CN113868532A - 一种地点推荐方法、装置、电子设备及存储介质 - Google Patents

一种地点推荐方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113868532A
CN113868532A CN202111161591.7A CN202111161591A CN113868532A CN 113868532 A CN113868532 A CN 113868532A CN 202111161591 A CN202111161591 A CN 202111161591A CN 113868532 A CN113868532 A CN 113868532A
Authority
CN
China
Prior art keywords
place
target
candidate
user
places
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
Application number
CN202111161591.7A
Other languages
English (en)
Other versions
CN113868532B (zh
Inventor
水涓涓
牛英杰
屈秋伸
牛伟鹏
辛建康
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111161591.7A priority Critical patent/CN113868532B/zh
Publication of CN113868532A publication Critical patent/CN113868532A/zh
Priority to EP22180359.6A priority patent/EP4109294A3/en
Priority to US17/850,930 priority patent/US20220405339A1/en
Application granted granted Critical
Publication of CN113868532B publication Critical patent/CN113868532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3605—Destination input or retrieval
    • G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
    • 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
    • G06F16/90—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
    • G06F16/9538—Presentation of query results

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种地点推荐方法、装置、电子设备、可读存储介质以及计算机程序产品，涉及自动驾驶领域。具体实现方案为：响应于用户端针对目标位置的查询请求，在所述目标位置的指定范围内确定向所述目标用户推荐的目标地点，所述目标地点包括在指定出行条件下所述目标用户感兴趣的地点；将所述目标地点发送给所述用户端。该方案向目标用户推荐的目标地点为在指定出行条件下目标用户感兴趣的地点。因此，该目标地点不仅是目标用户感兴趣的地点，而且能够满足目标用户的指定出行条件。从而该目标地点对目标用户具有更强的针对性，更能符合用户的需求。

Description

一种地点推荐方法、装置、电子设备及存储介质
技术领域
本公开涉及人工智能领域，具体涉及智能搜索和智能交通技术，具体可用于智能搜索和智慧城市场景。
背景技术
基于用户选定的目标位置，为用户进行兴趣点等的地点推荐，已经成为了为用户进行信息推荐的一种重要方式。例如电子地图应用提供的“周边”、“附近”服务，都是基于用户选定的位置，为用户进行地点推荐。
但现有基于用户选定的目标位置，为用户进行地点推荐的方案，存在推荐的地点往往无法不满足不同用户的需求。
发明内容
本公开提供了提供一种地点推荐方法、装置、电子设备、可读存储介质以及计算机程序产品，以有针对性向用户推荐能够满足用户需求的地点。
根据本公开的一方面，提供了一种地点推荐方法，该方法可以包括以下步骤：
响应于用户端针对目标位置的查询请求，在所述目标位置的指定范围内确定向所述目标用户推荐的目标地点，所述目标地点包括在指定出行条件下所述目标用户感兴趣的地点；
将所述目标地点发送给所述用户端
根据本公开的第二方面，提供了一种地点推荐装置，该装置可以包括：
目标地点确定单元，用于响应于用户端针对目标位置的查询请求，在所述目标位置的指定范围内确定向所述目标用户推荐的目标地点，所述目标地点包括在指定出行条件下所述目标用户感兴趣的地点；
目标地点发送单元，用于将所述目标地点发送给所述用户端。
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
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
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，该计算机指令用于使计算机执行本公开任一实施例中的方法。
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/指令，其特征在于，该计算机程序/指令被处理器执行时实现本公开任一实施例中的方法。
本公开的技术，向目标用户推荐的目标地点为在指定出行条件下目标用户感兴趣的地点。因此，该目标地点不仅是目标用户感兴趣的地点，而且能够满足目标用户的指定出行条件。从而该目标地点对目标用户具有更强的针对性，更能符合用户的需求。
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为本公开的实施例提供一种地点推荐方法的流程图；
图2为本公开的实施例中提供的一种出行条件确定方法的流程图；
图3为本公开的实施例中提供的一种目标地点确定方法的流程图；
图4为本公开的实施例提供的一种推荐结果展示的示意图；
图5为本公开的实施例提供一种地点推荐装置的示意图；
图6为本公开的实施例提供的一种电子设备的示意图。
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，其中包括本公开的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。
本公开提供一种地点推荐方法，具体请参照图1，其为本公开的实施例提供一种地点推荐方法的流程图。该方法可以包括以下步骤：
步骤S101：响应于用户端针对目标位置的查询请求，在目标位置的指定范围内确定向目标用户推荐的目标地点，目标地点包括在指定出行条件下目标用户感兴趣的地点。
步骤S102：将目标地点发送给用户端。
现有基于用户选定的目标位置，为用户进行地点推荐的方案，往往都是将与目标位置所属的类型相同的地点作为为用户推荐的地点，或者目标位置周边的商业场所作为为用户推荐的地点推荐给目标用户。上述推荐方式并未考虑目标用户的需求。这样，不仅会导致推荐的地点多样性差，并且推荐的地点的针对性也较差。
本公开的实施例中提供的地点推荐方法，向目标用户推荐的目标地点为在指定出行条件下目标用户感兴趣的地点。因此，该目标地点不仅是目标用户感兴趣的地点，而且能够满足目标用户的指定出行条件。从而该目标地点对目标用户具有更强的针对性，更能符合用户的需求。
本公开的实施例中提供的地点推荐方法，执行主体一般为服务端。所谓服务端为向运行有目标程序、应用或软件的客户端提供数据存储、数据处理等服务的服务器或者服务器集群。
所谓客户端为运行有目标程序、应用或软件的电子设备。所谓电子设备包括但不限于手机、电脑。所谓目标程序、应用或软件一般包括具有地点推荐功能的程序、应用或软件。
所谓目标位置，是指目标用户在用户端中搜索或者点击的位置，或者用户端基于定位系统自动定位的目标位置当前所在的位置。例如，北京市XX地铁站A口。
所谓查询请求，是指用户端基于用户通过人机交互方式触发的用于查询目标地点的请求。
所谓指定范围，可以为预先设定的范围。例如：1千米，5千米等。也可以为基于指定出行条件，进一步设定的范围。
所谓目标地点包括但不限于兴趣点(POI，Point Of Interest)以及场所。例如：景点、车站、餐厅、公共场所以及娱乐场所。
本公开的实施例中，确定指定出行条件的步骤请参见图2。图2为本公开的实施例中提供的一种出行条件确定方法的流程图。
步骤S201：获得目标用户的用户画像以及查询请求对应的出行场景。
步骤S202：基于用户画像，确定目标用户惯用的出行方式。
步骤S203：将目标用户惯用的出行方式以及查询请求对应的出行场景，确定为指定出行条件。
本公开的实施例中，将目标用户惯用的出行方式以及查询请求对应的出行场景，确定为指定出行条件，能够使为用户推荐的目标地点，可以更好的满足用户的习惯以及用户出行需求。从而进一步保障了目标地点的针对性。
所谓指定出行条件包括但不限于目标用户的出行方式，目标用户的出行场景。所谓出行方式包括但不限于步行出行方式、公交车出行方式、驾车出行方式。所谓出行场景至少包括目标用户的出行时间以及目标位置所属区域的区域类型中的至少一种。
出行时间具体可以为查询请求对应的当前时间，也可以为目标用户预先选定的时间。
所属区域的区域类型，包括但不限于市中心，郊区、山区、商圈以及大学城。相应的，基于指定出行条件，进一步设定指定范围的具体实现方式包括：基于出行方式，在出行方式与指定范围的对应中，确定出行方式对应的指定范围。例如：出行方式为步行，那么指定范围为2千米。
所谓用户画像是基于用户信息、用户行为数据等确定出来的真实用户的虚拟代表，用于标识真实用户的偏好、属性。本公开的实施例中，用户的偏好包括但不限于用户惯用的出行方式。例如，基于用户信息以及用户行为数据确定，某一用户在日常出行中经常选择的出行方式为公交车，那么，则将用户管用的出行方式确定为公交车出行方式。
本公开的实施例中，确定目标地点的步骤请参见图3。图3为本公开的实施例中提供的一种目标地点确定方法的流程图。
步骤S301：针对查询请求，确定指定出行条件。
步骤S302：采用预先选定的至少一种召回策略，在指定出行条件下召回目标用户感兴趣的候选地点。
步骤S303：对候选地点进行排序，获得排序结果。
步骤S304：根据排序结果确定目标地点。
本公开的实施例中，采用至少一种召回策略来召回候选地点，能够确保召回的候选地点的多样性，进而保证了目标地点的多样性。在召回候选地点后，还可以先对候选地点进行排序，再根据排序结果确定目标地点，从而确保了目标地点能够更好的符合目标用户的需求。
预先选定的至少一种召回策略，可以是指在预先构建的召回策略列表中，针对查询请求预先选定的一种或者多种召回策略。
对候选地点进行排序，获得排序结果，包括：基于预先设定的排序规则，对候选地点进行排序，按照候选地点的排序顺序。相应的，根据排序结果确定目标地点，针对排序结果，基于预先设定目标地点的数目，确定与数目对应的候选地点作为目标地点。
对候选地点进行排序，获得排序结果，还包括：将候选地点输入到训练好的排序模型中，获得目标地点。
训练好的排序模型为基于预先构建的正样本集以及预先构建的负本集训练得到的排序模型，正样本集为基于在预先划分的时间段内发生二次转化行为的地点对构建的样本集，负本集为基于在预先划分的时间段内不具有二次转化行为的地点对构建的样本集。
所谓二次转化行为包括但不限于发起导航行为。
所谓预先构建的正样本集以及预先构建的负本集，是基于用户的历史行为数据构建的正、负样本集。具体的实现过程为：首先，将多个用户的历史行为数据，按照天划分；其次，将每一天按照指定的时间间隔，划分为多个时间段，并获得各个预先划分的时间段内的历史行为数据；再次，在各个时间段内的历史行为数据，确定发生二次转化行为的地点对，构建为正样本；最后，在各个时间段内的历史行为数据，确定不发生二次转化行为的地点对，构建为正样本。
一般情况下，该训练好的排序模型为GBRank模型。
所谓预先划分的时间段对应的时长可以是60秒，也可以为2分钟，还可以为5分钟等。一般情况下，预先划分的时间段对应的时长是基于先验值来确定的。
本公开的实施例，利用基于正样本集和负样本集来训练排序模型。正样本集可以包括在预先划分的时间段内发生二次转化行为的地点对构建的样本集。负样本集可以包括基于在预先划分的时间段内不具有二次转化行为的地点对构建的样本集。利用上述样本集训练排序模型，能够减少训练样本集中的噪音，确保排序模型的准确性。
为了确保目标地点能够符合指定的出行条件，并且可以降低候选地点召回的工作量。本公开的实施例中，可以先对召回候选地点的范围进行限定。具体的实现方式为：首先，在目标位置的指定范围内，确定与指定出行条件匹配的多个地点；然后，利用每一召回策略，针对多个地点召回对应的候选地点。
例如，出行时间为晚上，则仅在白天开放的地点则就不属于与指定出行条件匹配的地点，而开放时间与出行时间相同才有可能是与指定出行条件匹配的地点。
另外，为了能够确保目标地点为目标用户感兴趣的地点，本公开的实施例还可以在确定多个地点之前，进一步基于用户的收入、年龄等先对指定范围内的地点进行初次筛选，再确定与指定出行条件匹配的多个地点。
本公开的实施例中，在召回策略包括基于地点相似度召回候选地点的第一召回策略的情况下，针对多个地点召回对应的候选地点的具体实现方式为：首先，基于目标用户的历史用户行为数据，确定目标用户感兴趣的历史地点；然后，计算历史地点与多个地点之间的地点相似度；最后，在多个地点中，召回地点相似度超过对应阈值的地点作为候选地点。
基于目标用户感兴趣的历史地点与多个地点之间的地点相似度，在多个地点中，召回地点相似度超过对应阈值的地点作为候选地点，能够保证确定的目标地点能够使用户更感兴趣。
所谓地点相似度可以采取如下公式来计算：
Figure BDA0003290343660000061
其中，
Figure BDA0003290343660000071
wij用于表示第i个历史地点与第j个地点之间的地点相似度；i用于表示第i个历史地点；j用于表示多个地点中的第j个地点；u用于表示目标用户；N(i)，用于表示对第i个历史地点感兴趣的用户集合；N(j)用于表示对第j个地点感兴趣的用户集合；|N(i)|用于表示第i个历史地点的访问量累计；|N(j)|用于表示第j个地点的访问量累计；|N(u)|用于目标用户的活跃度；puj用于表示目标用户对第j个地点的兴趣度；rui用于表示目标用户对j个历史地点的兴趣度。
在召回策略包括基于地点热度召回候选地点的第二召回策略的情况下，针对多个地点召回对应的候选地点的具体实现方式为：首先，确定多个地点各自对应的地点热度；然后，在多个地点中，召回地点热度超过对应阈值的地点作为候选地点。
所谓地点热度，包括但不限地点被点击或者搜索的次数。
在多个地点中，召回地点热度超过对应阈值的地点作为候选地点，能够确保召回的候选地点受到大众的喜欢，进而能够保证确定的目标地点能够使用户更感兴趣。
在召回策略包括基于地点类型召回候选地点的第三召回策略的情况下，针对多个地点召回对应的候选地点的具体实现方式为：首先，确定多个地点各自对应的地点类型；然后，在多个地点中，召回地点类型与目标位置所属地点类型相同的地点作为候选地点。
在多个地点中，召回地点类型与目标位置所属地点类型相同的地点作为候选地点，能够保证确定的目标地点能够使用户更感兴趣。
地点类型包括但不限于住宅、餐厅、景区、地铁站、公司以及车站。
在召回策略包括基于地点之间的关联性召回候选地点的第四召回策略的情况下，针对多个地点召回对应的候选地点的具体实现方式为：首先，确定多个地点各自与目标位置之间的关联性；然后，在多个地点中，召回关联性超过对应阈值的地点作为候选地点。
在多个地点中，召回关联性超过对应阈值的地点作为候选地点。能够确保召回的候选地点是与目标位置之间关联性较高的地点，进而能够保证确定的目标地点能够使用户更感兴趣。
本公开的实施例中，所谓关联性可以采取如下公式获得：PV_RATIO(访问量累计比率)＝(目标位置与关联点M共现的访问量累计)/(目标位置下所有具有关联点共现的访问量累计)。其中，关联点M，是指用户在检索或者点击目标位置后，在指定范围内与目标位置发生二次转化行为的地点M。
为了能够让目标用户更好的了解目标地点，以便目标用户能够选择要去的目标地点，本公开的实施例，在确定目标地点的同时还会进一步获得目标地点对应的核心信息，并将核心信息发送给用户端，以供用户端在目标页面上进行展示。
所谓目标地点对应的核心信息包括但不限于目标地点的静态信息，以及在指定出行条件下由目标位置到对应目标地点的路线信息。
所谓静态信息包括但不限于目标地点对应的开放时间，目标地点对应的位置详情、目标地点的标签。静态信息可以包括：该景点的开放时间，该景点的门票信息以及该景点的位置详情等。
所谓路线信息包括但不限于基于出行方式以及出行时间等规划的出行路线、该出行路线所需花费的时间。
以图4为例，图4为本公开的实施例提供的一种推荐结果展示的示意图。图4中用户端为运行电子地图的手机，对于不同的出行方式的用户点击目标位置A时，针对相同目标地点B、C以及D展示的核心信息不同。以目标地点B为例，在步行出行方式下由A到B的路线信息，与驾车行方式下由A到B的路线信息是不同的。具体的，对于步行出行方式，规划的出行路线(A到B)为路线1，出行路线所需花费的时间为34分钟；对于驾车行方式，规划的出行路线(A到B)为路线2，出行路线所需花费的时间为12分钟。也就是说，不同的出行条件对应不同的路线信息。
需要说明的是，本公开的实施例中，目标地点数据一般为多个，但图4中仅示出了3个。也就是说，图4中仅以3个目标地点(B、C以及D)为例，对推荐结果的展示进行了示意。
另外，还需要说明的是，本公开的实施例中的用户数据、用户行为数据以及用户画像等可以来自于公开数据集，或者用户数据、用户行为数据以及用户画像等的获取是经过了相关用户的授权。
如图5所示，本公开的实施例提供一种地点推荐装置，该装置包括：
目标地点确定单元501，用于响应于用户端针对目标位置的查询请求，在目标位置的指定范围内确定向目标用户推荐的目标地点，目标地点包括在指定出行条件下目标用户感兴趣的地点；
目标地点发送单元502，用于将目标地点发送给用户端。
在一种实施方式中，目标地点确定单元501，可以包括：
出行条件确定子单元，用于针对查询请求，确定指定出行条件；
候选地点采集子单元，用于采用预先选定的至少一种召回策略，在指定出行条件下召回目标用户感兴趣的候选地点；
排序结果获得子单元，用于对候选地点进行排序，获得排序结果；
目标兴趣点确定子单元，用于根据排序结果确定目标地点。
在一种实施方式中，候选地点采集子单元，可以包括：
地点匹配单元，用于在目标位置的指定范围内，确定与指定出行条件匹配的多个地点；
候选地点召回子单元，用于利用召回策略，针对多个地点召回对应的候选地点。
在一种实施方式中，候选地点召回子单元，可以包括：
历史地点确定子单元，用于在召回策略包括基于地点相似度召回候选地点的第一召回策略的情况下，基于目标用户的历史用户行为数据，确定目标用户感兴趣的历史地点；
地点相似度计算子单元，用于计算历史地点与多个地点之间的地点相似度；
第一候选地点召回子单元，用于在多个地点中，召回地点相似度超过对应阈值的地点作为候选地点。
在一种实施方式中，候选地点召回子单元，可以包括：
地点热度确定子单元，用于在召回策略包括基于地点热度召回候选地点的第二召回策略的情况下，确定多个地点各自对应的地点热度；
第二候选地点召回子单元，用于在多个地点中，召回地点热度超过对应阈值的地点作为候选地点。
在一种实施方式中，候选地点召回子单元，可以包括：
地点类型确定子单元，用于在召回策略包括基于地点类型召回候选地点的第三召回策略的情况下，确定多个地点各自对应的地点类型；
第三候选地点召回子单元，用于在多个地点中，召回地点类型与目标位置所属地点类型相同的地点作为候选地点。
在一种实施方式中，候选地点召回子单元，可以包括：
关联性确定子单元，用于在召回策略包括基于地点之间的关联性召回候选地点的第四召回策略的情况下，确定多个地点各自与目标位置之间的关联性；
第四候选地点召回子单元，用于在多个地点中，召回关联性超过对应阈值的地点作为候选地点。
在一种实施方式中，出行条件确定子单元，可以包括：
数据获得子单元，用于在指定出行条件包括出行方式以及出行场景的情况下，获得目标用户的用户画像以及查询请求对应的出行场景；
出行方式确定子单元，用于基于用户画像，确定目标用户惯用的出行方式；
指定出行条件确定子单元，用于将目标用户惯用的出行方式以及查询请求对应的出行场景，确定为指定出行条件；
其中，出行场景至少包括目标用户的出行时间、目标位置所属区域的区域类型中的至少一种。
在一种实施方式中，排序结果获得子单元，可以包括：
目标地点确定子单元，用于将候选地点输入到训练好的排序模型中，获得目标地点；
训练好的排序模型为基于预先构建的正样本集以及预先构建的负本集训练得到的排序模型，正样本集为基于在预先划分的时间段内发生二次转化行为的地点对构建的样本集，负本集为基于在预先划分的时间段内不具有二次转化行为的地点对构建的样本集。
在一种实施方式中，该装置还可以包括：
核心信息获得单元，用于获得目标地点对应的核心信息，核心信息至少包括目标地点的静态信息，以及在指定出行条件下由目标位置到对应目标地点的路线信息；
核心信息发送单元，用于将核心信息发送给用户端。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
图6示出了可以用来实施本公开的实施例的示例电子设备600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6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理，例如地点推荐方法。例如，在一些实施例中，地点推荐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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的地点推荐方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行地点推荐方法。
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)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，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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 (23)

1.一种地点推荐方法，包括：
响应于用户端针对目标位置的查询请求，在所述目标位置的指定范围内确定向所述目标用户推荐的目标地点，所述目标地点包括在指定出行条件下所述目标用户感兴趣的地点；
将所述目标地点发送给所述用户端。
2.根据权利要求1所述的方法，其中，所述响应于用户端针对目标位置的查询请求，在所述目标位置的指定范围内确定为所述目标用户推荐的目标地点，包括：
针对所述查询请求，确定所述指定出行条件；
采用预先选定的至少一种召回策略，在所述指定出行条件下召回所述目标用户感兴趣的候选地点；
对所述候选地点进行排序，获得排序结果；
根据所述排序结果确定所述目标地点。
3.根据权利要求2所述的方法，其中，所述采用预先选定的至少一种召回策略，在所述指定出行条件下召回所述目标用户感兴趣的候选地点，包括：
在所述目标位置的指定范围内，确定与所述指定出行条件匹配的多个地点；
利用所述召回策略，针对所述多个地点召回对应的所述候选地点。
4.根据权利要求3所述的方法，其中，在所述召回策略包括基于地点相似度召回所述候选地点的第一召回策略的情况下，所述针对所述多个地点召回对应的所述候选地点，包括：
基于所述目标用户的历史用户行为数据，确定所述目标用户感兴趣的历史地点；
计算所述历史地点与所述多个地点之间的所述地点相似度；
在所述多个地点中，召回所述地点相似度超过对应阈值的地点作为所述候选地点。
5.根据权利要求3所述的方法，其中，在所述召回策略包括基于地点热度召回所述候选地点的第二召回策略的情况下，所述针对所述多个地点召回对应的所述候选地点，包括：
确定所述多个地点各自对应的所述地点热度；
在所述多个地点中，召回所述地点热度超过对应阈值的地点作为所述候选地点。
6.根据权利要求3所述的方法，其中，在所述召回策略包括基于地点类型召回所述候选地点的第三召回策略的情况下，所述针对所述多个地点召回对应的所述候选地点，包括：
确定所述多个地点各自对应的所述地点类型；
在所述多个地点中，召回所述地点类型与所述目标位置所属地点类型相同的地点作为所述候选地点。
7.根据权利要求3所述的方法，其中，在所述召回策略包括基于地点之间的关联性召回所述候选地点的第四召回策略的情况下，所述针对所述多个地点召回对应的所述候选地点，包括：
确定所述多个地点各自与所述目标位置之间的所述关联性；
在所述多个地点中，召回所述关联性超过对应阈值的地点作为所述候选地点。
8.根据权利要求2至7任意一项所述的方法，其中，在所述指定出行条件包括出行方式以及出行场景的情况下，所述针对所述查询请求，确定所述指定出行条件，包括：
获得所述目标用户的用户画像以及所述查询请求对应的出行场景；
基于所述用户画像，确定所述目标用户惯用的出行方式；
将所述目标用户惯用的出行方式以及所述查询请求对应的出行场景，确定为所述指定出行条件；
其中，所述出行场景至少包括所述目标用户的出行时间、所述目标位置所属区域的区域类型中的至少一种。
9.根据权利要求2所述的方法，其中，所述对所述候选地点进行排序，获得排序结果，包括：
将所述候选地点输入到训练好的排序模型中，获得所述目标地点；
所述训练好的排序模型为基于预先构建的正样本集以及预先构建的负本集训练得到的排序模型，所述正样本集为基于在预先划分的时间段内发生二次转化行为的地点对构建的样本集，所述负本集为基于在所述预先划分的时间段内不具有所述二次转化行为的地点对构建的样本集。
10.根据权利要求1所述的方法，其中，还包括：
获得所述目标地点对应的核心信息，所述核心信息至少包括所述目标地点的静态信息，以及在所述指定出行条件下由所述目标位置到对应所述目标地点的路线信息；
将所述核心信息发送给所述用户端。
11.一种地点推荐装置，包括：
目标地点确定单元，用于响应于用户端针对目标位置的查询请求，在所述目标位置的指定范围内确定向所述目标用户推荐的目标地点，所述目标地点包括在指定出行条件下所述目标用户感兴趣的地点；
目标地点发送单元，用于将所述目标地点发送给所述用户端。
12.根据权利要求11所述的装置，其中，所述目标地点确定单元，包括：
出行条件确定子单元，用于针对所述查询请求，确定所述指定出行条件；
候选地点采集子单元，用于采用预先选定的至少一种召回策略，在所述指定出行条件下召回所述目标用户感兴趣的候选地点；
排序结果获得子单元，用于对所述候选地点进行排序，获得排序结果；
目标兴趣点确定子单元，用于根据所述排序结果确定所述目标地点。
13.根据权利要求12所述的装置，其中，所述候选地点采集子单元，包括：
地点匹配单元，用于在所述目标位置的指定范围内，确定与所述指定出行条件匹配的多个地点；
候选地点召回子单元，用于利用所述召回策略，针对所述多个地点召回对应的所述候选地点。
14.根据权利要求13所述的装置，其中，所述候选地点召回子单元，包括：
历史地点确定子单元，用于在所述召回策略包括基于地点相似度召回所述候选地点的第一召回策略的情况下，基于所述目标用户的历史用户行为数据，确定所述目标用户感兴趣的历史地点；
地点相似度计算子单元，用于计算所述历史地点与所述多个地点之间的所述地点相似度；
第一候选地点召回子单元，用于在所述多个地点中，召回所述地点相似度超过对应阈值的地点作为所述候选地点。
15.根据权利要求13所述的装置，其中，所述候选地点召回子单元，包括：
地点热度确定子单元，用于在所述召回策略包括基于地点热度召回所述候选地点的第二召回策略的情况下，确定所述多个地点各自对应的所述地点热度；
第二候选地点召回子单元，用于在所述多个地点中，召回所述地点热度超过对应阈值的地点作为所述候选地点。
16.根据权利要求13所述的装置，其中，所述候选地点召回子单元，包括：
地点类型确定子单元，用于在所述召回策略包括基于地点类型召回所述候选地点的第三召回策略的情况下，确定所述多个地点各自对应的所述地点类型；
第三候选地点召回子单元，用于在所述多个地点中，召回所述地点类型与所述目标位置所属地点类型相同的地点作为所述候选地点。
17.根据权利要求13所述的装置，其中，所述候选地点召回子单元，包括：
关联性确定子单元，用于在所述召回策略包括基于地点之间的关联性召回所述候选地点的第四召回策略的情况下，确定所述多个地点各自与所述目标位置之间的所述关联性；
第四候选地点召回子单元，用于在所述多个地点中，召回所述关联性超过对应阈值的地点作为所述候选地点。
18.根据权利要求12至17任意一项所述的装置，其中，所述出行条件确定子单元，包括：
数据获得子单元，用于在所述指定出行条件包括出行方式以及出行场景的情况下，获得所述目标用户的用户画像以及所述查询请求对应的出行场景；
出行方式确定子单元，用于基于所述用户画像，确定所述目标用户惯用的出行方式；
指定出行条件确定子单元，用于将所述目标用户惯用的出行方式以及所述查询请求对应的出行场景，确定为所述指定出行条件；
其中，所述出行场景至少包括所述目标用户的出行时间、所述目标位置所属区域的区域类型中的至少一种。
19.根据权利要求12所述的装置，其中，所述排序结果获得子单元，包括：
目标地点确定子单元，用于将所述候选地点输入到训练好的排序模型中，获得所述目标地点；
所述训练好的排序模型为基于预先构建的正样本集以及预先构建的负本集训练得到的排序模型，所述正样本集为基于在预先划分的时间段内发生二次转化行为的地点对构建的样本集，所述负本集为基于在所述预先划分的时间段内不具有所述二次转化行为的地点对构建的样本集。
20.根据权利要求11所述的装置，其中，还包括：
核心信息获得单元，用于获得所述目标地点对应的核心信息，所述核心信息至少包括所述目标地点的静态信息，以及在所述指定出行条件下由所述目标位置到对应所述目标地点的路线信息；
核心信息发送单元，用于将所述核心信息发送给所述用户端。
21.一种电子设备，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至10中任意一项所述的方法。
22.一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计算机执行权利要求1至10中任意一项所述的方法。
23.一种计算机程序产品，包括计算机程序/指令，其中，该计算机程序/指令被处理器执行时实现权利要求1至10所述方法的步骤。
CN202111161591.7A 2021-09-30 2021-09-30 一种地点推荐方法、装置、电子设备及存储介质 Active CN113868532B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111161591.7A CN113868532B (zh) 2021-09-30 2021-09-30 一种地点推荐方法、装置、电子设备及存储介质
EP22180359.6A EP4109294A3 (en) 2021-09-30 2022-06-22 Site recommendation method and apparatus, electronic device, storage medium, and computer program product
US17/850,930 US20220405339A1 (en) 2021-09-30 2022-06-27 Site recommendation method, electronic device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111161591.7A CN113868532B (zh) 2021-09-30 2021-09-30 一种地点推荐方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113868532A true CN113868532A (zh) 2021-12-31
CN113868532B CN113868532B (zh) 2022-11-01

Family

ID=79001302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111161591.7A Active CN113868532B (zh) 2021-09-30 2021-09-30 一种地点推荐方法、装置、电子设备及存储介质

Country Status (3)

Country Link
US (1) US20220405339A1 (zh)
EP (1) EP4109294A3 (zh)
CN (1) CN113868532B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101963960A (zh) * 2009-07-22 2011-02-02 刘旸 旅行路线和日程安排生成方法及服务器
CN103390031A (zh) * 2013-07-01 2013-11-13 招商银行股份有限公司 智能推荐方法及装置
CN104598602A (zh) * 2015-01-27 2015-05-06 百度在线网络技术（北京）有限公司 通过计算机实现的基于场景的信息推荐方法及装置
CN106599092A (zh) * 2016-11-24 2017-04-26 宇龙计算机通信科技(深圳)有限公司 旅游景点的推荐方法及装置
CN107025254A (zh) * 2016-09-26 2017-08-08 阿里巴巴集团控股有限公司 一种航线目的地搜索方法及装置
WO2017181908A1 (zh) * 2016-04-21 2017-10-26 斑马网络技术有限公司 导航处理方法、导航设备、交通工具控制设备及操作系统
CN109471984A (zh) * 2018-10-17 2019-03-15 浙江口碑网络技术有限公司 店铺推荐方法及装置
CN111143676A (zh) * 2019-12-26 2020-05-12 斑马网络技术有限公司 兴趣点推荐方法、装置、电子设备及计算机可读存储介质
CN111414557A (zh) * 2020-03-11 2020-07-14 江苏车行天下网络科技有限公司 一种基于用户行为与资源特征的线路推荐方法
CN111753214A (zh) * 2020-06-24 2020-10-09 平安科技（深圳）有限公司 基于行为轨迹的数据推送方法、系统和计算机设备
CN112182430A (zh) * 2020-09-22 2021-01-05 汉海信息技术(上海)有限公司 一种地点推荐的方法、装置、电子设备及存储介质
CN112612957A (zh) * 2020-12-24 2021-04-06 北京百度网讯科技有限公司 兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8983973B2 (en) * 2011-10-12 2015-03-17 Mapquest, Inc. Systems and methods for ranking points of interest
GB201506356D0 (en) * 2015-04-15 2015-05-27 Tomtom Int Bv Methods of obtaining point of interest data
CN109062928A (zh) * 2018-06-11 2018-12-21 北京嘀嘀无限科技发展有限公司 一种提示推荐上车点的方法及系统
US11797931B1 (en) * 2020-02-11 2023-10-24 State Farm Mutual Automobile Insurance Company Systems and methods for adaptive route optimization for learned task planning

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101963960A (zh) * 2009-07-22 2011-02-02 刘旸 旅行路线和日程安排生成方法及服务器
CN103390031A (zh) * 2013-07-01 2013-11-13 招商银行股份有限公司 智能推荐方法及装置
CN104598602A (zh) * 2015-01-27 2015-05-06 百度在线网络技术（北京）有限公司 通过计算机实现的基于场景的信息推荐方法及装置
WO2017181908A1 (zh) * 2016-04-21 2017-10-26 斑马网络技术有限公司 导航处理方法、导航设备、交通工具控制设备及操作系统
CN107025254A (zh) * 2016-09-26 2017-08-08 阿里巴巴集团控股有限公司 一种航线目的地搜索方法及装置
CN106599092A (zh) * 2016-11-24 2017-04-26 宇龙计算机通信科技(深圳)有限公司 旅游景点的推荐方法及装置
CN109471984A (zh) * 2018-10-17 2019-03-15 浙江口碑网络技术有限公司 店铺推荐方法及装置
CN111143676A (zh) * 2019-12-26 2020-05-12 斑马网络技术有限公司 兴趣点推荐方法、装置、电子设备及计算机可读存储介质
CN111414557A (zh) * 2020-03-11 2020-07-14 江苏车行天下网络科技有限公司 一种基于用户行为与资源特征的线路推荐方法
CN111753214A (zh) * 2020-06-24 2020-10-09 平安科技（深圳）有限公司 基于行为轨迹的数据推送方法、系统和计算机设备
CN112182430A (zh) * 2020-09-22 2021-01-05 汉海信息技术(上海)有限公司 一种地点推荐的方法、装置、电子设备及存储介质
CN112612957A (zh) * 2020-12-24 2021-04-06 北京百度网讯科技有限公司 兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张岚等: "国外关于旅游目的地重游决策行为研究综述", 《南京师大学报(自然科学版)》 *

Also Published As

Publication number Publication date
CN113868532B (zh) 2022-11-01
US20220405339A1 (en) 2022-12-22
EP4109294A2 (en) 2022-12-28
EP4109294A3 (en) 2023-02-01

Similar Documents

Publication Publication Date Title
JP4950508B2 (ja) 施設情報管理システム、施設情報管理装置、施設情報管理方法および施設情報管理プログラム
CN112612957A (zh) 兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置
CN110781415A (zh) 一种兴趣点推荐方法、装置、设备及介质
US10989549B2 (en) Route recommendation in map service
US11893073B2 (en) Method and apparatus for displaying map points of interest, and electronic device
US20230049839A1 (en) Question Answering Method for Query Information, and Related Apparatus
CN113360792A (zh) 信息推荐方法、装置、电子设备以及存储介质
CN113656698A (zh) 兴趣特征提取模型的训练方法、装置和电子设备
CN113326450B (zh) 一种兴趣点召回方法、装置、电子设备和存储介质
CN110674208B (zh) 用于确定用户的职住地信息的方法和装置
CN113139139A (zh) 用于确定上车点的方法、装置、电子设备和介质
EP4092388A2 (en) Method and apparatus of recommending information, electronic device, storage medium, and program product
CN113868532B (zh) 一种地点推荐方法、装置、电子设备及存储介质
CN115062240A (zh) 一种停车场排序方法、装置、电子设备和存储介质
CN115512146A (zh) Poi信息挖掘方法、装置、设备及存储介质
CN113378082A (zh) 一种信息推荐方法、装置、电子设备以及存储介质
CN114428917A (zh) 基于地图的信息共享方法、装置、电子设备和介质
CN112905903A (zh) 一种租房推荐方法、装置、电子设备及存储介质
CN112559876A (zh) 地图搜索结果的展现方法、装置、设备及存储介质
CN113175940A (zh) 数据处理方法、装置、设备和存储介质
CN112528156A (zh) 建立排序模型的方法、查询自动补全的方法及对应装置
CN114863285B (zh) 识别目标道路的方法、装置、设备以及存储介质
CN115115944B (zh) 地图数据查验方法、装置、电子设备和介质
JP7467680B2 (ja) 移動方式の推薦方法、装置、電子機器および記憶媒体
CN110542428B (zh) 驾驶路线质量评估方法及装置

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
GR01 Patent grant
GR01 Patent grant