[發明專利]出行信息的向量化表示方法及裝置

在審

• 申請號: 202111118748.8
• 申請日: 2021-09-23
• 公開（公告）號: CN113836446A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 史盟釗
• 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;G06K9/62;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 劉麗麗

1.一種出行信息的向量化表示方法，包括：

確定目標用戶所屬的用戶群體；

基于深度學習模型的隱藏層系數，確定所述用戶群體的出行信息向量化表示，其中，所述深度學習模型是基于相似用戶群體對樣本訓練得到的；以及

基于所述用戶群體的出行信息向量化表示，確定所述目標用戶的出行信息向量化表示。

2.根據權利要求1所述的方法，其中，所述確定目標用戶所屬的用戶群體，包括：

獲取所述目標用戶的特征屬性的群體化表示；以及

基于所述群體化表示，確定所述目標用戶所屬的用戶群體。

3.根據權利要求1所述的方法，其中，基于深度學習模型的隱藏層系數，確定所述用戶群體的出行信息向量化表示，包括：

將系數矩陣中與所述用戶群體對應的行向量作為所述用戶群體的出行信息向量化表示，

其中，所述系數矩陣是基于所述深度學習模型的隱藏層導出的隱藏層系數構建的，且矩陣中的每行權值表示的行向量對應于一個用戶群體。

4.根據權利要求1至3中任一項所述的方法，還包括：

將確定出的所述目標用戶的出行信息向量化表示發送至下游節點，以便為所述目標用戶推薦對應的出行方案。

5.一種出行信息的向量化表示方法，包括：

從深度學習模型的隱藏層導出對應的隱藏層系數，其中，所述深度學習模型是基于相似用戶群體對樣本訓練得到的；以及

基于所述隱藏層系數構建對應的系數矩陣，以得到多個用戶群體中每個用戶群體的向量化表示，

其中，所述系數矩陣中的每行權值表示的行向量對應于所述多個用戶群體中的一個用戶群體。

6.一種深度學習模型的訓練方法，包括：

基于知識圖譜，獲取相似用戶群體對樣本，其中，所述知識圖譜包括用戶群體類節點和出行信息類節點，所述知識圖譜中每組相似用戶群體對應的多個節點連接至同一出行信息節點；以及

利用所述相似用戶群體對樣本，對深度學習網絡進行訓練，以得到對應的深度學習模型，其中，所述深度學習模型的隱藏層系數可用于刻畫多個用戶群體的出行信息向量化表示。

7.根據權利要求6所述的方法，其中，基于知識圖譜，獲取相似用戶群體對樣本，包括：

基于所述知識圖譜，生成關于用戶群體和出行信息的至少一個關聯序列；以及

基于所述至少一個關聯序列，生成對應的相似用戶群體對樣本。

8.一種知識圖譜的構建方法，包括：

將用戶的群體化表示與所述用戶在至少一個特定場景下選擇的出行方案的離散化表示進行關聯，以獲得對應的關聯數據；以及

基于多個所述用戶獲得的關聯數據，構建包含用戶群體類節點和出行信息類節點的知識圖譜，其中，所述知識圖譜中每組相似用戶群體對應的多個節點連接至同一出行信息節點。

9.根據權利要求8所述的方法，其中，通過以下操作確定所述用戶的群體化表示：

獲取各用戶特征屬性對應的離散化處理結果；以及

基于所述離散化處理結果，確定所述用戶的群體化表示。

10.根據權利要求8或9所述的方法，其中，通過以下操作確定所述用戶選擇的出行方案的離散化表示：

基于歷史日志，挖掘所述用戶在對應的特定場景下選擇的出行方案；以及

針對所述用戶在對應的特定場景下選擇的出行方案，按照出行方案中各因素在對應維度上的排位，確定出行方案的離散化表示。

11.一種出行信息的向量化表示裝置，包括：

第一確定模塊，用于確定目標用戶所屬的用戶群體；

第二確定模塊，用于基于深度學習模型的隱藏層系數，確定所述用戶群體的出行信息向量化表示，其中，所述深度學習模型是基于相似用戶群體對樣本訓練得到的；以及

第三確定模塊，用于基于所述用戶群體的出行信息向量化表示，確定所述目標用戶的出行信息向量化表示。