[發明專利]地圖POI反饋方法及裝置

在審

• 申請號: 201811345452.8
• 申請日: 2018-11-13
• 公開（公告）號: CN111177585A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 王鵬;李世峰;李中男;陶永俊;朱宏波;于嚴;俞鴻魁;郭艷民
• 申請（專利權）人: 北京四維圖新科技股份有限公司
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F16/29;G01C21/36
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 鈄颯颯;劉芳

1.一種地圖POI反饋方法，其特征在于，包括：

接收用戶輸入的關鍵字；

從數據庫中檢索出與所述關鍵字相關的興趣點POI，得到初始POI列表；

通過當前排序模型對所述初始POI列表中的前N項POI進行排序，得到排序后的POI列表，其中，所述當前排序模型是通過機器學習排序方法訓練得到的模型；N為大于1的自然數。

2.根據權利要求1所述的方法，其特征在于，通過當前排序模型對所述初始POI列表中的前N項POI進行排序，得到排序后的POI列表，包括：

獲取所述初始POI列表中的前N項POI的特征向量；

將所述特征向量輸入到當前排序模型中，由所述當前排序模型輸出N項POI的排序結果；其中，所述當前排序模型中包含有POI的特征向量與每個特征參數之間的換算關系，所述換算關系在排序模型的訓練過程中確定；所述當前排序模型是指獲取所述特征向量對應的各個特征參數的分數，并基于所述特征參數的對應的分數，確定所述特征向量對應的POI的順序的模型；

根據所述N項POI的排序結果，生成排序后的POI列表。

3.根據權利要求1所述的方法，其特征在于，在通過當前排序模型對所述初始POI列表中的前N項POI進行排序，得到排序后的POI列表之后，還包括：

獲取更新后的訓練數據；

采用所述更新后的訓練數據，并調用機器學習排序方法中的Rank Lib庫訓練得到新的排序模型；

將測試集中的測試數據作為所述新的排序模型的輸入，輸出對應的新的排序結果；

結合所述最優排序結果，對所述新的排序模型輸出的新的排序結果進行評估，得到所述新的排序模型的評估分數；

若所述新的排序模型的評估分數大于所述當前排序模型的評估分數，則將所述當前排序模型替換為所述新的排序模型。

4.根據權利要求1所述的方法，其特征在于，在通過當前排序模型對所述初始POI列表中的前N項POI進行排序，得到排序后的POI列表之前，還包括：

構建訓練所述當前排序模型的訓練數據；

采用所述訓練數據，并調用機器學習排序方法中的Rank Lib庫訓練得到所述當前排序模型。

5.根據權利要求1-4中任一項所述的方法，其特征在于，在通過當前排序模型對所述初始POI列表中的前N項POI進行排序，得到排序后的POI列表之后，還包括：

根據預設的優先級對所述排序后的POI列表中的部分或者全部POI的排列順序進行調整；其中，所述預設的優先級是指：根據不同業務需求人為設定的排序規則。

6.一種地圖POI反饋裝置，其特征在于，包括：

接收模塊，用于接收用戶輸入的關鍵字；

檢索模塊，用于從數據庫中檢索出與所述關鍵字相關的興趣點POI，得到初始POI列表；

排序模塊，用于通過當前排序模型對所述初始POI列表中的前N項POI進行排序，得到排序后的POI列表，其中，所述當前排序模型是通過機器學習排序方法訓練得到的模型；N為大于1的自然數。

7.根據權利要求6所述的裝置，其特征在于，所述排序模塊，具體用于：

獲取所述初始POI列表中的前N項POI的特征向量；

將所述特征向量輸入到當前排序模型中，由所述當前排序模型輸出N項POI的排序結果；其中，所述當前排序模型中包含有POI的特征向量與每個特征參數之間的換算關系，所述換算關系在排序模型的訓練過程中確定；所述當前排序模型是指獲取所述特征向量對應的各個特征參數的分數，并基于所述特征參數的對應的分數，確定所述特征向量對應的POI的順序的模型；

根據所述N項POI的排序結果，生成排序后的POI列表。