CN113282690B - 兴趣点召回的排序方法、装置、设备和存储介质 - Google Patents
兴趣点召回的排序方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113282690B CN113282690B CN202010102225.3A CN202010102225A CN113282690B CN 113282690 B CN113282690 B CN 113282690B CN 202010102225 A CN202010102225 A CN 202010102225A CN 113282690 B CN113282690 B CN 113282690B
- Authority
- CN
- China
- Prior art keywords
- city
- click
- target
- interest
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012163 sequencing technique Methods 0.000 claims abstract description 46
- 238000012549 training Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 19
- 230000006399 behavior Effects 0.000 claims description 16
- 238000002372 labelling Methods 0.000 claims description 11
- 230000008901 benefit Effects 0.000 description 20
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种兴趣点召回的排序方法、装置、设备和存储介质,涉及地图检索技术领域。具体实现方案为:基于召回的目标兴趣点所属的目标城市,对所述目标兴趣点进行聚簇,以得到至少两个兴趣点簇;确定所述目标城市的城市特征;根据所述目标城市的城市特征,对所述至少两个兴趣点簇进行排序。本申请实施例通过以城市维度为核心对召回的兴趣点进行分簇排序,增强了兴趣点排序结果的合理性,避免了检索时的本地图区对于排序结果的限制,更有效的满足用户对不同国家不同城市的异地检索需求,提高了召回兴趣点排序准确率和用户满意度。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及地图检索技术领域,具体涉及一种兴趣点召回的排序方法、装置、设备和存储介质。
背景技术
地图检索中所召回兴趣点的排序,极大的影响了用户对不同国家不同城市所召回兴趣点的满意度。现在地图检索召回结果排序中,仅考虑了单个兴趣点维度的相关性特征,使得检索时的本地图区兴趣点结果排序靠前,但异地更相关的需求城市排序靠后甚至得不到展现机会,进而降低召回兴趣点排序准确率和用户满意度。
发明内容
本申请实施例提供了一种兴趣点召回的排序方法、装置、设备和存储介质,能够提高召回兴趣点排序准确率和用户满意度。
第一方面,本申请实施例提供了一种兴趣点召回的排序方法,包括:
基于召回的目标兴趣点所属的目标城市,对所述目标兴趣点进行聚簇,以得到至少两个兴趣点簇;
确定所述目标城市的城市特征;
根据所述目标城市的城市特征,对所述至少两个兴趣点簇进行排序。
上述申请中的一个实施例具有如下优点或有益效果:通过以城市维度为核心对召回的兴趣点进行分簇排序,增强了兴趣点排序结果的合理性,避免了检索时的本地图区对于排序结果的限制,更有效的满足用户对不同国家不同城市的异地检索需求,提高了召回兴趣点排序准确率和用户满意度。
可选的,所述确定所述目标城市的城市特征,包括:
根据历史检索请求和历史点击数据,确定历史召回兴趣点所属召回城市的点击量;
根据各召回城市的点击量,确定检索范围的城市点击总量;
根据目标城市的点击量,以及所述检索范围的城市点击总量,确定所述目标城市的需求分布特征。
上述申请中的一个实施例具有如下优点或有益效果:城市特征可以包括城市的需求分布特征,进而为城市的排序提供有效的依据,提高城市排序的准确率。
可选的,所述根据历史检索请求和历史点击数据,确定历史召回兴趣点所属召回城市的点击量,包括:
根据历史检索请求和历史点击数据,若检测到所述历史检索请求输入不完整时,存在用户对兴趣点检索结果的点击行为,则确定被点击兴趣点所属召回城市的直接点击量;
否则,若检测到用户在所述历史检索请求输入完整时,存在对兴趣点检索结果的点击行为,则确定被点击兴趣点所属召回城市的后续点击量;
根据召回城市的直接点击量和后续点击量,确定所述召回城市的点击量。
上述申请中的一个实施例具有如下优点或有益效果:基于当前检索系统中的联想补全检索功能,可以根据用户的检索点击行为确定城市的直接点击量,而根据用户输入完整历史检索请求的点击行为,可以确定城市的后续点击量。从而不仅能够根据用户点击行为区分不同的点击量,还能够避免点击量的重复计算,提高点击量确定的准确率。
可选的,所述确定所述目标城市的城市特征,包括:
根据历史检索请求和历史点击数据,确定当前用户对历史召回兴趣点的历史点击量和历史展现量;
根据所述历史召回兴趣点的历史点击量和历史展现量,确定当前用户对所述历史召回兴趣点的点展比;
根据当前用户对同一目标城市内各历史召回兴趣点的点展比,确定当前用户对该目标城市的点展比特征。
上述申请中的一个实施例具有如下优点或有益效果:城市特征可以包括用户对一个目标城市的点展比特征,进而为城市的排序提供有效的依据,提高城市排序的准确率。
可选的,所述根据所述目标城市的城市特征,对所述至少两个兴趣点簇进行排序,包括:
根据所述目标城市的城市特征,对所述目标城市进行排序;
按照所述目标城市的排序结果,对所述至少两个兴趣点簇进行排序,以得到所述目标兴趣点基于城市维度的排序结果。
上述申请中的一个实施例具有如下优点或有益效果:通过以城市维度为核心对召回的兴趣点进行分簇排序,避免检索时的本地图区对于排序结果的限制,使得真正的需求城市下的兴趣点排序靠前,提高了召回兴趣点排序准确率和用户满意度。
可选的,所述根据所述目标城市的城市特征,对所述目标城市进行排序,包括:
基于城市排序模型,根据至少两个目标城市的城市特征,确定所述至少两个目标城市的排序结果;
其中,所述城市排序模型按照如下操作训练得到:
根据历史检索请求和历史点击数据,确定历史召回兴趣点所属样本城市的点展比和城市特征;
根据所述样本城市的点展比和城市特征,对所述样本城市进行满意度标注;
根据所述样本城市以及所述样本城市的城市特征和满意度标注,训练所述城市排序模型。
上述申请中的一个实施例具有如下优点或有益效果:通过将城市特征输入至城市排序模型中,可以为每个城市进行需求打分,便于城市的排序。其中,城市排序模型可以在城市点展比的辅助下,根据城市特征为每个样本城市进行满意度标注,从而基于样本城市、城市特征以及满意度标注训练得到城市排序模型。
可选的,所述根据历史检索请求和历史点击数据,确定历史召回兴趣点所属样本城市的点展比,包括:
根据历史检索请求和历史点击数据,确定历史召回兴趣点的点击量和展现量;
根据所述样本城市内各历史召回兴趣点的点击量和展现量,确定所述样本城市的点击总量和展现总量;
根据所述样本城市的点击总量和展现总量,确定所述样本城市的点展比。
上述申请中的一个实施例具有如下优点或有益效果:根据样本城市内每个兴趣点的点击量和展现量,可以确定该样本城市的点击总量和展现总量,从而为城市点展比的确定提供依据,提高城市点展比确定的准确率。
可选的,所述根据所述样本城市的点展比和城市特征,对所述样本城市进行满意度标注,包括:
若检测到历史检索请求中包括待检索兴趣点所属的样本城市,则根据历史用户检索时的本地图区以及所述历史检索请求中所包括的样本城市,对所述样本城市进行满意度标注;
否则,根据所述样本城市的点展比以及点展比阈值,对所述样本城市进行满意度标注。
上述申请中的一个实施例具有如下优点或有益效果:以检索请求中指明兴趣点所属城市为最高优先级,对于这种情况下的城市赋予较高的满意度标注。在这种情况之外,根据城市的点展比以及点展比阈值,为城市添加满意度标注。以便城市排序模型根据满意度标注学习样本城市的需求程度。
可选的,所述根据所述样本城市的点展比和城市特征,对所述样本城市进行满意度标注,包括:
若根据所述样本城市的点展比以及点展比阈值检测到低频点击城市,则根据历史检索请求与历史召回兴趣点之间的文本相似度、低频点击城市当前热度以及城市点击倾向,对所述低频点击城市进行满意度标注。
上述申请中的一个实施例具有如下优点或有益效果:对于点展比低于点展比阈值的低频点击城市,可以根据历史检索请求与历史召回兴趣点之间的文本相似度、低频点击城市当前热度以及城市点击倾向,对低频点击城市进行补充标注,使得低频点击城市的排序需求得到覆盖。
第二方面,本申请实施例提供了一种兴趣点召回的排序装置,包括:
兴趣点聚簇模块,用于基于召回的目标兴趣点所属的目标城市,对所述目标兴趣点进行聚簇,以得到至少两个兴趣点簇;
城市特征确定模块,用于确定所述目标城市的城市特征;
分簇排序模块,用于根据所述目标城市的城市特征,对所述至少两个兴趣点簇进行排序。
第三方面,本申请实施例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申请任意实施例所述的兴趣点召回的排序方法。
第四方面,本申请实施例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,所述计算机指令用于使所述计算机执行本申请任意实施例所述的兴趣点召回的排序方法。
上述申请中的一个实施例具有如下优点或有益效果:在基于当前用户的当前检索请求获得召回的多个目标兴趣点的基础上,确定多个目标兴趣点所属的多个目标城市,根据目标城市对目标兴趣点进行聚簇,得到多个兴趣点簇,确定目标城市的城市特征,并根据目标城市的城市特征对多个兴趣点簇进行排序,以得到目标兴趣点基于城市维度的排序结果。本申请实施例通过以城市维度为核心对召回的兴趣点进行分簇排序,增强了兴趣点排序结果的合理性,避免了检索时的本地图区对于排序结果的限制,更有效的满足用户对不同国家不同城市的异地检索需求,提高了召回兴趣点排序准确率和用户满意度。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的一种兴趣点召回的排序方法的流程图;
图2是根据本申请第二实施例的一种兴趣点召回的排序方法的流程图;
图3是根据本申请第二实施例的城市特征的示例图;
图4是根据本申请第三实施例的城市排序模型训练的流程图;
图5是根据本申请第四实施例的一种兴趣点召回的排序装置的结构示意图;
图6是用来实现本申请实施例的兴趣点召回的排序方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请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,而不会背离本申请的范围和精神。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。
第一实施例
图1是根据本申请第一实施例的一种兴趣点召回的排序方法的流程图,本实施例可适用于在当前用户发起当前检索请求并检索得到多个目标兴趣点时,对得到的目标兴趣点进行排序的情况,该方法可由一种兴趣点召回的排序装置来执行,该装置采用软件和/或硬件的方式实现,优选是配置于电子设备中,例如地图检索系统的客户端或服务器。如图1所示,该方法具体包括如下:
S110、基于召回的目标兴趣点所属的目标城市,对目标兴趣点进行聚簇,以得到至少两个兴趣点簇。
在本申请具体实施例中,兴趣点(Point of Information,POI)是指地理信息中代表地理物理实体的点,例如房子、店铺、邮筒或公交站等。召回的目标兴趣点是指,基于当前用户发起的当前检索请求,检索所召回得到的兴趣点。目标城市是指,根据兴趣点的位置信息,确定的目标兴趣点所属的城市。不同目标兴趣点可能归属于相同或不同的目标城市。
本实施例中,召回的目标兴趣点可以为一个或多个。优选的,召回的目标兴趣点为多个。相应的,目标兴趣点所属的目标城市包括至少两个。其中,在召回时,多个目标兴趣点之间可以是基于现有技术进行了初始排序,例如基于LTR(Learning to Rank,学习排序)算法得到了目标兴趣点的初始排序结果。
其中,由于当前用户在发起当前检索请求时,地图的本地图区通常是定位于当前用户当前所在的图区,或者是当前用户所选择的图区。因此基于现有技术的兴趣点初始排序中,通常将本地图区中的兴趣点确定为与当前用户相关性较高的兴趣点,而将异地兴趣点确定为与当前用户相关性较低的兴趣点,进而初始排序中本地兴趣点靠前而异地兴趣点靠后甚至无展现机会。示例性的,假设本地图区为国外城市,比如纽约,当前用户检索万里长城,基于全局检索后,系统会将纽约市内名为万里长城的店铺的排序靠前,而将北京市内的万里长城的排序靠后,存在不合理性。
相应的,本实施例在得到召回的目标兴趣点之后,对目标兴趣点进行二次排序,以寻求更加合理的兴趣点排序结果。
具体的,在得到召回的目标兴趣点之后,确定目标兴趣点所属的目标城市,并基于城市维度,将所属于同一目标城市的目标兴趣点归类为一个兴趣点簇,以得到至少两个目标城市下的至少两个兴趣点簇。其中,每个兴趣点簇内的目标兴趣点可以为一个或多个。
示例性的,假设召回得到的目标兴趣点及其排序结果为:POI1、POI2、POI3、POI4、POI5、POI6。确定目标兴趣点所属的目标城市为:POI1归属城市A、POI2归属城市A、POI3归属城市B、POI4归属城市C、POI5归属城市A、POI6归属城市C。基于城市维度对目标兴趣点进行聚簇后,可以得到:城市A聚簇{POI1、POI2、POI5},城市B聚簇{POI3},城市C聚簇{POI4、POI6}。
S120、确定目标城市的城市特征。
在本申请具体实施例中,城市特征是指能够体现兴趣点检索时城市需求的特征。可以根据城市内的兴趣点、历史检索请求、历史点击数据、本地图区、文本相似度等信息,来确定目标城市的城市特征。目标城市的城市特征包括但不局限于目标城市需求分布特征、用户对目标城市的点展比(Click Through Rate,CTR)特征、本地图区与目标城市是否一致、目标城市的兴趣点数量特征、用户检索请求与目标城市中所有兴趣点的文本相似度特征等。
本实施例不对城市特征的确定方式进行限定,任何能够确定城市特征的方式都可以应用于本实施例中。例如,根据历史检索请求和历史点击数据,确定历史召回兴趣点所属召回城市的点击量;根据各召回城市的点击量,确定检索范围的城市点击总量;根据目标城市的点击量,以及检索范围的城市点击总量,确定目标城市的需求分布特征。还可以根据历史检索请求和历史点击数据,确定当前用户对历史召回兴趣点的历史点击量和历史展现量;根据历史召回兴趣点的历史点击量和历史展现量,确定当前用户对历史召回兴趣点的点展比;根据当前用户对同一目标城市内各历史召回兴趣点的点展比,确定当前用户对该目标城市的点展比特征。
S130、根据目标城市的城市特征,对至少两个兴趣点簇进行排序。
在本申请具体实施例中,基于城市维度,以目标城市的城市特征为依据,以兴趣点簇为单位,对多个兴趣点簇进行簇间的排序。具体的,可以根据目标城市的城市特征,对兴趣点簇进行打分,根据各个兴趣点簇的打分结果,对多个兴趣点簇进行排序。其中,以兴趣点簇为单位进行了簇间排序,而兴趣点簇内部仍然可以遵循原有的排序方式,以得到目标兴趣点基于城市维度的排序结果。通过分簇排序,不仅实现了基于城市维度的对兴趣点进行排序,而且打破了本地图区对于兴趣点排序的限制,不必区分本地和异地,使得与兴趣点本身相关性较高的城市,作为高需求的城市,并将高需求城市下的兴趣点排序靠前。
其中,在排序时可以首先根据目标城市的城市特征,对目标城市进行排序,得到目标城市的排序结果,从而按照目标城市的排序结果,对多个兴趣点簇进行排序。对于目标城市的排序,可以基于城市排序模型,以至少两个目标城市的城市特征为输入,来确定排序结果。城市排序模型的训练将在后续实施例中进行具体的解释说明。
示例性的,在上述示例中,得到兴趣点簇包括:城市A聚簇{POI1、POI2、POI5},城市B聚簇{POI3},城市C聚簇{POI4、POI6}。假设根据目标城市的城市特征得到的目标城市排序结果为城市C、城市A、城市B,则兴趣点簇的排序为:城市C聚簇{POI4、POI6}、城市A聚簇{POI1、POI2、POI5}、城市B聚簇{POI3}。相应的,目标兴趣点的二次排序结果为:POI4、POI6、POI1、POI2、POI5、POI3。
本实施例的技术方案,在基于当前用户的当前检索请求获得召回的多个目标兴趣点的基础上,确定多个目标兴趣点所属的多个目标城市,根据目标城市对目标兴趣点进行聚簇,得到多个兴趣点簇,确定目标城市的城市特征,并根据目标城市的城市特征对多个兴趣点簇进行排序,以得到目标兴趣点基于城市维度的排序结果。本申请实施例通过以城市维度为核心对召回的兴趣点进行分簇排序,增强了兴趣点排序结果的合理性,避免了检索时的本地图区对于排序结果的限制,更有效的满足用户对不同国家不同城市的异地检索需求,提高了召回兴趣点排序准确率和用户满意度。
第二实施例
图2是根据本申请第二实施例的一种兴趣点召回的排序方法的流程图,本实施例在上述第一实施例的基础上,进一步对城市特征的确定以及兴趣点簇的排序进行解释说明,城市特征包括但不局限于城市的需求分布特征以及用户对城市的点展比特征,能够基于城市对兴趣点进行聚簇后,根据城市的排序结果对兴趣点簇进行排序。如图2所示,该方法具体包括如下:
S210、基于召回的目标兴趣点所属的目标城市,对目标兴趣点进行聚簇,以得到至少两个兴趣点簇。
S220、确定目标城市的城市特征。
在本申请具体实施例中,可以根据城市内的兴趣点、历史检索请求、历史点击数据、本地图区、文本相似度等信息,来确定目标城市的城市特征。
可选的,根据历史检索请求和历史点击数据,确定历史召回兴趣点所属召回城市的点击量;根据各召回城市的点击量,确定检索范围的城市点击总量;根据目标城市的点击量,以及检索范围的城市点击总量,确定目标城市的需求分布特征。
本实施例中,可以从地图历史检索日志中获取历史检索请求和历史点击数据等,历史检索请求可以是历史中全网用户所发起的检索请求,历史点击数据可以包括全网用户对基于历史检索请求的检索结果所发起的点击行为,还可以包括检索结果中各个兴趣点的展现数据等。
具体的,根据历史检索请求和历史点击数据,确定各个历史召回兴趣点的点击量,并根据兴趣点与召回城市之间的所属关系,将召回城市内所有历史召回兴趣点的点击量求和,确定该召回城市的点击量。其次以地图全局为检索范围,将全局所有召回城市的点击量求和,可以确定所有城市的城市点击总量。最终取目标城市的点击量与城市点击总量的比值,可以得到目标城市的需求分布特征。
其中,根据用户点击行为的不同,召回城市的点击量可以具体包括直接点击量和后续点击量。直接点击量是指,根据历史检索请求和历史点击数据,若检测到在历史检索请求输入不完整时,地图检索系统基于联想补全检索提供给用户检索结果,若在此时存在用户对兴趣点检索结果的点击行为,则点击行为所产生的对于被点击兴趣点所属召回城市的点击量即为直接点击量。否则,若检测到用户只有在历史检索请求输入完整时,才存在对兴趣点检索结果的点击行为,则点击行为所产生的对于被点击兴趣点所属召回城市的点击量即为后续点击量。进而召回城市的点击量等于直接点击量与后续点击量之和。
示例性的,以完整的历史检索请求“万里长城”为例。当用户仅输入“万里长”时,系统基于联想补全检索提供给用户检索结果,若此时用户对检索结果进行点击查看,且假设被点击兴趣点所属城市为城市1,则产生被点击城市1的直接点击量X1累计加1。若用户未发生直接点击,而只有在输入“万里长城”时才点击检索结果,则产生被点击城市1的后续点击量Y1累计加1。进而该被点击的城市1的点击转化总量T1=X1+Y1。假设所有城市的城市点击总量T=T1+T2+…+Tn,进而得到目标城市N的需求分布特征为Tn/T。
可选的,根据历史检索请求和历史点击数据,确定当前用户对历史召回兴趣点的历史点击量和历史展现量;根据历史召回兴趣点的历史点击量和历史展现量,确定当前用户对历史召回兴趣点的点展比;根据当前用户对同一目标城市内各历史召回兴趣点的点展比,确定当前用户对该目标城市的点展比特征。
本实施例中,根据历史检索请求和历史点击数据,确定历史召回兴趣点对于单一用户的历史展现量,以及该单一用户对于历史召回兴趣点的历史点击量。取历史点击量与历史展现量的比值,可以得到该单一用户对于历史召回兴趣点的点展比。最终根据兴趣点与召回城市之间的所属关系,将召回城市内所有历史召回兴趣点的点展比进行比较,可以选择最大的点展比作为该单一用户对于该召回城市的点展比特征,即从单一用户的角度,采用目标城市内最大的兴趣点点展比来拟合用户对于目标城市的点展比。
示例性的,假设城市1包括POI_1.1、POI_1.2和POI_1.3,假设POI_1.1对用户的历史展现量为Y1,用户对POI_1.1的历史点击量为X1,则用户对POI_1.1的点展比为C1=X1/Y1。相应的,假设用户对POI_1.2的点展比为C2,用户对POI_1.3的点展比为C3。若C2最大,则用户对于城市1的点展比为C2。
此外,图3为城市特征的示例图,如图3所示,目标城市的城市特征还可以包括本地图区与目标城市是否一致、目标城市的兴趣点数量特征、用户检索请求与目标城市中所有兴趣点的文本相似度特征等。
S230、根据目标城市的城市特征,对目标城市进行排序。
在本申请具体实施例中,可以根据目标城市的城市特征,对目标城市进行打分,根据各个目标城市的打分结果,对多个目标城市进行排序。目标城市的排序结果体现了待检索兴趣点与各个目标城市之间的相关性,间接的体现了用户在检索待检索兴趣点的基础上,对于各个目标城市的需求程度。
可选的,基于城市排序模型,根据至少两个目标城市的城市特征,确定至少两个目标城市的排序结果。
本实施例中,为了提高城市排序效率,可以采用城市排序模型,以目标城市的城市特征为输入,通过对各个目标城市进行打分得到目标城市的排序结果。城市排序模型的训练将在后续实施例中进行具体的解释说明。
S240、按照目标城市的排序结果,对至少两个兴趣点簇进行排序,以得到目标兴趣点基于城市维度的排序结果。
在本申请具体实施例中,基于城市维度,以目标城市的排序结果为依据,以兴趣点簇为单位,对多个兴趣点簇进行簇间的排序。其中,以兴趣点簇为单位进行了簇间排序,而兴趣点簇内部仍然可以遵循原有的排序方式,以得到目标兴趣点基于城市维度的排序结果。
本实施例的技术方案,在基于当前用户的当前检索请求获得召回的多个目标兴趣点的基础上,确定多个目标兴趣点所属的多个目标城市,根据目标城市对目标兴趣点进行聚簇,得到多个兴趣点簇,其次确定目标城市的城市特征,并根据目标城市的城市特征对目标城市进行排序,最终按照目标城市的排序结果,对多个兴趣点簇进行排序,以得到目标兴趣点基于城市维度的排序结果。本申请实施例通过以城市维度为核心对召回的兴趣点进行分簇排序,增强了兴趣点排序结果的合理性,避免了检索时的本地图区对于排序结果的限制,更有效的满足用户对不同国家不同城市的异地检索需求,提高了召回兴趣点排序准确率和用户满意度。
第三实施例
图4是根据本申请第三实施例的城市排序模型训练的流程图,本实施例在上述第二实施例的基础上,进一步对城市排序模型的训练过程进行解释说明,能够通过城市点展比的确定、城市特征的确定、样本城市的满意度标注来训练城市排序模型,以通过城市排序模型对城市进行打分排序。如图4所示,该方法具体包括如下:
S410、根据历史检索请求和历史点击数据,确定历史召回兴趣点所属样本城市的点展比和城市特征。
在本申请具体实施例中,可以根据历史检索请求和历史点击数据,统计出每个兴趣点的点击量和展现量,进一步累计得到兴趣点所属样本城市的点击总量和展现总量,取点击总量与展现总量的比值,得到样本城市的点展比,构成样本城市点展比词典。
具体的,根据历史检索请求和历史点击数据,确定历史召回兴趣点的点击量和展现量;根据样本城市内各历史召回兴趣点的点击量和展现量,确定样本城市的点击总量和展现总量;根据样本城市的点击总量和展现总量,确定样本城市的点展比。
此外,可以采用如上述实施例中城市特征的确定方式,离线确定在本地图区下历史用户输入历史检索请求后,各样本城市的城市特征,此处不再赘述。
S420、根据样本城市的点展比和城市特征,对样本城市进行满意度标注。
在本申请具体实施例中,可以预先设置多档满意度,根据样本城市的点展比和城市特征,基于标注策略对样本城市进行自动化地满意度标注,将满意度较高的样本城市添加档位较高的满意度标注,将满意度较低的样本城市添加档位较低的满意度标注。
具体的,以检索请求中指明兴趣点所属城市为最高优先级。若检测到历史检索请求中包括待检索兴趣点所属的样本城市,则根据历史用户检索时的本地图区以及历史检索请求中所包括的样本城市,对样本城市进行满意度标注。其中,若本地图区与历史检索请求中包括待检索兴趣点所属的样本城市一致,则对此类样本城市添加档位较高的满意度标注。此类样本城市标注后,则无需后续基于点展比的满意度标注。
示例性的,假设预先设置0、1和2三档满意度,其中,0档为城市不满足需求,1档为部分满足城市需求,2是完全满足城市需求。假设本地图区为青岛,若历史检索请求为青岛趵突泉,则为青岛这一样本城市添加满意度标注2;若历史检索请求为济南趵突泉,则为济南这一样本城市添加满意度标注1。
其次,若检测到历史检索请求中不包括待检索兴趣点所属的样本城市,则根据样本城市的点展比以及点展比阈值,对样本城市进行满意度标注。
示例性的,在上述实例中,预先设置第一点展比阈值和第二点展比阈值,且第一点展比阈值大于第二点展比阈值。根据样本城市点展比词典,若样本城市的点展比大于第一点展比阈值,则为该样本城市添加满意度标注2;若样本城市的点展比介于第一点展比阈值与第二点展比阈值之间,则为该样本城市添加满意度标注1;若样本城市的点展比小于第二点展比阈值,则为该样本城市添加满意度标注0。
此外,为了使得低频点击城市的排序需求得到覆盖,可以预先设置低频点展比阈值,并将点展比低于低频点展比阈值的样本城市作为低频点击城市。从而若根据样本城市的点展比以及点展比阈值检测到低频点击城市,则根据历史检索请求与历史召回兴趣点之间的文本相似度、低频点击城市当前热度以及城市点击倾向等信息,对低频点击城市进行满意度标注的修正。其中,城市点击倾向是指根据历史点击数据统计得到的历史检索请求的检索结果中,兴趣点的点击城市分布,确定的城市的点击概率。
S430、根据样本城市以及样本城市的城市特征和满意度标注,训练城市排序模型。
在本申请具体实施例中,以样本城市、样本城市的城市特征以及样本城市的满意度标注为输入,训练城市排序模型。具体的,基于满意度档位,将满意度由高至低排序的样本城市对作为正序对,以满意度由低至高排序的样本城市对作为逆序对,可以利用GBrank算法(利用梯度提升树(GBT)实现了基于损失函数的排序算法)对逆序对进行训练,目的在于通过对大量逆序对的学习以拟合出正序效果,从而得到城市排序模型。进而在在线对目标城市进行排序时,可以以目标城市及其城市特征为输入,基于城市排序模型直接得到目标城市的排序结果。
S440、基于召回的目标兴趣点所属的目标城市,对目标兴趣点进行聚簇,以得到至少两个兴趣点簇。
S450、确定目标城市的城市特征。
S460、基于城市排序模型,根据至少两个目标城市的城市特征,确定至少两个目标城市的排序结果。
S470、按照目标城市的排序结果,对至少两个兴趣点簇进行排序,以得到目标兴趣点基于城市维度的排序结果。
本实施例的技术方案,在城市点展比的辅助下,根据城市特征为每个样本城市进行满意度标注,基于样本城市、城市特征以及满意度标注对城市排序模型进行训练,以便城市排序模型根据满意度标注学习样本城市的需求程度,得到能够对城市进行排序的城市排序模型。
第四实施例
图5是根据本申请第四实施例的一种兴趣点召回的排序装置的结构示意图,本实施例可适用于在当前用户发起当前检索请求并检索得到多个目标兴趣点时,对得到的目标兴趣点进行排序的情况,该装置可实现本申请任意实施例所述的兴趣点召回的排序方法。该装置500具体包括如下:
兴趣点聚簇模块510,用于基于召回的目标兴趣点所属的目标城市,对所述目标兴趣点进行聚簇,以得到至少两个兴趣点簇;
城市特征确定模块520,用于确定所述目标城市的城市特征;
分簇排序模块530,用于根据所述目标城市的城市特征,对所述至少两个兴趣点簇进行排序。
可选的,所述城市特征确定模块520具体用于:
根据历史检索请求和历史点击数据,确定历史召回兴趣点所属召回城市的点击量;
根据各召回城市的点击量,确定检索范围的城市点击总量;
根据目标城市的点击量,以及所述检索范围的城市点击总量,确定所述目标城市的需求分布特征。
可选的,所述城市特征确定模块520具体用于:
根据历史检索请求和历史点击数据,若检测到所述历史检索请求输入不完整时,存在用户对兴趣点检索结果的点击行为,则确定被点击兴趣点所属召回城市的直接点击量;
否则,若检测到用户在所述历史检索请求输入完整时,存在对兴趣点检索结果的点击行为,则确定被点击兴趣点所属召回城市的后续点击量;
根据召回城市的直接点击量和后续点击量,确定所述召回城市的点击量。
可选的,所述城市特征确定模块520具体用于:
根据历史检索请求和历史点击数据,确定当前用户对历史召回兴趣点的历史点击量和历史展现量;
根据所述历史召回兴趣点的历史点击量和历史展现量,确定当前用户对所述历史召回兴趣点的点展比;
根据当前用户对同一目标城市内各历史召回兴趣点的点展比,确定当前用户对该目标城市的点展比特征。
可选的,所述分簇排序模块530具体用于:
根据所述目标城市的城市特征,对所述目标城市进行排序;
按照所述目标城市的排序结果,对所述至少两个兴趣点簇进行排序,以得到所述目标兴趣点基于城市维度的排序结果。
可选的,所述分簇排序模块530具体用于:
基于城市排序模型,根据至少两个目标城市的城市特征,确定所述至少两个目标城市的排序结果;
进一步的,所述装置500还包括模型训练模块540,具体用于:
根据历史检索请求和历史点击数据,确定历史召回兴趣点所属样本城市的点展比和城市特征;
根据所述样本城市的点展比和城市特征,对所述样本城市进行满意度标注;
根据所述样本城市以及所述样本城市的城市特征和满意度标注,训练所述城市排序模型。
可选的,所述模型训练模块540具体用于:
根据历史检索请求和历史点击数据,确定历史召回兴趣点的点击量和展现量;
根据所述样本城市内各历史召回兴趣点的点击量和展现量,确定所述样本城市的点击总量和展现总量;
根据所述样本城市的点击总量和展现总量,确定所述样本城市的点展比。
可选的,所述模型训练模块540具体用于:
若检测到历史检索请求中包括待检索兴趣点所属的样本城市,则根据历史用户检索时的本地图区以及所述历史检索请求中所包括的样本城市,对所述样本城市进行满意度标注;
否则,根据所述样本城市的点展比以及点展比阈值,对所述样本城市进行满意度标注。
可选的,所述模型训练模块540具体用于:
若根据所述样本城市的点展比以及点展比阈值检测到低频点击城市,则根据历史检索请求与历史召回兴趣点之间的文本相似度、低频点击城市当前热度以及城市点击倾向,对所述低频点击城市进行满意度标注。
本实施例的技术方案,通过各个功能模块之间的相互配合,实现了城市点展比的确定、城市特征的选择、样本城市的标注、城市排序模型的训练、目标兴趣点的召回、目标城市的映射、目标兴趣点的聚簇、目标城市的排序以及目标兴趣点的分簇排序等功能。通过以城市维度为核心对召回的兴趣点进行分簇排序,增强了兴趣点排序结果的合理性,避免了检索时的本地图区对于排序结果的限制,更有效的满足用户对不同国家不同城市的异地检索需求,提高了召回兴趣点排序准确率和用户满意度。
第五实施例
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的兴趣点召回的排序方法的电子设备的框图。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/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置,诸如,耦合至接口的显示设备,其上显示图形用户界面(Graphical User Interface,GUI)的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作,例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的兴趣点召回的排序方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的兴趣点召回的排序方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的兴趣点召回的排序方法对应的程序指令/模块,例如,附图5所示的兴趣点聚簇模块510、城市特征确定模块520、分簇排序模块530和模型训练模块540。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的兴趣点召回的排序方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据兴趣点召回的排序方法的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至兴趣点召回的排序方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
兴趣点召回的排序方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与兴趣点召回的排序方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置和触觉反馈装置等,其中,辅助照明装置例如发光二极管(Light Emitting Diode,LED);触觉反馈装置例如,振动电机等。该显示设备可以包括但不限于,液晶显示器(Liquid Crystal Display,LCD)、LED显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处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、专用集成电路(Application Specific Integrated Circuit,ASIC)、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。
这些计算程序,也称作程序、软件、软件应用、或者代码,包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置,例如,磁盘、光盘、存储器、可编程逻辑装置(Programmable Logic Device,PLD),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
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,阴极射线管(Cathode Ray Tube,CRT)或者LCD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,数据服务器,或者实施在包括中间件部件的计算系统,例如,应用服务器、或者实施在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,或者实施在包括这种后台部件、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(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、互联网和区块链网络。
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。
根据本申请实施例的技术方案,通过以城市维度为核心对召回的兴趣点进行分簇排序,增强了兴趣点排序结果的合理性,避免了检索时的本地图区对于排序结果的限制,更有效的满足用户对不同国家不同城市的异地检索需求,提高了召回兴趣点排序准确率和用户满意度。
另外,城市特征可以包括城市的需求分布特征,进而为城市的排序提供有效的依据,提高城市排序的准确率。
另外,基于当前检索系统中的联想补全检索功能,可以根据用户的检索点击行为确定城市的直接点击量,而根据用户输入完整历史检索请求的点击行为,可以确定城市的后续点击量。从而不仅能够根据用户点击行为区分不同的点击量,还能够避免点击量的重复计算,提高点击量确定的准确率。
另外,城市特征可以包括用户对一个目标城市的点展比特征,进而为城市的排序提供有效的依据,提高城市排序的准确率。
另外,通过以城市维度为核心对召回的兴趣点进行分簇排序,避免检索时的本地图区对于排序结果的限制,使得真正的需求城市下的兴趣点排序靠前,提高了召回兴趣点排序准确率和用户满意度。
另外,通过将城市特征输入至城市排序模型中,可以为每个城市进行需求打分,便于城市的排序。其中,城市排序模型可以在城市点展比的辅助下,根据城市特征为每个样本城市进行满意度标注,从而基于样本城市、城市特征以及满意度标注训练得到城市排序模型。
另外,根据样本城市内每个兴趣点的点击量和展现量,可以确定该样本城市的点击总量和展现总量,从而为城市点展比的确定提供依据,提高城市点展比确定的准确率。
另外,以检索请求中指明兴趣点所属城市为最高优先级,对于这种情况下的城市赋予较高的满意度标注。在这种情况之外,根据城市的点展比以及点展比阈值,为城市添加满意度标注。以便城市排序模型根据满意度标注学习样本城市的需求程度。
另外,对于点展比低于点展比阈值的低频点击城市,可以根据历史检索请求与历史召回兴趣点之间的文本相似度、低频点击城市当前热度以及城市点击倾向,对低频点击城市进行补充标注,使得低频点击城市的排序需求得到覆盖。
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,本申请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,只要能够实现本申请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,并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种兴趣点召回的排序方法,其特征在于,包括:
基于召回的目标兴趣点所属的目标城市,对所述目标兴趣点进行聚簇,以得到至少两个兴趣点簇;
确定所述目标城市的城市特征;
根据所述目标城市的城市特征,对所述至少两个兴趣点簇进行排序;
所述确定所述目标城市的城市特征,包括:
根据历史检索请求和历史点击数据,若检测到所述历史检索请求输入不完整时,存在用户对兴趣点检索结果的点击行为,则确定被点击兴趣点所属召回城市的直接点击量;
否则,若检测到用户在所述历史检索请求输入完整时,存在对兴趣点检索结果的点击行为,则确定被点击兴趣点所属召回城市的后续点击量;
根据召回城市的直接点击量和后续点击量,确定所述召回城市的点击量;
根据各召回城市的点击量,确定检索范围的城市点击总量;
根据目标城市的点击量,以及所述检索范围的城市点击总量,确定所述目标城市的需求分布特征。
2.根据权利要求1所述的方法,其特征在于,所述确定所述目标城市的城市特征,包括:
根据历史检索请求和历史点击数据,确定当前用户对历史召回兴趣点的历史点击量和历史展现量;
根据所述历史召回兴趣点的历史点击量和历史展现量,确定当前用户对所述历史召回兴趣点的点展比;
根据当前用户对同一目标城市内各历史召回兴趣点的点展比,确定当前用户对该目标城市的点展比特征。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标城市的城市特征,对所述至少两个兴趣点簇进行排序,包括:
根据所述目标城市的城市特征,对所述目标城市进行排序;
按照所述目标城市的排序结果,对所述至少两个兴趣点簇进行排序,以得到所述目标兴趣点基于城市维度的排序结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标城市的城市特征,对所述目标城市进行排序,包括:
基于城市排序模型,根据至少两个目标城市的城市特征,确定所述至少两个目标城市的排序结果;
其中,所述城市排序模型按照如下操作训练得到:
根据历史检索请求和历史点击数据,确定历史召回兴趣点所属样本城市的点展比和城市特征;
根据所述样本城市的点展比和城市特征,对所述样本城市进行满意度标注;
根据所述样本城市以及所述样本城市的城市特征和满意度标注,训练所述城市排序模型。
5.根据权利要求4所述的方法,其特征在于,所述根据历史检索请求和历史点击数据,确定历史召回兴趣点所属样本城市的点展比,包括:
根据历史检索请求和历史点击数据,确定历史召回兴趣点的点击量和展现量;
根据所述样本城市内各历史召回兴趣点的点击量和展现量,确定所述样本城市的点击总量和展现总量;
根据所述样本城市的点击总量和展现总量,确定所述样本城市的点展比。
6.根据权利要求4所述的方法,其特征在于,所述根据所述样本城市的点展比和城市特征,对所述样本城市进行满意度标注,包括:
若检测到历史检索请求中包括待检索兴趣点所属的样本城市,则根据历史用户检索时的本地图区以及所述历史检索请求中所包括的样本城市,对所述样本城市进行满意度标注;
否则,根据所述样本城市的点展比以及点展比阈值,对所述样本城市进行满意度标注。
7.根据权利要求4所述的方法,其特征在于,所述根据所述样本城市的点展比和城市特征,对所述样本城市进行满意度标注,包括:
若根据所述样本城市的点展比以及点展比阈值检测到低频点击城市,则根据历史检索请求与历史召回兴趣点之间的文本相似度、低频点击城市当前热度以及城市点击倾向,对所述低频点击城市进行满意度标注。
8.一种兴趣点召回的排序装置,其特征在于,包括:
兴趣点聚簇模块,用于基于召回的目标兴趣点所属的目标城市,对所述目标兴趣点进行聚簇,以得到至少两个兴趣点簇;
城市特征确定模块,用于确定所述目标城市的城市特征;
分簇排序模块,用于根据所述目标城市的城市特征,对所述至少两个兴趣点簇进行排序;
所述城市特征确定模块具体用于:
根据历史检索请求和历史点击数据,若检测到所述历史检索请求输入不完整时,存在用户对兴趣点检索结果的点击行为,则确定被点击兴趣点所属召回城市的直接点击量;
否则,若检测到用户在所述历史检索请求输入完整时,存在对兴趣点检索结果的点击行为,则确定被点击兴趣点所属召回城市的后续点击量;
根据召回城市的直接点击量和后续点击量,确定所述召回城市的点击量;
根据各召回城市的点击量,确定检索范围的城市点击总量;
根据目标城市的点击量,以及所述检索范围的城市点击总量,确定所述目标城市的需求分布特征。
9. 一种电子设备,其特征在于,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1-7中任一项所述的兴趣点召回的排序方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的兴趣点召回的排序方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010102225.3A CN113282690B (zh) | 2020-02-19 | 2020-02-19 | 兴趣点召回的排序方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010102225.3A CN113282690B (zh) | 2020-02-19 | 2020-02-19 | 兴趣点召回的排序方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113282690A CN113282690A (zh) | 2021-08-20 |
CN113282690B true CN113282690B (zh) | 2024-04-02 |
Family
ID=77275024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010102225.3A Active CN113282690B (zh) | 2020-02-19 | 2020-02-19 | 兴趣点召回的排序方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113282690B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013060925A1 (en) * | 2011-10-28 | 2013-05-02 | Nokia Corporation | Method and apparatus for constructing a road network based on point-of-interest (poi) information |
CN103914455A (zh) * | 2012-12-30 | 2014-07-09 | 高德软件有限公司 | 一种兴趣点检索方法和装置 |
CN104679801A (zh) * | 2013-12-03 | 2015-06-03 | 高德软件有限公司 | 一种兴趣点搜索方法和装置 |
CN106202260A (zh) * | 2016-06-29 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 搜索方法、装置和搜索引擎 |
CN106919641A (zh) * | 2017-01-12 | 2017-07-04 | 北京三快在线科技有限公司 | 一种兴趣点搜索方法及装置、电子设备 |
CN107291888A (zh) * | 2017-06-21 | 2017-10-24 | 苏州发飚智能科技有限公司 | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 |
CN108304423A (zh) * | 2017-03-29 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种信息识别方法及装置 |
CN109711885A (zh) * | 2018-12-27 | 2019-05-03 | 上海旺翔文化传媒股份有限公司 | 激励视频广告智能投放方法 |
CN110390054A (zh) * | 2019-07-25 | 2019-10-29 | 北京百度网讯科技有限公司 | 兴趣点召回方法、装置、服务器和存储介质 |
CN110556049A (zh) * | 2018-06-04 | 2019-12-10 | 百度在线网络技术(北京)有限公司 | 一种地图数据处理方法、装置、服务器和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2014127401A (ru) * | 2014-07-07 | 2016-02-10 | Общество С Ограниченной Ответственностью "Яндекс" | Способ выбора целевого сообщения для включения в страницу результатов поисковой системы (serp) и сервер |
US10380146B2 (en) * | 2015-08-17 | 2019-08-13 | Oath Inc. | Locale of interest identification |
US20190182059A1 (en) * | 2017-12-12 | 2019-06-13 | Facebook, Inc. | Utilizing machine learning from exposed and non-exposed user recall to improve digital content distribution |
-
2020
- 2020-02-19 CN CN202010102225.3A patent/CN113282690B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013060925A1 (en) * | 2011-10-28 | 2013-05-02 | Nokia Corporation | Method and apparatus for constructing a road network based on point-of-interest (poi) information |
CN103914455A (zh) * | 2012-12-30 | 2014-07-09 | 高德软件有限公司 | 一种兴趣点检索方法和装置 |
CN104679801A (zh) * | 2013-12-03 | 2015-06-03 | 高德软件有限公司 | 一种兴趣点搜索方法和装置 |
CN106202260A (zh) * | 2016-06-29 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 搜索方法、装置和搜索引擎 |
CN106919641A (zh) * | 2017-01-12 | 2017-07-04 | 北京三快在线科技有限公司 | 一种兴趣点搜索方法及装置、电子设备 |
CN108304423A (zh) * | 2017-03-29 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种信息识别方法及装置 |
CN107291888A (zh) * | 2017-06-21 | 2017-10-24 | 苏州发飚智能科技有限公司 | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 |
CN110556049A (zh) * | 2018-06-04 | 2019-12-10 | 百度在线网络技术(北京)有限公司 | 一种地图数据处理方法、装置、服务器和存储介质 |
CN109711885A (zh) * | 2018-12-27 | 2019-05-03 | 上海旺翔文化传媒股份有限公司 | 激励视频广告智能投放方法 |
CN110390054A (zh) * | 2019-07-25 | 2019-10-29 | 北京百度网讯科技有限公司 | 兴趣点召回方法、装置、服务器和存储介质 |
Non-Patent Citations (1)
Title |
---|
"自发地理信息兴趣点数据在线综合与多尺度可视化方法";杨敏等;《测绘学报》;228-234 * |
Also Published As
Publication number | Publication date |
---|---|
CN113282690A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111984689B (zh) | 信息检索的方法、装置、设备以及存储介质 | |
CN112087371B (zh) | 一种即时通讯群组的搜索方法、装置、设备和存储介质 | |
CN112650907B (zh) | 搜索词的推荐方法、目标模型的训练方法、装置及设备 | |
CN111488740B (zh) | 一种因果关系的判别方法、装置、电子设备及存储介质 | |
CN111091006B (zh) | 一种实体意图体系的建立方法、装置、设备和介质 | |
CN111949814A (zh) | 搜索方法、装置、电子设备和存储介质 | |
CN111241427B (zh) | 查询自动补全的方法、装置、设备和计算机存储介质 | |
CN111506803B (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
KR102601545B1 (ko) | 지리 위치점 정렬 방법, 정렬 모델 트레이닝 방법 및 대응하는 장치 | |
CN111984774B (zh) | 搜索方法、装置、设备以及存储介质 | |
CN111767477B (zh) | 一种检索方法、装置、电子设备和存储介质 | |
CN111563198B (zh) | 一种物料召回方法、装置、设备及存储介质 | |
CN111310058B (zh) | 资讯主题的推荐方法、装置、终端及存储介质 | |
CN113536156B (zh) | 搜索结果排序方法、模型构建方法、装置、设备和介质 | |
EP3822818A1 (en) | Method, apparatus, device and storage medium for intelligent response | |
CN111666417B (zh) | 生成同义词的方法、装置、电子设备以及可读存储介质 | |
CN112819497B (zh) | 转化率预测方法、装置、设备和存储介质 | |
CN113282690B (zh) | 兴趣点召回的排序方法、装置、设备和存储介质 | |
CN112100480A (zh) | 搜索方法、装置、设备及存储介质 | |
CN112507181B (zh) | 搜索请求分类方法、装置、电子设备及存储介质 | |
CN112100522B (zh) | 用于检索兴趣点的方法、装置、设备及介质 | |
CN113255398B (zh) | 兴趣点判重方法、装置、设备和存储介质 | |
CN113449754B (zh) | 标签的匹配模型训练和展示方法、装置、设备及介质 | |
CN111881255B (zh) | 同义文本获取方法、装置、电子设备及存储介质 | |
CN111475721B (zh) | 信息推送方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |