技术特征：
1.一种地图兴趣点查询方法，包括：接收输入的兴趣点查询请求；从所述兴趣点查询请求中提取出包含的目标查询词；利用预先确定的查询词与兴趣点之间的语义对应关系，确定与所述目标查询词对应的目标兴趣点；其中，用于确定所述语义对应关系的查询词和兴趣点提取自预设的多元地图知识模型，所述多元地图知识模型记录有兴趣点与多元知识之间的多元对应关系，所述多元知识包括：地理位置信息、知识图谱信息和输入的查询词。2.根据权利要求1所述的方法，还包括：从所述多元地图知识模型中提取出真实兴趣点和对应的历史查询词；利用语义相关性建模技术，确定真实兴趣点和对应的历史查询词在语义层面的对应关系，得到所述语义对应关系。3.根据权利要求1所述的方法，还包括：获取处于目标地图区域内的各兴趣点；获取与所述兴趣点对应的地理位置信息、知识图谱信息和输入的查询词；将所述兴趣点作为主节点，并将所述地理位置信息、所述知识图谱信息和所述输入的查询词分别作为所述主节点的不同从节点，且做所述主节点与各所述从节点之间的连线；根据用户行为信息，确定不同兴趣点之间的关联关系，并根据所述关联关系做相应的主节点间的连线，得到节点图；其中，所述连线的线特征基于所连接的两个节点之间的置信度确定；基于预设的训练任务目标，将所述节点图通过图神经网络进行预训练，得到满足所述训练任务目标要求的多元地图知识模型。4.根据权利要求3所述的方法，其中，所述获取与所述兴趣点对应的地理位置信息、知识图谱信息和输入的查询词，包括：获取与所述兴趣点对应的地理位置编码；在预设的知识图谱中，获取与由所述兴趣点作为待查询实体对应的兴趣点实体信息；在操作日志中，获取所述兴趣点被选择时刻之前用户输入的查询词。5.根据权利要求3所述的方法，其中，所述训练任务目标包括：对每个所述主节点进行多分类、且多分类的分类结果精度满足预设要求。6.根据权利要求3所述的方法，还包括：针对所述多元地图知识模型已收录的第一查询词，获取所述第一查询词的节点向量表示，并根据所述节点向量表示确定所属不同类别的概率，且将对应概率最大的类别作为所述第一查询词的实际类别；其中，所述节点向量表示基于与自身建立有连接或存在相邻关系的其它节点的信息共同确定得到；针对所述多元地图知识模型未收录的第二查询词，确定与所述第二查询词相似的目标第一查询词，并将对应相似度最高的目标第一查询词的类别确定为所述第二查询词的实际类别。7.根据权利要求3所述的方法，还包括：基于连接于不同主节点的各从节点间的一致性，对未标注或标注量少于预设数量的主节点和/或从节点，执行标注内容补全操作；
基于连接于不同主节点的各从节点间的一致性，确定存在标注错误的异常主节点和/或异常从节点，并对所述异常主节点和/或所述异常从节点发起错误标注问询或按执行纠正操作。8.根据权利要求3-7任一项所述的方法，其中，所述将构建出的节点图通过图神经网络进行预训练，包括：从已训练好的用于自然语言处理的模型中，获取与文本内容相关的网络结构的训练后参数；将所述训练后参数作为所述图神经网络中与文本内容相关的网络结构的初始参数，得到待训练图神经网络；将构建出的节点图通过所述待训练图神经网络进行预训练。9.一种地图兴趣点查询装置，包括：兴趣点查询请求接收单元，被配置成接收输入的兴趣点查询请求；目标查询词提取单元，被配置成从所述兴趣点查询请求中提取出包含的目标查询词；目标兴趣点确定单元，被配置成利用预先确定的查询词与兴趣点之间的语义对应关系，确定与所述目标查询词对应的目标兴趣点；其中，用于确定所述语义对应关系的查询词和兴趣点提取自预设的多元地图知识模型，所述多元地图知识模型记录有兴趣点与多元知识之间的多元对应关系，所述多元知识包括：地理位置信息、知识图谱信息和输入的查询词。10.根据权利要求9所述的装置，还包括：信息提取单元，被配置成从所述多元地图知识模型中提取出真实兴趣点和对应的历史查询词；语义相关性建模单元，被配置成利用语义相关性建模技术，确定真实兴趣点和对应的历史查询词在语义层面的对应关系，得到所述语义对应关系。11.根据权利要求9所述的装置，还包括：兴趣点文本信息获取单元，被配置成获取处于目标地图区域内的各兴趣点；多元知识获取单元，被配置成获取与所述兴趣点对应的地理位置信息、知识图谱信息和输入的查询词；主从节点确定及连线单元，被配置成将所述兴趣点作为主节点，并将所述地理位置信息、所述知识图谱信息和所述输入的查询词分别作为所述主节点的不同从节点，且做所述主节点与各所述从节点之间的连线；主节点间连线单元，被配置成根据用户行为信息，确定不同兴趣点之间的关联关系，并根据所述关联关系做相应的主节点间的连线，得到节点图；其中，所述连线的线特征基于所连接的两个节点之间的置信度确定；预训练单元，被配置成基于预设的训练任务目标，将所述节点图通过图神经网络进行预训练，得到满足所述训练任务目标要求的多元地图知识模型。12.根据权利要求11所述的装置，其中，所述多元知识获取单元被进一步配置成：获取与所述兴趣点对应的地理位置编码；在预设的知识图谱中，获取与由所述兴趣点作为待查询实体对应的兴趣点实体信息；在操作日志中，获取所述兴趣点被选择时刻之前用户输入的查询词。
13.根据权利要求11所述的装置，其中，所述训练任务目标包括：对每个所述主节点进行多分类、且多分类的分类结果精度满足预设要求。14.根据权利要求11所述的装置，还包括：已收录查询词类别确定单元，被配置成针对所述多元地图知识模型已收录的第一查询词，获取所述第一查询词的节点向量表示，并根据所述节点向量表示确定所属不同类别的概率，且将对应概率最大的类别作为所述第一查询词的实际类别；其中，所述节点向量表示基于与自身建立有连接或存在相邻关系的其它节点的信息共同确定得到；未收录查询词类别确定单元，被配置成针对所述多元地图知识模型未收录的第二查询词，确定与所述第二查询词相似的目标第一查询词，并将对应相似度最高的目标第一查询词的类别确定为所述第二查询词的实际类别。15.根据权利要求11所述的装置，还包括：节点标注内容补全单元，被配置成基于连接于不同主节点的各从节点间的一致性，对未标注或标注量少于预设数量的主节点和/或从节点，执行标注内容补全操作；异常标注内容处理单元，被配置成基于连接于不同主节点的各从节点间的一致性，确定存在标注错误的异常主节点和/或异常从节点，并对所述异常主节点和/或所述异常从节点发起错误标注问询或按执行纠正操作。16.根据权利要求11-15任一项所述的装置，其中，所述预训练单元被进一步配置成：从已训练好的用于自然语言处理的模型中，获取与文本内容相关的网络结构的训练后参数；将所述训练后参数作为所述图神经网络中与文本内容相关的网络结构的初始参数，得到待训练图神经网络；将构建出的节点图通过所述待训练图神经网络进行预训练。17.一种电子设备，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1-8中任一项所述的地图兴趣点查询方法。18.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的地图兴趣点查询方法。19.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1-8中任一项所述地图兴趣点查询方法的步骤。
技术总结
本公开提供了一种地图兴趣点查询方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及深度学习、自然语言处理、知识图谱、智能地图等人工智能技术领域。该方法包括：接收输入的兴趣点查询请求；从兴趣点查询请求中提取出包含的目标查询词；利用预先确定的查询词与兴趣点之间的语义对应关系，确定与目标查询词对应的目标兴趣点；其中，用于确定语义对应关系的查询词和兴趣点提取自预设的多元地图知识模型，多元地图知识模型记录有兴趣点与多元知识之间的多元对应关系，多元知识包括：地理位置信息、知识图谱信息和输入的查询词。应用该方法可以提升兴趣点查询服务的查询结果准确性。结果准确性。结果准确性。
技术研发人员：黄际洲 孙雅铭 卓安 王海峰
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2021.12.28
技术公布日：2022/4/12