【技术实现步骤摘要】
本申请涉及人工智能，具体涉及一种模型训练方法、装置、计算机设备、存储介质及程序产品，其中，该存储介质为计算机可读存储介质，程序产品为计算机程序产品。
技术介绍
1、路线推荐服务是为用户提供一条从起点到达目的地代价最小的路线的服务，也即路线推荐服务是向用户推荐最优路线的服务。其中，路线的代价会受到多种因素的影响，例如，道路状况、出行时间、天气等因素。
2、路线推荐服务一般通过路线推荐神经网络模型来实现。目前，路线推荐神经网络模型的训练样本一般包括神经网络的预测路线和标签，标签是用户基于预测路线所走的轨迹，由于用户基于预测路线所走的轨迹不一定是最优的轨迹，这样一来，采用训练样本对路线推荐神经网络模型进行训练，会导致训练后路线推荐神经网络模型推荐路线不准确的问题。
3、综上，现有技术存在训练后路线推荐神经网络模型推荐路线不准确的问题。
技术实现思路
1、本申请实施例提供一种模型训练方法、装置、计算机设备及计算机可读存储介质，能够优化用于对路线推荐模型进行训练的样本集合，从而提高基于样本集合对路线推荐模型训练的精度，以提高训练后路线推荐模型推荐路线的准确性。
2、一种模型训练方法，包括：
3、获取针对出行对象的推荐轨迹数据，推荐轨迹数据为对出行对象的出行轨迹数据进行推荐轨迹数据的推荐处理所得到的数据；
4、对推荐轨迹数据进行类型识别，得到推荐轨迹数据的数据来源类型；
5、根据数据来源类型，确定推荐轨迹数据的数量衡量参数
6、根据数量衡量参数，获取推荐轨迹数据对应的待标注路线数据，并根据推荐轨迹数据对待标注路线数据进行标注，得到路线数据样本；
7、按照数量衡量参数对路线数据样本进行样本集合的构建处理，得到样本集合；
8、根据样本集合对路线推荐模型进行训练，得到训练后路线推荐模型。
9、相应地，本申请实施例提供一种模型训练装置，包括：
10、获取单元，可以用于获取针对出行对象的推荐轨迹数据，推荐轨迹数据为对出行对象的出行轨迹数据进行推荐轨迹数据的推荐处理所得到的数据；
11、识别单元，可以用于对推荐轨迹数据进行类型识别，得到推荐轨迹数据的数据来源类型；
12、确定单元，可以用于根据数据来源类型，确定推荐轨迹数据的数量衡量参数；
13、标注单元，可以用于根据数量衡量参数，获取推荐轨迹数据对应的待标注路线数据，并根据推荐轨迹数据对待标注路线数据进行标注，得到路线数据样本；
14、构建单元，可以用于按照数量衡量参数对路线数据样本进行样本集合的构建处理，得到样本集合；
15、训练单元，可以用于根据样本集合对路线推荐模型进行训练，得到训练后路线推荐模型。
16、在一些实施例中，获取单元，具体可以用于根据出行轨迹数据，提取出行轨迹数据对应的出行操作数据；根据出行操作数据，对出行轨迹数据进行推荐轨迹数据的推荐处理，得到针对出行对象的推荐轨迹数据。
17、在一些实施例中，获取单元，具体可以用于对出行操作数据进行操作类型识别，得到出行操作数据对应的操作类型；根据操作类型，对出行轨迹数据进行推荐轨迹数据的推荐处理，得到针对出行对象的推荐轨迹数据。
18、在一些实施例中，获取单元，具体可以用于根据操作类型，从出行轨迹数据中提取操作类型对应的目标出行轨迹数据；获取目标出行轨迹数据对应的规划出行路线数据，规划出行路线数据为向出行对象规划的出行路线数据；若目标出行轨迹数据和规划出行路线数据匹配，则将规划出行路线数据确定为针对出行对象的推荐轨迹数据。
19、在一些实施例中，获取单元，具体还可以用于获取出行对象的出行对象信息；若出行对象信息为目标出行对象信息，则将目标出行对象信息对应的出行轨迹数据确定为推荐轨迹数据。
20、在一些实施例中，构建单元，具体可以用于根据推荐轨迹数据，获取数量衡量参数的调整参数；根据调整参数，对数量衡量参数进行调整处理，得到调整后数量衡量参数；根据调整后数量衡量参数，对路线数据样本进行样本集合的构建处理，得到样本集合。
21、在一些实施例中，调整参数包括时间参数，时间参数为产生推荐轨迹数据的时间参数；构建单元，具体可以用于获取当前时间参数；根据当前时间参数和时间参数，计算数量衡量参数的权重参数；根据权重参数，对数量衡量参数进行加权处理，得到调整后数量衡量参数。
22、在一些实施例中，调整参数包括区域参数，区域参数为产生推荐轨迹数据的目标区域的参数；构建单元，具体可以用于若目标区域的数量衡量参数大于区域参数，则将区域参数确定为调整后数量衡量参数；若目标区域的数量衡量参数小于或等于区域参数，则将数量衡量参数确定为调整后数量衡量参数。
23、在一些实施例中，模型训练装置还包括推荐单元，推荐单元，可以用于获取若干候选路线数据；采用训练后路线推荐模型对候选路线数据进行路线分数预测，得到每一候选路线数据的预测路线分数；根据预测路线分数，从候选路线数据确定目标推荐路线数据，并推荐目标推荐路线数据。
24、此外，本申请实施例还提供一种计算机设备，包括存储器和处理器；存储器存储有计算机程序，处理器用于运行存储器内的计算机程序，以执行本申请实施例提供的任一种模型训练方法。
25、此外，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序适于处理器进行加载，以执行本申请实施例提供的任一种模型训练方法。
26、此外，本申请实施例还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现本申请实施例所提供的任一种模型训练方法。
27、此外，本申请实施例还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现本申请实施例所提供的任一种模型训练方法。
28、本申请实施例可以获取针对出行对象的推荐轨迹数据，推荐轨迹数据为对出行对象的出行轨迹数据进行推荐轨迹数据的推荐处理所得到的数据；对推荐轨迹数据进行类型识别，得到推荐轨迹数据的数据来源类型；根据数据来源类型，确定推荐轨迹数据的数量衡量参数；根据数量衡量参数，获取推荐轨迹数据对应的待标注路线数据，并根据推荐轨迹数据对待标注路线数据进行标注，得到路线数据样本；按照数量衡量参数对路线数据样本进行样本集合的构建处理，得到样本集合；根据样本集合对路线推荐模型进行训练，得到训练后路线推荐模型；由于本申请实施例可以基于推荐轨迹数据的数据来源类型，确定数量衡量参数，并基于数量衡量参数获取到待标注路线数据，进而能够采用推荐轨迹数据对待标注路线数据进行标注，以优化用于对路线推荐模型进行训练的样本集合，从而提高基于样本集合对路线推荐模型训练的精度，以提高训练后路线推荐模型的推荐路线的准确性。
本文档来自技高网...【技术保护点】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述获取针对出行对象的推荐轨迹数据，包括：
3.根据权利要求2所述的模型训练方法，其特征在于，所述根据所述出行操作数据，对所述出行轨迹数据进行推荐轨迹数据的推荐处理，得到针对所述出行对象的推荐轨迹数据，包括：
4.根据权利要求3所述的模型训练方法，其特征在于，所述根据所述操作类型，对所述出行轨迹数据进行推荐轨迹数据的推荐处理，得到针对所述出行对象的推荐轨迹数据，包括：
5.根据权利要求1所述的模型训练方法，其特征在于，所述获取针对出行对象的推荐轨迹数据，包括：
6.根据权利要求1所述的模型训练方法，其特征在于，所述按照所述数量衡量参数对所述路线数据样本进行样本集合的构建处理，得到样本集合，包括：
7.根据权利要求6所述的模型训练方法，其特征在于，所述调整参数包括时间参数，所述时间参数为产生所述推荐轨迹数据的时间参数；所述根据所述调整参数，对所述数量衡量参数进行调整处理，得到调整后数量衡量参数，包括：
8.根
9.根据权利要求1至8任一项所述的模型训练方法，其特征在于，所述根据所述样本集合对路线推荐模型进行训练，得到训练后路线推荐模型之后，所述方法还包括：
10.一种模型训练装置，其特征在于，包括：
11.一种计算机设备，其特征在于，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的计算机程序，以执行权利要求1至9任一项所述的模型训练方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行权利要求1至9任一项所述的模型训练方法。
13.一种计算机程序产品，其特征在于，所述计算机程序产品存储有计算机程序，所述计算机程序适于处理器进行加载，以执行权利要求1至9任一项所述的模型训练方法。
...【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述获取针对出行对象的推荐轨迹数据，包括：
3.根据权利要求2所述的模型训练方法，其特征在于，所述根据所述出行操作数据，对所述出行轨迹数据进行推荐轨迹数据的推荐处理，得到针对所述出行对象的推荐轨迹数据，包括：
4.根据权利要求3所述的模型训练方法，其特征在于，所述根据所述操作类型，对所述出行轨迹数据进行推荐轨迹数据的推荐处理，得到针对所述出行对象的推荐轨迹数据，包括：
5.根据权利要求1所述的模型训练方法，其特征在于，所述获取针对出行对象的推荐轨迹数据，包括：
6.根据权利要求1所述的模型训练方法，其特征在于，所述按照所述数量衡量参数对所述路线数据样本进行样本集合的构建处理，得到样本集合，包括：
7.根据权利要求6所述的模型训练方法，其特征在于，所述调整参数包括时间参数，所述时间参数为产生所述推荐轨迹数据的时间参数；所述根据所述调整参数，对所述数量衡量参数进行调整处理，得到调整后数量衡量参数，包括：...
【专利技术属性】
技术研发人员：陈华辉，
申请(专利权)人：腾讯科技深圳有限公司，
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。