CN111814077B - 信息点查询方法、装置、设备和介质 - Google Patents
信息点查询方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111814077B CN111814077B CN202010624277.7A CN202010624277A CN111814077B CN 111814077 B CN111814077 B CN 111814077B CN 202010624277 A CN202010624277 A CN 202010624277A CN 111814077 B CN111814077 B CN 111814077B
- Authority
- CN
- China
- Prior art keywords
- map
- poi
- query
- result
- matched
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000002372 labelling Methods 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 31
- 238000013507 mapping Methods 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 19
- 238000013145 classification model Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 14
- 238000005065 mining Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 108700028369 Alleles Proteins 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种信息点查询方法、装置、设备和介质,涉及人工智能和信息流领域,可涉及用户意图理解场景。信息点查询方法的实现方案为:对地图查询式进行需求识别,获取需求识别结果,需求识别结果包括类别需求和属性需求;在各地图POI中,筛选出与位置需求匹配的各备选POI;根据类别需求、属性需求以及与每个备选POI分别对应的标签集合,确定与地图查询式匹配的目标POI,标签集合包括:类别标签和属性标签;在地图显示界面中,对所述目标POI进行显示。本申请实施例的技术方案提供了一种在地图APP中满足用户的泛POI查询请求的新的信息点查询方式,丰富了地图APP的功能,简化了用户的POI查询流程。
Description
技术领域
本申请实施例涉及计算机技术,具体涉及人工智能和信息流领域,尤其涉及一种信息点查询方法、装置、设备和介质。
背景技术
目前,用户在地图应用程序(Application,APP)中查询某一个POI(Point OfInformation,信息点)的地理位置时,主要通过在地图APP中输入POI名称的方式对该POI进行查找,并相应的进行导航。
然而在很多时候,用户对自己的实际去向并没有明确到具体的地点,其可能仅仅是一个相对模糊的泛POI查询需求,例如,周围适合情侣去的餐厅,或者附近不用等位的餐厅等。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:地图APP无法针对用户的泛POI查询需求获取匹配的POI,用户仅能通过其他的方式,例如,查询点评网站或者浏览器搜索等方式,首先确定出能够命中该泛查询需求,且明确的POI,才能基于地图APP获取该POI的位置信息或者导航结果等,操作繁琐,需要切换不同APP,耗时长,且用户需求的满足依赖于用户实际的搜索能力。
发明内容
本申请实施例提供了一种信息点查询方法、装置、设备和介质。
第一方面,本申请实施例提供了一种信息点查询方法,包括:
对地图查询式进行需求识别,获取需求识别结果,需求识别结果包括类别需求和属性需求;
根据类别需求、属性需求以及与各地图POI分别对应的标签集合,确定与地图查询式匹配的目标POI,标签集合包括:类别标签和属性标签;
在地图显示界面中,对所述目标POI进行显示。
第二方面,本申请实施例还提供了一种信息点查询装置,包括:
需求识别模块,用于对地图查询式进行需求识别,获取需求识别结果,需求识别结果包括类别需求和属性需求;
目标POI确定模块,用于根据类别需求、属性需求以及与各地图POI分别对应的标签集合,确定与地图查询式匹配的目标POI,标签集合包括:类别标签和属性标签;
目标POI显示模块,用于在地图显示界面中,对所述目标POI进行显示。
第三方面,本申请实施例还提供了一种电子设备,包括至少一个处理器,以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请任一实施例中的信息点查询方法。
第四方面,本申请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,计算机指令用于使计算机执行本申请任一实施例中的信息点查询方法。
本申请实施例的技术方案提供了一种在地图APP中满足用户的泛POI查询请求的新的信息点查询方式。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请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
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例中的一种信息点查询方法的实现流程图;
图2a是本申请实施例中的一种信息点查询方法的实现流程图;
图2b是本申请实施例中的一种语义理解模型的结构示意图;
图3a是本申请实施例中的一种信息点查询方法的实现流程图;
图3b是本申请实施例中所适用的一种POI标签画像以及标签体系的示意图;
图4是本申请实施例中的一种信息点查询装置的结构图;
图5是本申请实施例中的一种用来实现本申请实施例的信息点查询方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请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,而不会背离本申请的范围和精神。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。
为了更加清晰、准确的描述本申请实施例的技术方案,首先将本申请各实施例的主要构思和实现原理进行简单介绍。
现有技术中,地图APP可以根据用户在POI搜索框中输入的POI类别信息(例如,餐厅或者宾馆等),在设定范围内(例如,当前位置点周围5公里)搜索匹配的POI,并在电子地图中进行标注显示;也可以根据用户输入的POI的名称信息(例如,XX大厦),在地图数据获取匹配的地理位置信息,并在电子地图中进行标注显示。但是,当用户输入的是“周围适合情侣去吃的餐厅”这类泛POI需求时,现有的地图APP中没有适合的解决方案,也即,无法向用户提供匹配的POI。
为了解决现有技术的缺陷,主要对地图APP进行了下述三个方面的技术改进。
1、用户的需求理解,例如,用户在地图APP中输入了一个地图查询式:“XX路周围适合情侣的餐厅”,地图APP需要首先通过解析该地图查询式,并对该地图查询式进行需求理解,确定该地图查询式的类别需求为餐厅,属性需求为“适合情侣”,在得到上述需求识别结果后,需要将上述类别需求与属性需求与“XX路”周围的POI分别对应的各个标签进行匹配,以最终获取命中用户泛POI查询需求的POI。
2、为了实现上述POI标签匹配过程,需要首先对各个POI进行标签建设,使用丰富的类别标签以及属性标签,来描述各个POI,此时,才能根据丰富的POI标签,准确获取到命中用户实际需求的POI。
3、用户的需求和各个POI的标签进行匹配的过程,也即语义搜索过程,通过上述搜索过程,可以召回同时满足地图查询式中的类别需求与属性需求的POI,并在地图APP中进行展示。
通过上述创造性的设置,可以将地图APP扩展为满足用户的泛POI查询请求的APP,实现了将强大的泛POI查询和地图常规的搜索和导航功能的有机结合,为用户的POI搜索和导航提供了最大的便利。
图1是本申请实施例提供的一种信息点查询方法的流程图,本申请实施例的技术方案可以适用于根据用户在地图APP中输入的泛POI查询请求,获取匹配的POI,并在地图显示界面中进行显示的情况,可涉及用户意图理解场景。该方法可以由信息点查询装置来实现,该装置可以由软件和/或硬件实现,并一般集成在地图APP中,与地图服务器配合使用。
如图1所示,本申请实施例的技术方案,包括如下步骤:
S110、对地图查询式进行需求识别,获取需求识别结果。
其中,该地图查询式具体是指用户在地图APP的POI搜索输入框中输入的泛POI查询请求,该泛POI查询请求中不包括明确的POI名称信息,仅包括一个比较宽泛的POI描述信息,例如:“XX路口周围适合儿童的餐厅”,或者“XX大厦附近干净的宾馆”等。
地图APP在获取到上述地图查询式后,需要首先对该地图查询式进行需求识别,获取用户的需求识别结果,其中,需求识别结果中可以包括类别需求和属性需求。
类别需求具体是指用户对待查询的POI的类别需求,例如,对餐厅、宾馆、或者电影院等具有特定共性功能的场所的需求;属性需求具体是指用户对待查询的POI的属性需求,例如:“适合情侣”、“适合儿童”或者“有特色菜”等对特定功能场所在至少一个维度下的个性化需求。
其中,对地图查询式进行需求识别,获取需求识别结果的方式可以为:将所述地图查询式与至少一个需求识别模板进行匹配,并根据匹配结果,获取该需求识别结果;
或者,也可以将该地图查询式输入至预先训练的需求识别模型中,并获取该需求识别模型输出的需求识别结果。
S120、根据类别需求、属性需求以及与各地图POI分别对应的标签集合,确定与地图查询式匹配的目标POI。
如前所述,为了精准的获取满足用户泛POI需求的POI,需要保证地图POI中的每个POI都具有丰富的标签信息,也即,每个POI具有匹配的标签集合,其中,该标签集合中包括:至少一个类别标签和至少一个属性标签。
进而,通过将从用户的地图查询式中提取出的类别需求和属性需求,与全部或者部分地图POI分别对应的标签集合进行匹配筛选,可以最终得到与地图查询式匹配的目标POI。
其中,最终确定出的目标POI的数量可以为1个或者多个,当目标POI的数量为多个时,可以根据实际的匹配得分,将各个目标POI进行排序显示。
在本实施例中,可以通过人工标记的方式,生成与各POI分别对应的标签集合,也可以通过设定数据挖掘算法,生成与各POI分别对应的标签集合,也可以通过设定的标签生成模型,生成与各POI分别对应的标签集合,还可以通过上述两种或者三种方式的组合,生成与各POI分别对应的标签集合,本实施例对此并不进行限制。
S140、在地图显示界面中,对所述目标POI进行显示。
其中,在得到一个或者多个满足用户的泛POI需求的目标POI时,可以在地图APP的地图显示界面中,对上述各目标POI进行显示。
具体的,可以根据各个目标POI的位置信息,在地图显示界面中匹配的地图位置处,将各目标POI进行显示。
进一步的,各个目标POI可以响应于用户的点击操作,将匹配的标签集合,或者,仅将标签集合中与用户的需求识别结果匹配的各个标签进行显示,或者,将目标POI的基本描述信息(例如,百科信息)或者点评信息进行展示,以使得用户对该目标POI对用户实际需求的命中情况进行再次决策。
进一步的,当用户选择到访该目标POI后,可以进而生成匹配的路径规划结果,以提供从用户的泛POI需求分析,到实际POI的路径规划的一站式服务提供方式,以大大减少用户操作,极大的提高用户对地图APP的满意度和用户粘性。
本申请实施例的技术方案通过对地图查询式进行需求识别,获取用户对POI的类别需求和属性需求后,根据为各地图POI预先标注的类别标签和属性标签,获取与地图查询式匹配的目标POI,并在地图显示界面中,对所述目标POI进行显示的技术手段,提供了一种在地图APP中满足用户的泛POI查询请求的新的信息点查询方式,丰富了地图APP的功能,提高了用户在地图中APP快速定位所需求的POI的速度,简化了用户的POI查询流程。
在上述各实施例的基础上,所述需求识别结果还可以包括:位置需求;
根据类别需求、属性需求以及与各地图POI分别对应的标签集合,确定与地图查询式匹配的目标POI,可以具体包括:
在各地图POI中,筛选出与位置需求匹配的各备选POI;
根据类别需求、属性需求以及与每个备选POI分别对应的标签集合,确定与地图查询式匹配的目标POI。
其中,位置需求具体是指用户对于待查询的POI的位置要求,例如:XX路口周围5公里范围内。
其中,地图数据中包括的多个POI的信息,例如,位置信息、类别信息或者名称信息等。在获取需求识别结果中包括的位置需求后,可以首先基于各个POI的位置信息,在全部POI中首先筛选出满足所述位置信息的POI,作为备选POI。
这样设置的好处在于:在满足用户对需求POI的实际位置需求的基础上,最大程度的减少了需要比对标签的POI的数量值,大大提高了目标POI的查询速度。
图2a是本申请实施例提供的一种信息点查询方法的流程图。本实施例在上述各实施例的基础上,对地图查询式进行需求识别的方式做了进一步细化。
相应的,如图2a所示,本申请实施例的技术方案,可以包括以下步骤:
S210、将所述地图查询式输入至预先训练的意图分类模型中,获取匹配的意图分类结果。
其中,所述意图分类结果可以包括:普通的POI查询(例如,“适合情侣的餐厅”或者“干净的酒店”等)、点搜点的查询(例如,“XX区周边适合情侣的餐厅”),POI属性的查询(例如,“XX景区的营业时间”)或者导航需求(例如,“北京到上海怎么走”)。
其中,在对用户输入的地图查询式进行有效的意图分类后,可以准确提取用户对所需求POI的类别需求以及属性需求。
在本实施例的一个可选的实施方式中,在将所述地图查询式输入至预先训练的意图分类模型中之前,还可以包括:
获取多个用户的用户点击日志,并根据与所述用户点击日志匹配的查询式、标签信息和品牌分布信息,生成第一类训练样本;使用所述第一类训练样本对设定的神经网络模型进行训练,得到所述意图分类模型。
其中,所述用户点击日志,具体是指在用户在搜索输入框中输入查询式后,针对用户在搜索引擎反馈的查询结果中选择点击的POI,所生成的日志信息,通过分析该日志信息,可以提取出用户的查询式,以及与用户所点击POI对应的标签信息和品牌分布信息。
进一步的,除了可以得到上述标签信息以及品牌分布信息之外,还可以得到多个用户的点击分布信息,以及POI的城市分布信息,基于上述各项信息进行自动分类和规则清洗后,可以最终得到键值对形式的第一类训练样本。其中,键名为查询式,键值为意图分类结果(也可以成为意图类别)。相应的,通过该第一类训练样本对设定的神经网络模型(例如,卷积神经网络)进行训练,可以得到所述意图分析模型。
S220、将所述地图查询式输入至预先训练的关键词标注模型中,获取匹配的关键词标注结果。
其中,所述关键词标注结果具体包括下述一项或者多项:分词标注结果、词性标注结果和命名实体识别结果等。在对用户输入的地图查询式进行有效的关键词标注后,可以准确提取用户对所需求POI的类别需求以及属性需求。
在本实施例的一个可选的实施方式中,在将所述地图查询式输入至预先训练的关键词标注模型中,获取匹配的关键词标注结果之前,还可以包括:
通过模板标注的方式获取基础样本;通过点击纠错和/或主动学习的方式,生成与所述基础样本匹配的第二训练样本;使用所述第二训练样本对条件随机场(ConditionalRandom Field,CRF)模型进行训练,得到所述关键词标注模型。
S230、将所述意图分类结果和所述关键词标注结果进行融合后,对融合结果进行语义映射,获取与所述地图查询式匹配的结构化数据。
其中,所述结构化数据中包括多个键值对形式的数据项,所述数据项中包括所述类别需求以及属性需求。
在本实施例的一个可选的实施方式中,在对融合结果进行语义映射之前,还可以包括:
根据会话日志以及用户点击日志中的POI标签,生成查询式聚合结果;根据所述查询式聚合结果,生成语义映射表。
其中,POI标签中具体包括了:POI的名称、地址、别名、类别或者来源等信息。语义映射表中记录了不同意图类别的查询式中不同的关键词与对应的语义需求(类别需求、属性需求,或者是其他类型的需求等)之间的映射关系。
相应的,对融合结果进行语义映射,获取与所述地图查询式匹配的结构化数据,可以包括:
根据所述融合结果,查询所述语义映射表,获取与所述地图查询式匹配的结构化数据。
其中,在得到地图查询式的意图类别(意图分类结果)以及关键词标注结果中,可以结合语义映射表中包括的各项映射关系,获取键值对形式的结构化数据。
通过预先生成得到的语义映射表,可以通过查表的方式,快速生成需求识别结果,以减少需求识别所需的时间,提高目标POI的查询效率。
进一步的,如果用户的地图查询式中还包括有位置需求,所述结构化数据中的数据项中还包括有匹配的位置需求。
其中,在图2b中示出了本申请实施例中的一种语义理解模型的结构示意图。如图2b所示,语义理解模型的功能主要由三个模型完成,意图分类模型的训练样本来源于用户点击日志,通过计算查询式的点击、标签、品牌分布等特征,自动生成匹配的训练样本,以查询式的切词结果作为CNN模型的输入;关键词标注模型,使用的是模板标注、点击纠错和主动学习的方法生成训练样本,并使用CRF模型进行标注;除此之外,还有重要的一环是语义映射,通过对会话(session)日志中相关的查询式做聚合以及使用查询式点击的POI的标签来生成语义映射表。
在通过预处理的方式构建意图分类模型、关键词标注模型以及语义映射表后,根据接收到的地图查询式,通过上述意图分类模型、关键词标注模型以及语义映射表的配合使用,可以得到与地图查询式匹配的需求识别结果,也即多个键值对形式的数据项,所述数据项中包括所述类别需求以及属性需求。
S240、根据类别需求、属性需求以及与各地图POI分别对应的标签集合,确定与地图查询式匹配的目标POI。其中,标签集合包括:类别标签和属性标签。
S250、在地图显示界面中,对所述目标POI进行显示。
本申请实施例的技术方案通过预先构建意图分类模型、关键词标注模型以及语义映射表,可以在线实时对用户输入的地图查询式进行快速、准确的需求识别,同时,从语义角度充分理解了用户的需求,抽取其中表述用户意图的关键词并做了归一化,为后续的召回和排序提供了充分的特征,进而可以高效获取满足用户泛POI查询需求的POI,丰富了地图APP的功能,提高了用户在地图中APP快速定位所需求的POI的速度。
图3a是本申请实施例提供的一种信息点查询方法的实现流程图,本实施例在上述各实施例的基础上,对成与各所述地图POI分别对应的标签集合的方式进行进一步细化。如图3a所示,本申请实施例的技术方案,可以包括如下步骤:
S310、获取与各地图POI分别对应的关联描述信息。
所述关联描述信息可以包括:POI点击日志、POI基础信息、POI来源标签以及POI评论信息。
S320、采用预设的挖掘算法,对各所述地图POI的关联描述信息进行专项挖掘,获取与各所述地图POI分别对应的第一类标签。
S330、将各所述地图POI的关联描述信息输入到至少一个预先训练的标签生成模型中,获取与各所述地图POI分别对应的第二类标签。
其中,所述第一类标签,和/或第二类标签中包括:类别标签以及属性标签。
S340、根据所述第一类标签与第二类标签,生成与各所述地图POI分别对应的标签集合。
其中,在图3b中示出了本申请实施例中的一种POI标签画像以及标签体系的示意图。上述POI标签画像,或者标签体系可以作为与各个地图POI分别对应的标签集合。
如图3b所示,左边的图针对“XX餐厅”,可以为其建立POI标签画像,也即,多个POI标签,每个标签都能表示该POI的某种属性;而右边的图以旅游景点为例,可以看出整体标签体系的划分,其实是一个多层的树结构;标签建设策略可以使用标签生成模型生成和专项挖掘生成,因为并不是所有的标签都适合模型建设(也即,使用标签生成模型生成),其中一些比较容易从POI单一信息中提取出来的标签通过专项挖掘来建设;其他通过标签生成模型来生成,通过对POI原始标签进行点击纠偏和规则清洗,生成训练样本,标签生成模型可以对transformer(一种基于encoder-decoder结构的模型)的encoder部分改造后生成,由于一个POI可能会挂接多个不同维度的标签,因此标签生成模型最上层可以连接一个sigmoid交叉熵,进一步的,还可以专项建设重点垂类的独立的标签生成模型,比如美食,购物或者景点,进一步使用不同类别POI的丰富信息来提升标签生成模型的准确率,例如美食有推荐菜等。
S350、对地图查询式进行需求识别,获取需求识别结果,需求识别结果包括位置需求、类别需求和属性需求。
S360、在各地图信息点POI中,筛选出与位置需求匹配的各备选POI。
S370、根据类别需求、属性需求以及与每个备选POI分别对应的标签集合,确定与地图查询式匹配的目标POI。其中,标签集合包括:类别标签和属性标签。
在本实施例的一个可选的实施方式中,根据类别需求、属性需求以及与每个备选POI分别对应的标签集合,确定与地图查询式匹配的目标POI的方式可以包括:
将所述类别需求与各备选POI的类别标签进行匹配,获取第一类召回结果;将所述属性需求与各备选POI的属性标签进行匹配,获取第二类召回结果;根据所述第一类召回结果以及第二类召回结果,确定所述目标POI。
在本实施例中,在分别获取与类别需求匹配的第一类召回结果以及与属性需求匹配的第二类召回结果后,可以计算上述第一类召回结果和第二类召回结果的交集,作为目标POI。
这样设置的好处是:通过分别获取与不同类型的标签分别对应的POI,并取交集的方式,在保证查询速度的基础上,可以进一步简化匹配的策略,使用简单的匹配策略,即可获取准确的目标POI。
如果确定得到的目标POI的数量较多,例如:大于10个,可以按照设定的筛选算法,结合设定筛选参数对上述目标POI进行一定的筛选处理,例如,好评得分、距离当前位置的距离值、或者是否有停车位等筛选参数。
S380、在地图显示界面中,对所述目标POI进行显示。
本申请实施例的技术方案通过使用专项挖掘结合模型生成的方式,预先构建与每个地图POI分别对应的标签集合,丰富了POI的画像,扩充了POI所包含的各类信息,这样匹配用户意图的时候才有据可依,为复杂泛POI查询的效果奠定了数据基础。
图4是本申请实施例提供的一种信息点查询装置的结构示意图,如图4所示,所述装置包括:需求识别模块410、目标POI确定模块420以及目标POI显示模块430。
需求识别模块410,用于对地图查询式进行需求识别,获取需求识别结果,需求识别结果包括类别需求和属性需求。
目标POI确定模块420,用于根据类别需求、属性需求以及与各地图POI分别对应的标签集合,确定与地图查询式匹配的目标POI,标签集合包括:类别标签和属性标签。
目标POI显示模块430,用于在地图显示界面中,对所述目标POI进行显示。
本申请实施例的技术方案通过对地图查询式进行需求识别,获取用户对POI的类别需求和属性需求后,根据为各地图POI预先标注的类别标签和属性标签,获取与地图查询式匹配的目标POI,并在地图显示界面中,对所述目标POI进行显示的技术手段,提供了一种在地图APP中满足用户的泛POI查询请求的新的信息点查询方式,丰富了地图APP的功能,提高了用户在地图中APP快速定位所需求的POI的速度,简化了用户的POI查询流程。
在上述各实施例的基础上,需求识别模块410,可以包括:
意图分类结果获取单元,用于将所述地图查询式输入至预先训练的意图分类模型中,获取匹配的意图分类结果;
关键词标注结果获取单元,用于将所述地图查询式输入至预先训练的关键词标注模型中,获取匹配的关键词标注结果;
结构化数据获取单元,用于将所述意图分类结果和所述关键词标注结果进行融合后,对融合结果进行语义映射,获取与所述地图查询式匹配的结构化数据;
其中,所述结构化数据中包括多个键值对形式的数据项,所述数据项中包括所述类别需求以及属性需求。
在上述各实施例的基础上,还可以包括,意图分类模型生成模块,用于:
在将所述地图查询式输入至预先训练的意图分类模型中之前,获取多个用户的用户点击日志,并根据与所述用户点击日志匹配的查询式、标签信息和品牌分布信息,生成第一类训练样本;
使用所述第一类训练样本对设定的神经网络模型进行训练,得到所述意图分类模型。
在上述各实施例的基础上,还可以包括,关键词标注模型生成模块,用于:
在将所述地图查询式输入至预先训练的关键词标注模型中,获取匹配的关键词标注结果之前,通过模板标注的方式获取基础样本;
通过点击纠错和/或主动学习的方式,生成与所述基础样本匹配的第二训练样本;
使用所述第二训练样本对条件随机场模型进行训练,得到所述关键词标注模型。
在上述各实施例的基础上,还可以包括,语义映射表生成模块,用于:
在对融合结果进行语义映射之前,根据会话日志以及用户点击日志中的POI标签,生成查询式聚合结果;
根据所述查询式聚合结果,生成语义映射表;
所述结构化数据获取单元,具体用于:
根据所述融合结果,查询所述语义映射表,获取与所述地图查询式匹配的结构化数据。
在上述各实施例的基础上,还可以包括,标签集合生成模块,用于:
在根据类别需求、属性需求以及与各地图POI分别对应的标签集合,筛选出与地图查询式匹配的目标POI之前,获取与各地图POI分别对应的关联描述信息;
采用预设的挖掘算法,对各所述地图POI的关联描述信息进行专项挖掘,获取与各所述地图POI分别对应的第一类标签;
将各所述地图POI的关联描述信息输入至至少一个预先训练的标签生成模型中,获取与各所述地图POI分别对应的第二类标签,所述第一类标签,和/或第二类标签中包括:类别标签以及属性标签;
根据所述第一类标签与第二类标签,生成与各所述地图POI分别对应的标签集合。
在上述各实施例的基础上,其中,所述关联描述信息可以包括:POI点击日志、POI基础信息、POI来源标签以及POI评论信息。
在上述各实施例的基础上,所述需求识别结果还可以包括:位置需求;
目标POI确定模块,具体可以用于:
在各地图POI中,筛选出与位置需求匹配的各备选POI;
根据类别需求、属性需求以及与每个备选POI分别对应的标签集合,确定与地图查询式匹配的目标POI。
在上述各实施例的基础上,其中,目标POI显示模块,可以用于:
将所述类别需求与各地图POI的类别标签进行匹配,获取第一类召回结果;
将所述属性需求与各地图POI的属性标签进行匹配,获取第二类召回结果;
根据所述第一类召回结果以及第二类召回结果,确定所述目标POI。
本申请实施例所提供的信息点查询装置可执行本申请任意实施例所提供的信息点查询方法,具备执行方法相应的功能模块和有益效果。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是用来实现本申请任一实施例的信息点查询方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,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,个人数字处理、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/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请实施例所提供的信息点查询方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请实施例所提供的信息点查询方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的信息点查询方法对应的程序指令/模块(例如,附图4所示的需求识别模块410、目标POI确定模块420以及目标POI显示模块430)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的信息点查询方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储用来实现本申请任一实施例的信息点查询方法的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至用来实现本申请任一实施例的信息点查询方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用来实现本申请任一实施例的信息点查询方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与用来实现本申请任一实施例的信息点查询方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、曲线板、触摸板、指示杆、一个或者多个鼠标按钮、曲线球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、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***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***、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***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***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,鼠标或者曲线球),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***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(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***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***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***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***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。
本申请实施例的技术方案通过对地图查询式进行需求识别,获取用户对POI的类别需求和属性需求后,根据为各地图POI预先标注的类别标签和属性标签,获取与地图查询式匹配的目标POI,并在地图显示界面中,对所述目标POI进行显示的技术手段,提供了一种在地图APP中满足用户的泛POI查询请求的新的信息点查询方式,丰富了地图APP的功能,提高了用户在地图中APP快速定位所需求的POI的速度,简化了用户的POI查询流程。
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,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (16)
1.一种信息点查询方法,包括:
对地图查询式进行需求识别,获取需求识别结果,需求识别结果包括类别需求和属性需求;
根据类别需求、属性需求以及与各地图信息点POI分别对应的标签集合,确定与地图查询式匹配的目标POI,标签集合包括:类别标签和属性标签;
在地图显示界面中,对所述目标POI进行显示;
其中,对地图查询式进行需求识别,包括:
将所述地图查询式输入至预先训练的意图分类模型中,获取匹配的意图分类结果;
将所述地图查询式输入至预先训练的关键词标注模型中,获取匹配的关键词标注结果;
将所述意图分类结果和所述关键词标注结果进行融合后,对融合结果进行语义映射,获取与所述地图查询式匹配的结构化数据;
其中,所述结构化数据中包括多个键值对形式的数据项,所述数据项中包括所述类别需求以及属性需求。
2.根据权利要求1所述的方法,在将所述地图查询式输入至预先训练的意图分类模型中之前,还包括:
获取多个用户的用户点击日志,并根据与所述用户点击日志匹配的查询式、标签信息和品牌分布信息,生成第一类训练样本;
使用所述第一类训练样本对设定的神经网络模型进行训练,得到所述意图分类模型。
3.根据权利要求1所述的方法,在将所述地图查询式输入至预先训练的关键词标注模型中,获取匹配的关键词标注结果之前,还包括:
通过模板标注的方式获取基础样本;
通过点击纠错和/或主动学习的方式,生成与所述基础样本匹配的第二训练样本;
使用所述第二训练样本对条件随机场模型进行训练,得到所述关键词标注模型。
4.根据权利要求1所述的方法,在对融合结果进行语义映射之前,还包括:
根据会话日志以及用户点击日志中的POI标签,生成查询式聚合结果;
根据所述查询式聚合结果,生成语义映射表;
对融合结果进行语义映射,获取与所述地图查询式匹配的结构化数据,包括:
根据所述融合结果,查询所述语义映射表,获取与所述地图查询式匹配的结构化数据。
5.根据权利要求1所述的方法,在根据类别需求、属性需求以及与各地图POI分别对应的标签集合,确定与地图查询式匹配的目标POI之前,还包括:
获取与各地图POI分别对应的关联描述信息;
采用预设的挖掘算法,对各所述地图POI的关联描述信息进行专项挖掘,获取与各所述地图POI分别对应的第一类标签;
将各所述地图POI的关联描述信息输入到至少一个预先训练的标签生成模型中,获取与各所述地图POI分别对应的第二类标签,所述第一类标签,和/或第二类标签中包括:类别标签以及属性标签;
根据所述第一类标签与第二类标签,生成与各所述地图POI分别对应的标签集合。
6.根据权利要求1-5任一项所述的方法,其中,所述需求识别结果还包括:位置需求;
根据类别需求、属性需求以及与各地图POI分别对应的标签集合,确定与地图查询式匹配的目标POI,包括:
在各地图POI中,筛选出与位置需求匹配的各备选POI;
根据类别需求、属性需求以及与每个备选POI分别对应的标签集合,确定与地图查询式匹配的目标POI。
7.根据权利要求1-5任一项所述的方法,其中,根据类别需求、属性需求以及与各地图POI分别对应的标签集合,确定与地图查询式匹配的目标POI,包括:
将所述类别需求与各地图POI的类别标签进行匹配,获取第一类召回结果;
将所述属性需求与各地图POI的属性标签进行匹配,获取第二类召回结果;
根据所述第一类召回结果以及第二类召回结果,确定所述目标POI。
8.一种信息点查询装置,包括:
需求识别模块,用于对地图查询式进行需求识别,获取需求识别结果,需求识别结果包括类别需求和属性需求;
目标POI确定模块,用于根据类别需求、属性需求以及与各地图兴趣点POI分别对应的标签集合,确定与地图查询式匹配的目标POI,标签集合包括:类别标签和属性标签;
目标POI显示模块,用于在地图显示界面中,对所述目标POI进行显示;
其中,需求识别模块,包括:
意图分类结果获取单元,用于将所述地图查询式输入至预先训练的意图分类模型中,获取匹配的意图分类结果;
关键词标注结果获取单元,用于将所述地图查询式输入至预先训练的关键词标注模型中,获取匹配的关键词标注结果;
结构化数据获取单元,用于将所述意图分类结果和所述关键词标注结果进行融合后,对融合结果进行语义映射,获取与所述地图查询式匹配的结构化数据;
其中,所述结构化数据中包括多个键值对形式的数据项,所述数据项中包括所述类别需求以及属性需求。
9.根据权利要求8所述的装置,还包括,意图分类模型生成模块,用于:
在将所述地图查询式输入至预先训练的意图分类模型中之前,获取多个用户的用户点击日志,并根据与所述用户点击日志匹配的查询式、标签信息和品牌分布信息,生成第一类训练样本;
使用所述第一类训练样本对设定的神经网络模型进行训练,得到所述意图分类模型。
10.根据权利要求8所述的装置,还包括,关键词标注模型生成模块,用于:
在将所述地图查询式输入至预先训练的关键词标注模型中,获取匹配的关键词标注结果之前,通过模板标注的方式获取基础样本;
通过点击纠错和/或主动学习的方式,生成与所述基础样本匹配的第二训练样本;
使用所述第二训练样本对条件随机场模型进行训练,得到所述关键词标注模型。
11.根据权利要求8所述的装置,还包括,语义映射表生成模块,用于:
在对融合结果进行语义映射之前,根据会话日志以及用户点击日志中的POI标签,生成查询式聚合结果;
根据所述查询式聚合结果,生成语义映射表;
所述结构化数据获取单元,具体用于:
根据所述融合结果,查询所述语义映射表,获取与所述地图查询式匹配的结构化数据。
12.根据权利要求8所述的装置,还包括,标签集合生成模块,用于:
在根据类别需求、属性需求以及与各地图POI分别对应的标签集合,筛选出与地图查询式匹配的目标POI之前,获取与各地图POI分别对应的关联描述信息;
采用预设的挖掘算法,对各所述地图POI的关联描述信息进行专项挖掘,获取与各所述地图POI分别对应的第一类标签;
将各所述地图POI的关联描述信息输入至至少一个预先训练的标签生成模型中,获取与各所述地图POI分别对应的第二类标签,所述第一类标签,和/或第二类标签中包括:类别标签以及属性标签;
根据所述第一类标签与第二类标签,生成与各所述地图POI分别对应的标签集合。
13.根据权利要求8-12任一项所述的装置,其中,所述需求识别结果还包括:位置需求;
目标POI确定模块,具体用于:
在各地图POI中,筛选出与位置需求匹配的各备选POI;
根据类别需求、属性需求以及与每个备选POI分别对应的标签集合,确定与地图查询式匹配的目标POI。
14.根据权利要求8-12任一项所述的装置,其中,目标POI显示模块,用于:
将所述类别需求与各地图POI的类别标签进行匹配,获取第一类召回结果;
将所述属性需求与各地图POI的属性标签进行匹配,获取第二类召回结果;
根据所述第一类召回结果以及第二类召回结果,确定所述目标POI。
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中任一项所述的信息点查询方法。
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所述计算机执行权利要求1-7中任一项所述的信息点查询方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010624277.7A CN111814077B (zh) | 2020-06-30 | 2020-06-30 | 信息点查询方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010624277.7A CN111814077B (zh) | 2020-06-30 | 2020-06-30 | 信息点查询方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111814077A CN111814077A (zh) | 2020-10-23 |
CN111814077B true CN111814077B (zh) | 2024-04-05 |
Family
ID=72855844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010624277.7A Active CN111814077B (zh) | 2020-06-30 | 2020-06-30 | 信息点查询方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814077B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784185B (zh) * | 2021-01-18 | 2022-07-08 | 腾讯科技(深圳)有限公司 | 一种基于信息点的信息管理方法以及相关装置 |
CN112947917A (zh) * | 2021-03-10 | 2021-06-11 | 江苏中数智美科技有限公司 | 页面配置方法、装置、存储介质及服务器 |
CN113220816A (zh) * | 2021-05-19 | 2021-08-06 | 北京百度网讯科技有限公司 | 电子地图兴趣点poi的数据处理方法、装置及设备 |
CN113553521B (zh) * | 2021-07-30 | 2024-03-12 | 北京达佳互联信息技术有限公司 | 内容查找方法及装置 |
CN113676840B (zh) * | 2021-08-24 | 2023-08-18 | 北京腾云天下科技有限公司 | 数据处理方法、装置、电子设备、存储介质和程序产品 |
CN114610914A (zh) * | 2022-03-11 | 2022-06-10 | 北京百度网讯科技有限公司 | 一种信息处理方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488758A (zh) * | 2013-09-24 | 2014-01-01 | 大陆汽车投资(上海)有限公司 | 兴趣点搜索方法及导航方法 |
CN110020150A (zh) * | 2017-11-30 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 信息推荐方法及装置 |
CN110377676A (zh) * | 2019-06-25 | 2019-10-25 | 北京百度网讯科技有限公司 | 一种语音指令的处理方法、装置、设备和计算机存储介质 |
CN110609880A (zh) * | 2018-06-15 | 2019-12-24 | 北京搜狗科技发展有限公司 | 一种信息查询方法、装置及电子设备 |
CN110929176A (zh) * | 2018-09-03 | 2020-03-27 | 北京搜狗科技发展有限公司 | 一种信息推荐方法、装置及电子设备 |
CN110968800A (zh) * | 2019-11-26 | 2020-04-07 | 北京明略软件***有限公司 | 一种信息推荐方法、装置、电子设备及可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI472720B (zh) * | 2012-08-22 | 2015-02-11 | Inst Information Industry | 興趣點資訊地圖呈現系統、方法及其記錄媒體 |
CN103914498A (zh) * | 2013-03-18 | 2014-07-09 | 百度在线网络技术(北京)有限公司 | 一种地图搜索的搜索建议方法和装置 |
-
2020
- 2020-06-30 CN CN202010624277.7A patent/CN111814077B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488758A (zh) * | 2013-09-24 | 2014-01-01 | 大陆汽车投资(上海)有限公司 | 兴趣点搜索方法及导航方法 |
CN110020150A (zh) * | 2017-11-30 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 信息推荐方法及装置 |
CN110609880A (zh) * | 2018-06-15 | 2019-12-24 | 北京搜狗科技发展有限公司 | 一种信息查询方法、装置及电子设备 |
CN110929176A (zh) * | 2018-09-03 | 2020-03-27 | 北京搜狗科技发展有限公司 | 一种信息推荐方法、装置及电子设备 |
CN110377676A (zh) * | 2019-06-25 | 2019-10-25 | 北京百度网讯科技有限公司 | 一种语音指令的处理方法、装置、设备和计算机存储介质 |
CN110968800A (zh) * | 2019-11-26 | 2020-04-07 | 北京明略软件***有限公司 | 一种信息推荐方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111814077A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814077B (zh) | 信息点查询方法、装置、设备和介质 | |
CN111782977B (zh) | 兴趣点处理方法、装置、设备及计算机可读存储介质 | |
CN111026937B (zh) | 提取poi名称的方法、装置、设备和计算机存储介质 | |
JP7159405B2 (ja) | 地図情報表示方法、装置、電子デバイス及び記憶媒体 | |
CN110926486B (zh) | 一种路线确定方法、装置、设备和计算机存储介质 | |
CN110909170B (zh) | 兴趣点知识图谱构建方法、装置、电子设备及存储介质 | |
JP2015118708A (ja) | 検索結果を提供するための方法及び装置 | |
CN111091006B (zh) | 一种实体意图体系的建立方法、装置、设备和介质 | |
CN111949814A (zh) | 搜索方法、装置、电子设备和存储介质 | |
CN111241427B (zh) | 查询自动补全的方法、装置、设备和计算机存储介质 | |
CN111666292B (zh) | 用于检索地理位置的相似度模型建立方法和装置 | |
KR102606175B1 (ko) | 정보 푸시 방법 및 장치 | |
CN111666461B (zh) | 检索地理位置的方法、装置、设备和计算机存储介质 | |
CN111090991A (zh) | 场景纠错方法、装置、电子设备和存储介质 | |
JP2021179990A (ja) | 地理位置点のソート方法、ソートモデルの訓練方法及び対応装置 | |
CN111915608A (zh) | 建筑物提取方法、装置、设备和存储介质 | |
CN111385188A (zh) | 对话元素的推荐方法、装置、电子设备和介质 | |
CN111753195A (zh) | 标签体系构建方法、装置、设备以及存储介质 | |
CN111984876A (zh) | 兴趣点处理方法、装置、设备及计算机可读存储介质 | |
CN112381166B (zh) | 信息点识别方法、装置及电子设备 | |
US20220172310A1 (en) | House-renting recommendation method, electronic device and storage medium | |
CN111881255B (zh) | 同义文本获取方法、装置、电子设备及存储介质 | |
CN112182409B (zh) | 数据处理方法、装置、设备及计算机存储介质 | |
CN112101012B (zh) | 互动领域确定方法、装置、电子设备及存储介质 | |
CN111782748B (zh) | 地图检索方法、信息点poi语义向量的计算方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |