常驻区域预测方法、装置、设备及存储介质制造方法及图纸

本申请公开了常驻区域预测方法、装置、设备及存储介质，涉及人工智能技术、大数据、深度学习和多任务学习。具体实现方案为：获取目标用户的常驻区域数据，常驻区域数据包含目标用户的常驻区域及对应的常驻时间；将常驻区域数据输入区域关系模型，得到目标用户的常驻区域之间的关联关系，该区域关系模型用于反映区域之间的位置关系；根据关联关系、常驻时间及到访POI数据，确定目标用户访问的区域之间的时序关系；根据时序关系及目标用户的基本属性信息，预测目标用户的目标常驻区域。通过本申请的方案，可以快速、准确地预测用户的常驻区域。

【技术实现步骤摘要】
常驻区域预测方法、装置、设备及存储介质
本申请实施例涉及计算机领域中的人工智能技术、大数据、深度学习和多任务学习，尤其涉及一种常驻区域预测方法、装置、设备及存储介质。
技术介绍
常驻区域预测，具有十分重要的现实意义和应用价值。例如，理解并推断用户的下一个可能的常驻区域，对于社会安全防控十分有益，如流行病的防控；另外，常驻区域预测对于城市规划、城市治理、公共政策的制定实施都具有重要的现实指导意义；再者，用户的常驻区域预测可以帮助商家进行更为精准的本地化广告投放和推荐。目前，对用户的常驻区域的预测，局限于对小样本用户的问卷调查等手工方法。
技术实现思路
本申请提供了一种用于快速、准确预测用户的常驻区域的常驻区域预测方法、装置、设备及存储介质。根据本申请的第一方面，提供了一种常驻区域预测方法，包括：获取目标用户的常驻区域数据及到访兴趣点(PointofInterest，简称POI)数据，常驻区域数据包含目标用户的常驻区域及对应的常驻时间；将常驻区域数据输入区域关系模型，得到目标用户的常驻区域之间的关本文档来自技高网...

【技术保护点】
1.一种常驻区域预测方法，包括：/n获取目标用户的常驻区域数据和到访兴趣点POI数据，所述常驻区域数据包含所述目标用户的常驻区域及对应的常驻时间；/n将所述常驻区域数据输入区域关系模型，得到所述目标用户的常驻区域之间的关联关系，所述区域关系模型用于反映区域之间的位置关系；/n根据所述关联关系、所述常驻时间及所述到访POI数据，确定所述目标用户访问的区域之间的时序关系；/n根据所述时序关系及所述目标用户的基本属性信息，预测所述目标用户的目标常驻区域。/n

【技术特征摘要】
1.一种常驻区域预测方法，包括：
获取目标用户的常驻区域数据和到访兴趣点POI数据，所述常驻区域数据包含所述目标用户的常驻区域及对应的常驻时间；
将所述常驻区域数据输入区域关系模型，得到所述目标用户的常驻区域之间的关联关系，所述区域关系模型用于反映区域之间的位置关系；
根据所述关联关系、所述常驻时间及所述到访POI数据，确定所述目标用户访问的区域之间的时序关系；
根据所述时序关系及所述目标用户的基本属性信息，预测所述目标用户的目标常驻区域。


2.根据权利要求1所述的方法，其中，所述将所述常驻区域数据输入区域关系模型，得到所述目标用户的常驻区域之间的关联关系，包括：
根据所述常驻区域及对应的常驻时间，得到不同时刻的常驻区域关联关系；
根据所述区域关系模型，得到不同常驻区域在不同时刻的关联关系；
根据不同时刻的常驻区域，得到所述目标用户的常驻区域之间的关联关系。


3.根据权利要求1所述的方法，其中，所述根据所述关联关系、所述常驻时间及所述到访POI数据，确定所述目标用户访问的区域之间的时序关系，包括：
将所述关联关系、所述常驻时间及所述到访POI数据进行多源信息融合处理，得到融合信息；
将所述融合信息输入时序关系模型，确定所述目标用户访问的区域之间的时序关系，所述时序关系模型用于反映用户迁徙行为的时序关系。


4.根据权利要求3所述的方法，其中，所述将所述关联关系、所述常驻时间及所述到访POI数据进行多源信息融合处理，得到融合信息，包括：
分别对所述常驻时间及所述到访POI数据进行池化处理，得到中间表征向量；
对所述中间表征向量与所述关联关系进行向量拼接处理，得到融合信息。


5.根据权利要求1所述的方法，其中，所述根据所述时序关系及所述目标用户的基本属性信息，预测所述目标用户的目标常驻区域，包括：
将所述时序关系及所述目标用户的基本属性信息进行聚合处理；
根据聚合处理后的结果及用于常驻区域预测的任务，得到所述目标用户在不同区域的常驻概率；
根据所述目标用户在不同区域的常驻概率，预测所述目标用户的目标常驻区域。


6.根据权利要求5所述的方法，其中，所述将所述时序关系及所述目标用户的基本属性信息进行聚合处理，包括：
将所述目标用户的基本属性信息数值化，得到所述基本属性信息对应的基本属性数据；
将所述时序关系及所述基本属性数据进行聚合处理。


7.根据权利要求1至6中任一项所述的方法，还包括：
根据所述时序关系及所述目标用户的基本属性信息，确定所述目标用户在目标常驻区域的到访意图。


8.根据权利要求7所述的方法，其中，所述根据所述时序关系及所述目标用户的基本属性信息，确定所述目标用户在目标常驻区域的到访意图，包括：
将所述时序关系及所述目标用户的基本属性信息进行聚合处理；
根据聚合处理后的结果及用于用户到访意图预测的任务，得到所述目标用户在目标常驻区域的到访意图概率；
根据所述目标用户在目标常驻区域对应不同兴趣点POI类别的到访意图概率，确定所述目标用户在目标常驻区域的到访意图。


9.根据权利要求1至6中任一项所述的方法，其中，所述获取目标用户的常驻区域数据和到访POI数据，包括：
分别将所述目标用户的常驻区域信息和到访POI信息数值化，得到所述常驻区域信息对应的常驻区域数据和所述到访POI信息对应的到访POI数据。


10.一种区域关系模型的构建方法，包括：
获取用户的常驻区域；
根据所述常驻区域，构建所述区域关系模型，所述区域关系模型用于反映区域之间的位置关系。


11.根据权利要求10所述的方法，其中，所述根据所述常驻区域，构建所述区域关系模型，包括：
基于双通路图卷积网络DGCN，对所述常驻区域之间的动态关联关系进行建模，生成所述区域关系模型。


12.一种常驻区域预测装置，包括：
获取模块，用于获取目标用户的常驻区域数据到访...

【专利技术属性】
技术研发人员：路新江，朱能军，熊辉，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11