CN112231594A - 信息处理方法和装置 - Google Patents
信息处理方法和装置 Download PDFInfo
- Publication number
- CN112231594A CN112231594A CN201910568202.9A CN201910568202A CN112231594A CN 112231594 A CN112231594 A CN 112231594A CN 201910568202 A CN201910568202 A CN 201910568202A CN 112231594 A CN112231594 A CN 112231594A
- Authority
- CN
- China
- Prior art keywords
- scene
- visited
- information
- visiting
- vector
- 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.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 31
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 239000013598 vector Substances 0.000 claims abstract description 172
- 238000013139 quantization Methods 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 238000011002 quantification Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Remote Sensing (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了信息处理方法和装置。该方法的一具体实施方式包括:将待处理的到访场景信息输入预先训练的场景量化模型,得到从所述场景量化模型输出的到访场景向量;从多个参考到访场景向量中,选取与所述输出的到访场景向量相似度最高的参考到访场景向量;确定并输出所选取的参考到访场景向量对应的预设到访场景信息。本申请实施例可以采用场景量化模型来对到访场景信息进行量化,输出的到访场景向量更为客观、准确,并且提高了数据的处理速度。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及信息处理方法和装置。
背景技术
每个个体的生活轨迹往往是有规律可循的,为了对找到这些规律并加以利用,可以对人的活动进行汇总。常规的汇总方式是,人工进行实地调研,并凭借人的经验,去统计线下活动。
然而,上述方式的主观性较强,数据波动较大,准确性差。并且,统计效率较低。
发明内容
本申请实施例提出了信息处理方法和装置。
第一方面,本申请实施例提供了一种信息处理方法,包括:将待处理的到访场景信息输入预先训练的场景量化模型,得到从场景量化模型输出的到访场景向量,其中,到访场景信息包括目标人员到访的地理区域的地理区域信息,场景量化模型用于表征到访场景信息和到访场景向量的对应关系;从多个参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量,其中,参考到访场景向量具有与之相对应的预设到访场景信息;确定并输出所选取的参考到访场景向量对应的预设到访场景信息。
在一些实施例中,预设到访场景信息包括以下至少一项:目标人员到访地理区域的时间信息、到访的人群画像、到访的地理区域的画像。
在一些实施例中,待处理的到访场景信息包括至少一个节点信息,每个节点信息包括一个指示地理区域的地理区域信息,从场景量化模型输出的到访场景向量的数量与节点信息的数量相等。
在一些实施例中,场景量化模型为上下文模型;方法还包括:获取语料样本,其中,语料样本包括到访场景信息;将语料样本输入初始场景量化模型,以及将初始场景量化模型的目标参数设置为预设数值,以构建场景量化模型。
在一些实施例中,获取语料样本,包括:对预设地理区域范围内的个体进行监测,按照时间顺序,记录预设时间范围内各个个体到访的各个地理区域的节点信息,其中,节点信息还包括目标人员到访地理区域的时间信息;对于到访的个体,将到访的个体的各个节点信息汇总成到访轨迹,以及将到访轨迹作为语料样本中的到访场景信息。
在一些实施例中,节点信息还包括以下至少一项:到访的人群画像、到访的地理区域的画像。
在一些实施例中,从多个参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量,包括:将待处理的到访场景信息的时间信息作为目标时间信息,确定包含目标时间信息所在的预设时间段;从多个参考到访场景向量中,确定出对应的预设到访场景信息中的时间信息指示的时间在预设时间段的参考到访场景向量为候选参考到访场景向量;从各个候选参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量。
第二方面,本申请实施例提供了一种信息处理装置,量化单元,被配置成将待处理的到访场景信息输入预先训练的场景量化模型,得到从场景量化模型输出的到访场景向量,其中,到访场景信息包括目标人员到访的地理区域的地理区域信息,场景量化模型用于表征到访场景信息和到访场景向量的对应关系;选取单元,被配置成从多个参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量,其中,参考到访场景向量具有与之相对应的预设到访场景信息;确定单元,被配置成确定并输出所选取的参考到访场景向量对应的预设到访场景信息。
在一些实施例中,预设到访场景信息包括以下至少一项:目标人员到访地理区域的时间信息、到访的人群画像、到访的地理区域的画像。
在一些实施例中,待处理的到访场景信息包括至少一个节点信息,每个节点信息包括一个指示地理区域的地理区域信息,从场景量化模型输出的到访场景向量的数量与节点信息的数量相等。
在一些实施例中,场景量化模型为上下文模型;装置还包括:获取单元,被配置成获取语料样本,其中,语料样本包括到访场景信息;构建单元,被配置成将语料样本输入初始场景量化模型,以及将初始场景量化模型的目标参数设置为预设数值,以构建场景量化模型。
在一些实施例中,获取单元,包括:记录模块,被配置成对预设地理区域范围内的个体进行监测,按照时间顺序,记录预设时间范围内各个个体到访的各个地理区域的节点信息,其中,节点信息还包括目标人员到访地理区域的时间信息;轨迹生成模块,被配置成对于到访的个体,将到访的个体的各个节点信息汇总成到访轨迹,以及将到访轨迹作为语料样本中的到访场景信息。
在一些实施例中,节点信息还包括以下至少一项:到访的人群画像、到访的地理区域的画像。
在一些实施例中,选取单元,包括:时间确定模块,被配置成将待处理的到访场景信息的时间信息作为目标时间信息,确定包含目标时间信息所在的预设时间段;候选确定模块,被配置成从多个参考到访场景向量中,确定出对应的预设到访场景信息中的时间信息指示的时间在预设时间段的参考到访场景向量为候选参考到访场景向量;选取模块,被配置成从各个候选参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如信息处理方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如信息处理方法中任一实施例的方法。
本申请实施例提供的信息处理方案,首先,将待处理的到访场景信息输入预先训练的场景量化模型,得到从场景量化模型输出的到访场景向量,其中,到访场景信息包括目标人员到访的地理区域的地理区域信息,场景量化模型用于表征到访场景信息和到访场景向量的对应关系。之后,从多个参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量,其中,参考到访场景向量具有与之相对应的预设到访场景信息。最后,确定并输出所选取的参考到访场景向量对应的预设到访场景信息。本申请实施例可以采用场景量化模型来对到访场景信息进行量化,避免了人工处理数据产生的波动,输出的到访场景向量更为客观、准确,并且提高了数据的处理速度。特别地,本申请实施例可以在待处理的到访场景信息包括少量信息的情况下,确定出参考到访场景向量对应的预设到访场景信息,从而得到了较为丰富的到访场景信息,继而,可以更准确、全面地获知用户的行为信息,并加以利用。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的信息处理方法的一个实施例的流程图;
图3是根据本申请的信息处理方法的一个应用场景的示意图;
图4是根据本申请的信息处理方法的又一个实施例的流程图;
图5是根据本申请的信息处理装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息处理方法或信息处理装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如信息处理应用、视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的待处理的到访场景信息等数据进行分析等处理,并将处理结果(例如预设到访场景信息)反馈给终端设备。
需要说明的是,本申请实施例所提供的信息处理方法可以由服务器105或者终端设备101、102、103执行,相应地,信息处理装置可以设置于服务器105或者终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的信息处理方法的一个实施例的流程200。该信息处理方法,包括以下步骤:
步骤201,将待处理的到访场景信息输入预先训练的场景量化模型,得到从场景量化模型输出的到访场景向量,其中,到访场景信息包括目标人员到访的地理区域的地理区域信息,场景量化模型用于表征到访场景信息和到访场景向量的对应关系。
在本实施例中,信息处理方法的执行主体(例如图1所示的服务器或终端设备)可以将待处理的到访场景信息输入场景量化模型,得到从上述场景量化模型输出的到访场景向量。在实践中,这里的场景量化模型可以为多种可以进行自然语言处理(NaturalLanguage Processing),以产生词向量的神经网络模型(比如,Word2Vec或Doc2Vec)。
具体地,到访场景信息用于表征目标人员到访的场景,主要以人员到访相关的客观信息来表征,可以包括人员到访的地理区域的地理区域信息。这里的地理区域也可以称为区块,可以是划分出的、规则排列的矩形栅格,也可以是设定的不规则的区域。待处理的到访场景信息所包括的目标人员可以指到访包括多个地理区域的指导活动范围的人员。这里的目标人员可以是个体,在一些情况下,也可以是人群。这里的待处理的到访场景信息是对人员进行监测得到的。比如,在包括多个地理区域的指定活动范围内,某个体一天所到访的地理区域的地理区域信息。
步骤202,从多个参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量,其中,参考到访场景向量具有与之相对应的预设到访场景信息。
在本实施例中,上述执行主体可以从多个参考到访场景向量中进行选取,所选取出的参考到访场景向量是与上述从场景量化模型输出的到访场景向量相似度最高的参考到访场景向量。参考到访场景向量是预先设置的向量,与较为完备的预设到访场景信息相对应。确定了参考到访场景向量,就能够确定出与之对应的预设到访场景信息。
步骤203,确定并输出所选取的参考到访场景向量对应的预设到访场景信息。
在本实施例中,上述执行主体可以确定出所选取的参考到访场景向量对应的预设到访场景信息,并且输出该预设到访场景信息。这里的输出可以是多种形式的,举例来说,输出可以是展示,比如在地图中展示出该预设到访场景信息中的地理区域信息所指示的地理区域。此外,这里的输出还可以是向上述执行主体所属的电子设备的其他模块或者其他电子设备输出。
在实践中,预设到访场景信息还可以包括地理区域信息以外的其他信息,比如到访地理区域的人员个数等等。这样,在待处理的到访场景信息仅包括地理区域信息的情况下,可以在得到预设到访场景信息后,获取到与待处理的到访场景信息中的地理区域信息相关的丰富的场景信息。
上述执行主体确定出了与待处理的到访场景信息对应的到访场景向量相似度最高的参考到访场景向量,则可以认为上述待处理的到访场景信息包括该参考到访场景向量对应的预设到访场景信息。这样,可以认为到访的时间、人群等存在共性。
在本实施例的一些可选的实现方式中,预设到访场景信息包括以下至少一项:目标人员到访地理区域的时间信息、到访的人群画像、到访的地理区域的画像。
在这些可选的实现方式中,预设到访场景信息可以包括到访的时间信息,这样,上述执行主体可以在得到预设到访场景信息后,获取到人员到访该地理区域信息指示的地理区域的时间。比如,该地理区域包括商业区,到访该地理区域的时间信息可以是早8点到晚10点。并且,预设到访场景信息还可以包括到访的人群画像。这里到访的人群画像为到访该地理区域的人员的人群画像,可以包括年龄、性别、职业、消费金额等等。比如,某地理区域包括美容场所,人群画像中的年龄可以是青年和中年,性别是女性。职业可以包括公司职员、小企业主等等。此外,预设到访场景信息还可以包括到访的地理区域的画像,用以描述该地理区域。比如,地理区域的画像可以包括地理区域的功能场所,比如学校、医院、商业区等等。
在这里,时间信息指示目标人员到访该地理区域的时间,而人群画像和地理区域的画像,都是对目标人员到访的该地理区域的进一步描述。
这些实现方式可以利用时间信息、人群画像、地理区域的画像,来准确地刻画人员的到访场景,对到访场景信息起到了非常好的补充作用。从确定出的预设到访场景信息中,可以得到丰富的内容。
上述执行主体可以根据所确定的预设到访场景信息,向待处理的到访场景信息对应的人员所持的终端设备,推送该预设到访场景信息的相关信息。比如,预设到访场景信息中的人群画像为爱好健身,可以向上述人员推送健身场所信息。若预设到访场景信息中的地理区域的画像指示该地理区域为超市,可以向上述人员推送超市的物品信息。
继续参见图3,图3是根据本实施例的信息处理方法的应用场景的一个示意图。在图3的应用场景中,执行主体301可以将待处理的到访场景信息302输入预先训练的场景量化模型303,得到从场景量化模型输出的到访场景向量304,其中,到访场景信息包括目标人员到访的地理区域的地理区域信息“区块No.12”,场景量化模型用于表征到访场景信息和到访场景向量的对应关系。执行主体301从多个参考到访场景向量305中,选取与输出的到访场景向量相似度最高的参考到访场景向量306,其中,参考到访场景向量具有与之相对应的预设到访场景信息。之后,执行主体301确定并输出所选取的参考到访场景向量对应的预设到访场景信息307。
本实施例可以采用场景量化模型来对到访场景信息进行量化,避免了人工处理数据产生的波动,输出的到访场景向量更为客观、准确,并且提高了数据的处理速度。特别地,本实施例可以在待处理的到访场景信息包括少量信息的情况下,确定出参考到访场景向量对应的预设到访场景信息,从而得到了较为丰富的到访场景信息,继而,可以更准确、全面地获知用户的行为信息,并加以利用。
进一步参考图4,其示出了信息处理方法的又一个实施例的流程400。该信息处理方法的流程400,包括以下步骤:
步骤401,将待处理的到访场景信息输入预先训练的场景量化模型,得到从场景量化模型输出的到访场景向量,其中,到访场景信息包括到访的地理区域信息,场景量化模型用于表征到访场景信息和到访场景向量的对应关系。
在本实施例中,信息处理方法的执行主体(例如图1所示的服务器或终端设备)可以将待处理的到访场景信息输入场景量化模型,得到从上述场景量化模型输出的到访场景向量。具体地,到访场景信息用于描述人员到访的场景,可以包括人员到访的地理区域的地理区域信息。这里的地理区域也可以称为区块,可以是划分出的规则排列的矩形栅格,也可以是设定的不规则的区域。待处理的到访场景信息所包括的人员可以是个体,在一些情况下,也可以是人群。
步骤402,从多个参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量,其中,参考到访场景向量具有与之相对应的预设到访场景信息。
在本实施例中,上述执行主体可以从多个参考到访场景向量中进行选取,所选取出的参考到访场景向量是与上述从场景量化模型输出的到访场景向量相似度最高的参考到访场景向量。参考到访场景向量是预先设置的向量,与较为完备的预设到访场景信息相对应。确定出了参考到访场景向量,就能够确定出与之对应的预设到访场景信息。
具体地,向量之间的相似度可以通过向量之间的距离来确定。距离越短,则相似度越高。
步骤403,确定并输出所选取的参考到访场景向量对应的预设到访场景信息。
在本实施例中,上述执行主体可以确定出所选取的参考到访场景向量对应的预设到访场景信息,并且输出该预设到访场景信息。这里的输出可以是多种形式的,比如可以是展示,比如在地图中展示出该预设到访场景信息中的地理区域信息所指示的地理区域。此外,这里的输出还可以是向上述执行主体所属的电子设备的其他模块或者其他电子设备输出。
在本实施例的一些可选的实现方式中,待处理的到访场景信息包括至少一个节点信息,每个节点信息包括一个指示地理区域的地理区域信息,从场景量化模型输出的到访场景向量的数量与节点信息的数量相等。
在这些可选的实现方式中,待处理的到访场景信息可以包括一个或多个节点信息。每个节点信息包括一个地理区域信息。场景量化模型输出的到访场景向量的数量,等于输入的到访场景信息中的节点信息的数量。
这些实现方式可以对不同的地理区域信息进行量化,得到与之相对应的到访场景向量,从而,可以输出更加准确的预设到访场景信息。
在这些实现方式的一些可选的应用场景中,场景量化模型为上下文模型;方法还包括:获取语料样本,其中,语料样本包括到访场景信息;将语料样本输入初始场景量化模型,以及将初始场景量化模型的目标参数设置为预设数值,以构建场景量化模型。
在这些可选的应用场景中,场景量化模型可以为上下文模型(比如Skip-gram模型或CBOW模型)。向初始上下文模型中输入语料样本,可以实现该模型的训练,以构建上述场景量化模型。这里的初始场景量化模型为有待于训练的场景量化模型。
此外,上述执行主体还可以对初始场景量化模型进行参数设置。具体地,可以将初始场景量化模型的各个参数中的一个或多个参数作为目标参数,并设定各个目标参数的数值为预设数值。不同的目标参数对应的预设数值可以是不同的或不尽相同的。
这些实现方式可以利用到访场景信息作为语料样本对初始场景量化模型进行训练,以构建出准确的场景量化模型。
在这些应用场景的一些可选的情况下,对预设地理区域范围内的个体进行监测,按照时间顺序,记录预设时间范围内各个个体到访的各个地理区域的节点信息,其中,节点信息还包括到访的时间信息;对于到访的个体,将到访的个体的各个节点信息汇总成到访轨迹,以及将到访轨迹作为语料样本中的到访场景信息。
在这些可选的情况下,上述执行主体可以对预设地理区域范围内的个体进行监测,以按照时间训练,记录下至少一个节点信息。这里的预设时间范围可以对时长进行限定,比如,一天或者一周等等。节点信息不仅可以包括地理区域信息,还可以包括到访该地理区域信息指示的地理区域的时间信息。进而,在得到个体的各个节点信息之后,可以将各个节点信息汇总成到访轨迹。
这些情况下的上述执行主体可以对各个个体进行监测,得到他们的到访轨迹,从而将个体的活动数据汇总成有序的数据,以训练得到准确的场景量化模型。
可选地,节点信息还包括以下至少一项:到访的人群画像、到访的地理区域的画像。
用于训练场景量化模型的语料样本中,节点信息还可以包括到访的人群画像以及到访的地理区域的画像。这样,利用更加丰富的样本,可以训练得到更加准确的场景量化模型。
可选地,步骤402可以包括:将待处理的到访场景信息的时间信息作为目标时间信息,确定包含目标时间信息所在的预设时间段;从多个参考到访场景向量中,确定出对应的预设到访场景信息中的时间信息指示的时间在预设时间段的参考到访场景向量为候选参考到访场景向量;从各个候选参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量。
上述执行主体可以从上述多个参考到访场景向量中,确定出候选参考到访场景向量。上述预设时间段包含候选参考到访场景向量对应的到访场景信息的时间信息指示的时间。之后,上述执行主体可以从候选参考到访场景向量中,选取出与上述从场景量化模型输出的到访场景向量相似度最高的向量。
这样,可以对参加选取过程的参考到访场景向量的时间信息进行限定。因为同一个地理区域在不同的时间段可以有不同的功能,到访人员的到访目的也可以是不同的。通过对到访时间段进行限定,可以使最后选取出的参考到访场景向量对应的场景信息与待处理的到访场景信息更匹配,从而可以确定出与待处理的到访场景信息更加匹配的预设到访场景信息。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种信息处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的信息处理装置500包括:量化单元501、选取单元502和确定单元503。其中,量化单元501,被配置成将待处理的到访场景信息输入预先训练的场景量化模型,得到从场景量化模型输出的到访场景向量,其中,到访场景信息包括到访的地理区域信息,场景量化模型用于表征到访场景信息和到访场景向量的对应关系;选取单元502,被配置成从多个参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量,其中,参考到访场景向量具有与之相对应的预设到访场景信息;确定单元403,被配置成确定并输出所选取的参考到访场景向量对应的预设到访场景信息。
在一些实施例中,信息处理装置500的量化单元501可以将待处理的到访场景信息输入场景量化模型,得到从上述场景量化模型输出的到访场景向量。
在一些实施例中,选取单元502可以从多个参考到访场景向量中进行选取,所选取出的参考到访场景向量是与上述从场景量化模型输出的到访场景向量相似度最高的参考到访场景向量。参考到访场景向量是预先设置的向量,与较为完备的预设到访场景信息相对应。
在一些实施例中,确定单元503可以确定出所选取的参考到访场景向量对应的预设到访场景信息,并且输出该预设到访场景信息。这里的输出可以是多种形式的,举例来说,输出可以是展示,比如在地图中展示出该预设到访场景信息中的地理区域信息所指示的地理区域。
在本实施例的一些可选的实现方式中,预设到访场景信息包括以下至少一项:目标人员到访地理区域的时间信息、到访的人群画像、到访的地理区域的画像。
在本实施例的一些可选的实现方式中,待处理的到访场景信息包括至少一个节点信息,每个节点信息包括一个指示地理区域的地理区域信息,从场景量化模型输出的到访场景向量的数量与节点信息的数量相等。
在本实施例的一些可选的实现方式中,场景量化模型为上下文模型;装置还包括:获取单元,被配置成获取语料样本,其中,语料样本包括到访场景信息;构建单元,被配置成将语料样本输入初始场景量化模型,以及将初始场景量化模型的目标参数设置为预设数值,以构建场景量化模型。
在本实施例的一些可选的实现方式中,获取单元,包括:记录模块,被配置成对预设地理区域范围内的个体进行监测,按照时间顺序,记录预设时间范围内各个个体到访的各个地理区域的节点信息,其中,节点信息还包括目标人员到访地理区域的时间信息;轨迹生成模块,被配置成对于到访的个体,将到访的个体的各个节点信息汇总成到访轨迹,以及将到访轨迹作为语料样本中的到访场景信息。
在本实施例的一些可选的实现方式中,节点信息还包括以下至少一项:到访的人群画像、到访的地理区域的画像。
在本实施例的一些可选的实现方式中,选取单元,包括:时间确定模块,被配置成将待处理的到访场景信息的时间信息作为目标时间信息,确定包含目标时间信息所在的预设时间段;候选确定模块,被配置成从多个参考到访场景向量中,确定出对应的预设到访场景信息中的时间信息指示的时间在预设时间段的参考到访场景向量为候选参考到访场景向量;选取模块,被配置成从各个候选参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括量化单元、选取单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,确定单元还可以被描述为“确定并输出所选取的参考到访场景向量对应的预设到访场景信息的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:将待处理的到访场景信息输入预先训练的场景量化模型,得到从场景量化模型输出的到访场景向量,其中,到访场景信息包括到访的地理区域信息,场景量化模型用于表征到访场景信息和到访场景向量的对应关系;从多个参考到访场景向量中,选取与输出的到访场景向量相似度最高的参考到访场景向量,其中,参考到访场景向量具有与之相对应的预设到访场景信息;确定并输出所选取的参考到访场景向量对应的预设到访场景信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种信息处理方法,包括:
将待处理的到访场景信息输入预先训练的场景量化模型,得到从所述场景量化模型输出的到访场景向量,其中,到访场景信息包括目标人员到访的地理区域的地理区域信息,所述场景量化模型用于表征到访场景信息和到访场景向量的对应关系;
从多个参考到访场景向量中,选取与所述输出的到访场景向量相似度最高的参考到访场景向量,其中,所述参考到访场景向量具有与之相对应的预设到访场景信息;
确定并输出所选取的参考到访场景向量对应的预设到访场景信息。
2.根据权利要求1所述的方法,其中,所述预设到访场景信息包括以下至少一项:所述目标人员到访地理区域的时间信息、到访的人群画像、到访的地理区域的画像。
3.根据权利要求1所述的方法,其中,所述待处理的到访场景信息包括至少一个节点信息,每个节点信息包括一个指示地理区域的地理区域信息,所述从所述场景量化模型输出的到访场景向量的数量与所述节点信息的数量相等。
4.根据权利要求3所述的方法,其中,所述场景量化模型为上下文模型;
所述方法还包括:
获取语料样本,其中,所述语料样本包括所述到访场景信息;
将所述语料样本输入初始场景量化模型,以及将所述初始场景量化模型的目标参数设置为预设数值,以构建所述场景量化模型。
5.根据权利要求4所述的方法,其中,所述获取语料样本,包括:
对预设地理区域范围内的个体进行监测,按照时间顺序,记录预设时间范围内各个所述个体到访的各个地理区域的节点信息,其中,节点信息还包括所述目标人员到访地理区域的时间信息;
对于到访的个体,将所述到访的个体的各个节点信息汇总成到访轨迹,以及将所述到访轨迹作为所述语料样本中的到访场景信息。
6.根据权利要求5所述的方法,其中,所述节点信息还包括以下至少一项:到访的人群画像、到访的地理区域的画像。
7.根据权利要求5所述的方法,其中,所述从多个参考到访场景向量中,选取与所述输出的到访场景向量相似度最高的参考到访场景向量,包括:
将所述待处理的到访场景信息的时间信息作为目标时间信息,确定包含所述目标时间信息所在的预设时间段;
从所述多个参考到访场景向量中,确定出对应的预设到访场景信息中的时间信息指示的时间在所述预设时间段的参考到访场景向量为候选参考到访场景向量;
从各个所述候选参考到访场景向量中,选取与所述输出的到访场景向量相似度最高的参考到访场景向量。
8.一种信息处理装置,包括:
量化单元,被配置成将待处理的到访场景信息输入预先训练的场景量化模型,得到从所述场景量化模型输出的到访场景向量,其中,到访场景信息包括目标人员到访的地理区域的地理区域信息,所述场景量化模型用于表征到访场景信息和到访场景向量的对应关系;
选取单元,被配置成从多个参考到访场景向量中,选取与所述输出的到访场景向量相似度最高的参考到访场景向量,其中,所述参考到访场景向量具有与之相对应的预设到访场景信息;
确定单元,被配置成确定并输出所选取的参考到访场景向量对应的预设到访场景信息。
9.一种电子设备,包括:
一个或多个处理器;
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,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568202.9A CN112231594B (zh) | 2019-06-27 | 2019-06-27 | 信息处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568202.9A CN112231594B (zh) | 2019-06-27 | 2019-06-27 | 信息处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112231594A true CN112231594A (zh) | 2021-01-15 |
CN112231594B CN112231594B (zh) | 2024-04-12 |
Family
ID=74110932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910568202.9A Active CN112231594B (zh) | 2019-06-27 | 2019-06-27 | 信息处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112231594B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017071251A1 (zh) * | 2015-10-28 | 2017-05-04 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
US20170161393A1 (en) * | 2015-12-08 | 2017-06-08 | Samsung Electronics Co., Ltd. | Terminal, server and event suggesting methods thereof |
CN109614556A (zh) * | 2018-10-31 | 2019-04-12 | 拉卡拉支付股份有限公司 | 访问路径预测、信息推送方法及装置 |
CN109919244A (zh) * | 2019-03-18 | 2019-06-21 | 北京字节跳动网络技术有限公司 | 用于生成场景识别模型的方法和装置 |
-
2019
- 2019-06-27 CN CN201910568202.9A patent/CN112231594B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017071251A1 (zh) * | 2015-10-28 | 2017-05-04 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
US20170161393A1 (en) * | 2015-12-08 | 2017-06-08 | Samsung Electronics Co., Ltd. | Terminal, server and event suggesting methods thereof |
CN109614556A (zh) * | 2018-10-31 | 2019-04-12 | 拉卡拉支付股份有限公司 | 访问路径预测、信息推送方法及装置 |
CN109919244A (zh) * | 2019-03-18 | 2019-06-21 | 北京字节跳动网络技术有限公司 | 用于生成场景识别模型的方法和装置 |
Non-Patent Citations (1)
Title |
---|
毕达天;王福;许鹏程;: "基于VSM的移动图书馆用户画像及场景推荐", 数据分析与知识发现, no. 09, 25 September 2018 (2018-09-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN112231594B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740018B (zh) | 用于生成视频标签模型的方法和装置 | |
CN110288705B (zh) | 生成三维模型的方法和装置 | |
US20150278350A1 (en) | Recommendation System With Dual Collaborative Filter Usage Matrix | |
CN110502665B (zh) | 视频处理方法和装置 | |
CN109981787B (zh) | 用于展示信息的方法和装置 | |
CN111738010B (zh) | 用于生成语义匹配模型的方法和装置 | |
CN110677267B (zh) | 信息处理方法和装置 | |
CN113435226B (zh) | 信息处理方法和装置 | |
CN108510084B (zh) | 用于生成信息的方法和装置 | |
CN109816023B (zh) | 用于生成图片标签模型的方法和装置 | |
CN109829117B (zh) | 用于推送信息的方法和装置 | |
EP3502866B1 (en) | Systems and methods for audio-based augmented reality | |
US11095945B2 (en) | Information processing device, method, and program | |
CN111782933B (zh) | 用于推荐书单的方法和装置 | |
CN114202402A (zh) | 行为特征预测方法及装置 | |
US10924568B1 (en) | Machine learning system for networking | |
CN112231594B (zh) | 信息处理方法和装置 | |
CN110347973A (zh) | 用于生成信息的方法和装置 | |
KR102239174B1 (ko) | 강의 플랫폼을 운용하는 방법 및 그 장치 | |
CN112307324B (zh) | 信息处理方法、装置、设备和介质 | |
CN111949860B (zh) | 用于生成相关度确定模型的方法和装置 | |
CN115310582A (zh) | 用于训练神经网络模型的方法和装置 | |
CN110942033B (zh) | 用于推送信息的方法、装置、电子设备和计算机介质 | |
CN111767290B (zh) | 用于更新用户画像的方法和装置 | |
CN113742593A (zh) | 用于推送信息的方法和装置 |
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 |