[发明专利]模型训练、数据处理方法、装置、设备、存储介质及程序

说明书

本发明公开了一种模型训练、数据处理方法、装置、设备、存储介质及程序，所述方法包括：获取完整轨迹信息对应的多个轨迹点数据，每个轨迹点数据包括轨迹点对应的第一位置类别，对第一轨迹点数据中的第一位置类别进行干扰处理，得到干扰轨迹点数据，通过待训练的预设模型对干扰轨迹点数据和第二轨迹点数据进行处理，得到第一轨迹点数据对应的预测位置类别，根据第一轨迹点数据对应的第一位置类别和预测位置类别，更新预设模型的模型参数。本发明训练得到的预设模型具有对轨迹点的位置类别进行补全的能力，从而可以使用训练后的预设模型对不完整轨迹信息进行补全处理，得到完整轨迹信息。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种模型训练、数据处理方法、装置、设备、存储介质及程序。

背景技术

一些应用场景中，例如，交通拥堵模拟场景、疾病传播模拟场景等，需要针对用户出行特征进行分析和建模。而出行特征可以通过对用户轨迹信息进行分析得到。

相关技术中，可以通过终端设备记录用户的轨迹信息。具体的，终端设备可以采集用户所处位置。这样，根据终端设备在预设时段内所采集的用户所处的多个位置，可以得到用户的轨迹信息。例如，用户的轨迹信息可以为：位置A(10点)-位置B(11点)-位置C(12点)-位置D(13点)-位置E(14点)。

然而，实际应用中，终端设备对用户所处位置的记录频率依赖于用户的使用场景和使用习惯，导致终端设备采集的轨迹信息可能是不完整的。例如，终端设备仅记录了位置A(10点)-位置E(14点)，中间时间点(11点、12点、13点)所处位置是缺失的。因此，如何对不完整轨迹信息进行补全是亟待解决的技术问题。

发明内容

本发明的主要目的在于提供一种模型训练、数据处理方法、装置、设备、存储介质及程序，以提供一种对不完整轨迹信息进行补全的方式。

第一方面，本发明提供一种模型训练方法，所述方法包括：

获取完整轨迹信息对应的多个轨迹点数据，每个轨迹点数据包括轨迹点对应的第一位置类别；

对第一轨迹点数据中的第一位置类别进行干扰处理，得到干扰轨迹点数据，所述第一轨迹点数据为所述多个轨迹点数据中的部分轨迹点数据；

通过待训练的预设模型对所述干扰轨迹点数据和第二轨迹点数据进行处理，得到所述第一轨迹点数据对应的预测位置类别，所述第二轨迹点数据为所述多个轨迹点数据中除所述第一轨迹点数据之外的轨迹点数据；

根据所述第一轨迹点数据对应的第一位置类别和所述预测位置类别，更新所述预设模型的模型参数。

一种可能的实现方式中，通过待训练的预设模型对所述干扰轨迹点数据和第二轨迹点数据进行处理，得到所述第一轨迹点数据对应的预测位置类别，包括：

通过所述预设模型中的第一子模型对所述干扰轨迹点数据和所述第二轨迹点数据进行处理，得到所述干扰轨迹点数据对应的特征向量；

通过所述预设模型中的第二子模型对所述特征向量进行处理，得到所述第一轨迹点数据对应的预测位置类别；

根据所述第一轨迹点数据对应的第一位置类别和所述预测位置类别，更新所述预设模型的模型参数，包括：

根据所述第一轨迹点数据对应的第一位置类别和所述预测位置类别，更新所述第一子模型和所述第二子模型的模型参数。

一种可能的实现方式中，通过所述预设模型中的第一子模型对所述干扰轨迹点数据和所述第二轨迹点数据进行处理，得到所述干扰轨迹点数据对应的特征向量，包括：

确定所述干扰轨迹点数据对应的位置类别向量；

确定所述第二轨迹点数据对应的位置类别向量；