兴趣点关系挖掘及模型训练方法、装置、设备和介质与流程

本公开涉及人工智能，具体为大数据、深度学习等，尤其涉及一种兴趣点关系挖掘及模型训练方法、装置、设备和介质。

背景技术：

1、兴趣点(point of interest，poi)是地图上有意义的点，例如，商场、餐馆、加油站等。人们往往会在城市的多个兴趣点之间作出选择，因此poi之间存在用户驱动的多种关系。poi之间的关系可以促进城市智能化发展，为此，需要解决poi关系挖掘问题。

技术实现思路

1、本公开提供了一种兴趣点关系挖掘及模型训练方法、装置、设备和介质。

2、根据本公开的一方面，提供了一种兴趣点关系挖掘模型的训练方法，所述兴趣点关系挖掘模型包括：目标表征提取网络和目标关系预测网络，所述方法包括：采用初始表征提取网络，对多个时段的兴趣点poi关系图进行表征提取处理，以获得多个时段的poi表征；基于所述多个时段的poi表征，构建第一损失函数；基于所述第一损失函数，调整所述初始表征提取网络的模型参数，以获得所述目标表征提取网络；基于所述多个时段的poi关系图、所述目标表征提取网络和初始关系预测网络，获取所述目标关系预测网络。

3、根据本公开的另一方面，提供了一种兴趣点关系挖掘方法，包括：采用目标表征提取网络，对多个时段的初始poi关系图进行表征提取处理，以获得多个时段的poi表征；采用目标关系预测网络，对所述多个时段的poi表征进行关系预测处理，以获得多个时段的目标poi关系图；其中，所述目标表征提取网络和所述目标关系预测网络是采用上述任一方面的任一项所述的训练方法得到的。

4、根据本公开的另一方面，提供了一种兴趣点关系挖掘模型的训练装置，所述兴趣点关系挖掘模型包括：目标表征提取网络和目标关系预测网络，所述装置包括：提取模块，用于采用初始表征提取网络，对多个时段的兴趣点poi关系图进行表征提取处理，以获得多个时段的poi表征；构建模块，用于基于所述多个时段的poi表征，构建第一损失函数；调整模块，用于基于所述第一损失函数，调整所述初始表征提取网络的模型参数，以获得所述目标表征提取网络；获取模块，用于基于所述多个时段的poi关系图、所述目标表征提取网络和初始关系预测网络，获取所述目标关系预测网络。

5、根据本公开的另一方面，提供了一种兴趣点关系挖掘装置，包括：提取模块，用于采用目标表征提取网络，对多个时段的初始poi关系图进行表征提取处理，以获得多个时段的poi表征；预测模块，用于采用目标关系预测网络，对所述多个时段的poi表征进行关系预测处理，以获得多个时段的目标poi关系图；其中，所述目标表征提取网络和所述目标关系预测网络是采用上述任一方面的任一项所述的训练方法得到的。

6、根据本公开的另一方面，提供了一种电子设备，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如上述任一方面的任一项所述的方法。

7、根据本公开的另一方面，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，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。

8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。

9、根据本公开的技术方案，可以提升兴趣点关系挖掘的准确度。

10、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种兴趣点关系挖掘模型的训练方法，所述兴趣点关系挖掘模型包括：目标表征提取网络和目标关系预测网络，所述方法包括：

2.根据权利要求1所述的方法，其中，所述基于所述多个时段的poi表征，构建第一损失函数，包括：

3.根据权利要求2所述的方法，其中，

4.根据权利要求2所述的方法，其中，

5.根据权利要求1所述的方法，其中，

6.根据权利要求5所述的方法，其中，所述针对所述多个poi中两两poi，采用所述距离编码器，对所述两两poi之间的距离进行编码，以获得所述两两poi之间的距离表征，包括：

7.根据权利要求5所述的方法，其中，

8.根据权利要求1所述的方法，其中，所述基于所述多个时段的poi关系图、所述目标表征提取网络和初始关系预测网络，获取所述目标关系预测网络，包括：

9.一种兴趣点关系挖掘方法，包括：

10.一种兴趣点关系挖掘模型的训练装置，所述兴趣点关系挖掘模型包括：目标表征提取网络和目标关系预测网络，所述装置包括：

11.根据权利要求10所述的装置，其中，所述构建模块进一步用于：

12.根据权利要求11所述的装置，其中，

13.根据权利要求11所述的装置，其中，

14.根据权利要求10所述的装置，其中，

15.根据权利要求14所述的装置，其中，所述提取模块进一步用于：

16.根据权利要求14所述的装置，其中，

17.根据权利要求10所述的装置，其中，所述获取模块进一步用于：

18.一种兴趣点关系挖掘装置，包括：

19.一种电子设备，包括：

20.一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根据权利要求1-9中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的方法。

技术总结
本公开提供了一种兴趣点关系挖掘及模型训练方法、装置、设备和存储介质，涉及人工智能技术领域，具体为大数据、深度学习等技术领域。兴趣点关系挖掘模型的训练方法，所述兴趣点关系挖掘模型包括：目标表征提取网络和目标关系预测网络，所述方法包括：采用初始表征提取网络，对多个时段的POI关系图进行表征提取处理，以获得多个时段的POI表征；基于所述多个时段的POI表征，构建第一损失函数；基于所述第一损失函数，调整所述初始表征提取网络的模型参数，以获得所述目标表征提取网络；基于所述多个时段的POI关系图、所述目标表征提取网络和初始关系预测网络，获取所述目标关系预测网络。本公开可以提升兴趣点关系挖掘的准确度。

技术研发人员：李双利,刘吉,周景博
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：
技术公布日：2024/1/16