【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种城市模型区域表示生成方法、装置、电子设备及介质。
技术介绍
1、城市模型区域表示可以理解为是利用城市模型海量多源异构数据，为城市模型中的每个区域学习得到一个表征向量，从而可以基于区域的表征向量对城市模型的社会经济指标，例如人口、教育、犯罪等进行预测。然而，在现有技术中，城市模型中的城市模型区域表示往往基于城市模型的单一数据源得到，例如人群移动数据得到，从而导致得到城市模型中城市模型区域表示存在不准确问题。
技术实现思路
1、本申请提供一种城市模型区域表示生成方法、装置、电子设备及介质，实现可以准确生成城市模型中城市模型区域的目标表征向量，从而为基于城市模型区域的目标表征向量对城市模型的社会经济指标进行准确预测打下基础。
2、第一方面，本申请提供一种城市模型区域表示生成方法，包括：
3、获取目标城市模型的城市数据信息；所述目标城市模型包括多个城市模型区域，所述城市数据信息至少包括位于所述城市模型区域内兴趣点的位置信息和兴趣点的品类信息；
4、基于所述城市数据信息，构建所述目标城市模型的城市知识图谱；所述城市知识图谱包括多个维度下的知识图谱子图；
5、基于所述城市知识图谱，得到所述城市模型区域的全局表征向量，以及所述城市模型区域在各个与所述知识图谱子图对应维度下的子图局部表征向量；
6、基于所述子图局部表征向量，得到所述城市模型区域的局部表征向量；
7、基于所述全局表征向量和所述局部表
8、在一实施例中，基于所述城市知识图谱，得到所述城市模型区域的全局表征向量，以及所述城市模型区域在各个与所述知识图谱子图对应维度下的子图局部表征向量，包括：
9、基于所述城市知识图谱，确定与所述城市模型区域对应实体的初始全局表征向量；
10、基于所述初始全局表征向量，通过预先设置的第一图卷积神经网络得到所述城市模型区域的待优化全局表征向量；
11、获取所述城市模型区域在与所述知识图谱子图对应维度下的待优化子图局部表征向量；所述待优化子图局部表征向量通过以所述待优化全局表征向量作为初始表征并将所述初始表征输入至预先设置的第二图卷积神经网络得到；
12、基于所述待优化全局表征向量和所述待优化子图局部表征向量，确定目标损失函数，并结合所述目标损失函数对所述第一图卷积神经网络和所述第二图卷积神经网络进行多轮次迭代优化直至所述目标损失函数收敛，以得到优化后第一图卷积神经网络和优化后第二图卷积神经网络；
13、将所述优化后第一图卷积神经网络输出的待优化全局表征向量作为所述城市模型区域的全局表征向量，以及将所述优化后第二图卷积神经网络输出的待优化子图局部表征向量作为所述城市模型区域的子图局部表征向量。
14、在一实施例中，在所述基于所述待优化全局表征向量和所述待优化子图局部表征向量，确定目标损失函数之前，还包括：
15、确定各个所述待优化子图局部表征向量的权重值；
16、所述基于所述待优化全局表征向量和所述待优化子图局部表征向量，确定目标损失函数，包括：
17、基于所述权重值以及各个所述待优化子图局部表征向量，得到所述城市模型区域的待优化局部表征向量；
18、基于所述待优化全局表征向量，确定与所述待优化全局表征向量对应的事实三元组的三元组得分；
19、基于所述三元组得分，确定知识图谱补全损失函数；所述知识图谱补全损失函数用于表征与所述事实三元组对应的事实合理性；
20、基于所述待优化全局表征向量和所述待优化局部表征向量，得到所述城市模型区域的待优化融合表征向量；
21、基于所述待优化融合表征向量，估计所述城市模型区域的人流转移概率；
22、基于所述人流转移概率，确定区域相似度损失函数；所述区域相似度损失函数用于表征不同城市模型区域之间的相似性；
23、基于所述知识图谱补全损失函数以及所述区域相似度损失函数，得到所述目标损失函数。
24、在一实施例中，得到各个所述待优化子图局部表征向量的权重值的步骤包括：
25、基于各个所述待优化子图局部表征向量，确定与所述待优化子图局部表征向量对应的所述知识图谱子图的重要程度值；
26、基于所述重要程度值，确定所述待优化子图局部表征向量的权重值。
27、在一实施例中，基于所述子图局部表征向量，得到所述城市模型区域的局部表征向量，包括：
28、基于所述子图局部表征向量，确定与所述子图局部表征向量对应的所述知识图谱子图的重要程度值；
29、基于所述重要程度值，确定所述子图局部表征向量的权重值；
30、基于所述权重值以及所述所述子图局部表征向量，得到所述城市模型区域的局部表征向量。
31、在一实施例中，所述城市知识图谱至少包括空间知识维度下的知识图谱子图、功能知识维度下的知识图谱子图、人群移动知识维度下的知识图谱子图，以及商业知识维度下的知识图谱子图；所述空间知识表征所述城市模型区域在空间距离的临近关系；所述功能知识表征所述兴趣点和所述兴趣点的品类信息的隶属关系，以及所述兴趣点和所述城市模型区域的位置关系；所述人群移动知识表征不同所述城市模型区域之间的人流转移关系；所述商业知识表征商圈、所述兴趣点以及城市模型区域之间的位置关系。
32、在一实施例中，基于所述城市数据信息，构建所述目标城市模型的城市知识图谱，包括：
33、基于兴趣点的位置信息和兴趣点的品类信息，构建空间知识、功能知识、人群移动知识和商业知识；空间知识描述了城市模型区域空间距离的邻近关系；功能知识描述了兴趣点、兴趣点品类和城市模型区域的关系；人群移动知识描述了区域之间人流转移的关系；商业知识描述了商圈和兴趣点、区域之间的关系；
34、在城市数据中抽取所述空间知识、所述功能知识、所述人群移动知识和所述商业知识对应的实体和实体之间的关系，得到所述城市知识图谱。
35、第二方面，本申请提供一种城市模型区域表示生成装置，包括：获取模块、构建模块和生成模块；
36、获取模块，用于获取目标城市模型的城市数据信息；所述目标城市模型包括多个城市模型区域，所述城市数据信息至少包括位于所述城市模型区域内兴趣点的位置信息和兴趣点的品类信息；
37、构建模块，用于基于所述城市数据信息，构建所述目标城市模型的城市知识图谱；所述城市知识图谱包括多个维度下的知识图谱子图；
38、生成模块，用于：
39、基于所述城市知识图谱，得到所述城市模型区域的全局表征向量，以及所述城市模型区域在各个与所述知识图谱子图对应维度下的子图局部表征向量；
40、基于所述子图局部表征向量，得到所述城市模型区域的局部表征向量；
41、基于所述全局表征向量和所述局部表本文档来自技高网...
【技术保护点】
1.一种城市模型区域表示生成方法，其特征在于，包括：
2.根据权利要求1所述的城市模型区域表示生成方法，其特征在于，所述基于所述城市知识图谱，得到所述城市模型区域的全局表征向量，以及所述城市模型区域在各个与所述知识图谱子图对应维度下的子图局部表征向量，包括：
3.根据权利要求2所述的城市模型区域表示生成方法，其特征在于，在所述基于所述待优化全局表征向量和所述待优化子图局部表征向量，确定目标损失函数之前，还包括：
4.根据权利要求3所述的城市模型区域表示生成方法，其特征在于，得到各个所述待优化子图局部表征向量的权重值的步骤包括：
5.根据权利要求1所述的城市模型区域表示生成方法，其特征在于，所述基于所述子图局部表征向量，得到所述城市模型区域的局部表征向量，包括：
6.根据权利要求1至5中任意一项所述的城市模型区域表示生成方法，其特征在于，所述城市知识图谱至少包括空间知识维度下的知识图谱子图、功能知识维度下的知识图谱子图、人群移动知识维度下的知识图谱子图，以及商业知识维度下的知识图谱子图；所述空间知识表征所述城市模型区域在空
7.根据权利要求6所述的城市模型区域表示生成方法，其特征在于，所述基于所述城市数据信息，构建所述目标城市模型的城市知识图谱，包括：
8.一种城市模型区域表示生成装置，其特征在于，包括：获取模块、构建模块和生成模块；
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1至7任一项所述的城市模型区域表示生成方法。
10.一种非暂态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如权利要求1至7任一项所述的城市模型区域表示生成方法。
...【技术特征摘要】
1.一种城市模型区域表示生成方法，其特征在于，包括：
2.根据权利要求1所述的城市模型区域表示生成方法，其特征在于，所述基于所述城市知识图谱，得到所述城市模型区域的全局表征向量，以及所述城市模型区域在各个与所述知识图谱子图对应维度下的子图局部表征向量，包括：
3.根据权利要求2所述的城市模型区域表示生成方法，其特征在于，在所述基于所述待优化全局表征向量和所述待优化子图局部表征向量，确定目标损失函数之前，还包括：
4.根据权利要求3所述的城市模型区域表示生成方法，其特征在于，得到各个所述待优化子图局部表征向量的权重值的步骤包括：
5.根据权利要求1所述的城市模型区域表示生成方法，其特征在于，所述基于所述子图局部表征向量，得到所述城市模型区域的局部表征向量，包括：
6.根据权利要求1至5中任意一项所述的城市模型区域表示生成方法，其特征在于，所述城市知识图谱至少包括空间知识维度下的知识图谱子图、功能知识维度下的知识图谱子图、人群移动知识维度下的知识图谱子图，以...
【专利技术属性】
技术研发人员：唐伟，刘海霞，
申请(专利权)人：深圳市云鲸视觉科技有限公司，
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。