[发明专利]一种数据处理方法、装置、电子设备及存储介质

说明书

本申请涉及计算机技术领域，尤其涉及一种数据处理方法、装置、电子设备及存储介质，其中，该方法包括：首先从每个出行服务订单信息中提取对应的三元组数据，并基于提取出的三元组数据确定各个出行位置点，然后针对每个出行位置点，确定该出行位置点作为所属第一目标三元组数据的第一目标出行起始点时的第一特征子向量，以及作为所述第二目标三元组数据的第二目标出行终止点时的第二特征子向量，最后根据第一特征子向量和第二特征子向量得到上述出行位置点的出行特征向量。采用上述方案能够提高实体表征的准确度，这样，在应用于出行服务领域时，可以结合其它出行特征实现更为准确的目的地预测、订单分类预测等，提升出行服务平台的调度能力。

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种数据处理方法、装置、电子设备及存储介质。

背景技术

知识图谱(Knowledge Graph)作为一种新的知识表示方法和数据管理模式，广泛应用于各种技术领域，如网约车出行服务领域、社交领域等。在实际应用中，一般可以采用三元组所构成的网状知识结构来表征知识图谱，其中，三元组的呈现方式可以是(头实体，关系，尾实体)，如在网约车出行服务领域，具体可以是(A地，打车，B地)。

实体嵌入是构建知识图谱的关键技术，其主要目的是应用低维度向量对实体及其关系进行训练建模。目前常用的实体嵌入方法是TransE算法或TransR算法，TransE算法训练的目标可以是TransR算法训练的目标可以是其中，分别为头实体、关系和尾实体的嵌入表示向量、Mr表示由实体空间至关系空间的投影矩阵。

不管是TransE算法或TransR算法，在进行对偶三元组的实体嵌入表征时，按照上述训练目标会使得头实体相似于尾实体(即头实体的嵌入表示向量相似于尾实体的嵌入表示向量)。

以实际应用于网约车出行服务领域为例，若从A地打车到B地，又从B地打车回A地，得到A地和B地相似，这与实际情况不符，存在表征不准确的问题，这将导致后续知识图谱的应用效果不够理想。

发明内容

有鉴于此，本申请的目的在于提供一种数据处理方法、装置、电子设备及存储介质，能够提高实体表征的准确度，进一步满足出行应用场景的需求。

主要包括以下几个方面：

第一方面，本申请提供了一种数据处理方法，所述方法包括：

从每个出行服务订单信息中提取对应的三元组数据；每个三元组数据包括出行起始点、出行终止点以及由所述出行起始点至所述出行终止点的出行关系信息；

基于各个出行起始点和各个出行终止点确定出行位置点集；

针对所述出行位置点集中的每个出行位置点，在该出行位置点作为所属第一目标三元组数据的第一目标出行起始点时，基于所述第一目标三元组数据中的第一目标出行终止点以及对应的第一目标出行关系信息，确定该出行位置点的第一特征子向量；以及在该出行位置点作为所属第二目标三元组数据的第二目标出行终止点时，基于所述第二目标三元组数据中的第二目标出行起始点以及对应的第二目标出行关系信息，确定该出行位置点的第二特征子向量；

针对每个出行位置点，基于该出行位置点的第一特征子向量和第二特征子向量，确定该出行位置点的出行特征向量。

在一种实施方式中，所述基于所述第一目标三元组数据中的第一目标出行终止点以及对应的第一目标出行关系信息，确定该出行位置点的第一特征子向量，包括：

针对所述出行位置点集中的每个出行位置点，在该出行位置点作为所属第一目标三元组数据的第一目标出行起始点时，确定所述第一目标出行起始点的第一初始特征子向量、所述第一目标出行终止点的第二初始特征子向量以及对应的第一目标出行关系信息的初始关系特征向量；