CN109684430A - 用于输出信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：响应于接收到添加地图点的坐标的请求，获取与坐标的添加相关的用户操作数据。将用户操作数据输入预先训练的模型，得到坐标的精确度，其中，模型用于表征用户操作数据和坐标的精确度的对应关系。输出地图点的坐标的精确度。该实施方式实现了用户上报场景下自动对坐标精确度的评估，减少人工成本。

Description

用于输出信息的方法和装置

技术领域

本申请实施例涉及电子地图技术领域，具体涉及用于输出信息的方法和装置。

背景技术

POI是“Point of Interest”的缩写，可以翻译成“兴趣点”，也有些叫做“PointofInformation”，即“信息点”。POI是基于位置服务的最核心数据，在电子地图上运用场景广泛，如导航前选择的目的地、查看周边的餐馆等。上述POI数据信息一般由用户上传，而所上传的用户数据会经过电子地图管理者进行验证后方可在对应位置的电子地图上由其它用户获取。这些信息在经由电子地图管理者审核时，通常采用人工作业的方式(互联网、电话、街景等手段)核实，会耗费大量的人力财力。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，包括：响应于接收到添加地图点的坐标的请求，获取与坐标的添加相关的用户操作数据；将用户操作数据输入预先训练的模型，得到坐标的精确度，其中，模型用于表征用户操作数据和坐标的精确度的对应关系；输出地图点的坐标的精确度。

在一些实施例中，用户操作数据包括以下至少一项：选点时长，选点比例尺，当前位置坐标与所选择的坐标之间的距离。

在一些实施例中，用户操作数据为非均匀量化值。

在一些实施例中，该方法还包括：响应于确定出地图点的坐标的精确度大于预定的精确度阈值，发布地图点的坐标。

在一些实施例中，模型是通过以下方式训练得到的：获取训练样本集，其中，训练样本包括与样本坐标的添加相关的样本用户操作数据和用于表征样本坐标的精确度的标注信息；将训练样本集中的训练样本中的样本用户操作数据和标注信息分别作为输入和期望输出，利用机器学习方法训练得到模型。

在一些实施例中，在获取训练样本集之后，该方法还包括：从训练样本集中删除样本用户操作数据满足以下至少一项条件的训练样本：选点时长小于预定第一时长阈值，选点时长大于预定第二时长阈值，选点比例尺小于预定比例尺阈值。

第二方面，本申请实施例提供了一种用于输出信息的装置，包括：获取单元，被配置成响应于接收到添加地图点的坐标的请求，获取与坐标的添加相关的用户操作数据；确定单元，被配置成将用户操作数据输入预先训练的模型，得到坐标的精确度，其中，模型用于表征用户操作数据和坐标的精确度的对应关系；输出单元，被配置成输出地图点的坐标的精确度。

在一些实施例中，用户操作数据包括以下至少一项：选点时长，选点比例尺，当前位置坐标与所选择的坐标之间的距离。

在一些实施例中，用户操作数据为非均匀量化值。

在一些实施例中，该装置还包括发布单元，被配置成：响应于确定出地图点的坐标的精确度大于预定的精确度阈值，发布地图点的坐标。

在一些实施例中，该装置还包括模型训练单元，被配置成：获取训练样本集，其中，训练样本包括与样本坐标的添加相关的样本用户操作数据和用于表征样本坐标的精确度的标注信息；将训练样本集中的训练样本中的样本用户操作数据和标注信息分别作为输入和期望输出，利用机器学习装置训练得到模型。

在一些实施例中，模型训练单元进一步被配置成：在获取训练样本集之后，从训练样本集中删除样本用户操作数据满足以下至少一项条件的训练样本：选点时长小于预定第一时长阈值，选点时长大于预定第二时长阈值，选点比例尺小于预定比例尺阈值。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。

本申请实施例提供的用于输出信息的方法和装置，通过历史用户操作数据训练出模型，再将当前用户上报的用户操作数据输入模型来评估当前用户上报的坐标的精确度，提高了添加地图点的效率，并减少了人工成本。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于输出信息的方法的一个实施例的流程图；

图3是根据本申请的用于输出信息的方法的一个应用场景的示意图；

图4是根据本申请的用于输出信息的方法的又一个实施例的流程图；

图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如地图类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持地图浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的地图提供支持的后台地图服务器。后台地图服务器可以对接收到的添加地图点的坐标的请求等数据进行分析等处理，并将处理结果(例如地图点的坐标的精确度)反馈给终端设备。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于输出信息的方法一般由服务器105执行，相应地，用于输出信息的装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：

步骤201，响应于接收到添加地图点的坐标的请求，获取与坐标的添加相关的用户操作数据。

在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行添加地图点的坐标的终端接收添加地图点的坐标的请求，其中，上述添加地图点的坐标的请求可包括用户身份信息，服务器验证用户身份信息有效后再请求终端上报用户操作数据。终端也可直接上报用户操作数据，而无需服务器进行身份认证。用户操作数据是指用户在填写和提交地图点的坐标过程中的对数据进行填写、拖拽的行为以及时间信息但不限于此。

在本实施例的一些可选的实现方式中，用户操作数据可包括以下至少一项：选点时长，选点比例尺，当前位置坐标与所选择的坐标之间的距离。在添加地图点的坐标的过程中，用户打开用于添加地图点的坐标的应用，该应用中显示可缩放的电子地图，用户可点击选择地图上的某个点，然后填写POI信息。用户确认提交后将该POI信息以及用户操作数据上报给服务器。选点时长指的是从用户打开添加地图点的应用开始，到确认提交地图点的坐标结束，一共用时。选点比例尺指的是用户确认提交地图点的坐标时地图的比例尺。当前位置坐标指的是终端当前的位置的坐标。所选择的坐标指的是用户想要添加到地图上的位置的坐标，用户点击地图时可自动获取。用户可将本人位置添加到地图上，也可将别处的地图点添加到地图上。

在本实施例的一些可选的实现方式中，用户操作数据为非均匀量化值。例如：

1、将选点时长进行分段，1-10s为一个段，10-50s每隔5s为一个段，50s以上为一个分段。1-10s可用数值0表示，10-50s可用数值1表示，50s以上可用数值3表示。非均匀量化的规则可不限于本例的方式，量化后的选点时长的值也不限于三种。

2、将选点比例尺进行分级，第一级：大于1cm：10m、第二级：1cm：10m-1cm：20m、第三级：1cm：20m-1cm：50m、第四级：1cm：50m-1cm：100m、第五级：1cm：100m-1cm：200m、第六级：1cm：200m-1cm：500m和第七级：小于1cm：500m，7个等级。不同的等级可用不同的数字表示。非均匀量化的规则可不限于本例的方式，量化后的选点比例尺的值也不限于7种。

3、将当前位置坐标与所选择的坐标之间的距离分组，第一组：100m以内，第二组：100～200m之间、第三组：200m～500m之间、第四组：大于500m这4个分组。不同的分组可用不同的数字表示。非均匀量化的规则可不限于本例的方式，量化后的距离的值也不限于4种。

步骤202，将用户操作数据输入预先训练的模型，得到坐标的精确度。

在本实施例中，模型可以用于表征用户操作数据和坐标的精确度的对应关系。该模型可以是回归模型。电子设备可以通过多种方式训练出可以表征用户操作数据和坐标的精确度的对应关系的模型。用户操作数据可反应用户的添加地图点坐标时的认真程度。例如，选点时长较长，说明用户认真的查找。比例尺较高，说明分辨率高，不容易点错位置。当前位置坐标与所选择的坐标之间的距离越小说明用户距离他所要添加的地图点越近，甚至他就在他想要添加的地图点的位置处，他所输入的POI信息越可靠。

作为一种示例，电子设备可以基于对大量用户操作数据和坐标的精确度进行统计而生成存储有多个用户操作数据和坐标的精确度的对应关系的对应关系表，并将该对应关系表作为模型。这样，电子设备可以将目标用户操作数据与该对应关系表中的多个用户操作数据依次进行比较，若该对应关系表中的一个用户操作数据与目标用户操作数据中的选点时长，选点比例尺，当前位置坐标与所选择的坐标之间的距离相同或相似，则将该对应关系表中的该用户操作数据所对应的坐标的精确度作为目标坐标的精确度。

作为另一种示例，电子设备可以首先获取训练样本集，其中，训练样本包括样本坐标的添加相关的样本用户操作数据和用于表征样本坐标的精确度的标注信息；然后将训练样本集中的每个训练样本中的样本用户操作数据作为输入，将训练样本集中的每个训练样本中的标注信息作为输出，训练得到模型。这里，电子设备可以获取训练样本集，本领域技术人员可以根据经验对训练样本集中的坐标标注精确度。例如，如果用户上报的坐标与实际坐标如果相距50米，则认为上报的坐标的精确度为0.9。如果用户上报的坐标与实际坐标如果相距小于10米，则认为上报的坐标的精确度为1。这样，电子设备可以将目标用户操作数据从模型的输入侧输入，依次经过模型中的各层的参数的处理，并从模型的输出侧输出，输出侧输出的信息即为目标坐标点的精确度。

步骤203，输出地图点的坐标的精确度。

在本实施例中，将步骤202得到的地图点的坐标的精确度输出。输出方式可以是发送给终端，也可输出到存储介质中。

在本实施例的一些可选的实现方式中，响应于确定出地图点的坐标的精确度大于预定的精确度阈值，发布地图点的坐标。如果坐标的精确度大于预定的精确度阈值，则说明该用户上报的坐标是可信的，可以用上报的新坐标更新地图，然后发布更新后的地图，供其它用户下载使用。

继续参见图3，图3是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图3的应用场景中，用户首先打开终端上用于添加地图点的应用，终端记录开始选点的时间点。然后用户选择需要添加的地图点。用户在选择地图点的过程中可调整地图的比例尺，以放大或缩小地图。用户选定了地图点(坐标为(120.3，36.3))，还可输入POI的名称(例如XX大厦)。用户点击确认提交后，终端记录提交的时间点、当前比例尺、当前位置的坐标。然后再根据开始选点的时间点和提交的时间点确定出选点时长。根据当前位置的坐标和所选择的地图点的坐标确定终端与地图点的距离。终端将选点时长，选点比例尺，当前位置坐标与所选择的坐标之间的距离上报给服务器。由服务器将上述三种用户操作数据输入预先训练的模型，得到待添加的地图点的坐标的精确度。

本申请的上述实施例提供的方法通过用户操作数据来评价用户提交的坐标的精确度，简化添加POI信息的过程，减少人工成本。

进一步参考图4，其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400，包括以下步骤：

步骤401，获取训练样本集。

在本实施例中，训练步骤的执行主体可以与用于输出信息的方法的执行主体相同或者不同。如果相同，训练步骤的执行主体可以在训练得到模型后将训练好的模型的参数值存储在本地。如果不同，则训练步骤的执行主体可以在训练得到模型后将训练好的模型的参数值发送给用于输出信息的方法的执行主体。

训练步骤的执行主体可以本地或者远程地从与上述执行主体网络连接的其他电子设备获取训练样本集。其中，每个训练样本包括与样本坐标的添加相关的样本用户操作数据和用于表征样本坐标的精确度的标注信息。例如，可以由人工标定样本坐标的精确度。这里，用于表征样本坐标的精确度的标注信息可以是各种形式的。

作为示例，标注信息可以是数值，例如，用1表示样本坐标与实际坐标之间的距离小于预定第一阈值(如10米)，用0.9表示样本坐标与实际坐标之间的距离在10米-50米之间。

本申请可采用回归模型，回归模型(regression model)是对统计关系进行定量描述的一种数学模型。是一种预测性的建模技术，它研究的是因变量(目标)和自变量(预测器)之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。例如，司机的鲁莽驾驶与道路交通事故数量之间的关系。模型重要的基础或者方法就是回归分析，回归分析是研究一个变量(被解释变量)关于另一个(些)变量(解释变量)的具体依赖关系的计算方法和理论，是建模和分析数据的重要工具。在这里，我们使用曲线/线来拟合这些数据点，在这种方式下，从曲线或线到数据点的距离差异最小。本申请采用的模型包括但不限于线性回归、逻辑回归、多项式回归等。

步骤402，从训练样本集中删除样本用户操作数据异常的训练样本。

在本实施例中，满足以下至少一项条件的样本用户操作数据为异常的样本用户操作数据：选点时长小于预定第一时长阈值，选点时长大于预定第二时长阈值，选点比例尺小于预定比例尺阈值。例如，选点时长为10ms。用户手动点击选择地图点的时间长度不可能这么小，因此过滤掉选点时长小于预定第一时长阈值的用户操作数据。用户选点时间过长也要过滤掉，例如2小时的选点时间，用户可能已经离开原来的位置，或者忘记了POI信息，此时提交的坐标不可信。选点比例尺小于预定比例尺阈值说明地图的范围太大，用户点一下可能就是30公里的范围，此时的坐标不准确，需要过滤掉。

步骤403，将训练样本集中的训练样本中的样本用户操作数据和标注信息分别作为输入和期望输出，利用机器学习方法训练得到模型。

在本实施例中，使用最佳的拟合直线或曲线(也就是回归线)在因变量和一个或多个自变量之间建立一种关系。具体过程如下所示：

1、确定自变量为样本用户操作数据，因变量为样本坐标的精确度。

2、画出自变量和因变量的散点图，通过观察散点图并与函数(幂、指数、对数函数、二次函数)作比较，选取拟合效果好的函数模型。

3、由经验确定回归方程的类型(如果观察到数据呈线性关系，则选用线性回归方程)。

4、按一定规则估计回归方程中的参数(如最小二乘法)。

5、得出结果后分析残差图是否有异常(个别数据对应残差过大，或残差呈现不随机的规律性等等)，过如果存在异常，则检查数据是否有误，或模型是否合适等。

本申请的上述实施例提供的用于输出信息的方法通过采用与样本坐标的添加相关的样本用户操作数据和用于表征样本坐标的精确度的标注信息作为训练样本训练模型，从而训练得到的模型可以学习到如何生成坐标的精确度。在生成坐标的精确度时，将用户添加目标坐标时的用户操作数据输入预先训练的模型即可以生成目标坐标的精确度。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的输出信息的装置500包括：获取单元501、确定单元502、输出单元503。其中，获取单元501被配置成响应于接收到添加地图点的坐标的请求，获取与坐标的添加相关的用户操作数据。确定单元502被配置成将用户操作数据输入预先训练的模型，得到坐标的精确度，其中，模型用于表征用户操作数据和坐标的精确度的对应关系。输出单元503被配置成输出地图点的坐标的精确度。

在本实施例中，用于输出信息的装置500的获取单元501、确定单元502、输出单元503的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203。

在本实施例的一些可选的实现方式中，用户操作数据包括以下至少一项：选点时长，选点比例尺，当前位置坐标与所选择的坐标之间的距离。

在本实施例的一些可选的实现方式中，用户操作数据为非均匀量化值。

在本实施例的一些可选的实现方式中，装置500还包括发布单元(未示出)，被配置成：响应于确定出地图点的坐标的精确度大于预定的精确度阈值，发布地图点的坐标。

在本实施例的一些可选的实现方式中，装置500还包括模型训练单元(未示出)，被配置成：获取训练样本集，其中，训练样本包括与样本坐标的添加相关的样本用户操作数据和用于表征样本坐标的精确度的标注信息；将训练样本集中的训练样本中的样本用户操作数据和标注信息分别作为输入和期望输出，利用机器学习装置训练得到模型。

在本实施例的一些可选的实现方式中，模型训练单元进一步被配置成：在获取训练样本集之后，从训练样本集中删除样本用户操作数据满足以下至少一项条件的训练样本：选点时长小于预定第一时长阈值，选点时长大于预定第二时长阈值，选点比例尺小于预定比例尺阈值。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(如图1所示的服务器)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元、输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“响应于接收到添加地图点的坐标的请求，获取与坐标的添加相关的用户操作数据的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：接收用户的网页浏览请求，其中，该网页浏览请求包括网址；对该网址所对应的网页页面进行内容解析，提取关键词集合；基于该关键词集合与各条候选推送信息之间的匹配关系，选取至少一条候选推送信息生成推送信息集合；基于该网页页面的内容和该推送信息集合，生成新网页。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于输出信息的方法，包括：

响应于接收到添加地图点的坐标的请求，获取与坐标的添加相关的用户操作数据；

将所述用户操作数据输入预先训练的模型，得到所述坐标的精确度，其中，所述模型用于表征用户操作数据和坐标的精确度的对应关系；

输出所述地图点的坐标的精确度。

2.根据权利要求1所述的方法，其中，所述用户操作数据包括以下至少一项：

选点时长，选点比例尺，当前位置坐标与所选择的坐标之间的距离。

3.根据权利要求2所述的方法，其中，所述用户操作数据为非均匀量化值。

4.根据权利要求1所述的方法，其中，所述方法还包括：

响应于确定出所述地图点的坐标的精确度大于预定的精确度阈值，发布所述地图点的坐标。

5.根据权利要求1-4之一所述的方法，其中，所述模型是通过以下方式训练得到的：

获取训练样本集，其中，训练样本包括与样本坐标的添加相关的样本用户操作数据和用于表征样本坐标的精确度的标注信息；

将所述训练样本集中的训练样本中的样本用户操作数据和标注信息分别作为输入和期望输出，利用机器学习方法训练得到模型。

6.根据权利要求5所述的方法，其中，在所述获取训练样本集之后，所述方法还包括：

从所述训练样本集中删除样本用户操作数据满足以下至少一项条件的训练样本：

选点时长小于预定第一时长阈值，选点时长大于预定第二时长阈值，选点比例尺小于预定比例尺阈值。

7.一种用于输出信息的装置，包括：

获取单元，被配置成响应于接收到添加地图点的坐标的请求，获取与坐标的添加相关的用户操作数据；

确定单元，被配置成将所述用户操作数据输入预先训练的模型，得到所述坐标的精确度，其中，所述模型用于表征用户操作数据和坐标的精确度的对应关系；

输出单元，被配置成输出所述地图点的坐标的精确度。

8.根据权利要求7所述的装置，其中，所述用户操作数据包括以下至少一项：

选点时长，选点比例尺，当前位置坐标与所选择的坐标之间的距离。

9.根据权利要求8所述的装置，其中，所述用户操作数据为非均匀量化值。

10.根据权利要求7所述的装置，其中，所述装置还包括发布单元，被配置成：

响应于确定出所述地图点的坐标的精确度大于预定的精确度阈值，发布所述地图点的坐标。

11.根据权利要求7-10之一所述的装置，其中，所述装置还包括模型训练单元，被配置成：

获取训练样本集，其中，训练样本包括与样本坐标的添加相关的样本用户操作数据和用于表征样本坐标的精确度的标注信息；

将所述训练样本集中的训练样本中的样本用户操作数据和标注信息分别作为输入和期望输出，利用机器学习装置训练得到模型。

12.根据权利要求11所述的装置，其中，所述模型训练单元进一步被配置成：

在所述获取训练样本集之后，从所述训练样本集中删除样本用户操作数据满足以下至少一项条件的训练样本：

选点时长小于预定第一时长阈值，选点时长大于预定第二时长阈值，选点比例尺小于预定比例尺阈值。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。