[发明专利]一种地点推荐的方法、装置、电子设备及存储介质

说明书

本申请提供了一种地点推荐的方法、装置、电子设备及存储介质。该方法包括：获得目标用户终端发起的携带目标用户终端的出发地点和出发时刻的推荐地点获取请求；根据出发地点和出发时刻以及目标用户终端的历史订单，确定点击率特征；将所述出发地点和出发时刻输入目标用户终端的出行习惯模型，确定出行习惯特征，出行习惯特征表征目标用户终端以出发时刻为历史出发时刻且以出发地点为历史出发地点出行的概率；将出行习惯特征和点击率特征拼接后输入地点推荐模型，得到多个候选地点各自对应的概率；根据多个候选地点各自对应的概率，确定待推荐地点；将待推荐地点推送给所述目标用户终端。该方法能显著提高目的地预测的准确率。

技术领域

本申请实施例涉及数据处理技术领域，尤其涉及一种地点推荐的方法、装置、电子设备及存储介质。

背景技术

目的地预测是指：在已知用户所处位置和出行时刻的条件下，预测用户本次出行的目的地。目的地预测在多种场合下具有广泛应用，例如在打车场景中，当用户登录打车平台后，打车平台对用户本次的出行目的地进行预测和推荐，能帮助用户快速打车，有效提升用户的打车体验，为平台带来更多收益。

在相关技术中，对目的地进行预测主要有两种方式。方式一、通过点击率预估模型预测用户对有限个候选目的地的点击率，然后将点击率最高的目的地确定为用户目前将要出行的目的地。方式二、通过概率函数的预估模型，预估用户出行各个目的地的概率，然后将概率最高的目的地确定为用户目前将要出行的目的地。

然而，上述两种方式均存在一定的缺点。针对方式一，在基于点击率预估模型进行预估时，由于该模型为判别模型，直接对条件概率P(y|x)建模，并不关心数据分布P(x，y)，因而模型无法总结出用户行为习惯。例如，点击率预估模型能预测出用户A晚上8点出行M地的概率最高，但是模型无法抽取用户A晚上晚上8点出行M地的出行习惯。针对方式二，概率函数的预估模型是对用户目的地级别进行建模，如果用户出行该目的地的频次较少，无法满足模型建模，那么无法预测出用户出行该目的地的概率，因此该种方式对用户的订单数量有较高的要求。

发明内容

本申请实施例提供一种地点推荐的方法、装置、电子设备及存储介质，能有效提升目的地预测的准确度。

本申请实施例第一方面提供了一种地点推荐的方法，所述方法包括：

获得目标用户终端发起的推荐地点获取请求，所述推荐地点获取请求携带所述目标用户终端的出发地点和出发时刻；

根据所述出发地点和所述出发时刻以及所述目标用户终端的历史订单，确定点击率特征，所述点击率特征至少包括所述目标用户终端的历史订单中的历史地点与所述出发地点的距离、历史常用出行时刻以及所述历史地点的出行频次；

将所述出发地点和所述出发时刻输入所述目标用户终端的出行习惯模型，确定出行习惯特征，所述出行习惯特征表征所述目标用户终端以所述出发时刻为历史出发时刻且以所述出发地点为历史出发地点出行的概率；

将所述出行习惯特征和所述点击率特征拼接后输入地点推荐模型，得到多个候选地点各自对应的概率；

根据多个候选地点各自对应的概率，确定待推荐地点；

将所述待推荐地点推送给所述目标用户终端。

可选地，所述目标用户终端的出行习惯模型是按照以下步骤得到的：

以历史地点为维度，将所述目标用户终端的多个历史订单划分为多类历史订单，一类历史订单包括的各个历史订单对应同一个历史地点；

对每一类历史订单，根据所述目标用户终端在每个历史出发时刻去往该类历史订单对应的历史地点的次数，以及，所述目标用户终端从每个历史出发地点去往该类历史订单对应的历史地点的次数，拟合出该历史地点的混合高斯分布曲线；