[发明专利]兴趣点的类型识别方法、装置、计算机设备及存储介质

说明书

本申请提出一种兴趣点的类型识别方法、装置、计算机设备及存储介质，该方法包括获取兴趣点文本；处理兴趣点文本，以得到对应的词序列，词序列包括：兴趣点文本中的多个分词，以及与多个分词分别对应的多个位置信息；生成与词序列对应的文本表示向量，文本表示向量由多个分词表示向量构成，分词表示向量是分词的向量表示；根据多个位置信息生成与词序列对应的位置表示向量；以及根据文本表示向量和位置表示向量，确定兴趣点文本的目标类型。通过本申请能够有效提升兴趣点POI的类型识别的准确性和识别效率，有效提升兴趣点POI的类型识别效果。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种兴趣点的类型识别方法、装置、计算机设备及存储介质。

背景技术

在一些应用中，会涉及兴趣点(Point of interest，POI)添加类型标签，POI例如可以是一个小区、一个店、一个写字楼、一个商场、一个机构公司等，例如，‘亦称科创小区’、‘A大厦’、‘B广场’、‘C数科’。而所谓类型标签，是在类别维度对POI属性的概括，比如，‘D集团’的类型标签是常规企业，而‘C数科’所坐落的‘A大厦’的类型标签是写字楼。

相关技术中兴趣点POI的类型识别方法，通常是基于人工标注，或基于已有‘中文词库’分词的文本分类模型。

这些方式下，人工标注成本较高且效率低，而基于‘中文词库’分词的文本分类模型，通用词库和词结构在表示兴趣点POI文本的特征时，特征维度较少，并且缺少词或者短语在POI中的位置信息，从而导致兴趣点POI的类型识别的效率和准确性不高，兴趣点POI的类型识别的效果不佳。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的目的在于提出一种兴趣点的类型识别方法、装置、计算机设备及存储介质，能够有效提升兴趣点POI的类型识别的准确性和识别效率，有效提升兴趣点POI的类型识别效果。

为达到上述目的，本申请第一方面实施例提出的兴趣点的类型识别方法，包括：获取兴趣点文本；处理所述兴趣点文本，以得到对应的词序列，所述词序列包括：所述兴趣点文本中的多个分词，以及与所述多个分词分别对应的多个位置信息；生成与所述词序列对应的文本表示向量，所述文本表示向量由多个分词表示向量构成，所述分词表示向量是所述分词的向量表示；根据所述多个位置信息，生成与所述词序列对应的位置表示向量；以及根据所述文本表示向量和所述位置表示向量，确定所述兴趣点文本的目标类型。

本申请第一方面实施例提出的兴趣点的类型识别方法，通过获取兴趣点文本，处理兴趣点文本，以得到对应的词序列，词序列包括：兴趣点文本中的多个分词，以及与多个分词分别对应的多个位置信息，并生成与词序列对应的文本表示向量，文本表示向量由多个分词表示向量构成，分词表示向量是分词的向量表示，根据多个位置信息生成与词序列对应的位置表示向量，以及根据文本表示向量和位置表示向量，确定兴趣点文本的目标类型，由于参考了兴趣点文本中的各个分词，及其对应的位置信息辅助进行兴趣点的类型识别，从而拓展了兴趣点文本的特征维度，能够有效提升兴趣点POI的类型识别的准确性和识别效率，有效提升兴趣点POI的类型识别效果。

为达到上述目的，本申请第二方面实施例提出的兴趣点的类型识别装置，包括：获取模块，用于获取兴趣点文本；处理模块，用于处理所述兴趣点文本，以得到对应的词序列，所述词序列包括：所述兴趣点文本中的多个分词，以及与所述多个分词分别对应的多个位置信息；第一生成模块，用于生成与所述词序列对应的文本表示向量，所述文本表示向量由多个分词表示向量构成，所述分词表示向量是所述分词的向量表示；第二生成模块，用于根据所述多个位置信息，生成与所述词序列对应的位置表示向量；以及确定模块，用于根据所述文本表示向量和所述位置表示向量，确定所述兴趣点文本的目标类型。