[發明專利]使用標注模型召回興趣點的系統和方法

有效

• 申請號: 201811249879.8
• 申請日: 2018-10-25
• 公開（公告）號: CN111191107B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 胡娟;陳歡;宋奇;馬利
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9537;G06F40/289
• 代理公司: 成都七星天知識產權代理有限公司 51253
• 代理人: 袁春曉

本申請公開了使用標注模型召回興趣點的系統和方法。所述系統和方法可以接收用戶通過終端輸入的查詢請求，并通過處理所接收的查詢請求來確定一個或以上術語。所述系統和方法可以使用訓練后的標注模型標記一個或以上術語。所述系統和方法可以基于標記的一個或以上術語確定一個或以上興趣點，并在終端上顯示一個或以上術語。

技術領域

本申請涉及線上到線下(O2O)服務的系統和方法，具體地，涉及使用標注模型召回興趣點(POI)的系統和方法。

背景技術

線上到線下(O2O)服務，例如在線打車服務，由于其便利性已經在日常生活中被廣泛使用。對于在線打車服務，用戶可以輸入與上車地點和/或目的地相關的查詢請求。在線打車服務系統可以根據輸入的查詢請求在地圖數據庫中執行搜索。然而，如果用戶輸入的查詢請求包括與上車地點和/或目的地無關的信息，則查詢請求不能召回任何POI，并且可能需要由用戶修改該查詢請求。在一些情況下，用戶可能需要重復修改查詢請求，直到召回一個或以上POI，這樣可能會很耗時。因此，期望提供一種在查詢請求包括無關信息時自動召回POI的系統和方法。

發明內容

本申請的目的在于提供訓練標注模型的系統和方法，以及使用訓練后的標注模型召回POI的系統和方法。該系統和方法可以使用至少兩個訓練樣本訓練初始標注模型來生成(訓練后的)標注模型。該系統和方法還可以使用訓練后的標注模型自動識別查詢請求中的不相關術語，以及基于相關術語召回一個或以上POI。

為達到上述發明目的，本申請提供的技術方案如下：

根據本申請的一方面，提供一種訓練標注模型的方法。所述方法可以包括獲取至少兩個訓練樣本，所述至少兩個訓練樣本可以對應于至少兩個歷史查詢請求，所述至少兩個歷史查詢請求的每一個可以包括一個或以上術語和對應于所述一個或以上術語的一個或以上標簽。所述方法還可以包括通過使用所述至少兩個訓練樣本訓練初始標注模型來生成訓練后的標注模型，其中，所述初始標注模型可以包括一個或以上特征層，所述一個或以上特征層可以被配置為提取一個或以上術語的每一個術語的特征向量。

在一些實施例中，所述一個或以上術語中的每一個可以被標記為第一標簽或第二標簽。

在一些實施例中，所述歷史查詢請求可能無法成功召回興趣點(POI)，所述歷史查詢請求可以由用戶輸入。所述方法可以進一步包括獲取可成功召回一個或以上POI的修改的歷史查詢請求，所述修改的歷史查詢請求可以由所述用戶通過刪除所述歷史查詢請求中的至少一個術語來確定，所述修改的歷史查詢請求可以包括一個或以上剩余的術語。所述方法還可以包括使用第一標簽標記被刪除的至少一個術語，并且使用第二標簽標記所述一個或以上剩余的術語；以及將所述一個或以上標記的術語確定為訓練樣本。

在一些實施例中，所述方法可以進一步包括對所述歷史查詢請求執行分詞，以確定所述一個或以上術語。

在一些實施例中，所述一個或以上特征層中的每一個可以對應于特征屬性，所述特征屬性可以具有權重。

在一些實施例中，所述特征屬性可以包括位置屬性和城市屬性中的至少一個。

在一些實施例中，所述初始標注模型可以包括詞嵌入層，所述詞嵌入層可以被配置為確定所述每個術語的詞嵌入向量。所述方法可以進一步包括組合所述每個術語的所述特征向量與所述每個術語的所述詞嵌入向量，以確定所述每個術語的組合向量。

在一些實施例中，所述初始標注模型可以是基于Bi_LSTM_CRF模型、LSTM_CRF模型、LSTM模型或CRF模型中的至少一個。