[發明專利]出行意圖推斷方法、模型訓練方法、相關裝置及電子設備

有效

• 申請號: 202110247359.9
• 申請日: 2021-03-05
• 公開（公告）號: CN112966193B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 路新江;辛浩然;竇德景
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F16/9535;G06N3/042;G06N3/08
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 黃燦;劉念

1.一種出行意圖推斷方法，包括：

在確定目標對象關聯第一空間位置的情況下，獲取所述目標對象在第二空間位置的信息點的歷史位置序列，所述第一空間位置為相對于所述第二空間位置的異地空間位置；

基于神經網絡主題模型生成異地空間位置的K個出行意圖的第一權重分布，K為正整數；

基于所述歷史位置序列和第一權重分布，確定所述目標對象在所述第一空間位置的K個出行意圖的第二權重分布；

所述基于所述歷史位置序列和第一權重分布，確定所述目標對象在所述第一空間位置的K個出行意圖的第二權重分布，包括：

基于所述歷史位置序列，確定所述目標對象在本地的簽到偏好；

基于所述目標對象在本地的簽到偏好，確定所述目標對象關于所述K個出行意圖的權重信息；

將所述權重信息與所述第一權重分布進行加權和，得到所述目標對象在所述第一空間位置的K個出行意圖的第二權重分布。

2.根據權利要求1所述的方法，其中，所述基于所述歷史位置序列和第一權重分布，確定所述目標對象在所述第一空間位置的K個出行意圖的第二權重分布，包括：

基于所述歷史位置序列，按照所述目標對象在所述第二空間位置的信息點的時間順序生成有向圖，所述有向圖的節點為所述歷史位置序列中所述目標對象在所述第二空間位置的信息點的位置；

將所述有向圖輸入至圖神經網絡進行向量表征操作，得到所述有向圖中每個節點的向量；

基于所述有向圖中節點的向量和所述第一權重分布，確定所述目標對象在所述第一空間位置的K個出行意圖的第二權重分布。

3.根據權利要求2所述的方法，其中，所述基于所述有向圖中節點的向量和所述第一權重分布，確定所述目標對象在所述第一空間位置的K個出行意圖的第二權重分布，包括：

基于所述有向圖中節點的向量，采用注意力機制確定所述歷史位置序列對應的向量信息；

基于所述歷史位置序列對應的向量信息和所述第一權重分布，采用注意力機制確定所述目標對象關于所述K個出行意圖的權重信息，并基于所述權重信息和所述第一權重分布，確定所述目標對象在所述第一空間位置的K個出行意圖的第二權重分布。

4.一種模型訓練方法，包括：

獲取訓練對象在異地空間位置的信息點的位置序列；

基于所述位置序列，采用神經網絡主題模型利用隱變量的預設權重分布，確定所述位置序列對應的向量信息；并基于所述向量信息，確定所述隱變量的第三權重分布，所述隱變量為表征所述訓練對象在所述異地空間位置的K個出行意圖的變量，K為正整數；

確定所述預設權重分布與所述第三權重分布的損失信息；

基于所述損失信息更新所述神經網絡主題模型的參數，以得到用于生成異地空間位置的K個出行意圖的第一權重分布的神經網絡主題模型。

5.根據權利要求4所述的方法，其中，所述基于所述位置序列，采用神經網絡主題模型利用隱變量的預設權重分布，確定所述位置序列對應的向量信息，包括：

將所述位置序列中每個位置作為詞袋輸入至神經網絡主題模型進行主題關聯，以利用隱變量的預設權重分布，確定所述位置序列對應的向量信息；

所述神經網絡主題模型用于：基于隱變量的預設權重分布確定所述隱變量的K個隱式主題的向量信息，所述隱變量為表征所述K個出行意圖的變量，一個隱式主題對應一種出行意圖；基于所述K個隱式主題的向量信息和所述位置序列對應的初始向量信息，確定所述位置序列對應的向量信息，所述K個隱式主題的向量信息用于表征所述K個出行意圖的權重分布。

6.根據權利要求5所述的方法，其中，所述基于所述K個隱式主題的向量信息和所述位置序列對應的初始向量信息，確定所述位置序列對應的向量信息，包括：

基于所述K個隱式主題的向量信息和所述位置序列對應的初始向量信息，確定所述訓練對象在所述異地空間位置的信息點針對所述K個出行意圖中每個出行意圖的第四權重分布；

基于所述第四權重分布和所述K個隱式主題的向量信息，確定所述位置序列對應的向量信息。