CN112860996A - 一种兴趣点处理方法、装置、电子设备和介质 - Google Patents
一种兴趣点处理方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN112860996A CN112860996A CN202110168877.1A CN202110168877A CN112860996A CN 112860996 A CN112860996 A CN 112860996A CN 202110168877 A CN202110168877 A CN 202110168877A CN 112860996 A CN112860996 A CN 112860996A
- Authority
- CN
- China
- Prior art keywords
- interest
- points
- point
- region
- recalled
- 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
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开公开了一种兴趣点处理方法、装置、电子设备和介质,涉及计算机技术领域,尤其涉及电子地图技术、云计算及云服务技术领域。具体实现方案为:剔除目标区域中各子区域包含的低质兴趣点,得到各所述子区域中剩余的优质兴趣点;根据各所述子区域中所述优质兴趣点的数量,从各所述子区域中选择待复原子区域和非复原子区域;对所述待复原子区域中的低质兴趣点进行复原,且将所述待复原子区域中的优质兴趣点和复原的低质兴趣点,以及所述非复原子区域中的优质兴趣点作为待召回兴趣点。本公开实现了提高兴趣点覆盖率及召回量的效果,改善了用户体验。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及电子地图技术、云计算及云服务技术领域,特别涉及一种兴趣点处理方法、装置、电子设备和介质。
背景技术
随着电子地图技术的发展,全面的兴趣点信息是丰富电子地图的必备资讯,及时的兴趣点信息点能提醒用户路况的分支及周边建筑的详尽信息也能方便导航中查到用户所需要的各个地方,选择最为便捷和通畅的道路来进行路径规划。
现有技术在为用户推荐兴趣点之前,会剔除掉待推荐兴趣点中的低质兴趣点,这些被剔除掉的低质兴趣点不再会被推荐给用户。
发明内容
本公开提供了一种用于提高兴趣点覆盖率及召回量的方法、装置、电子设备和介质。
根据本公开的一方面,提供了一种兴趣点处理方法,包括:
剔除目标区域中各子区域包含的低质兴趣点,得到各所述子区域中剩余的优质兴趣点;
根据各所述子区域中所述优质兴趣点的数量,从各所述子区域中选择待复原子区域和非复原子区域;
对所述待复原子区域中的低质兴趣点进行复原,且将所述待复原子区域中的优质兴趣点和复原的低质兴趣点,以及所述非复原子区域中的优质兴趣点作为待召回兴趣点。
根据本公开的另一方面,提供了一种兴趣点处理装置,包括:
优质兴趣点获取模块,用于剔除目标区域中各子区域包含的低质兴趣点,得到各所述子区域中剩余的优质兴趣点;
子区域选择模块,用于根据各所述子区域中所述优质兴趣点的数量,从各所述子区域中选择待复原子区域和非复原子区域;
待召回兴趣点确定模块,用于对所述待复原子区域中的低质兴趣点进行复原,且将所述待复原子区域中的优质兴趣点和复原的低质兴趣点,以及所述非复原子区域中的优质兴趣点作为待召回兴趣点。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开中任一项所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开中任一项所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开中任一项所述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例公开的一种兴趣点处理方法的流程图;
图2是根据本申请实施例公开的一种兴趣点处理方法的流程图;
图3是根据本申请实施例公开的一种兴趣点处理方法的流程图;
图4是根据本公开实施例公开的一种兴趣点处理装置的结构示意图;
图5是用来实现本公开实施例公开的兴趣点处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
申请人在研发过程中发现,现有技术为用户推荐兴趣点之前,会剔除掉待推荐兴趣点中的低质兴趣点,这些被剔除掉的低质兴趣点不再会被推荐给用户,然而对于一些特殊区域,例如偏远区域或贫困区域,本身采集的兴趣点就较少,如果直接弃用被剔除的低质兴趣点,这就导致这些区域中兴趣点的覆盖率和召回量更低,大大影响了这些特殊区域中用户的用户体验。
图1是根据本公开实施例公开的一种兴趣点处理方法的流程图,本实施例可以适用于确定目标区域中的待召回兴趣点的情况。本实施例方法可以由兴趣点处理装置来执行,所述装置可采用软件和/或硬件实现,并可集成在任意的具有计算能力的电子设备上。
如图1所示,本实施例公开的兴趣点处理方法可以包括:
S101、剔除目标区域中各子区域包含的低质兴趣点,得到各所述子区域中剩余的优质兴趣点。
其中,一个兴趣点可以是一栋房子、一个商铺、一个邮筒或一个公交站等等。目标区域可以由技术人员根据实际业务需求进行选取,通常情况下目标区域为一个面积较大的区域,例如某个省份的占地区域,或者某个国家的国土区域,甚至是整个地球的表面区域。子区域是预先通过对目标区域进行网格划分得到的,一个网格对应一个子区域,各子区域的面积相同,子区域的形状可以是规整的矩形网格,也可以是其他任意形状网格。低质兴趣点表示质量较低的兴趣点,包括但不限于用户投诉率较高的兴趣点,或者用户访问量较低的兴趣点等,相应的,优质兴趣点表示质量较高的兴趣点,包括但不限于用户评价较高的兴趣点,或者用户访问量较高的兴趣点等。
在一种实施方式中,对目标区域进行网格划分,将目标区域切分成若干等面积的矩形网格,并将每个矩形网格作为一个子区域。并且,按照各子区域位于目标区域的相对位置为每个子区域编号,例如将目标区域第一排第一列的子区域编号为“1,1”,第一排第二列的子区域编号为“1,2”,第N排第M列的子区域编号为“N,M”等。由于目标区域中包括的子区域数量众多,甚至可能是上百万或上千万个子区域,这就导致许多子区域编号很长,这无疑增加了存储子区域编号所需的存储空间,可选的,为了降低存储子区域编号所需的存储空间,将各子区域编号进行哈希编码,以将各子区域编号转化成固定长度的字符串,从而降低了存储子区域编号所需的存储空间。
进一步的,采用预设规则对目标区域中各子区域包含的兴趣点进行筛选过滤,将满足预设规则的兴趣点作为低质兴趣点进行剔除,预设规则包括但不限于:用户访问量小于访问量阈值的兴趣点、用户投诉率高于投诉率阈值的兴趣点、兴趣点采集时间小于时间阈值的兴趣点、兴趣点类型属于低质类型集合的兴趣点、以及兴趣点名称属于低质名称集合的兴趣点等等,本实施例并不对如何筛选得到低质兴趣点的方式进行限定。在剔除掉各子区域中的低质兴趣点后,将各子区域中剩余的兴趣点作为优质兴趣点。
通过剔除目标区域中各子区域包含的低质兴趣点,得到各子区域中剩余的优质兴趣点,实现了对低质兴趣点的过滤,保证目标区域中剩余兴趣点为较高质量的优质兴趣点。
S102、根据各所述子区域中所述优质兴趣点的数量,从各所述子区域中选择待复原子区域和非复原子区域。
在一种实施方式中,根据各子区域的哈希编码,统计每个哈希编码对应子区域中优质兴趣点的数量,并采用预设方式对各子区域中优质兴趣点的数量进行评价,从而确定各子区域中的待复原子区域和非复原子区域。例如预先根据市场调研结果构建一个评价函数,将任一子区域中优质兴趣点的数量作为该评价函数的输入参数,输出该子区域对应的评价结果,即该子区域为待复原子区域或非复原子区域;又例如,直接根据任一子区域中优质兴趣点的数量,与预设的数量阈值进行比对,根据比对结果确定该子区域为待复原子区域或非复原子区域。
通过根据各子区域中优质兴趣点的数量,从各子区域中选择待复原子区域和非复原子区域,为后续对待复原子区域中的低质兴趣点进行复原,奠定了基础。
S103、对所述待复原子区域中的低质兴趣点进行复原,且将所述待复原子区域中的优质兴趣点和复原的低质兴趣点,以及所述非复原子区域中的优质兴趣点作为待召回兴趣点。
在一种实施方式中,根据各待复原子区域的哈希编码,将各待复原子区域中被剔除的低质兴趣点复原。换言之,根据各待复原子区域的哈希编码,将被剔除的低质兴趣点填充回对应哈希编码所属的待复原子区域中,以复原成被剔除前的状态。而对于非复原子区域中被剔除的低质兴趣点则不进行复原操作,只保留优质兴趣点。进而根据对各待复原子区域中的低质兴趣点的复原结果,将待复原子区域中的优质兴趣点和复原的低质兴趣点,以及非复原子区域中的优质兴趣点作为待召回兴趣点,后续可根据用户下发的兴趣点召回指令,从待召回兴趣点中选择合适的兴趣点向用户进行推荐。
通过对待复原子区域中的低质兴趣点进行复原,且将待复原子区域中的优质兴趣点和复原的低质兴趣点,以及非复原子区域中的优质兴趣点作为待召回兴趣点,实现了确定目标区域中的待召回兴趣点的效果。
本公开通过剔除目标区域中各子区域包含的低质兴趣点,得到各子区域中剩余的优质兴趣点,并根据各子区域中优质兴趣点的数量,从各子区域中选择待复原子区域和非复原子区域,进而对待复原子区域中的低质兴趣点进行复原,且将待复原子区域中的优质兴趣点和复原的低质兴趣点,以及非复原子区域中的优质兴趣点作为待召回兴趣点,实现了将优质兴趣点数量较少的待复原子区域中被剔除的低质兴趣点复原,进而作为待召回兴趣点的效果,从而大大增加了待复原子区域中兴趣点的覆盖率以及召回量,平衡了待复原子区域与非复原子区域中待召回兴趣点的数量,改善了用户体验。
图2是根据本申请实施例公开的一种兴趣点处理方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。
如图2所示,该方法可以包括:
S201、确定任一子区域中各兴趣点的优先级以及兴趣点标识,进而根据各所述兴趣点的优先级以及兴趣点标识,确定该子区域包含的低质兴趣点,并剔除该子区域包含的所述低质兴趣点,得到该子区域中剩余的优质兴趣点。
其中,兴趣点的优先级即兴趣点的rank值,是在采集兴趣点时由技术人员对各兴趣点进行评估且赋值的,优先级较高的兴趣点rank值更高,而优先级较低的兴趣点rank值较低。例如,“某某大楼”优先级较高,其rank值为“1000”,即优先级为“1000”,而“某某大楼”附近的“某某超市”优先级较低,其rank值为“200”,即优先级为“200”。兴趣点标识包括兴趣点名称和兴趣点类型。
在一种实施方式中,将任一子区域中各兴趣点的优先级与预设的优先级阈值进行比对,根据比对结果确定该子区域中的低质兴趣点,并将低质兴趣点剔除,将剩余的兴趣点作为优质兴趣点。
在另一种实施方式中,将任一子区域中各兴趣点的兴趣点标识,与预设的低质标识集合进行匹配,根据匹配结果确定该子区域中的低质兴趣点,并将低质兴趣点剔除,将剩余的兴趣点作为优质兴趣点。
可选的,S201中“根据各所述兴趣点的优先级以及兴趣点标识,确定该子区域包含的低质兴趣点”包括:
将所述优先级小于优先级阈值,或者,所述兴趣点标识属于低质标识集合中的兴趣点,作为该子区域的低质兴趣点。
其中,低质标识集合包括低质名称集合以及低质类型集合,是由技术人员根据实际经验设定的,低质标识集合通常是由一些档次较低词汇组成。
在一种实施方式中,将各兴趣点的优先级与优先级阈值进行比对,将优先级小于优先级阈值的兴趣点作为低质兴趣点,例如兴趣点A的优先级为“50”,而优先级阈值为“100”,则兴趣点A为低质兴趣点。
或者,将各兴趣点的兴趣点标识,与预设的低质标识集合进行匹配,将兴趣点标识属于低质标识集合中的兴趣点,作为该子区域的低质兴趣点,例如低质标识集合中低质名称集合包括“厕所”、“报刊亭”、“宠物”、“图文快印店”、“彩票销售点”以及“家政服务”等,则若任一兴趣点的兴趣点名称中包括以上词汇,则确定该兴趣点为低质兴趣点;又例如低质标识集合中低质类型集合包括“交通设备;加油加气站”、“休闲娱乐;网吧”、“休闲娱乐;游戏场所”、“生活服务;维修点”、“美食;酒吧”以及“美食;小吃快餐店”等,则若任一兴趣点的兴趣点类型中包括以上词汇,则确定该兴趣点为低质兴趣点。
通过将优先级小于优先级阈值,或者,兴趣点标识属于低质标识集合中的兴趣点,作为该子区域的低质兴趣点,实现了对低质兴趣点的识别,为后续剔除低质兴趣点奠定了基础。
S202、将所述优质兴趣点的数量小于数量阈值的子区域,作为所述待复原子区域,且将所述优质兴趣点的数量大于或等于数量阈值的子区域,作为所述非复原子区域。
在一种实施方式中,将各子区域中优质兴趣点的数量与数量阈值进行比对,将优质兴趣点的数量小于数量阈值的子区域,作为待复原子区域,且将优质兴趣点的数量大于或等于数量阈值的子区域,作为非复原子区域。例如,假设数量阈值为50,子区域A的优质兴趣点为45,子区域B的优质兴趣点为70,子区域C的优质兴趣点为50,子区域D的优质兴趣点为30,则将子区域A和子区域D作为待复原子区域,将子区域B和子区域C作为非复原子区域。
S203、对所述待复原子区域中的低质兴趣点进行复原,且将所述待复原子区域中的优质兴趣点和复原的低质兴趣点,以及所述非复原子区域中的优质兴趣点作为待召回兴趣点。
本公开通过确定任一子区域中各兴趣点的优先级以及兴趣点标识,根据各兴趣点的优先级以及兴趣点标识,确定该子区域包含的低质兴趣点,并剔除该子区域包含的低质兴趣点,实现了识别且剔除低质兴趣点的效果;通过将优质兴趣点的数量小于数量阈值的子区域,作为待复原子区域,实现了识别优质兴趣点较缺乏的待复原子区域的效果,为后续复原待复原子区域中的低质兴趣点奠定了基础。
在上述实施例的基础上,S203之后,还包括A和B两个步骤:
A、根据兴趣点召回指令中的目标位置信息,以及各所述待召回兴趣点的位置信息,确定各所述待召回兴趣点与所述目标位置信息之间的距离值。
其中,目标位置信息表示用户想要召回的兴趣点所处的位置,其可以是用户当前所处位置,也可以是用户设置的任一其他位置。
在一种实施方式中,用户根据目标位置信息生成兴趣点召回指令,例如用户通过智能手机搜索目标位置信息附近的兴趣点。执行设备,例如服务器或任一可执行本实施中方法的电子设备,相应的获取该兴趣点召回指令并获取目标位置信息,进而计算各待召回兴趣点的位置信息与目标位置信息之间的距离值。
B、根据各所述待召回兴趣点关联的距离值,以及各所述待召回兴趣点的优先级,从各所述待召回兴趣点中选择待向用户推荐的兴趣点。
在一种实施方式中,根据各待召回兴趣点关联的距离值,以及各待召回兴趣点的优先级,计算各待召回兴趣点的得分,并根据得分排序结果选择排序靠前的预设数量待召回兴趣点,例如20个,作为待向用户推荐的兴趣点。
在另一种实施方式中,根据各待召回兴趣点关联的距离值,以及各待召回兴趣点的优先级,先对待召回兴趣点划分等级,并根据等级划分结果确定待打分兴趣点,再计算各待打分兴趣点的得分,并根据得分排序结果选择排序靠前的预设数量待打分兴趣点,例如20个,作为待向用户推荐的兴趣点。
通过根据兴趣点召回指令中的目标位置信息,以及各待召回兴趣点的位置信息,确定各待召回兴趣点与目标位置信息之间的距离值,并根据各待召回兴趣点关联的距离值,以及各待召回兴趣点的优先级,从各待召回兴趣点中选择待向用户推荐的兴趣点,实现了确定待向用户推荐的兴趣点的效果,满足了用户对于兴趣点的召回意图。
申请人在研发过程中发现,现有的兴趣点推荐方法,会首先计算所有待召回兴趣点的得分,并根据得分排序结果,将排序靠前的预设数量个待召回兴趣点作为向用户推荐的兴趣点。
然而由于待召回兴趣点数量众多,如果计算所有的待召回兴趣点的得分,这无疑会消耗较多的算力,且效率较低。
图3是根据本申请实施例公开的一种兴趣点处理方法的流程图,对上述技术方案中“根据各所述待召回兴趣点关联的距离值,以及各所述待召回兴趣点的优先级,从各所述待召回兴趣点中选择待向用户推荐的兴趣点”进一步优化与扩展,并可以与上述各个可选实施方式进行结合。
如图3所示,该方法可以包括:
S301、对各所述待召回兴趣点进行等级划分,并根据等级划分结果从所述待召回兴趣点中确定待打分兴趣点。
在一种实施方式中,根据各所述待召回兴趣点关联的距离值对各所述待召回兴趣点进行等级划分,并根据等级划分结果从所述待召回兴趣点中确定待打分兴趣点。
在另一种实施方式中,根据各所述待召回兴趣点的优先级对各所述待召回兴趣点进行等级划分,并根据等级划分结果从所述待召回兴趣点中确定待打分兴趣点。
在另一种实施方式中,根据各所述待召回兴趣点关联的距离值,以及各所述待召回兴趣点的优先级,对各所述待召回兴趣点进行等级划分,并根据等级划分结果从所述待召回兴趣点中确定待打分兴趣点。
可选的,S301中“对各所述待召回兴趣点进行等级划分”,包括以下A和B两种情况:
A、在任一所述待召回兴趣点为所述优质兴趣点的情况下,确定该待召回兴趣点关联的距离值所属的距离区间,以及该待召回兴趣点的优先级所属的优先级区间,并根据所述距离区间和所述优先级区间与预设等级的关联关系,确定该待召回兴趣点的等级。
其中,距离区间和优先级区间是技术人员预先划分的,并且还建立了距离区间和优先级区间与预设等级的关联关系,即根据一组距离区间和优先级区间,即可确定其对应的预设等级。
示例性的,假设距离区间划分有(0,577m]、(577m,816m]以及(816m,1000m],优先级区间划分有(0,1000]、(1000,2000]以及(2000,5000]。预先建立的距离区间和优先级区间与预设等级的关联关系为:距离区间(0,577m]和优先级区间(2000,5000]对应的预设等级为一级;距离区间(0,577m]和优先级区间(1000,2000]对应的预设等级为二级;距离区间(0,577m]和优先级区间(0,1000]对应的预设等级为三级;距离区间(577m,816m]和优先级区间(2000,5000]对应的预设等级为四级;距离区间(577m,816m]和优先级区间(1000,2000]对应的预设等级为五级;距离区间(577m,816m]和优先级区间(0,1000]对应的预设等级为六级;距离区间(816m,1000m]和优先级区间(2000,5000]对应的预设等级为七级;距离区间(816m,1000m]和优先级区间(1000,2000]对应的预设等级为八级;距离区间(816m,1000m]和优先级区间(0,1000]对应的预设等级为九级。其中,一级为最高等级,九级为最低等级。
假如任一待召回兴趣点为优质兴趣点,且关联的距离值为456m,优先级为1256,则该待召回兴趣点的等级为二级。
B、在任一所述待召回兴趣点为所述复原的低质兴趣点的情况下,确定该待召回兴趣点的等级为最低等级。
在一种实施方式中,若任一待召回兴趣点为复原的低质兴趣点,则直接将该待召回兴趣点的等级设置为最低等级。
示例性的,假设设置有1~10共十个等级,则1~9级均为优质兴趣点,而第10级仅有复原的低质兴趣点。
通过在任一待召回兴趣点为优质兴趣点的情况下,确定该待召回兴趣点关联的距离值所属的距离区间,以及该待召回兴趣点的优先级所属的优先级区间,并根据距离区间和优先级区间与预设等级的关联关系,确定该待召回兴趣点的等级;在任一待召回兴趣点为复原的低质兴趣点的情况下,确定该待召回兴趣点的等级为最低等级,实现了确定各待召回兴趣点等级的效果,为后续根据等级划分结果从待召回兴趣点中确定待打分兴趣点,奠定了基础。
可选的,S301中“根据等级划分结果从所述待召回兴趣点中确定待打分兴趣点”,包括:
根据预设的待打分兴趣点的期望数量,以从高等级待召回兴趣点到低等级待召回兴趣点的顺序,依次从各等级的待召回兴趣点中获取待打分兴趣点,直至获取的所述待打分兴趣点的数量等于所述期望数量时为止。
示例性的,假设待打分兴趣点的期望数量为50,共有1~4共四级的待召回兴趣点。其中,1级待召回兴趣点的数量为30个,2级待召回兴趣点的数量为15个,3级待召回兴趣点的数量为20个,4级待召回兴趣点的数量为10个。则先获取等级最高的1级待召回兴趣点30个,作为30个待打分兴趣点,再获取2级待召回兴趣点15个,此时共有45个待打分兴趣点,进而再获取3级待召回兴趣点5个,使得获取的待打分兴趣点的数量等于期望数量50。
通过根据预设的待打分兴趣点的期望数量,以从高等级待召回兴趣点到低等级待召回兴趣点的顺序,依次从各等级的待召回兴趣点中获取待打分兴趣点,直至获取的所述待打分兴趣点的数量等于所述期望数量时为止,实现了按照等级从高到低依次获取待打分兴趣点,直至满足期望数量为止的效果,避免了将所有待召回兴趣点都作为待打分兴趣点,导致一些距离较远或优先级较低的待召回兴趣点也参与得分计算,从而浪费大量算力的问题。
S302、根据各所述待打分兴趣点关联的距离值,以及各所述待打分兴趣点的优先级,确定各所述待打分兴趣点的得分。
在一种实施方式中,将各待打分兴趣点关联的距离值,以及各待打分兴趣点的优先级,进行加权计算确定各待打分兴趣点的得分。
可选的,S302包括:
将任一待打分兴趣点关联的距离值,与该待打分兴趣点的优先级之间的加权和值,作为该待打分兴趣点的得分。
示例性的,假设距离值权重为distance_factor,距离值为distance,距离值权重为rank_factor,优先级为rank,则待打分兴趣点的得分可以由以下公式表示:(distance/distance_factor)+(rank/rank_factor),其中,distance_factor为负数,rank_factor正数。
通过将任一待打分兴趣点关联的距离值,与该待打分兴趣点的优先级之间的加权和值,作为该待打分兴趣点的得分,实现了根据距离值以及优先值确定待打分兴趣点得分的效果。
S303、根据各所述待打分兴趣点的得分,从各所述待打分兴趣点中确定目标兴趣点,并将所述目标兴趣点作为所述待向用户推荐的兴趣点。
在一种实施方式中,将各待打分兴趣点的得分进行排序,根据排序结果选取得分较高的预设数量个待打分兴趣点作为目标兴趣点,并将目标兴趣点作为待向用户推荐的兴趣点。
可选的,S303中“根据各所述待打分兴趣点的得分,从各所述待打分兴趣点中确定目标兴趣点”包括以下A、B和C三个步骤:
A、将各所述待打分兴趣点的得分进行排序,根据排序结果将排序位次属于预设位次区间的待打分兴趣点,作为第一类目标兴趣点。
其中,预设位次区间可根据需求任意设置,例如设置0~10排序位次为预设位次区间。
可选的,将各待打分兴趣点的得分进行排序,根据排序结果将排序位次属于前五位次的待打分兴趣点,作为第一类目标兴趣点。
B、确定各所述待打分兴趣点中除所述第一类目标兴趣点以外的其他兴趣点的类型,并根据各类型的其他兴趣点的得分,从各类型的其他兴趣点中分别选择至少一个其他兴趣点,作为第二类目标兴趣点。
其中,兴趣点的类型由技术人员根据经验进行标定。
在一种实施方式中,将待打分兴趣点中除去第一类目标兴趣点以外的待打分兴趣点,作为其他兴趣点,并根据各其他兴趣点的类型对其他兴趣点进行分类,进而根据各类型其他兴趣点得分,从各类型的其他兴趣点中分别选择得分最高的其他兴趣点,作为第二类目标兴趣点。
示例性的,假设其他兴趣点类型包括“生活服务”、“休闲娱乐”和“交通设备”。其中,“生活服务”类型中各其他兴趣点的得分为:“其他兴趣点A”90分、“其他兴趣点B”95分和“其他兴趣点C”95分;“休闲娱乐”类型中各其他兴趣点的得分为:“其他兴趣点D”70分、“其他兴趣点E”90分和“其他兴趣点F”85分;“交通设备”类型中各其他兴趣点的得分为:“其他兴趣点G”80分、“其他兴趣点H”85分和“其他兴趣点I”95分,则将“其他兴趣点B”、“其他兴趣点C”、“其他兴趣点E”和“其他兴趣点I”作为第二类目标兴趣点。
C、将所述第一类目标兴趣点和所述第二类目标兴趣点,共同作为所述目标兴趣点。
在一种实施方式中,将步骤A确定的第一类目标兴趣点,以及步骤B确定的第二类目标兴趣点,共同作为目标兴趣点向用户进行推荐。其中,推荐的方式可以是将目标兴趣点按照得分降序方式向用户进行推荐。
通过将各待打分兴趣点的得分进行排序,根据排序结果将排序位次属于预设位次区间的待打分兴趣点,作为第一类目标兴趣点,并确定各待打分兴趣点中除第一类目标兴趣点以外的其他兴趣点的类型,并根据各类型的其他兴趣点的得分,从各类型的其他兴趣点中分别选择至少一个其他兴趣点,作为第二类目标兴趣点,进而将第一类目标兴趣点和第二类目标兴趣点,共同作为目标兴趣点,使得目标兴趣点中即有得分较高的第一类兴趣点,还有包括各种兴趣点类型的第二类兴趣点,从而保证了目标兴趣点的质量和多样性。
本公开通过对各待召回兴趣点进行等级划分,并根据等级划分结果从待召回兴趣点中确定待打分兴趣点,进而根据各待打分兴趣点关联的距离值,以及各待打分兴趣点的优先级,确定各待打分兴趣点的得分,最终根据各待打分兴趣点的得分,从各待打分兴趣点中确定目标兴趣点,并将目标兴趣点作为待向用户推荐的兴趣点,避免了将所有待召回兴趣点都作为待打分兴趣点,导致一些距离较远或优先级较低的待召回兴趣点也参与得分计算,从而浪费大量算力的问题。
图4是根据本公开实施例公开的一种兴趣点处理装置的结构示意图,可以适用于确定目标区域中的待召回兴趣点的情况。本实施例装置可采用软件和/或硬件实现,并可集成在任意的具有计算能力的电子设备上。
如图4所示,本实施例公开的兴趣点处理装置40可以包括优质兴趣点获取模块41、子区域选择模块42和待召回兴趣点确定模块43,其中:
优质兴趣点获取模块41,用于剔除目标区域中各子区域包含的低质兴趣点,得到各所述子区域中剩余的优质兴趣点;
子区域选择模块42,用于根据各所述子区域中所述优质兴趣点的数量,从各所述子区域中选择待复原子区域和非复原子区域;
待召回兴趣点确定模块43,用于对所述待复原子区域中的低质兴趣点进行复原,且将所述待复原子区域中的优质兴趣点和复原的低质兴趣点,以及所述非复原子区域中的优质兴趣点作为待召回兴趣点。
可选的,所述优质兴趣点获取模块41,具体用于:
确定任一子区域中各兴趣点的优先级以及兴趣点标识;
根据各所述兴趣点的优先级以及兴趣点标识,确定该子区域包含的低质兴趣点,并剔除该子区域包含的所述低质兴趣点。
可选的,所述优质兴趣点获取模块41,具体还用于:
将所述优先级小于优先级阈值,或者,所述兴趣点标识属于低质标识集合中的兴趣点,作为该子区域的低质兴趣点。
可选的,所述子区域选择模块42,具体用于:
将所述优质兴趣点的数量小于数量阈值的子区域,作为所述待复原子区域。
可选的,所述装置还包括兴趣点推荐模块,具体用于:
根据兴趣点召回指令中的目标位置信息,以及各所述待召回兴趣点的位置信息,确定各所述待召回兴趣点与所述目标位置信息之间的距离值;
根据各所述待召回兴趣点关联的距离值,以及各所述待召回兴趣点的优先级,从各所述待召回兴趣点中选择待向用户推荐的兴趣点。
可选的,所述兴趣点推荐模块,具体还用于:
对各所述待召回兴趣点进行等级划分,并根据等级划分结果从所述待召回兴趣点中确定待打分兴趣点;
根据各所述待打分兴趣点关联的距离值,以及各所述待打分兴趣点的优先级,确定各所述待打分兴趣点的得分;
根据各所述待打分兴趣点的得分,从各所述待打分兴趣点中确定目标兴趣点,并将所述目标兴趣点作为所述待向用户推荐的兴趣点。
可选的,所述兴趣点推荐模块,具体还用于:
在任一所述待召回兴趣点为所述优质兴趣点的情况下,确定该待召回兴趣点关联的距离值所属的距离区间,以及该待召回兴趣点的优先级所属的优先级区间,并根据所述距离区间和所述优先级区间与预设等级的关联关系,确定该待召回兴趣点的等级;
在任一所述待召回兴趣点为所述复原的低质兴趣点的情况下,确定该待召回兴趣点的等级为最低等级。
可选的,所述兴趣点推荐模块,具体还用于:
根据预设的待打分兴趣点的期望数量,以从高等级待召回兴趣点到低等级待召回兴趣点的顺序,依次从各等级的待召回兴趣点中获取待打分兴趣点,直至获取的所述待打分兴趣点的数量等于所述期望数量时为止。
可选的,所述兴趣点推荐模块,具体还用于:
将任一待打分兴趣点关联的距离值,与该待打分兴趣点的优先级之间的加权和值,作为该待打分兴趣点的得分。
可选的,所述兴趣点推荐模块,具体还用于:
将各所述待打分兴趣点的得分进行排序,根据排序结果将排序位次属于预设位次区间的待打分兴趣点,作为第一类目标兴趣点;
确定各所述待打分兴趣点中除所述第一类目标兴趣点以外的其他兴趣点的类型,并根据各类型的其他兴趣点的得分,从各类型的其他兴趣点中分别选择至少一个其他兴趣点,作为第二类目标兴趣点;
将所述第一类目标兴趣点和所述第二类目标兴趣点,共同作为所述目标兴趣点。
本公开实施例所公开的兴趣点处理装置40可执行本公开实施例所公开的兴趣点处理方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
…
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如兴趣点处理方法。例如,在一些实施例中,兴趣点处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的兴趣点处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行兴趣点处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种兴趣点处理方法,包括:
剔除目标区域中各子区域包含的低质兴趣点,得到各所述子区域中剩余的优质兴趣点;
根据各所述子区域中所述优质兴趣点的数量,从各所述子区域中选择待复原子区域和非复原子区域;
对所述待复原子区域中的低质兴趣点进行复原,且将所述待复原子区域中的优质兴趣点和复原的低质兴趣点,以及所述非复原子区域中的优质兴趣点作为待召回兴趣点。
2.根据权利要求1所述的方法,其中,剔除目标区域中各子区域包含的低质兴趣点,包括:
确定任一子区域中各兴趣点的优先级以及兴趣点标识;
根据各所述兴趣点的优先级以及兴趣点标识,确定该子区域包含的低质兴趣点,并剔除该子区域包含的所述低质兴趣点。
3.根据权利要求2所述的方法,其中,根据各所述兴趣点的优先级以及兴趣点标识,确定该子区域包含的低质兴趣点,包括:
将所述优先级小于优先级阈值,或者,所述兴趣点标识属于低质标识集合中的兴趣点,作为该子区域的低质兴趣点。
4.根据权利要求1所述的方法,其中,根据各所述子区域中所述优质兴趣点的数量,从各所述子区域中选择待复原子区域,包括:
将所述优质兴趣点的数量小于数量阈值的子区域,作为所述待复原子区域。
5.根据权利要求1-4中任一项所述的方法,其中,将所述待复原子区域中的优质兴趣点和复原的低质兴趣点,以及所述非复原子区域中的优质兴趣点作为待召回兴趣点之后,还包括:
根据兴趣点召回指令中的目标位置信息,以及各所述待召回兴趣点的位置信息,确定各所述待召回兴趣点与所述目标位置信息之间的距离值;
根据各所述待召回兴趣点关联的距离值,以及各所述待召回兴趣点的优先级,从各所述待召回兴趣点中选择待向用户推荐的兴趣点。
6.根据权利要求5所述的方法,其中,所述根据所述距离值以及各所述待召回兴趣点的优先级,从各所述待召回兴趣点中选择待向用户推荐的兴趣点,包括:
对各所述待召回兴趣点进行等级划分,并根据等级划分结果从所述待召回兴趣点中确定待打分兴趣点;
根据各所述待打分兴趣点关联的距离值,以及各所述待打分兴趣点的优先级,确定各所述待打分兴趣点的得分;
根据各所述待打分兴趣点的得分,从各所述待打分兴趣点中确定目标兴趣点,并将所述目标兴趣点作为所述待向用户推荐的兴趣点。
7.根据权利要求6所述的方法,其中,对各所述待召回兴趣点进行等级划分,包括:
在任一所述待召回兴趣点为所述优质兴趣点的情况下,确定该待召回兴趣点关联的距离值所属的距离区间,以及该待召回兴趣点的优先级所属的优先级区间,并根据所述距离区间和所述优先级区间与预设等级的关联关系,确定该待召回兴趣点的等级;
在任一所述待召回兴趣点为所述复原的低质兴趣点的情况下,确定该待召回兴趣点的等级为最低等级。
8.根据权利要求6所述的方法,其中,根据等级划分结果从所述待召回兴趣点中确定待打分兴趣点,包括:
根据预设的待打分兴趣点的期望数量,以从高等级待召回兴趣点到低等级待召回兴趣点的顺序,依次从各等级的待召回兴趣点中获取待打分兴趣点,直至获取的所述待打分兴趣点的数量等于所述期望数量时为止。
9.根据权利要求6所述的方法,其中,根据各所述待打分兴趣点关联的距离值,以及各所述待打分兴趣点的优先级,确定各所述待打分兴趣点的得分,包括:
将任一待打分兴趣点关联的距离值,与该待打分兴趣点的优先级之间的加权和值,作为该待打分兴趣点的得分。
10.根据权利要求6所述的方法,其中,根据各所述待打分兴趣点的得分,从各所述待打分兴趣点中确定目标兴趣点,包括:
将各所述待打分兴趣点的得分进行排序,根据排序结果将排序位次属于预设位次区间的待打分兴趣点,作为第一类目标兴趣点;
确定各所述待打分兴趣点中除所述第一类目标兴趣点以外的其他兴趣点的类型,并根据各类型的其他兴趣点的得分,从各类型的其他兴趣点中分别选择至少一个其他兴趣点,作为第二类目标兴趣点;
将所述第一类目标兴趣点和所述第二类目标兴趣点,共同作为所述目标兴趣点。
11.一种兴趣点处理装置,包括:
优质兴趣点获取模块,用于剔除目标区域中各子区域包含的低质兴趣点,得到各所述子区域中剩余的优质兴趣点;
子区域选择模块,用于根据各所述子区域中所述优质兴趣点的数量,从各所述子区域中选择待复原子区域和非复原子区域;
待召回兴趣点确定模块,用于对所述待复原子区域中的低质兴趣点进行复原,且将所述待复原子区域中的优质兴趣点和复原的低质兴趣点,以及所述非复原子区域中的优质兴趣点作为待召回兴趣点。
12.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
13.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
14.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110168877.1A CN112860996B (zh) | 2021-02-07 | 2021-02-07 | 一种兴趣点处理方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110168877.1A CN112860996B (zh) | 2021-02-07 | 2021-02-07 | 一种兴趣点处理方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112860996A true CN112860996A (zh) | 2021-05-28 |
CN112860996B CN112860996B (zh) | 2023-09-19 |
Family
ID=75988914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110168877.1A Active CN112860996B (zh) | 2021-02-07 | 2021-02-07 | 一种兴趣点处理方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112860996B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113254809A (zh) * | 2021-06-16 | 2021-08-13 | 浙江口碑网络技术有限公司 | 地理信息获得方法、装置、电子设备 |
CN114898060A (zh) * | 2022-05-24 | 2022-08-12 | 北京百度网讯科技有限公司 | 用于处理数据的方法、装置、设备、介质和产品 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208227A (zh) * | 2012-01-12 | 2013-07-17 | 腾讯科技(深圳)有限公司 | 一种电子地图兴趣点显示方法、系统及电子设备 |
CN106610976A (zh) * | 2015-10-22 | 2017-05-03 | 高德信息技术有限公司 | 一种poi标注方法及装置 |
CN108197203A (zh) * | 2017-12-28 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 一种门脸头图挑选方法、装置、服务器和存储介质 |
CN109710709A (zh) * | 2018-12-13 | 2019-05-03 | 北京百度网讯科技有限公司 | 兴趣点数据处理方法、装置、电子设备及存储介质 |
CN109791547A (zh) * | 2016-11-21 | 2019-05-21 | 谷歌有限责任公司 | 电子地图界面 |
CN110457705A (zh) * | 2019-08-14 | 2019-11-15 | 百度在线网络技术(北京)有限公司 | 一种兴趣点数据处理方法、装置、设备和存储介质 |
CN111159318A (zh) * | 2018-11-08 | 2020-05-15 | 阿里巴巴集团控股有限公司 | 聚合兴趣点的方法、装置、设备和介质 |
CN111274346A (zh) * | 2020-01-21 | 2020-06-12 | 青梧桐有限责任公司 | 获取兴趣点数据的方法、系统、电子设备及可读存储介质 |
CN111651685A (zh) * | 2019-09-24 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 一种兴趣点获取方法、装置、电子设备及存储介质 |
-
2021
- 2021-02-07 CN CN202110168877.1A patent/CN112860996B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208227A (zh) * | 2012-01-12 | 2013-07-17 | 腾讯科技(深圳)有限公司 | 一种电子地图兴趣点显示方法、系统及电子设备 |
CN106610976A (zh) * | 2015-10-22 | 2017-05-03 | 高德信息技术有限公司 | 一种poi标注方法及装置 |
CN109791547A (zh) * | 2016-11-21 | 2019-05-21 | 谷歌有限责任公司 | 电子地图界面 |
CN108197203A (zh) * | 2017-12-28 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 一种门脸头图挑选方法、装置、服务器和存储介质 |
CN111159318A (zh) * | 2018-11-08 | 2020-05-15 | 阿里巴巴集团控股有限公司 | 聚合兴趣点的方法、装置、设备和介质 |
CN109710709A (zh) * | 2018-12-13 | 2019-05-03 | 北京百度网讯科技有限公司 | 兴趣点数据处理方法、装置、电子设备及存储介质 |
CN110457705A (zh) * | 2019-08-14 | 2019-11-15 | 百度在线网络技术(北京)有限公司 | 一种兴趣点数据处理方法、装置、设备和存储介质 |
CN111651685A (zh) * | 2019-09-24 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 一种兴趣点获取方法、装置、电子设备及存储介质 |
CN111274346A (zh) * | 2020-01-21 | 2020-06-12 | 青梧桐有限责任公司 | 获取兴趣点数据的方法、系统、电子设备及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
单硕堂;陈廷伟;贾梦威;: "融合相对评分的个性化兴趣点推荐算法", 计算机应用与软件, no. 10 * |
李心茹;夏阳;张硕硕;: "基于相似度融合和动态预测的兴趣点推荐算法", 计算机工程与应用, no. 10 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113254809A (zh) * | 2021-06-16 | 2021-08-13 | 浙江口碑网络技术有限公司 | 地理信息获得方法、装置、电子设备 |
CN114898060A (zh) * | 2022-05-24 | 2022-08-12 | 北京百度网讯科技有限公司 | 用于处理数据的方法、装置、设备、介质和产品 |
Also Published As
Publication number | Publication date |
---|---|
CN112860996B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112860996A (zh) | 一种兴趣点处理方法、装置、电子设备和介质 | |
CN111798106B (zh) | 项目管理方法及系统 | |
CN110544157A (zh) | 乘车位置推荐方法、装置、电子设备及存储介质 | |
CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
CN111415035A (zh) | 一种预估建筑功能户型比的方法及装置 | |
CN111967964B (zh) | 银行客户端网点的智能推荐方法及装置 | |
CN105227618A (zh) | 一种通信站点位置信息处理方法及系统 | |
CN107153891B (zh) | 区域转移调度方法、装置、设备及存储介质 | |
CN106530702A (zh) | 一种基于交通指数的随机动态网络交通规划方法 | |
CN111626554A (zh) | 订单指派方法、装置、计算机设备及计算机可读存储介质 | |
CN107526815A (zh) | 目标区域范围内的移动模式的确定方法及电子设备 | |
CN114549058A (zh) | 选址方法、装置、电子设备和可读存储介质 | |
CN109462403A (zh) | 一种实现寄递地址编码的方法及系统 | |
CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
CN114064834A (zh) | 目标地点确定方法及装置、存储介质和电子设备 | |
CN113792989A (zh) | 一种需求驱动的共享观光车区域间并行优化调度方法 | |
CN116662509A (zh) | 大规模语言模型的开放域问答实现方法、装置及设备 | |
CN115375193B (zh) | 双目标生产调度优化方法、装置、设备及可读存储介质 | |
CN116307325A (zh) | 一种配电网的线路规划方法、装置、电子设备及存储介质 | |
CN106126739A (zh) | 一种处理业务关联数据的装置 | |
CN115329667A (zh) | 一种风机点位确定方法、装置、设备及存储介质 | |
CN113051490A (zh) | 新增兴趣点预测模型训练、新增兴趣点预测方法及装置 | |
CN113987260A (zh) | 一种视频推送方法、装置、电子设备及存储介质 | |
CN114333326B (zh) | 一种路口拥堵检测方法、装置及电子设备 | |
CN113190769B (zh) | 通勤特征数据确定方法、装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |