[发明专利]用于生成个性化目的地推荐的系统和方法

权利要求书

1.一种在计算装置上实现的方法，其特征在于，所述计算装置具有至少一个储存装置，所述储存装置用于存储生成训练后的目的地预测模型的一组指令，以及至少一个与所述至少一个储存装置通信的处理器，所述方法包括：

通过所述至少一个处理器获取与多个用户对应的多个历史订单，其中，所述多个用户中的每一个用户对应于所述多个历史订单中的至少一个历史订单；

通过所述至少一个处理器确定与所述多个历史订单相关联的多个第一特征和与所述多个历史订单相关联的多个第二特征；

通过所述至少一个处理器使用基于统计的技术基于所述多个第一特征确定多个变换特征；

通过所述至少一个处理器关联多个第二特征以确定多组交叉特征，其中，所述多组交叉特征中的每一组与所述多个用户中的一个相关联，并且基于对应的至少一个历史订单来确定；

通过所述至少一个处理器获取初步目的地预测模型；和

通过所述至少一个处理器，训练所述初步目的地预测模型，以使用线性分类器基于所述多个变换特征和所述多组交叉特征获取训练后的目的地预测模型。

2.根据权利要求1所述的方法，其特征在于，所述多个第一特征是稀疏特征和所述多个第二特征是稠密特征。

3.根据权利要求1或2所述的方法，其特征在于，还包括：

获取当前用户的信息；和

根据所述当前用户的信息和所述目的地预测模型来确定当前用户的候选目的地。

4.根据权利要求3所述的方法，其特征在于，所述当前用户的信息包括当前用户的用户标识ID和当前位置。

5.根据权利要求1或2所述的方法，其特征在于，还包括：

获取与所述多个历史订单对应的真实目的地；

生成多个正训练样本，所述多个正训练样本中的每一个正训练样本具有与所述真实目的地相同的目的地、变换特征和一组交叉特征；

生成多个负训练样本，所述多个负训练样本中的每一个负训练样本与所述真实目的地有不同的目的地、变换特征和一组交叉特征；和

基于所述多个正训练样本和所述多个负训练样本训练目的地预测模型。

6.根据权利要求1或2所述的方法，其特征在于，所述多个变换特征包括以下中的至少一个：所述多个历史订单中的起始位置和目的地之间的距离、时间点、时间长度、多个历史订单中每个位置的访问频率、或选择多个历史订单中每个位置作为真实目的地的概率。

7.根据权利要求1或2所述的方法，其特征在于，所述多组交叉特征中的每一组与对应用户的一个用户ID和对应于与所述用户相关联的所述至少一个历史订单中的至少一个目的地ID相关联。

8.根据权利要求7所述的方法，其特征在于，确定所述交叉特征中的每一组包括：

确定对应用户的一个用户ID；

确定对应于与用户相关联的至少一个历史订单的至少一个目的地ID；和

将用户ID与用户的至少一个目的地ID相关联以生成一组交叉特征。

9.根据权利要求1或2所述的方法，其特征在于，所述基于统计的技术包括梯度提升决策树模型GBDT、随机森林模型RF或Xgboost模型中的至少一个。

10.根据权利要求1或2所述的方法，其特征在于，所述线性分类器包括逻辑回归模型LR。