一种地图兴趣点展示方法、装置及电子设备与流程

1.本公开涉及人工智能技术领域，尤其涉及智能交通。


背景技术：

2.为了便于用户能够根据地图查找到用户感兴趣的地点，可以在地图中展示一个或多个兴趣点(point of interest，poi)，以表示用户可能感兴趣的地点所处的位置。例如，可以在地图中展示用于表示热门景点所处位置的兴趣点，以使得用户能够根据展示的兴趣点前往感兴趣的热门景点。


技术实现要素：

3.本公开提供了一种用于更准确地在地图中展示兴趣点的方法、装置、设备以及存储介质。
4.根据本公开的第一方面，提供了一种地图兴趣点展示方法，包括：
5.获取多个候选兴趣点对应的特征；
6.根据特征与热度之间的映射关系以及所述多个候选兴趣点的特征，确定所述多个候选兴趣点各自的预测热度，其中，所述映射关系为基于历史时间段内用户针对各样本兴趣点进行操作的频次确定得到的；
7.在地图中展示所述预测热度满足预设热度条件的候选兴趣点。
8.根据本公开的第二方面，提供了一种地图兴趣点展示装置，包括：
9.特征提取模块，用于获取多个候选兴趣点对应的特征；
10.热度预测模块，用于根据特征与热度之间的映射关系以及所述多个候选兴趣点的特征，确定所述多个候选兴趣点各自的预测热度，其中，所述映射关系为基于历史时间段内用户针对各样本兴趣点进行操作的频次确定得到的；
11.展示模块，用于在地图中展示所述预测热度满足预设热度条件的候选兴趣点。
12.根据本公开的第三方面，提供了一种电子设备，包括：
13.至少一个处理器；以及
14.与所述至少一个处理器通信连接的存储器；其中，
15.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面中任一项所述的方法。
16.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述第一方面中任一项所述的方法。
17.根据本公开的第五方面，提供了一种计算机程序产品，所述计算机程序在被处理器执行时实现根据上述第一方面中任一项所述的方法。
18.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
19.附图用于更好地理解本方案，不构成对本公开的限定。其中：
20.图1是本公开提供的地图兴趣点展示方法的流程示意图；
21.图2是本公开提供的映射关系确定方法的流程示意图；
22.图3是本公开提供的地图兴趣点展示装置的结构示意图；
23.图4是用来实现本公开实施例的地图兴趣点展示的方法的电子设备的框图。
具体实施方式
24.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
25.为了更清楚的对本公开提供的地图兴趣点展示方法进行说明，下面将对本公开提供的地图兴趣点展示方法的一种可能的应用场景进行示例性说明，可以理解的是，以下示例仅是本公开提供的地图兴趣点展示方法的一种可能的应用场景，在其他可能的实施例中，本公开提供的地图兴趣点展示方法也可以应用于其他可能的应用场景中，以下示例对此不做任何限制。
26.地图所展示的区域内可能存在多个用户可能感兴趣的地点，例如，假设地图所展示的区域为某城市的市区，市区中的电影院、饭店、旅馆、博物馆、机场、火车站、商场等都可能是用户感兴趣的地点。如果将用于表示这些地点的兴趣点全部展示在地图中，则由于地图中展示的兴趣点过多，将导致用户难以有效从中查找出用户实际感兴趣的地点，因此需要有选择性的展示兴趣点。
27.在一种实现方式中，可以是由相关人员，如智能交通领域的专家，根据经验设置筛选规则，根据所设置的筛选规则从兴趣点中筛选出部分兴趣点进行展示。
28.但是相关人员的经验往往有限，因此相关人员设置的筛选规则往往只能够适用于一定应用场景之下，而对于其他应用场景则难以适用。因此，在一些应用场景中，根据相关人员设置的筛选规则筛选出的兴趣点所表示的地点并非用户实际感兴趣的地点，即筛选出的兴趣点的准确性较低。
29.参见图1，图1所示为本公开提供的地图兴趣点展示方法的一种流程示意图，可以包括：
30.s101，获取多个候选兴趣点对应的特征。
31.s102，根据特征与热度之间的映射关系以及多个候选兴趣点的特征，确定多个候选兴趣点各自的预测热度，其中，映射关系为基于历史时间段内用户操作确定得到的。
32.s103，在地图中展示预测热度满足预设热度条件的候选兴趣点。
33.选用该实施例，可以根据特征与热度之间的映射关系，对候选兴趣点的特征进行映射得到候选兴趣点各自的预测热度，由于映射关系是基于历史时间段内用户针对各样本兴趣点进行操作的频次确定得到的，而用户进行的用户操作所针对的对象往往是针对用户感兴趣的对象，因此历史时间段内用户针对各样本兴趣点进行操作的频次能够在一定程度上反映出用户实际感兴趣的兴趣点，因此根据该映射关系确定得到的预测热度能够反映出
用户对各个候选兴趣点的感兴趣程度。进而当候选兴趣点的预测热度满足预设热度条件时，则可以认为是用户对该候选兴趣点具有一定的感兴趣程度，即该候选兴趣点为用户感兴趣的兴趣点，因此在地图中展示预测热度满足预设热度条件的候选兴趣点，可以相对准确地在地图中展示用户感兴趣的兴趣点，即可以提高所展示的兴趣点的准确性。
34.其中，在s101中候选兴趣点所表示的地点应当位于地图所展示的区域内，示例性的，假设地图所展示的区域为城市a的市区，则用于表示城市b的火车站的兴趣点不属于候选兴趣点。并且，候选兴趣点所表示的地点可以包括地图所展示的区域内用户可能感兴趣的所有地点，也可以仅包括地图所展示的区域内用户可能感兴趣的部分地点。示例性的，假设地图所展示的区域为城市a的市区，并且市区a内用户可能感兴趣的地点有：火车站、飞机场、电影院以及酒店。则候选兴趣点可以包括用于表示火车站、飞机场、电影院以及酒店的兴趣点，也可以仅包括用于表示火车站、飞机场的兴趣点，而不包括用于表示电影院和酒店的兴趣点。
35.兴趣点对应的特征可以为任意表征与兴趣点相关的因素的特征，包括但不限于以下特征中的一种或多种特征：用于表征使用地图的用户的用户侧特征，用于表征用户使用地图时所处场景的场景特征，用于表征特征对应的兴趣点的兴趣点特征。关于用户侧特征、场景特征以及兴趣点特征将在下文中进行详细说明在此不再赘述。可以理解的是，兴趣点是用于展示给使用地图的用户，以使得用户能够根据展示的兴趣点查找到感兴趣的地点的，因此使用地图的用户为与兴趣点相关的因素，而兴趣点是展示在地图中的，因此用户使用地图时所处场景即是为用户展示兴趣点时所处场景，因此该场景为与兴趣点相关的因素，另外，兴趣点自身显然是与兴趣点相关的因素。
36.在s102中，样本兴趣点可以为与候选兴趣点完全相同的兴趣点，也可以是与候选兴趣点部分相同的兴趣点，还可以是与候选兴趣点完全不同的兴趣点。并且样本兴趣点的数目可以与候选兴趣点相同，也可以与候选兴趣点不同。示例性的，假设候选兴趣点为兴趣点1
‑
4，则样本兴趣点可以是兴趣点1
‑
4，也可以是兴趣点3
‑
7，还可以是兴趣点5
‑
10。
37.并且，其中的用户可以包括使用本公开提供的地图兴趣点展示方法的执行主体的用户(下文称目标用户)，也可以不包括目标用户，并且可以是指一个用户也可以是指多个用户，本公开对此不做任何限制。用户针对兴趣点进行的操作包括但不限于：在地图中点击该兴趣点，搜索该兴趣点所表示的地点等操作。
38.可以理解的是，用户往往只会针对感兴趣的兴趣点进行操作，因此可以认为用户针对一个兴趣点进行操作的频次越高，则用户对该兴趣点的感兴趣程度越高。示例性的，假设在历史时间段内用户曾经针对样本兴趣点“电影院”进行过十次搜索，而仅对样本兴趣点“飞机场”进行过一次搜索，则可以认为用户对样本兴趣点“电影院”的感兴趣程度高于对样本兴趣点“飞机场”的感兴趣程度。
39.并且，候选兴趣点与样本兴趣点之间往往存在一定的共性，例如，假设候选兴趣点中包括电影院a，而样本兴趣点中包括电影院b，则虽然电影院a和电影院b为不同的两个电影院，但是同样作为电影院两者之间存在一定的共性，又例如候选兴趣点包括热门景点，而样本兴趣点中包括网红饭店，则虽然热门景点与网红饭店为不同的兴趣点，但是两者具有高热度这一共性。由于候选兴趣点与样本兴趣点之间往往存在一定的共性，因此用户对样本兴趣点的感兴趣程度在一定程度上能够反映出用户对候选兴趣点的感兴趣程度，即可以
利用基于历史时间段内用户针对各样本兴趣点进行操作的频次确定得到的映射关系，确定出多个候选兴趣点各自的预测热度。
40.预测热度的表示形式根据应用场景的不同可以不同，示例性的，可以是使用热度值的方式表示各个候选兴趣点各自的预测热度，也可以是使用相对大小关系表示各个候选兴趣点各自的预测热度。示例性的，假设一共有三个候选兴趣点，分别记为候选兴趣点1
‑
3，则候选兴趣点1
‑
3各自的预测热度可以表示为：候选兴趣点1热度值0.8、候选兴趣点2热度值0.5、候选兴趣点热度值0.9，也可以表示为：候选兴趣点3预测热度＞候选兴趣点1预测热度＞候选兴趣点2预测热度。
41.并且，在一种可能的实施例中，相对大小关系也可以是以序列的形式表示的，例如可以是以将多个候选兴趣点按照预测热度由高到低的顺序排序得到的序列表示相对大小关系，例如可以是以序列{候选兴趣点3，候选兴趣点1，候选兴趣点2}表示候选兴趣点3预测热度＞候选兴趣点1预测热度＞候选兴趣点2预测热度。
42.关于如何确定得到映射关系，将在下文中进行详细说明，在此不再赘述。
43.在s103中，预设热度条件可以根据实际需求以及预测热度的表示形式的不同而不同，示例性的，当预测热度是以热度值的形式表示的时，预设热度条件可以为热度值高于预设热度阈值，例如，仍以前述s102的示例为例，假设预设热度阈值为0.7，则可以是在地图中展示候选兴趣点1、候选兴趣点3。其中，预设热度阈值可以是基于用户的实际需求或者按照预设规则计算得到的，例如用户可以基于实际需求将预设热度阈值设置为0.6，也可以统计得到多个候选兴趣点各自的预测热度的统计值作为预设热度阈值，统计值可以是指算数平均数、中位数等通过统计得到的数值中的任一值。
44.当预测热度是以相对大小关系的形式表示的时，或，预测热度是以热度值的形式表示的时，预设热度条件也可以为按照预测热度由高到低进行排序时位于预设顺位之前的候选兴趣点，例如，仍以前述s102的示例为例，假设预设顺位为第2位，则由于预测热度由高到低进行排序时候选兴趣点1和候选兴趣点3位于前2位，而候选兴趣点位于第3位，因此可以是在地图中展示候选兴趣点1、候选兴趣点3。
45.下面将对如何确定映射关系进行说明，可以参见图2，图2所示为本公开提供的映射关系确定方法的一种流程示意图，可以包括：
46.s201，获取多个样本兴趣点对应的特征。
47.样本兴趣点对应的特征的类型应当与候选兴趣点对应的特征的类型相同。示例性的，如果候选兴趣点对应的特征包括用户侧特征，则样本兴趣点对应的特征也应当包括用户侧特征，而如果候选兴趣点对应的特征不包括用户侧特征，则样本兴趣点对应的特征也应当不包括用户侧特征。
48.s202，基于历史时间段内用户针对多个样本兴趣点进行操作的频次，得到多个样本兴趣点各自的观测热度。
49.在确定映射关系时所基于的频次可以是历史时间段内用户实际针对各样本兴趣点进行操作的频次，可以是指历史时间段内用户预期针对各样本兴趣点进行操作的频次。并且频次可以是以数值的形式表示的，也可以是以相对大小关系的形式表示的。
50.示例性的，假设一共有3个样本兴趣点，分别记为样本兴趣点1
‑
3，则在一种可能的实施例中，可以是获取历史时间段内用户针对各样本兴趣点所进行操作的次数，假设在历
史时间段内，用户针对样本兴趣点1进行了5次搜索，针对样本兴趣点2进行了3次搜索，并且针对样本兴趣点3进行了2次搜索。则用户针对各样本兴趣点进行操作的频次可以表示为：针对样本兴趣点1进行操作的频次为0.5，针对样本兴趣点2进行操作的频次为0.3，针对样本兴趣点3进行操作的频次为0.2。用户针对各样本兴趣点进行操作的频次也可以表示为：针对样本兴趣点1进行操作的频次＞针对样本兴趣点2进行操作的频次＞针对样本兴趣点3进行操作的频次。并且，相对大小关系也可以是以序列的形式表示，如序列{样本兴趣点1，样本兴趣点2，样本兴趣点3}可以用于表示针对样本兴趣点1进行操作的频次＞针对样本兴趣点2进行操作的频次＞针对样本兴趣点3进行操作的频次。
51.在另一种可能的实施例中，也可以是由样本用户根据自身经验标注历史时间段内该样本用户预期针对各样本兴趣点进行操作的频次，示例性的，假设一样本用户根据自身经验认为自己对样本兴趣点1的感兴趣程度最高，对样本兴趣点2的感兴趣程度一般，并且对样本兴趣点3的感兴趣程度最低，则该样本用户根据自身经验标注得到序列{样本兴趣点1，样本兴趣点2，样本兴趣点3}。在其他可能的实施例中，样本用户标注的频次也可以是以序列以外的其他形式表示的，关于频次的其他表示形式可以参见前文中的相关描述，在此不再赘述。
52.并且样本兴趣点各自的观测热度可以是历史时间段内用户针对该样本兴趣点的用户操作的频次本身，也可以是基于频次计算得到的。示例性的，在一种可能的实施例中，可以是将历史时间段内用户针对该样本兴趣点的用户操作的频次作为样本兴趣点各自的观测热度。示例性的，以前述示例为例，假设用户标注的频次是以序列{样本兴趣点1，样本兴趣点2，样本兴趣点3}的形式表示的，则可以是将该序列作为用于表示样本兴趣点各自的观测热度的序列。
53.在另一种可能的实施例中，也可以是基于频次对多个样本兴趣点进行排序，得到用于表示多个样本兴趣点各自的观测热度的样本兴趣点序列。示例性的，假设存在3个样本兴趣点，并且分别记为样本兴趣点1
‑
3，并且假设针对样本兴趣点1进行操作的频次为0.5，针对样本兴趣点2进行操作的频次为0.3，针对样本兴趣点3进行操作的频次为0.2。则按照频次由高到低的顺序(在其他可能的实施例中也可以是按照其他顺序，如由低到高)对多个样本兴趣点进行排序可以得到样本兴趣点序列{样本兴趣点1，样本兴趣点2，样本兴趣点3}，该样本兴趣点序列可以用于表示样本兴趣点1的观测热度＞样本兴趣点2的观测热度＞样本兴趣点3的观测热度。
54.可以理解的是，为准确确定得到特征与热度之间的映射关系，往往需要基于大量的样本兴趣点的特征与观测热度，如果通过人工标注的方式获取样本兴趣点各自的观测热度，则将导致确定得到映射关系的人工成本过高。而选用该实施例，可以基于历史时间段内用户针对该样本兴趣点的用户操作的频次，计算得到用于表示样本兴趣点各自的观测热度的样本兴趣点序列，无需用户人工标注，因此可以有效降低确定得到映射关系所需的人工成本。
55.s203，基于多个样本兴趣点对应的特征与多个样本兴趣点各自的观测热度，确定特征与观测热度之间的映射关系。
56.映射关系的表示形式根据应用场景的不同也可以是以不同的形式表示的，例如，可以是以函数的形式表示的，也可以是以神经网络模型的形式表示的，还可以是以神经网
络模型以外的其他算法模型的形式表示的。
57.示例性的，在一种可能的实施例中，映射关系可以是以排序模型的形式表示的，在该实施例中，可以是基于多个样本兴趣点对应的特征与样本兴趣点序列以及预设的排序学习算法，训练得到用于表示特征与观测热度之间的映射关系的排序模型。在该示例中，训练得到的排序模型即为特征与热度之间的映射关系。选用该实施例，可利用排序学习算法提高确定得到的映射关系的准确性。
58.其中，预设的排序学习算法根据实际需求可以是不同的排序学习算法，包括但不限于pointwise approach(单文档排序学习算法)、pairwise approach(多文档排序学习算法)、listwise approach(文档列表排序学习算法)等。
59.选用图2所示的实施例，可以基于历史时间段内用户针对多个样本兴趣点进行操作的频次，确定样本兴趣点各自的观测热度，从而基于样本兴趣点的特征与样本兴趣点各自的观测热度准确地建立特征与热度之间的映射关系，即选用该实施例可以提高确定得到的映射关系的准确性。
60.下面将分别对用户侧特征、场景特征以及兴趣点特征进行说明：
61.用户侧特征包括但不限于年龄、性别、教育程度、兴趣关注、是否拥有车辆、住址、办公地点、是否异地中的一个或多个特征。其中，异地可以是指用户位于的城市与居住的城市不同，也可以是指地图当前展示的城市与用户居住的城市不同。
62.可以理解的是，具有不同用户侧特征的用户感兴趣的兴趣点可能不同，例如，年轻人可能对电影院、游乐园感兴趣，而对茶馆、花鸟市场不感兴趣，老年人可能对茶馆、花鸟市场感兴趣，而对电影院、游乐园不感兴趣。又例如，拥有车辆的用户可能对洗车店、汽车销售服务4s(sale sparepart service survey，销售、零配件、售后服务、信息反馈)店感兴趣，而没有拥有车辆的用户可能对洗车店、汽车销售服务4s店不感兴趣。
63.场景特征包括但不限于比例尺维度、用户的操作序列上下文、天气中的一个或多个特征。其中，比例尺维度用于表征用户所使用的地图的比例尺，例如，可以用于表征用户所使用的地图的比例吃为1:1000、1:500、1:100等。用户的操作序列上下文用于表征用户进行的各用户操作之间的上下文关系，示例性的，可以用于表征用户依次进行了如下用户操作：搜索关键词“地铁1号线
”→
拖拽地图的操作。天气可以是指用户使用地图时的天气，如晴、小雨、大雪等。
64.可以理解的是，在具有不同场景特征的场景下，用户感兴趣的兴趣点可能不同，例如，当比例尺为1:100时地图所展示的区域相对较小，占地较大的兴趣点可能无法完整的在地图中展示出来，而比例尺为1:1000时地图所展示的区域相对较大，因此占地较小的兴趣点难以相对准确地在地图中展出出来，因此当用户将地图的比例尺调整为1:100时，用户往往对占地较小的兴趣点感兴趣，如餐馆、便利店等，而当用户将地图的比例尺调整为1:1000时，用户往往对占地较大的兴趣点感兴趣，如火车站、博物馆等。
65.又例如，当用户的操作序列上下文用于表征用户依次进行了如下用户操作：搜索关键词“地铁1号线
”→
拖拽地图的操作时，可以认为用户正在通过拖拽地图观察地铁1号线沿线的地区，因此可以认为用户对位于地铁1号线沿线的兴趣点感兴趣。而当用户的操作序列上下文用于表征用户依次进行了如下用户操作：搜索关键词“地铁1号线
”→
放大地图的操作时，可以认为用户正在通过放大地图的操作确定地铁1号线的入口的具体位置，则此时
可以认为用户对地铁1号线入口感兴趣。
66.再例如，当天气为晴时，用户可能对露天的兴趣点感兴趣，如公园、户外篮球场。而当天气为大雨时，用户可能对室内的兴趣点感兴趣，如图书馆、室内篮球场。
67.兴趣点特征包括但不限于兴趣点的大小、检索热度、点击热度、是否临街、兴趣点距离目标位置的距离中的一个或多个特征。
68.其中，兴趣点的大小可以用于表征兴趣点的占地面积，也可以用于表征兴趣点的建筑面积。可以理解的是，在一些场景下用户可能对占地面积较大的兴趣点感兴趣，而在另一些场景下用户可能对占地面积较小的兴趣点感兴趣，示例性的可以参见前述比例尺维度的相关示例，因此兴趣点的大小可以作为用户是否对该兴趣点感兴趣的判据。
69.检索热度可以用于表征兴趣点被检索的频次，示例性的，假设在同一时间窗口内，各用户累计检索兴趣点a共计10万次，累计检索兴趣点b共计11万次，则可以认为兴趣点b的检索热度高于兴趣点a。可以理解的是，用户检索的兴趣点可以认为是用户感兴趣的兴趣点，因此如果一个兴趣点的检索热度越高，则可以认为对该兴趣点感兴趣的用户越多，因此用户对该兴趣点兴趣行的肯能性越高，即检索热度可以作为用户是否对该兴趣点感兴趣的判据。
70.点击热度可以用于表征兴趣点被点击的频次，示例性的，假设在同一时间窗口内，各用户累计点击兴趣点a共计12万次，累计点击兴趣点b共计10万次，则可以认为兴趣点a的点击热度高于兴趣点a。可以理解的是，用户点击的兴趣点可以认为是用户感兴趣的兴趣点，因此如果一个兴趣点的点击热度越高，则可以认为对该兴趣点感兴趣的用户越多，因此用户对该兴趣点兴趣行的肯能性越高，即点击热度可以作为用户是否对该兴趣点感兴趣的判据。
71.是否临街用于表征兴趣点是否与街道相邻，可以理解的是，与街道相邻的兴趣点交通相对较为方便，而不与街道相邻的兴趣点则可能由于人流量较低因此环境相对较为安静，而在一些场景下用户可能对交通方便的兴趣点感兴趣，而在另一些场景下用户可能对环境安静的兴趣点感兴趣，示例性的，当用户搜索餐馆时可能需求餐馆交通方便，因此用户可能对临街的餐馆更为感兴趣，而当用户搜索书店时可能需求书店环境安静，因此用户可能对不临街的书店更为感兴趣。因此是否临街可以作为用户是否对该兴趣点感兴趣的判据。
72.目标位置可以是指用户所处的位置，也可以是指用户行程的目的地，还可以是指用户指定的任一位置。并且，兴趣点距离目标位置的距离可以是指兴趣点所处位置与目标位置之间的直线距离，也可以是指兴趣点所处位置与目标位置之间任一路径的路径距离。可以理解的是，一些场景下用户可能对距离目标位置较近的兴趣点感兴趣，而另一些场景下用户可能对距离目标位置较远的兴趣点感兴趣，示例性的，以目标位置为用户所处位置为例，用户可能出于降低抵达兴趣点的时间成本考虑，对距离目标位置较近的兴趣点更为感兴趣，用户也可能出于希望通过远行改善心情的考虑，对距离目标位置较远的兴趣点更为感兴趣，因此兴趣点距离目标位置的距离可以作为用户是否对该兴趣点感兴趣的判据。
73.由上述分析可见，用户侧特征、场景特征以及兴趣点特征均能够在一定程度上反映出用户对兴趣点是否感兴趣，因此当特征包括用户侧特征、场景特征以及兴趣点特征中的一个或多个特征时，特征与热度之间的逻辑关联性更强，从而使得确定出的映射关系的
鲁棒性更好。
74.参见图3，图3所示为公开提供的地图兴趣点展示装置的一种结构示意图，可以包括：
75.特征提取模块301，用于获取多个候选兴趣点对应的特征；
76.热度预测模块302，用于根据特征与热度之间的映射关系以及所述多个候选兴趣点的特征，确定所述多个候选兴趣点各自的预测热度，其中，所述映射关系为基于历史时间段内用户针对各样本兴趣点进行操作的频次确定得到的；
77.展示模块303，用于在地图中展示所述预测热度满足预设热度条件的候选兴趣点。
78.在一种可能的实施例中，所述装置还包括模型训练模块，用于预先通过以下方式确定所述映射关系：
79.获取多个样本兴趣点对应的特征；
80.基于历史时间段内用户针对所述多个样本兴趣点进行操作的频次，得到所述多个样本兴趣点各自的观测热度；
81.基于所述多个样本兴趣点对应的特征与所述多个样本兴趣点各自的观测热度，确定特征与观测热度之间的映射关系。
82.在一种可能的实施例中，所述基于历史时间段内用户针对所述多个样本兴趣点进行操作的频次，得到所述多个样本兴趣点各自的观测热度，包括：
83.针对所述多个样本兴趣点中的每个样本兴趣点，确定历史时间段内的用户操作中针对该样本兴趣点的用户操作的频次；
84.基于所述频次对所述多个样本兴趣点进行排序，得到用于表示所述多个样本兴趣点各自的观测热度的样本兴趣点序列。
85.在一种可能的实施例中，所述模型训练模块基于所述多个样本兴趣点对应的特征与所述多个样本兴趣点各自的观测热度，确定特征与观测热度之间的映射关系，包括：
86.基于所述多个样本兴趣点对应的特征与所述样本兴趣点序列以及预设的排序学习算法，训练得到用于表示特征与观测热度之间的映射关系的排序模型。
87.在一种可能的实施例中，所述特征包括用户侧特征、场景特征以及兴趣点特征中的一个或多个特征，所述用户侧特征用于表征使用地图的用户，所述场景特征用于表征用户使用地图时所处的场景，所述兴趣点特征用于表征所述特征所对应的兴趣点。
88.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
89.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
90.图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
91.如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(rom)402中
的计算机程序或者从存储单元408加载到随机访问存储器(ram)403中的计算机程序，来执行各种适当的动作和处理。在ram 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
92.设备400中的多个部件连接至i/o接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
93.计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如地图兴趣点展示方法。例如，在一些实施例中，地图兴趣点展示方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由rom 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到ram 403并由计算单元401执行时，可以执行上文描述的地图兴趣点展示方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行地图兴趣点展示方法。
94.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
95.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
96.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
97.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
98.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
99.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端
‑
服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
100.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
101.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。