道路信息自监督学习方法及装置、路线召回或排序方法制造方法及图纸

本发明专利技术提供一种道路信息自监督学习方法、路线召回方法和排序方法，该学习方法包括：获取用户历史轨迹数据；根据用户历史轨迹数据，得到用户的实走轨迹串；根据实走轨迹串，得到样本组，样本组包括路段序列、空间索引的索引序列以及时间序列；通过样本组对掩码语言模型进行掩码训练，得到完备的掩码语言模型；将完备的掩码语言模型中嵌入层输出的预训练向量作为特征应用于下游应用。通过预训练的自监督学习方式，学习地理道路的预训练信息，从而显著降低下游任务的训练成本，并提高模型的泛化能力，解决因路网版本变化导致排序效果下降；该方案不仅减少了对人工标注的依赖，还能在较短时间内完成模型训练，节省计算资源。

【技术实现步骤摘要】

本专利技术涉及地图导航，尤其涉及一种道路信息自监督学习方法及壮志、路线召回或排序方法。

技术介绍

1、在路线推荐系统中，为了向用户提供最优的道路选择，需要进行路线召回，并对召回的路线进行排序。在路径召回和路径规划排序模型中，标注大量数据是必不可少的，这些数据可以通过人工标注或用户的历史真实轨迹获取。在路径召回或排序模型的训练过程中，对输入数据的特征学习是一个关键，目前，单纯依赖深度模型进行学习会面临如下诸多不足：(1)需要大量的标注样本，需要消耗大量的人力；(2)泛化能力不强，在路网版本更新后，效果折损比较明显，导致模型的适用性不够；(3)模型需要训练的参数较多，计算资源要求高，且训练模型耗时较久。这些问题严重影响了模型的迭代效率和效果。

技术实现思路

1、鉴于以上现有技术的缺陷，本专利技术提供一种道路信息自监督学习方法及装置、路线召回或排序方法，以解决单纯依赖深度模型进行路线召回或排序时大量消耗人力、物力且泛化能力不强的技术问题。

2、为实现上述目的及其它相关目的，本专利技术提供了一种道路信息自本文档来自技高网...

【技术保护点】

1.一种道路信息自监督学习方法，其特征在于，包括：

2.根据权利要求1所述的道路信息自监督学习方法，其特征在于，根据所述实走轨迹串，得到样本组，包括：

3.根据权利要求2所述的道路信息自监督学习方法，其特征在于，根据所述实走轨迹串，得到样本组，还包括：

4.根据权利要求3所述的道路信息自监督学习方法，其特征在于，根据所述实走轨迹串，得到样本组，还包括：

5.根据权利要求3所述的道路信息自监督学习方法，其特征在于，利用预设的时段编码和日期编码对所述时间信息进行转化，得到所述时间序列，包括：

6.根据权利要求1所述的道路信息自监督学...

【技术特征摘要】

1.一种道路信息自监督学习方法，其特征在于，包括：

2.根据权利要求1所述的道路信息自监督学习方法，其特征在于，根据所述实走轨迹串，得到样本组，包括：

3.根据权利要求2所述的道路信息自监督学习方法，其特征在于，根据所述实走轨迹串，得到样本组，还包括：

4.根据权利要求3所述的道路信息自监督学习方法，其特征在于，根据所述实走轨迹串，得到样本组，还包括：

5.根据权利要求3所述的道路信息自监督学习方法，其特征在于，利用预设的时段编码和日期编码对所述时间信息进行转化，得到所述时间序列，包括：

6.根据权利要求1所述的道路信息自监督学习方法，其特征在于，通过所述样本组对掩码语言模型进行掩码训练，...

【专利技术属性】
技术研发人员：陶言祺，
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：