[发明专利]出行意图推断方法、模型训练方法、相关装置及电子设备

说明书

本申请公开了出行意图推断方法、模型训练方法、相关装置及电子设备，涉及深度学习技术领域。具体实现方案为：在确定目标对象关联第一空间位置的情况下，获取所述目标对象在第二空间位置的信息点的历史位置序列，所述第一空间位置为相对于所述第二空间位置的异地空间位置；基于神经网络主题模型生成异地空间位置的K个出行意图的第一权重分布，K为正整数；基于所述历史位置序列和第一权重分布，确定所述目标对象在所述第一空间位置的K个出行意图的第二权重分布。根据本申请的技术，解决了异地出行意图的推断问题，实现了异地出行时的意图推断。

技术领域

本申请涉及人工智能技术领域，尤其涉及深度学习技术领域，具体涉及一种出行意图推断方法、模型训练方法、相关装置及电子设备。

背景技术

异地出行行为是一种典型的冷启动预测问题，即用户的历史偏好更多的是基于其在本地的签到行为，而对于在异地的倾向或者偏好，无法直接从本地到访历史信息中挖掘知识并应用于异地出行的目的地，因此，如何有效推断异地出行意图，对于有效预测其在目的地的到访行为就变得尤为重要。

目前，针对异地出行预测或推荐问题，通常是由用户输入到访异地的目的地和出行意图，再基于用户输入的信息进行异地出行的预测或推荐。

发明内容

本公开提供了一种出行意图推断方法、模型训练方法、相关装置及电子设备。

根据本公开的第一方面，提供了一种出行意图推断方法，包括：

在确定目标对象关联第一空间位置的情况下，获取所述目标对象在第二空间位置的信息点的历史位置序列，所述第一空间位置为相对于所述第二空间位置的异地空间位置；

基于神经网络主题模型生成异地空间位置的K个出行意图的第一权重分布，K为正整数；

基于所述历史位置序列和第一权重分布，确定所述目标对象在所述第一空间位置的K个出行意图的第二权重分布。

根据本公开的第二方面，提供了一种模型训练方法，包括：

获取训练对象在异地空间位置的信息点的位置序列；

基于所述位置序列，采用神经网络主题模型利用隐变量的预设权重分布，确定所述位置序列对应的向量信息；并基于所述向量信息，确定所述隐变量的第三权重分布，所述隐变量为表征所述训练对象在所述异地空间位置的K个出行意图的变量，K为正整数；

确定所述预设权重分布与所述第三权重分布的损失信息；

基于所述损失信息更新所述神经网络主题模型的参数，以得到用于生成异地空间位置的K个出行意图的第一权重分布的神经网络主题模型。

根据本公开的第三方面，提供了一种出行意图推断装置，包括：

第一获取模块，用于在确定目标对象关联第一空间位置的情况下，获取所述目标对象在第二空间位置的信息点的历史位置序列，所述第一空间位置为相对于所述第二空间位置的异地空间位置；

生成模块，用于基于神经网络主题模型生成异地空间位置的K个出行意图的第一权重分布，K为正整数；

第一确定模块，用于基于所述历史位置序列和第一权重分布，确定所述目标对象在所述第一空间位置的K个出行意图的第二权重分布。

根据本公开的第四方面，提供了一种模型训练装置，包括：

第二获取模块，用于获取训练对象在异地空间位置的信息点的位置序列；

第二确定模块，用于基于所述位置序列，采用神经网络主题模型利用隐变量的预设权重分布，确定所述位置序列对应的向量信息；并基于所述向量信息，确定所述隐变量的第三权重分布，所述隐变量为表征所述训练对象在所述异地空间位置的K个出行意图的变量，K为正整数；