CN116244529A - 兴趣点检索方法、装置、电子设备及存储介质 - Google Patents
兴趣点检索方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116244529A CN116244529A CN202310242434.1A CN202310242434A CN116244529A CN 116244529 A CN116244529 A CN 116244529A CN 202310242434 A CN202310242434 A CN 202310242434A CN 116244529 A CN116244529 A CN 116244529A
- Authority
- CN
- China
- Prior art keywords
- information
- interest
- candidate
- point
- points
- 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.)
- Pending
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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/9532—Query formulation
-
- 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种兴趣点检索方法、装置、电子设备及存储介质,涉及人工智能技术领域,尤其涉及智能交通技术领域。实现方案为:获取与用户的查询请求相对应的多个候选兴趣点;对于多个候选兴趣点中的任一候选兴趣点:将查询信息、客户端信息以及候选兴趣点的兴趣点信息进行融合,以生成候选兴趣点与查询请求的融合文本信息;将至少一个数值关联信息进行融合,以生成候选兴趣点与查询请求的融合数值信息;将融合文本信息和融合数值信息进行融合,以生成用于表示候选兴趣点与查询请求的语义匹配程度的融合信息;以及基于多个候选兴趣点中的每个候选兴趣点的融合信息,从多个候选兴趣点中确定查询请求对应的至少一个目标兴趣点。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及智能交通技术领域,具体涉及一种兴趣点检索方法、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
随着移动终端和计算机技术的发展,地图应用软件(APP)逐渐成为人们日常出行时必不可少的工具之一。POI(Point of Interest,兴趣点)检索是地图APP的核心功能之一,用户可以通过输入POI的关键词检索相关POI,地图APP针对用户输入的关键词对POI进行筛选,最终将检索结果和相应的POI信息呈现给用户。
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
本公开提供了一种兴趣点检索方法、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,提供了一种兴趣点检索方法,包括:获取与用户的查询请求相对应的多个候选兴趣点,其中,所述查询请求包括查询信息和所述用户的客户端信息;对于所述多个候选兴趣点中的任一候选兴趣点:将所述查询信息、所述客户端信息以及所述候选兴趣点的兴趣点信息进行融合,以生成所述候选兴趣点与所述查询请求的融合文本信息;将至少一个数值关联信息进行融合,以生成所述候选兴趣点与所述查询请求的融合数值信息,其中,所述至少一个数值关联信息中的每个数值关联信息为用于表示所述候选兴趣点与所述查询请求的关联程度的数值型信息;将所述融合文本信息和所述融合数值信息进行融合,以生成用于表示所述候选兴趣点与所述查询请求的语义匹配程度的融合信息;以及基于所述多个候选兴趣点中的每个候选兴趣点的融合信息,从所述多个候选兴趣点中确定所述查询请求对应的至少一个目标兴趣点。
根据本公开的一方面,提供了一种兴趣点检索装置,包括:获取模块,被配置为获取与用户的查询请求相对应的多个候选兴趣点,其中,所述查询请求包括查询信息和所述用户的客户端信息;生成模块,被配置为对于所述多个候选兴趣点中的任一候选兴趣点执行下述操作:将所述查询信息、所述客户端信息以及所述候选兴趣点的兴趣点信息进行融合,以生成所述候选兴趣点与所述查询请求的融合文本信息;将至少一个数值关联信息进行融合,以生成所述候选兴趣点与所述查询请求的融合数值信息,其中,所述至少一个数值关联信息中的每个数值关联信息为用于表示所述候选兴趣点与所述查询请求的关联程度的数值型信息;将所述融合文本信息和所述融合数值信息进行融合,以生成用于表示所述候选兴趣点与所述查询请求的语义匹配程度的融合信息;以及确定模块,被配置为基于所述多个候选兴趣点中的每个候选兴趣点的融合信息,从所述多个候选兴趣点中确定所述查询请求对应的至少一个目标兴趣点。
根据本公开的一方面,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兴趣点检索方法。
根据本公开的一方面,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计算机执行上述兴趣点检索方法。
根据本公开的一方面,提供了一种计算机程序产品,包括计算机程序指令,其中,所述计算机程序指令在被处理器执行时实现上述兴趣点检索方法。
根据本公开的一个或多个实施例,能够提高兴趣点检索的检索效率以及检索结果的准确性。
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示出了根据本公开的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示出了根据本公开的实施例的兴趣点检索方法的流程图;
图3示出了根据本公开一些实施例的兴趣点检索模型的结构示意图;
图4示出了根据本公开的实施例的兴趣点检索装置的结构框图;以及
图5示出了能够用于实现本公开的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要素与另一要素区分开。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。
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。
地图POI检索在日常生活中有着广泛的应用,例如,通过POI检索快速定位目的地附近的特定类型的场所,从而满足用户的各种需求。
现有技术中,通常将POI检索分为粗排、精排和重排三个过程,每个过程都会基于搜索信息对数据进行筛选,这种多级排序的方式往往耗时较长,导致检索效率低。为了减少耗时,一般会降低模型的复杂度,但同时会造成模型算力不足、表达能力较差等问题,致使部分数据被截断,从而导致检索结果的准确性低。
针对上述问题,本公开实施例提供了一种兴趣点检索方法,能够在提高兴趣点检索的检索效率的同时,提高检索结果的准确性。
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,客户端设备101、102、103、104、105和106以及服务器120可以运行使得能够执行兴趣点检索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还可以提供其他服务或软件应用,这些服务或软件应用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。
客户端设备101、102、103、104、105和/或106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、车载设备、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;或包括各种移动操作系统,例如MICROSOFT Windows Mobile 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、Wi-Fi)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/或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/或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。
根据一些实施例,客户端设备101、102、103、104、105和/或106可以将针对兴趣点的查询请求通过网络110发送给服务器120,服务器120可以根据本公开实施例的兴趣点检索方法基于接收到的查询请求生成相应的查询结果。服务器可以从数据库130中获取候选兴趣点的兴趣点信息。
根据另一些实施例,客户端设备(例如,客户端设备101)也可以根据本公开实施例的兴趣点检索方法,基于查询请求生成相应的查询结果。
具体地,客户端设备101-106或服务器120可以执行本公开实施例的兴趣点检索方法。
根据本公开的实施例,提供了一种兴趣点检索方法。图2示出了根据本公开实施例的兴趣点检索方法200的流程图。方法200的各个步骤的执行主体可以是客户端(例如,图1中所示的客户端设备101、102、103、104、105和106),也可以是服务器(例如,图1中所示的服务器120或图1中未示出的其他服务器)。
如图2所示,方法200包括步骤S210-S230。
在步骤S210中,获取与用户的查询请求相对应的多个候选兴趣点,其中,查询请求包括查询信息和用户的客户端信息。
在步骤S220中,对于多个候选兴趣点中的任一候选兴趣点执行以下操作步骤S221-S223:
在步骤S221中,将查询信息、客户端信息以及候选兴趣点的兴趣点信息进行融合,以生成候选兴趣点与查询请求的融合文本信息。
在步骤S222中,将至少一个数值关联信息进行融合,以生成候选兴趣点与查询请求的融合数值信息,其中,至少一个数值关联信息中的每个数值关联信息为用于表示候选兴趣点与查询请求的关联程度的数值型信息。
在步骤S223中,将融合文本信息和融合数值信息进行融合,以生成用于表示候选兴趣点与查询请求的语义匹配程度的融合信息。
在步骤S230中,基于多个候选兴趣点中的每个候选兴趣点的融合信息,从多个候选兴趣点中确定查询请求对应的至少一个目标兴趣点。
根据本公开的实施例,针对多个候选兴趣点,分别将其文本信息和数值信息与查询请求进行融合处理,使得生成的融合文本信息以及融合数值信息更加精准。随后依据将两者融合后生成的融合信息从多个候选兴趣点中确定目标兴趣点,在提高兴趣点检索结果的准确性的同时,还能够有效提高检索效率。
以下详细介绍方法200的各个步骤。
在步骤S210中,获取与用户的查询请求相对应的多个候选兴趣点,其中,查询请求包括查询信息和用户的客户端信息。
根据一些实施例,在用户触摸或点击地图APP的搜索框的情况下,认为用户发送了查询请求。用户发送的查询请求中包括相应的查询信息和客户端信息。查询信息可以理解为用户输入的用于查询兴趣点的关键词。查询信息可以为用户直接输入的文本信息,也可以为用户输入的语音信息。语音信息可以通过语音识别等方式转换为文本信息。
客户端信息为用户所使用的客户端设备的信息。根据一些实施例,客户端信息包括以下至少之一:用户所使用的客户端设备的操作系统或客户端设备所在的第一城市。由于不同的操作系统的输入法的输入方式以及导航装置的定位精度均存在差异,因此检索结果与查询信息的匹配方式也会存在相应差异。输入方式可以为将拼音转换为文字后才显示在搜索框,即在搜索框内仅显示转换好的汉字,例如,在搜索框内输入“北”,检索结果包括“北京…”等;也可以为在搜索框内显示拼音转换为文字的整个过程,例如,在搜索框内显示“b”,检索结果包括“北京…”等。
根据一些实施例,数据库中预先存储有多个兴趣点的兴趣点信息。兴趣点信息可以包括以下至少之一:兴趣点的名称、地址、标签或所在的第二城市,其中,第二城市可以与第一城市相同,也可以与第一城市不同。标签可以指示兴趣点的类别,例如公园、办公楼、商场、医院等。丰富的兴趣点信息能够全面反映兴趣点的特征,从而提高检索结果的准确性。
根据一些实施例,根据查询请求中的查询信息、客户端信息以及兴趣点信息的匹配度,可以对兴趣点进行初步的检索,以得到与查询请求相对应的多个候选兴趣点。例如,可以将名称中包含部分或全部查询信息且所在城市与客户端设备相同的兴趣点作为候选兴趣点。
在步骤S220中,对于多个候选兴趣点中的任一候选兴趣点执行以下操作步骤S221-S223:
在步骤S221中,将查询信息、客户端信息以及候选兴趣点的兴趣点信息进行融合,以生成候选兴趣点与查询请求的融合文本信息。
根据一些实施例,查询信息、客户端信息和兴趣点信息均为文本型信息。即,查询信息、客户端信息和兴趣点信息分别包括一个或多个字符。
根据一些实施例,可以通过对查询信息、客户端信息以及兴趣点信息进行简单的拼接、加权求和等方式,生成融合文本信息。
根据另一些实施例,也可以通过将查询信息、客户端信息以及候选兴趣点的兴趣点信息输入预设的文本融合模型,以生成融合文本信息。相应地,融合文本信息可以表示为向量的形式。
在本公开中,可以选择任何合适的模型作为文本融合模型。示例性地,可以选择Ernie-GeoL模型作为文本融合模型。Ernie-GeoL模型对表征地理描述文本有着较高的鲁棒性,能够高效地建立起文本与地理位置之间的关联,从而提高融合文本信息以及兴趣点检索结果的准确性。
在步骤S222中,将至少一个数值关联信息进行融合,以生成候选兴趣点与查询请求的融合数值信息,其中,至少一个数值关联信息中的每个数值关联信息为用于表示候选兴趣点与查询请求的关联程度的数值型信息。
根据一些实施例,至少一个数值关联信息包括以下至少之一:用户与候选兴趣点之间的距离、查询信息与兴趣点信息的匹配度或用户的用户标签,用户标签是根据用户的历史行为数据构建的。
根据一些实施例,用户与候选兴趣点之间的距离可以根据两者的位置坐标计算得出。通常地,查询请求中包括用户的位置坐标(即,用户所使用的客户端设备的位置坐标),兴趣点信息中包括兴趣点的位置坐标。查询信息与兴趣点信息的匹配度可以通过计算两者之间的文本匹配度得出。例如,可以通过计算两者的字面相似度确定文本匹配度,也可以将两者输入预设的匹配模型得到相应的文本匹配度。根据用户的历史行为数据可以构建用户画像,用户画像中可以包括至少一个用户标签,用户标签可以指示用户对兴趣点的偏好,例如,公园、办公楼、商场等。用户标签可以体现兴趣点与用户的关联性。例如,经常导航到公园的用户,根据其用户标签确定的检索结果中公园类别的兴趣点的排序会更加靠前。
根据一些实施例,可以通过对至少一个数值关联信息进行简单的拼接、加权求和等方式,生成融合数值信息。
根据另一些实施例,也可以将至少一个数值关联信息输入预设的数值融合模型,以生成融合数值信息。相应地,融合数值信息可以表示为向量的形式。
在本公开中,可以选择任何合适的模型作为数值融合模型。数值融合模型可以与文本融合模型相同,也可以不同。示例性地,可以选择RBF(Radial Basis Function NeuralNetwork,径向基函数)神经网络作为数值融合模型。RBF神经网络有很强的非线性拟合能力,可映射任意复杂的非线性关系,能够全面地对多个数值特征进行表征并建立彼此之间的关联,从而提高融合数值信息以及兴趣点检索结果的准确性。
在步骤S223中,将融合文本信息和融合数值信息进行融合,以生成用于表示候选兴趣点与查询请求的语义匹配程度的融合信息。
根据一些实施例,可以通过对融合文本信息和融合数值信息进行简单的拼接、加权求和等方式,生成融合信息。也可以将融合文本信息和融合数值信息输入预设的神经网络模型,以生成融合信息,融合信息可以表示为向量的形式。
在本公开中,根据文本信息和数值信息的特点,分别对与查询请求和候选兴趣点相关联的文本信息和数值信息进行融合及表征,使得生成的融合信息更加精准,以此能够提高检索结果的准确性。
在步骤S230中,基于多个候选兴趣点中的每个候选兴趣点的融合信息,从多个候选兴趣点中确定查询请求对应的至少一个目标兴趣点。
根据一些实施例,基于融合信息,确定候选兴趣点与查询请求的匹配度;基于多个候选兴趣点中的每个候选兴趣点与查询请求的匹配度,对多个候选兴趣点进行排序,以得到排序结果;以及基于排序结果,确定至少一个目标兴趣点。依据所有候选兴趣点与查询请求的匹配度直接进行排序确定检索结果,能够有效缩短检索过程,提高兴趣点检索的效率。
根据一些实施例,可以通过将融合信息输入经训练的全连接层,确定候选兴趣点与查询请求的匹配度,也可以预先设置融合信息与匹配度的对应关系表,再通过查表的方式确定候选兴趣点与查询请求的匹配度。
根据一些实施例,上文提到的文本融合模型、数值融合模型和全连接层可以通过联合训练得出。例如,文本融合模型、数值融合模型和全连接层可以组合成一个兴趣点检索模型。通过对兴趣点检索模型进行训练,可以得到经训练的文本融合模型、数值融合模型和全连接层。兴趣点检索模型例如可以根据样本用户的样本查询请求、向样本用户推荐的兴趣点列表以及样本用户对兴趣点列表中的兴趣点的点击情况训练得出。被样本用户点击的兴趣点与样本查询请求的匹配度可以被标记为1,未被样本用户点击的兴趣点与样本查询请求的匹配度可以被标记为0。
图3示出了根据本公开一些实施例的兴趣点检索模型的结构示意图。如图3所示,兴趣点检索模型包括文本融合模型310、数值融合模型320以及全连接层330。下面将结合方法200对兴趣点检索模型的各个部分的功能和作用进行描述。
步骤S221中,将与查询请求以及候选兴趣点相关的文本信息340输入文本融合模型310,以生成融合文本信息。其中,文本信息340包括查询信息、客户端信息以及候选兴趣点的兴趣点信息。
步骤S222中,将至少一个数值关联信息350输入数值融合模型320,以生成融合数值信息。其中,至少一个数值关联信息350包括用户与候选兴趣点之间的距离、查询信息与兴趣点信息的匹配度或用户的用户标签中的至少一种。
在步骤S223中,将融合文本信息和融合数值信息进行融合,以生成用于表示候选兴趣点与查询请求的语义匹配程度的融合信息360。
在步骤S230中,将融合信息360输入全连接层330,确定候选兴趣点与查询请求的匹配度。基于多个候选兴趣点与查询请求的匹配度,可以对候选兴趣点进行排序,将最终的排序结果作为兴趣点检索的检索结果。进一步地,可以将检索结果中排名最靠前的K(即,topK,K为大于或等于1的整数)个候选兴趣点作为目标兴趣点推荐给用户。
根据本公开的实施例,提供了一种兴趣点检索装置。图4示出了根据本公开实施例的兴趣点检索装置400的结构框图。如图4所示,装置400包括获取模块410、生成模块420以及确定模块430。
获取模块410被配置为获取与用户的查询请求相对应的多个候选兴趣点,其中,查询请求包括查询信息和用户的客户端信息。
生成模块420被配置为对于多个候选兴趣点中的任一候选兴趣点执行下述操作:将查询信息、客户端信息以及候选兴趣点的兴趣点信息进行融合,以生成候选兴趣点与查询请求的融合文本信息;将至少一个数值关联信息进行融合,以生成候选兴趣点与查询请求的融合数值信息,其中,至少一个数值关联信息中的每个数值关联信息为用于表示候选兴趣点与查询请求的关联程度的数值型信息;将融合文本信息和融合数值信息进行融合,以生成用于表示候选兴趣点与查询请求的语义匹配程度的融合信息。
确定模块430被配置为基于多个候选兴趣点中的每个候选兴趣点的融合信息,从多个候选兴趣点中确定查询请求对应的至少一个目标兴趣点。
根据一些实施例,生成模块420包括:第一生成单元被配置为将查询信息、客户端信息以及候选兴趣点的兴趣点信息输入预设的文本融合模型,以生成融合文本信息。
根据一些实施例,生成模块420包括:第二生成单元被配置为将至少一个数值关联信息输入预设的数值融合模型,以生成融合数值信息。
根据一些实施例,确定模块430包括:第一确定单元被配置为基于融合信息,确定候选兴趣点与所述查询请求的匹配度;排序单元被配置为基于多个候选兴趣点中的每个候选兴趣点与查询请求的匹配度,对多个候选兴趣点进行排序,以得到排序结果;以及第二确定单元被配置为基于排序结果,确定至少一个目标兴趣点。
根据一些实施例,第一确定单元进一步被配置为:将融合信息输入经训练的全连接层,以确定候选兴趣点与查询请求的匹配度。
根据一些实施例,客户端信息包括以下至少之一:用户所使用的客户端设备的操作系统或所述客户端设备所在的第一城市,兴趣点信息包括以下至少之一:候选兴趣点的名称、地址、标签或所在的第二城市。
根据一些实施例,至少一个数值关联信息包括以下至少之一:用户与候选兴趣点之间的距离、查询信息与兴趣点信息的匹配度或用户的用户标签,用户标签是根据用户的历史行为数据构建的。
应当理解,图4中所示装置400的各个模块或单元可以与参考图2描述的方法200中的各个步骤相对应。由此,上面针对方法200描述的操作、特征和优点同样适用于装置400及其包括的模块以及单元。为了简洁起见,某些操作、特征和优点在此不再赘述。
虽然上面参考特定模块讨论了特定功能,但是应当注意,本文讨论的各个模块的功能可以分为多个模块,和/或多个模块的至少一些功能可以组合成单个模块。
还应当理解,本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图4描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如,这些模块可以被实现为计算机程序代码/指令,该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地,这些模块可以被实现为硬件逻辑/电路。例如,在一些实施例中,模块410-430中的一个或多个可以一起被实现在片上系统(System on Chip,SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如,中央处理单元(Central Processing Unit,CPU)、微控制器、微处理器、数字信号处理器(Digital Signal Processor,DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件),并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
根据本公开的实施例,还提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器,该存储器存储有可被上述至少一个处理器执行的指令,该指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行本公开实施例的兴趣点检索方法。
根据本公开的实施例,还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实施例的兴趣点检索方法。
根据本公开的实施例,还提供了一种计算机程序产品,包括计算机程序指令,该计算机程序指令在被处理器执行时实现本公开实施例的兴趣点检索方法。
参考图5,现将描述可以作为本公开的服务器或客户端的电子设备500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,个人数字助理、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,电子设备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RAM503中,还可存储电子设备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。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向电子设备500输入信息的任何类型的设备,输入单元506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507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508可以包括但不限于磁盘、光盘。通信单元509允许电子设备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,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,例如蓝牙设备、802.11设备、Wi-Fi设备、WiMAX设备、蜂窝通信设备和/或类似物。
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,例如方法200。例如,在一些实施例中,方法200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/或安装到电子设备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方法200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)而被配置为执行方法200。
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)、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。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,本公开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 (17)
1.一种兴趣点检索方法,包括:
获取与用户的查询请求相对应的多个候选兴趣点,其中,所述查询请求包括查询信息和所述用户的客户端信息;
对于所述多个候选兴趣点中的任一候选兴趣点:
将所述查询信息、所述客户端信息以及所述候选兴趣点的兴趣点信息进行融合,以生成所述候选兴趣点与所述查询请求的融合文本信息;
将至少一个数值关联信息进行融合,以生成所述候选兴趣点与所述查询请求的融合数值信息,其中,所述至少一个数值关联信息中的每个数值关联信息为用于表示所述候选兴趣点与所述查询请求的关联程度的数值型信息;
将所述融合文本信息和所述融合数值信息进行融合,以生成用于表示所述候选兴趣点与所述查询请求的语义匹配程度的融合信息;以及
基于所述多个候选兴趣点中的每个候选兴趣点的融合信息,从所述多个候选兴趣点中确定所述查询请求对应的至少一个目标兴趣点。
2.根据权利要求1所述的方法,其中,所述将所述查询信息、所述客户端信息以及所述候选兴趣点的兴趣点信息进行融合,以生成所述候选兴趣点与所述查询请求的融合文本信息包括:
将所述查询信息、所述客户端信息以及所述候选兴趣点的兴趣点信息输入预设的文本融合模型,以生成所述融合文本信息。
3.根据权利要求1或2所述的方法,其中,所述将至少一个数值关联信息进行融合,以生成所述候选兴趣点与所述查询请求的融合数值信息包括:
将所述至少一个数值关联信息输入预设的数值融合模型,以生成所述融合数值信息。
4.根据权利要求1-3中任一项所述的方法,其中,所述基于所述多个候选兴趣点中的每个候选兴趣点的融合信息,从所述多个候选兴趣点中确定所述查询请求对应的至少一个目标兴趣点包括:
基于所述融合信息,确定所述候选兴趣点与所述查询请求的匹配度;
基于所述多个候选兴趣点中的每个候选兴趣点与所述查询请求的匹配度,对所述多个候选兴趣点进行排序,以得到排序结果;以及
基于所述排序结果,确定所述至少一个目标兴趣点。
5.根据权利要求4所述的方法,其中,所述基于所述融合信息,确定所述候选兴趣点与所述查询请求的匹配度包括:
将所述融合信息输入经训练的全连接层,以确定所述候选兴趣点与所述查询请求的匹配度。
6.根据权利要求1-5中任一项所述的方法,其中,所述客户端信息包括以下至少之一:所述用户所使用的客户端设备的操作系统或所述客户端设备所在的第一城市,
所述兴趣点信息包括以下至少之一:所述候选兴趣点的名称、地址、标签或所在的第二城市。
7.根据权利要求1-6中任一项所述的方法,其中,所述至少一个数值关联信息包括以下至少之一:所述用户与所述候选兴趣点之间的距离、所述查询信息与所述兴趣点信息的匹配度或所述用户的用户标签,所述用户标签是根据所述用户的历史行为数据构建的。
8.一种兴趣点检索装置,包括:
获取模块,被配置为获取与用户的查询请求相对应的多个候选兴趣点,其中,所述查询请求包括查询信息和所述用户的客户端信息;
生成模块,被配置为对于所述多个候选兴趣点中的任一候选兴趣点执行下述操作:
将所述查询信息、所述客户端信息以及所述候选兴趣点的兴趣点信息进行融合,以生成所述候选兴趣点与所述查询请求的融合文本信息;
将至少一个数值关联信息进行融合,以生成所述候选兴趣点与所述查询请求的融合数值信息,其中,所述至少一个数值关联信息中的每个数值关联信息为用于表示所述候选兴趣点与所述查询请求的关联程度的数值型信息;
将所述融合文本信息和所述融合数值信息进行融合,以生成用于表示所述候选兴趣点与所述查询请求的语义匹配程度的融合信息;以及
确定模块,被配置为基于所述多个候选兴趣点中的每个候选兴趣点的融合信息,从所述多个候选兴趣点中确定所述查询请求对应的至少一个目标兴趣点。
9.根据权利要求8所述的装置,其中,所述生成模块包括:
第一生成单元,被配置为将所述查询信息、所述客户端信息以及所述候选兴趣点的兴趣点信息输入预设的文本融合模型,以生成所述融合文本信息。
10.根据权利要求8或9所述的装置,其中,所述生成模块包括:
第二生成单元,被配置为将所述至少一个数值关联信息输入预设的数值融合模型,以生成所述融合数值信息。
11.根据权利要求8-10中任一项所述的装置,其中,所述确定模块包括:
第一确定单元,被配置为基于所述融合信息,确定所述候选兴趣点与所述查询请求的匹配度;
排序单元,被配置为基于所述多个候选兴趣点中的每个候选兴趣点与所述查询请求的匹配度,对所述多个候选兴趣点进行排序,以得到排序结果;以及
第二确定单元,被配置为基于所述排序结果,确定所述至少一个目标兴趣点。
12.根据权利要求11所述的装置,其中,所述第一确定单元进一步被配置为:
将所述融合信息输入经训练的全连接层,以确定所述候选兴趣点与所述查询请求的匹配度。
13.根据权利要求8-12中任一项所述的装置,其中,所述客户端信息包括以下至少之一:所述用户所使用的客户端设备的操作系统或所述客户端设备所在的第一城市,
所述兴趣点信息包括以下至少之一:所述候选兴趣点的名称、地址、标签或所在的第二城市。
14.根据权利要求8-13中任一项所述的装置,其中,所述至少一个数值关联信息包括以下至少之一:所述用户与所述候选兴趣点之间的距离、所述查询信息与所述兴趣点信息的匹配度或所述用户的用户标签,所述用户标签是根据所述用户的历史行为数据构建的。
15.一种电子设备,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1-7中任一项所述的方法。
16.一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1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序指令,其中,所述计算机程序指令在被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310242434.1A CN116244529A (zh) | 2023-03-14 | 2023-03-14 | 兴趣点检索方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310242434.1A CN116244529A (zh) | 2023-03-14 | 2023-03-14 | 兴趣点检索方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116244529A true CN116244529A (zh) | 2023-06-09 |
Family
ID=86624027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310242434.1A Pending CN116244529A (zh) | 2023-03-14 | 2023-03-14 | 兴趣点检索方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116244529A (zh) |
-
2023
- 2023-03-14 CN CN202310242434.1A patent/CN116244529A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114491089B (zh) | 地址获取方法、装置、电子设备、介质 | |
US20240104154A1 (en) | Ranking of recall data | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN115114424A (zh) | 查询请求的应答方法及装置 | |
CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
CN114821581A (zh) | 图像识别方法和用于训练图像识别模型的方法 | |
CN112767924A (zh) | 语音识别方法、装置、电子设备及存储介质 | |
CN116541536B (zh) | 知识增强的内容生成系统、数据生成方法、设备和介质 | |
CN115269989B (zh) | 对象推荐方法、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 | |
CN113868453B (zh) | 对象推荐方法和装置 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114741623A (zh) | 兴趣点状态确定方法、模型训练方法及装置 | |
CN116244529A (zh) | 兴趣点检索方法、装置、电子设备及存储介质 | |
CN113536120B (zh) | 基于用户行为的兴趣点召回方法和装置 | |
CN114861658B (zh) | 地址信息解析方法及装置、设备和介质 | |
CN116610875A (zh) | 地图兴趣点检索方法、装置、电子设备及存储介质 | |
CN114861071B (zh) | 对象推荐方法和装置 | |
CN115019048B (zh) | 三维场景分割方法、模型训练方法、装置和电子设备 | |
CN112765975B (zh) | 分词岐义处理方法、装置、设备以及介质 | |
CN117992675A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN114780819A (zh) | 对象推荐方法和装置 | |
CN114238792A (zh) | 用于轨迹点数据挖掘的方法及装置、电子设备和介质 | |
CN113918760A (zh) | 视觉搜索方法和装置 | |
CN114046797A (zh) | 用于公交导航的站点选择的方法及装置 |
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 |