[發(fā)明專利]基于word2vec的相似站點(diǎn)獲取方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810443349.0
• 申請日: 2018-05-10
• 公開（公告）號: CN110489530A
• 公開（公告）日: 2019-11-22
• 發(fā)明（設(shè)計）人: 黃天印;趙時閔;徐文潔
• 申請（專利權(quán)）人: 上海申通地鐵集團(tuán)有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/36;G06K9/62
• 代理公司: 31283 上海弼興律師事務(wù)所
• 代理人: 胡美強(qiáng);羅朗<國際申請>=<國際公布>=

1.一種基于word2vec的相似站點(diǎn)獲取方法，其特征在于，所述相似站點(diǎn)獲取方法包括：

S1、獲取預(yù)設(shè)時間內(nèi)所有用戶乘坐公共交通的出行數(shù)據(jù)，所述出行數(shù)據(jù)包括至少兩個站點(diǎn)；

S2、提取每個用戶的出行數(shù)據(jù)，并根據(jù)所述每個用戶的出行數(shù)據(jù)構(gòu)建所述每個用戶的站點(diǎn)訓(xùn)練語料；

S3、將所有用戶的站點(diǎn)訓(xùn)練語料輸入至word2vec模型訓(xùn)練得到每個站點(diǎn)的表示向量；

S4、根據(jù)任意兩個站點(diǎn)的表示向量計算得到所述任意兩個站點(diǎn)的余弦相似度；

S5、根據(jù)所述余弦相似度獲取與一目標(biāo)站點(diǎn)最相似的若干站點(diǎn)。

2.如權(quán)利要求1所述的基于word2vec的相似站點(diǎn)獲取方法，其特征在于，步驟S2具體包括：

S21、提取每個用戶的出行數(shù)據(jù)；

S22、按照時間順序?qū)⑺雒總€用戶出行經(jīng)過的所有站點(diǎn)依次排列構(gòu)建成所述站點(diǎn)訓(xùn)練語料。

3.如權(quán)利要求1所述的基于word2vec的相似站點(diǎn)獲取方法，其特征在于，步驟S1具體包括：

S11、獲取預(yù)設(shè)時間內(nèi)所有用戶乘坐公共交通的交通卡刷卡數(shù)據(jù)；

S12、提取所述交通卡刷卡數(shù)據(jù)中包含進(jìn)站數(shù)據(jù)和出站數(shù)據(jù)的數(shù)據(jù)生成所述出行數(shù)據(jù)。

4.如權(quán)利要求3所述的基于word2vec的相似站點(diǎn)獲取方法，其特征在于，所述預(yù)設(shè)時間包括至少一個預(yù)設(shè)周期，步驟S12具體包括：

S121、檢測任意一個預(yù)設(shè)周期內(nèi)任一用戶的所述交通卡刷卡數(shù)據(jù)中進(jìn)站數(shù)據(jù)的數(shù)量和出站數(shù)據(jù)的數(shù)量是否相同，若否，則濾除所述任意一個預(yù)設(shè)周期內(nèi)的所述任一用戶的交通卡刷卡數(shù)據(jù)；

S122、從濾除后的交通卡刷卡數(shù)據(jù)中提取包含進(jìn)站數(shù)據(jù)和出站數(shù)據(jù)的數(shù)據(jù)生成所述出行數(shù)據(jù)。

5.一種基于word2vec的相似站點(diǎn)獲取系統(tǒng)，其特征在于，所述相似站點(diǎn)獲取系統(tǒng)包括數(shù)據(jù)獲取模塊、數(shù)據(jù)提取模塊、訓(xùn)練語料構(gòu)建模塊、表示向量訓(xùn)練模塊、相似度計算模塊和相似站點(diǎn)獲取模塊；

所述數(shù)據(jù)獲取模塊用于獲取預(yù)設(shè)時間內(nèi)所有用戶乘坐公共交通的出行數(shù)據(jù)，所述出行數(shù)據(jù)包括至少兩個站點(diǎn)；

所述數(shù)據(jù)提取模塊用于提取每個用戶的出行數(shù)據(jù)；

所述訓(xùn)練語料構(gòu)建模塊用于根據(jù)所述每個用戶的出行數(shù)據(jù)構(gòu)建所述每個用戶的站點(diǎn)訓(xùn)練語料；

所述表示向量訓(xùn)練模塊用于將所有用戶的站點(diǎn)訓(xùn)練語料輸入至word2vec模型訓(xùn)練得到每個站點(diǎn)的表示向量；

所述相似度計算模塊用于根據(jù)任意兩個站點(diǎn)的表示向量計算得到所述任意兩個站點(diǎn)的余弦相似度；

所述相似站點(diǎn)獲取模塊用于根據(jù)所述余弦相似度獲取與一目標(biāo)站點(diǎn)最相似的若干站點(diǎn)。

6.如權(quán)利要求5所述的基于word2vec的相似站點(diǎn)獲取系統(tǒng)，其特征在于，所述訓(xùn)練語料構(gòu)建模塊用于按照時間順序?qū)⑺雒總€用戶出行經(jīng)過的所有站點(diǎn)依次排列構(gòu)建成所述站點(diǎn)訓(xùn)練語料。

7.如權(quán)利要求5所述的基于word2vec的相似站點(diǎn)獲取系統(tǒng)，其特征在于，所述數(shù)據(jù)獲取模塊包括刷卡數(shù)據(jù)獲取單元和出行數(shù)據(jù)生成單元；

所述刷卡數(shù)據(jù)獲取單元用于獲取預(yù)設(shè)時間內(nèi)所有用戶乘坐公共交通的交通卡刷卡數(shù)據(jù)；

所述出行數(shù)據(jù)生成單元用于提取所述交通卡刷卡數(shù)據(jù)中包含進(jìn)站數(shù)據(jù)和出站數(shù)據(jù)的數(shù)據(jù)生成所述出行數(shù)據(jù)。

8.如權(quán)利要求7所述的基于word2vec的相似站點(diǎn)獲取系統(tǒng)，其特征在于，所述預(yù)設(shè)時間包括至少一個預(yù)設(shè)周期，所述數(shù)據(jù)獲取模塊還包括檢測單元和濾除單元；

所述檢測單元用于檢測任意一個預(yù)設(shè)周期內(nèi)任一用戶的所述交通卡刷卡數(shù)據(jù)中進(jìn)站數(shù)據(jù)的數(shù)量和出站數(shù)據(jù)的數(shù)量是否相同，若否，則調(diào)用所述濾除單元；

所述濾除單元用于濾除所述任意一個預(yù)設(shè)周期內(nèi)的所述任一用戶的交通卡刷卡數(shù)據(jù)；

所述出行數(shù)據(jù)生成單元用于從濾除后的交通卡刷卡數(shù)據(jù)中提取包含進(jìn)站數(shù)據(jù)和出站數(shù)據(jù)的數(shù)據(jù)生成所述出行數(shù)據(jù)。