[發(fā)明專利]出行意圖推斷方法、模型訓(xùn)練方法、相關(guān)裝置及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202110247359.9
• 申請(qǐng)日: 2021-03-05
• 公開（公告）號(hào): CN112966193B
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計(jì)）人: 路新江;辛浩然;竇德景
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F16/9537
• 分類號(hào): G06F16/9537;G06F16/9535;G06N3/042;G06N3/08
• 代理公司: 北京銀龍知識(shí)產(chǎn)權(quán)代理有限公司 11243
• 代理人: 黃燦;劉念

本申請(qǐng)公開了出行意圖推斷方法、模型訓(xùn)練方法、相關(guān)裝置及電子設(shè)備，涉及深度學(xué)習(xí)技術(shù)領(lǐng)域。具體實(shí)現(xiàn)方案為：在確定目標(biāo)對(duì)象關(guān)聯(lián)第一空間位置的情況下，獲取所述目標(biāo)對(duì)象在第二空間位置的信息點(diǎn)的歷史位置序列，所述第一空間位置為相對(duì)于所述第二空間位置的異地空間位置；基于神經(jīng)網(wǎng)絡(luò)主題模型生成異地空間位置的K個(gè)出行意圖的第一權(quán)重分布，K為正整數(shù)；基于所述歷史位置序列和第一權(quán)重分布，確定所述目標(biāo)對(duì)象在所述第一空間位置的K個(gè)出行意圖的第二權(quán)重分布。根據(jù)本申請(qǐng)的技術(shù)，解決了異地出行意圖的推斷問(wèn)題，實(shí)現(xiàn)了異地出行時(shí)的意圖推斷。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能技術(shù)領(lǐng)域，尤其涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，具體涉及一種出行意圖推斷方法、模型訓(xùn)練方法、相關(guān)裝置及電子設(shè)備。

背景技術(shù)

異地出行行為是一種典型的冷啟動(dòng)預(yù)測(cè)問(wèn)題，即用戶的歷史偏好更多的是基于其在本地的簽到行為，而對(duì)于在異地的傾向或者偏好，無(wú)法直接從本地到訪歷史信息中挖掘知識(shí)并應(yīng)用于異地出行的目的地，因此，如何有效推斷異地出行意圖，對(duì)于有效預(yù)測(cè)其在目的地的到訪行為就變得尤為重要。

目前，針對(duì)異地出行預(yù)測(cè)或推薦問(wèn)題，通常是由用戶輸入到訪異地的目的地和出行意圖，再基于用戶輸入的信息進(jìn)行異地出行的預(yù)測(cè)或推薦。

發(fā)明內(nèi)容

本公開提供了一種出行意圖推斷方法、模型訓(xùn)練方法、相關(guān)裝置及電子設(shè)備。

根據(jù)本公開的第一方面，提供了一種出行意圖推斷方法，包括：

在確定目標(biāo)對(duì)象關(guān)聯(lián)第一空間位置的情況下，獲取所述目標(biāo)對(duì)象在第二空間位置的信息點(diǎn)的歷史位置序列，所述第一空間位置為相對(duì)于所述第二空間位置的異地空間位置；

基于神經(jīng)網(wǎng)絡(luò)主題模型生成異地空間位置的K個(gè)出行意圖的第一權(quán)重分布，K為正整數(shù)；

基于所述歷史位置序列和第一權(quán)重分布，確定所述目標(biāo)對(duì)象在所述第一空間位置的K個(gè)出行意圖的第二權(quán)重分布。

根據(jù)本公開的第二方面，提供了一種模型訓(xùn)練方法，包括：

獲取訓(xùn)練對(duì)象在異地空間位置的信息點(diǎn)的位置序列；

基于所述位置序列，采用神經(jīng)網(wǎng)絡(luò)主題模型利用隱變量的預(yù)設(shè)權(quán)重分布，確定所述位置序列對(duì)應(yīng)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(quán)重分布，所述隱變量為表征所述訓(xùn)練對(duì)象在所述異地空間位置的K個(gè)出行意圖的變量，K為正整數(shù)；

確定所述預(yù)設(shè)權(quán)重分布與所述第三權(quán)重分布的損失信息；

基于所述損失信息更新所述神經(jīng)網(wǎng)絡(luò)主題模型的參數(shù)，以得到用于生成異地空間位置的K個(gè)出行意圖的第一權(quán)重分布的神經(jīng)網(wǎng)絡(luò)主題模型。

根據(jù)本公開的第三方面，提供了一種出行意圖推斷裝置，包括：

第一獲取模塊，用于在確定目標(biāo)對(duì)象關(guān)聯(lián)第一空間位置的情況下，獲取所述目標(biāo)對(duì)象在第二空間位置的信息點(diǎn)的歷史位置序列，所述第一空間位置為相對(duì)于所述第二空間位置的異地空間位置；

生成模塊，用于基于神經(jīng)網(wǎng)絡(luò)主題模型生成異地空間位置的K個(gè)出行意圖的第一權(quán)重分布，K為正整數(shù)；

第一確定模塊，用于基于所述歷史位置序列和第一權(quán)重分布，確定所述目標(biāo)對(duì)象在所述第一空間位置的K個(gè)出行意圖的第二權(quán)重分布。

根據(jù)本公開的第四方面，提供了一種模型訓(xùn)練裝置，包括：

第二獲取模塊，用于獲取訓(xùn)練對(duì)象在異地空間位置的信息點(diǎn)的位置序列；

第二確定模塊，用于基于所述位置序列，采用神經(jīng)網(wǎng)絡(luò)主題模型利用隱變量的預(yù)設(shè)權(quán)重分布，確定所述位置序列對(duì)應(yīng)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(quán)重分布，所述隱變量為表征所述訓(xùn)練對(duì)象在所述異地空間位置的K個(gè)出行意圖的變量，K為正整數(shù)；