POI分类及模型训练方法、装置、设备和存储介质制造方法及图纸

本公开提供了一种POI分类及模型训练方法、装置、设备和存储介质，涉及数据处理技术领域，具体涉及电子地图、大数据等技术领域。POI分类方法包括：若第一POI不满足预设规则，且目标数据中不存在与所述第一POI关联的第二POI，获取所述第一POI的属性数据；其中，所述第一POI是地图数据中的待分类POI，所述目标数据与所述地图数据不同；获取POI分类模型，所述POI分类模型是基于所述目标数据中的样本POI训练的；采用所述POI分类模型，对所述第一POI的属性数据进行处理，以确定所述第一POI的目标类别。本公开可以提高POI分类的精准度。本公开可以提高POI分类的精准度。本公开可以提高POI分类的精准度。

【技术实现步骤摘要】
POI分类及模型训练方法、装置、设备和存储介质


[0001]本公开涉及数据处理
，具体涉及电子地图、大数据等
，尤其涉及一种POI分类及模型训练方法、装置、设备和存储介质。

技术介绍

[0002]在地理信息系统中，兴趣点(PointofInterest，POI)是地图上有意义的点，例如，可以是房子、商铺、公交站等。每个POI包含名称、坐标、类别等信息。POI的信息能够让用户在出行前获得更多的信息以更好的进行出行决策。
[0003]相关技术中，通常是根据地图产品的需求对POI进行分类的。

技术实现思路

[0004]本公开提供了一种POI分类及模型训练方法、装置、设备和存储介质。
[0005]根据本公开的一方面，提供了一种POI分类方法，包括：若第一POI不满足预设规则，且目标数据中不存在与所述第一POI关联的第二POI，获取所述第一POI的属性数据；其中，所述第一POI是地图数据中的待分类POI，所述目标数据与所述地图数据不同；获取POI分类模型，所述POI分类模型是基于所述目标数据中的样本POI训练的；采用所述POI分类模型，对所述第一POI的属性数据进行处理，以确定所述第一POI的目标类别。
[0006]根据本公开的另一方面，提供了一种POI分类模型的训练方法，包括：获取训练数据，所述训练数据包括：样本POI的属性数据和所述样本POI的真实类别，所述样本POI是与地图数据中的POI存在关联关系的目标数据中的POI，所述真实类别是所述样本POI在所述目标数据中的类别，所述目标数据与所述地图数据不同；采用POI分类模型，对所述样本POI的属性数据进行处理，以确定所述样本POI的预测类别；基于所述预测类别和所述真实类别，构建损失函数；基于所述损失函数调整所述POI分类模型的模型参数，直至满足预设条件，以获得最终的POI分类模型，所述最终的POI分类模型用于确定所述地图数据中的待分类POI的目标类别。
[0007]根据本公开的另一方面，提供了一种POI分类装置，包括：第一获取模块，用于若第一POI不满足预设规则，且目标数据中不存在与所述第一POI关联的第二POI，获取所述第一POI的属性数据；其中，所述第一POI是地图数据中的待分类POI，所述目标数据与所述地图数据不同；第二获取模块，用于获取POI分类模型，所述POI分类模型是基于所述目标数据中的样本POI训练的；第一确定模块，用于采用所述POI分类模型，对所述第一POI的属性数据进行处理，以确定所述第一POI的目标类别。
[0008]根据本公开的另一方面，提供了一种POI分类模型的训练装置，包括：获取模块，用于获取训练数据，所述训练数据包括：样本POI的属性数据和所述样本POI的真实类别，所述样本POI是与地图数据中的POI存在关联关系的目标数据中的POI，所述真实类别是所述样本POI在所述目标数据中的类别，所述目标数据与所述地图数据不同；预测模块，用于采用POI分类模型，对所述样本POI的属性数据进行处理，以确定所述样本POI的预测类别；构建
模块，用于基于所述预测类别和所述真实类别，构建损失函数；调整模块，用于基于所述损失函数调整所述POI分类模型的模型参数，直至满足预设条件，以获得最终的POI分类模型，所述最终的POI分类模型用于确定所述地图数据中的待分类POI的目标类别。
[0009]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。
[0010]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
[0011]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
[0012]根据本公开的技术方案，可以提高POI分类的精准度。
[0013]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0014]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0015]图1是根据本公开第一实施例的示意图；
[0016]图2是根据本公开实施例提供的应用场景的示意图；
[0017]图3是根据本公开实施例的POI分类方法的整体架构的示意图；
[0018]图4是根据本公开第二实施例的示意图；
[0019]图5是根据本公开第三实施例的示意图；
[0020]图6是根据本公开第四实施例的示意图；
[0021]图7是根据本公开第五实施例的示意图；
[0022]图8是用来实现本公开实施例的POI分类方法或POI分类模型的训练方法的电子设备的示意图。
具体实施方式
[0023]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0024]相关技术中，通常是根据地图产品的需求对POI进行分类的，例如，一级分类主要分成了：美食、酒店、购物、生活服务等。
[0025]但是，目前的地图分类体系的精准度不足，例如，针对某个婚纱摄影馆A，目前的地图分类体系会将A分类为“照相馆”，如果用户在地图中搜索“婚纱摄影”时，由于A被分类到“照相馆”，搜索结果可能不包括A，导致搜索结果的准确度和召回率等方面都存在问题。
[0026]为了提高POI分类的精准度，本公开提供如下实施例。
[0027]图1是根据本公开第一实施例的示意图，本实施例提供一种POI分类方法，该方法包括：
[0028]101、若第一POI不满足预设规则，且目标数据中不存在与所述第一POI关联的第二POI，获取所述第一POI的属性数据；其中，所述第一POI是地图数据中的待分类POI，所述目标数据与所述地图数据不同。
[0029]102、获取POI分类模型，所述POI分类模型是基于所述目标数据中的样本POI训练的。
[0030]103、采用所述POI分类模型，对所述第一POI的属性数据进行处理，以确定所述第一POI的目标类别。
[0031]其中，目标数据是与地图数据不同的数据，还可以称为第三方数据。
[0032]目标数据具体可以是垂直行业的数据，例如，房产类平台数据、婚纱摄影类平台数据、电子产品类平台数据等。
[0033]与内容广泛而全面的行业不同，垂直行业专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种兴趣点POI分类方法，包括：若第一POI不满足预设规则，且目标数据中不存在与所述第一POI关联的第二POI，获取所述第一POI的属性数据；其中，所述第一POI是地图数据中的待分类POI，所述目标数据与所述地图数据不同；获取POI分类模型，所述POI分类模型是基于所述目标数据中的样本POI训练的；采用所述POI分类模型，对所述第一POI的属性数据进行处理，以确定所述第一POI的目标类别。2.根据权利要求1所述的方法，其中，所述POI分类模型包括：特征提取网络和分类网络；所述采用预先训练的POI分类模型，对所述第一POI的属性数据进行处理，以确定所述第一POI的目标类别，包括：采用所述特征提取网络，对所述第一POI的属性数据进行处理，以获得所述第一POI的特征向量；采用所述分类网络，对所述第一POI的特征向量进行处理，以确定所述第一POI的目标类别。3.根据权利要求1所述的方法，还包括：若所述第一POI不满足预设规则，且所述目标数据中存在与所述第一POI关联的第二POI，基于所述第二POI在所述目标数据中的类别确定所述第一POI的类别。4.根据权利要求3所述的方法，其中，所述基于所述第二POI在所述目标数据中的类别确定所述第一POI的类别，包括：将所述第二POI在所述目标数据中的类别，作为所述第一POI的类别。5.根据权利要求1所述的方法，还包括：若所述第一POI满足预设规则，基于所述预设规则，确定所述第一POI的目标类别。6.根据权利要求5所述的方法，其中，所述预设规则中记录原始类别与目标类别的映射关系；所述若所述第一POI满足预设规则，基于所述预设规则，确定所述第一POI的目标类别，包括：若所述映射关系中包括第一POI的原始类别，确定所述第一POI满足预设规则，并基于所述映射关系将所述第一POI的原始类别映射为对应的目标类别。7.一种POI分类模型的训练方法，包括：获取训练数据，所述训练数据包括：样本POI的属性数据和所述样本POI的真实类别，所述样本POI是与地图数据中的POI存在关联关系的目标数据中的POI，所述真实类别是所述样本POI在所述目标数据中的类别，所述目标数据与所述地图数据不同；采用POI分类模型，对所述样本POI的属性数据进行处理，以确定所述样本POI的预测类别；基于所述预测类别和所述真实类别，构建损失函数；基于所述损失函数调整所述POI分类模型的模型参数，直至满足预设条件，以获得最终的POI分类模型，所述最终的POI分类模型用于确定所述地图数据中的待分类POI的目标类别。
8.根据权利要求7所述的方法，其中，所述POI分类模型包括：特征提取网络和分类网络；所述采用POI分类模型，对所述样本POI的属性数据进行处理，以确定所述样本POI的预测类别，包括：采用所述特征提取网络，对所述样本POI的属性数据进行处理，以获得所述样本POI的特征向量；采用所述分类网络，对所述样本POI的特征向量进行处理，以确定所述样本POI的预测类别。9.一种POI分类装置，包括：第一获取模块，用于若第一POI不满足预设规则，且目标数据中不存在与所述第一POI关联的第二POI，获取所述第一POI的属性数据；其中，所述第一POI是地图数据中的待分类POI，所述目标数据与所述地图数据不同；第...

【专利技术属性】
技术研发人员：张鑫，
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：