一种常驻点标签确定方法、装置、设备及存储介质与流程

1.本发明实施例涉及计算机技术领域，尤其涉及一种常驻点标签确定方法、装置、设备及存储介质。


背景技术：

2.目前，随着导航技术的发展，用户可以自行在导航系统中输入目的地，由导航系统规划行驶路线；还可以根据用户大量的出行信息推算用户的常驻点，并根据用户的常驻点数据自动生成出行路线。用户的常驻点数据通常通过训练网络模型的方式获取，而训练网络模型通常需要大量的常驻点标签数据。
3.在现有技术中，常驻点标签数据通常需要人为进行标注，而无法进行自动化生成；或需要依赖海量的用户数据，在获取时消耗大量的数据资源。


技术实现要素：

4.本发明提供一种常驻点标签确定方法、装置、设备及存储介质，以实现利用有限的资源数据，确定目标用户的常驻点标签。
5.第一方面，本发明实施例提供了一种常驻点标签确定方法，该方法包括：
6.获取用户在各目标常驻点的停留时间数据；
7.根据所述停留时间数据，确定至少一个所述目标常驻点的目标标签类别。
8.第二方面，本发明实施例还提供了一种常驻点标签确定装置，该装置包括：
9.数据获取模块，用于获取用户在各目标常驻点的停留时间数据；
10.类别确定模块，用于根据所述停留时间数据，确定至少一个所述目标常驻点的目标标签类别。
11.第三方面，本发明实施例还提供了一种常驻点标签确定设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如第一方面实施例所提供的任一常驻点标签确定方法。
12.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如第一方面实施例所提供的任一常驻点标签确定方法。
13.本发明通过获取用户的在各常驻点的停留时间数据；根据停留时间数据，确定常驻点的目标标签类别，实现了对常驻点标签的自动化确定。同时，上述技术方案无需依赖海量的历史常驻点，即可实现常驻点标签的确定，提高了常驻点标签确定过程的便捷度。
附图说明
14.图1是本发明实施例一中的一种常驻点标签确定方法的流程图；
15.图2是本发明实施例二中的一种常驻点标签确定方法的流程图；
16.图3是本发明实施例三中的一种常驻点标签确定装置的结构示意图；
17.图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
18.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部结构。
19.实施例一
20.图1为本发明实施例一提供的一种常驻点标签确定方法的流程图，本实施例可适用于对目标用户的目标常驻点，进行常驻点标签确定的情况，该方法可以由常驻点标签确定装置来执行，该装置可采用软件和/或硬件的方式实现。如图1所示，该方法具体包括如下步骤：
21.s110、获取用户在各常驻点的停留时间数据。
22.其中，常驻点可以是用户的家位置、公司位置、健身房位置、商场位置或其他位置中的一种。停留时间数据可以包括停留日期数据和停留时段数据。进一步的，停留时段数据可以包括停留时刻数据和停留时长数据。其中，停留时长可以理解为停留开始时刻至停留结束时刻所停留的时长。
23.示例性的，常驻点可以采用以下方式进行确定：获取一段时间内用户的行驶轨迹数据，并确定所有行驶轨迹数据中，行驶轨迹终点与行驶轨迹起点的经纬度数据。根据行驶轨迹终点与行驶轨迹起点的经纬度数据，形成位置集合数据，并采用聚类算法对位置集合数据进行聚类，以生成对位置集合数据的聚堆数据。其中，聚类算法可以采用具有噪声的基于密度的聚类方法(density
‑
based spatial clustering of applications with noise，dbscan)。对位置集合数据的聚类具体可以是，通过聚类算法将位置集合数据中，位置之间的距离在预设阈值范围内的至少多个位置点聚类为一堆，以生成聚堆数据。其中，距离的预设阈值可以由相关技术人员按经验值或实验值进行预设，例如可以是500米。示例性的，通过dbscan聚类算法将位置集合数据中，位置之间距离在500米范围内的至少4个位置点聚类为一堆，可以聚类成多堆，以生成聚堆数据。
24.根据聚堆数据，采用聚类分析算法，确定各聚堆数据的中心点。其中，聚类分析算法可以是k均值聚类算法(k
‑
means clustering algorithm，k
‑
means)。以各聚堆数据的中心点为中心，构建阈值范围内的位置区域，得到阈值范围内的位置区域的用户行驶轨迹起点与行驶轨迹终点。其中，阈值范围内的位置区域可以由相关技术人员进行设定，例如可以是，边长1千米的矩形区域内，或半径1千米的圆形区域内，本实施例对此不进行限制。计算出阈值范围内的位置区域的行驶轨迹起点与行驶轨迹终点的停留时长，并将满足停留时长在阈值时长范围内的点作为常驻点。其中，阈值时长可以由相关技术人员进行预设，例如可以是30分钟。
25.示例性的，可以通过上述方法，根据用户近一个月的行驶轨迹数据，确定用户近一个月的各常驻点，并获取各常驻点的停留时间数据。
26.s120、根据所述停留时间数据，确定至少一个所述常驻点的目标标签类别。
27.具体的，所述停留时间数据可以包括停留日期数据和停留时段数据，根据停留日期数据和停留时段数据，可以确定至少一个常驻点的标签类别。其中，目标标签类别可以包
括家类别、公司类别、健身房类别和商场类别等中的至少一种。需要说明的是，目标标签类别可以由技术人员根据实际需求进行类别的添加或删除，本技术对此不作任何限定。
28.可以理解的是，生成的常驻点标签通常用来训练常驻点标签预测模型，从而能够采用训练好的常驻点标签预测模型，对其他用户的常驻点进行标签预测。
29.可选的，所生成的常驻点标签，还可以对训练好的常驻点标签预测模型进行模型测试，从实现对已训练好的常驻点标签预测模型的模型评价。
30.在一个可选实施例中，根据所选取的常驻点的位置数据和停留时间数据，生成样本数据。根据所述样本数据和所选取的常驻点的标签类别，对预先构建的常驻点标签预测模型进行训练，或者，对训练好的常驻点标签预测模型进行模型评价。其中，常驻点可以包括目标常驻点或其他常驻点，标签类别可以包括目标标签类别或其他标签类别，目标常驻点可以理解为确定有目标标签类别的常驻点。
31.其中，常驻点的位置数据可以是常驻点的经度数据和纬度数据，停留时间数据可以包括停留日期数据和停留时段数据。样本数据的特征维度可以包括目标常驻点的经度、纬度、停留日期、停留时刻、和停留时长等中的至少一种，例如样本数据的内容可以是，经度：113
°
，纬度：100
°
，停留日期：7月19日，停留时刻12:00，停留时长：1小时。
32.示例性的，在对预先构建的常驻点标签预测模型进行训练，或对训练好的常驻点标签预测数据模型进行模型评价之前，需要对样本数据进行数据处理。其中，对样本数据的数据处理可以包括：数据预处理、数据归一化处理、或数据平衡处理等中的至少一种。
33.可选的，数据预处理可以是，若样本数据中具有重复数据或缺失数据，则可以对重复数据或缺失数据进行剔除处理；还可以是仅剔除样本数据中的重复数据，而对样本数据中的缺失数据进行填充，例如可以采用填充算法对缺失数据进行填充。
34.可选的，对样本数据的预处理还可以包括，对样本数据中的重复数据或缺失数据进行处理之后，进行噪声处理。示例性的，可以采用分箱或聚类算法对样本数据进行噪声处理。
35.示例性的，数据归一化处理可以是，将样本数据的各个特征维度设置为一致的权重，以提高模型迭代求解的收敛速度。
36.示例性的，数据平衡处理可以是，当样本数据作为预先构建的常驻点标签预测模型的训练数据时，保持类别间的数据量的平衡，避免在后面的模型训练时由于样本数据的数据量倾斜导致的训练结果不理想。
37.在一个具体实现方式中，若样本数据作为训练数据，则根据样本数据和所选取的常驻点的标签类别，对预先构建的常驻点标签预测模型进行训练。常驻点标签预测模型的训练参数可以包括：预测标签、截距项、和迭代次数等。其中，预测标签为常驻点的标签类别，可以包括家类别、公司类别、健身房类别和商场类别等中的至少一种。截距项能够提高训练的常驻点标签预测模型的准确度，具体可以由相关技术人员按需求进行设定。迭代次数可以依据模型的实际情况进行确定，例如可以设置为100次。
38.在另一具体实现方式中，若样本数据作为测试数据，则对训练好的常驻点标签预测数据模型进行模型评价。其中，模型评价的指标可以包括准确率、精确率、召回率、和接受者操作特性(receiver operating characteristic，roc)曲线下方的面积大小(area under curve，auc)等中的至少一种。例如，auc的数值介于0.5到1.0之间，auc的数值越大，
代表模型的性能越好。
39.在又一具体实现方式中，若样本数据既包括训练数据，同时也包括测试数据，则按一定比例对样本数据进行划分。例如，可以按8:2的比例对样本数据进行划分，80％的样本数据用作训练数据，对常驻点标签预测模型进行训练；20％的样本数据用作测试数据，对训练好的常驻点标签预测模型进行测试，并进行模型评价。
40.本可选实施例通过根据所选取的目标常驻点的位置数据和停留时间数据生成样本数据；根据样本数据和所选取的常驻点的标签类别，对预先构建的常驻点标签预测模型进行训练，或对训练好的常驻点标签预测模型进行模型评价。上述技术方案为常驻点标签预测模型准确度的提高奠定了基础，从而有助于使用训练好的常驻点标签预测模型进行常驻点标签的自动化确定，进而便于提高常驻点标签确定效率。
41.本实施例方案通过获取用户的在各常驻点的停留时间数据；根据停留时间数据，确定常驻点的目标标签类别，实现了对常驻点标签的自动化确定。同时，上述技术方案无需依赖海量的历史常驻点，即可实现常驻点标签的确定，提高了常驻点标签确定过程的便捷度。
42.实施例二
43.图2为本发明实施例二提供的一种常驻点标签确定方法的流程图，本实施例在上述各技术方案的基础上，进行了优化改进。
44.进一步的，将操作“所述根据所述停留时间数据，确定至少一个所述常驻点的目标标签类别”，细化为“根据所述停留日期的日期属性和所述停留时段，分别确定各所述常驻点属于不同参考标签类别的标签类别得分；根据各所述常驻点对应的各标签类别得分，从各所述常驻点中选取属于目标标签类别的目标常驻点”，以完善对常驻点的标签类别的确定机制。
45.如图2所示，该方法包括以下具体步骤：
46.s210、获取用户在各常驻点的停留时间数据。
47.s220、根据所述停留日期的日期属性和所述停留时段，分别确定各所述常驻点属于不同参考标签类别的标签类别得分。
48.其中，停留日期的日期属性可以包括工作日、公休日、和节假日等中的至少一种，停留时段可以包括停留时刻和停留时长。不同参考标签类别可以包括家类别、公司类别、健身房类别和商场类别等中的至少一种，当然，还可以根据实际需求，进行其他标签类别的添加。
49.可以预先构建常驻点在不同参考标签类别下的标签类别得分表格，根据实际需求向标签类别得分表格中删除或添加常驻点以及常驻点在不同参考标签类别下的标签类别得分。示例性的，可以根据停留日期的日期属性和停留时刻，确定各常驻点属于不同参考标签类别下的标签类别得分；还可以根据停留日期的日期属性和停留时长，确定各常驻点属于不同参考标签类别下的标签类别得分。
50.在一个可选实施例中，所述根据所述停留日期的日期属性和所述停留时段，分别确定各所述常驻点属于不同参考标签类别的标签类别得分，包括：针对每一常驻点，根据该常驻点的所述停留日期的日期属性，以及所述停留时段所包含停留时刻，确定该常驻点属于不同参考标签类别的时刻评分；根据该常驻点的所述停留日期的日期属性，以及所述停
留时段对应停留时长，确定该常驻点属于不同参考标签类别的时长评分；根据所述时刻评分和/或所述时长评分，确定该常驻点属于不同参考标签类别的标签类别得分。
51.示例性的，针对每一常驻点，根据该常驻点的停留日期的日期属性，以及停留时段所包含的停留时刻，确定该常驻点属于不同参考标签类别的时刻评分。不同停留日期的不同停留时刻，在不同参考标签类别下，具有不同的时刻评分，且评分标准由相关技术人员根据经验值或实验值进行提前设定。
52.本可选实施例针对常驻点的停留日期的三种日期属性，分别设定24个停留时刻在不同参考标签类别下的时刻评分。其中，设定的24个停留时刻分别对应24小时的整数时刻，停留时刻均设定为整数类型，若存在停留时刻不为整数的情况，则对停留时刻向下取值。例如，若停留时刻为10:50，则该停留时刻取值为10:00。
53.示例性的，以参考标签类别为家类别、公司类别、商场类别和健身房类别为例，对常驻点在家类别、公司类别、商场类别和健身房类别下的时刻评分进行举例说明。需要说明的是，上述各参考标签类别仅作为示例进行呈现，还可以根据需要进行其他标签类别的添加或删除，不应理解为对本技术参考标签类别的具体限定。常驻点的停留日期为工作日，停留时刻为14点钟且参考标签类别为家类别的评分可以设定为1分，且可以记为14_home_working＝1；常驻点的停留日期为工作日，停留时刻为14点钟且参考标签类别为公司类别的评分可以设置为9分，且可以记为14_company_working＝9；常驻点的停留日期为工作日，停留时刻为14点钟且参考标签类别为商场类别的评分可以设定为1分，且可以记为14_shopping_working＝1；常驻点的停留日期为工作日，停留时刻为14点钟且参考标签类别为健身房类别的评分可以设定为1分，且可以记为14_exerise_working＝1。
54.常驻点的停留日期为公休日，停留时刻为10点钟且参考标签类别为家类别的评分可以设定为5分，且可以记为10_home_publicholiday＝5；常驻点的停留日期为公休日，停留时刻为10点钟且参考标签类别为公司类别的评分可以设定为5分，且可以记为10_company_publicholiday＝5；常驻点的停留日期为公休日，停留时刻为10点钟且参考标签类别为商场类别的评分可以设定为9分，且可以记为10_shopping_publicholiday＝5；常驻点的停留日期为公休日，停留时刻为10点钟且参考标签类别为健身房类别的评分可以设定为7分，且可以记为10_exerise_publicholiday＝7。
55.常驻点的停留日期为节假日，停留时刻为20点钟且参考标签类别为家类别的评分可以设定为5分，且可以记为20_home_holiday＝5；常驻点的停留日期为节假日，停留时刻为20点钟且参考标签类别为公司类别的评分可以设定为5分，且可以记为20_company_holiday＝5；常驻点的停留日期为节假日，停留时刻为20点钟且参考标签类别为商场类别的评分可以设定为10分，且可以记为20_shopping_holiday＝10；常驻点的停留日期为节假日，停留时刻为20点钟且参考标签类别为健身房类别的评分可以设定为13分，且可以记为20_exerise_holiday＝13。
56.示例性的，基于上述评分标准，针对每一常驻点，根据该常驻点的停留日期的日期属性，以及停留时段所包含的停留时刻，确定该目标常驻点属于不同参考标签类别的时刻评分。例如，若一个常驻点的停留日期为2021年7月19日(工作日)，停留时段为10:20
‑
13:00。根据上述评分标准可以确定该目标常驻点分别在家类别、公司类别、商场类别以及健身房类别下的时刻评分。该目标常驻点从设定的评分标准中获取到的评分为10_home_
working＝5，11_home_working＝5，12_home_working＝6，13_home_working＝6；10_company_working＝5，11_company_working＝5，12_company_working＝4，13_company_working＝4，10_shopping_working＝1，11_shopping_working＝1，12_shopping_working＝1，13_shopping_working＝2；10_exerise_working＝1，11_exerise_working＝1，12_exerise_working＝1，13_exerise_working＝1，则该常驻点所对应的不同参考标签类别的标签类别得分，为各停留时刻下的评分的加和，即该常驻点所对应的家类别得分为22分，公司类别得分为18分，商场类别得分为5分，健身房类别得分为4分。
57.根据该常驻点的停留日期的日期属性，以及停留时段对应停留时长，确定该常驻点属于不同参考标签类别的时长评分。不同停留日期的不同停留时长，在不同参考标签类别下，具有不同的时长评分，且评分标准由相关技术人员根据经验值或实验值进行提前设定。本可选实施例针对常驻点的停留日期的三种日期属性，分别设定不同停留时长在不同参考标签类别下的时长评分。
58.示例性的，以参考标签类别为家类别和公司类别为例，对常驻点在家类别和公司类别下的时长得分情况进行举例说明。常驻点的停留日期为工作日，停留时长为8小时且参考标签类别为家类别的评分可以设定为3分，且可以记为8_home_working＝3；常驻点的停留日期为工作日，停留时长为8小时且参考标签类别为公司类别的评分可以设置为7分，且可以记为8_company_working＝7；常驻点的停留日期为公休日，停留时长为5小时且参考标签类别为家类别的评分可以设定为5分，且可以记为5_home_publicholiday＝5；常驻点的停留日期为公休日，停留时长为5小时且参考标签类别为公司类别的评分可以设定为5分，且可以记为5_company_publicholiday＝5；常驻点的停留日期为节假日，停留时长为11小时且参考标签类别为家类别的评分可以设定为5分，且可以记为11_home_holiday＝5；常驻点的停留日期为节假日，停留时长为11小时且参考标签类别为公司类别的评分可以设定为5分，且可以记为11_company_holiday＝5。其中，若停留时长小于4小时，则时长评分为0；停留时长大于24小时小于36小时，则时长评分取36小时对应的时长评分；若停留时长大于或等于48小时，则取48小时对应的时长评分。停留时长均设定为整数类型，若存在停留时长不为整数的情况，则对停留时长向下取值。例如，停留时段12:30
‑
15:00的停留时长为2小时30分钟，则停留时长取值为2小时。
59.示例性的，基于上述评分标准，针对每一常驻点，根据该常驻点的停留日期的日期属性，以及停留时段所包含的停留时长，确定该常驻点属于不同参考标签类别的时长评分。例如，若一个常驻点的停留日期为2021年7月19日(工作日)，停留时段为08:00
‑
12:00，13:00
‑
18:00。根据上述评分标准可以确定该目标常驻点在家类别下的时长评分，以及在公司类别下的时长评分。该常驻点从设定的评分标准中获取到的评分为：4_home_working＝3，4_company_working＝7，5_home_working＝3，5_company_working＝7。则该常驻点所对应的不同参考标签类别的标签类别得分为各停留时段下的停留时长评分的加和，即该常驻点所对应的家类别得分为6分，相应的，该常驻点所对应的公司类别得分为14分。
60.示例性的，可以根据时刻评分或时长评分中的任意一个评分，确定该常驻点属于不同参考标签类别的标签类别得分；也可以是根据时刻评分和时长评分的加和，确定该常驻点属于不同参考标签类别的标签类别得分；还可以是根据时刻评分和时长评分的加权平均值，确定该常驻点属于不同参考标签类别的标签类别得分。
61.本可选实施例通过常驻点的停留日期和停留时段，确定常驻点属于不同参考标签类别的时刻评分和时长评分；根据时刻评分和/或时长评分，确定常驻点属于不同参考标签类别的标签类别得分。上述技术方案通过引入时刻评分和/或时长评分，进行标签类别得分的确定，提高了标签类别得分确定方式丰富性和全面性，有助于提高参考标签类别得分确定结果的准确度。
62.s230、根据各所述常驻点对应的各标签类别得分，从各所述常驻点中选取属于目标标签类别的目标常驻点。具体的，根据s220所确定的常驻点在不同参考标签类别的标签类别得分，可以确定各常驻点分别在不同参考类别下对应的得分。根据各常驻点对应的各标签类别得分，从各常驻点中选取属于目标标签类别的目标常驻点，并构建目标标签类别对应的类别集合。
63.在一个可选实施例中，所述根据各所述常驻点对应的各标签类别得分，从各所述常驻点中选取属于目标标签类别的目标常驻点，包括：根据各所述常驻点属于不同参考标签类别的标签类别得分，分别确定各所述常驻点的候选标签类别；根据各所述候选标签类别，构建目标类别集合；根据所述目标类别集合中的常驻点属于对应候选标签类别的标签类别得分，从所述目标类别集合中选取属于对应目标标签类别的目标常驻点。
64.示例性的，根据各常驻点属于不同参考标签类别的标签类别得分，分别确定各常驻点的候选标签类别。其中，各常驻点的候选标签类别可以包括家类别、公司类别和商场类别等中的至少一种。可以选择常驻点的标签类别得分较大的类别作为候选标签类别。以参考标签类别为家类别、公司类别和商场类别为例，进行举例说明。常驻点a1、a2、a3、a4、a5所对应的家类别、公司类别和商场类别的得分分别为，a1{25(家类别得分)，55(公司类别得分)，12(商场类别得分)}，a2{150(家类别得分)，30(公司类别得分)，22(商场类别得分)}，a3{90(家类别得分)，160(公司类别得分)，31(商场类别得分)}，a4{20(家类别得分)，50(公司类别得分)，90(商场类别得分)}，a5{100(家类别得分)，45(公司类别得分)，25(商场类别得分)}；则a1的候选标签类别为公司类别，a2的候选标签类别为家类别，a3的候选标签类别为公司类别，a4的候选标签类别为商场类别，a5的候选标签类别为家类别。
65.根据各候选标签类别，构建家类别集合、公司类别集合和商场类别集合。例如，延续前例，根据目标常驻点a1、a2、a3、a4、a5的候选标签类别，构建家类别集合：{a2(150)，a5(100)}，构建公司类别集合：{a1(55)，a3(160)}和构建商场类别集合：{a4(90)}。
66.根据家类别集合中的常驻点属于家类别的标签类别得分，选取属于家类别的目标常驻点；根据公司类别集合中的常驻点属于公司类别的标签类别得分，选取属于公司类别的目标常驻点；根据商场类别集合中的常驻点属于商场类别的标签类别得分，选取属于商场类别的目标常驻点。例如，延续前例，根据家类别集合{a2(150)，a5(100)}、公司类别集合{a1(55)，a3(160)}以及商场类别集合{a4(90)}，从家类别集合{a2(150)，a5(100)}中选取属于家类别的目标常驻点；从公司类别集合{a1(55)，a3(160)}中选取属于公司类别的目标常驻点以及从商场类别集合{a4(90)}中选取属于商场类别的目标常驻点。
67.本可选实施例通过根据各常驻点属于不同参考标签类别的标签类别得分，确定各所述常驻点的候选标签类别；根据各候选标签类别，构建目标类别集合；根据目标类别集合中的常驻点属于对应候选标签类别的标签类别得分，从所述目标类别集合中选取属于对应目标标签类别的目标常驻点。实现了通过标签类别得分，确定目标常驻点的目标标签类别，
提高了目标常驻点的目标标签类别确定的准确度。
68.在一个可选实施例中，若所述目标类别集合为非空集合，则所述根据所述目标类别集合中的常驻点属于对应候选标签类别的标签类别得分，从所述目标类别集合中选取属于对应目标标签类别的目标常驻点，包括：从所述目标类别集合所包含的各常驻点中，选取属于对应候选标签类别的标签类别得分较大的常驻点，作为对应目标标签类别的目标常驻点。
69.示例性的，若目标类别集合均为非空集合，则从目标类别集合所包含的各常驻点中，选取属于对应候选标签类别的标签类别得分最大的常驻点，作为对应目标标签类别的目标常驻点。以家类别集合和公司类别集合为例，进行举例说明。若家类别集合为{b1(150)，b2(110)，b3(60)，b4(80)，b5(120)}，则可以选取家类别得分为150对应的目标常驻点b1作为家类别的目标常驻点。若公司类别集合为{c1(140)，c2(100)，c3(55)，c4(85)，c5(130)}，则可以选取公司类别得分为140对应的目标常驻点c1作为公司类别的目标常驻点。
70.在家类别集合和公司类别集合均为非空集合的情况下，本可选实施例通过从所述目标类别集合所包含的各常驻点中，选取属于对应候选标签类别的标签类别得分较大(例如最大)的常驻点，作为对应目标标签类别的目标常驻点。上述技术方案实现了在目标类别集合均为空集合的情况下，对各目标类别的目标常驻点的准确确定。
71.在一个可选实施例中，若所述目标类别集合的数量为至少两个，且存在至少一个目标类别集合为空集合，则所述根据所述目标类别集合中的常驻点属于对应候选标签类别的标签类别得分，从所述目标类别集合中选取属于对应目标标签类别的目标常驻点，包括：从非空集合所包含的各常驻点中，选取属于该非空集合对应候选标签类别的标签类别得分较大的常驻点，作为相应目标标签类别的目标常驻点；根据与所述空集合具备类别互补关系的非空集合的存在情况，控制确定所述空集合对应目标标签类别的目标常驻点。
72.其中，类别互补关系可以由相关技术人员进行提前设定，例如，若目标类别集合包括家类别、公司类别和商场类别，则可以将家类别和公司类别设置为类别互补关系。
73.示例性的，以目标类别集合为家类别、公司类别和商场类别为例，进行举例说明。若家类别与公司类别非空，商场类别为空，则从家类别所包含的各常驻点中，选取属于家类别对应的候选标签类别的标签类别得分最大的常驻点，作为家类别的目标常驻点；从公司类别所包含的各常驻点中，选取属于公司类别对应的候选标签类别的标签类别得分最大的常驻点，作为公司类别的目标常驻点。确定商场类别是否存在与商场类别具有类别互补关系的标签类别，若存在，则可以从与商场类别具有类别互补关系的标签类别中，选取商场类别的目标常驻点；若不存在，则可以认为商场类别的目标常驻点为空。
74.本可选实施例通过从非空集合所包含的各目标常驻点中，选取属于该非空集合对应候选标签类别的标签类别得分最大的常驻点，作为相应目标标签类别的目标常驻点，实现了目标常驻点的准确获取。根据与空集合具备类别互补关系的非空集合的存在情况，控制确定空集合对应目标标签类别的目标常驻点；通过确定类别互补关系的方式，实现对空集合的目标常驻点的确定，避免了存在空集合情况时，无法获取空集合对应的目标常驻点的情况。
75.在一个可选实施例中，所述根据与所述空集合具备类别互补关系的非空集合的存在情况，控制确定所述空集合对应目标标签类别的目标常驻点，包括：若存在与所述空集合
具备类别互补关系的非空集合，则从该非空集合中未被选取的剩余目标常驻点中，选取属于该非空集合对应候选标签类别的标签类别得分较大的常驻点，作为所述空集合对应目标标签类别的目标常驻点；若不存在与所述空集合具备类别互补关系的非空集合，则确定所述空集合对应目标标签类别的目标常驻点为空。
76.示例性的，以目标类别集合为家类别、公司类别和商场类别为例，进行举例说明。若公司类别集合与商场类别集合非空，家类别集合为空，且家类别集合与公司类别集合具备类别互补关系，则从公司类别集合所包含的目标常驻点中，选取属于公司类别对应得分最大的常驻点，作为公司类别的目标常驻点。从公司类别集合中未被选取的剩余常驻点中，选取属于家类别对应得分最大的常驻点，作为家类别集合中对应家类别的目标常驻点。
77.举例说明，若家类别集合为空，公司类别集合非空，且对应集合为{d1(140)，d2(100)，d3(55)，d4(85)，d5(130)}，则从该公司类别集合对应候选标签类别的标签类别中选取得分最大的常驻点d1作为公司类别的目标常驻点。从该公司集合中未被选取的剩余常驻点中，选择标签类别得分最大的常驻点d5，作为家集合对应家类别的目标常驻点。
78.若家类别集合与商场类别集合非空，公司类别集合为空，且家类别集合与公司类别集合具备类别互补关系，则从家类别集合所包含的常驻点中，选取属于家类别对应得分最大的常驻点，作为家类别的目标常驻点。从家类别集合中未被选取的剩余常驻点中，选取属于公司类别对应得分最大的常驻点，作为公司类别集合中对应公司类别的目标常驻点。
79.举例说明，若公司类别集合为空，家类别集合非空，且对应集合为{f1(150)，f2(110)，f3(65)，f4(95)，f5(120)}，则从该家类别集合对应候选标签类别的标签类别中选取得分最大的常驻点f1作为家类别的目标常驻点。从该家集合中未被选取的剩余常驻点中，选择标签类别得分最大的常驻点f5，作为公司集合对应的公司类别的目标常驻点。
80.若不存在与空集合具备类别互补关系的非空集合，则确定空集合对应目标标签类别的目标常驻点为空。
81.示例性的，以目标类别集合为家类别、公司类别和商场类别为例，进行举例说明。若家类别集合与公司类别集合非空，商场类别集合为空，且不存在与商场类别具备互补关系的非空集合，则可以确定商场类别的目标常驻点为空。
82.在目标类别集合的数量为至少两个，且存在至少一个目标类别集合为空集合的情况下，本可选实施例通过判断是否存在与空集合具备类别互补关系的非空集合的方式，确定非空集合对应的目标常驻点。若存在与空集合具备类别互补关系的非空集合，则从该非空集合中未被选取的剩余常驻点中，选取属于该非空集合对应候选标签类别的标签类别得分最大的常驻点，作为空集合对应目标标签类别的目标常驻点，实现了对空集合的目标常驻点的确定。
83.可以理解的是，通过上述实施例方案确定的目标用户的常驻点标签，可能会由于一些外在因素，例如，计算误差或目标用户搬家等，导致目标常驻点发生变化，从而使得目标常驻点标签的确定发生变化。
84.在一个可选实施例中，针对每一目标标签类别，确定该目标标签类别所选取的目标常驻点与历史常驻点之间的距离数据；根据所述距离数据和所选取目标常驻点属于该目标标签类别的标签类别得分，控制采用所述历史常驻点，对所选取的目标常驻点进行更新。
85.示例性的，针对每一目标标签类别，确定该目标标签类别所选取的目标常驻点与
历史常驻点之间的距离数据；若距离数据小于距离阈值，则保留该目标标签类别所选取的目标常驻点；若距离数据大于距离阈值，则认为是由于计算误差或目标用户搬家等因素，导致该目标标签类别所选取的目标常驻点的结果变化。其中，距离阈值可以由相关技术人员进行设定，例如可以是100米。
86.示例性的，若距离数据大于距离阈值，则根据所选取的目标常驻点属于该目标标签类别的标签类别得分，对目标常驻点进行更新。若所选取的目标常驻点在该目标标签类别的标签类别得分大于历史常驻点在该目标标签类别的标签类别得分，则采用所选取的目标常驻点；若所选取的目标常驻点在该目标标签类别的标签类别得分小于历史常驻点在该目标标签类别的标签类别得分，则采用历史目标常驻点。
87.本可选实施例通过确定该目标标签类别所选取的目标常驻点与历史常驻点之间的距离数据；根据距离数据和所选取目标常驻点属于该目标标签类别的标签类别得分，控制采用历史常驻点，对所选取的目标常驻点进行更新。通过采用更加准确的历史常驻点，对选取的目标常驻点进行更新，避免由于偶然因素或误差因素导致对目标常驻点确定结果出现偏差情况的发生，从而提高了对目标常驻点确定的准确性。
88.本实施例方案通过根据停留日期的日期属性和停留时段，分别确定各常驻点属于不同参考标签类别的标签类别得分的方式，确定各标签类别的得分，提高了标签类别确定的准确度；根据各常驻点对应的各标签类别得分，从各常驻点中选取目标标签类别的目标常驻点，实现了目标常驻点的确定，提高了目标常驻点确定的准确度。
89.实施例三
90.图3为本发明实施例三提供的一种常驻点标签确定装置的结构示意图。本发明实施例所提供的一种常驻点标签确定装置可执行本发明任意实施例所提供的一种常驻点标签确定方法，具备执行方法相应的功能模块和有益效果。该装置可采用软件和/或硬件的方式实现，如图3所示，所述常驻点标签确定装置具体包括：数据获取模块410和类别确定模块420。
91.其中，数据获取模块410，用于获取用户在各目标常驻点的停留时间数据；
92.类别确定模块420，用于根据所述停留时间数据，确定至少一个所述目标常驻点的目标标签类别。
93.本发明通过获取用户的在各常驻点的停留时间数据；根据停留时间数据，确定常驻点的目标标签类别，实现了对常驻点标签的自动化确定。同时，上述技术方案无需依赖海量的历史常驻点，即可实现常驻点标签的确定，提高了常驻点标签确定过程的便捷度。
94.可选的，所述停留时间数据包括停留日期和停留时段。
95.可选的，类别确定模块420，包括：
96.类别得分确定单元，用于根据所述停留日期的日期属性和所述停留时段，分别确定各所述目标常驻点属于不同参考标签类别的标签类别得分；
97.目标常驻点选取单元，用于根据各所述常驻点对应的各标签类别得分，从各所述常驻点中选取属于目标标签类别的目标常驻点。
98.可选的，类别得分确定单元，包括：
99.时刻评分确定子单元，用于针对每一常驻点，根据该常驻点的所述停留日期的日期属性，以及所述停留时段所包含停留时刻，确定该常驻点属于不同参考标签类别的时刻
评分；
100.时长评分确定子单元，用于根据该常驻点的所述停留日期的日期属性，以及所述停留时段对应停留时长，确定该常驻点属于不同参考标签类别的时长评分；
101.类别得分确定子单元，用于根据所述时刻评分和/或所述时长评分，确定该常驻点属于不同参考标签类别的标签类别得分。
102.可选的，目标常驻点选取单元，包括：
103.标签类别确定子单元，用于根据各所述常驻点属于不同参考标签类别的标签类别得分，分别确定各所述常驻点的候选标签类别；
104.类别集合构建子单元，用于根据各所述候选标签类别，构建目标类别集合；
105.目标常驻点确定子单元，用于根据所述目标类别集合中的常驻点属于对应候选标签类别的标签类别得分，从所述目标类别集合中选取属于对应目标标签类别的目标常驻点。
106.可选的，若所述目标类别集合为非空集合，则目标常驻点确定子单元，具体用于：
107.从所述目标类别集合所包含的各常驻点中，选取属于对应候选标签类别的标签类别得分较大的至少一个常驻点，作为对应目标标签类别的目标常驻点。
108.可选的，若所述目标类别集合的数量为至少两个，且存在至少一个目标类别集合为空集合，则目标常驻点确定子单元，具体用于：
109.从非空集合所包含的各常驻点中，选取属于该非空集合对应候选标签类别的标签类别得分较大的常驻点，作为相应目标标签类别的目标常驻点；
110.根据与所述空集合具备类别互补关系的非空集合的存在情况，控制确定所述空集合对应目标标签类别的目标常驻点。
111.可选的，目标常驻点确定子单元，具体用于：
112.若存在与所述空集合具备类别互补关系的非空集合，则从该非空集合中未被选取的剩余常驻点中，选取属于该非空集合对应候选标签类别的标签类别得分较大的常驻点，作为所述空集合对应目标标签类别的目标常驻点；
113.若不存在与所述空集合具备类别互补关系的非空集合，则确定所述空集合对应目标标签类别的目标常驻点为空。
114.可选的，该装置还包括：
115.距离数据确定模块，用于针对每一目标标签类别，确定该目标标签类别所选取的目标常驻点与历史常驻点之间的距离数据；
116.目标常驻点更新模块，用于根据所述距离数据和所选取目标常驻点属于该目标标签类别的标签类别得分，控制采用所述历史常驻点，对所选取的目标常驻点进行更新。
117.可选的，该装置还包括：
118.样本数据生成模块，用于根据所选取的目标常驻点的位置数据和停留时间数据，生成样本数据；
119.模型评价模块，用于根据所述样本数据和所选取的目标常驻点的目标标签类别，对预先构建的常驻点标签预测模型进行训练，或者，对训练好的常驻点标签预测模型进行模型评价。
120.上述常驻点标签确定装置可执行本技术任意实施例所提供的常驻点标签确定方
法，具备执行各常驻点标签确定方法相应的功能模块和有益效果。
121.实施例四
122.图4为本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器410、存储器420、输入装置430和输出装置440；设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
123.存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的常驻点标签确定方法对应的程序指令/模块(数据获取模块410和类别确定模块420)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的常驻点标签确定方法。
124.存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据(如前述实施例所涉及的目标常驻点、停留时间数据和目标标签类别等)等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
125.输入装置430可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的信号输入。输出装置440可包括显示屏等显示设备。
126.实施例五
127.本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种常驻点标签确定方法，该方法包括：
128.获取用户在各常驻点的停留时间数据；
129.根据所述停留时间数据，确定至少一个所述目标常驻点的目标标签类别。
130.当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的常驻点标签确定方法中的相关操作。
131.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明实施例可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明实施例各个实施例所述的方法。
132.值得注意的是，上述常驻点标签确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
133.注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由所附的权利要求范围决定。