[发明专利]用于POI的相似度计算的方法、装置、设备和计算机可读存储介质有效
| 申请号： | 201710922431.7 | 申请日： | 2017-09-30 |
| 公开（公告）号： | CN107609185B | 公开（公告）日： | 2020-06-05 |
| 发明（设计）人： | 谢红伟 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06F16/29 | 分类号： | G06F16/29;G06N3/04;G06N3/08 |
| 代理公司： | 北京市铸成律师事务所 11313 | 代理人： | 张臻贤;屈小春 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 用于 poi 相似 计算 方法 装置 设备 计算机 可读 存储 介质 | ||
1.一种用于地图兴趣点POI的相似度计算的方法，其特征在于，包括：
构建至少一条训练样本，所述一条训练样本中包括一对POI；
对所构建的至少一条训练样本进行序列化处理，其中所述序列化处理包括：利用one-hot编码用预设的one-hot编码字典将所述至少一条训练样本转换为序列；以及
将经序列化处理后的至少一条训练样本输入至LSTM神经网络模型，对所述LSTM神经网络模型进行训练；经过训练的该LSTM神经网络模型用于对一对POI的相似度进行计算；
根据训练的LSTM神经网络模型的网络参数对测试数据进行预测，并输出测试结果。
2.根据权利要求1所述的方法，其特征在于，
所述训练样本采用正样本和/或负样本，所述训练样本还包括样本类型的标识，
其中，所述正样本包括经人工标注的样本和/或线上高准挂接的样本；
所述负样本包括经人工标注的样本、父子关系样本、和/或检索返回的样本。
3.根据权利要求2所述的方法，其特征在于，在对所构建的至少一条训练样本进行序列化处理之前，所述方法还包括：
对所述至少一条训练样本进行均衡化处理。
4.根据权利要求3所述的方法，其特征在于，所述均衡化处理采用过采样或欠采样。
5.根据权利要求2所述的方法，其特征在于，所述构建至少一条训练样本，包括：
采用预设的正样本和负样本的比例来构建所述至少一条训练样本。
6.一种用于地图兴趣点POI的相似度计算的装置，其特征在于，包括：
构建单元，被配置为构建至少一条训练样本，所述一条训练样本中包括一对POI；
序列化单元，被配置为对所构建的至少一条训练样本进行序列化处理，其中所述序列化处理包括：利用one-hot编码用预设的one-hot编码字典将所述至少一条训练样本转换为序列；以及
模型训练单元，被配置为将经序列化处理后的至少一条训练样本输入至LSTM神经网络模型，对所述LSTM神经网络模型进行训练；经过训练的该LSTM神经网络模型用于对一对POI的相似度进行计算；
根据训练的LSTM神经网络模型的网络参数对测试数据进行预测，并输出测试结果。
7.根据权利要求6所述的装置，其特征在于，所述训练样本采用正样本和/或负样本，所述训练样本还包括样本类型的标识，其中，所述正样本包括经人工标注的样本和/或线上高准挂接的样本，所述负样本包括经人工标注的样本、父子关系样本、和/或检索返回的样本。
8.根据权利要求6所述的装置，其特征在于，还包括：
均衡化单元，被配置为对所述至少一条训练样本进行均衡化处理。
9.一种用于地图兴趣点POI的相似度计算的设备，其特征在于，包括：
一个或多个处理器；以及
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710922431.7/1.html，转载请声明来源钻瓜专利网。
