[发明专利]旅程规划模型的训练方法和旅程规划方法

权利要求书

1.一种旅程规划模型的训练方法，包括：

获取训练样本集，其中，训练样本包括旅程请求样本和对应的目标旅程样本；

执行以下训练步骤：从所述训练样本集中选取一对旅程请求样本和目标旅程样本；基于选取的目标旅程样本和旅程请求样本中的时间预算信息，对初始旅程规划模型进行训练，得到训练后的旅程规划模型；响应于训练次数满足第一次数阈值条件，将所述训练后的旅程规划模型确定为目标旅程规划模型。

2.根据权利要求1所述的方法，还包括：

响应于所述训练次数不满足所述第一次数阈值条件，将所述训练后的旅程规划模型作为所述初始旅程规划模型，再次执行所述训练步骤。

3.根据权利要求2所述的方法，其中，所述基于选取的目标旅程样本和旅程请求样本中的时间预算信息，对初始旅程规划模型进行训练，得到训练后的旅程规划模型包括：

获取选取的旅程请求样本中的所述时间预算信息、出发地信息；

基于所述初始旅程规划模型对所述时间预算信息、所述出发地信息以及预先确定的多个候选地点信息进行联合计算，从所述多个候选地点信息中选出至少一个目标地点信息，并与所述出发地信息组成初始旅程信息；

基于所述初始旅程信息和选取的目标旅程样本计算得到损失值，基于所述损失值对所述初始旅程规划模型进行参数调整，得到所述训练后的旅程规划模型。

4.根据权利要求3所述的方法，其中，所述初始旅程规划模型包括预处理层、注意力层、前馈网络层和规划层；

所述基于所述初始旅程规划模型对所述时间预算信息、所述出发地信息以及预先确定的多个候选地点信息进行联合计算，从所述多个候选地点信息中选出至少一个目标地点信息包括：

通过所述预处理层对所述多个候选地点信息进行预处理，得到第一向量矩阵；

将所述第一向量矩阵输入到所述注意力层中进行计算，得到第二向量矩阵；

将所述第二向量矩阵输入到所述前馈网络层中进行计算，得到候选向量矩阵；

通过所述规划层对所述候选向量矩阵、所述时间预算信息和所述出发地信息进行联合计算，并基于计算结果从所述多个候选地点信息中选出至少一个目标地点信息。

5.根据权利要求4所述的方法，其中，所述通过所述预处理层对所述多个候选地点信息进行预处理，得到第一向量矩阵包括：

基于所述预处理层执行如下操作：

将所述多个候选地点信息转换为对应的多个向量组，每个向量组中包括坐标嵌入向量、类别嵌入向量和停留时间嵌入向量；

将同一组的坐标嵌入向量、类别嵌入向量和停留时间嵌入向量，拼接为一个第一表征向量；

将得到的多个第一表征向量确定为所述第一向量矩阵。

6.根据权利要求5所述的方法，其中，所述将所述第一向量矩阵输入到所述注意力层中进行计算，得到第二向量矩阵包括：

通过所述注意力层中的多个注意力头，对输入的所述第一向量矩阵进行计算，得到多个注意力头矩阵；

将所述多个注意力头矩阵进行拼接，得到所述第二向量矩阵。

7.根据权利要求6所述的方法，其中，所述将所述第二向量矩阵输入到所述前馈网络层中进行计算，得到候选向量矩阵包括：

通过所述前馈网络层中的多个前馈网络子层，对输入的所述第二向量矩阵进行非线性变换，得到所述候选向量矩阵。

8.根据权利要求7所述的方法，其中，所述通过所述规划层对所述候选向量矩阵、所述时间预算信息和所述出发地信息进行联合计算，并基于计算结果从所述多个候选地点信息中选出至少一个目标地点信息包括：

基于所述规划层执行以下操作：

对所述候选向量矩阵、所述时间预算信息和所述出发地信息进行联合计算，生成一个上下文向量，其中，所述上下文向量包括可用时间；

基于所述上下文向量从所述多个候选地点信息中选出一个目标地点信息；

响应于所述可用时间不满足时间阈值条件，再次执行所述对所述候选向量矩阵、所述时间预算信息和所述出发地信息进行联合计算。