[发明专利]兴趣点名称选择模型训练方法、使用方法、装置及存储介质

说明书

本发明提供了一种兴趣点名称选择模型训练方法，包括：获取不同数据来源的兴趣点数据，形成与兴趣点数据相对应的词语级向量；根据兴趣点数据构造兴趣点名称选择模型的训练样本；通过兴趣点名称选择模型的排序网络，对待排序数据进行排序处理，获取符合命名规则的兴趣点候选名称；通过所获取的符合命名规则的兴趣点候选名称，调整兴趣点名称选择模型中特征提取网络的参数和排序网络的参数。本发明还提供了兴趣点名称选择模型使用方法、装置及存储介质。本发明能够使得训练得到的兴趣点名称选择模型能够在不同数据来源的兴趣点数据中选择符合命名规则的兴趣点候选名称，减少了由于非命名规则的兴趣点的名称引起的用户使用错误，有效提升了使用体验。

技术领域

本发明涉及信息处理技术，尤其涉及兴趣点名称选择模型训练方法、使用方法、装置及存储介质。

背景技术

在电子地图场景中，需要对兴趣点(POI Point of Interest)数据进行计算和分类，电子地图上一般采用气泡图标来表示POI，比如电子地图上的景点、政府机构、公司、商场以及饭馆等。对于POI而言，反映POI类型的一个重要特征是POI的规范名称，现有技术中，基于人工经验的POI名称优选方法能够短平快的解决需求，然而该方法时效性差、不够灵活，当某个来源的名称质量发生变化时无法及时的发现和更新，为此，机器学习(ML，Machine Learning)提供了训练适当的名称选择模型来支持上述应用的方案。其中，机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习和归纳学习等技术，在兴趣点名称选择的领域中，也就是通过利用数字计算机或者数字计算机控制的机器实现对地图信息中POI的名称进行识别。但是这一过程中，基于传统机器排序的POI名称优选方法采用词袋模型，特征高纬度、高稀疏、表达能力弱，最终效果一般。

发明内容

有鉴于此，本发明实施例提供一种兴趣点名称选择模型训练方法、使用方法、装置及存储介质，能够实现筛选电子地图中的兴趣点的规范名称，确定符合命名规则的兴趣点候选名称，提高用户的使用体验，。

本发明实施例的技术方案是这样实现的：

本发明提供了一种兴趣点名称选择模型训练方法，包括：

获取不同数据来源的兴趣点数据，并对所述兴趣点数据进行分词处理，形成与所述兴趣点数据相对应的词语级向量；

根据所述兴趣点数据构造兴趣点名称选择模型的训练样本；

通过所述兴趣点名称选择模型的特征提取网络，提取与所述训练样本相对应的特征向量，以形成与所述训练样本相对应的待排序数据；

其中，所述待排序数据包括：第一候选名称和第二候选名称；

通过所述兴趣点名称选择模型的排序网络，对所述待排序数据进行排序处理，获取符合命名规则的兴趣点候选名称；

通过所获取的符合命名规则的兴趣点候选名称，调整所述兴趣点名称选择模型中特征提取网络的参数和排序网络的参数。

上述方案中，所述方法还包括：

对所述训练样本中的每个文本数据进行分析处理，得到所述每个文本数据所对应的标签信息，其中，所述标签信息包括至少以下之一：

角色标签、句法标签和语义标签中，其中，所述角色标签用于表征所述训练样本中各个词语的类型，所述句法标签用于表征所述训练样本中各个词语之间的从属关系，所述语义标签用于表征所述训练样本中各个词语的重要程度。

上述方案中，所述方法还包括：