检索的方法、装置、电子设备、可读存储介质以及产品与流程

1.本技术涉及检索技术领域，具体而言，涉及一种检索的方法、装置、电子设备、可读存储介质以及产品。


背景技术：

2.随着互联网技术的发展，为更好的为用户提供服务，通常需要检索目标地点周边的多个目标对象。例如，用户打车时，可以检索用户周边最近的10辆空闲车辆，使得用户可以实时了解周边的空闲车辆数量。
3.现有技术下，通常检索目标地点周边固定检索范围内的目标对象。
4.但是，由于不同区域内的目标对象疏密度通常是不同的，因此，当用户处于不同位置时，获得的检索结果可能会出现数据冗余或者数量不足的问题，检索精准度较差。
5.由此，在检索目标地点周边的目标对象时，如何提高检索精准度，是一个需要解决的技术问题。


技术实现要素：

6.本技术实施例的目的在于提供一种检索的方法、装置、电子设备、可读存储介质以及产品，用以在检索目标地点周边的目标对象时，提高检索精准度。
7.一方面，提供一种检索的方法，包括：
8.获取用于请求检索目标对象的检索请求消息中的目标位置信息；
9.基于目标位置信息以及检索距离预估模型，获得目标检索距离；
10.基于目标位置信息以及目标检索距离，对目标对象进行检索，获得检索结果。
11.在上述实现过程中，通过检索距离预估模型，可以根据目标位置信息自适应调整检索时的目标检索距离，从而可以自适应调整检索范围，避免了检索数据冗余以及检索召回数量较少等问题，提高了检索精确度。
12.一种实施方式中，基于目标位置信息以及检索距离预估模型，获得目标检索距离，包括：
13.获取查询距离阈值以及目标对象的查询数量阈值；
14.根据目标位置信息和查询距离阈值，确定最大查询区域；
15.获取最大查询区域内的目标对象疏密度；
16.将查询数量阈值、查询距离阈值以及目标对象疏密度，输入至检索距离预估模型，输出目标检索距离。
17.在上述实现过程中，针对不同的查询条件，即目标对象疏密度、查询数量阈值以及查询距离阈值，预估不同的目标检索距离，从而可以在不同的区域采用不同的检索范围进行检索。
18.一种实施方式中，基于目标位置信息以及目标检索距离，对目标对象进行检索，获得检索结果，包括：
19.基于目标位置信息和目标检索距离，确定待检索区域；
20.获取待检索区域内的目标对象的对象相关信息和目标对象数量；
21.若目标对象数量不低于查询数量阈值，或者，目标检索距离不低于查询距离阈值，则确定符合检索条件，将对象相关信息和目标对象数量，确定为检索结果；
22.若确定目标对象数量和目标检索距离不符合检索条件，则增大目标检索距离，并基于目标位置信息以及增大后的目标检索距离检索目标对象，直至检索获得的新的目标对象数量或增大后的目标检索距离符合检索条件，将获得的新的目标对象数量和新的对象相关信息，确定为检索结果。
23.在上述实现过程中，若检索结果不符合检索条件，则增大目标检索距离，直至检索结果符合检索条件，从而可以根据检索结果自适应迭代增大检索范围，以获得满足用户需求的检索结果。
24.一种实施方式中，获取待检索区域内的目标对象的对象相关信息和目标对象数量，包括：
25.获取检索距离预估模型输出的子区域尺寸；
26.获取子区域尺寸的子区域与目标对象的对象相关信息之间的对应关系；
27.确定待检索区域内的目标子区域；
28.根据目标子区域以及对应关系，获得目标子区域内的目标对象的对象相关信息和目标对象数量。
29.在上述实现过程中，建立子区域与目标对象的对象相关信息之间的对应关系即空间索引，从而可以采用空间索引，快速检索出待检索范围即目标子区域内的对象相关信息和目标对象数量，极大地提高了检索效率。
30.一种实施方式中，对目标检索距离进行调整，并基于目标位置信息以及增大后的目标检索距离检索目标对象，直至检索获得的新的目标对象数量或增大后的目标检索距离符合检索条件，包括：
31.循环执行以下步骤，直至检索获得的新的目标对象数量或增大后的目标检索距离符合检索条件：
32.根据子区域尺寸，将目标检索距离增大，获得增大后的目标检索距离；
33.基于目标位置信息和增大后的目标检索距离，更新检索覆盖的目标子区域；
34.基于更新后的目标子区域以及对应关系，获得更新后的目标子区域内的新的对象相关信息和新的目标对象数量；
35.判断检索获得的新的目标对象数量是否不低于查询数量阈值，以及增大后的目标检索距离是否不低于查询距离阈值。
36.在上述实现过程中，自适应迭代增大检索范围，以获得满足用户需求的检索结果。
37.一种实施方式中，在基于目标位置信息以及目标检索距离，对目标对象进行检索，获得检索结果之后，还包括：
38.若检索结果中的目标对象数量为查询数量阈值，则按照检索结果中的目标对象的对象相关信息，向用户展示检索获得的目标对象；
39.若检索结果中的目标对象数量高于查询数量阈值，则获取各目标对象的对象相关信息中的对象位置信息；
40.根据目标位置信息以及检索结果中的各目标对象的对象位置信息，分别确定检索结果中的每一目标对象与用户之间的距离；
41.按照检索结果中的各目标对象与用户之间的距离，从检索结果中的各目标对象中，筛选出数量为查询数量阈值的目标对象，其中，筛选出的目标对象与用户之间的距离低于未被筛选出的目标对象与用户之间的距离；
42.根据筛选出的目标对象的对象相关信息，向用户展示筛选后的目标对象。
43.在上述实现过程中，将检索的目标对象进行筛选，从而可以仅向用户展示筛选后的目标对象，减少了展示数据的冗余。
44.一种实施方式中，在基于目标位置信息以及检索距离预估模型，获得目标检索距离之前，还包括：
45.基于随机森林算法或深度学习算法，构建初始预测模型；
46.基于各检索信息样本，以及各检索信息样本对应的子区域尺寸样本和检索距离验证样本，对初始预测模型进行训练，获得训练好的检索距离预估模型。
47.在上述实现过程中，根据训练样本数据进行模型训练，从而可以获得训练好的检索距离预估模型。
48.一方面，提供一种检索的装置，包括：
49.获取单元，用于获取用于请求检索目标对象的检索请求消息中的目标位置信息；
50.预估单元，用于基于目标位置信息以及检索距离预估模型，获得目标检索距离；
51.检索单元，用于基于目标位置信息以及目标检索距离，对目标对象进行检索，获得检索结果。
52.一种实施方式中，预估单元用于：
53.获取查询距离阈值以及目标对象的查询数量阈值；
54.根据目标位置信息和查询距离阈值，确定最大查询区域；
55.获取最大查询区域内的目标对象疏密度；
56.将查询数量阈值、查询距离阈值以及目标对象疏密度，输入至检索距离预估模型，输出目标检索距离。
57.一种实施方式中，检索单元用于：
58.基于目标位置信息和目标检索距离，确定待检索区域；
59.获取待检索区域内的目标对象的对象相关信息和目标对象数量；
60.若目标对象数量不低于查询数量阈值，或者，目标检索距离不低于查询距离阈值，则确定符合检索条件，将对象相关信息和目标对象数量，确定为检索结果；
61.若确定目标对象数量和目标检索距离不符合检索条件，则增大目标检索距离，并基于目标位置信息以及增大后的目标检索距离检索目标对象，直至检索获得的新的目标对象数量或增大后的目标检索距离符合检索条件，将获得的新的目标对象数量和新的对象相关信息，确定为检索结果。
62.一种实施方式中，检索单元用于：
63.获取检索距离预估模型输出的子区域尺寸；
64.获取子区域尺寸的子区域与目标对象的对象相关信息之间的对应关系；
65.确定待检索区域内的目标子区域；
66.根据目标子区域以及对应关系，获得目标子区域内的目标对象的对象相关信息和目标对象数量。
67.一种实施方式中，检索单元用于：
68.循环执行以下步骤，直至检索获得的新的目标对象数量或增大后的目标检索距离符合检索条件：
69.根据子区域尺寸，将目标检索距离增大，获得增大后的目标检索距离；
70.基于目标位置信息和增大后的目标检索距离，更新检索覆盖的目标子区域；
71.基于更新后的目标子区域以及对应关系，获得更新后的目标子区域内的新的对象相关信息和新的目标对象数量；
72.判断检索获得的新的目标对象数量是否不低于查询数量阈值，以及增大后的目标检索距离是否不低于查询距离阈值。
73.一种实施方式中，检索单元还用于：
74.若检索结果中的目标对象数量为查询数量阈值，则按照检索结果中的目标对象的对象相关信息，向用户展示检索获得的目标对象；
75.若检索结果中的目标对象数量高于查询数量阈值，则获取各目标对象的对象相关信息中的对象位置信息；
76.根据目标位置信息以及检索结果中的各目标对象的对象位置信息，分别确定检索结果中的每一目标对象与用户之间的距离；
77.按照检索结果中的各目标对象与用户之间的距离，从检索结果中的各目标对象中，筛选出数量为查询数量阈值的目标对象，其中，筛选出的目标对象与用户之间的距离低于未被筛选出的目标对象与用户之间的距离；
78.根据筛选出的目标对象的对象相关信息，向用户展示筛选后的目标对象。
79.一种实施方式中，预估单元还用于：
80.基于随机森林算法或深度学习算法，构建初始预测模型；
81.基于各检索信息样本，以及各检索信息样本对应的子区域尺寸样本和检索距离验证样本，对初始预测模型进行训练，获得训练好的检索距离预估模型。
82.一方面，提供了一种电子设备，包括处理器以及存储器，存储器存储有计算机可读取指令，当计算机可读取指令由处理器执行时，运行如上述任一种检索的各种可选实现方式中提供的方法的步骤。
83.一方面，提供了一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时运行如上述任一种检索的各种可选实现方式中提供的方法的步骤。
84.一方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如上述任一种检索的各种可选实现方式中提供的方法的步骤。
85.本技术实施例提供的一种检索的方法、装置、电子设备、可读存储介质以及产品中，获取用于请求检索目标对象的检索请求消息中的目标位置信息；基于目标位置信息以及检索距离预估模型，获得目标检索距离；基于目标位置信息以及目标检索距离，对目标对象进行检索，获得检索结果。这样，采用检索距离预估模型，可以根据目标位置信息自适应调整检索时的目标检索距离，从而可以自适应调整检索范围，避免了检索数据冗余以及检索召回数量较少等问题，提高了检索精确度。
86.本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
87.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
88.图1为本技术实施例提供的一种应用场景示意图；
89.图2为本技术实施例提供的一种模型训练的方法的实施流程图；
90.图3为本技术实施例提供的一种决策树的示意图；
91.图4为本技术实施例提供的一种检索的方法的流程图；
92.图5为本技术实施例提供的一种网格划分示例图；
93.图6为本技术实施例提供的一种网格地址编码映射的示例图；
94.图7为本技术实施例提供的一种目标检索距离调整示意图；
95.图8为本技术实施例提供的一种目标子区域示意图；
96.图9为本技术实施例提供的一种离线模型训练以及在线检索方法的实施流程图；
97.图10为本技术实施例提供的一种美食检索示例图；
98.图11为本技术实施例提供的一种打车示例图；
99.图12为本技术实施例提供的一种检索的装置的结构框图；
100.图13为本技术实施方式中一种电子设备的结构示意图。
具体实施方式
101.下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
102.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
103.首先对本技术实施例中涉及的部分用语进行说明，以便于本领域技术人员理解。
104.终端设备：可以是移动终端、固定终端或便携式终端，例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统设备、个人导航设备、个人数字助理、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合，包括这些设备的配件和外设或者其任意组合。还可预见到的
是，终端设备能够支持任意类型的针对用户的接口(例如可穿戴设备)等。
105.服务器：可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
106.长短期记忆网络(long short-term memory，lstm)：是一种时间循环神经网络，是为了解决一般的循环神经网络存在的长期依赖问题而专门设计出来的。
107.地理散列(geohash)：是一种空间地址编码方法，本质是一个将二维数据编码为一维的方法，将平面地柜分解成小的网格，使得空间中的经纬度数据能编码成一个字符串，可以提高空间索引检索的效率。
108.空间索引：作为一种辅助性的空间数据结构，空间索引介于空间操作算法和空间对象之间，它通过筛选作用，大量与特定空间操作无关的空间对象被排除，从而提高空间操作的速度和效率。例如，通过geohash，确定各网格的空间地址编码，并建立网格与网格内的对象相关信息(如，车辆位置信息)之间的对应关系，则可以通过待检索区域覆盖的网格的空间地址编码进行检索，快速获得待检索区域内的对象相关信息。可选的，空间索引还可以基于地理索引(uber h3)、谷歌s2(google s2)、滴滴网格(dididgrid)以及二叉搜索树(k-dimensional-tree，kd-tree)构建。
109.深度学习：是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。
110.机器学习：计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。
111.决策树：表示基于特征参数对实例进行分类的树形结构，包含多个层。决策树的生成过程就是使用满足划分准则的特征参数不断的将数据集划分为纯度更高，不确定性更小的子集的过程。
112.信息增益：为以某特征参数划分数据集前后的熵的差值。熵用于度量随机变量的不确定性。熵越大，样本的不确定性就越大。因此可以使用划分前后集合熵的差值，来衡量使用当前特征进行划分的效果的好坏。
113.为了在检索目标地点周边的目标对象时，可以提高检索精准度，本技术实施例提供了一种检索的方法、装置、电子设备、可读存储介质以及产品。
114.参阅图1所示，为本技术实施例提供的一种应用场景示意图。该应用场景中包括服务器和用户终端。可选的，服务器与用户终端之间可以采用有线连接，也可以采用无线连接，用户终端可以为一个，也可以为多个，在此不作限制。如，用户终端1、用户终端2
……
用户终端n，其中，n为正整数。
115.服务器：用于在模型训练阶段，通过训练样本数据进行模型训练，获得检索距离预估模型，还用于在模型应用阶段，在接收到用户终端发送的用于请求检索目标对象的检索请求消息之后，通过检索请求消息中的目标位置信息，以及检索距离预估模型，预估目标检索距离，并基于目标位置信息和目标检索距离确定待检索区域，以及在待检索区域内检索目标对象，获得检索结果，并将检索结果返回给用户终端。
116.用户终端：可以为终端设备，用于根据用户针对目标对象的检索指令，向服务器发送用于请求检索目标对象的检索请求消息，并接收服务器返回的检索结果，以及基于接收的检索结果，向用户展示检索获得的目标对象相关信息。
117.例如，用户通过用户终端(如，手机)下发用于检索空闲车辆(即目标对象)的检索指令。用户终端基于该检索指令，向服务器发送包含用户当前位置信息(即目标位置信息)的检索请求消息。服务器基于接收的检索请求消息，获取用户当前位置信息，并基于用户当前位置信息以及检索距离预估模型，调整目标检索距离，以及基于用户位置信息和目标检索距离，检索用户周边的空闲车辆，获得检索的多个空闲车辆的车辆位置信息(即目标对象相关信息)。
118.本技术实施例中，可以根据目标位置信息，自适应调整检索目标对象时的目标检索距离，进而可以自适应调整待检索区域，并在待检索区域内检索目标对象，从而可以通过自适应调整目标检索距离，减少检索数据冗余以及检索召回数量不足的问题，提高检索精准度和检索性能。
119.需要说明的是，本技术实施例中，执行主体为电子设备，电子设备可以为服务器，也可以为终端设备，图1中仅以通过服务器进行模型训练以及基于训练好的模型检索目标对象为例进行说明。实际应用中，还可以通过终端设备执行模型训练以及基于模型的检索。
120.参阅图2所示，为本技术实施例提供的一种模型训练的方法的实施流程图，结合图1对模型训练的方法进行具体说明，该方法的具体实施流程如下：
121.步骤200：获取用于模型训练的训练样本数据。
122.具体的，训练样本数据包括多个检索信息样本，以及各检索信息样本对应的子区域尺寸样本和检索距离验证样本。检索信息样本为模型输入数据，子区域尺寸样本和检索距离验证样本用于结合模型输出结果，对模型参数进行调整。
123.需要说明的是，训练样本数据通常为收集的历史检索数据。
124.其中，检索信息样本中可以包括以下特征参数中的至少一种：
125.目标位置信息、查询距离阈值、目标对象的查询数量阈值以及目标对象疏密度。
126.一种实施方式中，检索信息样本中仅包含目标位置信息和查询距离阈值。
127.一种实施方式中，检索信息样本中仅包含目标对象疏密度。
128.其中，目标位置信息为目标地点的位置，在检索时，作为待检索区域的中心位置，例如，目标位置信息可以为用户当前所在位置的坐标。
129.其中，目标对象为待检索的对象，例如，目标对象可以为空闲车辆、加油站以及厕所等。
130.其中，查询距离阈值为对目标对象进行检索时的最大检索距离。查询数量阈值为要求检索出的目标对象数量。可选的，查询距离阈值和目标对象的查询数量阈值可以是从用于请求检索目标对象的检索请求消息中获取的，也可以为系统默认设置的。
131.例如，目标位置信息为用户当前位置，目标对象为空闲车辆，查询距离阈值为1km，查询数量阈值为10个，则表示用户指示对用户周边1km的范围内检索空闲车辆，指示获得至少10辆空闲车辆。
132.其中，目标对象疏密度为目标对象在单位区域内的数量。例如，目标对象疏密度为每100平米内有10辆空闲车辆。
133.一种实施方式中，根据目标位置信息和查询距离阈值，确定最大查询区域，并根据最大查询区域内的目标对象数量，确定目标对象疏密度。
134.一种实施方式中，根据目标位置信息和查询距离阈值，确定最大查询区域，并从跳表(skiplist)中，检索获得最大查询区域内的目标对象疏密度。
135.其中，skiplist中记录有各区域内的目标对象疏密度。
136.需要说明的是，由于不同区域的目标对象疏密度通常是不同的，因此，当目标位置信息和查询距离阈值不同时，获得的目标对象疏密度可能不同。
137.例如，在北京二环内的车辆疏密度(即目标对象疏密度)与北京六环内的车辆疏密度不同。
138.一种实施方式中，检索信息样本中包括目标位置信息、查询距离阈值、目标对象的查询数量阈值，以及基于目标位置信息和查询距离阈值获得的目标对象疏密度。
139.其中，子区域的形状可以为矩形、正方向、圆形以及其它任意形状，如，子区域可以为一个城市，则子区域的形状即为该城市的地理形状。子区域尺寸样本为子区域划分的尺寸。实际应用中，由于子区域的形状不同，因此，子区域尺寸的定义可以根据实际应用场景进行设置。如，子区域为正方向，则子区域尺寸可以为正方形边长，又如，子区域为圆形，则子区域尺寸可以为半径。
140.例如，按照边长100m(子区域尺寸样本)，将二维平面划分为边长为100m的正方形的子区域。这样，记录各子区域内的目标对象的对象相关信息，以便在后续步骤中，可以通过子区域，进行目标对象的检索，提高检索效率。
141.其中，检索距离验证样本用于确定对目标对象进行检索时的检索范围，如，检索距离验证样本为检索半径r。
142.进一步的，在模型训练时，模型输入的特征参数均为非连续属性，因此，还可以将训练样本数据进行划分，获得划分后的训练样本数据，从而可以在后续的步骤中，通过划分后的训练样本数据进行模型训练。
143.一种实施方式中，分别针对训练样本数据中的每一特征参数，执行以下步骤：按照针对特征参数设置的设定步长，将该特征参数对应的数据进行划分，获得多个数据集合。
144.例如，特征参数为查询数量阈值，依次为1、2、5、10，设定步长为5，则按照设定步长5将各查询数量阈值进行划分，分别获得包含1、2、5的第一查询数量阈值集合，以及包含10的查询数量阈值第二集合。
145.实际应用中，也可以采用其它方式，进行数据划分，在此不作限制。
146.步骤201：基于随机森林算法或深度学习算法，构建初始预测模型。
147.一种实施方式中，基于lstm构建初始预测模型。
148.实际应用中，也可以采用其它算法，构建初始预测模型，在此不作限制。
149.一种实施方式中，基于随机森林算法，构建初始预测模型时，可以采用以下步骤：
150.s2011：根据各检索信息样本，以及各检索信息样本对应的子区域尺寸样本和检索距离验证样本，分别确定每两个特征参数之间的信息增益或基尼指数。
151.具体的，决策树是表示基于特征参数对实例进行分类的树形结构，包含多个层。决策树的生成过程就是使用满足划分准则的特征参数不断的将数据集划分为纯度更高，不确定性更小的子集的过程。信息增益为以某特征参数划分数据集前后的熵的差值。熵用于度
量随机变量的不确定性。熵越大，样本的不确定性就越大。因此可以使用划分前后集合熵的差值，来衡量使用当前特征进行划分的效果的好坏。与信息增益类似，基尼指数越高，样本的不确定性就越大。
152.其中，确定信息增益时，可以采用以下公式：
153.e(p1)＝e(-logp1)＝-∑p1log(p1)；
154.e(p2)＝e(-logp2)＝-∑p2log(p2)；
155.gain(p1,p2)＝e(p1)-e(p2)；
156.其中，gain(p1，p2)为两个特征参数之间的信息增益。p为特征参数权重，表示特征参数对输出结果的影响的程度。
157.s2012：根据每两个特征参数之间的信息增益或基尼指数，构建多个决策树。
158.具体的，根据每两个特征参数之间的信息增益或基尼指数由高到低的顺序，构建决策树中各个层。其中，每一层对应一个特征参数，用于根据该特征参数进行子集划分。
159.需要说明的是，不同决策树的层结构可以是相同的，且各决策树之间是独立互不干扰的。
160.这样，按照信息增益或基尼指数由高到低的顺序，构建决策树，能够最大化地减少熵值，使得不确定性达到最小。
161.s2013：基于构建的各决策树，获得初始预测模型。
162.具体的，由构建的多个决策树，组成随机森林，并将组成的随机森林，作为初始预测模型。
163.这样，就可以根据训练样本数据，构建初始预测模型。
164.步骤202：基于训练样本数据，对初始预测模型进行训练，获得训练好的检索距离预估模型。
165.具体的，基于各检索信息样本，以及各检索信息样本对应的子区域尺寸样本和检索距离验证样本，对初始预测模型进行训练，获得训练好的检索距离预估模型。
166.具体的，循环执行以下步骤，直至确定获得符合预设训练条件的检索距离预估模型：
167.s2021：将各检索信息样本输入至初始预测模型，输出预估的子区域尺寸和目标检索距离。
168.参阅图3所示，为本技术实施例提供的一种决策树的示意图。决策树中包含多个层。第一层为查询距离阈值，第二层为查询数量阈值，第三层为目标对象疏密度，决策树的输入为训练样本数据，输出为预估的目标检索距离。每一层的特征参数数据均被划分为多个数据集合。如，查询距离阈值可以按照1km进行划分。这样，就可以采用决策树，依次根据输入的查询距离阈值、查询数量阈值以及目标对象疏密度，输出目标检索距离。
169.进一步的，将初始预测模型中各决策树的目标检索距离的平均值，确定为初始预测模型输出的目标检索距离，同理，初始预测模型还可以输出子区域尺寸。
170.例如，用户当前坐标为(x，y)，查询距离阈值为2km，查询数量阈值为5，则通过用户当前坐标(x，y)和查询距离阈值2km，确定目标对象疏密度为500，则图3中，采用决策树，根据输入的查询距离阈值2km、查询数量阈值5以及目标对象疏密度500，输出预估的目标检索距离100m。其中，x，y为地理坐标值。
171.这样，就可以基于多个决策树构建的初始预测模型，预估子区域尺寸和目标检索距离。
172.s2022：分别确定子区域尺寸样本与预估的子区域尺寸之间的尺寸误差，以及检索距离验证样本与目标检索距离之间的距离误差。
173.s2023：判断尺寸误差和距离误差是否符合预设训练条件，若是，则执行s2025，否则，执行s2024。
174.实际应用中，预设训练条件可以根据实际应用场景进行设置，如，尺寸误差和距离误差均为10m，在此不作限制。
175.s2024：根据确定出的尺寸误差和距离误差，对初始预测模型中的模型参数进行调整，获得调整后的初始预测模型，执行s2021。
176.s2025：将预设训练条件的初始预测模型，作为训练好的检索距离预估模型。
177.这样，就可以在模型训练阶段，通过训练样本数据进行模型训练，获得训练好的检索距离预估模型，从而可以在后续的步骤中，通过检索距离预估模型，预估不同目标位置信息对应的目标检索距离。
178.参阅图4所示，为本技术实施例提供的一种检索的方法的实施流程图，结合图1所示的应用场景，对检索的方法进行具体说明，该方法的具体实施流程如下：
179.步骤400：获取用于请求检索目标对象的检索请求消息中的目标位置信息。
180.具体的，用户终端根据用户针对目标对象的检索指令，向服务器发送用于请求检索目标对象的检索请求消息。服务器在接收到用户终端发送的检索请求消息之后，对检索请求消息进行解析，获得检索请求消息中的目标位置信息。
181.例如，目标位置信息为出行目的地的坐标。目标对象为美食餐厅。检索请求消息用于检索出行目的地周边最近的多个美食餐厅。
182.进一步的，检索请求消息中还可以包含以下参数中的至少一种：查询距离阈值、目标对象的查询数量阈值以及目标对象标识信息。
183.步骤401：基于目标位置信息以及检索距离预估模型，获得目标检索距离。
184.具体的，执行步骤401时，可以采用以下步骤：
185.s4011：获取查询距离阈值以及目标对象的查询数量阈值。
186.可选的，查询距离阈值以及目标对象的查询数量阈值可以是从检索请求消息中获取的，也可以是系统默认设置的，也就是说，查询距离阈值以及目标对象的查询数量阈值可以是用户指示的，也可以是预先设置的，可以是固定值，也可以为非固定值。
187.一种实施方式中，获取预先针对目标位置信息设置的查询距离阈值r，并从检索请求消息中获取用户指示的查询数量阈值limit。
188.这样，就可以获取查询距离阈值r以及查询数量阈值limit。
189.s4012：根据目标位置信息和查询距离阈值，确定最大查询区域。
190.一种实施方式中，将以目标位置信息为圆心，以查询距离阈值为半径组成的圆形区域，作为最大查询区域。
191.一种实施方式中，将以目标位置信息为区域中心，以查询距离阈值的两倍为边长组成的矩形区域，作为最大查询区域。
192.这样，就可以获取用户或系统默认指示的最大查询区域。
193.s4013：获取最大查询区域内的目标对象疏密度。
194.一种实施方式中，通过跳表检索获得最大查询区域内的目标对象疏密度。
195.s4014：将查询数量阈值、查询距离阈值以及目标对象疏密度，输入至检索距离预估模型，输出目标检索距离。
196.进一步的，检索距离预估模型还可以输出子区域尺寸。
197.其中，子区域尺寸用于将二维平面进行划分，获得多个子区域，从而可以在后续的步骤中，通过子区域查询目标对象，以提高检索效率。
198.进一步的，还可以将查询数量阈值、查询距离阈值以及目标对象疏密度分别进行数据划分，确定查询数量阈值、查询距离阈值以及目标对象疏密度分别所属的数据集合，并将获得的各数据集合，输入至检索距离预估模型，输出目标检索距离和子区域尺寸。
199.进一步的，由于查询距离阈值为指示的最大检索距离，因此，若目标检索距离高于查询距离阈值，则还可以将目标检索距离调整为查询距离阈值。
200.这样，就可以获得初始的迭代半径即目标检索距离，以确定初始检索的范围。
201.步骤402：基于目标位置信息以及目标检索距离，对目标对象进行检索，获得检索结果。
202.具体的，执行步骤402时，可以采用以下步骤：
203.s4021：基于目标位置信息和目标检索距离，确定待检索区域。
204.一种实施方式中，将以目标位置信息为圆心，以目标检索距离为半径的圆形区域，确定为待检索区域。
205.s4022：获取待检索区域内的目标对象的对象相关信息和目标对象数量。
206.具体的，获取对象相关信息和目标对象数量时，可以采用以下步骤：
207.第一步：获取检索距离预估模型输出的子区域尺寸。
208.第二步：获取子区域尺寸的子区域与目标对象的对象相关信息之间的对应关系。
209.一种实施方式中，获取子区域与子区域内的目标对象的对象相关信息的空间索引。
210.其中，子区域是根据上述子区域尺寸划分获得的。目标对象的对象相关信息可以包括目标对象标识信息、目标对象位置信息以及目标对象属性信息中的至少一种。
211.可选的，空间索引可以是基于获取的子区域尺寸实时构建的，也可以是在执行s4022之前预先构建的。采用空间索引的方式，可以通过子区域的空间地址编码，检索获得任一子区域内的目标对象的对象相关信息以及目标对象数量。
212.例如，参阅图5所示，为本技术实施例提供的一种网格划分示例图。图5中，按照子区域尺寸，将二维平面进行划分，获得多个网格(即子区域)，并将各网格进行编号，获得各网格得的网格地址编码，如，网格1、网格2
…
网格9。
213.参阅图6所示，为本技术实施例提供的一种网格地址编码映射的示例图。图6中，横坐标为网格地址编码，显示有多个网格与网格地址编码之间的对应关系。还可以建立网格地址编码与网格内的目标对象的对象相关信息之间的对应关系。这样，就可以通过网格与网格地址编码之间的对应关系，以及网格地址编码与网格内的目标对象的对象相关信息之间的对应关系，建立空间索引，进而可以在后续的步骤中，通过空间索引，可以检索目标子区域内的对象相关信息。
214.第三步：确定待检索区域内的目标子区域。
215.具体的，在预先基于子区域尺寸划分获得的各子区域中，筛选出待检索区域覆盖的目标子区域。
216.可选的，目标子区域可以为一个，也可以为多个，在此不作限制。
217.第四步：根据目标子区域以及上述对应关系，获得目标子区域内的目标对象的对象相关信息和目标对象数量。
218.具体的，根据上述对应关系，获得目标子区域内的目标对象的对象相关信息和目标对象数量。
219.一种实施方式中，采用目标子区域，在空间索引中进行检索，获得目标子区域内的目标对象的对象相关信息和目标对象数量。
220.这样，就可以基于目标检索距离以及空间索引进行检索，极大地提高了检索效率。
221.s4023：若目标对象数量不低于查询数量阈值，或者，目标检索距离不低于查询距离阈值，则确定符合检索条件，将对象相关信息和目标对象数量，确定为检索结果。
222.具体的，若目标对象数量不低于查询数量阈值，则确定符合检索条件，若确定目标检索距离不低于查询距离阈值，也确定符合检索条件。
223.也就是说，目标对象数量和目标检索距离中的任意一个符合相应要求，即确定满足检索条件。
224.例如，查询数量阈值为10，查询距离阈值为5km，确定出的目标对象数量为12，目标检索距离为5km，由于目标对象数量12不低于查询数量阈值10，因此，确定符合检索条件，则将获得的多个目标对象的对象位置信息以及目标对象数量12，确定为检索结果。
225.s4024：若目标对象数量低于查询数量阈值，且目标检索距离低于查询距离阈值，则增大目标检索距离，并基于目标位置信息以及增大后的目标检索距离检索目标对象，直至符合检索条件，即检索获得的新的目标对象数量不低于查询数量阈值，或者，增大后的目标检索距离不低于查询距离阈值，并将获得的新的目标对象数量和新的对象相关信息，确定为检索结果。
226.具体的，循环执行以下步骤，直至检索获得的新的目标对象数量不低于查询数量阈值，或者，增大后的目标检索距离不低于查询距离阈值：
227.第一步：根据子区域尺寸将目标检索距离增大，获得增大后的目标检索距离。
228.一种实施方式中，将目标检索距离与子区域尺寸的和，作为增大后的目标检索距离。
229.实际应用中，也可以采用其它方式增大目标检索距离，在此不作限制。
230.例如，参阅图7所示，为本技术实施例提供的一种目标检索距离调整示意图。图7中，初始的目标检索距离为1km，子区域尺寸为1km，则可以每次将目标检索距离增大1km，获得2km、3km
……
的目标检索距离。
231.第二步：基于目标位置信息和增大后的目标检索距离，更新检索覆盖的目标子区域。
232.一种实施方式中，将以目标位置信息为区域中心，以增大后的目标检索距离的两倍为边长的方形区域所覆盖的子区域，为目标子区域。
233.一种实施方式中，将以目标位置信息为区域中心，以增大后的目标检索距离为半
径的圆形区域所覆盖的子区域，为目标子区域。
234.参阅图8所示，为本技术实施例提供的一种目标子区域示意图。图8中，获得以目标位置信息为区域中心，以增大后的目标检索距离为半径的圆形区域，并将该圆形区域覆盖的各子区域，确定为目标子区域。
235.需要说明的是，只要子区域中的部分区域被该圆形区域覆盖，则将该子区域确定为目标子区域。
236.第三步：基于更新后的目标子区域以及对应关系，获得更新后的目标子区域内的新的对象相关信息和新的目标对象数量。
237.一种实施方式中，通过空间索引，检索更新后的目标子区域内的新的对象相关信息和新的目标对象数量。
238.第四步：若检索获得的新的目标对象数量低于查询数量阈值，且增大后的目标检索距离低于查询距离阈值，则执行上述s4024中的第一步，否则，停止循环检索。
239.这样，就可以基于查询数量阈值和目标检索距离，构建检索条件，即目标对象数量不低于查询数量阈值，或者，目标检索距离不低于查询距离阈值，进而可以获得符合检索条件的对象相关信息和新的目标对象数量。
240.进一步的，还可以向用户展示检索结果。
241.一种实施方式中，服务器通过显示界面向用户展示检索结果。
242.一种实施方式中，服务器将检索结果发送给用户终端。用户终端向用户呈现检索结果。
243.其中，展示检索结果时，可以采用以下两种方式：
244.方式1：若检索结果中的目标对象数量不高于查询数量阈值，则按照检索结果中的目标对象的对象相关信息，向用户展示检索获得的目标对象。
245.例如，查询数量阈值为10，目标对象数量为10，目标对象为空闲车辆，对象相关信息为车辆位置信息，则可以通过服务器或用户终端，向用户展示检索获得的各空闲车辆的车辆位置信息，以及目标对象数量10。
246.方式2：若检索结果中的目标对象数量高于查询数量阈值，则将检索结果中的目标对象进行筛选，并按照筛选后的目标对象的对象相关信息，向用户展示检索获得的目标对象。
247.具体的，执行方式2时，可以采用以下步骤：
248.第一步：若检索结果中的目标对象数量高于查询数量阈值，则获取各目标对象的对象相关信息中的对象位置信息。
249.其中，对象相关信息可以包含对象位置信息。
250.例如，查询数量阈值为10，目标对象数量为15，目标对象为空闲车辆，对象位置信息为车辆位置信息。由于目标对象数量15高于查询数量阈值10，因此，获取各空闲车辆的车辆位置信息。
251.第二步：根据目标位置信息以及检索结果中的各目标对象的对象位置信息，分别确定检索结果中的每一目标对象与用户之间的距离。
252.第三步：按照检索结果中的各目标对象与用户之间的距离，从检索结果中的各目标对象中，筛选出数量为查询数量阈值的目标对象。
253.其中，筛选出的目标对象与用户之间的距离低于未被筛选出的目标对象与用户之间的距离。
254.一种实施方式中，按照各目标对象与用户之间的距离由近到远的顺序，将各目标对象进行排序，并按照该排序，筛选出排序靠前的查询数量阈值的目标对象。
255.例如，查询数量阈值为10，则可以按照目标对象排序，筛选出距离用户最近的前10个目标对象。
256.第四步：根据筛选出的目标对象的对象相关信息，向用户展示筛选后的目标对象。
257.具体的，可以通过服务器或用户终端，向用户展示筛选后的目标对象。
258.其中，对象相关信息中还可以包含目标对象的图标、属性、名称、标识信息、用户与目标对象之间的路线等，在此不作限制。
259.例如，目标对象为建筑，则建筑的属性可以为火车站以及飞机场等，目标对象为车辆，则车辆的属性可以为空闲车辆以及非空闲车辆等。目标对象为商店，则商店的属性可以为大型超市以及便利店等。还可以包括自定义属性，如，家、公司、喜好地点以及收藏地点等。
260.进一步的，还可以针对不同的属性，设置不同的图标，以便用户可以快速的获取目标对象的详情信息。
261.一种实施方式中，按照各目标对象与用户之间的距离由近到远的顺序，依次向用户展示各目标对象的对象相关信息。
262.一种实施方式中，根据各目标对象与用户之间的路线，确定用户到达各目标对象的路程时间，并按照各目标对象与用户之间的路程时间由小到高的顺序，依次向用户展示各目标对象的对象相关信息。
263.一种实施方式中，根据各目标对象的对象位置信息以及属性，在地图中的相应位置展示各目标对象的属性对应的图标，并展示用户分别到达每一目标对象的路线和路程时间。
264.进一步的，还可以根据用户的筛选指示，将各目标对象进行筛选后，向用户展示筛选后的目标对象的对象相关信息。
265.一种实施方式中，筛选出并展示指定属性的目标对象。
266.例如，指定属性为空闲车辆，则可以从检索获得的各车辆中，筛选并展示空闲车辆。
267.实际应用中，对象相关信息、目标对象的展示形式和展示内容，均可以根据实际应用场景进行设置，在此不作限制。
268.下面采用一个具体的应用场景，对上述图2和图4中的实施例进行具体说明。参阅图9所示，为本技术实施例提供的一种离线模型训练以及在线检索方法的实施流程图，包括离线模型训练流程以及在线检索流程。
269.其中，离线模型训练流程的具体实施流程如下：
270.步骤900：获取用于模型训练的训练样本数据。
271.步骤901：基于训练样本数据，对初始预测模型训练，获得训练好的检索距离预估模型，执行步骤913。
272.其中，在线检索流程的具体实施流程如下：
273.步骤910：接收用户终端发送的用于请求检索目标对象的检索请求消息。
274.步骤911：对检索请求消息进行解析，获得目标位置信息、查询距离阈值以及目标对象的查询数量阈值。
275.步骤912：根据目标位置信息和查询距离阈值，在跳表中进行查询，获得目标位置信息周边的目标对象疏密度。
276.步骤913：将查询数量阈值、查询距离阈值以及目标对象疏密度，输入至检索距离预估模型，输出目标检索距离以及子区域尺寸。
277.一种实施方式中，将查询数量阈值limit、查询距离阈值r以及目标对象疏密度num，输入至检索距离预估模型，输出目标检索距离r。
278.步骤914：基于目标位置信息和目标检索距离，确定待检索区域。
279.步骤915：从基于子区域尺寸划分的各子区域中，确定待检索区域覆盖的目标子区域。
280.步骤916：采用空间索引的方式，检索目标子区域内的对象相关信息和目标对象数量。
281.一种实施方式中，若目标子区域为多个，则分别获取每一目标子区域内的对象相关信息和目标对象数量，并将各目标子区域内的对象相关信息和目标对象数量进行合并，获得合并后的对象相关信息和目标对象数量。
282.步骤917：判断目标对象数量和目标检索距离是否不符合检索条件，若是，则执行步骤918，否则，执行步骤919。
283.具体的，若目标对象数量不低于查询数量阈值，或者，目标检索距离不低于查询距离阈值，则确定目标对象数量和目标检索距离符合检索条件，执行步骤919。
284.若目标对象数量低于查询数量阈值，且目标检索距离低于查询距离阈值，则确定目标对象数量和目标检索距离不符合检索条件，执行步骤918。
285.步骤918：根据子区域尺寸，将目标检索距离增大，获得增大后的目标检索距离，执行步骤914。
286.步骤919：将检索获得的目标对象的对象相关信息以及对象数量，作为检索结果。
287.步骤920：向用户展示检索结果。
288.例如，参阅图10所示，为本技术实施例提供的一种美食检索示例图。用户在外卖应用程序中输入美食，并执行美食检索操作，则外卖应用程序确定目标对象为餐饮店，并根据用户当前位置信息，检索到最近的4个餐饮店，如，米线店、烧烤店、盖饭店以及咖啡厅，并按照用户与各餐饮店之间的距离由近到远的顺序，显示各餐饮店图标和名称。进一步的，还可以显示各餐饮店的详细地址、人均消费价格以及距离等。
289.又例如，参阅图11所示，为本技术实施例提供的一种打车示例图。用户在打车应用程序中执行空闲车辆检索操作，则打车应用程序确定目标对象为专车，并根据用户当前位置信息，检索到最近的2辆专车，并在地图中，通过五角星显示用户当前位置，通过汽车图标显示专车位置。
290.又例如，可以检索交通事故地点(即目标地点)周边的多个网约车(即目标对象)，并将交通事故的具体进展，实时推送至网约车，使得网约车的司机可以规避该交通事故地点。
291.又例如，还可以检索多个用户当前位置(即目标地点)周边的目标对象，如加油站、厕所以及营业商家等，用户可以根据用户去各目标对象之间的距离，选择距离最近的目标对象。
292.具体的，执行步骤900-步骤901时，具体步骤参见上述步骤200-步骤202，执行步骤910-步骤920时，具体步骤参见上述步骤400-步骤402，在此不在赘述。
293.下面采用多个具体的应用场景，对上述实施例进行举例说明。
294.一种应用场景中，通过打车软件，分别检索用户周边的多种车辆类型的车辆。车辆类型可以为：快车、出租车、优享以及专车等。不同类型的车辆，在同一最大查询范围内的车辆疏密度(目标对象疏密度)不同。查询距离阈值为5km，由于用户终端屏幕的大小的限制，查询数量阈值可以设置为10。
295.首先，分别确定每一车辆类型对应的网格尺寸(即子区域尺寸)和最小检索距离(即模型输出的初始的目标检索距离)。
296.例如，基于用户当前位置信息以及查询距离阈值5km，分别确定每一车辆类型的车辆的车辆疏密度，并分别基于每一车辆类型的车辆疏密度、查询距离阈值5km以及查询数量阈值10，以及检索距离预估模型，输出网格尺寸和最小检索距离。快车的最小检索距离为0.5km，网格尺寸为0.35km。出租车的最小检索距离为1km，网格尺寸为0.75km。优享的最小检索距离为2km，网格尺寸为1.5km。专车的最小检索距离为5km，网格尺寸为3.5km。
297.接着，将最小检索距离进行迭代增大，直至检索结果符合检索条件。
298.例如，快车的最小检索距离为0.5km，网格尺寸为0.35km，则确定以用户当前位置为圆心，并以最小检索距离0.5km为半径的圆形区域，以及确定该圆形区域覆盖的网格尺寸为0.35km多个目标网格，采用空间索引的方式，检索到目标网格中的快车数量5《10，则将最小检索距离0.5km进行增大，增大后获得的目标检索距离为0.5km+0.35km＝0.85km，并基于迭目标检索距离0.85km以及网格尺寸0.35km继续检索快车，若获取的快车数量仍然小于10，则继续增大迭代目标检索距离，直至检索获得快车数量仍然不小于10，或者增大后的目标检索距离高于查询距离阈值5km。
299.同理，也可以检索用户周边的出租车、优享以及专车，获得各车辆类型的车辆的最优的目标检索距离以及检索结果。
300.例如，快车的目标检索距离为0.85km，出租车的目标检索距离为1.75km，优享目标检索距离为2km，以及专车目标检索距离为5km。检索用户周边的0.85km范围内，可以获得10辆快车。检索用户周边的1.75km范围内，可以获得10辆出租车。检索用户周边的2km范围内，可以获得10辆优享。检索用户周边的5km范围内，可以获得10辆专车。
301.表1
[0302][0303]
参阅表1所示，为一种检索范围对照表。在进行检索时，将本技术实施例中的检索方式采用的目标检索距离以及检索面积，与传统方式中检索时采用的实际检索距离以及检索面积进行比较。由于检索时是采用9宫格的方式进行检索，因此，检索面积＝9*检索距离*检索距离。采用本技术的检索方式进行检索时，快车的检索面积＝9*0.35*0.35＝1.1025km2。出租车的检索面积＝9*0.75*0.75＝5.0625km2。优享的检索面积＝9*1.5*1.5＝20.25km2。专车的检索面积＝9*3.5*3.5＝110.25km2。显然，本技术实施例中的目标检索距离以及检索面积均远远小于传统方式中检索时采用的实际检索距离以及检索面积，可以极大地提高检索效率，减少数据处理量，提高了检索的精确度。
[0304]
本技术实施例公开了ts1、一种检索的方法，其特征在于，包括：
[0305]
获取用于请求检索目标对象的检索请求消息中的目标位置信息；
[0306]
基于所述目标位置信息以及检索距离预估模型，获得目标检索距离；
[0307]
基于所述目标位置信息以及所述目标检索距离，对所述目标对象进行检索，获得检索结果。
[0308]
ts2、如ts1所述的方法，其特征在于，所述基于所述目标位置信息以及检索距离预估模型，获得目标检索距离，包括：
[0309]
获取查询距离阈值以及所述目标对象的查询数量阈值；
[0310]
根据所述目标位置信息和所述查询距离阈值，确定最大查询区域；
[0311]
获取所述最大查询区域内的目标对象疏密度；
[0312]
将所述查询数量阈值、所述查询距离阈值以及所述目标对象疏密度，输入至所述检索距离预估模型，输出所述目标检索距离。
[0313]
ts3、如ts2所述的方法，其特征在于，所述基于所述目标位置信息以及所述目标检索距离，对所述目标对象进行检索，获得检索结果，包括：
[0314]
基于所述目标位置信息和所述目标检索距离，确定待检索区域；
[0315]
获取所述待检索区域内的目标对象的对象相关信息和目标对象数量；
[0316]
若所述目标对象数量不低于所述查询数量阈值，或者，所述目标检索距离不低于所述查询距离阈值，则确定符合检索条件，将所述对象相关信息和所述目标对象数量，确定为所述检索结果；
[0317]
若确定所述目标对象数量和所述目标检索距离不符合所述检索条件，则增大所述目标检索距离，并基于所述目标位置信息以及增大后的目标检索距离检索目标对象，直至检索获得的新的目标对象数量或增大后的目标检索距离符合所述检索条件，将获得的新的目标对象数量和新的对象相关信息，确定为所述检索结果。
[0318]
ts4、如ts3所述的方法，其特征在于，所述获取所述待检索区域内的目标对象的对象相关信息和目标对象数量，包括：
[0319]
获取所述检索距离预估模型输出的子区域尺寸；
[0320]
获取所述子区域尺寸的子区域与所述目标对象的对象相关信息之间的对应关系；
[0321]
确定所述待检索区域内的目标子区域；
[0322]
根据所述目标子区域以及所述对应关系，获得所述目标子区域内的所述目标对象的对象相关信息和目标对象数量。
[0323]
ts5、如ts4所述的方法，其特征在于，所述对所述目标检索距离进行调整，并基于所述目标位置信息以及增大后的目标检索距离检索目标对象，直至检索获得的新的目标对象数量或增大后的目标检索距离符合所述检索条件，包括：
[0324]
循环执行以下步骤，直至检索获得的新的目标对象数量或增大后的目标检索距离符合所述检索条件：
[0325]
根据所述子区域尺寸，将所述目标检索距离增大，获得增大后的目标检索距离；
[0326]
基于所述目标位置信息和所述增大后的目标检索距离，更新检索覆盖的目标子区域；
[0327]
基于更新后的目标子区域以及所述对应关系，获得所述更新后的目标子区域内的新的对象相关信息和新的目标对象数量；
[0328]
判断检索获得的新的目标对象数量是否不低于所述查询数量阈值，以及增大后的目标检索距离是否不低于查询距离阈值。
[0329]
ts6、如ts3-ts5任一项所述的方法，其特征在于，在基于所述目标位置信息以及所述目标检索距离，对所述目标对象进行检索，获得检索结果之后，还包括：
[0330]
若所述检索结果中的目标对象数量为所述查询数量阈值，则按照所述检索结果中的目标对象的对象相关信息，向用户展示检索获得的目标对象；
[0331]
若所述检索结果中的目标对象数量高于所述查询数量阈值，则获取各目标对象的对象相关信息中的对象位置信息；
[0332]
根据所述目标位置信息以及所述检索结果中的各目标对象的对象位置信息，分别确定所述检索结果中的每一目标对象与所述用户之间的距离；
[0333]
按照所述检索结果中的各目标对象与所述用户之间的距离，从所述检索结果中的各目标对象中，筛选出数量为所述查询数量阈值的目标对象，其中，筛选出的目标对象与所述用户之间的距离低于未被筛选出的目标对象与所述用户之间的距离；
[0334]
根据筛选出的目标对象的对象相关信息，向所述用户展示所述筛选后的目标对象。
[0335]
ts7、如ts1-5任一项所述的方法，其特征在于，在基于所述目标位置信息以及检索距离预估模型，获得目标检索距离之前，还包括：
[0336]
基于随机森林算法或深度学习算法，构建初始预测模型；
[0337]
基于各检索信息样本，以及各检索信息样本对应的子区域尺寸样本和检索距离验证样本，对所述初始预测模型进行训练，获得训练好的检索距离预估模型。
[0338]
ts8、一种检索的装置，其特征在于，包括：
[0339]
获取单元，用于获取用于请求检索目标对象的检索请求消息中的目标位置信息；
[0340]
预估单元，用于基于所述目标位置信息以及检索距离预估模型，获得目标检索距离；
[0341]
检索单元，用于基于所述目标位置信息以及所述目标检索距离，对所述目标对象进行检索，获得检索结果。
[0342]
ts9、如ts8所述的装置，其特征在于，所述预估单元用于：
[0343]
获取查询距离阈值以及所述目标对象的查询数量阈值；
[0344]
根据所述目标位置信息和所述查询距离阈值，确定最大查询区域；
[0345]
获取所述最大查询区域内的目标对象疏密度；
[0346]
将所述查询数量阈值、所述查询距离阈值以及所述目标对象疏密度，输入至所述检索距离预估模型，输出所述目标检索距离。
[0347]
ts10、如ts9所述的装置，其特征在于，所述检索单元用于：
[0348]
基于所述目标位置信息和所述目标检索距离，确定待检索区域；
[0349]
获取所述待检索区域内的目标对象的对象相关信息和目标对象数量；
[0350]
若所述目标对象数量不低于所述查询数量阈值，或者，所述目标检索距离不低于所述查询距离阈值，则确定符合检索条件，将所述对象相关信息和所述目标对象数量，确定为所述检索结果；
[0351]
若确定所述目标对象数量和所述目标检索距离不符合所述检索条件，则增大所述目标检索距离，并基于所述目标位置信息以及增大后的目标检索距离检索目标对象，直至检索获得的新的目标对象数量或增大后的目标检索距离符合所述检索条件，将获得的新的目标对象数量和新的对象相关信息，确定为所述检索结果。
[0352]
ts11、如ts10所述的装置，其特征在于，所述检索单元用于：
[0353]
获取所述检索距离预估模型输出的子区域尺寸；
[0354]
获取所述子区域尺寸的子区域与所述目标对象的对象相关信息之间的对应关系；
[0355]
确定所述待检索区域内的目标子区域；
[0356]
根据所述目标子区域以及所述对应关系，获得所述目标子区域内的所述目标对象的对象相关信息和目标对象数量。
[0357]
ts12、如ts11所述的装置，其特征在于，所述检索单元用于：
[0358]
循环执行以下步骤，直至检索获得的新的目标对象数量或增大后的目标检索距离符合所述检索条件：
[0359]
根据所述子区域尺寸，将所述目标检索距离增大，获得增大后的目标检索距离；
[0360]
基于所述目标位置信息和所述增大后的目标检索距离，更新检索覆盖的目标子区域；
[0361]
基于更新后的目标子区域以及所述对应关系，获得所述更新后的目标子区域内的新的对象相关信息和新的目标对象数量；
[0362]
判断检索获得的新的目标对象数量是否不低于所述查询数量阈值，以及增大后的目标检索距离是否不低于查询距离阈值。
[0363]
ts13、如ts10-ts12任一项所述的装置，其特征在于，所述检索单元还用于：
[0364]
若所述检索结果中的目标对象数量为所述查询数量阈值，则按照所述检索结果中的目标对象的对象相关信息，向用户展示检索获得的目标对象；
[0365]
若所述检索结果中的目标对象数量高于所述查询数量阈值，则获取各目标对象的对象相关信息中的对象位置信息；
[0366]
根据所述目标位置信息以及所述检索结果中的各目标对象的对象位置信息，分别确定所述检索结果中的每一目标对象与所述用户之间的距离；
[0367]
按照所述检索结果中的各目标对象与所述用户之间的距离，从所述检索结果中的各目标对象中，筛选出数量为所述查询数量阈值的目标对象，其中，筛选出的目标对象与所述用户之间的距离低于未被筛选出的目标对象与所述用户之间的距离；
[0368]
根据筛选出的目标对象的对象相关信息，向所述用户展示所述筛选后的目标对象。
[0369]
ts14、如ts8-ts12任一项所述的装置，其特征在于，所述预估单元还用于：
[0370]
基于随机森林算法或深度学习算法，构建初始预测模型；
[0371]
基于各检索信息样本，以及各检索信息样本对应的子区域尺寸样本和检索距离验证样本，对所述初始预测模型进行训练，获得训练好的检索距离预估模型。
[0372]
ts15、一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如ts1-ts7任一所述方法。
[0373]
ts16、一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如ts1-ts7任一所述方法。
[0374]
ts17、一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现ts1-ts7任一所述方法的步骤。
[0375]
基于同一发明构思，本技术实施例中还提供了一种检索的装置，由于上述装置及设备解决问题的原理与一种检索的方法相似，因此，上述装置的实施可以参见方法的实施，重复之处不再赘述。
[0376]
如图12所示，其为本技术实施例提供的一种检索的装置的结构示意图，包括：
[0377]
获取单元1201，用于获取用于请求检索目标对象的检索请求消息中的目标位置信息；
[0378]
预估单元1202，用于基于目标位置信息以及检索距离预估模型，获得目标检索距离；
[0379]
检索单元1203，用于基于目标位置信息以及目标检索距离，对目标对象进行检索，获得检索结果。
[0380]
一种实施方式中，预估单元1202用于：
[0381]
获取查询距离阈值以及目标对象的查询数量阈值；
[0382]
根据目标位置信息和查询距离阈值，确定最大查询区域；
[0383]
获取最大查询区域内的目标对象疏密度；
[0384]
将查询数量阈值、查询距离阈值以及目标对象疏密度，输入至检索距离预估模型，输出目标检索距离。
[0385]
一种实施方式中，检索单元1203用于：
[0386]
基于目标位置信息和目标检索距离，确定待检索区域；
[0387]
获取待检索区域内的目标对象的对象相关信息和目标对象数量；
[0388]
若目标对象数量不低于查询数量阈值，或者，目标检索距离不低于查询距离阈值，则确定符合检索条件，将对象相关信息和目标对象数量，确定为检索结果；
[0389]
若确定目标对象数量和目标检索距离不符合检索条件，则增大目标检索距离，并基于目标位置信息以及增大后的目标检索距离检索目标对象，直至检索获得的新的目标对象数量或增大后的目标检索距离符合检索条件，将获得的新的目标对象数量和新的对象相关信息，确定为检索结果。
[0390]
一种实施方式中，检索单元1203用于：
[0391]
获取检索距离预估模型输出的子区域尺寸；
[0392]
获取子区域尺寸的子区域与目标对象的对象相关信息之间的对应关系；
[0393]
确定待检索区域内的目标子区域；
[0394]
根据目标子区域以及对应关系，获得目标子区域内的目标对象的对象相关信息和目标对象数量。
[0395]
一种实施方式中，检索单元1203用于：
[0396]
循环执行以下步骤，直至检索获得的新的目标对象数量或增大后的目标检索距离符合检索条件：
[0397]
根据子区域尺寸，将目标检索距离增大，获得增大后的目标检索距离；
[0398]
基于目标位置信息和增大后的目标检索距离，更新检索覆盖的目标子区域；
[0399]
基于更新后的目标子区域以及对应关系，获得更新后的目标子区域内的新的对象相关信息和新的目标对象数量；
[0400]
判断检索获得的新的目标对象数量是否不低于查询数量阈值，以及增大后的目标检索距离是否不低于查询距离阈值。
[0401]
一种实施方式中，检索单元1203还用于：
[0402]
若检索结果中的目标对象数量为查询数量阈值，则按照检索结果中的目标对象的对象相关信息，向用户展示检索获得的目标对象；
[0403]
若检索结果中的目标对象数量高于查询数量阈值，则获取各目标对象的对象相关信息中的对象位置信息；
[0404]
根据目标位置信息以及检索结果中的各目标对象的对象位置信息，分别确定检索结果中的每一目标对象与用户之间的距离；
[0405]
按照检索结果中的各目标对象与用户之间的距离，从检索结果中的各目标对象中，筛选出数量为查询数量阈值的目标对象，其中，筛选出的目标对象与用户之间的距离低
于未被筛选出的目标对象与用户之间的距离；
[0406]
根据筛选出的目标对象的对象相关信息，向用户展示筛选后的目标对象。
[0407]
一种实施方式中，预估单元1202还用于：
[0408]
基于随机森林算法或深度学习算法，构建初始预测模型；
[0409]
基于各检索信息样本，以及各检索信息样本对应的子区域尺寸样本和检索距离验证样本，对初始预测模型进行训练，获得训练好的检索距离预估模型。
[0410]
本技术实施例提供的一种检索的方法、装置、电子设备、可读存储介质以及产品中，获取用于请求检索目标对象的检索请求消息中的目标位置信息；基于目标位置信息以及检索距离预估模型，获得目标检索距离；基于目标位置信息以及目标检索距离，对目标对象进行检索，获得检索结果。这样，通过检索距离预估模型，可以根据目标位置信息自适应调整检索时的目标检索距离，从而可以自适应调整检索范围，避免了检索数据冗余以及检索召回数量较少等问题，提高了检索精确度。
[0411]
图13示出了一种电子设备1300的结构示意图。参阅图13所示，电子设备1300包括：处理器1310、存储器1320、电源1330、显示单元1340、输入单元1350。
[0412]
处理器1310是电子设备1300的控制中心，利用各种接口和线路连接各个部件，通过运行或执行存储在存储器1320内的软件程序和/或数据，执行电子设备1300的各种功能，从而对电子设备1300进行整体监控。
[0413]
本技术实施例中，处理器1310调用存储器1320中存储的计算机程序时执行如图4中所示的实施例提供的检索的方法。
[0414]
可选的，处理器1310可包括一个或多个处理单元；优选的，处理器1310可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1310中。在一些实施例中，处理器、存储器、可以在单一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
[0415]
存储器1320可主要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系统、各种应用等；存储数据区可存储根据电子设备1300的使用所创建的数据等。此外，存储器1320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件等。
[0416]
电子设备1300还包括给各个部件供电的电源1330(比如电池)，电源可以通过电源管理系统与处理器1310逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
[0417]
显示单元1340可用于显示由用户输入的信息或提供给用户的信息以及电子设备1300的各种菜单等，本发明实施例中主要用于显示电子设备1300中各应用的显示界面以及显示界面中显示的文本、图片等对象。显示单元1340可以包括显示面板1341。显示面板1341可以采用液晶显示屏(liquid crystal display，lcd)、有机发光二极管(organic light-emitting diode，oled)等形式来配置。
[0418]
输入单元1350可用于接收用户输入的数字或字符等信息。输入单元1350可包括触控面板1351以及其他输入设备1352。其中，触控面板1351，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触摸笔等任何适合的物体或附件在触控面板
1351上或在触控面板1351附近的操作)。
[0419]
具体的，触控面板1351可以检测用户的触摸操作，并检测触摸操作带来的信号，将这些信号转换成触点坐标，发送给处理器1310，并接收处理器1310发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1351。其他输入设备1352可以包括但不限于物理键盘、功能键(比如音量控制按键、开关机按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
[0420]
当然，触控面板1351可覆盖显示面板1341，当触控面板1351检测到在其上或附近的触摸操作后，传送给处理器1310以确定触摸事件的类型，随后处理器1310根据触摸事件的类型在显示面板1341上提供相应的视觉输出。虽然在图13中，触控面板1351与显示面板1341是作为两个独立的部件来实现电子设备1300的输入和输出功能，但是在某些实施例中，可以将触控面板1351与显示面板1341集成而实现电子设备1300的输入和输出功能。
[0421]
电子设备1300还可包括一个或多个传感器，例如压力传感器、重力加速度传感器、接近光传感器等。当然，根据具体应用中的需要，上述电子设备1300还可以包括摄像头等其它部件，由于这些部件不是本技术实施例中重点使用的部件，因此，在图13中没有示出，且不再详述。
[0422]
本领域技术人员可以理解，图13仅仅是电子设备的举例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
[0423]
本技术实施例中，一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，使得通信设备可以执行上述实施例中的各个步骤。
[0424]
本技术实施例中，一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述实施例中的各个步骤。
[0425]
为了描述的方便，以上各部分按照功能划分为各模块(或单元)分别描述。当然，在实施本技术时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
[0426]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0427]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0428]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0429]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计
算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0430]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0431]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。