System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及地址搜索,特别是涉及一种货运场景下的兴趣点召回方法、装置、计算机设备和存储介质。
技术介绍
1、在货运业务场景中,用户在下货运订单时,可以通过输入查询文本来搜索起点和/或终点。服务器收到用户的搜索请求后,会基于用户输入的查询文本来召回一些兴趣点,并提供给用户,从而用户可以进行选址。
2、目前在召回兴趣点时,通常是直接基于用户输入的查询文本来召回兴趣点,该方式可能存在召回的兴趣点数量不足的情况,此时会导致用户不能选到自己想要的地址。
技术实现思路
1、本申请针对上述不足或缺点,提供了一种货运场景下的兴趣点召回方法、装置、计算机设备和存储介质,本申请实施例增加了一路召回,缓解了以往召回的兴趣点不足的问题,增强了搜索能力,丰富了搜素结果,从而使用户能更好地选址。
2、本申请根据第一方面提供了一种货运场景下的兴趣点召回方法,在一个实施例中,该方法包括:
3、接收来自用户终端的位置搜索请求,位置搜索请求携带有原始查询文本和城市参数;
4、将原始查询文本和城市参数作为输入数据输入预先训练好的省略模型,获取省略模型的输出数据,输出数据包括原始查询文本中的各个字符对应的省略概率;
5、根据原始查询文本和输出数据得到省略查询文本;
6、根据原始查询文本召回得到第一兴趣点集合,以及根据省略查询文本召回得到第二兴趣点集合;
7、根据第一兴趣点集合和第二兴趣点集合向用户终端返回搜索结果。
8、在一些实
9、获取货运业务的多条历史用户发单日志;每条历史用户发单日志包括历史查询文本和历史城市参数;
10、根据上述多条历史用户发单日志构造得到多条训练数据;每一训练数据包括历史城市参数、历史查询文本以及该历史查询文本对应的标注信息;
11、根据上述多条历史用户发单日志进行聚合统计,得到各种历史查询文本对应的城市点击分布信息;任一历史查询文本对应的城市点击分布信息包括该历史查询文本对应的每个发单城市的分布概率;
12、构建初始省略模型;
13、根据上述多条训练数据和各种历史查询文本对应的城市点击分布信息对初始省略模型进行迭代训练,直至满足预设的训练结束条件,得到训练好的省略模型。
14、在一些实施例中,根据上述多条训练数据和各种历史查询文本对应的城市点击分布信息对初始省略模型进行迭代训练,包括:
15、在每次训练时,将本次训练使用的训练数据作为目标训练数据,将目标训练数据中的历史城市参数和历史查询文本作为输入数据输入初始省略模型,获取初始省略模型的输出数据,该输出数据包括城市分布预测信息和省略标记预测信息;城市分布预测信息包括目标训练数据中的历史查询文本对应的每个发单城市的预测分布概率,省略标识预测信息包括目标训练数据中的历史查询文本的各个字符对应的省略概率;
16、获取目标训练数据中的历史查询文本对应的城市点击分布信息和标注信息作为目标分布信息和目标标注信息;
17、根据城市分布预测信息和目标分布信息计算第一损失;
18、根据省略标记预测信息和目标标注信息计算第二损失;
19、根据第一损失和第二损失判断是否满足预设的训练结束条件;
20、若满足,则停止训练;若不满足,则进行下一次训练。
21、在一些实施例中,根据城市分布预测信息和目标分布信息计算第一损失,包括:
22、基于以下公式计算第一损失;
23、
24、其中,lcity是第一损失,n是全部城市的个数,是目标分布信息中的第i个发单城市的分布概率,是城市分布预测信息中的第i个发单城市的预测分布概率;
25、根据省略标记预测信息和目标标注信息计算第二损失,包括:
26、基于以下公式计算第二损失;
27、
28、其中,lomit是第二损失,α设置为0.05,是省略标记预测信息。
29、在一些实施例中,每条历史用户发单日志还包括兴趣点名称和兴趣点地址;
30、根据上述多条历史用户发单日志构造得到多条训练数据,包括:
31、通过标注程序自动对每条历史用户发单日志中的历史查询文本进行标注,将每条历史用户发单日志中的历史查询文本及其对应的标注数据作为一条训练数据,得到多条训练数据;
32、对每条历史用户发单日志中的历史查询文本进行标注的操作包括:
33、获取每条历史用户发单日志包括的历史查询文本、兴趣点名称和兴趣点地址;
34、判断该条历史查询文本的每个字符是否出现在该兴趣点名称或兴趣点地址中;
35、若是,将该字符标记为0;
36、若否,将该字符标记为1。
37、在一些实施例中,根据原始查询文本和输出数据得到省略查询文本,包括:
38、删除原始查询文本中的目标字符,得到省略查询文本;目标字符是对应的省略概率高于预设概率值的字符。
39、在一些实施例中,根据第一兴趣点集合和第二兴趣点集合向用户终端返回搜索结果,包括:
40、检测第一兴趣点集合是否有召回结果;
41、响应于检测结果为是,将第一兴趣点集合作为搜索结果返回给用户终端;
42、响应于检测结果为否,将第一兴趣点集合和第二兴趣点集合都作为搜索结果,返回给用户终端。
43、本申请根据第二方面提供了一种货运场景下的兴趣点召回装置,在一个实施例中,该装置包括:
44、接收模块,用于接收来自用户终端的位置搜索请求,位置搜索请求携带有原始查询文本和城市参数;
45、预测模块,用于将原始查询文本和城市参数作为输入数据输入预先训练好的省略模型,获取省略模型的输出数据,输出数据包括原始查询文本中的各个字符对应的省略概率;
46、省略文本获得模块,用于根据原始查询文本和输出数据得到省略查询文本;
47、召回模块,用于根据原始查询文本召回得到第一兴趣点集合,以及根据省略查询文本召回得到第二兴趣点集合;
48、结果返回模块,用于根据第一兴趣点集合和第二兴趣点集合向用户终端返回搜索结果。
49、本申请根据第三方面提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的实施例的步骤。
50、本申请根据第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一方法的实施例的步骤。
51、在本申请实施例中,服务器接收来自用户终端的位置搜索请求,位置搜索请求携带有原始查询文本和城市参数;将原始查询文本和城市参数作为输入数据输入预先训练好的省略模型,获取省略模型的输出数据,输出数据包括原始查询文本中的各个字符对应的省略概率;根本文档来自技高网...
【技术保护点】
1.一种货运场景下的兴趣点召回方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述省略模型的训练过程,包括:
3.如权利要求2所述的方法,其特征在于,根据所述多条训练数据和所述各种历史查询文本对应的城市点击分布信息对所述初始省略模型进行迭代训练,包括:
4.如权利要求3所述的方法,其特征在于,根据所述城市分布预测信息和所述目标分布信息计算第一损失,包括:
5.如权利要求3所述的方法,其特征在于,每条所述历史用户发单日志还包括兴趣点名称和兴趣点地址;
6.如权利要求1所述的方法,其特征在于,根据所述原始查询文本和所述输出数据得到省略查询文本,包括:
7.如权利要求1所述的方法,其特征在于,根据所述第一兴趣点集合和所述第二兴趣点集合向所述用户终端返回搜索结果,包括:
8.一种货运场景下的兴趣点召回装置,其特征在于,所述装置包括:
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种货运场景下的兴趣点召回方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述省略模型的训练过程,包括:
3.如权利要求2所述的方法,其特征在于,根据所述多条训练数据和所述各种历史查询文本对应的城市点击分布信息对所述初始省略模型进行迭代训练,包括:
4.如权利要求3所述的方法,其特征在于,根据所述城市分布预测信息和所述目标分布信息计算第一损失,包括:
5.如权利要求3所述的方法,其特征在于,每条所述历史用户发单日志还包括兴趣点名称和兴趣点地址;
6.如权利要求1所述的方法,其特征在于,根据所述原...
【专利技术属性】
技术研发人员:李祥歌,沈奇,赵骥,
申请(专利权)人:深圳依时货拉拉科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。