信息处理方法技术

本公开提供了信息处理方法

【技术实现步骤摘要】
信息处理方法、装置、电子设备及存储介质


[0001]本公开涉及计算机
，尤其涉及人工智能

。

技术介绍

[0002]随着全球城市化程度逐步提高，大规模
、
多模态的城市数据也日益丰富，例如地图中的兴趣点
(Point of interest
，
POI)
数据和卫星图像数据，这些数据为多角度的城市区域表征提供了基础
。
然而，如何使用多种类型的数据，对城市的区域进行更加准确的特征表示，从而为下游任务提供更加准确的输入数据，就成为需要解决的问题
。

技术实现思路

[0003]本公开提供了一种信息处理方法
、
装置
、
电子设备及存储介质
。
[0004]根据本公开的第一方面，提供了一种信息处理方法，包括：
[0005]基于
N
个区域分别对应的兴趣点
POI
数据以及图像数据，生成所述
N
个区域分别对应的
POI
特征和图像特征；
N
为正整数；
[0006]基于所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的所述
POI
特征和所述图像特征，生成所述
N
个区域分别对应的多模态特征
。
[0007]根据本公开的第二方面，提供了一种信息处理装置，包括：
>[0008]区域特征生成模块，用于基于
N
个区域分别对应的兴趣点
POI
数据以及图像数据，生成所述
N
个区域分别对应的
POI
特征和图像特征；
N
为正整数；
[0009]第一处理模块，用于基于所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的所述
POI
特征和所述图像特征，生成所述
N
个区域分别对应的多模态特征
。
[0010]根据本公开的第三方面，提供了一种电子设备，包括：
[0011]至少一个处理器；以及
[0012]与该至少一个处理器通信连接的存储器；其中，
[0013]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面的方法
。
[0014]根据本公开的第四方面，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，该计算机指令用于使该计算机执行前述方法
。
[0015]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现前述方法
。
[0016]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
。
[0017]本实施例提供的方案，就可以通过
N
个区域的相邻关系
、
所述
N
个区域分别对应的
POI
特征
、
图像特征，得到该
N
个区域分别对应的多模态特征
。
如此，可以在表征各个区域的特征的时候引入跨模态的相关信息，与仅采用单模态表征各个区域特征的方式相比，可以保证最终得到的各个区域的多模态特征更加准确；进而，为下游处理提供更加准确的输入
数据，从而可以使得后续下游处理也得到更加准确的结果
。
附图说明
[0018]附图用于更好地理解本方案，不构成对本公开的限定
。
其中：
[0019]图1是根据本公开一实施例的信息处理方法的流程示意图一；
[0020]图2是根据本公开一实施例的信息处理方法的流程示意图二；
[0021]图3是根据本公开一实施例的信息处理方法中第一预设子模型的处理流程示意图；
[0022]图4是根据本公开一实施例的信息处理装置的一种组成结构示意图；
[0023]图5是根据本公开另一实施例的信息处理装置的另一种组成结构示意图；
[0024]图6是用来实现本公开实施例的信息处理方法的电子设备的框图
。
具体实施方式
[0025]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
。
[0026]本公开第一方面实施例提供一种信息处理方法，如图1所示，包括：
[0027]S101
：基于
N
个区域分别对应的兴趣点
(Point of interest
，
POI)
数据以及图像数据，生成所述
N
个区域分别对应的
POI
特征和图像特征；
N
为正整数；
[0028]S102
：基于所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的所述
POI
特征和所述图像特征，生成所述
N
个区域分别对应的多模态特征
。
[0029]本实施例提供的信息处理方法可以应用于电子设备，具体的该电子设备可以为服务器或者可以为终端设备
。
[0030]所述
N
个区域可以是目标范围内的
N
个区域
。
从该目标范围内确定
N
个区域的方式可以是：将该目标范围采用目标粒度进行划分，得到该目标范围内包含的
N
个区域
。
其中，所述目标范围可以根据实际情况选择，比如可以为一个城市覆盖的范围作为该目标范围，或者可以为一个省覆盖的范围作为该目标范围，或者还可以有其他的目标范围选择方式，这里不做穷举
。
该目标粒度的单位也可以根据实际情况设置，比如目标粒度的单位可以为米
、
千米
、
厘米等等，这里不做穷举；相应的，所述目标粒度可以根据实际情况确定，比如可以为
10
乘
10
，或者可以为
20
乘
10
，或者可以为
50
乘
50
等等，同样不做穷举
。
在本实施例中，将该目标范围内可以包含的区域的数量表示为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种信息处理方法，包括：基于
N
个区域分别对应的兴趣点
POI
数据以及图像数据，生成所述
N
个区域分别对应的
POI
特征和图像特征；
N
为正整数；基于所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的所述
POI
特征和所述图像特征，生成所述
N
个区域分别对应的多模态特征
。2.
根据权利要求1所述的方法，其中，所述基于
N
个区域分别对应的
POI
数据以及图像数据，生成所述
N
个区域分别对应的
POI
特征和图像特征，包括：基于所述
N
个区域分别对应的
POI
数据，得到所述
N
个区域中第
i
个区域的第
i
个
POI
分布特征
、
第
i
个
POI
距离特征以及第
i
个设施分布特征，基于所述第
i
个
POI
分布特征
、
所述第
i
个
POI
距离特征以及所述第
i
个设施分布特征，生成所述第
i
个区域的第
i
个
POI
特征；以及对所述第
i
个区域的第
i
个图像数据进行特征提取，得到所述第
i
个区域的第
i
个图像特征；
i
为小于等于
N
的正整数
。3.
根据权利要求1所述的方法，还包括：基于所述
N
个区域的空间特征，确定所述
N
个区域分别对应的空间相邻区域，并基于预设路网连通数据，确定所述
N
个区域分别对应的连通相邻区域；将所述
N
个区域分别对应的空间相邻区域
、
所述
N
个区域分别对应的连通相邻区域，作为所述
N
个区域分别对应的相邻区域；基于所述
N
个区域分别对应的相邻区域，生成所述
N
个区域的相邻关系
。4.
根据权利要求1‑3任一项所述的方法，其中，所述基于所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的所述
POI
特征和所述图像特征，生成所述
N
个区域分别对应的多模态特征，包括：将所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的所述
POI
特征和所述图像特征输入第一预设子模型，得到所述第一预设子模型输出的所述
N
个区域分别对应的多模态特征
。5.
根据权利要求4所述的方法，还包括：将所述
N
个区域分别对应的多模态特征输入第二预设子模型，得到所述第二预设子模型输出的预测信息；基于所述预测信息确定损失函数，基于所述损失函数反向传导更新所述第一预设子模型
、
所述第二预设子模型；在确定所述第一预设子模型和所述第二预设子模型完成训练的情况下，得到训练后的第一目标子模型和第二目标子模型
。6.
根据权利要求4所述的方法，其中，所述将所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的所述
POI
特征和所述图像特征输入第一预设子模型，得到所述第一预设子模型输出的所述
N
个区域分别对应的多模态特征，包括：将所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的所述
POI
特征和所述图像特征输入所述第一预设子模型，在所述第一预设子模型中基于所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的
POI
特征和图像特征，生成所述
N
个区域分别对应的第一跨模态向量以及第二跨模态向量；在所述第一预设子模型中对所述
N
个区域分别对应的所述第一跨模态向量以及所述第
二跨模态向量进行处理，得到所述第一预设子模型输出的所述
N
个区域分别对应的多模态特征
。7.
根据权利要求6所述的方法，其中，所述在所述第一预设子模型中基于所述
N
个区域的相邻关系
、
以及所述
N
个区域分别对应的
POI
特征和图像特征，生成所述
N
个区域分别对应的第一跨模态向量以及第二跨模态向量，包括：在所述第一预设子模型中从所述
N
个区域的相邻关系中，获取所述
N
个区域中第
i
个区域的相邻区域；在所述第一预设子模型中基于所述第
i
个区域的相邻区域的
POI
特征
、
所述第
i
个区域的第
i
个图像特征，生成所述第
i
个区域的所述第一跨模态向量，并在所述第一预设子模型中基于所述第
i
个区域的相邻区域的图像特征
、
所述第
i
个区域的第
i
个
POI
特征，生成所述第
i
个区域对应的所述第二跨模态向量
。8.
根据权利要求7所述的方法，其中，所述在所述第一预设子模型中基于所述第
i
个区域的相邻区域的
POI
特征
、
所述第
i
个区域的第
i
个图像特征，生成所述第
i
个区域的所述第一跨模态向量，包括：在所述第一预设子模型中基于所述第
i
个区域的相邻区域的
POI
特征
、
所述第
i
个区域的第
i
个图像特征，得到所述第
i
个区域的第一跨模态权重值；基于所述第
i
个区域的第一跨模态权重值
、
以及所述第
i
个区域的相邻区域的
POI
特征，得到所述第
i
个区域的所述第一跨模态向量；所述在所述第一预设子模型中基于所述第
i
个区域的相邻区域的图像特征
、
所述第
i
个区域的第
i
个
POI
特征，生成所述第
i
个区域对应的所述第二跨模态向量，包括：在所述第一预设子模型中基于所述第
i
个区域的相邻区域的图像特征
、
所述第
i
个区域的第
i
个
POI
特征，得到所述第
i
个区域的第二跨模态权重值；基于所述第
i
个区域的第二跨模态权重值
、
以及所述第
i
个区域的相邻区域的图像特征，得到所述第
i
个区域的所述第二跨模态向量
。9.
根据权利要求8所述的方法，其中，所述在所述第一预设子模型中基于所述
N
个区域分别对应的所述第一跨模态向量以及所述第二跨模态向量，生成所述
N
个区域分别对应的多模态特征，包括：在所述第一预设子模型中基于所述
N
个区域中所述第
i
个区域的所述第一跨模态向量
、
所述第
i
个区域的第一同模态向量，得到所述第
i
个区域的第一多模向量；并基于所述
N
个区域中所述第
i
个区域的所述第二跨模态向量
、
所述第
i
个区域的第二同模态向量，得到所述第
i
个区域的第二多模向量；基于所述第
i
个区域的第一多模向量和所述第
i
个区域的第二多模向量，生成所述第
i
个区域对应的多模态特征
。10.
根据权利要求9所述的方法，还包括：在所述第一预设子模型中基于所述第
i
个区域的相邻区域的图像特征
、
所述第
i
个区域的第
i
个图像特征，生成所述第
i
个区域的第一同模态权重；基于所述第
i
个区域的第
i
个图像特征
、
所述第
i
个区域的第一同模态权重，生成所述第
i
个区域的第一同模态向量；以及在所述第一预设子模型中基于所述第
i
个区域的相邻区域的
POI
特征
、
所述第
i
个区域的第
i
个
POI
特征，生成所...

【专利技术属性】
技术研发人员：肖淙曦，周景博，黄际洲，祝恒书，窦德景，
申请(专利权)人：百度在线网络技术，
类型：发明
国别省市：