CN112561657B - 一种车辆信息处理方法、装置、电子设备以及存储介质 - Google Patents
一种车辆信息处理方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN112561657B CN112561657B CN202011536211.9A CN202011536211A CN112561657B CN 112561657 B CN112561657 B CN 112561657B CN 202011536211 A CN202011536211 A CN 202011536211A CN 112561657 B CN112561657 B CN 112561657B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- candidate
- feature
- interest
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 230000003993 interaction Effects 0.000 claims abstract description 40
- 238000013210 evaluation model Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000002452 interceptive effect Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 30
- 238000012545 processing Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种车辆信息处理方法、装置、电子设备以及存储介质。该方法包括:获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列;基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征;将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息。通过本实施例的技术方案,可以帮助租车用户节省大量时间,并且具有个性化的精准与探索的多样性,提高了车辆推荐的准确性。
Description
技术领域
本发明实施例涉及信息处理领域,尤其涉及一种车辆信息处理方法、装置、电子设备以及存储介质。
背景技术
在大多租车平台上,当用户进行车辆搜索时,排序结果常由对搜索词分词,匹配车辆属性或车辆分类类目,粒度较粗。当车辆数量较多时,无法给出用户更偏好的车辆。同时没有考虑用户的个体特征和偏好变化,并不能很好的对接日益增长的用户个性化需求。
综上,现有技术存在的问题至少包括:车辆搜索精度低,进而导致用户满意度及租车平台效率都较低,用户体验较差。
发明内容
本发明提供一种车辆信息处理方法、装置、电子设备以及存储介质,可以帮助租车用户节省大量时间,并且具有个性化的精准与探索的多样性,提高了车辆推荐的准确性。
第一方面,本发明实施例提供了一种车辆信息处理方法,该方法包括:
获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列;
基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征;
将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息。
第二方面,本发明实施例还提供了一种车辆信息处理装置,该装置包括:
第一特征序列确定模块,用于获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列;
交互特征确定模块,用于基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征;
车辆排序信息形成模块,用于将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
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本发明任意实施例提供的车辆信息处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例提供的车辆信息处理方法。
本发明通过获取待识别的合同条款文本,将所述待识别的合同条款文本转换为文本序列;基于条款风险识别模型中文本序列处理网络层得到了文本序列对应的词向量序列,基于语义关系提取网络层生成第一语义向量序列,基于语义特征提取网络层生成第二语义向量序列,基于风险分类网络层对第一语义向量序列和第二语义向量序列进行风险识别,得到条款风险识别结果,在减轻了法务工作者的工作负担、提高审核效率的同时,更增强了交易安全性、降低经济损失。
附图说明
图1是本发明实施例一提供的一种车辆信息处理方法的流程示意图;
图2是本发明实施例二提供的另一种车辆信息处理方法的流程示意图;
图3是本发明实施例二涉及的车辆兴趣知识图谱的示意图;
图4是本发明实施例三提供的一种车辆信息处理装置的结构示意图;
图5为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种车辆信息处理方法的流程示意图,本实施例提供的车辆信息处理方法可适用于租车平台,具体是根据用户输入的租车搜索词为其推荐合适车辆的情况。该方法可以由本发明实施例提供的车辆信息处理装置来执行,且该车辆信息处理装置可配置于本发明实施例提供的终端中,例如可配置于计算机设备中,也可配置于智能手机终端中,在此不作具体限制。
如图1所示,车辆信息处理方法,具体包括如下步骤:
S110、获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列。
在大多数租车平台上,当不同的用户根据搜索词进行租车搜索时往往都得到相同的反馈车辆,没有考虑到用户的个体特征和偏好变化,导致用户满意度以及租车平台效率较低。为了解决上述问题,本实施例的技术方案通过获取预先设置适用于目标用户的车辆兴趣知识图谱,基于该车辆兴趣知识图谱确定当前租车平台的候选车辆的交互特征,并将该交互特征、候选车辆的特征信息、目标用户的基本信息特征以及目标用户的行为时间特征输入至该车辆评估模型中确定适用于当前目标用户的车辆排序信息,以使当前得到的车辆排序信息符合用户个体特征和偏好,提高了用户的租车体验。
具体的,获取候选车辆的特征信息,并基于该特征信息确定候选车辆的第一特征序列。其中,候选车辆是当前租车平台的所有的可租车辆,可选的,可以是当前租车平台固有的车辆,也可以是车主根据自己行车时间将车辆短时间内出租的车辆,合理利用了闲置资源,相应的,候选车辆可根据实时更新或者根据预设时间间隔进行更新。可选的,候选车辆的特征信息可以是根据各车辆的历史订单数据、车辆历史出险数据、车辆的历史访问数据等结构化数据以及用户驾驶行为数据、车辆照片等非结构化数据确定各候选车辆的第一特征序列。可选的,第一特征序列是当前租车平台中的各候选车辆的特征序列。示例性的,车辆的历史订单数据可以是车辆历史订单中租车的价钱,车辆的历史访问数据可以是在最近几天内用户访问某一辆车详情页的次数等数据。本发明实施例对获取的租车平台的结构化数据的内容不作具体限制。示例性的,用户驾驶行为数据可以是传感器采集的用户以往租车时加速、控制油门等习惯性驾驶行为数据,本发明实施例对获取平台的非结构化数据的内容不作具体限制。
S120、基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征。
在本实施例中,获取基于目标用户在当前租车平台的历史行为数据预先设置的车辆兴趣知识图谱,该车辆兴趣知识图谱中各车辆实体分别对应第二特征序列。其中,第二特征序列是车辆兴趣知识图谱中各车辆实体的特征序列。基于各候选车辆的第一特征序列与车辆兴趣知识图谱中各车辆实体的第二特征序列确定各候选车辆的交互特征。可选的,该车辆兴趣知识图谱至少包括一个兴趣层,且各兴趣层中至少包括一个车辆实体。
可选的,基于候选车辆的第一特征序列与车辆兴趣知识图谱中第一兴趣层的至少一个车辆实体的第二特征序列分别进行相关性计算。车辆兴趣知识图谱中第一兴趣层的车辆实体是所有与车辆兴趣知识图谱中心点车辆实体有相同的类型信息或者相同的属性信息的车辆实体。可选的,车辆兴趣知识图谱中心点车辆实体是基于目标用户在当前租车平台产生过历史行为确定的车辆实体。可选的,可以是用户浏览过的车辆,也可以是用户租用过的车辆。可选的,将任一候选车辆的第一特征分别与车辆兴趣知识图谱中第一兴趣层的至少一个车辆实体的第二特征序列分别进行相关性计算。可选的,该相关性计算可以是计算两个特征序列之间的余弦相似度。可选的,对经过相关性计算后的各特征序列进行加权计算或者均值计算得到当前兴趣层的交互特征。可选的,将当前兴趣层的交互特征与下一兴趣层的至少一个车辆实体的第二特征序列分别进行相关性计算,直到遍历所述车辆兴趣知识图谱中预设测层数的兴趣层,得到当前候选车辆的交互特征。例如:可以只遍历车辆兴趣知识图谱中的前两层兴趣层,也可以遍历车辆兴趣知识图谱中所有的兴趣层。可选的,遍历当前租车平台的各候选车辆,得到各候选车辆的交互特征。可选的,各候选车辆的交互特征通过向量表示和/或符号表进行表示,也可以用独立热词(One-Hot)的方式表示,本发明实施例对向量表示和/或符号表示交互特征的方法不作具体限制。
S130、将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息。
在本发明实施例中,通过目标用户在当前租车平台的历史行为数据确定目标用户的基本信息特征。可选的,历史行为数据包括但不限于在租车平台的访问数据、历史租车订单数据、用户搜索数据等结构化数据以及用户历史出险数据、与客服的聊天数据、与车主的沟通数据、对所租车辆的评论数据和驾驶行为数据等非结构化数据获取目标用户的基本信息特征。例如,可以是通过预先设置的信息抽取模型进行上述基本信息特征的抽取。可选的,目标用户的基本信息特征包括但不限于用户的性别,年龄等基本属性以及在平台的访问情况等特征。示例性的,在租车平台的访问数据可以是用户看了什么颜色车辆的图片、什么车型的图片等,通过用户在与客服的聊天记录可以获取一些用户感兴趣的车辆所具有的属性,如果用户与客服聊天时提到“租一辆经济型的车一般需要多少钱”,通过聊天数据就可以获取用户的租车需求有经济型车,用户搜索数据可以是用户搜索的车的类型、几人坐的、租车价钱、历史出险情况等,车辆评论数据可以是用户租完车之后对该车辆的舒适度、驾驶感觉等车辆性能、驾驶经历的评价,用户历史出险记录可以是该车辆所有的历史租户的出险记录统计,本发明实施例对用户在租车平台的历史行为数据的内容不作具体限制。可选的,行为时间数据包括但不限于用户在当前租车平台产生历史行为数据的时间情况(例如当天是否节假日,当天是一周的第几天)以及当时距今的时间。
可选的,将目标用户的将目标用户的基本信息特征、行为时间特征以及候选车辆的特征信息和交互特征输入至车辆评估模型,基于该车辆评估模型对各候选车辆的评估结果形成适用于目标用户的车辆排序信息。可选的,在一些实施例中,在将目标用户的将目标用户的基本信息特征、行为时间特征以及候选车辆的特征信息和交互特征输入至车辆评估模型之前,对该车辆评估模型进行训练。具体的,获取用于模型训练的历史样本数据,并确定各历史样本数据的标签,其中,历史样本数据包括正样本数据和负样本数据,并对负样本数据进行降采样处理;基于历史样本数据对待训练的车辆评估模型进行如下迭代训练,直到迭代训练的车辆评估模型满足预设条件,得到训练完成的车辆评估模型;获取用于模型预测的样本数据输入至待训练的车辆评估模型,得到该样本数据的车辆排序结果;基于该预测结果与历史样本数据的标签计算评估指标的数值,并基于评估指标与模型训练过程中的损失函数结果对车辆评估模型进行参数调节。
可选的,当目标用户的基本信息特征、行为时间特征、候选车辆的特征信息和交互特征中任意特征没有数据时,将该特征在模型中的输入值设置为空值,并继续基于当前车辆评估模型进行候选车辆的评估。解决了现有技术中的车辆评估模型冷启动问题。
在上述实施例的基础上,一些实施例的技术方案在进行候选车辆评估之后还包括获取目标用户的搜索信息,基于搜索信息在车辆排序信息中确定搜索结果,将各搜索结果基于车辆排序信息进行展示。获取目标用户输入的搜索信息,并将该搜索信息进行分词处理获得目标用户的搜索词,以方便将目标用户的搜索信息和各候选车辆进行相似度确定。可选的,确定目标用户的搜索词与车辆排序信息中各候选车辆的特征信息进行匹配,并根据匹配结果确定目标用户的搜索信息与候选车辆排序信息的相似度。当相似度达到预设阈值时,提取候选车辆信息,基于候选车辆信息在车辆排序信息的排序进行展示;当相似度未达到预设阈值时,将车辆排序信息中预设数量的候选车辆信息作为搜索结果进行展示。
本实施例的技术方案通过获取预先设置适用于目标用户的车辆兴趣知识图谱,基于该车辆兴趣知识图谱确定当前租车平台的候选车辆的交互特征,并基于车辆评估模型将该交互特征、候选车辆的特征信息、目标用户的基本信息特征以及目标用户的行为时间特征输入至该模型中确定适用于当前目标用户的车辆排序信息,以使当前得到的车辆排序信息符合用户个体特征和偏好,提高了车辆推荐的准确性。
实施例二
图2是本发明实施例二提供的另一种车辆信息处理方法的流程示意图,本实施例在上述实施例的基础上,在基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征之前增加了“构建适用于目标用户的车辆兴趣知识图谱”。本发明实施例与上述实施例提供的车辆匹配方法属于同一发明构思,未详尽描述的技术细节可参见上述施例,且具备相同的技术效果。
如图2所示,车辆信息处理方法,具体包括如下步骤:
S210、获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列。
S220、构建适用于目标用户的车辆兴趣知识图谱。
在本发明实施例中,基于各车辆的结构化数据以及非结构化数据确定各车辆的属性信息以及车辆实体。根据各车辆实体对应的属性信息,将具有相同属性信息的任意两个车辆实体之间设置关联,形成包括车辆实体的车辆兴趣知识图谱。属性信息包括但不限于省油耐用、舒适、进口、国产、动力强等属性。
具体的,获取目标用户的历史行为车辆实体,基于历史行为车辆实体为车辆兴趣知识图谱的中心点。可选的,目标用户的历史行为车辆实体可以是基于该用户在当前租车平台产生的历史行为数据确定的。确定与中心点车辆实体具有相同属性信息的车辆实体作为第一兴趣层的车辆实体,对中心点车辆实体和第一兴趣层的各车辆实体之间设置关联,且该关联之间可以配置有关联的属性信息。相应的,对于第一兴趣层的车辆实体,确定与第一兴趣层的车辆实体具有相同属性信息的车辆实体作为第二兴趣层的车辆实体,设置关联,以及关联的属性信息,并以此类推,形成包括至少一层兴趣层的车辆兴趣知识图谱。
可选的,获取目标用户的关注属性信息,基于关注属性信息中至少一项确定与历史行为车辆实体具有关联的第一车辆实体,以及与第一车辆实体具有关联的第二车辆实体,直到形成目标用户个性化的车辆兴趣知识图谱。可选的,可以通过预定义格式集合,将用户查询信息与预定义格式进行匹配,确定匹配成功的格式信息为各候选车辆的属性信息。预定义格式可以是获取用户查询信息中输入内容中的形容词,例如:低价位的,红色的等。也可以获取用户查询信息的反馈列表,并将反馈列表进行对齐,确定对齐后的格式信息为关注属性信息中至少一项。还可以将用户查询信息输入至预先训练的抽取模型,确定抽取结果为关注属性信息。
示例性的,如图3所示为适用于当前目标用户的车辆兴趣知识图谱。其中,该图谱中心点的车辆实体迈锐宝是用户在当前租车平台的历史行为实体车辆,根据该车辆的各属性信息中至少一项,例如美国进口、中等日租价、非国产的属性信息确定迈锐宝的第一兴趣层包括科鲁兹、塞纳和宝莱三辆实体车辆。并根据第一兴趣层的三辆实体车辆各自的属性信息中至少一辆确定第二兴趣层,具体包括天籁、雅阁、宝莱传奇和丰田等车辆实体,遍历所有候选车辆形成最终的车辆兴趣知识图谱。
S230、基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征。
S240、将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息。
本实施例的技术方案基于目标用户在当前租车平台的关注的各候选车辆数据形成适用于该用户的车辆兴趣知识图谱,基于该车辆兴趣知识图谱确定当前租车平台的候选车辆的交互特征,并基于车辆评估模型将该交互特征、候选车辆的特征信息、目标用户的基本信息特征以及目标用户的行为时间特征输入至该模型中确定适用于当前目标用户的车辆排序信息,以使当前得到的车辆排序信息符合用户个体特征和偏好,提高了车辆推荐的准确性。
以下是本发明实施例提供的车辆信息处理装置的实施例,该装置与上述各实施例的车辆信息处理方法属于同一个发明构思,在车辆信息处理装置的实施例中未详尽描述的细节内容,可以参考上述性能测试分析方法的实施例。
实施例三
图4为本发明实施例三提供的车辆信息处理装置的结构示意图,本实施例提供的车辆信息处理方法可适用于租车平台,具体是根据用户输入的租车搜索词为其推荐合适车辆的情况。该车辆信息处理装置的具体包括:第一特征序列确定模块310、交互特征确定模块320和车辆排序信息形成模块330。
其中,第一特征序列确定模块310,用于获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列;
交互特征确定模块320,用于基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征;
车辆排序信息形成模块330,用于将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息。
本实施例的技术方案通过获取预先设置适用于目标用户的车辆兴趣知识图谱,基于该车辆兴趣知识图谱确定当前租车平台的候选车辆的交互特征,并基于车辆评估模型将该交互特征、候选车辆的特征信息、目标用户的基本信息特征以及目标用户的行为时间特征输入至该模型中确定适用于当前目标用户的车辆排序信息,以使当前得到的车辆排序信息符合用户个体特征和偏好,提高了用户的租车体验。
上述各技术方案的基础上,在所述交互特征确定模块之前,还包括:
车辆信息确定单元,用于基于各车辆的结构化数据以及非结构化数据确定所述各车辆的属性信息以及车辆实体。
兴趣知识图谱形成单元,用于根据各车辆实体对应的属性信息,将具有相同属性信息的任意两个车辆实体之间设置关联,形成包括车辆实体的车辆兴趣知识图谱。
上述各技术方案的基础上,所述交互特征确定模块,可包括:
兴趣知识图谱的中心点确定单元,用于获取目标用户的历史行为车辆实体,基于所述历史行为车辆实体为所述车辆兴趣知识图谱的中心点。
信息确定单元,用于获取所述目标对象的关注属性信息,基于所述关注属性信息确定与所述历史行为车辆实体具有关联的第一车辆实体,以及与所述第一车辆实体具有关联的第二车辆实体,直到形成所述车辆兴趣知识图谱。
上述各技术方案的基础上,所述信息确定单元,可包括:
第一属性信息确定单元,用于通过预定义格式集合,将用户查询信息与预定义格式进行匹配,确定匹配成功的格式信息为各候选车辆的属性信息。
第二属性信息确定单元,用于获取用户查询信息的反馈列表,并将所述反馈列表进行对齐,确定对齐后的格式信息为所述关注属性信息。
第三属性信息确定单元,用于将用户查询信息输入至预先训练的抽取模型,确定抽取结果为所述关注属性信息。
上述各技术方案的基础上,所述车辆兴趣知识图谱包括至少一个兴趣层,其中,各兴趣层至少包括一个车辆实体;所述交互特征确定模块,包括:
相关性计算单元,用于基于所述第一特征序列与所述车辆兴趣知识图谱中第一兴趣层的至少一个车辆实体的第二特征序列分别进行相关性计算。
交互特征确定单元,用于将第一兴趣层的各相关性计算结果与下一兴趣层的至少一个车辆实体的第二特征序列分别进行相关性计算,直到遍历所述车辆兴趣知识图谱中预设层数的兴趣层,得到所述候选车辆的交互特征。
上述各技术方案的基础上,所述装置还包括:
搜索结果确定模块,用于获取所述目标用户的搜索信息,基于所述搜索信息在所述车辆排序信息中确定搜索结果,将各搜索结果基于所述车辆排序信息进行展示。
上述各技术方案的基础上,所述搜索结果确定,可包括:
相似度确定单元,用于确定所述搜索信息与所述车辆排序信息中各候选车辆信息的相似度。
第一排序结果展示单元,用于当相似度达到预设阈值时,提取所述候选车辆信息,基于所述候选车辆信息在所述车辆排序信息的排序进行展示。
第二排序结果展示单元,用于当相似度未达到预设阈值时,将所述车辆排序信息中预设数量的候选车辆信息作为搜索结果进行展示。
本公开实施例所提供的信息提示装置可执行本公开任意实施例所提供的车辆信息处理方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述车辆信息处理装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图5为本发明实施例四提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图5显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备12以通用计算电子设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图5中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及样本数据获取,例如实现本明任意实施例所提供的一种车辆信息处理方法步骤,样本数据获取方法包括:
获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列;
基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征;
将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的样本数据获取方法的技术方案。
实施例五
本实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现例如实现本发明任意实施例所提供的一种车辆信息处理方法步骤,样本数据获取方法包括:
获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列;
基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征;
将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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发明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)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种车辆信息处理方法,其特征在于,包括:
获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列;
基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征;
将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息;
所述车辆兴趣知识图谱包括至少一个兴趣层,其中,各兴趣层至少包括一个车辆实体;
所述基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征,包括:
基于所述第一特征序列与所述车辆兴趣知识图谱中第一兴趣层的至少一个车辆实体的第二特征序列分别进行相关性计算;
将第一兴趣层的各相关性计算结果与下一兴趣层的至少一个车辆实体的第二特征序列分别进行相关性计算,直到遍历所述车辆兴趣知识图谱中预设层数的兴趣层,得到所述候选车辆的交互特征。
2.根据权利要求1所述的方法,其特征在于,在基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征之前,还包括:
基于各车辆的结构化数据以及非结构化数据确定所述各车辆的属性信息以及车辆实体;
根据各车辆实体对应的属性信息,将具有相同属性信息的任意两个车辆实体之间设置关联,形成包括车辆实体的车辆兴趣知识图谱。
3.根据权利要求2所述的方法,其特征在于,所述根据各车辆实体对应的属性信息,将具有相同属性信息的任意两个车辆实体之间设置关联,形成包括车辆实体的车辆兴趣知识图谱,包括:
获取目标用户的历史行为车辆实体,基于所述历史行为车辆实体为所述车辆兴趣知识图谱的中心点;
获取所述目标用户的关注属性信息,基于所述关注属性信息确定与所述历史行为车辆实体具有关联的第一车辆实体,以及与所述第一车辆实体具有关联的第二车辆实体,直到形成所述车辆兴趣知识图谱。
4.根据权利要求3所述的方法,其特征在于,所述获取所述目标用户的关注属性信息,包括:
通过预定义格式集合,将用户查询信息与预定义格式进行匹配,确定匹配成功的格式信息为各候选车辆的属性信息;和/或,
获取用户查询信息的反馈列表,并将所述反馈列表进行对齐,确定对齐后的格式信息为所述关注属性信息;和/或,
将用户查询信息输入至预先训练的抽取模型,确定抽取结果为所述关注属性信息。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标用户的搜索信息,基于所述搜索信息在所述车辆排序信息中确定搜索结果,将各搜索结果基于所述车辆排序信息进行展示。
6.根据权利要求5所述的方法,其特征在于,所述基于所述搜索信息在所述车辆排序信息中确定搜索结果,将各搜索结果基于所述车辆排序信息进行展示,包括:
确定所述搜索信息与所述车辆排序信息中各候选车辆信息的相似度;
当相似度达到预设阈值时,提取所述候选车辆信息,基于所述候选车辆信息在所述车辆排序信息的排序进行展示;
当相似度未达到预设阈值时,将所述车辆排序信息中预设数量的候选车辆信息作为搜索结果进行展示。
7.一种车辆信息处理装置,其特征在于,包括:
第一特征序列确定模块,用于获取候选车辆的特征信息,基于所述特征信息确定所述候选车辆的第一特征序列;
交互特征确定模块,用于基于所述候选车辆的第一特征序列与预先设置的车辆兴趣知识图谱中各车辆实体的第二特征序列,确定所述候选车辆的交互特征;
所述车辆兴趣知识图谱包括至少一个兴趣层,其中,各兴趣层至少包括一个车辆实体;
所述交互特征确定模块,具体包括:
相关性计算单元,用于基于所述第一特征序列与所述车辆兴趣知识图谱中第一兴趣层的至少一个车辆实体的第二特征序列分别进行相关性计算;
交互特征确定单元,用于将第一兴趣层的各相关性计算结果与下一兴趣层的至少一个车辆实体的第二特征序列分别进行相关性计算,直到遍历所述车辆兴趣知识图谱中预设层数的兴趣层,得到所述候选车辆的交互特征;
车辆排序信息形成模块,用于将目标用户的基本信息特征、行为时间特征以及所述候选车辆的特征信息和交互特征输入至车辆评估模型,基于所述车辆评估模型对各候选车辆的评估结果形成适用于所述目标用户的车辆排序信息。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
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中任一所述的车辆信息处理方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的车辆信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536211.9A CN112561657B (zh) | 2020-12-23 | 2020-12-23 | 一种车辆信息处理方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536211.9A CN112561657B (zh) | 2020-12-23 | 2020-12-23 | 一种车辆信息处理方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561657A CN112561657A (zh) | 2021-03-26 |
CN112561657B true CN112561657B (zh) | 2024-01-09 |
Family
ID=75031515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011536211.9A Active CN112561657B (zh) | 2020-12-23 | 2020-12-23 | 一种车辆信息处理方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561657B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458663A (zh) * | 2019-08-06 | 2019-11-15 | 上海新共赢信息科技有限公司 | 一种车辆推荐方法、装置、设备及存储介质 |
CN110674307A (zh) * | 2019-08-21 | 2020-01-10 | 北京邮电大学 | 用于知识中心网络的知识推演方法及系统 |
CN110737687A (zh) * | 2019-09-06 | 2020-01-31 | 平安普惠企业管理有限公司 | 数据查询方法、装置、设备及存储介质 |
CN111754261A (zh) * | 2020-06-19 | 2020-10-09 | 上海新共赢信息科技有限公司 | 一种车辆出租意愿的评估方法、装置及终端设备 |
CN111767440A (zh) * | 2020-09-03 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的车辆画像方法、计算机设备和存储介质 |
CN111967750A (zh) * | 2020-08-07 | 2020-11-20 | 上海新共赢信息科技有限公司 | 一种车辆匹配方法、装置、终端及存储介质 |
CN112102031A (zh) * | 2020-08-24 | 2020-12-18 | 深圳市元征科技股份有限公司 | 一种推荐方法、推荐装置及终端设备 |
-
2020
- 2020-12-23 CN CN202011536211.9A patent/CN112561657B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458663A (zh) * | 2019-08-06 | 2019-11-15 | 上海新共赢信息科技有限公司 | 一种车辆推荐方法、装置、设备及存储介质 |
CN110674307A (zh) * | 2019-08-21 | 2020-01-10 | 北京邮电大学 | 用于知识中心网络的知识推演方法及系统 |
CN110737687A (zh) * | 2019-09-06 | 2020-01-31 | 平安普惠企业管理有限公司 | 数据查询方法、装置、设备及存储介质 |
CN111754261A (zh) * | 2020-06-19 | 2020-10-09 | 上海新共赢信息科技有限公司 | 一种车辆出租意愿的评估方法、装置及终端设备 |
CN111967750A (zh) * | 2020-08-07 | 2020-11-20 | 上海新共赢信息科技有限公司 | 一种车辆匹配方法、装置、终端及存储介质 |
CN112102031A (zh) * | 2020-08-24 | 2020-12-18 | 深圳市元征科技股份有限公司 | 一种推荐方法、推荐装置及终端设备 |
CN111767440A (zh) * | 2020-09-03 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的车辆画像方法、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112561657A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825957B (zh) | 基于深度学习的信息推荐方法、装置、设备及存储介质 | |
CN111444428B (zh) | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 | |
WO2022141861A1 (zh) | 情感分类方法、装置、电子设备及存储介质 | |
WO2018072071A1 (zh) | 知识图谱构建系统及方法 | |
CN110019616B (zh) | 一种poi现势状态获取方法及其设备、存储介质、服务器 | |
CN110674312B (zh) | 构建知识图谱方法、装置、介质及电子设备 | |
CN107832338B (zh) | 一种识别核心产品词的方法和系统 | |
CN111144952A (zh) | 基于用户兴趣的广告推荐方法、装置、服务器及存储介质 | |
CN110688434B (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
CN114265981A (zh) | 推荐词确定方法、装置、设备及存储介质 | |
CN111339784B (zh) | 一种新话题的自动挖掘方法和系统 | |
CN111310065A (zh) | 一种社交推荐方法、装置、服务器及存储介质 | |
CN112328889A (zh) | 推荐搜索词确定方法、装置、可读介质及电子设备 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN111339409A (zh) | 地图展示方法与系统 | |
CN111369294A (zh) | 软件造价估算方法及装置 | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
CN112561657B (zh) | 一种车辆信息处理方法、装置、电子设备以及存储介质 | |
CN112328752B (zh) | 基于搜索内容的课程推荐方法、装置、计算机设备及介质 | |
CN114417169A (zh) | 信息推荐优化方法、设备、介质及程序产品 | |
CN112785234A (zh) | 货物推荐方法、装置、设备及存储介质 | |
CN112256719A (zh) | 实体查询方法、装置、可读介质与电子设备 | |
CN116839620A (zh) | 停车场推荐方法、装置、计算机设备及存储介质 | |
CN115617426A (zh) | 具有丰富的对象的自动建议 | |
CN116401367A (zh) | 兴趣识别方法、装置、设备及存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 587, building 3, 333 Hongqiao Road, Xuhui District, Shanghai 200030 Applicant after: Shanghai Lexiang Sijin Technology Co.,Ltd. Address before: Room 587, building 3, 333 Hongqiao Road, Xuhui District, Shanghai 200030 Applicant before: Shanghai xinwin Information Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |