兴趣点查询方法、装置以及电子设备制造方法及图纸

本申请提供了一种兴趣点查询方法、装置以及电子设备，其中，该方法包括：确定查询分词文本，查询分词文本包括至少一个分词；应用根据查询样本确定的第一规则，在查询分词文本中提取每个分词对应的第一特征；应用根据兴趣点样本确定的第二规则，在查询分词文本中提取每个分词对应的第二特征；应用根据查询样本和兴趣点样本确定的第三规则，根据查询分词文本中每个分词的第一特征和第二特征，确定查询分词文本中每个分词的类别；根据查询分词文本中类别为特征词的分词在兴趣点数据库中匹配目标兴趣点。通过基于查询样本和兴趣点样本确定规则，过滤查询请求文本包括的无关信息，可以在查询请求文本包括无关信息时得到查询结果。

【技术实现步骤摘要】
兴趣点查询方法、装置以及电子设备
本申请涉及计算机
，具体而言，涉及一种兴趣点查询方法、装置以及电子设备。
技术介绍
目前，线上到线下(O2O)服务，例如在线打车服务，由于其便利性已经在日常生活中被广泛使用。对于在线打车服务，用户可以输入与上车地点和/或目的地相关的查询请求文本。在线打车服务系统可以根据输入的查询请求文本在地图数据库中执行搜索。然而，如果用户输入的查询请求文本包括与上车地点和/或目的地无关的信息，则查询请求文本不能召回任何兴趣点(POI)，并且可能需要由用户修改该查询请求文本。在一些情况下，用户可能需要重复修改查询请求文本，直到召回一个或以上POI，这样可能会很耗时。因此，期望提供一种在查询请求文本包括无关信息时自动召回POI的系统和方法。
技术实现思路
有鉴于此，本申请的目的在于提供一种兴趣点查询方法、装置以及电子设备，能够通过基于查询样本和兴趣点样本确定规则，过滤查询请求文本包括的无关信息，可以在查询请求文本包括无关信息时得到查询结果。根据本申请的一个方面，提供一种电子设备，可以包括存储介质和与存储介质通信的处理器。存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行以下操作：确定查询分词文本，所述查询分词文本包括至少一个分词；应用根据查询样本确定的第一规则，在所述查询分词文本中提取每个分词对应的第一特征；应用根据兴趣点样本确定的第二规则，在所述查询分词文本中提取每个分词对应的第二特征；应用根据所述查询样本和所述兴趣点样本确定的第三规则，根据所述查询分词文本中每个分词的第一特征和第二特征，确定所述查询分词文本中每个分词的类别，所述类别包括特征词和冗余词；根据所述查询分词文本中类别为特征词的分词在兴趣点数据库中匹配目标兴趣点，将匹配成功的目标兴趣点作为所述查询分词文本的查询结果。在一些实施例中，一个或多个处理器可以用于：接收用户输入的查询请求文本；对所述查询请求文本进行分词，得到查询分词文本。在一些实施例中，一个或多个处理器可以用于：接收用户输入的查询语音，将所述查询语音转换为查询请求文本；对所述查询请求文本进行分词，得到查询分词文本。在一些实施例中，一个或多个处理器可以用于：将所述查询请求文本中每个字作为一个分词，得到查询分词文本；或者，根据预先确定的分词规则对所述所述查询请求文本进行分词，得到查询分词文本。在一些实施例中，一个或多个处理器可以用于：确定初始标注模型，所述初始标注模型包括初始特征层、初始语言模型以及初始分类层；所述初始特征层的输出和所述初始语言模型的输出的拼接后作为所述初始分类层的输入；基于所述兴趣点样本对所述初始语言模型进行训练得到训练后的语言模型，所述训练后的语言模型包括所述第二规则；基于所述训练后的语言模型以及所述查询样本，对所述初始特征层和初始分类层进行训练，得到训练后的特征层和训练后的分类层，所述训练后的特征层包括第一规则，所述训练后的分类层包括第三规则。在一些实施例中，所述初始特征层为BiLSTM层，所述初始分类层为BiLSTM层。在一些实施例中，一个或多个处理器可以用于：应用根据所述查询样本和所述兴趣点样本确定的概率预测规则，根据所述查询分词文本中每个分词的第一特征和第二特征，确定所述查询分词文本中每个分词对应的第三特征；应用根据兴趣点样本确定的权重确定规则，确定所述查询分词文本中每个分词对应的权重；将所述查询分词文本中每个分词对应的第三特征与权重相乘，得到所述查询分词文本中每个分词对应的第四特征；应用根据所述查询样本和所述兴趣点样本确定的约束规则，根据所述查询分词文本中每个分词对应的第四特征，确定所述查询分词文本中每个分词的类别。在一些实施例中，一个或多个处理器可以用于：确定初始标注模型，所述初始标注模型包括初始特征层、初始语言模型、初始分类层，所述初始分类层包括初始特征子层、初始权重子层和初始标注子层；所述初始特征层的输出和所述初始语言模型的输出的拼接后作为初始特征子层的输入，所述初始特征子层的输出与所述初始权重子层的输出相乘作为初始标注子层的输入；基于所述兴趣点样本对所述初始语言模型进行训练得到训练后的语言模型，所述训练后的语言模型包括所述第二规则；基于所述兴趣点样本对所述初始权重子层进行训练得到训练后的权重子层，所述训练后的权重子层包括所述权重确定规则；基于所述训练后的语言模型、训练后的权重子层以及所述查询样本，对所述初始特征层和初始特征子层和初始标注子层进行训练，得到训练后的特征层、训练后的特征子层和训练后的标注子层，所述训练后的特征层包括第一规则，所述训练后的特征子层包括所述概率预测规则，训练后的标注子层包括所述约束规则。在一些实施例中，所述初始特征层为BiLSTM模型，所述初始特征子层BiLSTM模型，所述初始权重子层为TF-IDF模型，所述初始标注子层为CRF模型。在一些实施例中，所述查询样本包括标注后的指定时间段内的历史查询请求文本。所述兴趣点样本包括兴趣点数据库中的多个兴趣点文本；或者，所述兴趣点样本包括所述指定时间段内的对应于历史查询请求文本的用户选定的兴趣点。根据本申请的另一个方面，提供一种兴趣点查询方法。包括：确定查询分词文本，所述查询分词文本包括至少一个分词；应用根据查询样本确定的第一规则，在所述查询分词文本中提取每个分词对应的第一特征；应用根据兴趣点样本确定的第二规则，在所述查询分词文本中提取每个分词对应的第二特征；应用根据所述查询样本和所述兴趣点样本确定的第三规则，根据所述查询分词文本中每个分词的第一特征和第二特征，确定所述查询分词文本中每个分词的类别，所述类别包括特征词和冗余词；根据所述查询分词文本中类别为特征词的分词在兴趣点数据库中匹配目标兴趣点，将匹配成功的目标兴趣点作为所述查询分词文本的查询结果。在一些实施例中，所述确定查询分词文本包括：接收用户输入的查询请求文本；对所述查询请求文本进行分词，得到查询分词文本。在一些实施例中，所述确定查询分词文本包括：接收用户输入的查询语音，将所述查询语音转换为查询请求文本；对所述查询请求文本进行分词，得到查询分词文本。在一些实施例中，对所述查询请求文本进行分词，得到查询分词文本包括：将所述查询请求文本中每个字作为一个分词，得到查询分词文本；或者，根据预先确定的分词规则对所述所述查询请求文本进行分词，得到查询分词文本。在一些实施例中，在所述确定查询分词文本之前，所述方法还包括：确定初始标注模型，所述初始标注模型包括初始特征层、初始语言模型以及初始分类层；所述初始特征层的输出和所述初始语言模型的输出的拼接后作为所述初始分类层的输入；基于所述兴趣点样本对所述初始语言模型进行训练得到训练后的语言模型，所述训练后的语言模型包括所述第二规则；基于所述训练后的语言模型以及所述查询样本，对所述初始特征层和初始分类层进行训练，得到训练后的特征层和训练后的分类层，所述训练后的特征层包括第一规则，所述训练后的分类层包括第三规则。本文档来自技高网...

【技术保护点】
1.一种兴趣点查询方法，其特征在于，包括：/n确定查询分词文本，所述查询分词文本包括至少一个分词；/n应用根据查询样本确定的第一规则，在所述查询分词文本中提取每个分词对应的第一特征；/n应用根据兴趣点样本确定的第二规则，在所述查询分词文本中提取每个分词对应的第二特征；/n应用根据所述查询样本和所述兴趣点样本确定的第三规则，根据所述查询分词文本中每个分词的第一特征和第二特征，确定所述查询分词文本中每个分词的类别，所述类别包括特征词和冗余词；/n根据所述查询分词文本中类别为特征词的分词在兴趣点数据库中匹配目标兴趣点，将匹配成功的目标兴趣点作为所述查询分词文本的查询结果。/n

【技术特征摘要】
1.一种兴趣点查询方法，其特征在于，包括：
确定查询分词文本，所述查询分词文本包括至少一个分词；
应用根据查询样本确定的第一规则，在所述查询分词文本中提取每个分词对应的第一特征；
应用根据兴趣点样本确定的第二规则，在所述查询分词文本中提取每个分词对应的第二特征；
应用根据所述查询样本和所述兴趣点样本确定的第三规则，根据所述查询分词文本中每个分词的第一特征和第二特征，确定所述查询分词文本中每个分词的类别，所述类别包括特征词和冗余词；
根据所述查询分词文本中类别为特征词的分词在兴趣点数据库中匹配目标兴趣点，将匹配成功的目标兴趣点作为所述查询分词文本的查询结果。


2.根据权利要求1所述的方法，其特征在于，在所述确定查询分词文本之前，所述方法还包括：
确定初始标注模型，所述初始标注模型包括初始特征层、初始语言模型以及初始分类层；所述初始特征层的输出和所述初始语言模型的输出的拼接后作为所述初始分类层的输入；
基于所述兴趣点样本对所述初始语言模型进行训练得到训练后的语言模型，所述训练后的语言模型包括所述第二规则；
基于所述训练后的语言模型以及所述查询样本，对所述初始特征层和初始分类层进行训练，得到训练后的特征层和训练后的分类层，所述训练后的特征层包括第一规则，所述训练后的分类层包括第三规则；其中，所述初始特征层为BiLSTM层，所述初始分类层为BiLSTM层。


3.根据权利要求1所述的方法，其特征在于，所述应用根据所述查询样本和所述兴趣点样本确定的第三规则，根据所述查询分词文本中每个分词的第一特征和第二特征，确定所述查询分词文本中每个分词的类别包括：
应用根据所述查询样本和所述兴趣点样本确定的概率预测规则，根据所述查询分词文本中每个分词的第一特征和第二特征，确定所述查询分词文本中每个分词对应的第三特征；
应用根据兴趣点样本确定的权重确定规则，确定所述查询分词文本中每个分词对应的权重；
将所述查询分词文本中每个分词对应的第三特征与权重相乘，得到所述查询分词文本中每个分词对应的第四特征；
应用根据所述查询样本和所述兴趣点样本确定的约束规则，根据所述查询分词文本中每个分词对应的第四特征，确定所述查询分词文本中每个分词的类别。


4.根据权利要求3所述的方法，其特征在于，在所述确定查询分词文本之前，所述方法还包括：
确定初始标注模型，所述初始标注模型包括初始特征层、初始语言模型、初始分类层，所述初始分类层包括初始特征子层、初始权重子层和初始标注子层；所述初始特征层的输出和所述初始语言模型的输出的拼接后作为初始特征子层的输入，所述初始特征子层的输出与所述初始权重子层的输出相乘作为初始标注子层的输入；
基于所述兴趣点样本对所述初始语言模型进行训练得到训练后的语言模型，所述训练后的语言模型包括所述第二规则；
基于所述兴趣点样本对所述初始权重子层进行训练得到训练后的权重子层，所述训练后的权重子层包括所述权重确定规则；
基于所述训练后的语言模型、训练后的权重子层以及所述查询样本，对所述初始特征层和初始特征子层和初始标注子层进行训练，得到训练后的特征层、训练后的特征子层和训练后的标注子层，所述训练后的特征层包括第一规则，所述训练后的特征子层包括所述概率预测规则，训练后的标注子层包括所述约束规则；其中，所述初始特征层为BiLSTM模型，所述初始特征子层BiLSTM模型，所述初始权重子层为TF-IDF模型，所述初始标注子层为CRF模型；所述查询样本包括标注后的指定时间段内的历史查询请求文本；所述兴趣点样本包括兴趣点数据库中的多个兴趣点文本；或者，所述兴趣点样...

【专利技术属性】
技术研发人员：胡娟，陈欢，
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