[发明专利]搜索地理位置点的方法、装置、设备及存储介质在审

专利信息
申请号: 202011325558.9 申请日: 2020-11-23
公开(公告)号: CN112328890A 公开(公告)日: 2021-02-05
发明(设计)人: 臧文华;范淼;卓安 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06F16/9537;G06F40/289;G06F40/30;G06N3/04;G06N3/08
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 张娜;刘芳
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 搜索 地理位置 方法 装置 设备 存储 介质
【权利要求书】:

1.一种搜索地理位置点的方法,包括:

响应于地理位置点搜索指令,获取输入的搜索信息;

根据多个不同的分词粒度,提取所述搜索信息对应于每个所述分词粒度的语义特征;

将所述搜索信息对应于每个所述分词粒度的语义特征融合,生成所述搜索信息的语义向量;

将所述搜索信息的语义向量与语义向量索引库中各地理位置点的语义向量进行匹配,确定与所述搜索信息匹配的地理位置点;

其中,所述语义向量索引库中每个地理位置点的语义向量融合了该地理位置点的多种语言的历史搜索词、属性信息和非搜索通用语言的名称的语义特征。

2.根据权利要求1所述的方法,其中,根据多个不同的分词粒度,提取所述搜索信息对应于每个所述分词粒度的语义特征,包括:

将所述搜索信息进行分词处理,生成所述搜索信息对应的词向量序列;

基于多个不同的分词粒度,对所述搜索信息的词向量序列进行每个所述分词粒度的n-grams处理,生成所述搜索信息对应于每个所述分词粒度的语义特征。

3.根据权利要求2所述的方法,其中,将所述搜索信息进行分词处理,生成所述搜索信息对应的词向量序列,包括:

对所述搜索信息进行分词处理,确定所述搜索信息的词序列;

将所述词序列中的每个词分别映射成对应的词向量,得到所述搜索信息的词向量序列。

4.根据权利要求1-3中任一项所述的方法,其中,将所述搜索信息的语义向量与语义向量索引库中各地理位置点的语义向量进行匹配,确定与所述搜索信息匹配的地理位置点,包括:

获取用户当前所在城市对应的特征向量;

将所述用户当前所在城市对应的特征向量与所述搜索信息的语义向量融合,得到所述搜索信息的新的语义向量;

将所述新的语义向量与语义向量索引库中各地理位置点的语义向量进行匹配,确定与所述搜索信息匹配的地理位置点。

5.根据权利要求1-3中任一项所述的方法,其中,将所述搜索信息的语义向量与语义向量索引库中各地理位置点的语义向量进行匹配,确定与所述搜索信息匹配的地理位置点之前,还包括:

将每个地理位置点的历史搜索词、属性信息、搜索通用语言的名称和非搜索通用语言的名称的特征信息融合,生成每个所述地理位置点的语义向量;

根据每个所述地理位置点的语义向量,构建所述语义向量索引库。

6.根据权利要求5所述的方法,其中,将每个地理位置点的历史搜索词、属性信息、搜索通用语言的名称和非搜索通用语言的名称的特征信息融合,生成每个所述地理位置点的语义向量,包括:

根据所述地理位置点的非搜索通用语言的名称和历史搜索词,生成所述地理位置点的关联信息图;

将所述关联信息图输入图卷积网络,生成所述地理位置点的图语义特征;

将所述地理位置点的图语义特征,所述地理位置点的搜索通用语言的名称和属性信息的基础语义特征进行融合,得到所述地理位置点的语义向量。

7.根据权利要求6所述的方法,其中,根据所述地理位置点的非搜索通用语言的名称和历史搜索词,生成所述地理位置点的关联信息图之前,还包括:

获取所述地理位置点的历史搜索数据;

从所述地理位置点的历史搜索数据中,提取出所述地理位置点的历史搜索词,其中所述地理位置点的历史搜索词包括多种不同语言的搜索词。

8.根据权利要求6所述的方法,其中,将所述地理位置点的图语义特征,所述地理位置点的搜索通用语言的名称和属性信息的基础语义特征进行融合,得到所述地理位置点的语义向量之前,还包括:

获取所述地理位置点的属性信息;

将每项所述属性信息分别映射成对应的特征向量,得到每项所述属性信息的基础语义特征。

9.根据权利要求8所述的方法,其中,所述地理位置点的属性信息至少包括:地址和所在城市。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011325558.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top