业务和功能介绍
1、立项背景和目标
随着业务规模扩大，地址解析、匹配及地理编码请求量激增，传统单一算法难以兼顾准确性与效率。为应对高并发场景下的地址理解需求，本项目旨在构建一套集深度学习、策略融合与离线训练于一体的地理信息处理平台。目标是通过工程化手段打通数据标注、模型训练、在线推理与质量校验全链路，在保证高可用性的同时，支持策略快速迭代与A/B测试，最终提升地址匹配、标准化及搜索服务的准确率与响应速度。
2、软件功能、核心功能模块的介绍
系统核心功能包括地址匹配、地址解析、地址标准化及地点搜索（Place Search）。在模块划分上，应用层提供Geocoding服务接口；策略模块负责前处理、模型请求及初始化；深度学习层基于TensorFlow Serving和PyTorch进行模型推理；底层服务通过负载均衡与流量控制支撑高并发。此外，离线训练模块涵盖数据标注、特征工程与增量训练；线上汇聚模块负责异常检测与排序结果校验；GPU私有云支撑BERT等离线AI分析任务。
3、业务流程、功能路径描述
典型业务流程如下：用户发起地址匹配请求后，请求经接入层负载均衡分发至策略模块，策略模块先进行地址解析与前处理，随后调用深度学习模型（TensorFlow/PyTorch）进行推理，返回标准化地址及匹配结果。同时，线上调用记录存入历史库，质量校验模块通过ES日志对空值、偏差及排序结果进行检测。异常数据回流至离线训练链路，经过人工标注、数据格式转换及增量训练后，更新至在线模型服务，形成"请求→推理→校验→回流→迭代"的闭环流程。
随着业务规模扩大，地址解析、匹配及地理编码请求量激增，传统单一算法难以兼顾准确性与效率。为应对高并发场景下的地址理解需求，本项目旨在构建一套集深度学习、策略融合与离线训练于一体的地理信息处理平台。目标是通过工程化手段打通数据标注、模型训练、在线推理与质量校验全链路，在保证高可用性的同时，支持策略快速迭代与A/B测试，最终提升地址匹配、标准化及搜索服务的准确率与响应速度。
2、软件功能、核心功能模块的介绍
系统核心功能包括地址匹配、地址解析、地址标准化及地点搜索（Place Search）。在模块划分上，应用层提供Geocoding服务接口；策略模块负责前处理、模型请求及初始化；深度学习层基于TensorFlow Serving和PyTorch进行模型推理；底层服务通过负载均衡与流量控制支撑高并发。此外，离线训练模块涵盖数据标注、特征工程与增量训练；线上汇聚模块负责异常检测与排序结果校验；GPU私有云支撑BERT等离线AI分析任务。
3、业务流程、功能路径描述
典型业务流程如下：用户发起地址匹配请求后，请求经接入层负载均衡分发至策略模块，策略模块先进行地址解析与前处理，随后调用深度学习模型（TensorFlow/PyTorch）进行推理，返回标准化地址及匹配结果。同时，线上调用记录存入历史库，质量校验模块通过ES日志对空值、偏差及排序结果进行检测。异常数据回流至离线训练链路，经过人工标注、数据格式转换及增量训练后，更新至在线模型服务，形成"请求→推理→校验→回流→迭代"的闭环流程。
项目实现
1、系统采用分层微服务架构，设计思路为“离线训练+在线推理+策略融合”。接入层通过负载均衡分发流量，应用层提供Geocoding、地址匹配及Place Search服务；策略模块负责前处理、地址解析与标准化；深度学习层基于TensorFlow Serving（AMD64）和PyTorch进行模型推理，部署于Kubernetes。离线训练模块使用Sklearn、XGBoost、CatBoost进行特征工程与模型迭代，GPU私有云运行BERT等离线分析任务。数据汇聚层依赖Kafka、ES及历史调用库，支撑日志校验与异常检测。各模块通过RESTful API及消息队列解耦，支持A/B测试与策略热更新。
2、本人负责业务层与线上数据汇聚两大模块。业务层方面，主导地址匹配、地址解析及地点搜索服务的接口设计与策略编排，日处理请求量达千万次，平均响应时间控制在50毫秒以内。线上数据汇聚方面，搭建了基于ES的日志采集与质量校验管道，实现空值检测、排序结果检查及过滤结果检查的自动化。
2、本人负责业务层与线上数据汇聚两大模块。业务层方面，主导地址匹配、地址解析及地点搜索服务的接口设计与策略编排，日处理请求量达千万次，平均响应时间控制在50毫秒以内。线上数据汇聚方面，搭建了基于ES的日志采集与质量校验管道，实现空值检测、排序结果检查及过滤结果检查的自动化。
示例图片视频
相似推荐
信贷工厂
项目背景
信贷工厂模式以 “标准化、流程化、批量化” 为核心，旨在高效服务中小微企业客群，但传统客户管理存在三大痛点，信息分散、资质审核与信息更新无统一规则、客户状态变化无法实时监控，风险响应滞后。
核心目标
风险管控：集中管理客户全生命周期信息，建立动态资质评估与预警机制，筑牢批量业务风险底线。
效率提升：实现 “一次录入、多环节复用”，将客户信息核验时间缩短 50% 以上。
合规管理：通过标准化字段、操作留痕与权限管控，满足监管对信息可追溯、操作可审计的要求。
业务赋能：打通与客户评级、授信、用信、还款审批等模块的数据链路，为风险模型提供精准准客户维度数据。
核心功能
通过深度整合三大外部数据源（同盾、汇发、天眼查），构建 “实时校验 - 动态预警” 的自动化风控体系，为批量信贷业务提供数据驱动的风险决策依据。
通过系统与银行核心业务系统的深度对接，构建信贷工厂批量业务的端到端线上化闭环，打通客户管理、外部风控与银行信贷全流程的数据流，实现准入、授信、用信、还款的自动化协同，是支撑信贷工厂规模化运营的关键链路。
风控管理平台
这是一个对接，阿里风控大脑 + 钉钉一体化的产品申请风险管控解决方案，核心实现产品申请从智能风险识别到风险流程管控、线上审批的全闭环管理，既提升风控判定精准度与审批效率，又从源头降低产品申请环节的各类风险，保障业务合规高效推进。实现产品申请风险早识别、早管控、快审批，适配企业新品立项、产品迭代等各类产品申请场景。
深交所BPM项目-业务管理系统
1.交易所对地方债、金融债、公司债、ABS等固定收益产品的基础业务发行审批、上市、派息、兑付、等正常流程；固定收益产品的赎回、回售、违约等特殊流程；
2.非固收类产品：ETF基金的每日份额计算、分级基金折算业务、股票上市注册制上线；
广发银行投行部业务管理系统敏捷优化项目-投行部业务管理系统
1.投行部主要负责对大型投资项目进行管理追踪；
2.处理对日常投行业务流程管理外，例如项目报备、投资审批、放款追踪、回款提醒、项目结清等全流程外，还新增了对资产支持证券产品进行内部评级，不同评级下监管要求不同，需要结合市场消息、内部数据、外购数据等对标的物进行监控，如发现异常，则进行提醒，以及安季度生成报告等功能。
广发证券结算系统中台1.0-结算系统中台
1.各个基金公司都有自己的结算系统，需要遵循证监会的基金管理规范，对基金进行周期估值；该系统或外购或自研，结算系统准确依托于数据输入的准确，结算系统中台，就是一个针对结算系统的输入进行管理、监控的系统；
2.结算中台需要承载功能很多，作为结算系统的输入，需要对结算数据的管理，进行任务化、流程化，基金 结算通常都是周期性质 ，所以【任务中心】和【产品日历】，就是待办功能的核心；
3.结算中心还需要对异常的数据输入进行监控，在设定了监控指标之后，系统自动对异常进行识别与提醒，并以任务待办形式修复异常，并对操作留痕；
4.结算中台作为独立部门，仍有年度、季度的报表编制等功能；
5.结算中台出于风险考虑还需要对外部消息进行识别与提醒。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服