CN114860836A - 失效兴趣点的挖掘方法及装置、设备和介质 - Google Patents
失效兴趣点的挖掘方法及装置、设备和介质 Download PDFInfo
- Publication number
- CN114860836A CN114860836A CN202210575464.XA CN202210575464A CN114860836A CN 114860836 A CN114860836 A CN 114860836A CN 202210575464 A CN202210575464 A CN 202210575464A CN 114860836 A CN114860836 A CN 114860836A
- Authority
- CN
- China
- Prior art keywords
- information
- interest
- user comment
- user
- failure
- 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种失效兴趣点的挖掘方法及装置、设备和介质,涉及计算机技术领域,尤其涉及人工智能、智能交通、智能座舱、车联网和自然语言处理技术领域。实现方案为:获取与多个兴趣点分别对应的多个第一用户评论信息,所述第一用户评论信息至少包括评论文本信息;基于所述第一用户评论信息所包括的评论文本信息,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息;以及基于所述至少一个第二用户评论信息,从所述多个兴趣点中确定至少一个失效兴趣点。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及人工智能、智能交通、智能座舱、车联网和自然语言处理技术领域,具体涉及一种失效兴趣点的挖掘方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
随着移动端电子地图应用程序的普及,电子地图越来越多地被用户使用,用户可以在电子地图中查询感兴趣的POI(Point of Interest,兴趣点),例如商店、餐厅等。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种失效兴趣点的挖掘方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种失效兴趣点的挖掘方法,包括:获取与多个兴趣点分别对应的多个第一用户评论信息,所述第一用户评论信息至少包括评论文本信息;基于所述第一用户评论信息所包括的评论文本信息,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息;以及基于所述至少一个第二用户评论信息,从所述多个兴趣点中确定至少一个失效兴趣点。
根据本公开的另一方面,提供了一种失效语义预测模型的训练方法,包括:获取与兴趣点对应的样本评论文本信息,所述样本评论文本信息包括能够指示该样本评论文本信息对应的兴趣点的有效性的样本标注;将所述样本评论文本信息输入所述失效语义预测模型,以获取所述失效语义预测模型所输出的预测结果,所述预测结果能够指示该样本评论文本信息对应的兴趣点失效的置信度;基于所述样本标注和所述预测结果,计算损失值;以及基于所述损失值,对所述失效语义预测模型进行调参。
根据本公开的另一方面,提供了一种电子地图的显示方法,所述电子地图包括地图底图和多个兴趣点,所述方法包括:利用如上所述的失效兴趣点的挖掘方法从所述多个兴趣点中确定至少一个失效兴趣点;以及响应于接收到用户的打开请求,在所述地图底图上显示所述多个兴趣点中的除所述至少一个失效兴趣点以外的兴趣点。
根据本公开的另一方面,提供了一种失效兴趣点的挖掘装置,包括:第一获取单元,被配置用于获取与多个兴趣点分别对应的多个第一用户评论信息,所述第一用户评论信息至少包括评论文本信息;第一确定单元,被配置用于基于所述第一用户评论信息所包括的评论文本信息,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息;以及第二确定单元,被配置用于基于所述至少一个第二用户评论信息,从所述多个兴趣点中确定至少一个失效兴趣点。
根据本公开的另一方面,提供了一种失效语义预测模型的训练装置,包括:第二获取单元,被配置用于获取样本评论文本信息,所述样本评论文本信息包括能够指示该样本评论文本信息对应的兴趣点的有效性的样本标注;输入单元,被配置用于将所述样本评论文本信息输入所述失效语义预测模型,以获取所述失效语义预测模型所输出的预测结果,所述预测结果能够指示该样本评论文本信息对应的兴趣点失效的置信度;计算单元,被配置用于基于所述样本标注和所述预测结果,计算损失值;以及调参单元,被配置用于基于所述损失值,对所述失效语义预测模型进行调参。
根据本公开的另一方面,提供了一种电子地图的显示装置,所述电子地图包括地图底图和多个兴趣点,所述装置包括:如上所述的失效兴趣点的挖掘装置,被配置用于从所述多个兴趣点中确定至少一个失效兴趣点;以及显示单元,被配置用于响应于接收到用户的打开请求,在所述地图底图上显示所述多个兴趣点中的除所述至少一个失效兴趣点以外的兴趣点。
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上述失效兴趣点的挖掘方法或失效语义预测模型的训练方法。
根据本公开的另一方面,提供了一种车辆,包括如上所述的电子地图的显示装置。
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上述失效兴趣点的挖掘方法或失效语义预测模型的训练方法。
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,其中,计算机程序在被处理器执行时能够实现上述失效兴趣点的挖掘方法或失效语义预测模型的训练方法。
根据本公开的一个或多个实施例,可以提高失效兴趣点挖掘的效率和准确性。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开示例性实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开示例性实施例的失效兴趣点的挖掘方法的流程图;
图3示出了根据本公开示例性实施例的失效语义预测模型的训练方法的流程图;
图4示出了根据本公开示例性实施例的失效兴趣点的挖掘方法的流程图;
图5示出了根据本公开示例性实施例的失效兴趣点的挖掘装置的结构框图;
图6示出了根据本公开示例性实施例的失效语义预测模型的训练装置的结构框图;
图7示出了能够用于实现本公开实施例的示例性电子设备的结构框图。
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。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
电子地图中包括多个用户可能感兴趣的兴趣点,在实际应用过程中,存在以下可能:一些兴趣点已经停业或搬迁,而电子地图未能及时更新兴趣点的失效状态,从而用户前往已经失效的兴趣点。这种现象会带来负面的用户体验。相关技术中,通常是依赖人工来发现失效兴趣点,并及时更新该兴趣点在电子地图中的展示状态,这种方式所需的成本较高并且效率较低。
或者,也可以是利用图像识别技术,针对某一地区的历史图像和当前图像分别识别其中的兴趣点,通过比对该地区的历史图像和当前图像分别对应的兴趣点识别结果来确定失效兴趣点。但是,这种方式需要依赖于各个地区对应的真实图像,而图像的获取成本较高。
基于此,本公开提供了一种失效兴趣点的挖掘方法,利用了电子地图中每个兴趣点对应的用户评论信息,从中挖掘能够指示兴趣点失效的用户评论信息,基于此确定失效兴趣点,能够提高失效兴趣点挖掘的效率和准确性。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行失效兴趣点的挖掘方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括其他服务或软件应用,这些服务或软件环境可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来发送与多个兴趣点分别对应的用户评论信息。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120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。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开示例性实施例的失效兴趣点的挖掘方法200的流程图。如图2所示,方法200包括:
步骤S201、获取与多个兴趣点分别对应的多个第一用户评论信息,所述第一用户评论信息至少包括评论文本信息;
步骤S202、基于所述第一用户评论信息所包括的评论文本信息,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息;以及
步骤S203、基于所述至少一个第二用户评论信息,从所述多个兴趣点中确定至少一个失效兴趣点。
发明人注意到,用户在使用电子地图的过程中,经常会对电子地图中的兴趣点进行评论。因此,每个兴趣点对应的用户评论信息能够有效地指示该兴趣点的状态。例如,当某一热门兴趣点失效时,相应的用户评论文本中则可能包含能够指示该兴趣点失效的内容,通过对用户评论文本的语义进行挖掘,能够及时发现失效兴趣点。方法200所提供的方案充分利用了电子地图中每个兴趣点对应的用户评论信息,利用评论文本从中挖掘能够指示兴趣点失效的用户评论信息,基于此确定失效兴趣点,能够提高失效兴趣点挖掘的效率和准确性。针对挖掘所得到的失效兴趣点,能够及时在电子地图中下线该兴趣点,或更新该兴趣点在电子地图中的展示信息,从而能够提升用户体验。
根据一些实施例,步骤S202中基于所述第一用户评论信息所包括的评论文本信息,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息包括:将所述多个第一用户评论信息的评论文本信息输入失效语义预测模型,以获取所述失效语义预测模型所输出的每个第一用户评论信息对应的预测结果,所述预测结果能够指示该第一用户评论信息对应的兴趣点失效的置信度;以及基于所述每个第一用户评论信息对应的预测结果,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息。由此,能够利用失效语义预测模型,简捷准确地获取每一第一用户评论信息相应的预测结果,从而能够高效地从中挖掘出能够指示兴趣点失效的第二用户评论信息。
示例性地,所述基于所述每个第一用户评论信息对应的预测结果,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息可以包括:响应于所述第一用户评论信息对应的预测结果不小于预设阈值,确定该第一用户评论信息为第二用户评论信息。
应当理解,上述的利用失效语义预测模型来确定能够指示兴趣点失效的第二用户评论信息的方式仅是对步骤S202的具体实现方式的示例,也可以是利用其他方式,基于第一用户评论信息所包括的评论文本信息进行挖掘。
示例性地,可以是响应于第一用户评论信息的评论文本信息包括至少一个预设失效词,确定该第一用户评论信息为能够指示兴趣点失效的用户评论信息。所述预设失效词例如可以包括“关门”、“停业”、“搬迁”等相关语义的关键词,由此,能够简便快捷地挖掘出能够指示兴趣点失效的第二用户评论信息。
应当理解,电子地图应用程序中通常包含大量的兴趣点对应的用户评论信息,针对全部用户评论信息进行挖掘需要占用较多的处理资源。为解决这一问题,在一些实施例中,所述失效兴趣点的挖掘方法还包括:基于至少一个预设失效词,从所述多个第一用户评论信息中确定至少一个初筛用户评论信息,并且步骤S202中,基于所述初筛用户评论信息所包括的评论文本信息,从所述多个初筛用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息。由此,能够从数量较多的第一用户评论信息中确定可能指示兴趣点失效的初筛评论文本信息,仅针对初筛评论文本信息进行挖掘,能够节省处理资源,提升失效兴趣点挖掘的效率。
进一步地,根据一些实施例,所述基于至少一个预设失效词,从所述多个第一用户评论信息中确定至少一个初筛用户评论信息包括:针对所述多个第一用户评论信息中的每个第一用户评论信息,响应于该第一用户评论信息的评论文本信息包括至少一个预设失效词,确定该第一用户评论信息为初筛用户评论信息。由此,能够简便快捷地确定初筛用户评论信息,提升对第一用户评论信息进行初筛的效率。
示例性地,也可以是利用其他方式实现初筛。例如,可以是基于至少一个预设失效词,利用其他方式确定初筛用户评论信息。例如,可以是响应于第一用户评论信息的评论文本信息包括所述预设失效词的同义词,将其确定为初筛用户评论信息。
应当理解,电子地图中的兴趣点状态可能是动态变化的,例如,存在以下可能:某一兴趣点在特定时间段内暂时停业,而后又恢复营业,也就是说,在所述暂时停业的特定时间段内,可能存在用户评论信息是指示该兴趣点失效的。在这种情况下,利用如上所述的失效兴趣点的挖掘方法,则可能基于所述特定时间段内的用户评论信息将该兴趣点确定为失效兴趣点,从而导致兴趣点状态有误。
为解决这一问题,在一些实施例中,所述第一用户评论信息还包括评论时间信息,并且步骤S203中基于所述至少一个第二用户评论信息,从所述多个兴趣点中确定至少一个失效兴趣点包括:针对所述至少一个第二用户评论信息中的每个第二用户评论信息,获取所述第二用户评论信息对应的评论时间信息;以及响应于所述第二用户评论信息对应的评论时间信息满足预设条件,确定该第二用户评论信息对应的兴趣点为失效兴趣点。由此,能够利用评论时间信息,进一步判断所述能够指示兴趣点失效的第二用户评论信息的有效性,以提升失效兴趣点挖掘的准确性。
示例性地,可以是通过计算所述第二用户评论信息对应的评论时间与当前时间的间隔,基于此来确定第二用户评论信息的有效性。例如,可以是响应于所述第二用户评论信息对应的评论时间与当前时间的间隔小于预设间隔,确定该第二用户评论信息对应的兴趣点为失效兴趣点。
然而,上述示例的实现方式未能考虑到具有不同热度的兴趣点所能够得到的用户评论频率不同的问题。例如,存在以下可能:所述预设间隔例如可以为三个月,但是,由于某一兴趣点的热度较低,该兴趣点对应的用户评论信息的评论时间与当前时间的间隔全部大于三个月。也就是说,基于上述机制,将无法利用该兴趣点对应的用户评论信息来判断其是否失效。
基于此,在一些实施例中,所述响应于所述第二用户评论信息对应的评论时间信息满足预设条件,确定该第二用户评论信息对应的兴趣点为失效兴趣点包括:针对所述第二用户评论信息对应的兴趣点,获取该兴趣点对应的其他用户评论信息对应的评论时间信息;基于相应的评论时间信息,对所述第二用户评论信息和所述其他用户评论信息进行排序,以得到所述第二用户评论信息的排序位次,其中,评论时间与当前时间间隔更短的用户评论信息的排序位次小于评论时间与当前时间间隔更长的用户评论信息的排序位次;以及响应于所述第二用户评论信息的排序位次小于预设阈值,确定该第二用户评论信息对应的兴趣点为失效兴趣点。由此,能够通过对兴趣点对应的全部用户评论信息进行排序,通过所述能够指示兴趣点失效的第二用户评论信息的相对排序位次来确定其是否为较新的用户评论信息,基于此判断所述第二用户评论信息的有效性,以提升失效兴趣点挖掘的准确性。
图3示出了根据本公开示例性实施例的失效兴趣点的挖掘方法300的流程图。如图3所示,方法300包括:
步骤S301、获取与多个兴趣点分别对应的多个第一用户评论信息,所述第一用户评论信息至少包括评论文本信息;
步骤S302、基于至少一个预设失效词,从所述多个第一用户评论信息中确定至少一个初筛用户评论信息;
步骤S303、将所述至少一个初筛用户评论信息的评论文本信息输入失效语义预测模型,以获取所述失效语义预测模型所输出的每个初筛用户评论信息对应的预测结果,所述预测结果能够指示该初筛用户评论信息对应的兴趣点失效的置信度;
步骤S304、基于所述每个初筛用户评论信息对应的预测结果,从所述至少一个初筛用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息;
步骤S305、针对所述至少一个第二用户评论信息中的每个第二用户评论信息,获取所述第二用户评论信息对应的评论时间信息;
步骤S306、响应于所述第二用户评论信息对应的评论时间信息满足预设条件,确定该第二用户评论信息对应的兴趣点为失效兴趣点。
根据本公开的另一方面,还提供一种失效语义预测模型的训练方法。图4示出了根据本公开示例性实施例的失效语义预测模型的训练方法400的流程图。如图4所示,方法400包括:
步骤S401、获取与兴趣点对应的样本评论文本信息,所述样本评论文本信息包括能够指示该样本评论文本信息对应的兴趣点的有效性的样本标注;
步骤S402、将所述样本评论文本信息输入所述失效语义预测模型,以获取所述失效语义预测模型所输出的预测结果,所述预测结果能够指示该样本评论文本信息对应的兴趣点失效的置信度;
步骤S403、基于所述样本标注和所述预测结果,计算损失值;以及
步骤S404、基于所述损失值,对所述失效语义预测模型进行调参。
如上所述,发明人注意到,用户在使用电子地图的过程中,每个兴趣点对应的用户评论信息能够有效地指示该兴趣点是否失效。通过利用有标注的训练数据来训练失效语义预测模型,能够提升失效语义预测模型的预测精度,从而能够基于模型预测结果,更加高效准确地挖掘能够指示兴趣点是否失效的用户评论信息。
示例性地,可以获取多个样本评论文本信息,并且将所述多个样本评论文本信息划分为训练集和测试集,分别用于执行上述的模型训练方法300和用于测试失效语义预测模型的性能,以提升模型训练的效果。
示例性地,可以是获取电子地图中兴趣点对应的真实用户评论文本信息,并将其作为样本评论文本信息,以提升训练得到的失效语义预测模型的性能。
根据一些实施例,所述失效语义预测模型为预训练模型。所述预训练模型例如可以是ERNIE模型,可以理解的,其也可以是其他类型的预训练模型,例如,还可以是BERT模型。通过获取预训练模型,并利用样本评论文本信息对所述预训练模型进行优化训练,能够充分利用预训练模型所包含的自然语言的语义特征知识,提升模型训练的效率。
根据一些实施例,步骤S401中获取样本文本评论信息包括:获取多个真实用户评论文本信息;以及基于至少一个预设失效词,从所述多个真实用户评论文本信息中确定至少一个样本评论文本信息。所述预设失效词例如可以包括“关门”、“停业”、“搬迁”等相关语义的关键词,由此,能够提升构造样本数据集的效率。
应当理解,电子地图应用程序中通常包含大量的兴趣点对应的用户评论文本,而其中大部分用户评论文本都不是用于指示兴趣点失效的。通过利用预设失效词,能够从大量的真实用户评论文本信息中确定可能指示兴趣点失效的样本评论文本信息,提升样本数据的获取效率。
根据一些实施例,所述基于至少一个预设失效词,从所述多个真实用户评论文本信息中确定至少一个样本评论文本信息包括:针对所述多个真实用户评论文本信息中的每个真实用户评论文本信息,响应于该真实用户评论文本信息包括至少一个预设失效词,确定该真实用户评论文本信息为样本评论文本信息。由此,能够简便快捷地确定样本评论文本信息,提升构造样本数据集的效率。
示例性地,也可以是基于至少一个预设失效词,利用其他方式确定样本评论文本信息。例如,可以是响应于真实用户评论文本信息包括所述预设失效词的同义词,将其确定为样本评论文本信息。
根据一些实施例,步骤S401中获取样本评论文本信息还包括:基于预设规则,利用至少一个预设替换词替换所述样本评论文本信息所包括的至少一个预设失效词,以得到替换后的样本评论文本信息,并且其中,利用所述替换后的样本评论文本信息进行训练。所述预设替换词例如可以是所述预设失效词的同义词。由此,能够通过采用同义词替换的方式得到更多的样本评论文本信息,通过利用更多样本数据对模型进行训练,能够提升模型的训练效果。
示例性地,可以是通过人工预设规则,为每个预设失效词设定至少一个预设替换词。例如,当预设失效词为“关门”,可以为其设定相应的预设替换词“停业”和“不营业”,在这种情况下,针对样本评论文本信息A“这家店已经关门了”,则可以得到替换后的样本评论文本信息A1“这家店已经停业了”和样本评论文本信息A2“这家店已经不营业了”,并进一步利用A1和A2对模型进行训练,以提升模型的训练效果。
根据本公开的另一方面,还提供一种电子地图的显示方法,所述电子地图包括地图底图和多个兴趣点,所述方法包括:利用如上所述的失效兴趣点的挖掘方法从所述多个兴趣点中确定至少一个失效兴趣点;以及响应于接收到用户的打开请求,在所述地图底图上显示所述多个兴趣点中的除所述至少一个失效兴趣点以外的兴趣点。由此,能够利用根据本公开示例性实施例的方法挖掘得到失效兴趣点,并基于此来确定用于向用户显示的电子地图的内容,使得电子地图所显示的兴趣点内容符合其实际状态,从而提升用户体验。
根据本公开的另一方面,还提供一种失效兴趣点的挖掘装置。图5示出了根据本公开示例性实施例的失效兴趣点的挖掘装置500的结构框图。如图5所示,装置500包括:
第一获取单元501,被配置用于获取与多个兴趣点分别对应的多个第一用户评论信息,所述第一用户评论信息至少包括评论文本信息;
第一确定单元502,被配置用于从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息;以及
第二确定单元503,被配置用于基于所述至少一个第二用户评论信息,从所述多个兴趣点中确定至少一个失效兴趣点。
失效兴趣点的挖掘装置500的单元501-单元503的操作与前面描述的步骤S201-步骤S203的操作类似,在此不作赘述。
根据本公开的另一方面,还提供一种失效语义预测模型的训练装置。图6示出了根据本公开示例性实施例的失效语义预测模型的训练装置600的结构框图。如图6所示,装置600包括:
第二获取单元601,被配置用于获取样本评论文本信息,所述样本评论文本信息包括能够指示该样本评论文本信息对应的兴趣点的有效性的样本标注;
输入单元602,被配置用于将所述样本评论文本信息输入所述失效语义预测模型,以获取所述失效语义预测模型所输出的预测结果,所述预测结果能够指示该样本评论文本信息对应的兴趣点失效的置信度;
计算单元603,被配置用于基于所述样本标注和所述预测结果,计算损失值;以及
调参单元604,被配置用于基于所述损失值,对所述失效语义预测模型进行调参。
失效语义预测装置600的单元601-单元604的操作与前面描述的步骤S401-步骤S404的操作类似,在此不作赘述。
根据本公开的另一方面,还提供一种电子地图的显示装置,所述电子地图包括地图底图和多个兴趣点,所述装置包括:如上所述的失效兴趣点的挖掘装置,被配置用于从所述多个兴趣点中确定至少一个失效兴趣点;以及显示单元,被配置用于响应于接收到用户的打开请求,在所述地图底图上显示所述多个兴趣点中的除所述至少一个失效兴趣点以外的兴趣点。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的另一方面,还提供一种电子设备,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上述的失效兴趣点的挖掘方法或失效语义预测模型的训练方法。
根据本公开的另一方面,提供了一种车辆,包括如上所述的电子地图的显示装置。
根据本公开的另一方面,还提供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上述的失效兴趣点的挖掘方法或失效语义预测模型的训练方法。
根据本公开的另一方面,还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序再被处理器执行时实现上述的失效兴趣点的挖掘方法或失效语义预测模型的训练方法。
参考图7,现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向设备700输入信息的任何类型的设备,输入单元706可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许设备700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,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元701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701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701执行上文所描述的各个方法和处理,例如失效兴趣点的挖掘方法或失效语义预测模型的训练方法。例如,在一些实施例中,失效兴趣点的挖掘方法或失效语义预测模型的训练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708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的失效兴趣点的挖掘方法或失效语义预测模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行失效兴趣点的挖掘方法或失效语义预测模型的训练方法。
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)、复杂可编程逻辑设备(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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,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。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (19)
1.一种失效兴趣点的挖掘方法,包括:
获取与多个兴趣点分别对应的多个第一用户评论信息,所述第一用户评论信息至少包括评论文本信息;
基于所述第一用户评论信息所包括的评论文本信息,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息;以及
基于所述至少一个第二用户评论信息,从所述多个兴趣点中确定至少一个失效兴趣点。
2.如权利要求1所述的方法,其中,所述基于所述第一用户评论信息所包括的评论文本信息,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息包括:
将所述多个第一用户评论信息的评论文本信息输入失效语义预测模型,以获取所述失效语义预测模型所输出的每个第一用户评论信息对应的预测结果,所述预测结果能够指示该第一用户评论信息对应的兴趣点失效的置信度;以及
基于所述每个第一用户评论信息对应的预测结果,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息。
3.如权利要求1或2所述的方法,还包括:
基于至少一个预设失效词,从所述多个第一用户评论信息中确定至少一个初筛用户评论信息,
并且其中,基于所述初筛用户评论信息所包括的评论文本信息,从所述多个初筛用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息。
4.如权利要求3所述的方法,其中,所述基于至少一个预设失效词,从所述多个第一用户评论信息中确定至少一个初筛用户评论信息包括:
针对所述多个第一用户评论信息中的每个第一用户评论信息,响应于该第一用户评论信息的评论文本信息包括至少一个预设失效词,确定该第一用户评论信息为初筛用户评论信息。
5.如权利要求1-4中任一项所述的方法,其中,所述第一用户评论信息还包括评论时间信息,并且所述基于所述至少一个第二用户评论信息,从所述多个兴趣点中确定至少一个失效兴趣点包括:
针对所述至少一个第二用户评论信息中的每个第二用户评论信息,获取所述第二用户评论信息对应的评论时间信息;以及
响应于所述第二用户评论信息对应的评论时间信息满足预设条件,确定该第二用户评论信息对应的兴趣点为失效兴趣点。
6.如权利要求5所述的方法,其中,所述响应于所述第二用户评论信息对应的评论时间信息满足预设条件,确定该第二用户评论信息对应的兴趣点为失效兴趣点包括:
针对所述第二用户评论信息对应的兴趣点,获取该兴趣点对应的其他用户评论信息对应的评论时间信息;
基于相应的评论时间信息,对所述第二用户评论信息和所述其他用户评论信息进行排序,以得到所述第二用户评论信息的排序位次,其中,评论时间与当前时间间隔更短的用户评论信息的排序位次小于评论时间与当前时间间隔更长的用户评论信息的排序位次;以及
响应于所述第二用户评论信息的排序位次小于预设阈值,确定该第二用户评论信息对应的兴趣点为失效兴趣点。
7.一种失效语义预测模型的训练方法,包括:
获取与兴趣点对应的样本评论文本信息,所述样本评论文本信息包括能够指示该样本评论文本信息对应的兴趣点的有效性的样本标注;
将所述样本评论文本信息输入所述失效语义预测模型,以获取所述失效语义预测模型所输出的预测结果,所述预测结果能够指示该样本评论文本信息对应的兴趣点失效的置信度;
基于所述样本标注和所述预测结果,计算损失值;以及
基于所述损失值,对所述失效语义预测模型进行调参。
8.如权利要求7所述的方法,其中,所述失效语义预测模型为预训练模型。
9.如权利要求7或8所述的方法,其中,所述获取样本文本评论信息包括:
获取多个真实用户评论文本信息;以及
基于至少一个预设失效词,从所述多个真实用户评论文本信息中确定至少一个样本评论文本信息。
10.如权利要求9所述的方法,其中,所述基于至少一个预设失效词,从所述多个真实用户评论文本信息中确定至少一个样本评论文本信息包括:
针对所述多个真实用户评论文本信息中的每个真实用户评论文本信息,响应于该真实用户评论文本信息包括至少一个预设失效词,确定该真实用户评论文本信息为样本评论文本信息。
11.如权利要求10所述的方法,其中,所述获取样本评论文本信息还包括:
基于预设规则,利用至少一个预设替换词替换所述样本评论文本信息所包括的至少一个预设失效词,以得到替换后的样本评论文本信息,
并且其中,利用所述替换后的样本评论文本信息进行训练。
12.一种电子地图的显示方法,所述电子地图包括地图底图和多个兴趣点,所述方法包括:
利用权利要求1-6中任一项所述的方法从所述多个兴趣点中确定至少一个失效兴趣点;以及
响应于接收到用户的打开请求,在所述地图底图上显示所述多个兴趣点中的除所述至少一个失效兴趣点以外的兴趣点。
13.一种失效兴趣点的挖掘装置,包括:
第一获取单元,被配置用于获取与多个兴趣点分别对应的多个第一用户评论信息,所述第一用户评论信息至少包括评论文本信息;
第一确定单元,被配置用于基于所述第一用户评论信息所包括的评论文本信息,从所述多个第一用户评论信息中确定能够指示兴趣点失效的至少一个第二用户评论信息;以及
第二确定单元,被配置用于基于所述至少一个第二用户评论信息,从所述多个兴趣点中确定至少一个失效兴趣点。
14.一种失效语义预测模型的训练装置,包括:
第二获取单元,被配置用于获取样本评论文本信息,所述样本评论文本信息包括能够指示该样本评论文本信息对应的兴趣点的有效性的样本标注;
输入单元,被配置用于将所述样本评论文本信息输入所述失效语义预测模型,以获取所述失效语义预测模型所输出的预测结果,所述预测结果能够指示该样本评论文本信息对应的兴趣点失效的置信度;
计算单元,被配置用于基于所述样本标注和所述预测结果,计算损失值;以及
调参单元,被配置用于基于所述损失值,对所述失效语义预测模型进行调参。
15.一种电子地图的显示装置,所述电子地图包括地图底图和多个兴趣点,所述装置包括:
权利要求13所述的装置,被配置用于从所述多个兴趣点中确定至少一个失效兴趣点;以及
显示单元,被配置用于响应于接收到用户的打开请求,在所述地图底图上显示所述多个兴趣点中的除所述至少一个失效兴趣点以外的兴趣点。
16.一种电子设备,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1-12中任一项所述的方法。
17.一种车辆,包括权利要求15所述的电子地图的显示装置。
18.一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根据权利要求1-12中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据权利要求1-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210575464.XA CN114860836B (zh) | 2022-05-24 | 2022-05-24 | 失效兴趣点的挖掘方法及装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210575464.XA CN114860836B (zh) | 2022-05-24 | 2022-05-24 | 失效兴趣点的挖掘方法及装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114860836A true CN114860836A (zh) | 2022-08-05 |
CN114860836B CN114860836B (zh) | 2023-03-10 |
Family
ID=82640023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210575464.XA Active CN114860836B (zh) | 2022-05-24 | 2022-05-24 | 失效兴趣点的挖掘方法及装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114860836B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011164065A (ja) * | 2010-02-15 | 2011-08-25 | Canvas Mapple Co Ltd | ナビゲーション装置、ナビゲーション方法、およびナビゲーションプログラム |
CN105095387A (zh) * | 2015-06-30 | 2015-11-25 | 北京奇虎科技有限公司 | 基于用户评论信息的poi数据采集方法及装置 |
CN107704589A (zh) * | 2017-09-30 | 2018-02-16 | 百度在线网络技术(北京)有限公司 | 基于运单的兴趣点失效挖掘方法、装置、服务器及介质 |
CN107798110A (zh) * | 2017-11-01 | 2018-03-13 | 百度在线网络技术(北京)有限公司 | 兴趣点地址校验方法、装置、服务器及存储介质 |
CN109145068A (zh) * | 2018-07-12 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 地图更新方法及装置 |
CN109145219A (zh) * | 2018-09-10 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 基于互联网文本挖掘的兴趣点有效性判断方法和装置 |
CN110019616A (zh) * | 2017-12-04 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 一种poi现势状态获取方法及其设备、存储介质、服务器 |
CN112417318A (zh) * | 2020-10-29 | 2021-02-26 | 汉海信息技术(上海)有限公司 | 一种兴趣点的状态确定方法、装置、电子设备及介质 |
-
2022
- 2022-05-24 CN CN202210575464.XA patent/CN114860836B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011164065A (ja) * | 2010-02-15 | 2011-08-25 | Canvas Mapple Co Ltd | ナビゲーション装置、ナビゲーション方法、およびナビゲーションプログラム |
CN105095387A (zh) * | 2015-06-30 | 2015-11-25 | 北京奇虎科技有限公司 | 基于用户评论信息的poi数据采集方法及装置 |
CN107704589A (zh) * | 2017-09-30 | 2018-02-16 | 百度在线网络技术(北京)有限公司 | 基于运单的兴趣点失效挖掘方法、装置、服务器及介质 |
CN107798110A (zh) * | 2017-11-01 | 2018-03-13 | 百度在线网络技术(北京)有限公司 | 兴趣点地址校验方法、装置、服务器及存储介质 |
CN110019616A (zh) * | 2017-12-04 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 一种poi现势状态获取方法及其设备、存储介质、服务器 |
CN109145068A (zh) * | 2018-07-12 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 地图更新方法及装置 |
CN109145219A (zh) * | 2018-09-10 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 基于互联网文本挖掘的兴趣点有效性判断方法和装置 |
CN112417318A (zh) * | 2020-10-29 | 2021-02-26 | 汉海信息技术(上海)有限公司 | 一种兴趣点的状态确定方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114860836B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115114424A (zh) | 查询请求的应答方法及装置 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN114924862A (zh) | 利用整数规划求解器实现的任务处理方法、设备和介质 | |
CN114547252A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN115964462A (zh) | 对话内容处理方法、对话理解模型的训练方法和装置 | |
CN114860836B (zh) | 失效兴趣点的挖掘方法及装置、设备和介质 | |
CN115862031A (zh) | 文本处理方法、神经网络的训练方法、装置和设备 | |
CN114741623A (zh) | 兴趣点状态确定方法、模型训练方法及装置 | |
CN113596011B (zh) | 流量识别方法及装置,计算设备和介质 | |
CN114219046A (zh) | 模型训练方法、匹配方法、装置、系统、电子设备和介质 | |
CN115269989A (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
CN114676062A (zh) | 用于接口的差异数据测试方法及装置、电子设备和介质 | |
CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
CN114118067A (zh) | 术语名词纠错方法及装置、电子设备和介质 | |
CN112905743A (zh) | 文本对象检测的方法、装置、电子设备和存储介质 | |
CN115809364B (zh) | 对象推荐方法和模型训练方法 | |
CN116842156B (zh) | 数据生成方法及装置、设备和介质 | |
CN114861658B (zh) | 地址信息解析方法及装置、设备和介质 | |
CN114218516B (zh) | 网页处理方法、装置、电子设备以及存储介质 | |
CN114117074A (zh) | 数据处理方法、装置、电子设备和介质 | |
CN115617968A (zh) | 对话方法及装置、设备和介质 | |
CN115905735A (zh) | 兴趣点有效性确定方法及装置、设备和介质 | |
CN115293264A (zh) | 数据处理方法、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 |