兴趣点到访识别方法、装置、电子设备及可读存储介质与流程

技术特征：
1.一种兴趣点到访识别方法，其特征在于，所述方法包括：获取用户对终端设备操作时的业务特征、wi-fi列表信息、以及所述用户的用户特征；根据所述wi-fi列表信息，确定候选poi的wi-fi指纹信息；根据所述业务特征、所述用户特征、所述wi-fi列表信息、以及所述候选poi的wi-fi指纹信息，计算所述wi-fi列表信息与所述候选poi的关联得分；根据所述关联得分，确定所述用户到访的目标poi。2.根据权利要求1所述的方法，其特征在于，所述根据所述wi-fi列表信息，确定候选poi的wi-fi指纹信息之前，所述方法还包括：获取不同用户的历史poi到访数据，所述历史poi到访数据中包括不同用户到店时终端设备的wi-fi列表信息；根据所述不同用户的历史poi到访数据，构建关系信息库，所述关系信息库中包括wi-fi信息、poi信息、以及poi信息对应的wi-fi指纹信息之间的关联关系；所述根据所述wi-fi列表信息，确定候选poi的wi-fi指纹信息，包括：将所述wi-fi列表信息中的各wi-fi信息作为关键词查询所述关系信息库，获取所述wi-fi列表信息中各wi-fi信息对应的候选poi，以及各候选poi的wi-fi指纹信息。3.根据权利要求1所述的方法，其特征在于，所述根据所述业务特征、所述用户特征、所述wi-fi列表信息、以及所述候选poi的wi-fi指纹信息，计算所述wi-fi列表信息与所述候选poi的关联得分，包括：将所述业务特征、所述用户特征、所述wi-fi列表信息、以及所述候选poi的wi-fi指纹信息输入目标模型，通过所述目标模型计算所述wi-fi列表信息与所述候选poi的关联得分；其中，所述目标模型为根据不同用户的历史业务特征、历史用户特征、历史wi-fi列表信息、历史候选poi的wi-fi指纹信息、以及历史到店信息训练得到的神经网络模型。4.根据权利要求3所述的方法，其特征在于，所述通过所述目标模型计算所述wi-fi列表信息与所述候选poi的关联得分，包括：通过所述目标模型的第一网络对所述业务特征和所述用户特征进行降维处理，得到业务特征向量和用户特征向量；通过所述目标模型的第二网络对所述wi-fi列表信息和所述候选poi的wi-fi指纹信息进行关联度计算，得到所述wi-fi列表信息wi-fi与所述候选poi的wi-fi指纹信息的相似度向量；通过所述目标模型的耦合层将所述业务特征向量、所述用户特征向量、以及所述相似度向量进行拼接后，得到拼接向量；通过所述目标模型的softmax层对所述拼接向量进行融合计算，得到所述wi-fi列表信息与所述候选poi的关联得分。5.根据权利要求3所述的方法，其特征在于，所述将所述业务特征、所述用户特征、所述wi-fi列表信息、以及所述候选poi的wi-fi指纹信息输入目标模型之前，所述方法还包括：收集不同用户的历史业务特征、历史wi-fi列表信息、历史候选poi的wi-fi指纹信息、以及历史用户特征，构建训练数据；根据所述训练数据对应的历史到店信息，确定标注信息；将所述训练数据输入初始模型，以通过所述初始模型预测用户到访的历史poi；
根据所述初始模型预测的历史poi与所述标注信息之间的差异，对所述初始模型的模型参数进行迭代优化，得到训练完成的目标模型。6.根据权利要求1所述的方法，其特征在于，所述确定所述用户到访的目标poi之后，所述方法还包括：向所述用户的终端设备推送所述目标poi的相关推荐信息。7.根据权利要求1至6任一所述的方法，其特征在于，所述用户特征包括：所述用户对poi的浏览信息、搜索信息、签到信息、消费信息、到访信息中的至少一种。8.一种兴趣点到访识别装置，其特征在于，所述装置包括：特征获取模块，用于获取用户对终端设备操作时的业务特征、wi-fi列表信息、以及所述用户的用户特征；指纹确定模块，用于根据所述wi-fi列表信息，确定候选poi的wi-fi指纹信息；得分计算模块，用于根据所述业务特征、所述用户特征、所述wi-fi列表信息、以及所述候选poi的wi-fi指纹信息，计算所述wi-fi列表信息与所述候选poi的关联得分；目标确定模块，用于根据所述关联得分，确定所述用户到访的目标poi。9.根据权利要求8所述的装置，其特征在于，所述装置还包括：数据获取模块，用于获取不同用户的历史poi到访数据，所述历史poi到访数据中包括不同用户到店时终端设备的wi-fi列表信息；信息库构建模块，用于根据所述不同用户的历史poi到访数据，构建关系信息库，所述关系信息库中包括wi-fi信息、poi信息、以及poi信息对应的wi-fi指纹信息之间的关联关系；所述指纹确定模块，具体用于将所述wi-fi列表信息中的各wi-fi信息作为关键词查询所述关系信息库，获取所述wi-fi列表信息中各wi-fi信息对应的候选poi，以及各候选poi的wi-fi指纹信息。10.根据权利要求8所述的装置，其特征在于，所述得分计算模块，具体用于将所述业务特征、所述用户特征、所述wi-fi列表信息、以及所述候选poi的wi-fi指纹信息输入目标模型，通过所述目标模型计算所述wi-fi列表信息与所述候选poi的关联得分；其中，所述目标模型为根据不同用户的历史业务特征、历史用户特征、历史wi-fi列表信息、历史候选poi的wi-fi指纹信息、以及历史到店信息训练得到的神经网络模型。11.根据权利要求10所述的装置，其特征在于，所述目标模型，包括：第一网络，用于对所述业务特征和所述用户特征进行降维处理，得到业务特征向量和用户特征向量；第二网络，用于对所述wi-fi列表信息和所述候选poi的wi-fi指纹信息进行关联度计算，得到所述wi-fi列表信息wi-fi与所述候选poi的wi-fi指纹信息的相似度向量；耦合层，用于将所述业务特征向量、所述用户特征向量、以及所述相似度向量进行拼接后，得到拼接向量；softmax层，用于对所述拼接向量进行融合计算，得到所述wi-fi列表信息与所述候选poi的关联得分。12.根据权利要求10所述的装置，其特征在于，所述装置还包括：数据收集模块，用于收集不同用户的历史业务特征、历史wi-fi列表信息、历史候选poi
的wi-fi指纹信息、以及历史用户特征，构建训练数据；标注确定模块，用于根据所述训练数据对应的历史到店信息，确定标注信息；数据输入模块，用于将所述训练数据输入初始模型，以通过所述初始模型预测用户到访的历史poi；模型优化模块，用于根据所述初始模型预测的历史poi与所述标注信息之间的差异，对所述初始模型的模型参数进行迭代优化，得到训练完成的目标模型。13.根据权利要求8所述的装置，其特征在于，所述装置还包括：信息推荐模块，用于向所述用户的终端设备推送所述目标poi的相关推荐信息。14.根据权利要求8至13任一所述的装置，其特征在于，所述用户特征包括：所述用户对poi的浏览信息、搜索信息、签到信息、消费信息、到访信息中的至少一种。15.一种电子设备，其特征在于，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中一个或多个所述的兴趣点到访识别方法。16.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如方法权利要求1-7中一个或多个所述的兴趣点到访识别方法。

技术总结
本公开的实施例提供了一种兴趣点到访识别方法、装置、电子设备及可读存储介质，所述方法包括：获取用户对终端设备操作时的业务特征、Wi-Fi列表信息、以及所述用户的用户特征；根据所述Wi-Fi列表信息，确定候选POI的Wi-Fi指纹信息；根据所述业务特征、所述用户特征、所述Wi-Fi列表信息、以及所述候选POI的Wi-Fi指纹信息，计算所述Wi-Fi列表信息与所述候选POI的关联得分；根据所述关联得分，确定所述用户到访的目标POI。本公开实施例可以提升兴趣点到访识别的精准度以及信息推荐的及时性。到访识别的精准度以及信息推荐的及时性。到访识别的精准度以及信息推荐的及时性。


技术研发人员：秦博 孙翔 王文超 段航
受保护的技术使用者：汉海信息技术(上海)有限公司
技术研发日：2021.02.10
技术公布日：2022/8/16