【技术实现步骤摘要】
兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置
本申请涉及计算机
，尤其涉及大数据、人工智能、深度学习等领域。
技术介绍
用户对于地图类应用程序的使用习惯大多都是靠自己检索或者通过发现周边等入口来完成查找。当用户检索和发现周边的结果时，地图通常返回的都是基于兴趣点的热度和质量进行排序的固定结果，用户体验较差。
技术实现思路
本申请提供了一种兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置、设备、存储介质和计算机程序产品。根据本申请的一方面，提供了一种兴趣点的推荐方法，该方法可以包括以下步骤：根据当前用户的历史行为确定当前用户访问过的历史兴趣点；根据历史兴趣点确定多个候选兴趣点；利用每个候选兴趣点的标签，对多个候选兴趣点进行排序；根据排序推荐多个候选兴趣点。根据本申请的另一方面，提供了一种兴趣点推荐模型的训练方法，该方法可以包括以下步骤：对于多个兴趣点样本，获取每个兴趣点样本的标签以及排序真值；确定兴趣点样本的标签的权重；待训练...
【技术保护点】
1.一种兴趣点的推荐方法，包括：/n根据当前用户的历史行为确定当前用户访问过的历史兴趣点；/n根据所述历史兴趣点确定多个候选兴趣点；/n利用每个所述候选兴趣点的标签，对所述多个候选兴趣点进行排序；/n根据所述排序推荐所述多个候选兴趣点。/n
【技术特征摘要】
1.一种兴趣点的推荐方法，包括：
根据当前用户的历史行为确定当前用户访问过的历史兴趣点；
根据所述历史兴趣点确定多个候选兴趣点；
利用每个所述候选兴趣点的标签，对所述多个候选兴趣点进行排序；
根据所述排序推荐所述多个候选兴趣点。
2.根据权利要求1所述的方法，其中，所述利用每个所述候选兴趣点的标签，对所述多个候选兴趣点进行排序，包括：
提取每个所述候选兴趣点的多个标签；
确定每个所述候选兴趣点的每个标签的权重；
对于每个所述候选兴趣点，将该候选兴趣点的每个标签，以及所述每个标签的权重输入预先训练的排序模型，得到该候选兴趣点的排序结果。
3.根据权利要求2所述的方法，其中，所述候选兴趣点的标签包括：作为候选兴趣点的次数、被访问的次数、被访问的时间和被本地用户访问的次数与被外地用户访问次数的比例中的至少一种。
4.根据权利要求1至3任一所述的方法，其中，所述根据当前用户的历史行为确定当前用户访问过的历史兴趣点，包括：
获取所述历史兴趣点的特征；
根据特征的相似性，将与所述历史兴趣点具有相似特征的兴趣点作为候选兴趣点。
5.根据权利要求4所述的方法，所述历史兴趣点的特征包括：垂类、地理位置、平均消费价格和用户评价中的至少一种。
6.根据权利要求1至3任一所述的方法，其中，所述根据当前用户的历史行为确定当前用户访问过的历史兴趣点，包括：
获取访问过所述历史兴趣点的其他用户的历史操作行为；
从所述其他用户的历史操作行为中，确定所述其他用户在访问所述历史兴趣点后访问的其他兴趣点，将所述其他兴趣点确定为候选兴趣点。
7.一种兴趣点推荐模型的训练方法，包括：
对于多个兴趣点样本，获取每个所述兴趣点样本的标签以及排序真值；
确定所述兴趣点样本的标签的权重；
待训练的兴趣点推荐模型根据每个所述兴趣点样本的标签以及标签的权重，得到每个所述兴趣点样本的排序预测值；
根据所述排序预测值及排序真值对所述待训练的兴趣点推荐模型进行训练，直至所述排序预测值与所述排序真值的误差在允许范围内。
8.根据权利要求7所述的方法，其中，所述兴趣点样本的标签包括：被展现的次数、被访问的次数、被访问的时间和被本地用户访问的次数与被外地用户访问次数的比例中的至少一种。
9.一种兴趣点的推荐装置，包括：
历史兴趣点确定模块，用于根据当前用户的历史行为确定当前用户访问过的历史兴趣点；
候选兴趣点确定模块，用于根据所述历史兴趣点确定多个候选兴趣点；
排序模块，用于利用每个所述候选兴趣点的标签，对所述多个候选兴趣点进行排序；
推荐模块，用于根据所述排序推荐所述多个候选兴趣点。
10.根据权利要求9所述的装置，其中，所述排序模块，包括...
【专利技术属性】
技术研发人员：陈浩，刘野，
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
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。