CN110413722A - 地址选择方法、装置以及非瞬时性存储介质 - Google Patents

地址选择方法、装置以及非瞬时性存储介质 Download PDF

Info

Publication number
CN110413722A
CN110413722A CN201910721988.3A CN201910721988A CN110413722A CN 110413722 A CN110413722 A CN 110413722A CN 201910721988 A CN201910721988 A CN 201910721988A CN 110413722 A CN110413722 A CN 110413722A
Authority
CN
China
Prior art keywords
plot
poi
sequence
characteristic information
addressing
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.)
Granted
Application number
CN201910721988.3A
Other languages
English (en)
Other versions
CN110413722B (zh
Inventor
孙俊凯
张钧波
郑宇�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jingdong City Beijing Digital Technology Co Ltd
Original Assignee
Jingdong City Beijing Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jingdong City Beijing Digital Technology Co Ltd filed Critical Jingdong City Beijing Digital Technology Co Ltd
Priority to CN201910721988.3A priority Critical patent/CN110413722B/zh
Publication of CN110413722A publication Critical patent/CN110413722A/zh
Application granted granted Critical
Publication of CN110413722B publication Critical patent/CN110413722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (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)
  • Navigation (AREA)

Abstract

本公开涉及一种地址选择方法、装置以及非瞬时性存储介质,涉及计算机技术领域。本公开的方法包括:将兴趣点POI的待选址区域划分为多个地块;获取各个地块的特征信息,特征信息包括:人口流动特征信息、地理特征信息、人口特征信息和地块内的用户与POI相关的行为特征信息中至少一种;根据各个地块的特征信息,确定各个地块关于POI的选址参考参数的排序;按照各个地块的排序的名次由高到低的顺序,选择一个或多个地块布设POI。

Description

地址选择方法、装置以及非瞬时性存储介质
技术领域
本公开涉及计算机技术领域,特别涉及一种地址选择方法、装置以及非瞬时性存储介质。
背景技术
对于服务提供方,POI(Point of Interest,兴趣点)选址是一项非常重要和关键的工作。
目前,POI选址大多基于一些专家根据自己的领域知识和工作经验,结合一些规则进行选址地块的评估。
发明内容
发明人发现:目前的POI选址方法主要由人工完成,效率较低,无法准确考虑地块的各种特征,选址的合理性主要依靠选址人员的经验。
本公开所要解决的一个技术问题是:如何提高POI选址的效率和合理性。
根据本公开的一些实施例,提供的一种地址选择方法,包括:将兴趣点POI的待选址区域划分为多个地块;获取各个地块的特征信息,特征信息包括:人口流动特征信息、地理特征信息、人口特征信息和地块内的用户与POI相关的行为特征信息中至少一种;根据各个地块的特征信息,确定各个地块关于POI的选址参考参数的排序;按照各个地块的排序的名次由高到低的顺序,选择一个或多个地块布设POI。
在一些实施例中,根据各个地块的特征信息,确定各个地块关于POI的选址参考参数的排序包括:将各个地块的特征信息输入排序模型的编码器子模型,得到输出的各个地块特征向量的特征向量;将各个地块特征向量的特征向量输入排序模型的排序子模型,得到输出的输出各个地块关于POI的选址参考参数的排序。
在一些实施例中,排序模型包括两个编码器子模型;将各个地块的特征信息输入排序模型,得到输出的各个地块关于POI的选址参考参数的排序包括:每次任选两个地块,将一个地块的特征信息输入一个编码器子模型,另一个地块的特征信息输入另一个编码器子模型,分别得到输出的两个地块的特征向量;将两个地块的特征向量输入排序子模型,得到两个地块关于POI的选址参考参数的排序;根据任意两个地块关于POI的选址参考参数的排序,输出各个地块关于POI的选址参考参数的排序。
在一些实施例中,在特征信息包括:地理特征信息、人口特征信息和地块内的用户与POI相关的行为特征信息中至少一种,以及人口流动特征信息的情况下,针对每个地块,采用以下方法得到输出的地块的特征向量:将人口流动特征信息转换为第一向量输入编码器子模型的第一编码模块中,得到输出的第一特征子向量;将地理特征信息和地块内的用户与POI相关的行为特征信息中至少一种转换为第二向量输入编码器子模型的第二编码模块中,得到输出的第二特征子向量;根据第一特征子向量和第二特征子向量,得到输出的各个地块的特征向量。
在一些实施例中,人口流动特征信息包括根据预设时间内各个地块之间人口转移数量构建的人口转移图。
在一些实施例中,将各个地块的特征信息输入排序模型,得到输出的各个地块关于POI的选址参考参数的排序包括:将各个地块的特征信息输入排序模型,基于相邻地块的特征向量相似的先验条件,以及部分地块关于POI的选址参考参数的排序的标注信息,对排序模型进行训练;由训练完成的排序模型输出各个地块关于POI的选址参考参数的排序。
在一些实施例中,对排序模型进行训练包括:将各个地块的特征信息输入排序模型,得到输出的各个地块的特征向量的中间值,以及各个地块关于POI的选址参考参数的排序的中间值;根据相邻地块的特征向量的中间值的距离,确定第一损失函数值;根据部分地块的标注信息与对应的排序的中间值的差距,确定第二损失函数值;根据第一损失函数值和第二损失函数值,以及预设收敛条件,对排序模型的参数进行调整,直至满足预设收敛条件,完成对排序模型的训练;其中,预设收敛条件是根据相邻地块的特征向量相似的先验条件,以及部分地块的标注信息与对应的输出的排序之间的差距满足阈值的先验条件确定的。
在一些实施例中,编码器子模型包括编码模块和解码模块;对排序模型进行训练还包括:根据编码模块的输入与解码模块的输出之间的差距,确定第三损失函数值;根据第一损失函数值和第二损失函数值之和,以及预设收敛条件,对排序模型的参数进行调整包括:根据第一损失函数值、第二损失函数值、第三损失函数值,以及预设收敛条件,对排序模型的参数进行调整。
在一些实施例中,该方法还包括:构建各个地块的地理邻接图,地理邻接图中地理位置相邻的两个地块之间具有边;相邻地块是根据地理邻接图确定的;或者,获取具有POI的选址参考参数的地块,根据POI的选址参考参数对地块进行排序,并生成地块的关于POI的选址参考参数的排序的标注信息。
根据本公开的另一些实施例,提供的一种地址选择装置,包括:地块划分单元,用于将兴趣点POI的待选址区域划分为多个地块;信息获取单元,用于获取各个地块的特征信息,特征信息包括:人口流动特征信息、地理特征信息、人口特征信息和地块内的用户与POI相关的行为特征信息中至少一种;排序单元,用于根据各个地块的特征信息,确定各个地块关于POI的选址参考参数的排序;选址单元,用于按照各个地块的排序的名次由高到低的顺序,选择一个或多个地块布设POI。
在一些实施例中,排序单元用于将各个地块的特征信息输入排序模型的编码器子模型,得到输出的各个地块特征向量的特征向量;将各个地块特征向量的特征向量输入排序模型的排序子模型,得到输出的输出各个地块关于POI的选址参考参数的排序。
在一些实施例中,排序模型包括两个编码器子模型;排序单元用于每次任选两个地块,将一个地块的特征信息输入一个编码器子模型,另一个地块的特征信息输入另一个编码器子模型,分别得到输出的两个地块的特征向量;将两个地块的特征向量输入排序子模型,得到两个地块关于POI的选址参考参数的排序,根据任意两个地块关于POI的选址参考参数的排序,输出各个地块关于POI的选址参考参数的排序。
在一些实施例中,在特征信息包括:地理特征信息、人口特征信息和地块内的用户与POI相关的行为特征信息中至少一种,以及人口流动特征信息的情况下,排序单元用于将人口流动特征信息转换为第一向量输入编码器子模型的第一编码模块中,得到输出的第一特征子向量;将地理特征信息和地块内的用户与POI相关的行为特征信息中至少一种转换为第二向量输入编码器子模型的第二编码模块中,得到输出的第二特征子向量;根据第一特征子向量和第二特征子向量,得到输出的各个地块的特征向量。
在一些实施例中,人口流动特征信息包括根据预设时间内各个地块之间人口转移数量构建的人口转移图。
在一些实施例中,排序单元用于将各个地块的特征信息输入排序模型,基于相邻地块的特征向量相似的先验条件,以及部分地块关于POI的选址参考参数的排序的标注信息,对排序模型进行训练;由训练完成的排序模型输出各个地块关于POI的选址参考参数的排序。
在一些实施例中,排序单元用于将各个地块的特征信息输入排序模型,得到输出的各个地块的特征向量的中间值,以及各个地块关于POI的选址参考参数的排序的中间值;根据相邻地块的特征向量的中间值的距离,确定第一损失函数值;根据部分地块的标注信息与对应的排序的中间值的差距,确定第二损失函数值;根据第一损失函数值和第二损失函数值,以及预设收敛条件,对排序模型的参数进行调整,直至满足预设收敛条件,完成对排序模型的训练;其中,预设收敛条件是根据相邻地块的特征向量相似的先验条件,以及部分地块的标注信息与对应的输出的排序之间的差距满足阈值的先验条件确定的。
在一些实施例中,编码器子模型包括编码模块和解码模块;排序单元还用于根据编码模块的输入与解码模块的输出之间的差距,确定第三损失函数值;根据第一损失函数值、第二损失函数值、第三损失函数值,以及预设收敛条件,对排序模型的参数进行调整。
在一些实施例中,该装置还包括:图构建单元,用于构建各个地块的地理邻接图,地理邻接图中地理位置相邻的两个地块之间具有边;相邻地块是根据地理邻接图确定的;或者,标注单元,用于获取具有POI的选址参考参数的地块,根据POI的选址参考参数对地块进行排序,并生成地块的关于POI的选址参考参数的排序的标注信息。
根据本公开的又一些实施例,提供的一种地址选择装置,包括:处理器;以及耦接至处理器的存储器,用于存储指令,指令被处理器执行时,使处理器执行如前述任意实施例的地址选择方法。
根据本公开的再一些实施例,提供的一种计算机可读非瞬时性存储介质,其上存储有计算机指令,其中,该指令被处理器执行时,使处理器实现前述任意实施例的地址选择方法。
本公开中针对POI待选址的多个地块,获取各个地块的特征信息,特征信息可以包括人口流动特征信息、地理特征信息和所述地块内的用户与所述POI相关的行为特征信息中至少一种。基于各个地块的特征信息自动实现对各个地块的排序,排序是按照POI的选址参考参数进行的排序。进一步根据各个地块的排序结果,可以选择一个或多个地块布设POI。本公开的方案可以准确考虑待选址的多个地块的特征信息,通过实际的数据对各个地块进行智能排序,不需要选址人员参与,提高选址的效率和合理性。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本公开的一些实施例,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示出本公开的一些实施例的地址选择方法的流程示意图。
图2A示出本公开的一些实施例的人口转移图的示意图。
图2B示出本公开的一些实施例的地理邻接图的示意图。
图2C示出本公开的一些实施例的排序模型的结构示意图。
图3示出本公开的另一些实施例的地址选择方法的流程示意图。
图4示出本公开的一些实施例的地址选择装置的结构示意图。
图5示出本公开的另一些实施例的地址选择装置的结构示意图。
图6示出本公开的又一些实施例的地址选择装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,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,都属于本公开保护的范围。
针对目前POI选址主要依靠人工方式,选址效率低,无法准确考虑地块的特征等问题,提出本方案。下面结合图1描述本公开的地址选择方法的一些实施例。
图1为本公开地址选择方法一些实施例的流程图。如图1所示,该实施例的方法包括:步骤S102~S108。
在步骤S102中,将POI的待选址区域划分为多个地块。
POI可以是提供服务的设施或者场所等,例如,基站、营业厅、或者店铺等。POI的待选址区域可以是城市或者地区等,例如,在北京市对POI进行选择。可以将POI的待选址区域按照面积等分为不同的地块,例如,按照1km*1km的面积划分成若干个地块。
在步骤S104中,获取各个地块的特征信息。
地块特征信息包括:人口流动特征信息、地理特征信息、人口特征信息和地块内的用户与POI相关的行为特征信息中至少一种。人口流动特征信息例如为预设时间内各个地块之间人口转移数量,可以建立人口转移图。如图2A所示,人口转移图可以是有向图,每个节点表示一个地块,节点之间的边的权重和方向分别表示预设时间内人口转移数量和转移方向。可以统计一段时间内相同预设时间的人口转移数量,取平均值,作为该预设时间内人口转移数量。例如,A地块与C地块之间的边的权重可以表示一个月内平均每天8:00~20:00由A地块向C地块转移的人口数量为5.6,单位可以是百人。例如,有些地块主要是住宅区域,白天人口大量流出,那么在这些地块布设一些只有白天提供服务的POI,可能利用率会较低。因此,人口流动特征会对POI选址产生影响。
地理特征信息例如包括:路况信息,POI的分布信息中至少一项。路况信息可以包括路口的数量,路段的数量和路段的长度中至少一项,路段可以是两个路口之间的一段路。路况信息还可以包括:公共交通线路的数量等,不限于所举示例。路况信息可以反映地块的交通是否畅通便利,对POI的选址也会产生影响。POI的分布信息可以是与待选址的POI相同或相似的POI的数量等信息。如果一个地块布设的相同或相似POI过多,也会降低POI的利用率,还会相互之间产生干扰和影响。
人口特征信息例如包括:该地块中人口的年龄分布,人口总数量中至少一项。人口可以是常驻人口。年龄分布例如为预设各个年龄段的人口数量。不同年龄段的用户可能对与不同类型的POI的利用率不同,例如,年轻人越多的地块中对于基站或者营业厅的利用率会越高。因此,人口特征信息会对POI选址产生影响。
地块内的用户与POI相关的行为特征信息可以基于用户的线上行为确定,例如包括:预设统计时间内所有用户(或者平均每个用户)购买与POI相关商品的数量,金额中至少一种,不限于所举示例。例如,POI为基站的情况,与POI相关的行为特征信息可以为预设统计时间内用户使用的流量、通话次数、话费金额中至少一项。又例如,POI为营业厅的情况,POI相关的行为特征信息可以为预设统计时间内用户购买手机等数码产品的数量,金额中至少一种。POI用于提供某种服务,用户与POI相关的行为越多,表示需求度越高,POI的利用率也会越高。因此,地块内的用户与POI相关的行为特征信息,会对POI选址产生影响。
本公开的方案可以综合考虑地块内的人口流动特征、地理特征、人口特征以及人口的行为特征等多方面的特征,包含动态和静态特征,能够更加准确的得到各个地块的排序,从而选取更加合理的地块布设POI。
在步骤S106中,根据各个地块的特征信息,确定各个地块关于POI的选址参考参数的排序。
POI选址时可以预设一项选址参考参数,例如,基站的选址参考参数可以是每天的流量,如果根据地块的特征信息确定某一地块的每天的流量会非常高,那么在该地块建设基站,则会使基站得到充分利用。又例如,针对一些店铺,选址参考参数可以是每天的客户数量或者利润等,如果根据地块的特征信息确定某一地块的客户数量或者利润会非常高,那么在该地块建设店铺比较合理。根据各个地块的特征信息,可以将各个地块按照POI的选址参考参数由大到小进行排序。
在一些实施例中,将各个地块的特征信息输入排序模型,得到输出的各个地块关于POI的选址参考参数的排序。本公开在现有的排序模型的基础上进行了改进。排序模型包括编码器子模型和排序子模型。编码器子模型用于将输入的各个地块的特征信息转换为特征向量,排序子模型用于根据输入的各个地块的特征向量,输出各个地块关于POI的选址参考参数的排序。编码器子模型例如为自编码器,不限于所举示例。排序模型例如为Pairwise(成对)模型,或者随机森林等排序模型,不限于所举示例。
本公开的排序模型可以通过一次输入完成对模型的训练和最终输出排序结果的过程,并且可以基于少量具有与排序相关的标注信息的地块的数据,实现对所有地块的排序。相对于现有模型提高了效率和准确率。下面将对本公开的排序模型的结构和使用方法进行详细描述。
输入排序模型的是各个地块的特征信息,其中部分地块具有关于POI的选址参考参数的排序的标注信息。进行POI选址时,可能很多地块上还没有布设POI,因此,已经布设了POI的地块可以获取关于POI的选址参考参数的排序,没有布设POI的地块无法获取关于POI的选址参考参数的排序(例如,没有布设基站的地方,则无法获取基站的流量数据等,从而无法获得排序信息)。通过排序模型最终要输出的也是这部分没有布设POI的地块的关于POI的选址参考参数的排序,从而确定是否要在这些地块上进行POI的布设。可以获取具有POI的选址参考参数的地块,根据POI的选址参考参数对地块进行排序,并生成地块的关于POI的选址参考参数的排序的标注信息。标注信息例如可以是排序的名次,该地块的POI的选址参考参数或者根据POI的选址参考参数确定的该地块的得分等,具体标注方式根据使用的排序子模型确定。
排序模型分为两部分,即编码器子模型和排序子模型,两部分可以一起进行训练,可以减少计算量,提高效率,并且通过两种子模型的协同训练过程中的参数调整,可以提高模型训练的准确性。当然,对两种子模型分别进行训练也是可以的。
在一些实施例中,将各个地块的特征信息输入排序模型,基于相邻地块的特征向量相似的先验条件,以及部分地块关于POI的选址参考参数的排序的标注信息,对排序模型进行训练。由训练完成的排序模型输出各个地块关于POI的选址参考参数的排序。
进一步,可以构建各个地块的地理邻接图。后续对模型的训练过程中,相邻地块是根据地理邻接图确定的。如图2B所示为一些应用例的地理邻接图。地理邻接图中节点表示具有邻接关系的各个地块,地理位置相邻的两个地块之间具有边。例如,地块A和地块B属于相邻的两个地块。
针对不同的编码器子模型和排序子模型,排序模型的整体结构可以不同。例如,如图2C所示为本公开排序模型的一些实施例的结构图。排序模型包括两个编码器子模型,这种设置可以是针对排序子模型对于任意两个输入进行排序的情况,例如,排序子模型为Pairwise模型。如果排序子模型不需要成对输入,则可以只设置一个编码器子模型。针对两个编码器子模型的情况,每次任选两个地块,将一个地块的特征信息输入一个编码器子模型,另一个地块的特征信息输入另一个编码器子模型,分别得到输出的两个地块的特征向量;将两个地块的特征向量输入排序子模型,得到两个地块关于POI的选址参考参数的排序。根据任意两个地块关于POI的选址参考参数的排序,输出各个地块关于POI的选址参考参数的排序。每次任选的两个地块不能与之前选择的地块组完全相同。
进一步,如图2C所示,在输入的地块的特征信息包括:地理特征信息、人口特征信息和地块内的用户与POI相关的行为特征信息中至少一种,以及人口流动特征信息的情况下,编码器子模型可以设置两个输入口,两个编码模块。例如,将人口转移图转换为第一向量输入编码器子模型的第一编码模块中,得到输出的第一特征子向量。将地理特征信息和地块内的用户与POI相关的行为特征信息中至少一种转换为第二向量输入编码器子模型的第二编码模块中,得到输出的第二特征子向量。根据第一特征子向量和第二特征子向量,得到输出的各个地块的特征向量。针对每个地块可以根据人口转移图生成邻接矩阵用于表示该地块的人口流动特征信息。
如图2C所示,编码器子模型还可以包括:特征输出模块,解码器模块。特征输出模块可以将第一特征子向量和第二特征子向量转换为各个地块的特征向量输出到排序子模型。例如,可以将第一特征子向量和第二特征子向量进行拼接生成特征向量,或者,将第一特征子向量和第二特征子向量进行加权求和生成特征向量,不限于所举示例。解码器模块可以对特征向量进行解码,主要用于训练过程,后续进行详细描述。
在一些实施例中,排序模型的训练过程如图3所示。在步骤S302中,将各个地块的特征信息输入排序模型,得到输出的各个地块的特征向量的中间值,以及各个地块关于POI的选址参考参数的排序的中间值。
在步骤S304中,根据相邻地块的特征向量的中间值的距离,确定第一损失函数值。根据具有标注信息的地块的标注信息与对应的排序的中间值的差距,确定第二损失函数值。
在步骤S306中,根据第一损失函数值和第二损失函数值,判断是否满足预设收敛条件,如果满足,则停止训练,否则,执行步骤S308。
预设收敛条件可以是根据相邻地块的特征向量相似的先验条件,以及部分地块的标注信息与对应的输出的排序之间的差距满足阈值的先验条件确定的。
在步骤S308中,对排序模型的参数进行调整。返回步骤S302重新开始执行。
例如,将各个地块的特征信息输入编码器子模型,得到编码器子模型输出的各个地块的特征向量的中间值,将各个地块的特征向量的中间值输入排序子模型,得到各个地块关于POI的选址参考参数的排序的中间值。也可以只将具有标注信息的部分地块的特征向量的中间值输入排序子模型。在排序子模型需要成对输入的情况下,每次将一个地块组的特征向量输入编码器子模型;地块组包括任意两个地块;得到该地块组中两个地块的特征向量的中间值,将该地块组中两个地块的特征向量的中间值输入排序子模型,得到该地块组中两个地块关于POI的选址参考参数的排序的中间值。各个地块中任意两个地块都组成地块组输入排序模型。
进一步,根据地理邻接图确定相邻的地块。计算相邻地块的特征向量的中间值的距离,例如,欧式距离,从而确定第一损失函数值。根据排序子模型输出的各个地块的排序的中间值,与部分地块的标注信息进行比对,计算第二损失函数值。第二损失函数值根据具有标注信息的地块的排序的中间值和标注信息的差距计算的,没有标注信息的地块可以不参与第二损失函数值的计算。进一步,可以将第一损失函数和第二损失函数值进行加权求和,与预设收敛条件进行比对,根据比对结果对排序模型的参数进行调整,包括对编码子模型和排序子模型的参数的调整。
预设收敛条件例如为预设损失值,需要第一损失函数和第二损失函数值的加权和小于或等于预设损失值,从而完成模型的训练。或者,预设收敛条件为损失值最小,即在损失值最小的情况下,完成模型的训练。排序模型整体的损失函数可以是第一损失函数与第二损失函数的加权,第一损失函数即计算相邻地块的特征向量的中间值的距离的函数,第二损失函数即计算具有标注信息的地块的标注信息与对应的排序的中间值的差距的函数。可以根据第一损失函数和第二损失函数的加权得到的排序模型的损失函数,采用梯度下降等方法对排序模型的参数进行调整。经过多轮调整,直至满足预设收敛条件,完成对排序模型的训练。
在一些实施例中,排序模型的训练过程还可以包括:根据编码模型的输入与解码模型的输出之间的差距,确定第三损失函数值。进一步,则根据第一损失函数值、第二损失函数值、第三损失函数值,以及预设收敛条件,对排序模型的参数进行调整。步骤S306可以更新为根据第一损失函数值和第二损失函数值,判断是否满足预设收敛条件,如果满足,则停止训练,否则,执行步骤S308对排序模型的参数进行调整,并返回步骤S302重新开始。即排序模型的整体损失函数包括三部分,第一损失函数,第二损失函数,和第三损失函数。第三损失函数即计算编码模块的输入与解码模块的输出之间的差距的函数。
第一损失函数用于实现相邻地块的特征向量相似的先验条件的约束,第二损失函数用于实现地块的标注信息与对应的输出的排序之间的相同或相似的约束,第三损失函数用于实现编码器子模型中编码模块的输入与解码模块的输出相似的约束。基于上述三种约束对排序模型整体进行训练。可以根据第一损失函数、第二损失函数、第三损失函数的加权得到的排序模型的损失函数,采用梯度下降等方法对排序模型的参数进行调整。经过多轮调整,直至满足预设收敛条件,完成对排序模型的训练。训练完成后,编码器子模型可以输出各个地块的特征向量,进一步,将具有标注信息和不具有标注信息的地块的特征向量输入排序子模型,则可以得到各个地块最终的排序。
上述实施例的方法中用到了人口转移图和地理邻接图两种图,属于属性图嵌入的半监督排序模型,编码器子模型用来根据各个地块的特征信息学习每个地块的隐含表征(特征向量),排序子模型利用学习到的每个地块的隐含表征来对地块进行排序。编码器子模型和排序子模型的训练过程也可以单独进行。对于编码器子模型,根据第一损失函数和第三损失函数来进行调整,对于排序子模型根据第二损失函数进行调整。
在步骤S108中,按照各个地块的排序的名次由高到低的顺序,选择一个或多个地块布设POI。
例如,可以按照POI的选址参考参数由大到小进行排序,对应的POI的选址参考参数越大,则该地块排序的名次越高。可以选取排在预设名次之前的地块布设POI。
上述实施例的方法中针对POI待选址的多个地块,获取各个地块的特征信息,特征信息可以包括人口流动特征信息、地理特征信息和地块内的用户与POI相关的行为特征信息中至少一种。基于各个地块的特征信息自动实现对各个地块的排序,排序是按照POI的选址参考参数进行的排序。进一步根据各个地块的排序结果,可以选择一个或多个地块布设POI。上述实施例的方案可以准确考虑待选址的多个地块的特征信息,通过实际的数据对各个地块进行智能排序,不需要选址人员参与,提高选址的效率和合理性。
本公开还提供一种地址选择装置,下面结合图4进行描述。
图4为本公开地址选择装置的一些实施例的结构图。如图4所示,该实施例的装置40包括:地块划分单元402,信息获取单元404,排序单元406,选址单元408。
地块划分单元402,用于将兴趣点POI的待选址区域划分为多个地块。
信息获取单元404,用于获取各个地块的特征信息,特征信息包括:人口流动特征信息、地理特征信息、人口特征信息和地块内的用户与POI相关的行为特征信息中至少一种。
在一些实施例中,人口流动特征信息包括根据预设时间内各个地块之间人口转移数量构建的人口转移图。
排序单元406,用于根据各个地块的特征信息,确定各个地块关于POI的选址参考参数的排序。
在一些实施例中,排序单元406用于将各个地块的特征信息输入排序模型的编码器子模型,得到输出的各个地块特征向量的特征向量;将各个地块特征向量的特征向量输入排序模型的排序子模型,得到输出的输出各个地块关于POI的选址参考参数的排序。
在一些实施例中,排序模型包括两个编码器子模型。排序单元406用于每次任选两个地块,将一个地块的特征信息输入一个编码器子模型,另一个地块的特征信息输入另一个编码器子模型,分别得到输出的两个地块的特征向量;将两个地块的特征向量输入排序子模型,得到两个地块关于POI的选址参考参数的排序,根据任意两个地块关于POI的选址参考参数的排序,输出各个地块关于POI的选址参考参数的排序。
在一些实施例中,在特征信息包括:地理特征信息、人口特征信息和地块内的用户与POI相关的行为特征信息中至少一种,以及人口流动特征信息的情况下,排序单元406用于将人口流动特征信息转换为第一向量输入编码器子模型的第一编码模块中,得到输出的第一特征子向量;将地理特征信息和地块内的用户与POI相关的行为特征信息中至少一种转换为第二向量输入编码器子模型的第二编码模块中,得到输出的第二特征子向量;根据第一特征子向量和第二特征子向量,得到输出的各个地块的特征向量。
在一些实施例中,排序单元406用于将各个地块的特征信息输入排序模型,基于相邻地块的特征向量相似的先验条件,以及部分地块关于POI的选址参考参数的排序的标注信息,对排序模型进行训练;由训练完成的排序模型输出各个地块关于POI的选址参考参数的排序。
在一些实施例中,排序单元406用于将各个地块的特征信息输入排序模型,得到输出的各个地块的特征向量的中间值,以及各个地块关于POI的选址参考参数的排序的中间值;根据相邻地块的特征向量的中间值的距离,确定第一损失函数值;根据部分地块的标注信息与对应的排序的中间值的差距,确定第二损失函数值;根据第一损失函数值和第二损失函数值,以及预设收敛条件,对排序模型的参数进行调整,直至满足预设收敛条件,完成对排序模型的训练。预设收敛条件是根据相邻地块的特征向量相似的先验条件,以及部分地块的标注信息与对应的输出的排序之间的差距满足阈值的先验条件确定的。
在一些实施例中,排序单元406还用于根据编码模块的输入与解码模块的输出之间的差距,确定第三损失函数值;根据第一损失函数值、第二损失函数值、第三损失函数值,以及预设收敛条件,对排序模型的参数进行调整。
选址单元408,用于按照各个地块的排序的名次由高到低的顺序,选择一个或多个地块布设POI。
在一些实施例中,装置40还可以包括:图构建单元410,用于构建各个地块的地理邻接图,地理邻接图中地理位置相邻的两个地块之间具有边;相邻地块是根据地理邻接图确定的.
在一些实施例中,装置40还可以包括:标注单元412,用于获取具有POI的选址参考参数的地块,根据POI的选址参考参数对地块进行排序,并生成地块的关于POI的选址参考参数的排序的标注信息。
本公开的实施例中的地址选择装置可各由各种计算设备或计算机系统来实现,下面结合图5以及图6进行描述。
图5为本公开地址选择装置的一些实施例的结构图。如图5所示,该实施例的装置50包括:存储器510以及耦接至该存储器510的处理器520,处理器520被配置为基于存储在存储器510中的指令,执行本公开中任意一些实施例中的地址选择方法。
其中,存储器510例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图6为本公开地址选择装置的另一些实施例的结构图。如图6所示,该实施例的装置60包括:存储器610以及处理器620,分别与存储器510以及处理器520类似。还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630,640,650以及存储器610和处理器620之间例如可以通过总线660连接。其中,输入输出接口630为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口,例如可以连接到数据库服务器或者云端存储服务器等。存储接口650为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。

Claims (12)

1.一种地址选择方法,包括:
将兴趣点POI的待选址区域划分为多个地块;
获取各个地块的特征信息,所述特征信息包括:人口流动特征信息、地理特征信息、人口特征信息和所述地块内的用户与所述POI相关的行为特征信息中至少一种;
根据各个地块的特征信息,确定各个地块关于所述POI的选址参考参数的排序;
按照各个地块的排序的名次由高到低的顺序,选择一个或多个地块布设所述POI。
2.根据权利要求1所述的地址选择方法,其中,
所述根据各个地块的特征信息,确定各个地块关于所述POI的选址参考参数的排序包括:
将各个地块的特征信息输入排序模型的编码器子模型,得到输出的所述各个地块特征向量的特征向量;
将所述各个地块特征向量的特征向量输入所述排序模型的所述排序子模型,得到输出的输出所述各个地块关于所述POI的选址参考参数的排序。
3.根据权利要求2所述的地址选择方法,其中,
所述排序模型包括两个编码器子模型;
所述将各个地块的特征信息输入排序模型,得到输出的所述各个地块关于所述POI的选址参考参数的排序包括:
每次任选两个地块,将一个地块的特征信息输入一个编码器子模型,另一个地块的特征信息输入另一个编码器子模型,分别得到输出的所述两个地块的特征向量;
将所述两个地块的特征向量输入所述排序子模型,得到所述两个地块关于所述POI的选址参考参数的排序;
根据任意两个地块关于所述POI的选址参考参数的排序,输出所述各个地块关于所述POI的选址参考参数的排序。
4.根据权利要求3所述的地址选择方法,其中,
在所述特征信息包括:地理特征信息、人口特征信息和所述地块内的用户与所述POI相关的行为特征信息中至少一种,以及所述人口流动特征信息的情况下,针对每个地块,采用以下方法得到输出的所述地块的特征向量:
将所述人口流动特征信息转换为第一向量输入所述编码器子模型的第一编码模块中,得到输出的第一特征子向量;
将所述地理特征信息和所述地块内的用户与所述POI相关的行为特征信息中至少一种转换为第二向量输入所述编码器子模型的第二编码模块中,得到输出的第二特征子向量;
根据所述第一特征子向量和所述第二特征子向量,得到输出的所述各个地块的特征向量。
5.根据权利要求1所述的地址选择方法,其中,
所述人口流动特征信息包括根据预设时间内各个地块之间人口转移数量构建的人口转移图。
6.根据权利要求2所述的地址选择方法,其中,
所述将各个地块的特征信息输入排序模型,得到输出的所述各个地块关于所述POI的选址参考参数的排序包括:
将各个地块的特征信息输入排序模型,基于相邻地块的特征向量相似的先验条件,以及部分地块关于所述POI的选址参考参数的排序的标注信息,对所述排序模型进行训练;
由训练完成的所述排序模型输出所述各个地块关于所述POI的选址参考参数的排序。
7.根据权利要求6所述的地址选择方法,其中,
所述对所述排序模型进行训练包括:
将各个地块的特征信息输入排序模型,得到输出的所述各个地块的特征向量的中间值,以及所述各个地块关于所述POI的选址参考参数的排序的中间值;
根据相邻地块的特征向量的中间值的距离,确定第一损失函数值;
根据所述部分地块的标注信息与对应的排序的中间值的差距,确定第二损失函数值;
根据所述第一损失函数值和所述第二损失函数值,以及预设收敛条件,对所述排序模型的参数进行调整,直至满足所述预设收敛条件,完成对所述排序模型的训练;
其中,所述预设收敛条件是根据相邻地块的特征向量相似的先验条件,以及所述部分地块的标注信息与对应的输出的排序之间的差距满足阈值的先验条件确定的。
8.根据权利要求7所述的地址选择方法,其中,
所述编码器子模型包括编码模块和解码模块;
所述对所述排序模型进行训练还包括:
根据所述编码模块的输入与所述解码模块的输出之间的差距,确定第三损失函数值;
所述根据所述第一损失函数值和所述第二损失函数值之和,以及预设收敛条件,对所述排序模型的参数进行调整包括:
根据所述第一损失函数值、所述第二损失函数值、所述第三损失函数值,以及预设收敛条件,对所述排序模型的参数进行调整。
9.根据权利要求6所述的地址选择方法,还包括:
构建所述各个地块的地理邻接图,所述地理邻接图中地理位置相邻的两个地块之间具有边;所述相邻地块是根据所述地理邻接图确定的;
或者,获取具有所述POI的选址参考参数的地块,根据所述POI的选址参考参数对所述地块进行排序,并生成所述地块的关于所述POI的选址参考参数的排序的标注信息。
10.一种地址选择装置,包括:
地块划分单元,用于将兴趣点POI的待选址区域划分为多个地块;
信息获取单元,用于获取各个地块的特征信息,所述特征信息包括:人口流动特征信息、地理特征信息、人口特征信息和所述地块内的用户与所述POI相关的行为特征信息中至少一种;
排序单元,用于根据各个地块的特征信息,确定各个地块关于所述POI的选址参考参数的排序;
选址单元,用于按照各个地块的排序的名次由高到低的顺序,选择一个或多个地块布设所述POI。
11.一种地址选择装置,包括:
处理器;以及
耦接至所述处理器的存储器,用于存储指令,所述指令被所述处理器执行时,使所述处理器执行如权利要求1-9任一项所述的地址选择方法。
12.一种计算机可读非瞬时性存储介质,其上存储有计算机指令,其中,该指令被处理器执行时,使所述处理器实现权利要求1-9任一项所述方法的步骤。
CN201910721988.3A 2019-08-06 2019-08-06 地址选择方法、装置以及非瞬时性存储介质 Active CN110413722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910721988.3A CN110413722B (zh) 2019-08-06 2019-08-06 地址选择方法、装置以及非瞬时性存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910721988.3A CN110413722B (zh) 2019-08-06 2019-08-06 地址选择方法、装置以及非瞬时性存储介质

Publications (2)

Publication Number Publication Date
CN110413722A true CN110413722A (zh) 2019-11-05
CN110413722B CN110413722B (zh) 2021-03-30

Family

ID=68366136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910721988.3A Active CN110413722B (zh) 2019-08-06 2019-08-06 地址选择方法、装置以及非瞬时性存储介质

Country Status (1)

Country Link
CN (1) CN110413722B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110837930A (zh) * 2019-11-07 2020-02-25 腾讯科技(深圳)有限公司 一种选址方法、装置、设备及存储介质
CN111241226A (zh) * 2020-01-10 2020-06-05 支付宝(杭州)信息技术有限公司 选址方法、装置及设备
CN113283680A (zh) * 2021-07-20 2021-08-20 北京世纪好未来教育科技有限公司 一种选址方法、装置、设备及其存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150051829A1 (en) * 2013-08-13 2015-02-19 Aol Inc. Systems and methods for providing mapping services including route break point recommendations
CN104933633A (zh) * 2015-05-29 2015-09-23 国家电网公司 一种变电站声功能区类别调整年限的计算方法
CN107909105A (zh) * 2017-11-13 2018-04-13 上海交通大学 一种商业选址方法及系统
CN108921214A (zh) * 2018-06-28 2018-11-30 中国联合网络通信有限公司深圳市分公司 城市属性的获取方法、装置及计算机可读存储介质
CN108960912A (zh) * 2018-06-27 2018-12-07 北京京东金融科技控股有限公司 用于确定目标位置的方法和装置
CN109345130A (zh) * 2018-10-12 2019-02-15 深圳市和讯华谷信息技术有限公司 商业选址的方法、装置、计算机设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150051829A1 (en) * 2013-08-13 2015-02-19 Aol Inc. Systems and methods for providing mapping services including route break point recommendations
CN104933633A (zh) * 2015-05-29 2015-09-23 国家电网公司 一种变电站声功能区类别调整年限的计算方法
CN107909105A (zh) * 2017-11-13 2018-04-13 上海交通大学 一种商业选址方法及系统
CN108960912A (zh) * 2018-06-27 2018-12-07 北京京东金融科技控股有限公司 用于确定目标位置的方法和装置
CN108921214A (zh) * 2018-06-28 2018-11-30 中国联合网络通信有限公司深圳市分公司 城市属性的获取方法、装置及计算机可读存储介质
CN109345130A (zh) * 2018-10-12 2019-02-15 深圳市和讯华谷信息技术有限公司 商业选址的方法、装置、计算机设备及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110837930A (zh) * 2019-11-07 2020-02-25 腾讯科技(深圳)有限公司 一种选址方法、装置、设备及存储介质
CN110837930B (zh) * 2019-11-07 2023-09-19 腾讯科技(深圳)有限公司 一种选址方法、装置、设备及存储介质
CN111241226A (zh) * 2020-01-10 2020-06-05 支付宝(杭州)信息技术有限公司 选址方法、装置及设备
CN111241226B (zh) * 2020-01-10 2023-05-05 支付宝(杭州)信息技术有限公司 选址方法、装置及设备
CN113283680A (zh) * 2021-07-20 2021-08-20 北京世纪好未来教育科技有限公司 一种选址方法、装置、设备及其存储介质

Also Published As

Publication number Publication date
CN110413722B (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
Guo et al. Infrastructure planning for fast charging stations in a competitive market
CN110413722A (zh) 地址选择方法、装置以及非瞬时性存储介质
CN110490738A (zh) 一种混合联邦学习方法及架构
CN111191918A (zh) 一种智能电网通信网的业务路由规划方法及装置
CN109886699A (zh) 行为识别方法及装置、电子设备、存储介质
CN110163683A (zh) 价值用户关键指标确定方法、广告投放方法及装置
CN107067282B (zh) 一种消费品返利销售营销管理系统及其使用方法
CN109117352B (zh) 服务器性能预测方法和装置
CN109446171A (zh) 一种数据处理方法和装置
CN109800401A (zh) 信息报表自动生成方法及装置
CN109858934A (zh) 定价方法、装置和计算机可读存储介质
CN107590690A (zh) 数据处理方法、装置及服务器
CN107423893A (zh) 一种业务流程的全覆盖测试方法和装置
CN113807705A (zh) 数字孪生运行驱动的配电网规划方法、装置及终端
CN116596640A (zh) 电力零售电费套餐的推荐方法、系统、设备及存储介质
CN105977958B (zh) 基于网络分裂法的双边交易网损分摊方法
CN110472143A (zh) 一种信息推送方法、装置、可读存储介质及终端设备
Ali et al. Integrating forecasting service and Gen2 blockchain into a local energy trading platform to promote sustainability goals
CN109767333A (zh) 选基方法、装置、电子设备及计算机可读存储介质
CN112581184A (zh) 一种空铁联运票价制定方法、系统、设备及可读存储介质
CN108345620A (zh) 品牌信息处理方法、装置、存储介质及电子设备
CN108960501B (zh) 一种商品防窜货方法
CN110322286A (zh) 电价信息生成方法和装置
CN109241234A (zh) 地址的确定方法、装置及计算机可读存储介质
CN109523246A (zh) 用户缴费渠道规划方法及装置

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