CN115238183A - 时间信息确定方法、装置、存储介质、电子设备及产品 - Google Patents

Abstract

本公开提供了一种时间信息确定方法、装置、存储介质、电子设备及产品，涉及计算机技术领域，尤其涉及信息处理技术领域。具体实现方案为：在网页搜索结果中获取目标兴趣点POI的时间信息；基于所述时间信息生成所述目标POI的候选营业时间；响应于确定所述候选营业时间核验正确，将所述候选营业时间确定为所述目标POI的营业时间。通过本公开可以自动化生成目标POI的营业时间，且生成的营业时间时效性高。

Description

时间信息确定方法、装置、存储介质、电子设备及产品

技术领域

本公开涉及计算机技术领域，尤其涉及信息处理技术领域，具体涉及一种时间信息确定方法、装置、存储介质、电子设备及产品。

背景技术

随着电子地图的兴起，用户的出行决策越来越依赖电子地图。电子地图的兴趣点(Point Of Interst，POI)建设极为重要。

而POI的营业时间可能会影响用户的出行决策，影响用户对于POI的体验。

发明内容

本公开提供了一种时间信息确定方法、装置、存储介质、电子设备及产品。

根据本公开的第一方面，提供了一种时间信息确定方法，所述方法包括：

在网页搜索结果中获取目标兴趣点POI的时间信息；基于所述时间信息生成所述目标POI的候选营业时间；响应于确定所述候选营业时间核验正确，将所述候选营业时间确定为所述目标POI的营业时间。

根据本公开的第二方面，提供了一种时间信息确定装置，所述装置包括：

获取模块，用于在网页搜索结果中获取目标兴趣点POI的时间信息；生成模块，用于基于所述时间信息生成所述目标POI的候选营业时间；确定模块，用于响应于确定所述候选营业时间核验正确，将所述候选营业时间确定为所述目标POI的营业时间。

根据本公开的第三方面，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第一方面所述的方法。

根据本公开的第四方面，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根据第一方面所述的方法。

根据本公开的第五方面，提供了一种计算机产品，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第一方面所述的方法。

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示出了本公开实施例的应用环境示意图；

图2示出了本公开实施例提供的一种时间信息确定方法的流程示意图；

图3示出了本公开实施例提供的POI的营业时间属性位置的示意图；

图4示出了本公开实施例提供的一种获取时间信息的方法的流程示意图；

图5示出了本公开实施例提供的一种获取第一数量的时间信息的示意图；

图6示出了本公开实施例提供的一种生成营业时间的方法的流程示意图；

图7示出了本公开实施例提供的一种结构化时间信息的方法的流程示意图；

图8示出了本公开实施例的信息获取流程示意图；

图9示出了本公开实施例提供的一种时间信息确定装置结构示意图；

图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。

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。

随着电子地图的兴起，用户的出行决策越来越依赖电子地图。电子地图的POI建设极为重要，尤其是POI的营业时间。

电子地图中的POI可以理解为是每一个地点，POI主要由POI自身属性、人对POI的感知/感悟/理解、人和POI能够产生的潜在连接(交易/办事/服务提供)等信息构成。其中，POI的自身属性主要包括坐标、名称、电话、营业时间、父子点和TAG等。

如果POI的营业时间缺失，会直接影响用户的出行决策。或者用户可能会通过打电话或者网上搜索的方式获取营业时间，但是会增加用户出行前的决策成本。当POI营业时间的准确率不高时，将直接影响用户的产品体验，甚至直接造成用户的流失。

基于此本公开提供一种信息获取方法和装置，通过获取网页中POI的时间信息，自动生成POI对应的营业时间，并且大规模并发实时更新，保证营业时间的时效性，且更新成本较低。

本申请提供的信息获取方法，可以应用于如图1所示的应用环境中。其中，终端101通过网络与服务器102通过网络进行通信。终端101可以获取服务器102得到的营业时间，还可以将营业时间展示于POI的属性界面中。其中，终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本公开实施例通过搜索引擎和智能信息抽取技术，结合营业时间生成模型和增量学习营业时间判决模型，实现从互联网的情报片段中自动化生成POI的营业时间。并由通过大规模并发的智能交互式语音核验系统作为生成模型的核验方法，提升营业时间生成模型生成营业时间的准确性。下述实施例将结合附图对本公开的信息获取方法和装置进行说明。

图2示出了本公开实施例提供的一种时间信息确定方法的流程示意图，如图2中所示，该方法可以包括：

在步骤S210中，在网页搜索结果中获取目标POI的时间信息。

在本公开实施例中，通过调用检索接口，基于目标POI的关键词组合，在网页中进行搜索，得到关于目标POI的搜索结果。

在得到的搜索结果中，获取与目标POI营业时间相关的时间信息。其中，时间信息为一个或多个。

在步骤S220中，基于时间信息生成目标POI的候选营业时间。

在本公开实施例中，预先设置营业时间的结构，对获取的时间信息进行结构化处理。换言之，若本公开可以将获取的时间信息进行格式的统一。

进一步将格式统一后的时间信息矩阵化，将矩阵化后时间信息输入至预先构建的营业时间生成模型中，确定生成的目标POI的候选营业时间。

在本公开中，目标POI的营业时间也可以称为POI的营业时间属性，在地图端的位置可参考图3。图3示出了本公开实施例提供的POI的营业时间属性位置的示意图。

例如，在地图中搜索商店A，确定商店A的位置，在商店A的POI属性中，则可以显示其营业时间，如图中的10点-22点。

在步骤S230中，响应于确定候选营业时间核验正确，将候选营业时间确定为目标POI的营业时间。

在本公开实施例中，可以通过智能电话的方式或采用营业时间判别模型的方式，对生成的候选营业时间进行核验。若生成的候选营业时间正确，则获取该营业时间，并将该营业时间作为目标POI的属性，展示于对应的位置。从而为用户的出行提供决策信息。

本公开提供的信息获取方式，可以通过网页搜索的方式，获取POI营业时间的时间信息，成本较低。通过对获取的时间进行结构化处理，自动化生成目标POI的营业时间，得到的营业时间时效性高，且可以并发处理，减少资源的浪费。

本公开下述实施例将对在网页搜索结果中获取目标兴趣点POI的时间信息进行说明。

图4示出了本公开实施例提供的一种获取时间信息的方法的流程示意图，如图4中所示，该方法可以包括：

在步骤S410中，构建POI的搜索关键词组合。

在本公开实施例中，需要基于搜索引擎在网页中对所需的信息进行搜索，搜索引擎可以理解为根据用户需求与一定算法，运用特定策略从互联网检索出指定信息反馈给用户的检索技术。搜索引擎依托于多种技术，如网络爬虫技术、检索排序技术、网页处理技术、大数据处理技术、自然语言处理技术等，为信息检索用户提供快速、高相关性的信息服务。搜索引擎技术的核心模块一般包括爬虫、索引、检索和排序等，同时可添加其他一系列辅助模块，以为用户创造更好的网络使用环境。

在本公开中，可以基于搜索引起构建搜索形式。例如，搜索关键词组合可以是POI名称+城市+营业时间的搜索形式。或者，搜索关键词组合可以是POI名称+城市+官网的搜索形式。例如，商店A，XX购物中心店XX地区官网。

在步骤S420中，基于搜索关键词组合，在网页搜索结果中搜索目标POI，得到多个目标POI的时间信息。

在本公开实施例中，网页的搜索结果可以包括目标POI的id、网页创建时间戳、网页创建时间、网页链接、网页标题、网页摘要、目标搜索关键词。

在本公开中，多个目标POI的时间信息可以所有搜索的结果。

在步骤S430中，在多个目标POI的时间信息中，获取包含营业时间的时间信息。

在本公开实施例中，从搜索的多个时间信息中，确定包含有营业时间的时间信息，并抽取第一数量的时间信息。第一数量可以是抽取的目标POI的网页文本结果的前N个，也可以是第一页中所有的搜索结果。

例如，图5示出了本公开实施例提供的一种获取第一数量的时间信息的示意图，如图5中所示，搜索商城BC商店，得到关于商城BC商店的前3条时间信息。其中，第一条：营业时间:星期一至星期五:上午10:00-晚上10:00星期六、星期日:上午9:30-晚上10:00。第二条：营业时间:星期一至星期五:上午10:00-晚上10:00星期六、星期日:上午9:...。第三条:营业时间:上午10点到晚上10点。

在本公开实施例中，目标POI包括第一类型的POI和第二类型的POI。其中，第一类型的POI为包含电话信息且未包含营业时间的POI；第二类型的POI为未包含电话信息且包含营业时间的POI。在获取目标POI的营业时间和电话字段的过程中，还包括POI名称、POItag、POI城市等字段。

在本公开中，获取到目标POI的时间信息后，得到的多个时间信息的表述方式不同，需要对不同表述方式的多个时间信息进行统一。即，对多个时间信息进行结构化处理。下述实施例将对时间信息进行结构化处理，得到目标POI的营业时间的实施方式进行说明。

图6示出了本公开实施例提供的一种生成营业时间的方法的流程示意图，如图6中所示，该方法可以包括：

在步骤S610中，在时间信息中，获取第一营业时间片段。

在本公开实施例中，可以获取第二数量的第一营业时间片段，第二数量可以是第一数量的搜索结果中的前M个时间信息。本公开为便于区分，将从网页文本中获取的时间信息片段称为第一营业时间片段。如上述实施例，第一营业时间片段可以是:星期一至星期五:上午10:00-晚上10:00星期六、星期日:上午9:30-晚上10:00。

可以理解的是，一个词条的提供的时间信息为一个第一营业时间片段。例如，图5中，则存在三个第一营业时间片段。

在步骤S620中，对第一营业时间片段进行结构化处理，得到第二营业时间片段。

在本公开实施例中，针对每个第一营业时间片段，都需要基于预先确定的结构对第一营业时间片段进行结构化处理。基于结构化处理后的营业时间片段，得到第二营业时间片段。

在步骤S630中，将第二营业时间片段输入至预先构建的营业时间生成模型，生成目标POI的候选营业时间。

在本公开实施例中，将得到的第二数量的第二营业时间片段进行处理后，输入至预先构建的营业时间生成模型，得到目标POI的候选营业时间。

其中，营业时间生成模型是基于Transformer的构架构建的。

其中，营业时间生成模型的训练数据包括POI数据库中含有营业时间的样本，和POI数据库中不含运营业时间的样本。

针对POI数据库中含有营业时间的样本It，可以通过搜索引擎搜索的方式获取对应的互联网营业时间片段(i1,..,iM)，然后将营业时间片段输入到生成模型中生成对应的营业时间。其中，其对应的损失函数可以是Loss1＝MSE(It,Ig)。其中，It为样本，Ig为营业时间。

针对POI数据库中不含运营业时间的样本，通过搜索引擎搜索的方式获取对应的互联网营业时间片段(i1,..,iM)，然后将营业时间片段输入到生成模型中生成对应的营业时间，将输入到营业时间判别模型中进行判决，期望判别模型输出结果为真。对应的损失函数为：Loss2＝min1/2(D(Ig)–1)^2。

本公开采用上述方式进行营业时间生成模型的训练和学习，可以使得生成模型能生成准确率更高的营业时间。

在本公开中，输入至营业时间生成模型的第二营业时间片段，是对第一营业时间片段结构化后的矩阵。下述实施例将对结构化营业时间片段进行说明。

图7示出了本公开实施例提供的一种结构化时间信息的方法的流程示意图，如图7中所示，该方法可以包括：

在步骤S710中，确定目标POI的营业时间周期，并以天为单位，对营业时间周期进行分割。

其中，时间段包括起始时间和终止时间。

在步骤S720中，针对每一天，将天分割为不同的时间段。

其中，时间段包括起始时间和终止时间。

在步骤S730中，基于每天不同时间段的起始时间和终止时间，对第一营业时间片段进行结构处理，构建矩阵，得到第二营业时间片段。

在本公开中，对时间信息结构化可以是以星期为周期，对周期以天为单位进行分割，并将每天分割为不同的时间段。例如，将星期拆为七天，天拆成上午和下午,共拆成14个时间片段，每个时间片段由对应的时间起点和终点构成二元组。其中，图5中的第一条时间信息可以结构化成如表1所示的营业时间片段。例如，表1中，周一上午为十点到12点，下午为12点到22点。

表1

结构化处理第一营业时间片段后，还可以对第一营业时间片段与时间段做映射，得到第一营业时间片段与时间段的映射关系。

需要说明的是，若存在不营业的时间，则对应位置为(0，0)。

基于从左到由的顺序，将得到的映射关系，构成时间片段的矩阵化表达，得到第二营业时间片段。例如：本公开中则为7乘4的时间片段矩阵。7乘4的时间片段矩阵则可以理解为7天，每天两个时间段，包括起始时间点和终止时间点，一共4个时间点。

示例性的，基于上述表1，得到的时间片段矩阵为

[[10,12,12,22],

[10,12,12,22],

[10,12,12,22],

[10,12,12,22],

[10,12,12,22],

[9.5,12,12,22],

[9.5 12,12,22],

]

可以理解的是该时间片段矩阵对应一个第一营业时间片段。

在本公开实施例中，将第二数量的第二营业时间片段，输入至确定的营业时间生成模式中，得到目标POI的营业时间。例如，第二数量为M，则将M个7乘4的时间矩阵，输入至营业时间生成模型中。

在本公开实施例中，还可以确定营业时间判别模型，该营业时间判别模型用于验证营业时间生成模型生成的营业时间的准确性。

在本公开中，可以获取负样本训练数据及其对应的第一标签，并获取正样本训练数据及其对应的第二标签。基于负样本训练数据和第一标签、所述正样本训练数据和第二标签、以及损失函数，训练预先构建的网络模型，确定营业时间判别模型。其中，损失函数可以是：

Loss＝min1/2(D(Iinp)–label)^2

其中Iinp为输入营业时间矩阵，label为对应输入营业时间矩阵的标签。

其中，第一标签可以是0，表示营业时间错误，第二标签可以1，表示营业时间正确。

在本公开一些实施例中，营业时间生成模型由第一营业时间样本数据和第二营业时间样本数据以及相应的损失函数训练得到。第一营业时间样本数据为包含有营业时间的POI。第二营业时间样本数据为未含有营业时间的POI以及由营业时间判别模型核验正确的营业时间。

在本公开又一些实施例中，营业时间判别模型基于负样本训练数据及其对应的第一标签和损失函数、正样本训练数据及其对应的第二标签和损失函数训练得到。其中，负样本训练数据为已有营业时间的样本POI，且所述已有营业时间与生成的营业时间不一致，或负样本训练数据为未包含有营业时间的样本POI。正样本训练数据为已有营业时间的样本POI，且所述已有营业时间与生成的营业时间一致。

在本公开一些实施例中，可以基于预先确定的营业时间判别模型，对候选营业时间进行判别，确定候选营业时间的标签。响应于确定标签为第二标签，将候选营业时间确定为所述目标POI的营业时间获取所述目标。

其中，响应于确定标签为第一标签，将营业时间和第一标签添加至营业时间判别模型的负样本训练数据中。

在本公开又一些实施例中，还可以基于智能电话的模式对得到的营业时间进行判别。利用打电话的模式来对上一步生成器生成的营业时间进行大规模高并发的自动化核实。

例如，基于智能电话的模式，对营业时间进行电话询问，得到询问结果。响应于确定询问结果中的时间与营业时间一致，获取目标POI的营业时间。

在本公开中，还可以确定所述目标POI的营业时间对应的标签。进一步，将营业时间和对应的标签，添加至营业时间判别模型的正样本训练数据中。

通过智能电话的模式，一方面可以针对生成模型的性能进行评估，弥补营业时间判别模型的缺陷，提升营业时间判别模型的判决能力，从而间接提升生成器的生成能力。另一方面，核实正确的样本会自动流转到POI数据库形成持续累积的样本从而极大提升生成对抗模型的训练样本量，从而进一步提升营业时间生成模型生成营业时间的能力。

本公开实施例提供的信息获取方法，可以参考图8的示意图。图8示出了本公开实施例的信息获取流程示意图，如图8所示，包括电话过滤，搜索形式构建，网页文本抽取，营业时间片段抽取，营业时间片段制定(即，结构化时间信息)，营业时间生成模型，营业时间判别模型和交互式语音核验系统8个模块。通过该流程可以现营业时间的自动化生成和高时效更新，可大规模并发，可进行历史存量风险挖掘，更新成本低等效果。

基于与图2中所示的方法相同的原理，图9示出了本公开实施例提供的一种时间信息确定装置结构示意图，如图9所示，该时间信息确定装置900可以包括：

获取模块901，用于在网页搜索结果中获取目标兴趣点POI的时间信息；生成模块902，用于基于所述时间信息生成所述目标POI的候选营业时间；确定模块903，用于响应于确定所述候选营业时间核验正确，将所述候选营业时间确定为所述目标POI的营业时间。

在本公开实施例中，所述获取模块901，用于构建POI的搜索关键词组合；基于所述搜索关键词组合，在网页搜索结果中搜索目标POI，得到多个所述目标POI的时间信息；在所述多个目标POI的时间信息中，获取包含营业时间的所述时间信息。

在本公开实施例中，所述生成模块902，用于在所述时间信息中，获取第一营业时间片段；对所述第一营业时间片段进行结构化处理，得到第二营业时间片段；将所述第二营业时间片段输入至预先构建的营业时间生成模型，生成所述目标POI的候选营业时间。

在本公开实施例中，所述生成模块902，用于确定所述目标POI的营业时间周期，并以天为单位，对所述营业时间周期进行分割；针对每一天，将天分割为不同的时间段，所述时间段包括起始时间和终止时间；基于每天不同时间段的所述起始时间和所述终止时间，对所述第一营业时间片段进行结构处理，构建矩阵，得到第二营业时间片段。

在本公开实施例中，所述营业时间生成模型由第一营业时间样本数据和第二营业时间样本数据以及相应的损失函数训练得到；所述第一营业时间样本数据为包含有营业时间的POI；所述第二营业时间样本数据为未含有营业时间的POI以及由营业时间判别模型核验正确的营业时间。

在本公开实施例中，所述营业时间判别模型基于负样本训练数据及其对应的第一标签和损失函数、正样本训练数据及其对应的第二标签和损失函数训练得到；所述负样本训练数据为已有营业时间的样本POI，且所述已有营业时间与生成的营业时间不一致，或所述负样本训练数据为未包含有营业时间的样本POI；所述正样本训练数据为已有营业时间的样本POI，且所述已有营业时间与生成的营业时间一致。

在本公开实施例中，所述确定模块903，用于基于预先确定的营业时间判别模型，对所述候选营业时间进行判别，确定所述候选营业时间的标签；响应于确定所述标签为第二标签，将所述候选营业时间确定为所述目标POI的营业时间。

在本公开实施例中，所述确定模块903，还用于响应于确定所述标签为第一标签，将所述营业时间和所述第一标签添加至所述营业时间判别模型的负样本训练数据中。

在本公开实施例中，所述确定模块903，用于基于智能电话的模式，对所述候选营业时间进行电话询问，得到询问结果；响应于确定所述询问结果中的营业时间与所述候选营业时间一致，将所述候选营业时间确定为所述目标POI的营业时间。

在本公开实施例中，所述确定模块903，还用于确定所述目标POI的营业时间对应的第二标签；将所述营业时间和对应的标签，添加至营业时间判别模型的正样本训练数据中。

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、一种可读存储介质和一种计算机程序产品。

图10示出了可以用来实施本公开的实施例的示例电子设备1000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2所示，设备200包括计算单元201，其可以根据存储在只读存储器(ROM)202中的计算机程序或者从存储单元208加载到随机访问存储器(RAM)203中的计算机程序，来执行各种适当的动作和处理。在RAM 203中，还可存储设备200操作所需的各种程序和数据。计算单元201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。

设备200中的多个部件连接至I/O接口205，包括：输入单元206，例如键盘、鼠标等；输出单元207，例如各种类型的显示器、扬声器等；存储单元208，例如磁盘、光盘等；以及通信单元209，例如网卡、调制解调器、无线通信收发机等。通信单元209允许设备200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201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201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201执行上文所描述的各个方法和处理，例如信息获取方法。例如，在一些实施例中，信息获取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208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 202和/或通信单元209而被载入和/或安装到设备200上。当计算机程序加载到RAM 203并由计算单元201执行时，可以执行上文描述的信息获取方法的一个或多个步骤。备选地，在其他实施例中，计算单元201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行信息获取方法。

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、现场可编程门阵列(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 (18)

1.一种时间信息确定方法，所述方法包括：

在网页搜索结果中获取目标兴趣点POI的时间信息；

基于所述时间信息生成所述目标POI的候选营业时间；

响应于确定所述候选营业时间核验正确，将所述候选营业时间确定为所述目标POI的营业时间。

2.根据权利要求1所述的方法，其中，所述在网页搜索结果中获取目标兴趣点POI的时间信息，包括：

构建POI的搜索关键词组合；

基于所述搜索关键词组合，在网页搜索结果中搜索目标POI，得到多个所述目标POI的时间信息；

在所述多个目标POI的时间信息中，获取包含营业时间的所述时间信息。

3.根据权利要求1所述的方法，其中，所述基于所述时间信息生成所述目标POI的候选营业时间，包括：

在所述时间信息中，获取第一营业时间片段；

对所述第一营业时间片段进行结构化处理，得到第二营业时间片段；

将所述第二营业时间片段输入至预先构建的营业时间生成模型，生成所述目标POI的候选营业时间。

4.根据权利要求3所述的方法，其中，所述对所述第一营业时间片段进行结构化处理，得到第二营业时间片段，包括：

确定所述目标POI的营业时间周期，并以天为单位，对所述营业时间周期进行分割；

针对每一天，将天分割为不同的时间段，所述时间段包括起始时间和终止时间；

基于每天不同时间段的所述起始时间和所述终止时间，对所述第一营业时间片段进行结构处理，构建矩阵，得到第二营业时间片段。

5.根据权利要求3所述的方法，其中，所述营业时间生成模型由第一营业时间样本数据和第二营业时间样本数据以及相应的损失函数训练得到；

所述第一营业时间样本数据为包含有营业时间的POI；

所述第二营业时间样本数据为未含有营业时间的POI以及由营业时间判别模型核验正确的营业时间。

6.根据权利要求5所述的方法，其中，所述营业时间判别模型基于负样本训练数据及其对应的第一标签和损失函数、正样本训练数据及其对应的第二标签和损失函数训练得到；

所述负样本训练数据为已有营业时间的样本POI，且所述已有营业时间与生成的营业时间不一致，或所述负样本训练数据为未包含有营业时间的样本POI；

所述正样本训练数据为已有营业时间的样本POI，且所述已有营业时间与生成的营业时间一致。

7.根据权利要求1所述的方法，其中，所述响应于确定所述候选营业时间核验正确，将所述候选营业时间确定为所述目标POI的营业时间，包括：

基于预先确定的营业时间判别模型，对所述候选营业时间进行判别，确定所述候选营业时间的标签；

响应于确定所述标签为第二标签，将所述候选营业时间确定为所述目标POI的营业时间。

8.根据权利要求7所述的方法，其中，所述方法还包括：

响应于确定所述标签为第一标签，将所述营业时间和所述第一标签添加至所述营业时间判别模型的负样本训练数据中。

9.根据权利要求1所述的方法，其中，所述响应于确定所述候选营业时间核验正确，将所述候选营业时间确定为所述目标POI的营业时间，包括：

基于智能电话的模式，对所述候选营业时间进行电话询问，得到询问结果；

响应于确定所述询问结果中的营业时间与所述候选营业时间一致，将所述候选营业时间确定为所述目标POI的营业时间。

10.根据权利要求9所述的方法，其中，所述将所述候选营业时间确定为所述目标POI的营业时间之后，所述方法还包括：

确定所述目标POI的营业时间对应的第二标签；

将所述营业时间和对应的标签，添加至营业时间判别模型的正样本训练数据中。

11.一种时间信息确定装置，所述装置包括：

获取模块，用于在网页搜索结果中获取目标兴趣点POI的时间信息；

生成模块，用于基于所述时间信息生成所述目标POI的候选营业时间；

确定模块，用于响应于确定所述候选营业时间核验正确，将所述候选营业时间确定为所述目标POI的营业时间。

12.根据权利要求11所述的装置，其中，所述获取模块，用于：

构建POI的搜索关键词组合；

基于所述搜索关键词组合，在网页搜索结果中搜索目标POI，得到多个所述目标POI的时间信息；

在所述多个目标POI的时间信息中，获取包含营业时间的所述时间信息。

13.根据权利要求11所述的装置，其中，所述生成模块，用于：

在所述时间信息中，获取第一营业时间片段；

对所述第一营业时间片段进行结构化处理，得到第二营业时间片段；

将所述第二营业时间片段输入至预先构建的营业时间生成模型，生成所述目标POI的候选营业时间。

14.根据权利要求13所述的装置，其中，所述获取模块，用于：

确定所述目标POI的营业时间周期，并以天为单位，对所述营业时间周期进行分割；

针对每一天，将天分割为不同的时间段，所述时间段包括起始时间和终止时间；

基于每天不同时间段的所述起始时间和所述终止时间，对所述第一营业时间片段进行结构处理，构建矩阵，得到第二营业时间片段。

15.根据权利要求13所述的装置，其中，所述营业时间生成模型由第一营业时间样本数据和第二营业时间样本数据以及相应的损失函数训练得到；

所述第一营业时间样本数据为包含有营业时间的POI；

所述第二营业时间样本数据为未含有营业时间的POI以及由营业时间判别模型核验正确的营业时间。

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1-10中任一项所述的方法。

17.一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。

18.一种计算机产品，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。

Images