CN110765370B - 地点信息存储方法、推荐地点的查询方法、装置及服务器 - Google Patents

Abstract

本申请提供了一种地点信息存储方法、推荐地点的查询方法、装置及服务器，其中，该地点信息存储方法包括：获取历史操作信息；统计地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数；根据查询次数与各个目的地的订单数间的比例关系确定地点标识信息对应的推荐地点；将地点标识信息对应的推荐地点存储至地点列表中，以供地点推荐使用。通过上述方法在进行地点推荐时，可以参考上述地点列表，以便于当获取到用户查询词时，能够在地点列表中查找到与用户查询词匹配的地点标识信息，进而可以将对应的推荐地点作为较为准确的目的地进行推荐，以提高目的地推荐的准确率，同时，也有助于提高用户的体验度。

Description

地点信息存储方法、推荐地点的查询方法、装置及服务器

技术领域

本申请涉及计算机通信技术领域，具体而言，涉及一种地点信息存储方法、推荐地点的查询方法、装置及服务器。

背景技术

目前，随着智能设备和移动互联网技术的发展，结合互联网的新型出行方式也出现了蓬勃的发展。为了更好地满足用户的出行需求以及运营人员的运营需求，准确识别用户想要去的目的地对检索有很重要的意义。

现有技术中，对用户输入的地点词，通常会进行目的地的推荐，以便于用户对目的地进行选择，但是，对于目的地的推荐，通常是基于历史订单来进行的，很容易出现目的地推荐不准确的情况，降低了用户的体验度。

发明内容

有鉴于此，本申请的目的在于提供一种地点信息存储方法、推荐地点的查询方法、装置及服务器，以够缓解现有技术中存在的目的地推荐不准确的技术问题，以提高用户的体验度。

根据本申请的一个方面，提供一种服务器，可以包括存储介质和与存储介质通信的处理器。存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行以下操作：

获取历史操作信息；其中，所述历史操作信息包括：与地点标识信息对应的查询次数信息和历史成单信息；统计地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数；根据查询次数与各个目的地的订单数间的比例关系确定地点标识信息对应的推荐地点；将地点标识信息对应的推荐地点存储至地点列表中，以供地点推荐使用。

在一些实施例中，上述根据查询次数与各个目的地的订单数间的比例关系确定地点标识信息对应的推荐地点步骤包括：根据查询次数与各个目的地的订单数间的比例关系，确定每个目的地的统计概率；将统计概率高于预设概率阈值的目的地确定为地点标识信息对应的推荐地点。

在一些实施例中，上述根据查询次数与各个目的地的订单数间的比例关系，确定每个目的地的统计概率的步骤包括：目的地的统计概率

其中，P为统计概率，C(Q，D)为目的地的订单数；C(Q)为查询次数；α为预设的第一平滑因子，β为预设的第二平滑因子，且，第一平滑因子小于或等于第二平滑因子。

在一些实施例中，上述根据查询次数与各个目的地的订单数间的比例关系，确定每个目的地的统计概率的步骤包括：当目的地的订单数大于第一预设值和/或查询次数大于第二预设值时，目的地的统计概率

其中，P为统计概率，C(Q，D)为目的地的订单数；C(Q)为查询次数。

在一些实施例中，上述方法还包括：按照预先设置的时间周期对历史操作信息进行更新。

根据本申请的另一个方面，还提供一种推荐地点的查询方法，包括：获取用户查询词；在地点列表中查找与用户查询词匹配的地点标识信息；地点列表为上述方面的方法中的地点列表；将查找到的地点标识信息对应的推荐地点作为用户查询词的查询结果。

在一些实施例中，上述获取用户查询词的步骤包括：通过订单系统接收用户查询词；上述方法还包括：将查询结果添加至订单系统的地点推荐列表中；在订单系统的用户界面上呈现地点推荐列表。

在一些实施例中，上述订单系统为网约车订单系统或订餐系统。

根据本申请的另一个方面，还提供一种地点信息存储装置，包括：第一获取模块，用于获取历史操作信息；其中，历史操作信息包括：与地点标识信息对应的查询次数信息和历史成单信息；统计模块，用于统计地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数；确定模块，用于根据查询次数与各个目的地的订单数间的比例关系确定地点标识信息对应的推荐地点；存储模块，用于将地点标识信息对应的推荐地点存储至地点列表中，以供地点推荐使用。

在一些实施例中，上述确定模块用于：根据查询次数与各个目的地的订单数间的比例关系，确定每个目的地的统计概率；将统计概率高于预设概率阈值的目的地确定为地点标识信息对应的推荐地点。

在一些实施例中，上述确定模块用于：目的地的统计概率

其中，P为统计概率，C(Q，D)为目的地的订单数；C(Q)为查询次数；α为预设的第一平滑因子，β为预设的第二平滑因子，且，第一平滑因子小于或等于第二平滑因子。

在一些实施例中，上述确定模块还用于：当目的地的订单数大于第一预设值和/或查询次数大于第二预设值时，目的地的统计概率

其中，P为统计概率，C(Q，D)为目的地的订单数；C(Q)为查询次数。

在一些实施例中，上述装置还包括：更新模块，用于按照预先设置的时间周期对历史操作信息进行更新。

根据本申请的另一个方面，还提供一种推荐地点的查询装置，包括：第二获取模块，用于获取用户查询词；查找模块，用于在地点列表中查找与用户查询词匹配的地点标识信息；地点列表为上述方面的地点列表；推荐模块，用于将查找到的地点标识信息对应的推荐地点作为用户查询词的查询结果。

在一些实施例中，上述第二获取模块用于：通过订单系统接收用户查询词；上述装置还包括：添加模块，用于将查询结果添加至订单系统的地点推荐列表中；呈现模块，用于在订单系统的用户界面上呈现地点推荐列表。

在一些实施例中，上述订单系统为网约车订单系统或订餐系统。

根据本申请的另一个方面，还提供一种服务器，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当服务器运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行上述方法的步骤。

根据本申请的另一个方面，还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法的步骤。

基于上述任一方面，可以获取包括与地点标识信息对应的查询次数信息和历史成单信息的历史操作信息，以便于统计地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数，并根据查询次数与各个目的地的订单数间的比例关系确定出该地点标识信息对应的推荐地点，进而将该地点标识信息对应的推荐地点存储至地点列表中，在进行地点推荐时，可以参考该保存有地点标识信息和对应的推荐地点的地点列表，以便于当获取到用户查询词时，能够在地点列表中查找到与用户查询词匹配的地点标识信息，进而可以将对应的推荐地点作为较为准确的目的地进行推荐，以提高目的地推荐的准确率，同时，也有助于提高用户的体验度。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本申请实施例提供的一种服务器的架构示意图；

图2示出了本申请实施例提供的一种地点信息存储方法的流程图；

图3示出了本申请实施例提供的另一种地点信息存储方法的流程图；

图4示出了本申请实施例提供的一种推荐地点的查询方法的流程图；

图5示出了本申请实施例提供的一种地点信息存储装置的结构示意图；

图6示出了本申请实施例提供的另一种地点信息存储装置的结构示意图；

图7示出了本申请实施例提供的一种推荐地点的查询装置的结构示意图；

图8示出了本申请实施例提供的另一种推荐地点的查询装置的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。

目前，对于结合互联网的新型出行方式，用户在通常会输入目的地的查询词来进行路线的导航和定位，因此，准确识别用户想要去的目的地或者城市，对检索有很重要的意义，在现有技术中，对用户想要去的目的地或者城市进行识别时，通常基于历史订单中的信息进行大数据统计和识别，以推荐相应的目的地址。但是，基于历史订单的识别方式，也可能会出现推荐不准确的情况，如，对于成单量较少的目的地等，此时，历史订单的的参考价值相对较小，往往会导致目的地推荐不准确，降低了用户的体验度。

基于此，本申请提供了一种地点信息存储方法、推荐地点的查询方法、装置及服务器，以缓解上述目的地推荐不准确，导致的降低用户体验度的技术问题。

图1示出可以实现本申请的一些实施例的服务器100的示例性硬件和软件组件的示意图。该服务器100可以是通用服务器或特殊用途的服务器，两者都可以用于实现本申请的地点信息存储方法和推荐地点的查询方法。服务器100可以包括连接到网络的网络端口110、用于执行程序指令的一个或多个处理器120、通信总线130、和不同形式的存储介质140，例如，磁盘、ROM、或RAM，或其任意组合。示例性地，还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的装置。服务器100还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output，I/O)接口150。

当服务器运行时，处理器120与存储介质140之间通过通信总线130通信，处理器120执行机器可读指令，以实现如下实施例中的地点信息存储和推荐地点的查询方法的步骤，例如：可以通过网络端口110从网络获取历史操作信息，该历史操作信息可以被存储在存储介质140，处理器从存储介质140读取该历史操作信息，对历史操作信息进行统计，以得到地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数等等，然后根据查询次数与各个目的地的订单数间的比例关系确定地点标识信息对应的推荐地点；进而将地点标识信息对应的推荐地点存储至地点列表中，以供地点推荐使用。

为了便于说明，在服务器100中仅描述了一个处理器。然而，应当注意，本申请中的服务器100还可以包括多个处理器，因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如，若服务器100的处理器执行步骤A和步骤B，则应该理解，步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一处理器和第二处理器共同执行步骤A和B。

基于上述服务器的描述，本申请实施例首先描述了一种地点信息存储方法，如图2所示的一种地点信息存储方法的流程图，该方法包括如下步骤：

步骤S202，获取历史操作信息；

其中，该历史操作信息包括：与地点标识信息对应的查询次数信息和历史成单信息；

步骤S204，统计上述地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数；

具体地，上述地点标识信息通常是地域性较强的词，例如，XX地XX广场、XX风景区、XX地区XX酒店等等，并且，该地域性较强的词可以是同城的，也可以是跨城的。

进一步，上述查询次数通常指用户在订单系统查询某一个地点标识信息的查询次数，历史成单信息指的是以该地点标识信息对应地点为目的地的成单信息。

步骤S206，根据查询次数与各个目的地的订单数间的比例关系确定地点标识信息对应的推荐地点；

步骤S208，将地点标识信息对应的推荐地点存储至地点列表中，以供地点推荐使用。

本申请提供的地点信息存储方法，可以获取包括与地点标识信息对应的查询次数信息和历史成单信息的历史操作信息，以便于统计地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数，并根据查询次数与各个目的地的订单数间的比例关系确定出该地点标识信息对应的推荐地点，进而将该地点标识信息对应的推荐地点存储至地点列表中，在进行地点推荐时，可以参考该保存有地点标识信息和对应的推荐地点的地点列表，以便于当获取到用户查询词时，能够在地点列表中查找到与用户查询词匹配的地点标识信息，进而可以将对应的推荐地点作为较为准确的目的地进行推荐，以提高目的地推荐的准确率，同时，也有助于提高用户的体验度。

在实际使用时，本申请提供的地点信息存储方法实际上是基于历史操作信息对用户行为的挖掘过程，上述地点标识信息通常是开发人员设定的地域性较强的查询词，或者，按照预设的选词标注在词库中选取上述地域性较强的查询词，具体地，上述地点标识信息的选取标准可以根据实际使用情况进行设置，本申请对此不进行限制。

考虑到地点标识信息对应订单的各个目的地的数量通常是不唯一的，因此，在根据比例关系确定地点标识信息对应的推荐地点时，需要参考上述地点标识信息对应订单的每一个目的地的订单数来确定相应的推荐地点，具体地，以地点标识信息为A广场为例进行说明，假设其查询次数为C，在查询次数为C时，对应的目的地共有3个，为C1、C2和C3，因此，需统计地点标识信息为A广场时，对应的目的地为C1、C2和C3的订单数，进而确定该地点标识信息对应的推荐地点是C1、C2或者C3，或者每一个目的地都不符合本申请中记载的确定地点标识信息对应的推荐地点的过程。

因此，在上述图2的基础上，本申请还提出了另一种地点信息存储方法，如图3所示的另一种地点信息存储方法的流程图，该方法包括以下步骤，其中，图3中所示步骤S302和步骤S304与图2所示步骤S202和步骤S204一致，在此不再赘述。

步骤S306，根据查询次数与各个目的地的订单数间的比例关系，确定每个目的地的统计概率；

在实际使用时，该统计概率通常指的是各个目的地的订单数占查询次数的概率，依次来确定每个目的地的统计概率，具体地，每个目的地的统计概率可以表示为：

其中，P为统计概率，C(Q，D)为目的地的订单数；C(Q)为查询次数；α为预设的第一平滑因子，β为预设的第二平滑因子，且，为了避免上述概率出现大于1的情况，上述第一平滑因子小于或等于第二平滑因子，即α≤β。

具体地，上述C(Q)指的是Count(Query)，上述C(Q，D)指的是Count(Query，Destination_city)，其中，Count()是基于用户的行为进行查询的过程，如，根据用户的成单记录(历史成单信息)或用户的点击记录(查询次数)进行查询等等，Query是一个查询参数类，封装了查询条件，分页，排序等功能，例如，分页参数：设置分页；排序参数：设置排序字段；条件参数：设置查询条件；字段参数：可返回指定字段等等，以进行地点标识信息的查询次数和与该地点标识信息对应订单的各个目的地的订单数的统计过程；Destination_city为上述目的地所在的城市。因此，上述Count(Query，Destination_city)，指的是与地点标识信息对应订单的各个目的地的订单数，例如，以一个Query为地点标识信息为例，上述Count(Query，Destination_city)相当于这个Query对应目的地所在的城市在历史成单时出现的次数，因此，通过上述计算公式，可以计算出每个目的地的统计概率。

上述α和β为预设的两个平滑因子，在实际使用时，上述α和β的数值可以根据实际使用情况进行设置，但是，需要注意的是，要满足α≤β的条件，以避免出现概率大于1的情况，进一步，上述α还可以设置成0，即，仅在上述公式的分母中加入平滑因子进行计算等等，具体以实际计算情况为准，本申请对此不进行限制。

本申请记载的地点信息存储方法，通过加入上述平滑因子对每个目的地的统计概率进行计算的方式，当历史操作信息较少时，可以降低出现概率统计的极端情况。

为了便于理解，以上述查询次数C(Q)＝100为例进行说明，并选取第一平滑因子α＝16，第二平滑因子β＝20，假设其中一个目的地为C1，且，目的地为C1的订单数为90，此时，根据上述步骤计算的统计概率表示为：

与未加入平滑因子时计算的90％的统计概率相比，统计概率有所下降。

进一步，假设C(Q)＝10000，目的地为C1的订单数为9000，此时，根据上述步骤计算的统计概率为89.98％，与未加入平滑因子时计算的90％的统计概率相比，是非常接近的，因此，当历史操作信息较多时，加入平滑因子之前和加入平滑因子之后求得的统计概率基本相等，因此，对历史操作信息较多的地点标识信息，其统计概率不会造成影响，对历史操作信息较少的地点标识信息，可以避免概率过大的情况，以过滤掉低频的地点标识信息，即Query，使得统计结果具有较高的鲁棒性，从而可以挖掘出具有高置信度的Query。

进一步，由上述计算举例可知，当历史操作信息较多时，加入平滑因子之前和加入平滑因子之后求得的统计概率基本相等，因此，对于较多历史操作信息的计算过程，可以不加入平滑因子进行计算，具体地，当上述目的地的订单数大于第一预设值和/或查询次数大于第二预设值时，上述目的地的统计概率

其中，P为统计概率，C(Q，D)为目的地的订单数；C(Q)为查询次数。

即，当上述目的地的订单数大于第一预设值，或者，查询次数大于第二预设值，或者，同时满足目的地的订单数大于第一预设值且查询次数大于第二预设值时，可以不加入平滑因子，直接计算上述统计概率。在实际使用时，上述第一预设值和第二预设值的数量可以根据实际使用情况进行设置，本申请实施方式对此不进行限制。

步骤S308，将统计概率高于预设概率阈值的目的地确定为地点标识信息对应的推荐地点；

在实际使用时，为了在进行地点推荐时，能够较为准确地向用户推荐相应的推荐地点，通常该预设概率阈值可以设置成较高的阈值，如0.99等。如果此时统计概率高于该预设概率阈值，说明在当前地点标识信息的查询次数下，较多的用户都选择去了推荐地点对应的目的地，即基于当前的Query的条件下，用户最有可能去的目的地是上述推荐地点对应的目的地。

此外，上述根据查询次数与各个目的地的订单数间的比例关系，确定每个目的地的统计概率的过程，并未区分与地点标识信息对应的历史成单信息是同城订单还是跨城订单，因此，本申请记载的地点信息存储方法，在确定地点标识信息对应的推荐地点时，既包括确定同城的推荐地点，也包括确定跨城的推荐地点。因此，对于跨城的推荐地点，通过上述推荐地点的确定过程，也可以识别出用户想要去的城市，从而可以挖掘出具有高置信度的跨城Query，使得统计结果更具有鲁棒性。

步骤S310，将地点标识信息对应的推荐地点存储至地点列表中，以供地点推荐使用。

进一步，考虑到历史操作信息是不断累积的过程，因此，本申请提供的地点信息存储方法还包括历史操作信息的更新过程，具体地，可以按照预先设置的时间周期对历史操作信息进行更新。在实际使用时，开发人员可以设置成自动更新的过程，如每个3个月对服务器中存储的历史操作信息进行更新，或者，有新的历史操作信息生成，且保存的数量超过一定量时，进行自动更新等等，进一步，也以设置成手动更新的过程，如由开发人员根据实际计算需求进行手动更新历史操作信息等等，具体以实际使用情况为准，本申请对此不进行限制。

基于上述实施例所示的地点信息存储方法，本申请还提供了一种推荐地点的查询方法，如图4所示的一种推荐地点的查询方法的流程图，包括以下步骤：

步骤S402，获取用户查询词；

在实际使用时，获取的用户查询词通常也是地域性较强的词，以便于在获取到该地域性较强的词后，继续执行下述步骤进行用户查询词的匹配。

步骤S404，在地点列表中查找与用户查询词匹配的地点标识信息；

其中，该地点列表为上述图2或图3所示方法中的地点列表；

进一步，为了在地点列表中查找到与用户查询词匹配的地点标识信息，通常可以采用关键字匹配的方式进行查找，例如，假设用户输入的是XX山，此时，服务器可以对“XX山”进行关键字匹配，从而匹配出“XX山风景区”、“XX山车站”等地点标识信息，具体地匹配过程可以根据实际计算需求，以及相关技术资料实现，本申请对此不进行限制。

步骤S406，将查找到的地点标识信息对应的推荐地点作为用户查询词的查询结果。

具体地，如果在地点列表中查找与用户查询词匹配的地点标识信息，则可以将该推荐地点作为查询结果，并呈现给用户。进一步，由于上述推荐地点是基于前述统计概率高于预设概率阈值的目的地确定，因此，该推荐地点对用户来说具有较高的参考价值。

在实际使用时，上述获取用户查询词的步骤，通常是通过订单系统接收的用户查询词；因此，上述方法还包括通过订单系统对查询结果进行呈现的过程，即将查询结果添加至上述订单系统的地点推荐列表中；在订单系统的用户界面上呈现上述地点推荐列表。即，上述地点推荐列表中包括上述推荐地点对应的目的地地址，供用户来选择。

在实际使用时，上述订单系统通常为网约车订单系统或订餐系统等等，具体以实际使用情况为准，本申请对此不进行限制。

为了便于理解，下述表1提供了一种地点列表的形式，如表1所示，

地点标识信息	推荐地点	统计概率
			天安门	北京	0.9991
天安门广场	北京	0.9998
			白云机场	广州	1.0
容桂客运站	佛山	0.999

基于上述表1，对图4所示推荐地点的查询方法进行说明，假设用户使用的是网约车订单系统，且用户在城市A，且城市A是不同于广州的任意其他城市，如果用户输入的白云机场，此时，网约车订单系统接收到用户输入的白云机场后，将白云机场发送至服务器，以使服务器获取到该“白云机场”，即，此时的用户查询词为“白云机场”，服务器调取上述表1所示的地点列表之后，查找该“白云机场”并发现有与该用户查询词匹配的“白云机场”，且该“白云机场”对应的推荐地点为广州，此时，就会将广州的白云机场地址作为查询结果，并发送至网约车订单系统，通过网约车订单系统呈现给用户，以实现对用户出行的目的地进行推荐。

进一步，由于上述地点列表中的地点标识信息和推荐地点是在统计概率高于预设概率阈值的情况下确定的，即，上述地点列表具有较高的鲁棒性，因此，本申请中当获取到用户查询词时，能够在地点列表中查找到与用户查询词匹配的地点标识信息，进而可以将对应的推荐地点作为较为准确的目的地进行推荐，以提高目的地推荐的准确率，同时，也有助于提高用户的体验度。

基于同一发明构思，本申请实施例中还提供了与地点信息存储方法对应的地点信息存储装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述地点信息存储方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

具体地，如5所示的一种地点信息存储装置的结构示意图，该装置包括：

第一获取模块50，用于获取历史操作信息；其中，历史操作信息包括：与地点标识信息对应的查询次数信息和历史成单信息；

统计模块52，用于统计地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数；

确定模块54，用于根据查询次数与各个目的地的订单数间的比例关系确定地点标识信息对应的推荐地点；

存储模块56，用于将地点标识信息对应的推荐地点存储至地点列表中，以供地点推荐使用。

在一些实施例中，上述确定模块用于：根据查询次数与各个目的地的订单数间的比例关系，确定每个目的地的统计概率；将统计概率高于预设概率阈值的目的地确定为地点标识信息对应的推荐地点。

在一些实施例中，上述确定模块用于：目的地的统计概率

其中，P为统计概率，C(Q，D)为目的地的订单数；C(Q)为查询次数；α为预设的第一平滑因子，β为预设的第二平滑因子，且，第一平滑因子小于或等于第二平滑因子。

在一些实施例中，上述确定模块还用于：当目的地的订单数大于第一预设值和/或查询次数大于第二预设值时，目的地的统计概率

其中，P为统计概率，C(Q，D)为目的地的订单数；C(Q)为查询次数。

在上述图5的基础上，图6示出了另一种地点信息存储装置的结构示意图，除上述图5所示的结构外，上述装置还包括：

更新模块60，用于按照预先设置的时间周期对历史操作信息进行更新。

此外，本申请实施例中还提供了与推荐地点的查询方法对应的推荐地点的查询装置，如图7所示的一种推荐地点的查询装置的结构示意图，该装置包括：

第二获取模块62，用于获取用户查询词；

查找模块64，用于在地点列表中查找与用户查询词匹配的地点标识信息；地点列表为上述装置中的地点列表；

推荐模块66，用于将查找到的地点标识信息对应的推荐地点作为用户查询词的查询结果。

在一些实施例中，上述第二获取模块用于：通过订单系统接收用户查询词；因此，在图7的基础上，图8示出了另一种推荐地点的查询装置的结构示意图，除图7所示结构，上述推荐地点的查询装置还包括：

添加模块68，用于将查询结果添加至订单系统的地点推荐列表中；

呈现模块70，用于在订单系统的用户界面上呈现地点推荐列表。

在一些实施例中，上述订单系统为网约车订单系统或订餐系统。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如图2～图4所示的方法的步骤

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种地点信息存储方法，其特征在于，包括：

获取历史操作信息；其中，所述历史操作信息包括：与地点标识信息对应的查询次数信息和历史成单信息；其中，所述查询次数指用户在订单系统查询某一个地点标识信息的查询次数，所述历史成单信息指以该地点标识信息对应地点为目的地的成单信息；

统计所述地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数；

根据所述查询次数与各个所述目的地的订单数间的比例关系确定所述地点标识信息对应的推荐地点；

将所述地点标识信息对应的推荐地点存储至地点列表中，以供地点推荐使用；

其中，根据所述查询次数与各个所述目的地的订单数间的比例关系确定所述地点标识信息对应的推荐地点步骤包括：

根据所述查询次数与各个所述目的地的订单数间的比例关系，确定每个所述目的地的统计概率；

将所述统计概率高于预设概率阈值的目的地确定为所述地点标识信息对应的推荐地点。

2.根据权利要求1所述的方法，其特征在于，根据所述查询次数与各个所述目的地的订单数间的比例关系，确定每个所述目的地的统计概率的步骤包括：

所述目的地的统计概率

其中，P为统计概率，C(Q，D)为所述目的地的订单数；C(Q)为所述查询次数；α为预设的第一平滑因子，β为预设的第二平滑因子，且，所述第一平滑因子小于或等于所述第二平滑因子。

3.根据权利要求1所述的方法，其特征在于，根据所述查询次数与各个所述目的地的订单数间的比例关系，确定每个所述目的地的统计概率的步骤包括：

当所述目的地的订单数大于第一预设值和/或所述查询次数大于第二预设值时，所述目的地的统计概率

其中，P为统计概率，C(Q，D)为所述目的地的订单数；C(Q)为所述查询次数。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

按照预先设置的时间周期对所述历史操作信息进行更新。

5.一种推荐地点的查询方法，其特征在于，包括：

获取用户查询词；

在地点列表中查找与所述用户查询词匹配的地点标识信息；所述地点列表为权利要求1至4任一项所述的方法中的地点列表；

将查找到的地点标识信息对应的推荐地点作为所述用户查询词的查询结果。

6.根据权利要求5所述的方法，其特征在于，所述获取用户查询词的步骤包括：通过订单系统接收用户查询词；

所述方法还包括：

将所述查询结果添加至所述订单系统的地点推荐列表中；

在所述订单系统的用户界面上呈现所述地点推荐列表。

7.一种地点信息存储装置，其特征在于，包括：

第一获取模块，用于获取历史操作信息；其中，所述历史操作信息包括：与地点标识信息对应的查询次数信息和历史成单信息；其中，所述查询次数指用户在订单系统查询某一个地点标识信息的查询次数，所述历史成单信息指以该地点标识信息对应地点为目的地的成单信息；

统计模块，用于统计所述地点标识信息的查询次数与该地点标识信息对应订单的各个目的地的订单数；

确定模块，用于根据所述查询次数与各个所述目的地的订单数间的比例关系确定所述地点标识信息对应的推荐地点；

存储模块，用于将所述地点标识信息对应的推荐地点存储至地点列表中，以供地点推荐使用；

其中，所述确定模块还用于：根据所述查询次数与各个所述目的地的订单数间的比例关系，确定每个所述目的地的统计概率；

将所述统计概率高于预设概率阈值的目的地确定为所述地点标识信息对应的推荐地点。

8.一种推荐地点的查询装置，其特征在于，包括：

第二获取模块，用于获取用户查询词；

查找模块，用于在地点列表中查找与所述用户查询词匹配的地点标识信息；所述地点列表为权利要求7所述的装置中的地点列表；

推荐模块，用于将查找到的地点标识信息对应的推荐地点作为所述用户查询词的查询结果。

9.一种服务器，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当所述服务器运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至6任一所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至6任一所述方法的步骤。

Images