一种基于位置和名称信息的嵌入信息生成方法和系统技术方案

本说明书实施例提供一种基于位置和名称信息的嵌入信息生成方法和系统，该方法包括：基于位置信息，通过第一模型确定位置信息的第一隐向量表征；基于名称信息，通过第二模型确定名称信息的第二隐向量表征；基于第一隐向量表征和第二隐向量表征，通过联合训练模型确定包括位置信息和名称信息的嵌入信息，联合训练模型基于第一隐向量表征以及第二隐向量表征训练得到。训练得到。训练得到。

【技术实现步骤摘要】
一种基于位置和名称信息的嵌入信息生成方法和系统


[0001]本说明书涉及信息生成领域，特别涉及一种基于位置和名称信息的嵌入信息生成方法和系统。

技术介绍

[0002]不同的地理位置和不同的地理名称之间存在一定的关联关系。目前一些方法(如词袋方法等)缺乏刻画地理位置点、地理名称内部词级别的关联关系，无法体现位置相近的两个地理位置的相似性。在一些领域下，由于地理名称文本的复杂性(不规范性、宽泛性)和特殊性(相近地理位置的区别只体现在门牌号的差异上)，尚没有有效学习并抽取地理名称文本和地理位置关联关系的相关工作，进而无法体现地理位置和地理名称之间的内在关联关系。
[0003]因此，希望提供一种基于位置和名称信息的嵌入信息生成方法和系统，可以确定可以体现位置和名称内部关联关系的信息，供下游任务利用，提升下游任务的准确性，提高用户的使用体验。

技术实现思路

[0004]本说明书实施例之一提供一种基于位置和名称信息的嵌入信息生成方法，所述方法包括：基于位置信息，通过第一模型确定所述位置信息的第一隐向量表征，其中，所述第一模型为机器学习模型；基于名称信息，通过第二模型确定所述名称信息的第二隐向量表征，其中，所述第二模型为机器学习模型；基于所述第一隐向量表征和所述第二隐向量表征，通过联合训练模型确定包括所述位置信息和所述名称信息的嵌入信息，其中，所述联合训练模型为机器学习模型，所述联合训练模型基于所述第一隐向量表征以及所述第二隐向量表征训练得到。
[0005]本说明书实施例之一提供一种基于位置和名称信息的嵌入信息生成系统，所述系统包括：位置确定模块，用于基于位置信息，通过第一模型确定所述位置信息的第一隐向量表征，其中，所述第一模型为机器学习模型；名称确定模块，用于基于名称信息，通过第二模型确定所述名称信息的第二隐向量表征，其中，所述第二模型为机器学习模型；嵌入确定模块，用于基于所述第一隐向量表征和所述第二隐向量表征，通过联合训练模型确定包括所述位置信息和所述名称信息的嵌入信息，其中，所述联合训练模型为机器学习模型，所述联合训练模型基于所述第一隐向量表征以及所述第二隐向量表征训练得到。
[0006]本说明书实施例之一提供一种基于位置和名称信息的嵌入信息生成装置，所述装置包括至少一个存储器和至少一个处理器，所述至少一个存储器用于存储计算机指令，所述至少一个处理器执行所述计算机指令或部分指令，以实现基于位置和名称信息的嵌入信息生成方法。
[0007]本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取所述计算机指令时，所述计算机执行基于位置和名称信息的嵌入信息生
成方法。
附图说明
[0008]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
[0009]图1是根据本说明书一些实施例所示的基于位置和名称信息的嵌入信息生成系统的应用场景示意图；
[0010]图2是根据本说明书一些实施例所示的基于位置和名称信息的嵌入信息生成方法的示例性流程图；
[0011]图3是根据本说明书一些实施例所示的第一预处理和第二预处理的示例性示意图；
[0012]图4是根据本说明书一些实施例所示的第二模型的对比学习的示例性示意图；
[0013]图5是根据本说明书一些实施例所示的联合训练模型的示例性示意图。
具体实施方式
[0014]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的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0015]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0016]除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
[0017]本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0018]图1是根据本说明书一些实施例所示的基于位置和名称信息的嵌入信息生成系统的应用场景示意图。
[0019]在一些实施例中，基于位置和名称信息的嵌入信息生成系统的应用场景100可以包括处理器110、网络120、地理信息系统与服务130和用户终端140等。
[0020]在一些实施例中，处理器110可以处理与基于位置和名称信息的嵌入信息生成系统的应用场景100相关的数据和/或信息。例如，处理器110可以基于位置信息，通过第一模型确定位置信息的第一隐向量表征。处理器110可以基于名称信息，通过第二模型确定名称
信息的第二隐向量表征。处理器110可以基于第一隐向量表征和第二隐向量表征，通过联合训练模型确定包括位置信息和名称信息的嵌入信息370，上述的更多内容可以参见图2和/或图3的相关描述。
[0021]在一些实施例中，处理器110可以包括一个或以上处理引擎(例如，单芯片处理引擎或多芯片处理引擎)。仅作为示例，处理器110可以包括中央处理单元(CPU)、图形处理器(GPU)、数字信号处理器(DSP)、微处理器等或以上任意组合。
[0022]网络120可以连接系统的各个组成部分和/或连接系统与外部资源部分。网络120使得各组成部分之间，以及与系统之外其他部分可以进行通信。例如，处理器110可以通过网络120将嵌入信息传输至地理信息系统与服务130进行下游任务的利用。地理信息系统与服务130可以通过网络120将下游任务的利用中的相关信息传输至用户终端140。
[0023]在一些实施例中，通过嵌入信息370可以用于多种应用场景下的下游任务。应用场景可以包括地理信息系统与服务130。
[0024]地理信息系统与服务130是指可以利用嵌入信息的系统和服务。地理信息系统与服务130可以包括兴趣位置点名称推荐、出行起点的名称预测等、基于LBS的个性化POI推荐服务以及利用嵌入信息进行社交媒体信息挖掘和利用等。
[0025]在地图公交出行场景下，地理位置点服务(比如兴趣位置点推荐、出行起点的推荐)与地理名称服务(比如基于点位置的POI、名称预测或推荐)之间是高度关联的。将包括位置信息和名称信息的嵌入信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于位置和名称信息的嵌入信息生成方法，其特征在于，所述方法包括：基于位置信息，通过第一模型确定所述位置信息的第一隐向量表征，其中，所述第一模型为机器学习模型；基于名称信息，通过第二模型确定所述名称信息的第二隐向量表征，其中，所述第二模型为机器学习模型；基于所述第一隐向量表征和所述第二隐向量表征，通过联合训练模型确定包括所述位置信息和所述名称信息的嵌入信息，其中，所述联合训练模型为机器学习模型，所述联合训练模型基于所述第一隐向量表征以及所述第二隐向量表征训练得到。2.如权利要求1所述的方法，其特征在于，所述位置信息包括经纬度信息，所述第一模型包括第一预处理，所述第一预处理包括：基于所述经纬度信息，通过地理哈希算法编码获取经纬度字符串。3.如权利要求2所述的方法，其特征在于，所述位置信息还包括道路信息，所述道路信息包括道路标识符和所属道路侧，所述第一预处理还包括：对所述经纬度字符串进行拆分和添加第一前缀，获取处理后子串；对所述道路标识符添加第二前缀，并对所述所属道路侧添加第三前缀，获取处理后道路信息；基于所述处理后子串和所述处理后道路信息，确定所述位置信息的第一符号表示；基于所述第一符号表示，通过所述第一模型确定所述第一隐向量表征。4.如权利要求1所述的方法，其特征在于，所述第二模型包括第二预处理，所述第二预处理包括：基于所述名称信息，通过多尺度编码算法分解，获取至少一个第一分解值；基于所述至少一个第一分解值，确定所述名称信息的第二符号表示；基于所述第二符号表示，通过所述第二模型确定所述第二隐向量表征。5.如权利要求4所述的方法，其特征在于，所述第二预处理还包括：基于所述名称信息，通过多进制编码算法分解...

【专利技术属性】
技术研发人员：王锂达，陈超，曾刚，
申请(专利权)人：滴图北京科技有限公司，
类型：发明
国别省市：