CN112287051A - 商户导航方法、装置、服务器及存储介质 - Google Patents

商户导航方法、装置、服务器及存储介质 Download PDF

Info

Publication number
CN112287051A
CN112287051A CN202011061828.XA CN202011061828A CN112287051A CN 112287051 A CN112287051 A CN 112287051A CN 202011061828 A CN202011061828 A CN 202011061828A CN 112287051 A CN112287051 A CN 112287051A
Authority
CN
China
Prior art keywords
merchant
target
information
description information
gate head
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.)
Pending
Application number
CN202011061828.XA
Other languages
English (en)
Inventor
毛涛
蒋谨竹
袁媛
唐倩
刘帅
钟伟
徐宇阳
翁皿泱
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.)
Hanhai Information Technology Shanghai Co Ltd
Original Assignee
Hanhai Information Technology Shanghai 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 Hanhai Information Technology Shanghai Co Ltd filed Critical Hanhai Information Technology Shanghai Co Ltd
Priority to CN202011061828.XA priority Critical patent/CN112287051A/zh
Publication of CN112287051A publication Critical patent/CN112287051A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Navigation (AREA)

Abstract

本公开提供了一种商户导航方法、装置、服务器及存储介质，属于互联网技术领域。所述方法包括：接收目标用户账号发送的位置查询请求，位置查询请求包括目标商户标识；获取目标商户标识对应的目标位置引导信息，目标位置引导信息根据目标商户的评论信息生成；将目标位置引导信息发送至目标用户账号，目标位置引导信息用于确定目标商户的位置。本公开将目标位置引导信息发送至目标账号，以指引目标账号确定出目标商户位置。由于无需借助其他设备，因而导航过程资源消耗较低，且该目标位置引导信息根据目标商户的评论信息生成，由于该评论信息为曾经到过目标商户的用户发表，因而所生成的目标位置引导信息更可靠，导航准确性更高。

Description

商户导航方法、装置、服务器及存储介质
技术领域
本公开涉及互联网技术领域，特别涉及一种商户导航方法、装置、服务器及存储介质。
背景技术
随着现代城市迅速发展，超市、商场、停车场、写字楼、购物中心等场景越来越大型化。当用户外出购物或聚餐等时，通常要花费大量的时间去寻找目标商户。
目前，相关技术在进行商户导航时，主要采用如下方法：在商场内建立监控摄像机与商户之间的映射记录，并对监控摄像机在各楼层的二维地图中进行位置标注，当用户发起对目标商户的查询请求时，向用户推送目标商户所在的楼层信息以及目标商户对应监控摄像机在二维地图中的位置信息，同时对用户的位置信息进行实时获取并提供到达目标商户的导航提示。
然而，需要借助商场内设置的监控摄像机，导航过程资源消耗较大。
发明内容
本公开实施例提供了一种商户导航方法、装置、服务器及存储介质，能够减小导航过程中的资源消耗。所述技术方案如下：
一方面，提供了一种商户导航方法，所述方法包括：
接收目标用户账号发送的位置查询请求，所述位置查询请求包括目标商户标识；
获取所述目标商户标识对应的目标位置引导信息，所述目标位置引导信息根据目标商户的评论信息生成；
将所述目标位置引导信息发送至所述目标用户账号，所述目标位置引导信息用于确定所述目标商户的位置。
在本公开的另一个实施例中，所述位置引导信息包括目标商户门头图或目标商户位置描述信息中至少一项；
所述获取所述目标商户标识对应的位置引导信息，包括：
根据所述目标商户标识，从位置引导数据库中，获取所述目标商户标识对应的目标商户门头图、目标商户位置描述信息中至少一项，所述位置引导数据库中存储有商户标识与商户门头图、商户位置描述信息中至少一项的对应关系。
在本公开的另一个实施例中，所述根据所述目标商户标识，从位置引导数据库中，获取所述目标商户标识对应的目标商户门头图、目标商户位置描述信息中至少一项之前，还包括：
对于任一商户，从所述商户对应的评论信息中，获取所述商户标识对应的商户门头图；
从所述商户对应的评论信息中，获取所述商户标识对应的商户位置描述信息；
对所述商户门头图和所述商户位置描述信息进行处理，得到处理后的商户门头图和商户位置描述信息；
基于多个商户标识及对应的处理后的商户门头图和商户位置描述信息，建立所述位置引导数据库。
在本公开的另一个实施例中，所述从所述商户对应的评论信息中，获取所述商户标识对应的商户门头图，包括：
提取所述评论信息中每张图片的图片特征；
计算每张图片的图片特征与商户门头图对应的参考图片特征之间的相似度；
如果任一张图片的图片特征与所述参考图片特征之间的相似度大于预设阈值，则确定所述图片为所述商户标识对应的商户门头图。
在本公开的另一个实施例中，从所述商户的评论信息中，获取所述商户标识对应的商户位置描述信息，包括：
对于任一条评论信息，对所述评论信息中的每个子句进行切词处理，得到每个子句对应的文本序列和词性序列；
将每个子句对应的文本序列和词性序列输入到寻址模型中，输出每个子句属于寻址内容的概率，所述寻址模型用于基于子句对应的文本序列和词性序列，确定子句属于寻址内容的概率；
基于每个子句属于寻址内容的概率，对所述评论信息中的多个子句进行拼接，得到所述商户标识对应的商户位置描述信息。
在本公开的另一个实施例中，所述基于每个子句属于寻址内容的概率，对所述评论信息中的多个子句进行拼接，得到所述商户标识对应的商户位置描述信息，包括：
获取属于寻址内容的最大概率对应的目标子句；
在预设长度范围内将所述目标子句及其前后概率大于预设阈值的子句进行拼接，得到所述商户标识对应的商户位置描述信息。
在本公开的另一个实施例中，所述对所述商户标识对应的商户门头图和商户位置描述信息进行处理，包括：
基于预设应用场景，从所述商户标识对应的商户门头图和商户位置描述信息中，获取与所述预设应用场景相关的商户门头图和商户位置描述信息；
获取对与所述预设应用场景相关的商户门头图和商户位置描述信息的校验结果；
将校验通过的商户门头图和商户位置描述信息进行分类存储。
在本公开的另一个实施例中，所述接收目标用户账号发送的位置查询请求之后，还包括：
获取所述目标商户标识对应的停车指导信息；
将所述停车指导信息发送至所述目标用户账号，所述停车指导信息用于对所述目标用户账号进行停车指导。
在本公开的另一个实施例中，所述将所述导航路线和所述目标位置引导信息发送至所述目标用户账号之后，还包括：
向所述目标用户账号发送提示信息，所述提示信息用于所述目标用户账号上传与所述目标商户相关的评论信息。
另一方面，提供了一种商户导航装置，所述装置包括：
接收模块，用于接收目标用户账号发送的位置查询请求，所述位置查询请求包括目标商户标识；
获取模块，用于获取所述目标商户标识对应的目标位置引导信息，所述目标位置引导信息根据目标商户的评论信息生成；
发送模块，用于将所述目标位置引导信息发送至所述目标用户账号，所述目标位置引导信息用于确定所述目标商户的位置。
在本公开的另一个实施例中，所述位置引导信息包括目标商户门头图或目标商户位置描述信息中至少一项；
所述获取模块，用于根据所述目标商户标识，从位置引导数据库中，获取所述目标商户标识对应的目标商户门头图、目标商户位置描述信息中至少一项，所述位置引导数据库中存储有商户标识与商户门头图、商户位置描述信息中至少一项的对应关系。
在本公开的另一个实施例中，所述装置还包括：
所述获取模块，还用于对于任一商户，从所述商户对应的评论信息中，获取所述商户标识对应的商户门头图；
所述获取模块，用于从所述商户对应的评论信息中，获取所述商户标识对应的商户位置描述信息；
处理模块，用于对所述商户门头图和所述商户位置描述信息进行处理，得到处理后的商户门头图和商户位置描述信息；
建立模块，用于基于多个商户标识及对应的处理后的商户门头图和商户位置描述信息，建立所述位置引导数据库。
在本公开的另一个实施例中，所述获取模块，还用于提取所述评论信息中每张图片的图片特征；计算每张图片的图片特征与商户门头图对应的参考图片特征之间的相似度；如果任一张图片的图片特征与所述参考图片特征之间的相似度大于预设阈值，则确定所述图片为所述商户标识对应的商户门头图。
在本公开的另一个实施例中，所述获取模块，还用于对于任一条评论信息，对所述评论信息中的每个子句进行切词处理，得到每个子句对应的文本序列和词性序列；将每个子句对应的文本序列和词性序列输入到寻址模型中，输出每个子句属于寻址内容的概率，所述寻址模型用于基于子句对应的文本序列和词性序列，确定子句属于寻址内容的概率；基于每个子句属于寻址内容的概率，对所述评论信息中的多个子句进行拼接，得到所述商户标识对应的商户位置描述信息。
在本公开的另一个实施例中，所述获取模块，还用于获取属于寻址内容的最大概率对应的目标子句；在预设长度范围内将所述目标子句及其前后概率大于预设阈值的子句进行拼接，得到所述商户标识对应的商户位置描述信息。
在本公开的另一个实施例中个，所述处理模块，用于基于预设应用场景，从所述商户标识对应的商户门头图和商户位置描述信息中，获取与所述预设应用场景相关的商户门头图和商户位置描述信息；获取对与所述预设应用场景相关的商户门头图和商户位置描述信息的校验结果；将校验通过的商户门头图和商户位置描述信息进行分类存储。
在本公开的另一个实施例中，所述获取模块，还用于获取所述目标商户标识对应的停车指导信息；
所述发送模块，还用于将所述停车指导信息发送至所述目标用户账号，所述停车指导信息用于对所述目标用户账号进行停车指导。
在本公开的另一个实施例中，所述发送模块，还用于向所述目标用户账号发送提示信息，所述提示信息用于所述目标用户账号上传与所述目标商户相关的评论信息。
另一方面，提供了一种服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现如一方面所述的商户导航方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现一方面所述的商户导航方法。
本公开实施例提供的技术方案带来的有益效果是：
将目标位置引导信息发送至目标账号，以指引目标账号确定出目标商户位置。由于无需借助其他设备，因而导航过程资源消耗较低，且该目标位置引导信息根据目标商户的评论信息生成，由于该评论信息为曾经到过目标商户的用户发表，因而所生成的目标位置引导信息更可靠，导航准确性更高。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例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是本公开实施例提供的一种商户导航方法所涉及的实施环境的示意图；
图2是本公开实施例提供的一种商户导航方法的流程图；
图3是本公开实施例提供的另一种商户导航方法的流程图；
图4是本公开实施例提供的一种导航界面图；
图5是本公开实施例提供的另一种导航界面图；
图6是本公开实施例提供的另一种导航界面图；
图7是本公开实施例提供的一种商户导航装置结构示意图；
图8是根据一示例性实施例示出的一种用于商户导航的服务器。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
可以理解，本公开实施例所使用的术语“每个”、“多个”及“任一”等，多个包括两个或两个以上，每个是指对应的多个中的每一个，任一是指对应的多个中的任意一个。举例来说，多个词语包括10个词语，而每个词语是指这10个词语中的每一个词语，任一词语是指10个词语中的任意一个词语。
请参考图1，其示出了本公开实施例提供的商户导航方法所涉及的实施环境，参见图1，该实施环境包括：终端101和服务器102。
其中，终端101中安装有点评类应用、导航类应用等应用，基于所安装的应用能够显示位置引导信息，从而引导用户找到目标商户。终端101可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，本公开实施例不对终端101的产品类型作具体的限定。
服务器102为可以点评类应用、导航类应用等应用的后台服务器，该服务器102能够从评论信息中挖掘出商户门头图、商户位置描述信息等位置引导信息，并将位置引导信息发送至终端，从而对用户进行导航。该服务器102可以为独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统。
上述终端101以及服务器102可以通过有线或无线通信方式进行直接或间接地连接，本公开实施例在此不做限制。
基于图1所示的实施环境，本公开实施例提供了一种商户导航方法，参见图2，本公开实施例提供的方法流程包括：
201、接收目标用户账号发送的位置查询请求。
其中，位置查询请求包括目标商户标识。
202、获取目标商户标识对应的目标位置引导信息。
其中，目标位置引导信息根据目标商户的评论信息生成。
203、将目标位置引导信息发送至目标用户账号。
其中，目标位置引导信息用于确定目标商户的位置。
本公开实施例提供的方法，将目标位置引导信息发送至目标账号，以指引目标账号确定出目标商户位置。由于无需借助其他设备，因而导航过程资源消耗较低，且该目标位置引导信息根据目标商户的评论信息生成，由于该评论信息为曾经到过目标商户的用户发表，因而所生成的目标位置引导信息更可靠，导航准确性更高。
在本公开的另一个实施例中，位置引导信息包括目标商户门头图或目标商户位置描述信息中至少一项；
获取目标商户标识对应的位置引导信息，包括：
根据目标商户标识，从位置引导数据库中，获取目标商户标识对应的目标商户门头图、目标商户位置描述信息中至少一项，该位置引导数据库中存储有商户标识与商户门头图、商户位置描述信息中至少一项的对应关系。
在本公开的另一个实施例中，根据目标商户标识，从位置引导数据库中，获取目标商户标识对应的目标商户门头图、目标商户位置描述信息中至少一项之前，还包括：
对于任一商户，从商户对应的评论信息中，获取商户标识对应的商户门头图；
从商户对应的评论信息中，获取商户标识对应的商户位置描述信息；
对商户门头图和商户位置描述信息进行处理，得到处理后的商户门头图和商户位置描述信息；
基于多个商户标识及对应的处理后的商户门头图和商户位置描述信息，建立位置引导数据库。
在本公开的另一个实施例中，从商户对应的评论信息中，获取商户标识对应的商户门头图，包括：
提取评论信息中每张图片的图片特征；
计算每张图片的图片特征与商户门头图对应的参考图片特征之间的相似度；
如果任一张图片的图片特征与参考图片特征之间的相似度大于预设阈值，则确定图片为商户标识对应的商户门头图。
在本公开的另一个实施例中，从商户的评论信息中，获取商户标识对应的商户位置描述信息，包括：
对于任一条评论信息，对评论信息中的每个子句进行切词处理，得到每个子句对应的文本序列和词性序列；
将每个子句对应的文本序列和词性序列输入到寻址模型中，输出每个子句属于寻址内容的概率，寻址模型用于基于子句对应的文本序列和词性序列，确定子句属于寻址内容的概率；
基于每个子句属于寻址内容的概率，对评论信息中的多个子句进行拼接，得到商户标识对应的商户位置描述信息。
在本公开的另一个实施例中，基于每个子句属于寻址内容的概率，对评论信息中的多个子句进行拼接，得到商户标识对应的商户位置描述信息，包括：
获取属于寻址内容的最大概率对应的目标子句；
在预设长度范围内将目标子句及其前后概率大于预设阈值的子句进行拼接，得到商户标识对应的商户位置描述信息。
在本公开的另一个实施例中，对商户标识对应的商户门头图和商户位置描述信息进行处理，包括：
基于预设应用场景，从商户标识对应的商户门头图和商户位置描述信息中，获取与预设应用场景相关的商户门头图和商户位置描述信息；
获取对与预设应用场景相关的商户门头图和商户位置描述信息的校验结果；
将校验通过的商户门头图和商户位置描述信息进行分类存储。
在本公开的另一个实施例中，接收目标用户账号发送的位置查询请求之后，还包括：
获取目标商户标识对应的停车指导信息；
将停车指导信息发送至目标用户账号，停车指导信息用于对目标用户账号进行停车指导。
在本公开的另一个实施例中，将导航路线和目标位置引导信息发送至目标用户账号之后，还包括：
向目标用户账号发送提示信息，提示信息用于目标用户账号上传与目标商户相关的评论信息。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
基于图1所示的实施环境，本公开实施例提供了一种商户导航方法，参见图3，本公开实施例提供的方法流程包括：
301、服务器建立位置引导数据库。
在实际生活中，很多用户到某一餐厅就餐，或美发店理发，或者足疗店足浴等后，用户通常会发表关于该商户的服务品质及服务内容的图文类评论信息，这些评论信息中可能会包括关于商户位置的描述信息及图片，能够帮助用户快速准确地找到商户。本公开实施例中，服务器通过挖掘评论信息中的图片、文字等能够指导用户找到位置引导信息，并建立位置引导数据库，进而基于所建立的位置引导数据库，向用户提供位置引导信息。其中，位置引导数据库中存储商户标识与商户门头图、商户位置描述信息等中至少一项的对应关系。位置引导信息为能够指引用户找到商户位置的提示性信息，该位置引导信息根据多个用户的评论信息生成，包括目标商户门头图或目标商户位置描述信息等中至少一项。
具体地，服务器在建立位置引导数据库时，可采用如下方法：
3011、对于任一商户，服务器从商户对应的评论信息中，获取商户标识对应的商户门头图。
对于任一商户，服务器从商户对应的评论信息中，获取商户标识对应的商户门头图时，可采用如下步骤：
30111、服务器获取评论信息中每张图片的图片特征。
对于任一条评论信息，服务器采用图像识别算法，识别该条评论信息中的每张图片，并提取每张图片的图片特征。
30112、服务器计算每张图片的图片特征与商户门头图对应的参考图片特征之间的相似度。
为了更好地挖掘出评论信息中的商户门头图，服务器预先获取每个商户的商户门头图，并从每个商户的商户门头图中，提取参考图片特征，进而计算每张图片的图片特征与商户门头图对应的参考图片特征之间的相似度。在计算每张图片的图片特征与商户门头图对应的参考图片特征之间的相似度时，可计算每张图片的图片特征与商户门头图对应的参考图片特征之间的余弦相似度，还可以计算每张图片的图片特征与商户门头图对应的参考图片特征之间的欧氏距离，当然，还可以采用其他方法计算每张图片的图片特征与商户门头图对应的参考图片特征之间相似度，此处不再一一说明。
30112、如果任一张图片的图片特征与参考图片特征之间的相似度大于预设阈值，则确定图片为商户标识对应的商户门头图。
其中，预设阈值可以为0.8、0.9等等，本公开实施例不对预设阈值作具体的限定。当任一张图片的图片特征与参考图片特征之间的相似度大于预设阈值，说明该图片一参考图片相似，该图片可以作为商户标识对应的商户门头图，从而指引用户找到该商户。
3012、服务器从商户的评论信息中，获取商户标识对应的商户位置描述信息时，可采用如下方法：
30121、对于任一条评论信息，服务器对评论信息中的每个子句进行切词处理，得到每个子句对应的文本序列和词性序列。
服务器将评论信息按照标点符号进行切分得到多个子句，再将每个子句进行切词处理，得到包括多个词语的文本序列，并根据每个词语的磁性，得到词语对应的词性序列。
30122、服务器将每个子句对应的文本序列和词性序列输入到寻址模型中，输出每个子句属于寻址内容的概率。
服务器将每个子句对应的文本序列和词性序列输入到寻址模型中，输出每个子句属于寻址内容的概率(即置信度)。其中，寻址模型用于基于子句对应的文本序列和词性序列，确定子句属于寻址内容的概率。
寻址模型的训练过程为：获取人工标记得到寻址内容的正负样本，每个样本包括至少一个子句，将每个子句对应的文本序列和词性序列作为Bi-LSTM(Long Short-TermMemory，长短期记忆网络)+Attention模型+softmax的输入，对该模型进行训练，得到寻址模型。
30123、服务器基于每个子句属于寻址内容的概率，对评论信息中的多个子句进行拼接，得到所述商户标识对应的商户位置描述信息。
服务器获取属于寻址内容的最大概率对应的目标子句，也即是评论信息中被预测为正样本且置信度最高的子句，在预设长度范围内将目标子句及其前后概率大于预设阈值的子句进行拼接，得到商户标识对应的商户位置描述信息，也即是，服务器结合长度限制将被预测为正样本且置信度最高的子句及其前后同样被预测为正样本的子句进行拼接，召回到最完整最有效的寻址内容。其中，预设阈值可以为0.8、0.9等等，本公开实施例不对预设阈值作具体的限定。预设长度可以为20个字、30个字等等，本公开实施例同样不对预设长度作具体的限定。
3013、服务器对商户门头图和商户位置描述信息进行处理，得到处理后的商户门头图和商户位置描述信息。
服务器对商户标识对应的商户门头图和商户位置描述信息进行处理时，可采用如下方法：
30131、服务器基于预设应用场景，从商户标识对应的商户门头图和商户位置描述信息中，获取与预设应用场景相关的商户门头图和商户位置描述信息。
其中，预设应用场景为预先设置的对用户进行指引的场景，例如，预先设置的场景为对步行、公交、驾车及骑行的用户进行指引的场景，则基于所设置的应用场景，服务器从获取到的商户标识对应的商户门头图和商户位置描述信息中，获取与预设应用场景相关的商户门头图和商户位置描述信息。
30132、服务器获取对与预设应用场景相关的商户门头图和商户位置描述信息的校验结果。
为了提高所获取到的与预设应用场景相关的商户门头图和商户位置描述信息的准确性，本公开实施例将采用人工方式对获取到的与预设应用场景相关的商户门头图和商户位置描述信息进行校验，服务器获取人工校验结果，并基于该校验结果执行后续处理操作。对于校验未通过的商户门头图和商户位置描述信息，服务器可将其丢弃，对于校验通过的商户门头图和商户位置描述信息，则执行下述步骤30133。
30133、服务器将校验通过的商户门头图和商户位置描述信息进行分类存储。
对于校验通过的商户门头图和商户位置描述信息，服务器将对校验通过的商户门头图和商户位置描述信息进行分类存储。例如，可将不同商户标识对应的商户门头图存储在相同位置，将不同商户标识对应的商户位置描述信息存储在相同位置，或者，将同一商户标识对应的商户门头图和商户位置描述信息存储在相同位置，对于具体的分类存储方式，本公开实施例不作具体的限定。
3014、服务器基于多个商户标识及对应的处理后的商户门头图和商户位置描述信息，建立位置引导数据库。
当将多个商户标识及对应的商户门头图和商户位置描述信息进行分类存储之后，服务器即可建立位置引导数据库。
302、终端基于目标账号向服务器发送位置查询请求。
在实际使用过程中，当用户想到某一目标商户进行就餐、购物等活动时，终端可基于目标账号向服务器发送位置查询请求。该目标账号为点评类应用、导航类应用等应用的注册账号。该位置查询请求包括目标商户标识，还可以包括目标账号的当前位置信息等。
303、当接收到目标用户账号发送的位置查询请求，服务器获取目标商户标识对应的目标位置引导信息。
基于位置引导数据库中所存储的信息，当接收到目标账号发送的位置查询请求，服务器根据目标商户标识，从位置引导数据库中，获取目标商户标识对应的目标商户门头图、目标商户位置描述信息中至少一项。例如，如果位置引导数据库中存储目标商户标识对应的目标商户门头图，则获取目标商户标识对应的目标商户门头图；如果位置引导数据库中存储目标商户标识对应的目标商户位置描述信息，则获取目标商户标识对应的目标商户位置描述信息；如果位置引导数据库中存储目标商户标识对应的目标商户门头图和目标商户位置描述信息，则获取目标商户标识对应的目标商户门头图和目标商户位置描述信息。
在本公开的另一个实施例中，当接收到目标账号发送的位置查询请求时，服务器还根据目标商户标识，获取目标商户的当前位置信息，进而根据目标账号的当前位置信息和目标商户的当前位置信息，采用路径规划算法，规划一条从目标账号的位置到目标商户的位置的导航路径。其中，路径规划算法包括Dijkstra算法、Floyed算法、SPFA(ShortestPath Faster Algorithm，队列优化)算法、A*算法、D*算法、图论最短算法、遗传算法、元胞自动机、免疫算法、禁忌搜索、模拟退火、人工神经网络、蚁群算法、粒子群算法等。
304、服务器将目标位置引导信息发送至目标用户账号。
在本公开的一个实施例中，当获取到目标位置引导信息，服务器基于与终端所建立的网络连接，通过有线网络或无线网络等方式，将目标位置引导信息发送至目标用户账号。
在本公开的另一个实施例中，如果服务器基于目标账号的当前位置信息和目标商户的当前位置信息规划一条导航路径，则服务器还可以基于与终端所建立的网络连接，通过有线网络或无线网络等方式，将所规划的导航路径与位置引导信息一同发送至目标账号，从而使得用户能够按照导航路径的指引并结合位置引导信息准确确定出目标商户的位置。
在本公开的另一个实施例中，考虑到用户可能开车前往目标商户的位置，因而当达到目标商户所在位置时，用户需要找到合适的停车位进行停车，为使用户能够快速找到停车位，服务器还将获取目标商户标识对应的停车指导信息，进而将停车指导信息发送至目标用户账号，当接收到停车指导信息，用户可基于停车指导信息的指导进行停车。本公开实施例中，位置引导数据库中还存储着每个商户标识对应的停车指导信息，基于位置引导数据库，服务器可从位置引导数据库中获取目标商户标识对应的停车指导信息。
305、终端显示目标位置引导信息。
在本公开的一个实施例中，当接收到服务器发送的目标位置引导信息之后，终端在点评类应用、导航类应用等应用的导航界面上显示该目标位置引导信息，该目标位置引导信息中的目标商户位置描述信息用于指导用户进行移动等，该目标位置引导信息中的目标商户门头图用于用户将移动过程中遇到的商户的商户门头图与目标商户门头进行比对。本公开实施例结合目标商户位置描述信息和目标商户门头图能够准确能够确定出目标商户位置。
在本公开的另一个实施例中，当接收到服务器发送的导航路径和目标位置引导信息，终端在导航界面上显示导航路径及目标位置引导信息，用户按照导航路径的指引进行移动，在移动过程中配合目标位置引导信息，确定出目标商户位置。考虑到导航界面的界面尺寸是有限的，终端可以将到导航路径及目标位置引导信息在不同子界面上进行显示。为缩短用户寻找目标商户的时间，导航路径的终点位置上可以显示目标商户门头图的缩略图，该目标商户门头图的缩略图不仅能够对用户起到强提示效果，还能够实现不同子界面的切换，当检测到用户对该目标商户门头图的缩略图的触发操作，终端将所显示的导航路径切换为目标位置引导信息。
参见图4示出了终端的导航界面，该导航界面上显示有导航路径，该导航路径的终点位置上显示有商户门头图的缩略图，当检测到对该商户门头图的触发操作时，参见图5，终端显示位置引导信息。当检测到对图5所示界面上的停车引导选项的触发操作，参见图6，终端显示将所显示的位置引导信息切换为停车引导信息。
在本公开的另一个实施例中，为了能够更为精确地对其他用户进行指引，服务器还将向目标用户账号发送提示信息，该提示信息用于目标用户账号上传与目标商户相关的评论信息。基于目标商户上传的评论信息，服务器通过对该评论进行进行挖掘、处理，获取目标商户标识对应的目标商户门头图、目标商户位置描述信息等至少一项信息，进而基于所获取到的信息，对目标商户标识对应的位置引导信息进行更新。
本公开实施例提供的方法，将目标位置引导信息发送至目标账号，以指引目标账号确定出目标商户位置。由于无需借助其他设备，因而导航过程资源消耗较低，且该目标位置引导信息根据目标商户的评论信息生成，由于该评论信息为曾经到过目标商户的用户发表，因而所生成的目标位置引导信息更可靠，导航准确性更高。
参见图7，本公开实施例提供了一种商户导航装置，该装置包括：
接收模块701，用于接收目标用户账号发送的位置查询请求，位置查询请求包括目标商户标识；
获取模块702，用于获取目标商户标识对应的目标位置引导信息，目标位置引导信息根据目标商户的评论信息生成；
发送模块703，用于将目标位置引导信息发送至目标用户账号，目标位置引导信息用于确定目标商户的位置。
在本公开的另一个实施例中，位置引导信息包括目标商户门头图或目标商户位置描述信息中至少一项；
获取模块702，用于根据目标商户标识，从位置引导数据库中，获取目标商户标识对应的目标商户门头图、目标商户位置描述信息中至少一项，位置引导数据库中存储有商户标识与商户门头图、商户位置描述信息至少一项的对应关系。
在本公开的另一个实施例中，该装置还包括：
获取模块702，还用于对于任一商户，从商户对应的评论信息中，获取商户标识对应的商户门头图；
获取模块702，用于从商户对应的评论信息中，获取商户标识对应的商户位置描述信息；
处理模块，用于对商户门头图和商户位置描述信息进行处理，得到处理后的商户门头图和商户位置描述信息；
建立模块，用于基于多个商户标识及对应的处理后的商户门头图和商户位置描述信息，建立位置引导数据库。
在本公开的另一个实施例中，获取模块702，还用于提取评论信息中每张图片的图片特征；将每张图片的图片特征与商户门头图对应的参考图片特征进行比较；如果任一张图片的图片特征与参考图片特征之间的相似度大于预设阈值，则确定图片为商户标识对应的商户门头图。
在本公开的另一个实施例中，获取模块702，还用于对于任一条评论信息，对评论信息中的每个子句进行切词处理，得到每个子句对应的文本序列和词性序列；将每个子句对应的文本序列和词性序列输入到寻址模型中，输出每个子句属于寻址内容的概率，寻址模型用于基于子句对应的文本序列和词性序列，确定子句属于寻址内容的概率；基于每个子句属于寻址内容的概率，对评论信息中的多个子句进行拼接，得到商户标识对应的商户位置描述信息。
在本公开的另一个实施例中，获取模块，还用于获取属于寻址内容的最大概率对应的目标子句；在预设长度范围内将目标子句及其前后概率大于预设阈值的子句进行拼接，得到商户标识对应的商户位置描述信息。
在本公开的另一个实施例中，处理模块，用于基于预设应用场景，从商户标识对应的商户门头图和商户位置描述信息中，获取与预设应用场景相关的商户门头图和商户位置描述信息；获取对与预设应用场景相关的商户门头图和商户位置描述信息的校验结果；将校验通过的商户门头图和商户位置描述信息进行分类存储。
在本公开的另一个实施例中，获取模块702，还用于获取目标商户标识对应的停车指导信息；
发送模块703，还用于将停车指导信息发送至目标用户账号，停车指导信息用于对目标用户账号进行停车指导。
在本公开的另一个实施例中，发送模块703，还用于向目标用户账号发送提示信息，提示信息用于目标用户账号上传与目标商户相关的评论信息。
综上，本公开实施例提供的装置，将目标位置引导信息发送至目标账号，以指引目标账号确定出目标商户位置。由于无需借助其他设备，因而导航过程资源消耗较低，且该目标位置引导信息根据目标商户的评论信息生成，由于该评论信息为曾经到过目标商户的用户发表，因而所生成的目标位置引导信息更可靠，导航准确性更高。
本公开实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现图2或图3所示的商户导航方法。该计算机可读存储介质可以是非暂态的。例如，该计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本公开实施例提供的计算机可读存储介质，将目标位置引导信息发送至目标账号，以指引目标账号确定出目标商户位置。由于无需借助其他设备，因而导航过程资源消耗较低，且该目标位置引导信息根据目标商户的评论信息生成，由于该评论信息为曾经到过目标商户的用户发表，因而所生成的目标位置引导信息更可靠，导航准确性更高。
图8是根据一示例性实施例示出的一种用于商户导航的服务器。参照图8，服务器800包括处理组件822，其进一步包括一个或多个处理器，以及由存储器832所代表的存储器资源，用于存储可由处理组件822的执行的指令，例如应用程序。存储器832中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件822被配置为执行指令，以执行上述商户导航中服务器所执行的功能。
服务器800还可以包括一个电源组件826被配置为执行服务器800的电源管理，一个有线或无线网络接口850被配置为将服务器800连接到网络，和一个输入输出(I/O)接口858。服务器800可以操作基于存储在存储器832的操作系统，例如Windows ServerTM，Mac OSXTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本公开实施例提供的服务器，将目标位置引导信息发送至目标账号，以指引目标账号确定出目标商户位置。由于无需借助其他设备，因而导航过程资源消耗较低，且该目标位置引导信息根据目标商户的评论信息生成，由于该评论信息为曾经到过目标商户的用户发表，因而所生成的目标位置引导信息更可靠，导航准确性更高。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本公开的可选实施例，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)

1.一种商户导航方法，其特征在于，所述方法包括：
接收目标用户账号发送的位置查询请求，所述位置查询请求包括目标商户标识；
获取所述目标商户标识对应的目标位置引导信息，所述目标位置引导信息根据目标商户的评论信息生成；
将所述目标位置引导信息发送至所述目标用户账号，所述目标位置引导信息用于确定所述目标商户的位置。
2.根据权利要求1所述的方法，其特征在于，所述位置引导信息包括目标商户门头图或目标商户位置描述信息中至少一项；
所述获取所述目标商户标识对应的位置引导信息，包括：
根据所述目标商户标识，从位置引导数据库中，获取所述目标商户标识对应的目标商户门头图、目标商户位置描述信息中至少一项，所述位置引导数据库中存储有商户标识与商户门头图、商户位置描述信息中至少一项的对应关系。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标商户标识，从位置引导数据库中，获取所述目标商户标识对应的目标商户门头图、目标商户位置描述信息中至少一项之前，还包括：
对于任一商户，从所述商户对应的评论信息中，获取所述商户标识对应的商户门头图；
从所述商户对应的评论信息中，获取所述商户标识对应的商户位置描述信息；
对所述商户门头图和所述商户位置描述信息进行处理，得到处理后的商户门头图和商户位置描述信息；
基于多个商户标识及对应的处理后的商户门头图和商户位置描述信息，建立所述位置引导数据库。
4.根据权利要求3所述的方法，其特征在于，所述从所述商户对应的评论信息中，获取所述商户标识对应的商户门头图，包括：
提取所述评论信息中每张图片的图片特征；
计算每张图片的图片特征与商户门头图对应的参考图片特征之间的相似度；
如果任一张图片的图片特征与所述参考图片特征之间的相似度大于预设阈值，则确定所述图片为所述商户标识对应的商户门头图。
5.根据权利要求3所述的方法，其特征在于，所述从所述商户的评论信息中，获取所述商户标识对应的商户位置描述信息，包括：
对于任一条评论信息，对所述评论信息中的每个子句进行切词处理，得到每个子句对应的文本序列和词性序列；
将每个子句对应的文本序列和词性序列输入到寻址模型中，输出每个子句属于寻址内容的概率，所述寻址模型用于基于子句对应的文本序列和词性序列，确定子句属于寻址内容的概率；
基于每个子句属于寻址内容的概率，对所述评论信息中的多个子句进行拼接，得到所述商户标识对应的商户位置描述信息。
6.根据权利要求5所述的方法，其特征在于，所述基于每个子句属于寻址内容的概率，对所述评论信息中的多个子句进行拼接，得到所述商户标识对应的商户位置描述信息，包括：
获取属于寻址内容的最大概率对应的目标子句；
在预设长度范围内将所述目标子句及其前后概率大于预设阈值的子句进行拼接，得到所述商户标识对应的商户位置描述信息。
7.根据权利要求3所述的方法，其特征在于，所述对所述商户标识对应的商户门头图和商户位置描述信息进行处理，包括：
基于预设应用场景，从所述商户标识对应的商户门头图和商户位置描述信息中，获取与所述预设应用场景相关的商户门头图和商户位置描述信息；
获取对与所述预设应用场景相关的商户门头图和商户位置描述信息的校验结果；
将校验通过的商户门头图和商户位置描述信息进行分类存储。
8.根据权利要求1至7中任一项所述的方法，其特征在于，所述接收目标用户账号发送的位置查询请求之后，还包括：
获取所述目标商户标识对应的停车指导信息；
将所述停车指导信息发送至所述目标用户账号，所述停车指导信息用于对所述目标用户账号进行停车指导。
9.根据权利要求1至7中任一项所述的方法，其特征在于，所述将所述导航路线和所述目标位置引导信息发送至所述目标用户账号之后，还包括：
向所述目标用户账号发送提示信息，所述提示信息用于所述目标用户账号上传与所述目标商户相关的评论信息。
10.一种商户导航装置，其特征在于，所述装置包括：
接收模块，用于接收目标用户账号发送的位置查询请求，所述位置查询请求包括目标商户标识；
获取模块，用于获取所述目标商户标识对应的目标位置引导信息，所述目标位置引导信息根据目标商户的评论信息生成；
发送模块，用于将所述目标位置引导信息发送至所述目标用户账号，所述目标位置引导信息用于确定所述目标商户的位置。
11.一种服务器，其特征在于，所述服务器包括处理器和存储器，所述存储器中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现如权利要求1至9中任一项所述的商户导航方法。
12.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现如权利要求1至9中任一项所述的商户导航方法。
CN202011061828.XA 2020-09-30 2020-09-30 商户导航方法、装置、服务器及存储介质 Pending CN112287051A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011061828.XA CN112287051A (zh) 2020-09-30 2020-09-30 商户导航方法、装置、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011061828.XA CN112287051A (zh) 2020-09-30 2020-09-30 商户导航方法、装置、服务器及存储介质

Publications (1)

Publication Number Publication Date
CN112287051A true CN112287051A (zh) 2021-01-29

Family

ID=74421670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011061828.XA Pending CN112287051A (zh) 2020-09-30 2020-09-30 商户导航方法、装置、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN112287051A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090271524A1 (en) * 2008-04-25 2009-10-29 John Christopher Davi Associating User Comments to Events Presented in a Media Stream
US20160019621A1 (en) * 2014-03-07 2016-01-21 Rare Mile Technologies, Inc. Review based navigation and product discovery platform
CN105335515A (zh) * 2015-10-30 2016-02-17 网易传媒科技（北京）有限公司 一种信息推荐方法和装置
CN105630353A (zh) * 2015-12-24 2016-06-01 小米科技有限责任公司 评论信息的发布方法及装置
US20170345066A1 (en) * 2016-05-24 2017-11-30 Gaurang Gupta System and method for dynamically creating and publishing reviews
CN108362279A (zh) * 2018-01-08 2018-08-03 北京小米移动软件有限公司 基于增强现实技术ar的购物导航方法、装置及系统
US20200051137A1 (en) * 2018-08-07 2020-02-13 Mastercard International Incorporated System, computer-readable media and computer-implemented method for geo-verified reviews
CN110849384A (zh) * 2019-11-08 2020-02-28 腾讯科技（深圳）有限公司 导航路线生成方法、装置、可读存储介质和计算机设备
CN111581574A (zh) * 2020-04-30 2020-08-25 汉海信息技术(上海)有限公司 一种引导信息的展示方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090271524A1 (en) * 2008-04-25 2009-10-29 John Christopher Davi Associating User Comments to Events Presented in a Media Stream
US20160019621A1 (en) * 2014-03-07 2016-01-21 Rare Mile Technologies, Inc. Review based navigation and product discovery platform
CN105335515A (zh) * 2015-10-30 2016-02-17 网易传媒科技（北京）有限公司 一种信息推荐方法和装置
CN105630353A (zh) * 2015-12-24 2016-06-01 小米科技有限责任公司 评论信息的发布方法及装置
US20170345066A1 (en) * 2016-05-24 2017-11-30 Gaurang Gupta System and method for dynamically creating and publishing reviews
CN108362279A (zh) * 2018-01-08 2018-08-03 北京小米移动软件有限公司 基于增强现实技术ar的购物导航方法、装置及系统
US20200051137A1 (en) * 2018-08-07 2020-02-13 Mastercard International Incorporated System, computer-readable media and computer-implemented method for geo-verified reviews
CN110849384A (zh) * 2019-11-08 2020-02-28 腾讯科技（深圳）有限公司 导航路线生成方法、装置、可读存储介质和计算机设备
CN111581574A (zh) * 2020-04-30 2020-08-25 汉海信息技术(上海)有限公司 一种引导信息的展示方法及装置

Similar Documents

Publication Publication Date Title
JP6785305B2 (ja) 顔認識及びコンテキストビデオストリームで個人を識別するためのビデオ解析技術のための装置及び方法
WO2019233421A1 (zh) 图像处理方法及装置、电子设备、存储介质
US20200326197A1 (en) Method, apparatus, computer device and storage medium for determining poi alias
US10606824B1 (en) Update service in a distributed environment
CN103995889A (zh) 图片分类方法及装置
CN112861975A (zh) 分类模型的生成方法、分类方法、装置、电子设备与介质
CN110503643B (zh) 一种基于多尺度快速场景检索的目标检测方法和装置
US20210073577A1 (en) Image processing method and device, electronic device and storage medium
CN110870300A (zh) 定位方法、装置、存储介质及服务器
JP2021535508A (ja) 顔認識において偽陽性を低減するための方法および装置
CN112749350A (zh) 推荐对象的信息处理方法、装置、存储介质与电子设备
CN111563398A (zh) 用于确定目标物的信息的方法和装置
CN114279433A (zh) 地图数据自动化生产方法、相关装置及计算机程序产品
CN113124857A (zh) 一种出入口位置的确定方法、相关装置、设备及存储介质
CN112163074A (zh) 用户意图识别方法、装置、可读存储介质及电子设备
CN113822427A (zh) 一种模型训练的方法、图像匹配的方法、装置及存储介质
CN111832579A (zh) 地图兴趣点数据处理方法、装置、电子设备以及可读介质
CN109752001B (zh) 导航系统、方法和装置
CN110609879B (zh) 兴趣点判重方法、装置、计算机设备及存储介质
CN114187486A (zh) 模型训练方法及相关设备
CN111340015A (zh) 定位方法和装置
CN110674208B (zh) 用于确定用户的职住地信息的方法和装置
Shahid et al. Indoor positioning:“an image-based crowdsource machine learning approach”
CN109165572B (zh) 用于生成信息的方法和装置
CN112118533A (zh) 一种导航信息展示的方法以及装置

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