街区类型的确定方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术公开了一种街区类型的确定方法、装置、存储介质及电子装置。其中，该方法包括：在客户端上获取到第一请求，其中，第一请求用于请求获取目标街区的类型；响应第一请求获取目标街区的类型，其中，目标街区的类型根据街区之间已产生的帐号轨迹数据产生，帐号轨迹数据包括：具有关联关系的帐号、帐号产生的运动轨迹、运动轨迹经过的街区和运动轨迹产生的时间，街区包括目标街区；在客户端上显示目标街区的类型。本发明专利技术解决了相关技术对街区类型进行识别的准确性较低的技术问题。

Method, Device, Storage Media and Electronic Device for Determining Block Type

【技术实现步骤摘要】
街区类型的确定方法、装置、存储介质及电子装置
本专利技术涉及互联网领域，具体而言，涉及一种街区类型的确定方法、装置、存储介质及电子装置。
技术介绍
一座城市由众多大大小小的街区组成，每个街区都有一定的功能，我们称之为街区的语义。街区语义的推断往往依赖街区内分布的PoI类型，但是准确的PoI数据在很多应用场景下难以获得。现有的技术方案主要基于文本主题模型对街区语义进行推断。现有技术方案主要采用将城市区域的PoI分布数据类比为文章中的关键词和单词，然后应用LDA、PLSA等主题模型的方法，提取城市区域在隐空间中的表征向量从而建模其对应的语义。此类方法只能获得城市区域的静态表征向量，并且依赖较难获取的高质量PoI分布数据。该方案由于依赖于高质量POI分布数据，从而大大降低了应用场景的普遍性。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种街区类型的确定方法、装置、存储介质及电子装置，以至少解决相关技术对街区类型进行识别的准确性较低的技术问题。根据本专利技术实施例的一个方面，提供了一种街区类型的确定方法，包括：在客户端上获取到第一请求，其中，所述第一请求用于本文档来自技高网...

【技术保护点】
1.一种街区类型的确定方法，其特征在于，包括：在客户端上获取到第一请求，其中，所述第一请求用于请求获取目标街区的类型；响应所述第一请求获取所述目标街区的类型，其中，所述目标街区的类型根据街区之间已产生的帐号轨迹数据产生，所述帐号轨迹数据包括：具有关联关系的帐号、所述帐号产生的运动轨迹、所述运动轨迹经过的所述街区和所述运动轨迹产生的时间，所述街区包括所述目标街区；在所述客户端上显示所述目标街区的类型。

【技术特征摘要】
1.一种街区类型的确定方法，其特征在于，包括：在客户端上获取到第一请求，其中，所述第一请求用于请求获取目标街区的类型；响应所述第一请求获取所述目标街区的类型，其中，所述目标街区的类型根据街区之间已产生的帐号轨迹数据产生，所述帐号轨迹数据包括：具有关联关系的帐号、所述帐号产生的运动轨迹、所述运动轨迹经过的所述街区和所述运动轨迹产生的时间，所述街区包括所述目标街区；在所述客户端上显示所述目标街区的类型。2.根据权利要求1所述的方法，其特征在于，响应所述第一请求获取所述目标街区的类型包括：确定所述第一请求所请求获取的所述目标街区的类型的第一时间段，其中，所述目标街区的类型包括具有对应关系的第二时间段和街区类型，所述第二时间段包括所述第一时间段；从具有对应关系的第二时间段和街区类型中获取所述第一时间段所对应的目标街区类型作为所述目标街区的类型。3.根据权利要求2所述的方法，其特征在于，在从具有对应关系的第二时间段和街区类型中获取所述第一时间段所对应的目标街区类型作为所述目标街区的类型之前，所述方法还包括：确定所述第二时间段；确定所述目标街区在所述第二时间段中的每个时间段时的街区类型，其中，所述目标街区在所述每个时间段时的街区类型用于指示所述目标街区在所述每个时间段时所具有的功能；记录具有对应关系的第二时间段和街区类型。4.根据权利要求2所述的方法，其特征在于，从具有对应关系的第二时间段和街区类型中获取所述第一时间段所对应的目标街区类型作为所述目标街区的类型包括：从所述第二时间段中确定所述第一时间段所在的目标时间段，其中，所述目标时间段包括一个或者多个时间段；从具有对应关系的第二时间段和街区类型中获取所述目标时间段所对应的一个或者多个街区类型；将所述一个或者多个街区类型确定为所述目标街区类型作为所述目标街区的类型。5.根据权利要求1所述的方法，其特征在于，在响应所述第一请求获取所述目标街区的类型之前，所述方法还包括：获取所述街区之间已产生的所述帐号轨迹数据；根据所述街区之间已产生的所述帐号轨迹数据确定每个所述街区的类型。6.根据权利要求5所述的方法，其特征在于，根据所述街区之间已产生的所述帐号轨迹数据确定每个所述街区的类型包括：根据所述帐号轨迹数据构建帐号移动网络，其中，所述帐号移动网络用于表示每个目标时间段上的各个所述街区之间的相似关系，所述帐号移动网络以所述每个目标时间段上的各个所述街区为节点，以所述帐号在所述节点之间的运动关系和所述节点之间的地理位置关系为边；根据所述帐号移动网络对表征所述节点的向量进行训练，得到所述节点对应的目标向量；将所述目标向量确定为每个所述街区在每个所述目标时间段所对应的类型。7.根据权利要求6所述的方法，其特征在于，根据所述帐号移动网络对表征所述节点的向量进行训练，得到所述节点对应的目标向量包括：重复执行以下步骤，直至每次采样到的边所连接的两个节点当前所对应的向量使得目标函数收敛：对所述帐号移动网络的边进行采样，并获取所述采样到的边所连接的两个节点当前所对应的向量；根据所述采样到的边的边类型对所述两个节点当前所对应的向量进行更新。8.根据权利要求7所述的方法，其特征在于，节点所对应的向量为2d维...

【专利技术属性】
技术研发人员：李勇，徐丰力，秦震宇，金德鹏，孙福宁，孟凡超，
申请(专利权)人：腾讯大地通途北京科技有限公司，腾讯科技深圳有限公司，清华大学，
类型：发明
国别省市：北京,11