CN112100523B - 基于环境信息的兴趣点排序方法及装置、电子设备和介质 - Google Patents
基于环境信息的兴趣点排序方法及装置、电子设备和介质 Download PDFInfo
- Publication number
- CN112100523B CN112100523B CN202010969943.0A CN202010969943A CN112100523B CN 112100523 B CN112100523 B CN 112100523B CN 202010969943 A CN202010969943 A CN 202010969943A CN 112100523 B CN112100523 B CN 112100523B
- Authority
- CN
- China
- Prior art keywords
- input
- interest
- relevant
- time
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000007613 environmental effect Effects 0.000 claims abstract description 56
- 238000013507 mapping Methods 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供一种基于环境信息的兴趣点排序方法及装置、电子设备和介质,可以用于云计算技术领域。所述排序方法包括:确定输入的检索要素的多个相关兴趣点;获取所述检索要素被输入时的至少一个输入环境信息;针对所述至少一个输入环境信息中的每一个输入环境信息,确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围;基于所述至少一个输入环境信息相应的至少两个相关环境信息范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征,所述历史检索日志包括兴趣点和环境信息之间的映射关系;以及至少基于相应的所述点击特征,对所述多个相关兴趣点进行排序。
Description
技术领域
本公开涉及基于环境信息的兴趣点排序方法及装置、电子设备和介质。
背景技术
在一些应用(例如百度地图)中会涉及兴趣点(Point of interest,简称“POI”)的排序服务。当用户想要寻找某个POI时,可以在搜索栏输入关键词,系统能够根据输入关键词推送相关的POI,例如,附近的酒店、旅馆、餐厅等。若与该关键字相关的POI有多个,则一般会根据预设的规则对多个POI进行排序,并向用户推送排序后的POI列表。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
根据本公开的一方面,提供一种基于环境信息的兴趣点排序方法,包括:确定输入的检索要素的多个相关兴趣点;获取所述检索要素被输入时的至少一个输入环境信息;针对所述至少一个输入环境信息中的每一个输入环境信息,确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围;基于所述至少一个输入环境信息相应的至少两个相关环境信息范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征,所述历史检索日志包括兴趣点和环境信息之间的映射关系;以及至少基于相应的所述点击特征,对所述多个相关兴趣点进行排序。
根据本公开的另一方面,还提供一种基于环境信息的兴趣点排序装置,包括:第一确定单元,被配置用于确定输入的检索要素的多个相关兴趣点;第一获取单元,被配置用于获取所述检索要素被输入时的至少一个输入环境信息;第二确定单元,被配置用于针对所述至少一个输入环境信息中的每一个输入环境信息,确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围;第二获取单元,被配置用于基于所述至少一个输入环境信息相应的至少两个相关环境信息范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征,所述历史检索日志包括兴趣点和环境信息之间的映射关系;以及排序单元,被配置用于至少基于相应的所述点击特征,对所述多个相关兴趣点进行排序。
根据本公开的另一方面,还提供一种电子设备,包括:处理器;以及存储程序的存储器,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据上述的排序方法。
根据本公开的另一方面,还提供一种存储程序的计算机可读存储介质,所述程序包括指令,所述指令在由电子设备的处理器执行时,致使所述电子设备执行根据上述的排序方法。
根据本公开的另一方面,还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现上述的方法的步骤。
本公开基于包含输入环境信息并且依次增大的多个环境信息范围来获取相关兴趣点的点击特征,能够细化和丰富点击特征,进而能够提升相关兴趣点的排序效果,以能够准确地反映用户的真实检索需求。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1是示出根据示例性实施例的基于环境信息的兴趣点排序方法的流程图;
图2是示出根据示例性实施例的位置编码示意图;
图3是示出根据示例性实施例的时间编码示意图;
图4是示出根据示例性实施例的基于环境信息的兴趣点排序装置的示意性组成框图;
图5是示出能够应用于示例性实施例的示例性计算设备的结构框图。
具体实施方式
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
在例如百度地图等应用程序中,可以基于获取的用户输入的检索要素向用户提供按一定顺序排列的多个相关POI数据。从而即使用户的输入不完整或者有一定的误差,系统也能提供排列好的多个相关POI数据供用户选择。用户按照该POI数据排列顺序查找目标POI,越快找到目标POI则检索效率越高,用户体验越好。
一般地,系统在进行上述排序时,会综合考虑多种因素。发明人发现,POI的点击特征是最为重要的因素之一。POI的点击特征可以表示该POI在预设范围内,在历史检索日志中被点击的相对频繁程度。通常在历史检索日志被频繁点击的POI,例如,交通枢纽、著名景区、网红餐厅等,更有可能是用户当前期望检索的目标POI。因此,点击特征可以在相关POI的排序中被给予更高的优先级。
相关技术中,获取POI点击特征的通用方案主要有两种。方案一是以用户输入检索要素时当前所在的城市为预设范围,基于该城市范围,从历史检索日志中获取相关兴趣点的点击特征。方案二是以用户输入检索要素时当前所在的一特定大小的位置网格为预设范围,基于该位置网格的范围,从历史检索日志中获取相关POI的点击特征。
但是,方案一以城市为范围计算POI点击特征会导致得到的POI点击特征比较粗糙,无法反映用户在城市的不同地点对POI的不同需求。方案二虽然在一定程度上缓解了方案一的弊端,但是以一特定大小的位置网格为范围计算POI点击特征,仍然无法彻底解决由单一位置范围所带来的问题。如果该位置网格设置的过大,可能会造成和方案一相同的点击特征过于粗糙的问题;如果该位置网格设置的过小,则可能会导致统计的历史检索日志过于局限,获取的POI点击特征过于稀疏,无法客观反映用户的真实需求。
基于此,本公开提出一种基于环境信息的兴趣点排序方法,通过获取包含用户当前输入环境信息并且依次增大的至少两个相关环境信息范围,从历史检索日志中获取相关兴趣点的点击特征。由此,基于多个依次增大的环境信息范围获取相关POI的点击特征,能够克服相关技术中获取的POI点击特征过于粗糙或者过于稀疏的问题,进而能够提升相关POI的排序效果,更加客观的反映用户的真实需求,提升用户的搜索体验。
本公开的技术方案可以适用于任意使用推荐系统的应用程序,例如,百度地图。
以下将结合附图对本公开的基于环境信息的POI排序方法进行进一步描述。
图1是示出根据本公开示例性实施例的基于环境信息的POI排序方法的流程图。如图1所示,所述POI排序方法可以包括:步骤S101、确定输入的检索要素的多个相关兴趣点;步骤S102、获取所述检索要素被输入时的至少一个输入环境信息;步骤S103、针对所述至少一个输入环境信息中的每一个输入环境信息,确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围;步骤S104、基于所述至少一个输入环境信息相应的至少两个相关环境信息范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征,所述历史检索日志包括兴趣点和环境信息之间的映射关系;步骤S105、至少基于相应的所述点击特征,对所述多个相关兴趣点进行排序。由此,在至少两个依次增大的相关环境信息范围内,从历史检索日志中获取相关POI的点击特征,能够克服相关技术中获取的POI点击特征过于粗糙或者过于稀疏的问题,进而能够提升相关POI的排序效果,客观的反映用户的真实需求。
其中,所述检索要素可以为字、词、语句、段落、语音、图像或者视频等,在此不作限定。
在步骤S101确定输入的检索要素对应的多个相关POI的过程中,系统可以通过语义检索、模糊检索等方式,通过分析和挖掘用户输入的检索要素背后的所有可能意图,向用户反馈与输入检索要素相关的多个相关POI。例如,当用户在检索框中输入“西”,可以向用户反馈“北京西站”、“西单地铁站”和“西二旗地铁站”等多个相关POI结果。
步骤S102中的输入环境信息例如可以包括输入位置信息、输入时间信息,或同时包括输入位置信息和输入时间信息两者。系统可以在用户进行检索要素输入时获取上述输入环境信息。优选地,系统可以在检测到用户输入检索要素时,自动获取输入环境信息。例如,可以通过系统时钟获取当前的输入时间信息,通过GPS系统、北斗系统等获取当前的输入位置信息。
基于用户当前所处的输入位置信息和输入时间信息确定点击特征,能够使得获取的点击特征更符合用户在当前输入环境下的需求。针对相关技术中在确定POI点击特征时缺乏基于输入时间信息的考量,无法反映用户在不同时间的不同需求的问题,本公开在输入环境信息中增加输入时间信息,进一步丰富和细化POI点击特征,进而提高POI排序的准确性。
基于上述输入环境信息,在步骤S103中进一步确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围。为了避免现有相关技术中采用一特定大小的位置网格作为位置范围导致的点击特征过于粗糙或者过于稀疏的问题,本公开确定包含用户当前输入环境信息并且依次增大的至少两个相关环境信息范围。其中,该相关环境信息范围的具体数量可以根据实际需求设置,在此不作限定。
当输入环境信息为输入位置信息或输入时间信息时,相应的输入环境范围对应地表示输入位置范围或输入时间范围。输入环境信息为输入位置信息和输入时间信息两者时,相应的输入环境范围可以对应地表示输入位置范围和输入时间范围两者。
在确定包含输入位置信息并且依次增大的至少两个相关位置范围时,可以设置该至少两个相关位置范围中的任意两个相关位置范围,其中一个相关位置范围包含另一个相关位置范围。即在确定的一系列相关位置范围中,相对较大的一个相关位置范围始终包含相对较小的一个相关位置范围。由此,在针对较大的一个相关位置范围统计点击特征时,可以直接应用在相对较小的相关位置范围统计中已经取得的统计数据,提升了整体的计算效率。
优选地,可以通过位置哈希(Geohash)编码确定包含输入位置信息的至少两个相关位置范围。
Geohash编码是一种基于经纬度的地址编码方法,采用包含多种字符的32进制或64进制编码表示相应的经纬度位置范围。Geohash编码的具体编码方式属于本领域的公知常识,在此不再赘述。其中,Geohash编码的位数越多,其所表示的位置范围越小。如图2所示的32进制Geohash编码,Geohash编码9q8y所表示的位置范围被分割为32个次级位置范围,每一个次级位置范围通过在9q8y后附加一位不同的编码表示。
Geohash编码与其所对应的位置范围之间的映射关系可被存储在一个位置索引库中。基于用户当前的输入经纬度信息,可以确定包含该经纬度信息的一特定大小的位置范围,即第一位置范围,以及该第一位置范围所对应的第一Geohash编码。随后,基于Geohash编码的规律,在上述第一Geohash编码的基础上确定第二Geohash编码以获得与该第二Geohash编码对应的包含第一位置范围并且增大的第二位置范围。以此类推,能够确定包含输入位置信息并且依次增大的至少两个相关位置范围,用于后续点击特征的计算。其中,基于Geohash编码的规律获取增大的位置范围的具体过程如下所述。
在一种实施方式中,基于Geohash编码的编码规律,可以通过舍弃Geohash编码的末尾位获取增大的相关位置范围对应的Geohash编码。例如,在如图2所示的地址编码图中,假设包含输入位置信息的第N个相关位置范围为Geohash编码9q8ys所映射的位置范围。其中,N为大于等于1的整数,第N个相关位置范围表示包含输入位置信息并且依次增大的至少两个相关位置范围中的任意一个。通过直接舍弃第N个相关位置范围的Geohash编码9q8ys的末尾位s,能够获取第N+1个相关位置范围为Geohash编码9q8y所映射的位置范围,其所对应的位置范围包含第N个相关位置范围。在该实施方式中,第N+1个Geohash编码也可以通过一次性舍弃多个第N Geohash编码的末尾位获取,在此不作限制。
在另一种实施方式中,可以根据Geohash编码所映射的位置范围之间的分布规律获取增大的位置范围对应的Geohash编码。例如,在如图2所示的地址编码图中,假设包含输入位置信息的第M个位置范围为Geohash编码9q8ys所映射的位置范围。其中,M为大于等于1的整数,第M个相关位置范围表示包含输入位置信息并且依次增大的至少两个相关位置范围中的任意一个。基于如图2所示的Geohash编码所映射的位置范围之间的分布规律,可以将Geohash编码9q8yg、9q8yu、9q8yv、9q8ye、9q8ys、9q8yt、9q8y7、9q8yk和9q8ym共9个Geohash编码共同所映射的位置范围确定为第M+1个相关位置范围。在该实施方式中,也可以根据Geohash编码所映射的位置范围之间的分布规律,将包括第M个位置范围的Geohash编码在内的多个不同编码长度的Geohash编码共同所映射的位置范围确定为第M+1个相关位置范围,并不局限于上述一种方式,在此不做限制。
通过利用位置索引库中所建立的Geohash编码与位置范围之间的映射关系,能够快速高效地确定包含输入位置信息的至少两个依次增大的相关位置范围,进而加快系统对POI排序的进程,提升了用户的体验。
另一方面,当输入环境信息包括时间信息时,在确定包含输入时间信息并且依次增大的至少两个相关时间范围的过程时,可以设置该至少两个相关时间范围中的任意两个相关时间范围,其中一个相关时间范围包含另一个相关时间范围。即在确定的一系列相关时间范围中,相对较大的一个相关时间范围始终包含较小的一个相关时间范围。由此,在针对较大的一个相关时间范围统计点击特征时,可以直接应用在较小的相关时间范围统计中已经取得的统计数据,提升了整体的计算效率。
优选地,可以通过时间编码确定该至少两个相关时间范围。
图3所示的是一种基于预定时间区间的时间编码方式。根据一些实施例,如图3所示,可以首先确定该预定时间区间的中值,小于或等于该中值的时间范围编码为0,大于该中值的时间范围编码为1。图3所示的基于一天24个小时的时间区间内,[0,12]的时间范围编码为0,(12,24]的时间范围编码为1。接着,再对新划分的时间范围[0,12]和(12,24]分别取中值,小于或等于该中值的时间范围对应的时间编码为在上一级的时间编码尾部添加0,大于该中值的时间范围对应的时间编码为在尾部添加1。例如,对已经编码为1的(12,24]的时间范围以其中值18时进行划分,小于或等于18时的时间范围编码为10,大于18时的时间范围编码为11。依次类推,可以得到预定时间区间内的不同大小的时间范围的编码。其中,时间编码的位数越多,其所表示的时间范围越小。预定时间区间可以根据实际场景需求确定,不必然为一天24个小时的时间区间,在此不作限定。
时间编码与其所对应的时间范围之间的映射关系可以预先被存储在一个时间索引库中。基于用户当前的输入时间信息,确定包含该时间信息的一特定大小的时间范围,即第一时间范围,以及该第一时间范围所对应的第一时间编码。随后,基于时间编码的规律,在上述第一时间编码的基础上确定第二时间编码以获得与该第二时间编码对应的包含第一时间范围并且增大的第二时间范围。依次类推,能够确定包含输入时间信息并且依次增大的至少两个相关时间范围,用于后续点击特征的计算。其中,基于时间编码的规律获取增大的时间范围的具体过程如下所述。
在一种实施方式中,基于时间编码的编码规律,可以通过舍弃时间编码的末尾位获取增大的相关时间范围对应的时间编码。例如,在如图3所示的时间编码图中,假设包含输入时间信息的第P个相关时间范围(9,12]为时间编码011所映射的时间范围。其中,P为大于等于1的整数,第P个相关时间范围表示包含输入时间信息并且依次增大的至少两个相关时间范围中的任意一个。通过直接舍弃第P个相关时间范围的时间编码011的末尾位1,能够获取第P+1个相关时间范围为时间编码01所映射的时间范围,其所对应的时间范围(6,12]包含第P个相关时间范围(9,12]。在该实施方式中,第P+1个相关时间范围的时间编码也可以通过一次性舍弃多个第P个时间编码的末尾位获取,在此不作限制。
在另一种实施方式中,可以根据时间编码所映射的时间范围之间的时间分布规律获取增大的时间范围的时间编码。例如,在如图3所示的时间编码图中,假设包含输入时间信息的第Q个相关时间范围为时间编码101所映射的时间范围(15-18]。其中,Q为大于等于1的整数,第Q个相关时间范围表示包含输入时间信息并且依次增大的至少两个相关时间范围中的任意一个。基于如图3所示的时间编码所映射的时间范围之间的时间分布规律,可以将时间编码100、101和110共3个时间编码共同所映射的时间范围确定为第Q+1个相关时间范围,即(12,21]。在该实施方式中,也可以根据时间编码所映射的时间范围之间的分布规律,将包括第Q个时间范围的时间编码在内的多个不同编码长度的时间编码共同所映射的时间范围确定为第Q+1个相关时间范围,并不局限于上述一种方式,在此不做限制。
通过利用时间索引库中所建立的时间编码与时间范围之间的映射关系,能够快速高效地确定包含输入时间信息的多个依次增大的相关时间范围,进而加快系统对POI排序的进程,提升了用户的体验。
由此,在确定了至少两个相关环境信息范围之后,可以基于确定的至少两个相关环境信息范围,从历史检索日志中获取与用户输入的检索要素相关的多个POI中的每一个POI的点击特征。
其中,历史检索日志是检索系统的海量历史检索操作的集合。其中存储的内容可以包括兴趣点和环境信息之间的映射关系。针对确定的至少两个相关环境信息范围中的每一个相关环境信息范围,可以基于历史检索日志中的映射关系,计算所对应的环境信息位于该相关环境信息范围内的多个相关POI的点击次数,用于后续对多个相关POI的点击特征的计算。
在示例中,历史检索日志中存储的环境信息可以包括相应的兴趣点的位置信息和时间信息。优选的,在历史检索日志中存储的位置信息可以以Geohash编码的形式存储,即可以确定位置索引库中包含相应的兴趣点被输入时的输入位置信息的最小位置范围,并将该最小位置范围对应的Geohash编码作为该兴趣点的位置信息,存储在历史检索日志中。在历史检索日志中存储的时间信息也可以以时间编码的形式存储,即可以确定时间索引库中包含相应的兴趣点被输入时的输入时间信息的最小时间范围,并将该最小时间范围对应的时间编码作为该兴趣点的时间信息,存储在历史检索日志中。
在一种实施方式中,当输入环境信息包括输入位置信息和输入时间信息时,可以基于确定的至少两个相关位置范围获取相关POI的位置点击特征,同时基于确定的至少两个相关时间范围获取相关POI的时间点击特征。
对于获取相关POI的位置点击特征,可以基于相关POI在每个相关位置范围中的子点击特征确定。
在示例中,首先,可以在预设时间范围内,从历史检索日志中获取每一个相关POI分别在至少两个相关位置范围内的点击次数。接着,针对每一个相关位置范围,将每一个相关POI在该位置范围内的点击次数除以多个相关POI在该位置范围内的点击次数之和,得到每一个相关POI与该位置范围相应的子点击特征;最后,基于每一个相关POI与至少两个位置范围相应的至少两个子点击特征,确定每一个相关POI的位置点击特征。优选的,上述基于至少两个相关位置范围的POI子点击特征计算POI点击特征的方法,可以为取最大值。可以理解的是,上述基于至少两个相关位置范围的POI子点击特征计算POI点击特征的方法例如也可以为加权求和,在此不作限定。为了保证取得的位置点击特征的时效性,上述预设时间范围优选为历史两个月。
本公开中采用至少两个相关位置范围的POI子点击特征计算该POI的位置点击特征,避免了现有技术中采用单一位置范围造成的POI的点击特征过于粗糙或者过于稀疏的问题,能够更加真实地反映用户对POI的需求,进而获得优化的POI排序,提升用户的体验。
对于获取相关POI的时间点击特征,可以基于相关POI在每个相关时间范围中的子点击特征确定。
具体地,首先,在预设位置范围内,从历史检索日志中获取每一个相关POI分别在至少两个相关时间范围内的点击次数。接着,针对每一个相关时间范围,将每一个相关POI在该时间范围内的点击次数除以多个相关POI在该时间范围内的点击次数之和,得到每一个相关POI与该时间范围相应的子点击特征;最后,基于每一个相关POI与至少两个时间范围相应的至少两个子点击特征,确定每一个相关POI的时间点击特征。优选的,上述基于至少两个子点击特征计算时间点击特征的方法,可以为取最大值。可以理解的是,上述基于至少两个子点击特征计算时间点击特征的方法例如也可以为加权求和。为了保证取得的时间点击特征的地域性,上述预设位置范围优选为输入位置信息所在的城市。
本公开中采用至少两个相关时间范围的POI子点击特征计算该POI的时间点击特征,能够更加真实地反映用户在不同时间对POI的需求,进而能够优化POI排序,提升用户的体验。
在另一种实施方式中,当输入环境信息中包括输入位置信息和输入时间信息时,也可以基于确定的至少两个相关位置范围和至少两个相关时间范围获得每一个相关POI的一个点击特征。
在一个实施例中,可以首先针对与输入位置信息相应的至少两个相关位置范围中的每一个位置范围,从历史检索日志中获取每一个相关POI分别在至少两个相关时间范围内的至少两个第一子点击特征。然后,基于上述至少两个第一子点击特征,确定每一个相关POI在该位置范围内的第二子点击特征。最后,基于每一个相关POI与至少两个相关位置范围相应的至少两个第二子点击特征,确定每一个相关POI的点击特征。其中,上述第一子点击特征例如可以为每一个相关POI在一个相关时间范围内的点击次数除以多个相关POI的在该时间范围内的点击次数之和获得的点击占比。基于至少两个第一子点击特征确定第二子点击特征,以及基于至少两个第二子点击特征确定点击特征的过程,例如可以采用取最大值或者加权平均的算法。
在另一个实施例中,可以首先针对与输入时间信息对应的至少两个相关时间范围中的每一个时间范围,从历史检索日志中获取每一个相关POI分别在至少两个相关位置范围内的至少两个第三子点击特征。然后,基于上述至少两个第三子点击特征,确定每一个相关POI在该时间范围内的第四子点击特征。最后,基于每一个相关POI与至少两个相关时间范围相应的至少两个第四子点击特征,确定每一个相关POI的点击特征。其中,上述第三子点击特征例如可以为点击占比。基于至少两个第三子点击特征确定第四子点击特征,以及基于至少两个第四子点击特征确定点击特征的过程,例如可以采用取最大值或者加权平均的算法。
除了上述POI的点击特征之外,在执行步骤S105对多个相关POI进行排序时,还可以考虑每一个相关POI的文本相关性参数和距离参数。其中,文本相关性参数表示相关POI与输入的检索要素的相关度。距离参数表示相关POI的位置与检索要素被输入时的输入位置之间的相对距离。
依据上述包含点击特征的多种参数,可以利用排序模型对多个相关POI进行排序。将点击特征、文本相关性参数和距离参数输入排序模型,可以获取排序模型输出的多个相关POI的排序结果。所述排序模型还可以输出每个参数在排序模型中的权重。点击特征在排序模型中的权重占比很高。
在示例中,当根据输入位置信息与输入时间信息分别确定了位置点击特征与时间点击特征时,可以同时将上述位置点击特征与时间点击特征输入排序模型中。
根据本公开的另一方面,如图4所示,还提供一种基于环境信息的兴趣点排序装置100,可以包括:第一确定单元101,被配置用于确定输入的检索要素的多个相关兴趣点;第一获取单元102,被配置用于获取所述检索要素被输入时的至少一个输入环境信息;第二确定单元103,被配置用于针对所述至少一个输入环境信息中的每一个输入环境信息,确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围;第二获取单元104,被配置用于基于所述至少一个输入环境信息相应的至少两个相关环境信息范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征,所述历史检索日志包括兴趣点和环境信息之间的映射关系;以及排序单元105,被配置用于至少基于相应的所述点击特征,对所述多个相关兴趣点进行排序。
这里,兴趣点排序装置100的上述各单元101-105的操作分别与前面描述的步骤S101-S105的操作类似,在此不再赘述。
根据一些实施例,所述至少一个输入环境信息可以包括输入位置信息,所述相关环境信息范围包括相关位置范围,其中,第二确定单元被配置用于:针对输入位置信息,确定包含所述输入位置信息并且依次增大的至少两个相关位置范围。
根据一些实施例,所述至少一个输入环境信息可以包括输入时间信息,所述相关环境信息范围包括相关时间范围,其中,第二确定单元被配置用于:针对所述输入时间信息,确定包含所述输入时间信息并且依次增大的至少两个相关时间范围。
根据一些实施例,当所述至少一个输入环境信息可以包括输入位置信息和输入时间信息时,所述点击特征包括位置点击特征和时间点击特征,其中,所述第二获取单元被配置用于执行以下操作来获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征:基于所述输入位置信息相应的至少两个相关位置范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的位置点击特征;以及基于所述输入时间信息相应的至少两个相关时间范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的时间点击特征;所述排序单元被配置用于同时基于相应的所述位置点击特征和时间点击特征来对所述多个相关兴趣点进行排序。
根据一些实施例,所述排序单元还可被配置用于执行以下步骤来对所述多个相关兴趣点进行排序:获取每一个所述相关兴趣点的文本相关性参数和距离参数,其中,所述文本相关性参数表示所述相关兴趣点与输入的检索要素的相关度,所述距离参数表示所述相关兴趣点的位置与所述检索要素被输入时的输入位置之间的相对距离;以及基于相应的点击特征、文本相关性参数和距离参数,对所述多个相关兴趣点进行排序。
参见图5所示,现将描述计算设备2000,其是可以应用于本公开的各方面的硬件设备(电子设备)的示例。计算设备2000可以是被配置为执行处理和/或计算的任何机器,可以是但不限于工作站、服务器、台式计算机、膝上型计算机、平板计算机、个人数字助理、机器人、智能电话、车载计算机或其任何组合。上述生成方法可以全部或至少部分地由计算设备2000或类似设备或系统实现。
软件要素(程序)可以位于工作存储器2014中,包括但不限于操作系统2016、一个或多个应用程序2018、驱动程序和/或其他数据和代码。用于执行上述方法和步骤的指令可以被包括在一个或多个应用程序2018中,并且上述兴趣点排序方法可以通过由处理器2004读取和执行一个或多个应用程序2018的指令来实现。更具体地,上述生成方法中,步骤S101~步骤S105可以例如通过处理器2004执行具有步骤S101~步骤S105的指令的应用程序2018而实现。此外,上述兴趣点排序方法中的其它步骤可以例如通过处理器2004执行具有执行相应步骤中的指令的应用程序2018而实现。软件要素(程序)的指令的可执行代码或源代码可以存储在非暂时性计算机可读存储介质(例如上述存储设备2010)中,并且在执行时可以被存入工作存储器2014中(可能被编译和/或安装)。软件要素(程序)的指令的可执行代码或源代码也可以从远程位置下载。
还应该理解,可以根据具体要求而进行各种变型。例如,也可以使用定制硬件,和/或可以用硬件、软件、固件、中间件、微代码,硬件描述语言或其任何组合来实现特定元件。例如,所公开的方法和设备中的一些或全部可以通过使用根据本公开的逻辑和算法,用汇编语言或硬件编程语言(诸如VERILOG,VHDL,C++)对硬件(例如,包括现场可编程门阵列(FPGA)和/或可编程逻辑阵列(PLA)的可编程逻辑电路)进行编程来实现。
还应该理解,前述方法可以通过服务器-客户端模式来实现。例如,客户端可以接收用户输入的数据并将所述数据发送到服务器。客户端也可以接收用户输入的数据,进行前述方法中的一部分处理,并将处理所得到的数据发送到服务器。服务器可以接收来自客户端的数据,并且执行前述方法或前述方法中的另一部分,并将执行结果返回给客户端。客户端可以从服务器接收到方法的执行结果,并例如可以通过输出设备呈现给用户。服务器可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。
还应该理解,计算设备2000的组件可以分布在网络上。例如,可以使用一个处理器执行一些处理,而同时可以由远离该一个处理器的另一个处理器执行其他处理。计算系统2000的其他组件也可以类似地分布。这样,计算设备2000可以被解释为在多个位置执行处理的分布式计算系统。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (12)
1.一种基于环境信息的兴趣点排序方法,包括:
确定输入的检索要素的多个相关兴趣点;
获取所述检索要素被输入时的至少一个输入环境信息;
针对所述至少一个输入环境信息中的每一个输入环境信息,确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围;
基于所述至少一个输入环境信息相应的至少两个相关环境信息范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征,所述历史检索日志包括兴趣点和环境信息之间的映射关系;以及
至少基于相应的所述点击特征,对所述多个相关兴趣点进行排序,
其中,所述至少一个输入环境信息包括输入位置信息,所述相关环境信息范围包括相关位置范围,
其中,所述确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围包括:
针对输入位置信息,确定包含所述输入位置信息并且依次增大的至少两个相关位置范围,
其中,所述至少一个输入环境信息还包括输入时间信息,所述相关环境信息范围还包括相关时间范围,
其中,所述确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围包括:
针对所述输入时间信息,确定包含所述输入时间信息并且依次增大的至少两个相关时间范围,
所述点击特征包括位置点击特征和时间点击特征,
其中,所述从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征包括:
基于所述输入位置信息相应的至少两个相关位置范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的位置点击特征;以及
基于所述输入时间信息相应的至少两个相关时间范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的时间点击特征;
所述对所述多个相关兴趣点进行排序为同时基于相应的所述位置点击特征和时间点击特征而执行,
其中,所述从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的位置点击特征包括:
在预设时间范围内,从历史检索日志中获取每一个所述相关兴趣点分别在所述至少两个相关位置范围内的点击次数;
针对每一个相关位置范围,将每一个所述相关兴趣点在该位置范围内的点击次数除以所述多个相关兴趣点在该位置范围内的点击次数之和,得到每一个所述相关兴趣点与该位置范围相应的子点击特征;
基于每一个所述相关兴趣点与所述至少两个位置范围相应的至少两个子点击特征,确定每一个所述相关兴趣点的位置点击特征,
其中,所述从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的时间点击特征包括:
在预设位置范围内,从历史检索日志中获取每一个所述相关兴趣点分别在所述至少两个相关时间范围内的点击次数;
针对每一个相关时间范围,将每一个所述相关兴趣点在该时间范围内的点击次数除以所述多个相关兴趣点在该时间范围内的点击次数之和,得到每一个所述相关兴趣点与该时间范围相应的子点击特征;
基于每一个所述相关兴趣点与所述至少两个时间范围相应的至少两个子点击特征,确定每一个所述相关兴趣点的时间点击特征。
2.如权利要求1所述的兴趣点排序方法,其中,当所述至少一个输入环境信息包括输入时间信息和输入位置信息时,所述从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征包括:
针对与所述输入位置信息相应的至少两个相关位置范围中的每一个位置范围,从历史检索日志中获取每一个所述相关兴趣点分别在所述至少相关两个时间范围内的至少两个第一子点击特征;
基于与所述至少相关两个时间范围相应的至少两个第一子点击特征,确定每一个所述相关兴趣点在该位置范围内的第二子点击特征;
基于每一个所述相关兴趣点与所述至少两个相关位置范围相应的至少两个第二子点击特征,确定每一个所述相关兴趣点的点击特征。
3.如权利要求1所述的兴趣点排序方法,其中,
对于所述至少两个相关位置范围中的任意两个相关位置范围,其中一个相关位置范围包含另一个相关位置范围。
4.如权利要求3所述的兴趣点排序方法,其中,所述输入位置信息包括经纬度,
其中,所述确定包含所述输入位置信息并且依次增大的至少两个相关位置范围,包括:
基于位置范围与位置编码之间的映射关系建立索引库;
根据所述输入位置信息的经纬度对应的位置编码,在所述索引库中查询包含所述输入位置信息的依次增大的至少两个相关位置范围。
5.如权利要求1所述的兴趣点排序方法,其中,
对于所述至少两个相关时间范围中的一个时间范围包含另一个相关时间范围。
6.如权利要求1所述的兴趣点排序方法,其中,所述确定包含所述输入时间信息并且依次增大的至少两个相关时间范围,包括:
基于时间范围与时间编码之间的映射关系建立索引库;
根据所述输入时间信息对应的时间编码,在所述索引库中查询包含所述输入时间信息的依次增大的至少两个相关时间范围。
7.如权利要求1所述的兴趣点排序方法,其中,所述至少基于相应的所述点击特征,对所述多个相关兴趣点进行排序,还包括:
获取每一个所述相关兴趣点的文本相关性参数和距离参数,
其中,所述文本相关性参数表示所述相关兴趣点与输入的检索要素的相关度,所述距离参数表示所述相关兴趣点的位置与所述检索要素被输入时的输入位置之间的相对距离;以及
基于相应的点击特征、文本相关性参数和距离参数,对所述多个相关兴趣点进行排序。
8.如权利要求7所述的兴趣点排序方法,其中,所述基于点击特征、文本相关性参数和距离参数,对所述多个相关兴趣点进行排序,包括:
将点击特征、文本相关性参数和距离参数输入排序模型,以获取所述排序模型输出的所述多个相关兴趣点的排序结果。
9.一种基于环境信息的兴趣点排序装置,包括:
第一确定单元,被配置用于确定输入的检索要素的多个相关兴趣点;
第一获取单元,被配置用于获取所述检索要素被输入时的至少一个输入环境信息;
第二确定单元,被配置用于针对所述至少一个输入环境信息中的每一个输入环境信息,确定包含所述输入环境信息并且依次增大的至少两个相关环境信息范围;
第二获取单元,被配置用于基于所述至少一个输入环境信息相应的至少两个相关环境信息范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征,所述历史检索日志包括兴趣点和环境信息之间的映射关系;以及
排序单元,被配置用于至少基于相应的所述点击特征,对所述多个相关兴趣点进行排序,
其中,所述至少一个输入环境信息包括输入位置信息,所述相关环境信息范围包括相关位置范围,
其中,第二确定单元被配置用于针对输入位置信息,确定包含所述输入位置信息并且依次增大的至少两个相关位置范围,
其中,所述至少一个输入环境信息还包括输入时间信息,所述相关环境信息范围还包括相关时间范围,
其中,第二确定单元被配置用于针对所述输入时间信息,确定包含所述输入时间信息并且依次增大的至少两个相关时间范围,
所述点击特征包括位置点击特征和时间点击特征,
其中,所述第二获取单元被配置用于执行以下操作来获取所述多个相关兴趣点中每一个所述相关兴趣点的点击特征:
基于所述输入位置信息相应的至少两个相关位置范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的位置点击特征;以及
基于所述输入时间信息相应的至少两个相关时间范围,从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的时间点击特征;
所述排序单元被配置用于同时基于相应的所述位置点击特征和时间点击特征来对所述多个相关兴趣点进行排序,
其中,所述第二获取单元被配置用于执行以下操作来从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的位置点击特征:
在预设时间范围内,从历史检索日志中获取每一个所述相关兴趣点分别在所述至少两个相关位置范围内的点击次数;
针对每一个相关位置范围,将每一个所述相关兴趣点在该位置范围内的点击次数除以所述多个相关兴趣点在该位置范围内的点击次数之和,得到每一个所述相关兴趣点与该位置范围相应的子点击特征;
基于每一个所述相关兴趣点与所述至少两个位置范围相应的至少两个子点击特征,确定每一个所述相关兴趣点的位置点击特征,
其中,所述第二获取单元被配置用于执行以下操作来从历史检索日志中获取所述多个相关兴趣点中每一个所述相关兴趣点的时间点击特征:
在预设位置范围内,从历史检索日志中获取每一个所述相关兴趣点分别在所述至少两个相关时间范围内的点击次数;
针对每一个相关时间范围,将每一个所述相关兴趣点在该时间范围内的点击次数除以所述多个相关兴趣点在该时间范围内的点击次数之和,得到每一个所述相关兴趣点与该时间范围相应的子点击特征;
基于每一个所述相关兴趣点与所述至少两个时间范围相应的至少两个子点击特征,确定每一个所述相关兴趣点的时间点击特征。
10.如权利要求9所述的兴趣点排序装置,其中,所述排序单元还被配置用于执行以下步骤来对所述多个相关兴趣点进行排序:
获取每一个所述相关兴趣点的文本相关性参数和距离参数,
其中,所述文本相关性参数表示所述相关兴趣点与输入的检索要素的相关度,所述距离参数表示所述相关兴趣点的位置与所述检索要素被输入时的输入位置之间的相对距离;以及
基于相应的点击特征、文本相关性参数和距离参数,对所述多个相关兴趣点进行排序。
11.一种电子设备,包括:
处理器;以及
存储程序的存储器,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-8中任一项所述的排序方法。
12.一种存储程序的计算机可读存储介质,所述程序包括指令,所述指令在由电子设备的处理器执行时,致使所述电子设备执行根据权利要求1-8中任一项所述的排序方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010969943.0A CN112100523B (zh) | 2020-09-15 | 2020-09-15 | 基于环境信息的兴趣点排序方法及装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010969943.0A CN112100523B (zh) | 2020-09-15 | 2020-09-15 | 基于环境信息的兴趣点排序方法及装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112100523A CN112100523A (zh) | 2020-12-18 |
CN112100523B true CN112100523B (zh) | 2024-03-08 |
Family
ID=73760149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010969943.0A Active CN112100523B (zh) | 2020-09-15 | 2020-09-15 | 基于环境信息的兴趣点排序方法及装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112100523B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909560A (zh) * | 2015-12-23 | 2017-06-30 | 香港中文大学 | 兴趣点排序方法 |
CN106919641A (zh) * | 2017-01-12 | 2017-07-04 | 北京三快在线科技有限公司 | 一种兴趣点搜索方法及装置、电子设备 |
US9715553B1 (en) * | 2010-06-18 | 2017-07-25 | Google Inc. | Point of interest retrieval |
CN107066493A (zh) * | 2016-12-29 | 2017-08-18 | 广州联客信息科技有限公司 | 一种利用ip地址的搜索引擎的结果排序优化方法及系统 |
US9817907B1 (en) * | 2014-06-18 | 2017-11-14 | Google Inc. | Using place of accommodation as a signal for ranking reviews and point of interest search results |
CN110399565A (zh) * | 2019-07-29 | 2019-11-01 | 北京理工大学 | 基于时空周期注意力机制的递归神经网络兴趣点推荐方法 |
CN111210036A (zh) * | 2018-11-21 | 2020-05-29 | 北京嘀嘀无限科技发展有限公司 | 一种确定推荐上车点的方法和系统 |
CN111651688A (zh) * | 2020-04-03 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 兴趣点检索方法、装置、电子设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2393056A1 (en) * | 2010-06-02 | 2011-12-07 | Layar B.V. | Acquiring, ranking and displaying points of interest for use in an augmented reality service provisioning system and graphical user interface for displaying such ranked points of interests |
US8669884B2 (en) * | 2011-02-02 | 2014-03-11 | Mapquest, Inc. | Systems and methods for generating electronic map displays with points of-interest information |
US11250452B2 (en) * | 2018-08-20 | 2022-02-15 | NTEX Transportation Services Pvt. Ltd. | Method and system for smart address classification |
-
2020
- 2020-09-15 CN CN202010969943.0A patent/CN112100523B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9715553B1 (en) * | 2010-06-18 | 2017-07-25 | Google Inc. | Point of interest retrieval |
US9817907B1 (en) * | 2014-06-18 | 2017-11-14 | Google Inc. | Using place of accommodation as a signal for ranking reviews and point of interest search results |
CN106909560A (zh) * | 2015-12-23 | 2017-06-30 | 香港中文大学 | 兴趣点排序方法 |
CN107066493A (zh) * | 2016-12-29 | 2017-08-18 | 广州联客信息科技有限公司 | 一种利用ip地址的搜索引擎的结果排序优化方法及系统 |
CN106919641A (zh) * | 2017-01-12 | 2017-07-04 | 北京三快在线科技有限公司 | 一种兴趣点搜索方法及装置、电子设备 |
CN111210036A (zh) * | 2018-11-21 | 2020-05-29 | 北京嘀嘀无限科技发展有限公司 | 一种确定推荐上车点的方法和系统 |
CN110399565A (zh) * | 2019-07-29 | 2019-11-01 | 北京理工大学 | 基于时空周期注意力机制的递归神经网络兴趣点推荐方法 |
CN111651688A (zh) * | 2020-04-03 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 兴趣点检索方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
一种长短期兴趣结合的个性化检索模型;王晓春;李生;杨沐昀;赵铁军;;中文信息学报(03);176-181 * |
基于用户-兴趣点耦合关系的兴趣点推荐方法;孟祥福等;智能系统学报;1-14 * |
基于用户历史瓦片浏览记录的兴趣点智能搜索方法优化研究;丛杨;孙伟;李成名;路文娟;;地理信息世界(02);100-103 * |
Also Published As
Publication number | Publication date |
---|---|
CN112100523A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008332B (zh) | 内容项推荐方法、装置、服务器以及存储介质 | |
US9305083B2 (en) | Author disambiguation | |
CN110147421B (zh) | 一种目标实体链接方法、装置、设备及存储介质 | |
CN110597804B (zh) | 促进分布式键值存储库上的空间索引 | |
CN104933100A (zh) | 关键词推荐方法和装置 | |
Du et al. | A comparative approach to modelling multiple urban land use changes using tree-based methods and cellular automata: the case of Greater Tokyo Area | |
CN112559879B (zh) | 兴趣模型训练方法、兴趣点推荐方法、装置和设备 | |
CN111475637A (zh) | 用于推送知识点的数据处理、训练方法及装置 | |
CN103823900A (zh) | 信息点重要性确定方法和装置 | |
CN114840671A (zh) | 对话生成方法、模型的训练方法、装置、设备及介质 | |
CN111382212A (zh) | 关联地址获取方法、装置、电子设备及存储介质 | |
CN110968801A (zh) | 地产产品搜索方法、存储介质及电子设备 | |
CN114036322A (zh) | 用于搜索系统的训练方法、电子设备和存储介质 | |
CN112380421A (zh) | 简历的搜索方法、装置、电子设备及计算机存储介质 | |
CN111931077A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114579882A (zh) | 地址查询方法、获取地理编码预测模型的方法及对应装置 | |
CN105573971A (zh) | 表格重构装置和方法 | |
CN112100523B (zh) | 基于环境信息的兴趣点排序方法及装置、电子设备和介质 | |
CN111177585A (zh) | 地图poi反馈方法及装置 | |
CN115525841A (zh) | 兴趣点信息的获取方法、电子设备及存储介质 | |
CN113515687B (zh) | 物流信息的获取方法和装置 | |
CN115796984A (zh) | 物品推荐模型的训练方法、存储介质及相关设备 | |
CN110222156B (zh) | 发现实体的方法和装置、电子设备、计算机可读介质 | |
CN112861023A (zh) | 地图信息处理方法、装置、设备、存储介质及程序产品 | |
US20190095483A1 (en) | Search apparatus, storage medium, database system, and search method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |