一种兴趣点列表确定方法和系统技术方案

本申请公开了一种兴趣点列表确定方法和系统。所述兴趣点列表确定方法包括：根据搜索关键词获取初始兴趣点列表；确定所述初始兴趣点列表中每个初始兴趣点与所述搜索关键词的相关性；至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表。本申请通过对每个兴趣点与搜索关键词的相关性进行质检，可以获得更合理的兴趣点列表，提升用户体验。

A method and system for determining the list of interest points

【技术实现步骤摘要】
一种兴趣点列表确定方法和系统
本申请涉及网约车领域，特别涉及一种兴趣点列表确定方法和系统。
技术介绍
近年来，随着移动通信技术的快速发展，大量基于智能终端的应用软件涌现了出来。叫车类应用是其中很受大众欢迎的一类。乘客通过客户端输入起始地和目的地信息，发送用车请求。司机根据乘客的起始地信息前去接驾并将乘客送到目的地。乘客在输入起始地与目的地信息时，可通过在客户端输入搜索关键词(query)来查找兴趣点(POI，PointofInterest)，并从所获得的兴趣点列表中选择起始地和/或目的地。
技术实现思路
本申请的一方面提供一种兴趣点列表确定方法。所述兴趣点列表确定方法包括：根据搜索关键词获取初始兴趣点列表；确定所述初始兴趣点列表中每个初始兴趣点与所述搜索关键词的相关性；至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表。在一些实施例中，所述兴趣点列表确定方法还包括：利用训练好的相关性质检模型确定所述每个初始兴趣点与所述搜索关键词的相关性。在一些实施例中，所述利用训练好的相关性质检模型确定所述每个初始兴趣点与所述搜索关键词的相关性包括：提取所述搜索关键词的第一基础特征和第一深度相关性特征，以及所述每个初始兴趣点的第二基础特征和第二深度相关性特征；根据所述搜索关键词的第一基础特征和第一深度相关性特征以及所述每个初始兴趣点的第二基础特征和第二深度相关性特征，确定所述每个初始兴趣点与所述搜索关键词的相关性。在一些实施例中，所述第一基础特征至少包括关键词文本；所述第一深度相关性特征至少包括关键词的语义特征；所述第二基础特征至少包括兴趣点名称；所述第二深度相关性特征至少包括兴趣点名称的语义特征。在一些实施例中，所述训练好的相关性质检模型为机器学习模型；训练所述相关性质检模型包括：获取多个训练关键词，以及与每个所述训练关键词对应的多个对应兴趣点；提取每个所述训练关键词的第一基础特征和第一深度相关性特征，以及每个所述对应兴趣点的第二基础特征和第二深度相关性特征；基于每个所述训练关键词的第一基础特征和第一深度相关性特征以及每个所述对应兴趣点的第二基础特征和第二深度相关性特征，并根据每个所述训练关键词和与其对应的每个所述对应兴趣点的相关性，训练机器学习模型，获得所述训练好的相关性质检模型。在一些实施例中，所述获取多个训练关键词，以及与每个所述训练关键词对应的多个对应兴趣点包括：获取历史兴趣点列表确定记录；从所述历史兴趣点列表确定记录中提取所述多个训练关键词，以及与每个所述训练关键词对应的多个对应兴趣点。在一些实施例中，所述每个训练关键词和与其对应的每个所述对应兴趣点的相关性由人工标注获得。在一些实施例中，所述机器学习模型为梯度提升树模型。在一些实施例中，所述至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表包括：当所述初始兴趣点列表中前第一阈值个初始兴趣点与所述搜索关键词的相关性均小于第二阈值时，根据所述搜索关键词从第三方检索系统中获取替补兴趣点列表；将所述替补兴趣点列表确定为所述最终兴趣点列表。在一些实施例中，所述至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表还包括：剔除所述初始兴趣点列表中与所述搜索关键词的相关性小于第三阈值的初始兴趣点；将经过所述剔除操作的初始兴趣点列表确定为所述最终兴趣点列表。在一些实施例中，所述兴趣点列表确定方法还包括：对所述最终兴趣点列表进行排序；将所述排序后的最终兴趣点列表发送给终端。本申请的另一方面提供一种兴趣点列表确定系统。所述兴趣点列表确定系统包括：初始兴趣点获取模块、相关性确定模块和最终兴趣点确定模块。其中，所述初始兴趣点获取模块用于根据搜索关键词获取初始兴趣点列表；所述相关性确定模块用于确定所述初始兴趣点列表中每个初始兴趣点与所述搜索关键词的相关性；所述最终兴趣点确定模块用于至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表。在一些实施例中，所述相关性确定模块还用于：利用训练好的相关性质检模型确定所述每个初始兴趣点与所述搜索关键词的相关性。在一些实施例中，所述相关性确定模块进一步包括特征提取单元和相关性确定单元；所述特征提取单元用于提取所述搜索关键词的第一基础特征和第一深度相关性特征，以及所述每个初始兴趣点的第二基础特征和第二深度相关性特征；所述相关性确定单元用于根据所述搜索关键词的第一基础特征和第一深度相关性特征以及所述每个初始兴趣点的第二基础特征和第二深度相关性特征，确定所述每个初始兴趣点与所述搜索关键词的相关性。在一些实施例中，所述第一基础特征至少包括关键词文本；所述第一深度相关性特征至少包括关键词的语义特征；所述第二基础特征至少包括兴趣点名称；所述第二深度相关性特征至少包括兴趣点名称的语义特征。在一些实施例中，所述训练好的相关性质检模型为机器学习模型。在一些实施例中，所述兴趣点列表确定系统进一步包括训练模块，所述训练模块用于训练所述相关性质检模型；所述训练模块包括获取单元、特征提取单元和训练单元；其中，所述获取单元用于获取多个训练关键词，以及与每个所述训练关键词对应的多个对应兴趣点；所述特征提取单元用于提取每个所述训练关键词的第一基础特征和第一深度相关性特征，以及每个所述对应兴趣点的第二基础特征和第二深度相关性特征；所述训练单元用于基于每个所述训练关键词的第一基础特征和第一深度相关性特征以及每个所述对应兴趣点的第二基础特征和第二深度相关性特征，并根据每个所述训练关键词和与其对应的每个所述对应兴趣点的相关性，训练机器学习模型，获得所述训练好的相关性质检模型。在一些实施例中，所述获取单元还用于：获取历史兴趣点列表确定记录；从所述历史兴趣点列表确定记录中提取所述多个训练关键词，以及与每个所述训练关键词对应的多个对应兴趣点。在一些实施例中，所述每个训练关键词和与其对应的每个所述对应兴趣点的相关性由人工标注获得。在一些实施例中，所述机器学习模型为梯度提升树模型。在一些实施例中，所述最终兴趣点确定模块还包括替补兴趣点获取单元和最终兴趣点确定单元；当所述初始兴趣点列表中前第一阈值个初始兴趣点与所述搜索关键词的相关性均小于第二阈值时，所述替补兴趣点获取单元用于根据所述搜索关键词从第三方检索系统中获取替补兴趣点列表；所述最终兴趣点确定单元用于将所述替补兴趣点列表确定为所述最终兴趣点列表。在一些实施例中，所述最终兴趣点列表确定模块还包括剔除单元和最终兴趣点确定单元；所述剔除单元用于剔除所述初始兴趣点列表中与所述搜索关键词的相关性小于第三阈值的初始兴趣点；所述最终兴趣点确定单元用于将经过所述剔除操作的初始兴趣点列表确定为所述最终兴趣点列表。在一些实施例中，所述兴趣点列表确定系统还包括：排序模块和发送模块；所述排序模块用于对所述最终兴趣点列表进行排序；所述发送模块用于将所述排序后的最终兴趣点列表发送给终端。本申请的另一方面提供一种兴趣点列表确定装置。所述兴趣点列本文档来自技高网...

【技术保护点】
1.一种兴趣点列表确定方法，其特征在于，包括：/n根据搜索关键词获取初始兴趣点列表；/n确定所述初始兴趣点列表中每个初始兴趣点与所述搜索关键词的相关性；/n至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表。/n

【技术特征摘要】
1.一种兴趣点列表确定方法，其特征在于，包括：
根据搜索关键词获取初始兴趣点列表；
确定所述初始兴趣点列表中每个初始兴趣点与所述搜索关键词的相关性；
至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表。


2.如权利要求1所述的兴趣点列表确定方法，其特征在于，所述确定所述初始兴趣点列表中每个初始兴趣点与所述搜索关键词的相关性包括：
利用训练好的相关性质检模型确定所述每个初始兴趣点与所述搜索关键词的相关性。


3.如权利要求2所述的兴趣点列表确定方法，其特征在于，所述利用训练好的相关性质检模型确定所述每个初始兴趣点与所述搜索关键词的相关性包括：
提取所述搜索关键词的第一基础特征和第一深度相关性特征，以及所述每个初始兴趣点的第二基础特征和第二深度相关性特征；
根据所述搜索关键词的第一基础特征和第一深度相关性特征以及所述每个初始兴趣点的第二基础特征和第二深度相关性特征，确定所述每个初始兴趣点与所述搜索关键词的相关性。


4.如权利要求3所述的兴趣点列表确定方法，其特征在于，
所述第一基础特征至少包括关键词文本；
所述第一深度相关性特征至少包括关键词的语义特征；
所述第二基础特征至少包括兴趣点名称；
所述第二深度相关性特征至少包括兴趣点名称的语义特征。


5.如权利要求2所述的兴趣点列表确定方法，其特征在于，所述训练好的相关性质检模型为机器学习模型；训练所述相关性质检模型包括：
获取多个训练关键词，以及与每个所述训练关键词对应的多个对应兴趣点；
提取每个所述训练关键词的第一基础特征和第一深度相关性特征，以及每个所述对应兴趣点的第二基础特征和第二深度相关性特征；
基于每个所述训练关键词的第一基础特征和第一深度相关性特征以及每个所述对应兴趣点的第二基础特征和第二深度相关性特征，并根据每个所述训练关键词和与其对应的每个所述对应兴趣点的相关性，训练机器学习模型，获得所述训练好的相关性质检模型。


6.如权利要求5所述的兴趣点列表确定方法，其特征在于，所述获取多个训练关键词，以及与每个所述训练关键词对应的多个对应兴趣点包括：
获取历史兴趣点列表确定记录；
从所述历史兴趣点列表确定记录中提取所述多个训练关键词，以及与每个所述训练关键词对应的多个对应兴趣点。


7.如权利要求5所述的兴趣点列表确定方法，其特征在于，所述每个训练关键词和与其对应的每个所述对应兴趣点的相关性由人工标注获得。


8.如权利要求5所述的兴趣点列表确定方法，其特征在于，所述机器学习模型为梯度提升树模型。


9.如权利要求1所述的兴趣点列表确定方法，其特征在于，所述至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表包括：
当所述初始兴趣点列表中前第一阈值个初始兴趣点与所述搜索关键词的相关性均小于第二阈值时，根据所述搜索关键词从第三方检索系统中获取替补兴趣点列表；
将所述替补兴趣点列表确定为所述最终兴趣点列表。


10.如权利要求1所述的兴趣点列表确定方法，其特征在于，所述至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表包括：
剔除所述初始兴趣点列表中与所述搜索关键词的相关性小于第三阈值的初始兴趣点；
将经过所述剔除操作的初始兴趣点列表确定为所述最终兴趣点列表。


11.如权利要求1所述的兴趣点列表确定方法，其特征在于，所述方法还包括：
对所述最终兴趣点列表进行排序；
将所述排序后的最终兴趣点列表发送给终端。


12.一种兴趣点列表确定系统，其特征在于，包括初始兴趣点获取模块、相关性确定模块和最终兴趣点确定模块，其中，
所述初始兴趣点获取模块用于根据搜索关键词获取初始兴趣点列表；
所述相关性确定模块用于确定所述初始兴趣点列表中每个初始兴趣点与所述搜索关键词的相关性；
所述最终兴趣点确定模块用于至少根据所述每个初始兴趣点与所述搜索关键词的相关性，确定最终兴趣点列表。...

【专利技术属性】
技术研发人员：赵骥，陈欢，宋奇，马利，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11