错误道路数据的挖掘方法、网络训练方法、装置及设备制造方法及图纸

本公开实施例涉及一种错误道路数据的挖掘方法、网络训练方法、装置及设备，其中挖掘方法包括：获取道路的标识和特征数据；将道路的特征数据输入第一网络，生成道路的第一特征向量；将获取到的道路的标识输入第二网络，生成道路的第二特征向量，第二特征向量为预测得到的所述道路正确的特征向量；通过确定第一特征向量与所述第二特征向量之间的相似度；在相似度小于预设阈值时，确定道路的数据有误。本公开实施例提供的方案能够主动挖掘出数据中存在的错误数据，提高错误数据挖掘的时效性，避免错误数据对用户体验造成损伤。免错误数据对用户体验造成损伤。免错误数据对用户体验造成损伤。

【技术实现步骤摘要】
错误道路数据的挖掘方法、网络训练方法、装置及设备


[0001]本公开实施例涉及数据处理
，尤其涉及一种错误道路数据的挖掘方法、网络训练方法、装置及设备。

技术介绍

[0002]在相关技术中，导航应用可以基于地图数据为用户推荐可通行的路线。但是本申请专利技术人发现：在实际的地图数据中可能会存在一些错误数据，导致导航应用将不可通行的路线推荐给用户，使得用户体验受到伤害，因而如何主动发现地图数据中的错误数据，避免给用户体验造成伤害是亟需解决的技术问题。

技术实现思路

[0003]为了解决上述技术问题，本公开实施例提供了一种错误道路数据的挖掘方法、网络训练方法、装置及设备。
[0004]本公开实施例的第一方面提供了一种错误道路数据的挖掘方法，该方法包括：获取道路的标识和特征数据；将道路的特征数据输入第一网络，生成道路的第一特征向量；将获取到的道路的标识输入第二网络，生成道路的第二特征向量，第二特征向量为预测得到的所述道路正确的特征向量；通过确定第一特征向量与所述第二特征向量之间的相似度；在相似度小于预设阈值时，确定道路的数据有误。
[0005]本公开实施例的第二方面提供了一种网络训练方法，该方法包括：
[0006]获取对象的历史导航数据和偏好特征，所述历史导航数据中包括所述对象选择的导航路线的数据和偏航信息，所述导航路线的数据中包括组成所述导航路线的道路的标识以及所述道路的第一特征和第二特征；
[0007]将所述导航路线中包含的道路的所述第一特征和所述第二特征输入第一网络，生成所述导航路线的第一路线特征向量；
[0008]将所述导航路线中包含的道路的标识和所述第二特征输入第二网络，生成所述导航路线的第二路线特征向量；
[0009]基于所述第一路线特征向量、所述第二路线特征向量和所述偏好特征，确定所述对象是否会发生偏航；
[0010]响应于确定的偏航结果与所述偏航信息不一致，调整所述第一网络和所述第二网络的参数，提高所述第二网络得到的所述标识的特征向量与所述第一网络得到的所述第一特征的特征向量的相似度，直到所述偏航结果与所述偏航信息一致为止。
[0011]本公开实施例的第三方面提供了一种错误道路数据的挖掘装置，该装置包括：
[0012]获取模块，用于获取道路的标识和特征数据；
[0013]第一生成模块，用于将所述特征数据输入第一网络，生成所述道路的第一特征向量；
[0014]第二生成模块，用于将所述标识输入第二网络，生成所述道路的第二特征向量，所
述第二特征向量为预测得到的所述道路正确的特征向量；
[0015]第一确定模块，用于确定所述第一特征向量与所述第二特征向量之间的相似度；
[0016]第二确定模块，用于在所述相似度小于预设阈值时，确定所述道路的数据有误。
[0017]本公开实施例的第四方面提供了一种网络训练装置，该装置包括：
[0018]获取模块，用于获取对象的历史导航数据和偏好特征，所述历史导航数据中包括所述对象选择的导航路线的数据和偏航信息，所述导航路线的数据中包括组成所述导航路线的道路的标识以及所述道路的第一特征和第二特征；
[0019]第一生成模块，用于将所述导航路线中包含的道路的所述第一特征和所述第二特征输入第一网络，生成所述导航路线的第一路线特征向量；
[0020]第二生成模块，用于将所述导航路线中包含的道路的标识和所述第二特征输入第二网络，生成所述导航路线的第二路线特征向量；
[0021]确定模块，用于基于所述第一路线特征向量、所述第二路线特征向量和所述偏好特征，确定所述对象是否会发生偏航；
[0022]参数调整模块，用于响应于确定的偏航结果与所述偏航信息不一致，调整所述第一网络和所述第二网络的参数，提高所述第二网络得到的所述标识的特征向量与所述第一网络得到的所述第一特征的特征向量的相似度，直到所述偏航结果与所述偏航信息一致为止。
[0023]本公开实施例的第五方面提供了一种数据挖掘设备，该数据挖掘设备包括存储器和处理器，其中，存储器中存储有计算机程序，当该计算机程序被处理器执行时，可以实现上述第一方面或第二方面的方法。
[0024]本公开实施例的第六方面提供了一种计算机程序产品，该程序产品存储在存储介质中，当该程序产品被数据挖掘设备的处理器执行时，使得处理器执行上述第一方面或第二方面的方法。
[0025]本公开实施例提供的技术方案与现有技术相比具有如下优点：
[0026]本公开实施例，通过将获取到的道路的标识输入第二网络能够预测得到道路正确的特征向量，即第二特征向量，通过将获取到的道路的特征数据输入第一网络能够编码得到道路特征数据对应的特征向量，即第一特征向量。当第一特征向量与第二特征向量的相似度高于预设阈值时可以确定道路的数据没有错误，反之则可以确定道路的数据中有错误。从而通过确定第一特征向量和第二特征向量之间的相似度可以准确的判定出道路的数据是否有误，提高错误道路数据挖掘的效率和准确性。另外，本公开实施例的方法可以主动挖掘出错误道路数据，提高错误数据挖掘的时效性，避免错误数据对用户体验造成损伤。
附图说明
[0027]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0028]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是本公开实施例提供的一种数据挖掘场景的示意图；
[0030]图2是本公开实施例提供的一种网络训练方法的流程图；
[0031]图3是本公开实施例提供的一种偏好特征的提取方法的示意图；
[0032]图4是本公开实施例提供的一种示例性的第一网络的示意图；
[0033]图5是本公开实施例提供的一种示例性的第二网络的结构示意图；
[0034]图6是本公开实施例提供的一种联合训练的示意图；
[0035]图7是本公开实施例提供的一种错误道路数据的挖掘方法的流程图；
[0036]图8是本公开实施例提供的一种错误道路数据的挖掘装置的结构示意图；
[0037]图9是本公开实施例提供的一种网络训练装置的结构示意图；
[0038]图10是本公开实施例中的一种数据挖掘设备的结构示意图。
具体实施方式
[0039]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
[0040]在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。...

【技术保护点】

【技术特征摘要】
1.一种错误道路数据的挖掘方法，其中，包括：获取道路的标识和特征数据；将所述特征数据输入第一网络，生成所述道路的第一特征向量；将所述标识输入第二网络，生成所述道路的第二特征向量，所述第二特征向量为预测得到的所述道路正确的特征向量；确定所述第一特征向量与所述第二特征向量之间的相似度；响应于所述相似度小于预设阈值，则确定所述道路的数据有误。2.根据权利要求1所述的方法，其中，若所述第一特征向量和所述第二特征向量的维度不同，则所述确定所述第一特征向量与所述第二特征向量之间的相似度之前，所述方法还包括：将所述第一特征向量和所述第二特征向量处理成相同维度的向量。3.根据权利要求1或2所述的方法，其中，所述特征数据包括所述道路的静态特征数据，所述静态特征数据是指所述道路上固定不变的特征的数据。4.一种网络训练方法，其中，包括：获取对象的历史导航数据和偏好特征，所述历史导航数据中包括所述对象选择的导航路线的数据和偏航信息，所述导航路线的数据中包括组成所述导航路线的道路的标识以及所述道路的第一特征和第二特征；将所述导航路线中包含的道路的所述第一特征和所述第二特征输入第一网络，生成所述导航路线的第一路线特征向量；将所述导航路线中包含的道路的标识和所述第二特征输入第二网络，生成所述导航路线的第二路线特征向量；基于所述第一路线特征向量、所述第二路线特征向量和所述偏好特征，确定所述对象是否会发生偏航；响应于确定的偏航结果与所述偏航信息不一致，调整所述第一网络和所述第二网络的参数，提高所述第二网络得到的所述标识的特征向量与所述第一网络得到的所述第一特征的特征向量的相似度，直到所述偏航结果与所述偏航信息一致为止。5.根据权利要求4所述的方法，其中，所述道路的第一特征是指所述道路上固定不变的静态特征；所述道路的第二特征包括所述道路上动态变化的动态特征以及所述道路在所述导航路线中的位置特征。6.根据权利要求4或5所述的方法，其中，所述历史导航数据中还包括：导航场景的数据、推荐路线的数据、实际使用的路线的数据以及与实际使用的路线重叠率最高的路线的数据；所述获取对象的偏好特征，包括：将所述导航场景的数据、所述对象选择的导航路线的数据、所述推荐路线的数据、所述实际使用的路线的数据以及与实际使用的路线重叠率最高的路线的数据输入第三网络，处理得到所述对象的偏好...

【专利技术属性】
技术研发人员：程冉，徐龙飞，崔恒斌，
申请(专利权)人：高德软件有限公司，
类型：发明
国别省市：