[发明专利]基于地理位置信息进行业务预测的方法及装置

权利要求书

1.一种基于地理位置信息进行业务预测的方法，包括：

获取用户的当前位置；

将所述当前位置作为目标位置，对目标位置进行嵌入处理，得到所述当前位置的特征向量，所述嵌入处理包括：

确定所述目标位置在层次编码方式下的目标位置编码；所述目标位置编码中从高位到低位的码值，依次对应于地理范围从大到小或从小到大的地理区域的区域标号；

根据预定义的步长，将滑动窗口在所述目标位置编码上滑动，并提取滑动过程中所述滑动窗口内的编码片段，得到编码片段序列；

根据所述编码片段序列，确定所述当前位置的特征向量；

至少将所述当前位置的特征向量输入业务预测模型，得到业务预测结果。

2.根据权利要求1所述的方法，其中，所述根据所述编码片段序列，确定所述当前位置的特征向量，包括:

将所述编码片段序列输入基于时序的神经网络模型，得到所述当前位置的特征向量。

3.根据权利要求2所述的方法，其中，所述基于时序的神经网络模型包括以下中的任一项：循环神经网络RNN，长短期记忆神经网络LSTM以及门控循环单元神经网络GRU。

4.根据权利要求1所述的方法，其中，所述确定所述目标位置在层次编码方式下的目标位置编码，包括：

获取按照多个层级预先划分的地理区域，从高层级到低层级对应于地理范围从大到小；

从高层级到低层级或从低层级到高层级，依次确定所述目标位置在各层级所属于的地理区域的区域标号，所述多个层级分别对应的多个区域标号形成所述目标位置编码。

5.根据权利要求1所述的方法，还包括：

获取所述用户的与业务相关的历史行为序列；

分别将所述历史行为序列中的各历史行为对应的历史位置作为目标位置，对目标位置进行所述嵌入处理，得到各历史位置的特征向量；

所述至少将所述当前位置的特征向量输入业务预测模型，包括：

将所述当前位置的特征向量和所述各历史位置的特征向量输入所述业务预测模型，得到业务预测结果。

6.根据权利要求5所述的方法，其中，所述业务预测模型包括，基于Transformer的神经网络模型，所述至少将所述当前位置的特征向量输入业务预测模型，包括:

将当前位置的特征向量和所述各历史位置的特征向量输入所述基于Transformer的神经网络模型，得到序列表示向量；

根据所述序列表示向量，确定所述业务预测结果。

7.根据权利要求6所述的方法，其中，所述基于Transformer的神经网络模型包括嵌入层和注意力层；

所述将当前位置的特征向量和所述各历史位置的特征向量输入基于Transformer的神经网络模型，包括：

在所述嵌入层，基于各特征向量以及对应的顺序编号，得到各嵌入向量；

在所述注意力层，对所述各嵌入向量加以不同的权重，得到所述序列表示向量。

8.根据权利要求1至7中任一项所述的方法，其中，

所述业务预测模型用于预测服务信息的类别；所述服务信息包括以下中的任一项：附近商圈信息、电子券以及推荐内容；或，

所述业务预测模型用于识别所述用户的终端设备是否存在异常。

9.一种获取地理位置信息的特征向量的方法，包括：

获取目标设备的当前位置；

确定所述当前位置在层次编码方式下的目标位置编码；所述目标位置编码中从高位到低位的码值，依次对应于地理范围从大到小或从小到大的地理区域的区域标号；

根据预定义的步长，将滑动窗口在所述目标位置编码上滑动，并提取滑动过程中所述滑动窗口内的编码片段，得到编码片段序列；

根据所述编码片段序列，确定所述当前位置的特征向量。