【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及神經(jīng)網(wǎng)絡(luò)領(lǐng)域，具體而言，涉及一種時(shí)空行為序列量化方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備。
技術(shù)介紹
1、用戶的時(shí)空行為數(shù)據(jù)是序列化的、規(guī)則化的，但是單個(gè)行為缺乏足夠的信息量。現(xiàn)有的量化方法做法，要么是簡(jiǎn)化用戶行為，定義為可控的數(shù)量非常少的規(guī)則，使用統(tǒng)計(jì)進(jìn)行數(shù)值量化；或者是通過將用戶的行為編碼，然后使用nlp（natural?language?processing，自然語言處理）技術(shù)發(fā)掘用戶行為模式，使用隱狄利克雷分布去識(shí)別用戶行為序列的意圖，從而發(fā)現(xiàn)用戶行為序列的大概目的。
2、前者采取了一種經(jīng)驗(yàn)驅(qū)動(dòng)的方式，其信息利用效率顯著依賴于建模者的洞察力和主觀判斷，導(dǎo)致信息提取可能不夠全面或精確。而后者雖然試圖通過編碼和統(tǒng)計(jì)分析來捕捉行為模式，但忽略了行為序列內(nèi)部以及序列之間在時(shí)間與空間上的連續(xù)性和關(guān)聯(lián)性，這使得對(duì)用戶行為的深度理解受限。
技術(shù)實(shí)現(xiàn)思路
1、為了克服現(xiàn)有技術(shù)中的至少一個(gè)不足，本申請(qǐng)?zhí)峁┮环N時(shí)空行為序列量化方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備，具體包括：
2、第一方面，本申請(qǐng)?zhí)峁┮环N時(shí)空行為序列量化方法，所述方法包括：
3、獲取目標(biāo)區(qū)域的空間特征矩陣，其中，所述空間特征矩陣包括所述目標(biāo)區(qū)域中多個(gè)空間節(jié)點(diǎn)各自的空間特征向量；
4、獲取目標(biāo)用戶在每個(gè)時(shí)間步長(zhǎng)的時(shí)序特征矩陣，其中，每個(gè)所述時(shí)序特征矩陣包括所述目標(biāo)用戶在對(duì)應(yīng)時(shí)間步長(zhǎng)內(nèi)位于每個(gè)所述空間節(jié)點(diǎn)的時(shí)序特征向量；
5、分別將每個(gè)所述時(shí)序特征矩陣與所述空間特征矩陣進(jìn)行融合，
6、通過預(yù)先訓(xùn)練的時(shí)空分析模型依次提取每個(gè)所述特征融合矩陣的特征，得到所述目標(biāo)用戶的時(shí)空特征表示。
7、結(jié)合第一方面的可選實(shí)施方式，獲取目標(biāo)區(qū)域的空間特征矩陣，包括：
8、構(gòu)建所述多個(gè)空間節(jié)點(diǎn)之間的節(jié)點(diǎn)關(guān)系圖，其中，所述節(jié)點(diǎn)關(guān)系圖中記錄了每個(gè)所述空間節(jié)點(diǎn)的屬性以及所述多個(gè)空間節(jié)點(diǎn)之間的空間關(guān)系；
9、通過圖神經(jīng)網(wǎng)絡(luò)對(duì)所述節(jié)點(diǎn)關(guān)系圖進(jìn)行處理，得到每個(gè)所述空間節(jié)點(diǎn)的空間特征向量；
10、根據(jù)每個(gè)所述空間節(jié)點(diǎn)的空間特征向量，得到所述空間特征矩陣。
11、結(jié)合第一方面的可選實(shí)施方式，所述獲取目標(biāo)用戶在每個(gè)時(shí)間步長(zhǎng)的時(shí)序特征矩陣，包括：
12、對(duì)于每個(gè)所述時(shí)間步長(zhǎng)，獲取所述目標(biāo)用戶在所述時(shí)間步長(zhǎng)內(nèi)位于每個(gè)所述空間節(jié)點(diǎn)的駐留信息；
13、根據(jù)每個(gè)所述空間節(jié)點(diǎn)的駐留信息，得到所述目標(biāo)用戶在每個(gè)所述空間節(jié)點(diǎn)的時(shí)序特征向量；
14、根據(jù)所述目標(biāo)用戶在每個(gè)所述空間節(jié)點(diǎn)的時(shí)序特征向量，得到所述時(shí)序特征矩陣。
15、結(jié)合第一方面的可選實(shí)施方式，所述分別將每個(gè)所述時(shí)序特征矩陣與所述空間特征矩陣進(jìn)行融合，得到所述目標(biāo)用戶的每個(gè)特征融合矩陣，包括：
16、分別將每個(gè)所述時(shí)序特征矩陣與所述空間特征矩陣以預(yù)設(shè)權(quán)重進(jìn)行加權(quán)，得到所述目標(biāo)用戶的每個(gè)特征融合矩陣。
17、結(jié)合第一方面的可選實(shí)施方式，所述通過預(yù)先訓(xùn)練的時(shí)空分析模型依次提取每個(gè)所述特征融合矩陣的特征，得到所述目標(biāo)用戶的時(shí)空特征表示，包括：
18、通過所述時(shí)空分析模型對(duì)每個(gè)所述特征融合矩陣依次進(jìn)行處理，得到所述時(shí)空分析模型的目標(biāo)隱藏層輸出的每個(gè)所述特征融合矩陣的編碼向量；
19、根據(jù)每個(gè)所述特征融合矩陣的編碼向量，得到所述目標(biāo)用戶的時(shí)空特征表示。
20、結(jié)合第一方面的可選實(shí)施方式，所述時(shí)空分析模型通過循環(huán)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到。
21、結(jié)合第一方面的可選實(shí)施方式，通過所述時(shí)空分析模型能夠根據(jù)每個(gè)所述特征融合矩陣，預(yù)測(cè)所述目標(biāo)用戶的出行目的。
22、第二方面，本申請(qǐng)還提供一種時(shí)空行為序列量化裝置，所述裝置包括：
23、空間特征模塊，用于獲取目標(biāo)區(qū)域的空間特征矩陣，其中，所述空間特征矩陣包括所述目標(biāo)區(qū)域中多個(gè)空間節(jié)點(diǎn)各自的空間特征向量；
24、時(shí)間特征模塊，用于獲取目標(biāo)用戶在每個(gè)時(shí)間步長(zhǎng)的時(shí)序特征矩陣，其中，每個(gè)所述時(shí)序特征矩陣包括所述目標(biāo)用戶在對(duì)應(yīng)時(shí)間步長(zhǎng)內(nèi)位于每個(gè)所述空間節(jié)點(diǎn)的時(shí)序特征向量；
25、特征融合模塊，用于分別將每個(gè)所述時(shí)序特征矩陣與所述空間特征矩陣進(jìn)行融合，得到所述目標(biāo)用戶的每個(gè)特征融合矩陣；
26、特征提取模塊，用于通過預(yù)先訓(xùn)練的時(shí)空分析模型依次提取每個(gè)所述特征融合矩陣的特征，得到所述目標(biāo)用戶的時(shí)空特征表示。
27、結(jié)合第二方面的可選實(shí)施方式，所述空間特征模塊還具體用于：
28、構(gòu)建所述多個(gè)空間節(jié)點(diǎn)之間的節(jié)點(diǎn)關(guān)系圖，其中，所述節(jié)點(diǎn)關(guān)系圖中記錄了每個(gè)所述空間節(jié)點(diǎn)的屬性以及所述多個(gè)空間節(jié)點(diǎn)之間的空間關(guān)系；
29、通過圖神經(jīng)網(wǎng)絡(luò)對(duì)所述節(jié)點(diǎn)關(guān)系圖進(jìn)行處理，得到每個(gè)所述空間節(jié)點(diǎn)的空間特征向量；
30、根據(jù)每個(gè)所述空間節(jié)點(diǎn)的空間特征向量，得到所述空間特征矩陣。
31、結(jié)合第二方面的可選實(shí)施方式，所述時(shí)間特征模塊還具體用于：
32、對(duì)于每個(gè)所述時(shí)間步長(zhǎng)，獲取所述目標(biāo)用戶在所述時(shí)間步長(zhǎng)內(nèi)位于每個(gè)所述空間節(jié)點(diǎn)的駐留信息；
33、根據(jù)每個(gè)所述空間節(jié)點(diǎn)的駐留信息，得到所述目標(biāo)用戶在每個(gè)所述空間節(jié)點(diǎn)的時(shí)序特征向量；
34、根據(jù)所述目標(biāo)用戶在每個(gè)所述空間節(jié)點(diǎn)的時(shí)序特征向量，得到所述時(shí)序特征矩陣。
35、結(jié)合第二方面的可選實(shí)施方式，所述特征融合模塊還具體用于：
36、分別將每個(gè)所述時(shí)序特征矩陣與所述空間特征矩陣以預(yù)設(shè)權(quán)重進(jìn)行加權(quán)，得到所述目標(biāo)用戶的每個(gè)特征融合矩陣。
37、結(jié)合第二方面的可選實(shí)施方式，所述特征提取模塊還具體用于：
38、通過所述時(shí)空分析模型對(duì)每個(gè)所述特征融合矩陣依次進(jìn)行處理，得到所述時(shí)空分析模型的目標(biāo)隱藏層輸出的每個(gè)所述特征融合矩陣的編碼向量；
39、根據(jù)每個(gè)所述特征融合矩陣的編碼向量，得到所述目標(biāo)用戶的時(shí)空特征表示。
40、結(jié)合第二方面的可選實(shí)施方式，所述時(shí)空分析模型通過循環(huán)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到。
41、結(jié)合第二方面的可選實(shí)施方式，通過所述時(shí)空分析模型能夠根據(jù)每個(gè)所述特征融合矩陣，預(yù)測(cè)所述目標(biāo)用戶的出行目的。
42、第三方面，本申請(qǐng)還提供一種存儲(chǔ)介質(zhì)，所示存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)所述的時(shí)空行為序列量化方法。
43、第四方面，本申請(qǐng)還提供一種電子設(shè)備，所述電子設(shè)備包括處理器以及存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)所述的時(shí)空行為序列量化方法。
44、相對(duì)于現(xiàn)有技術(shù)而言，本申請(qǐng)具有以下有益效果：
45、本申請(qǐng)?zhí)峁┮环N時(shí)空行為序列量化方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備。該方法中，電子設(shè)備獲取目標(biāo)區(qū)域的空間特征矩陣，其中，空間特征矩陣包括目標(biāo)區(qū)域中多個(gè)空間節(jié)點(diǎn)各自的空間特征向量；獲取目標(biāo)用戶在每個(gè)時(shí)間步長(zhǎng)的時(shí)序特征矩陣，其中，每個(gè)時(shí)序特征本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種時(shí)空行為序列量化方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，獲取目標(biāo)區(qū)域的空間特征矩陣，包括：
3.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，所述獲取目標(biāo)用戶在每個(gè)時(shí)間步長(zhǎng)的時(shí)序特征矩陣，包括：
4.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，所述分別將每個(gè)所述時(shí)序特征矩陣與所述空間特征矩陣進(jìn)行融合，得到所述目標(biāo)用戶的每個(gè)特征融合矩陣，包括：
5.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，所述通過預(yù)先訓(xùn)練的時(shí)空分析模型依次提取每個(gè)所述特征融合矩陣的特征，得到所述目標(biāo)用戶的時(shí)空特征表示，包括：
6.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，所述時(shí)空分析模型通過循環(huán)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到。
7.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，通過所述時(shí)空分析模型能夠根據(jù)每個(gè)所述特征融合矩陣，預(yù)測(cè)所述目標(biāo)用戶的出行目的。
8.一種時(shí)空行為序列量化裝置，其特征在于，所述裝置包括：
9.
10.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括處理器以及存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)權(quán)利要求1-7任意一項(xiàng)所述的時(shí)空行為序列量化方法。
...【技術(shù)特征摘要】
1.一種時(shí)空行為序列量化方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，獲取目標(biāo)區(qū)域的空間特征矩陣，包括：
3.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，所述獲取目標(biāo)用戶在每個(gè)時(shí)間步長(zhǎng)的時(shí)序特征矩陣，包括：
4.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，所述分別將每個(gè)所述時(shí)序特征矩陣與所述空間特征矩陣進(jìn)行融合，得到所述目標(biāo)用戶的每個(gè)特征融合矩陣，包括：
5.根據(jù)權(quán)利要求1所述的時(shí)空行為序列量化方法，其特征在于，所述通過預(yù)先訓(xùn)練的時(shí)空分析模型依次提取每個(gè)所述特征融合矩陣的特征，得到所述目標(biāo)用戶的時(shí)空特征表示，包括：
6.根據(jù)權(quán)利要求...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張航，張巖，吳國相，閆嘉，
申請(qǐng)(專利權(quán))人：智慧足跡數(shù)據(jù)科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。