【技术实现步骤摘要】
出行方案推荐方法、装置、设备及计算机可读存储介质
本专利技术实施例涉及信息推荐
,尤其涉及一种出行方案推荐方法、装置、设备及计算机可读存储介质。
技术介绍
随着电子地图技术的不断发展,人们出行时对电子地图导航功能的依赖越来越强,电子地图客户端依据用户提供的始发点和终止点,能够为用户推荐多种不同出行方案,例如,多个不同出行方式的出行方案等。目前,在向用户推荐出行方案时,通常是按照出行方案的总时长,向用户推荐“最快”的出行方案;或者按照出行方案的总价格,推荐“花费最少”的出行方案。但是,由于用户和出行环境的多样性,现有的出行方案推荐方法的推荐精度低,且稳定性差,无法满足用户需求。
技术实现思路
本专利技术实施例提供一种出行方案推荐方法、装置、设备及计算机可读存储介质,用以解决现有的出行方案推荐方法的推荐精度低,且稳定性差,无法满足用户需求的问题。本专利技术实施例的一个方面是提供一种出行方案推荐方法,包括:根据用户的用户画像信息和出行方式分布信息,当前的出行环境特征信息,以及本次出行的起始点和终止点的特征信息,生成出行特征向量;将所述出行特征向量输入出行方案分类模型,计算备选出行方案的得分,所述出行方案分类模型是采用训练集训练得到的;根据所述备选出行方案的得分,向所述用户推荐出行方案。本专利技术实施例的另一个方面是提供一种出行方案推荐装置,包括:特征提取模块,用于根据用户的用户画像信息和出行方式分布信息,当前的出行环境特征信息,以及本次出行的 ...
【技术保护点】
1.一种出行方案推荐方法,其特征在于,包括:/n根据用户的用户画像信息和出行方式分布信息,当前的出行环境特征信息,以及本次出行的起始点和终止点的特征信息,生成出行特征向量;/n将所述出行特征向量输入出行方案分类模型,计算备选出行方案的得分,所述出行方案分类模型是采用训练集训练得到的;/n根据所述备选出行方案的得分,向所述用户推荐出行方案。/n
【技术特征摘要】
1.一种出行方案推荐方法,其特征在于,包括:
根据用户的用户画像信息和出行方式分布信息,当前的出行环境特征信息,以及本次出行的起始点和终止点的特征信息,生成出行特征向量;
将所述出行特征向量输入出行方案分类模型,计算备选出行方案的得分,所述出行方案分类模型是采用训练集训练得到的;
根据所述备选出行方案的得分,向所述用户推荐出行方案。
2.根据权利要求1所述的方法,其特征在于,所述将所述出行特征向量输入出行方案分类模型,计算备选出行方案的得分之前,还包括:
获取多条历史出行数据,并对所述历史出行数据进行特征预处理;
根据预处理后的每条所述历史出行数据,生成对应的样本数据,得到由所述多条历史出行数据对应的样本数据组成的训练集;
利用所述训练集对预设分类模型进行模型训练,得到所述出行方案分类模型。
3.根据权利要求2所述的方法,其特征在于,获取多条历史出行数据,包括:
获取多条历史出行信息,所述历史出行信息至少包括:用户标识、起始点、终止点和出行时间;
获取每条所述历史出行信息的用户标识对应的用户画像信息和出行方式分布信息,每条所述历史出行信息的出行时间对应的出行环境特征信息,每条所述历史出行信息的起始点和终止点的特征信息,以及每条所述历史出行信息对应的方案选择真值数据,得到每条历史出行信息对应的历史出行数据。
4.根据权利要求3所述的方法,其特征在于,所述对所述历史出行数据进行特征预处理,包括:
对所述历史出行数据中的类别型特征进行独热编码处理;
对所述历史出行数据中的数值型特征进行异常值处理;
对经过异常值处理后的历史出行数据的数值型特征进行归一化处理。
5.根据权利要求3所述的方法,其特征在于,所述根据预处理后的某一条所述历史出行数据,生成对应的样本数据,包括:
对该条所述历史出行数据中的用户画像信息和出行方式分布信息、出行环境特征信息、起始点和终止点的特征信息,生成该条所述历史出行数据对应的出行特征向量;
根据该条所述历史出行数据中的方案选择真值数据,生成该条所述历史出行数据对应的出行特征向量的标签;
将该条所述历史出行数据对应的出行特征向量及其标签,作为一条样本数据。
6.根据权利要求5所述的方法,其特征在于,所述对该条所述历史出行数据中的用户画像信息和出行方式分布信息、出行环境特征信息、起始点和终止点的特征信息,生成该条所述历史出行信息对应的出行特征向量,包括:
将该条所述历史出行信息对应的用户画像信息和出行方式分布信息、出行环境特征信息、起始点和终止点的特征信息,拼接生成该条所述历史出行信息对应的原始特征向量;
对所述原始特征向量中的空值特征进行数据补全,得到所述出行特征向量。
7.根据权利要求6所述的方法,其特征在于,所述对所述原始特征向量中的空值特征进行数据补全,得到所述出行特征向量,包括:
根据所述原始特征向量中的非空值特征构成的非空值特征向量,计算所述非空值特征向量与其他历史出行数据对应的特征向量的余弦相似度;
确定对应的特征向量与所述非空值特征向量的余弦相似度最大的K个所述其他历史出行数据,作为所述原始特征向量的K个最临近数据,其中K为正整数;
对于所述原始特征向量的空值特征,用所述K个最临近数据中对应特征值的均值或者众数进行填充。
8.根据权利要求4所述的方法,其特征在于,所述对所述...
【专利技术属性】
技术研发人员:刘浩,张攀攀,段建国,熊辉,
申请(专利权)人:百度在线网络技术北京有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。