基于地理位置信息进行业务预测的方法及装置制造方法及图纸

本说明书实施例提供一种基于地理位置信息进行业务预测的方法及装置，在进行业务预测的方法中，获取用户的当前位置。确定该当前位置在层次编码方式下的目标位置编码。之后，针对该目标位置编码，利用滑动窗口提取对应的编码片段序列。将编码片段序列输入基于时序的神经网络模型，得到对应的特征向量。最后，至少将该特征向量输入业务预测模型，得到业务预测结果。果。果。

【技术实现步骤摘要】
基于地理位置信息进行业务预测的方法及装置


[0001]本说明书一个或多个实施例涉及计算机
，尤其涉及一种基于地理位置信息进行业务预测的方法及装置。

技术介绍

[0002]多数情况下，地理位置可以表示为如下形式：geohash网格信息、兴趣点(Point of Interest，poi)信息、信息面(area of interest，aoi)信息，或者经纬度信息等。
[0003]传统技术中，在基于地理位置信息进行业务预测时，在模型的训练阶段，通常会直接将地理位置的表示信息(简称地理位置信息)输入模型进行学习。然而这些地理位置的表示信息均存在相应的缺点。比如，在将地理位置表示为经纬度信息时，经度和纬度小数点后变化一点，实际位置就会偏离很远，这使得模型很难准确学习到有效的位置特征。
[0004]因此，希望能有改进的方案，可以使得模型能够有效地对位置特征进行学习，进而可以更准确地进行业务预测。

技术实现思路

[0005]本说明书一个或多个实施例描述了一种基于地理位置信息进行业务预测的方法及装置，先针对用户的当前位置进行嵌入处理，之后基于嵌入处理得到的特征向量进行业务预测，由此可以大大提升业务预测的准确性。
[0006]第一方面，提供了一种基于地理位置信息进行业务预测的方法，包括：
[0007]获取用户的当前位置；
[0008]将所述当前位置作为目标位置，对目标位置进行嵌入处理，得到所述当前位置的特征向量，所述嵌入处理包括：
[0009]确定所述目标位置在层次编码方式下的目标位置编码；所述目标位置编码中从高位到低位的码值，依次对应于地理范围从大到小或从小到大的地理区域的区域标号；
[0010]根据预定义的步长，将滑动窗口在所述目标位置编码上滑动，并提取滑动过程中所述滑动窗口内的编码片段，得到编码片段序列；
[0011]根据所述编码片段序列，确定所述当前位置的特征向量；
[0012]至少将所述当前位置的特征向量输入业务预测模型，得到业务预测结果。
[0013]第二方面，提供了一种获取地理位置信息的特征向量的方法，包括：
[0014]获取目标设备的当前位置；
[0015]确定所述目标位置在层次编码方式下的目标位置编码；所述目标位置编码中从高位到低位的码值，依次对应于地理范围从大到小或从小到大的地理区域的区域标号；
[0016]根据预定义的步长，将滑动窗口在所述目标位置编码上滑动，并提取滑动过程中所述滑动窗口内的编码片段，得到编码片段序列；
[0017]根据所述编码片段序列，确定所述当前位置的特征向量。
[0018]第三方面，提供了一种基于地理位置信息进行业务预测的装置，包括：
[0019]获取单元，用于获取用户的当前位置；
[0020]处理单元，用于将所述当前位置作为目标位置，对目标位置进行嵌入处理，得到所述当前位置的特征向量；所述处理单元包括：
[0021]确定模块，用于确定所述目标位置在层次编码方式下的目标位置编码；所述目标位置编码中从高位到低位的码值，依次对应于地理范围从大到小或从小到大的地理区域的区域标号；
[0022]提取模块，用于根据预定义的步长，将滑动窗口在所述目标位置编码上滑动，并提取滑动过程中所述滑动窗口内的编码片段，得到编码片段序列；
[0023]所述确定模块，还用于根据所述编码片段序列，确定所述当前位置的特征向量；
[0024]预测单元，用于至少将所述当前位置的特征向量输入业务预测模型，得到业务预测结果。
[0025]第四方面，提供了一种获取地理位置信息的特征向量的装置，包括：
[0026]获取单元，用于获取目标设备的当前位置；
[0027]确定单元，用于确定所述目标位置在层次编码方式下的目标位置编码；所述目标位置编码中从高位到低位的码值，依次对应于地理范围从大到小或从小到大的地理区域的区域标号；
[0028]提取单元，用于根据预定义的步长，将滑动窗口在所述目标位置编码上滑动，并提取滑动过程中所述滑动窗口内的编码片段，得到编码片段序列；所述确定单元，还用于根据所述编码片段序列，确定所述当前位置的特征向量。
[0029]第五方面，提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面或第二方面的方法。
[0030]第六方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面或第二方面的方法。
[0031]本说明书一个或多个实施例提供的基于地理位置信息进行业务预测的方法及装置，获取用户的当前位置，并对其进行如下的嵌入处理：确定该当前位置在层次编码方式下的目标位置编码。之后，针对该目标位置编码，利用滑动窗口提取对应的编码片段序列，以及根据该编码片段序列，确定当前位置的特征向量。最后，基于嵌入处理得到的特征向量，利用业务预测模型，进行业务预测。也本方案中，先针对用户的当前位置进行嵌入处理，之后基于嵌入处理得到的特征向量进行业务预测，这相比于传统技术中直接基于地理位置信息进行业务预测，可以大大提升业务预测的准确性。
附图说明
[0032]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0033]图1为本说明书一个实施例提供的实施场景示意图；
[0034]图2为本说明书提供的获取地理位置信息的特征向量的方法流程图；
[0035]图3a
‑
3c为本说明书提供的各层级的地理区域示意图；
[0036]图4为本说明书一个实施例提供的基于地理位置信息进行业务预测的方法流程图；
[0037]图5为本说明书提供的基于地理位置信息为用户推送服务信息的方法示意图；
[0038]图6为本说明书一个实施例提供的基于地理位置信息进行业务预测的装置示意图；
[0039]图7为本说明书一个实施例提供的获取地理位置信息的特征向量的装置示意图。
具体实施方式
[0040]下面结合附图，对本说明书提供的方案进行描述。
[0041]本申请的专利技术人考虑到多数的业务预测均和地理位置有关。比如，预测服务信息的类别，这里的服务信息可以包括以下中的至少一项：附近商圈信息、电子券以及推荐内容等。以服务信息为电子券为例来说，其通常可以包括公交地铁优惠卡、线下餐饮门店优惠券、盒马银泰等线下卖场的优惠券等。从理论上讲，将上述这些服务信息推送给相关地理位置的用户，那么该服务信息被使用的机率就会大一些。再比如，识别用户的终端设备是否存在异常。终端设备的位置与以往不同时，那么其存在异常的可能性较大。为此，本申请提出依据用户的当前位置，进行业务预测。具体地，通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地理位置信息进行业务预测的方法，包括：获取用户的当前位置；将所述当前位置作为目标位置，对目标位置进行嵌入处理，得到所述当前位置的特征向量，所述嵌入处理包括：确定所述目标位置在层次编码方式下的目标位置编码；所述目标位置编码中从高位到低位的码值，依次对应于地理范围从大到小或从小到大的地理区域的区域标号；根据预定义的步长，将滑动窗口在所述目标位置编码上滑动，并提取滑动过程中所述滑动窗口内的编码片段，得到编码片段序列；根据所述编码片段序列，确定所述当前位置的特征向量；至少将所述当前位置的特征向量输入业务预测模型，得到业务预测结果。2.根据权利要求1所述的方法，其中，所述根据所述编码片段序列，确定所述当前位置的特征向量，包括:将所述编码片段序列输入基于时序的神经网络模型，得到所述当前位置的特征向量。3.根据权利要求2所述的方法，其中，所述基于时序的神经网络模型包括以下中的任一项：循环神经网络RNN，长短期记忆神经网络LSTM以及门控循环单元神经网络GRU。4.根据权利要求1所述的方法，其中，所述确定所述目标位置在层次编码方式下的目标位置编码，包括：获取按照多个层级预先划分的地理区域，从高层级到低层级对应于地理范围从大到小；从高层级到低层级或从低层级到高层级，依次确定所述目标位置在各层级所属于的地理区域的区域标号，所述多个层级分别对应的多个区域标号形成所述目标位置编码。5.根据权利要求1所述的方法，还包括：获取所述用户的与业务相关的历史行为序列；分别将所述历史行为序列中的各历史行为对应的历史位置作为目标位置，对目标位置进行所述嵌入处理，得到各历史位置的特征向量；所述至少将所述当前位置的特征向量输入业务预测模型，包括：将所述当前位置的特征向量和所述各历史位置的特征向量输入所述业务预测模型，得到业务预测结果。6.根据权利要求5所述的方法，其中，所述业务预测模型包括，基于Transformer的神经网络模型，所述至少将所述当前位置的特征向量输入业务预测模型，包括:将当前位置的特征向量和所述各历史位置的特征向量输入所述基于Transformer的神经网络模型，得到序列表示向量；根据所述序列表示向量，确定所述业务预测结果。7.根据权利要求6所述的方法，其中，所述基于Transformer的神经网络模型包括嵌入层和注意力层；所述将当前位置的特征向量和所述各历史位置的特征向量输入基于Transformer的神经网络模型，包括：在所述嵌入层，基于各特征向量以及对应的顺序编号，得到各嵌入向量；在所述注意力层，对所述各嵌入向量加以不同的权重，得到所述序列表示向量。
8.根据权利要求1至7中任一项所述的方法，其中，所述业务预测模型用于预测服务信息的类别；所述服务信息包括以下中的任一项：附近商圈信息、电子券以及推荐内容；或，所述业务预测模型用于识别所述用户的终端设备是否存在异常。9.一种获取地理位置信息的特征向量的方法，包括：获取目标设备的当前位置；确定所述当前位置在层次编码方式下的目标位置编码；所述目标位置编码中从高位到低位的码值，依次对应于地理范围从大到小或从小到大的地理区域的区域标号；根据预定义的步长，将滑动窗口在所述目标位置编码上滑动，并提取滑动过程中所述滑动窗口内的编码片段，得到编码片段序列；根据所述编码片段序列，确定所述当前位置的特征向量。10.一种基于地理位置信息进行业务预测的装置，包括：获取单元，用于获取用户的当前位置；处理单元，用于将所述当前位置作为目标位置，对目标位置进行嵌入处理，得到所述当前位置...

【专利技术属性】
技术研发人员：吴郑伟，张公铎，顾立宏，张志强，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：