[发明专利]出行方式推荐方法、装置、计算机设备和可读存储介质

权利要求书

1.一种出行方式推荐方法，其特征在于，包括：

获取出行用户选择的起点和终点；

根据所述起点的兴趣点POI分布信息和所述终点的POI分布信息，确定所述起点的起点表征向量和所述终点的终点表征向量；

将所述起点表征向量和所述终点表征向量输入经过训练的模型，得到与所述起点和所述终点对应的起终点向量表征，其中，所述模型已学习得到起点表征向量和终点表征向量与起终点向量表征之间的对应关系，所述起终点表征向量用于指示相应起终点的出行偏好；

获取所述起终点向量表征与预设多种出行方式的向量表征之间的相似度，根据所述相似度从所述预设多种出行方式中确定目标出行方式。

2.根据权利要求1所述的出行方式推荐方法，其特征在于，所述根据所述起点的兴趣点POI分布信息和所述终点的POI分布信息，确定所述起点的起点表征向量和所述终点的终点表征向量，包括：

获取以所述起点为圆心、第一预设距离为半径所形成的圆形区域内包含的所有POI的第一POI集合，以及获取以所述终点为圆心、第二预设距离为半径所形成的圆形区域内包含的所有POI的第二POI集合；

根据所述第一POI集合中包含的每种类型POI的数量，生成所述起点表征向量；

根据所述第二POI集合中包含的每种类型POI的数量，生成所述终点表征向量；其中，所述起点表征向量和所述终点表征向量的维度与POI类型的数量相同。

3.根据权利要求1所述的出行方式推荐方法，其特征在于，在所述将所述起点和所述终点输入经过训练的模型，得到与所述起点和所述终点对应的起终点向量表征之前，还包括：

获取训练样本，所述训练样本中包括多对起终点；

在所述多对起终点对应的POI分布信息的约束条件下，对所述模型进行训练。

4.根据权利要求3所述的出行方式推荐方法，其特征在于，所述训练样本中包括与每对起终点对应的历史出行方式记录，所述在所述多对起终点对应的POI分布信息的约束条件下，对所述模型进行训练，包括：

根据所述多对起终点对应的POI分布信息，确定所述训练样本中每对起终点对应的向量表征；

根据所述历史出行方式记录，确定对应起终点的出行偏好向量表征；

对不同POI类型进行权重调整，以使同一起终点的向量表征与出行偏好向量表征匹配；

根据调整后的权重，确定不同起终点之间的出行偏好相关性；

根据不同起终点对应的向量表征之间的相关性以及对应起终点的出行偏好相关性，生成目标函数；

对所述模型进行训练，以使所述目标函数最小化。

5.根据权利要求4所述的出行方式推荐方法，其特征在于，根据以下公式确定不同起终点之间的出行偏好相关性：

rel(od_i,od_j)＝exp(-||W⊙(od_i-od_j)||)，

其中，od_i和od_j表示两个不同的起终点，W表示不同POI类型的权重。

6.根据权利要求4所述的出行方式推荐方法，其特征在于，所述根据所述多对起终点对应的POI分布信息，确定所述训练样本中每对起终点对应的向量表征，包括：

获取所述训练样本中每对起终点之间的球面距离；

根据所述每对起终点的POI分布信息，确定所述每对起终点对应的起点表征向量和终点表征向量；

根据所述每对起终点对应的所述球面距离、所述起点表征向量和所述终点表征向量，生成对应起终点的向量表征。