送至预设终端设备之外，还可以为预设终端设备的用户提供检索功能，因此，本发明实施例还提供了另一种电动车信息的分类存储方法，本实施例中对于上述实施例中已经介绍的内容将不再重复赘述，方法还包括：获取终端设备的输入数据；根据输入数据与存储位置的目标数据匹配成功时，将目标数据展示。

示例性地，预设终端设备的用户需要对电动车的相关信息进行查询搜索时，可以输入对应的输入数据，其中输入数据可以是对应关键字，或者是语音等数据，对输入数据进行识别分析得到与输入数据对应的词条类别，将词条类别对应的存储位置中的目标数据在预设终端设备中进行展示。

如图3所示，为上述实施例的结构示意图，首先，明确知识来源(目标数据的来源)，拓展信息获取渠道，既覆盖公安交管部门官方媒体信息，又覆盖专业文献资料检索信息、行业领域研究信息、社交媒体信息，实现公安交通管理信息与社会公众服务信息的交互；其次，构建领域词典，从电动自行车治理的10个关键方面(词条类别)对知识来源进行信息提取和匹配，建立电动自行车治理的知识体系；再者，实现知识存贮更新，按照10个词条类别将相关知识进行标签化存贮和管理；最后，提供知识服务，针对8个业务场景推送政策文件、视频音频、图片图册等相关知识。其中八个业务场景可以是公告信息提示服务、安全教育网络课程、安全知识在线读本、电动行车舆情分析、法规政策标准检索服务、电动自行车事故案例分析、论坛服务以及治理措施经验推送服务。

本发明提供的电动车信息的分类存储方法，获取与目标对象对应的至少一条目标数据，在获取到目标数据之后，根据目标数据和预设模型来确定目标数据的语义内容，根据确定的语义内容可以更加准确的确定目标数据的数据类型，从而可以进一步的对目标数据进行分类；进一步地，根据语义内容中的关键字来确定关键字中的词条类别，将关键字对应的目标数存储至与词条类别对应的存储位置中，从而可以形成针对目标对象的内容涵盖全面、分类清晰以及检索便捷的知识体系支撑。

以上，为本申请所提供的电动车信息的分类存储几个方法实施例，下文中则介绍说明本申请所提供的电动车信息的分类存储其他实施例，具体参见如下。

本发明实施例还公开了一种电动车信息的分类存储，如图4所示，该装置包括：

获取模块401，用于获取与目标对象对应的至少一条目标数据；

识别模块402，用于将至少一条目标数据输入至预设模型，得到与每一条目标数据分别对应的语义内容；

提取模块403，用于提取语义内容的关键字，并确定关键字所属的词条类别；

存储模块404，用于将关键字对应的目标数据存储至与词条类别对应的存储位置。

作为本发明的一个可选实施方式，方法还包括：

将词条类别对应的存储位置中的目标数据，推送至预设终端设备。

作为本发明的一个可选实施方式，每一个词条类别包括至少一个标签，提取模块，具体用于：

根据关键字与每一个词条类别中预设标签对应关系，确定关键字所属的词条类别。

作为本发明的一个可选实施方式，所述装置具体还用于：

根据每一个词条类别中目标数据的条数，确定所有的词条类别中目标数据的优先级；

根据优先级为预设终端设备推送与词条类别对应的目标数据。

作为本发明的一个可选实施方式，所述装置具体还用于：

根据每一个词条类别中目标数据的条数占所有的目标数据的条数的比例，确定词条类别的优先级；

根据词条类别的优先级，确定与词条类别对应的目标数据的优先级。

作为本发明的一个可选实施方式，所述装置具体还用于：通过爬虫手段获取目标数据。

作为本发明的一个可选实施方式，所述装置具体还用于：获取终端设备的输入数据；根据输入数据与存储位置的目标数据进行匹配成功时，将目标数据展示。

本发明实施例提供的电动车信息的分类存储中各部件所执行的功能均已在上述任一方法实施例中做了详细的描述，因此这里不再赘述。

通过执行该装置，获取与目标对象对应的至少一条目标数据，在获取到目标数据之后，根据目标数据和预设模型来确定目标数据的语义内容，根据确定的语义内容可以更加准确的确定目标数据的数据类型，从而可以进一步的对目标数据进行分类；进一步地，根据语义内容中的关键字来确定关键字中的词条类别，将关键字对应的目标数存储至与词条类别对应的存储位置中，从而可以形成针对目标对象的内容涵盖全面、分类清晰以及检索便捷的知识体系支撑。

本发明实施例还提供了一种计算机设备，如图5所示，该计算机设备可以包括处理器501和存储器502，其中处理器501和存储器502可以通过总线或者其他方式连接，图5中以通过总线连接为例。

处理器501可以为中央处理器(Central Processing Unit，CPU)。处理器501还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器502作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的电动车信息的分类存储方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的电动车信息的分类存储方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器501所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至处理器501。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器502中，当被处理器501执行时，执行如图1所示实施例中的电动车信息的分类存储方法。

上述计算机设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。