兴趣点状态预测方法、装置、电子设备及计算机存储介质与流程

技术特征：
1.一种兴趣点状态预测方法，其中，包括：获取待预测兴趣点的目标关联用户与所述待预测兴趣点的关联数据；基于所述关联数据确定所述待预测兴趣点的待预测特征；所述待预测特征包括基于所述目标关联用户相对于所述待预测兴趣点的距离分布获得的空间距离特征，以及所述目标关联用户针对所述待预测兴趣点所产生行为的时间趋势特征；基于所述待预测特征预测所述待预测兴趣点的当前状态。2.根据权利要求1所述的方法，其中，基于所述关联数据确定所述待预测兴趣点的待预测特征，包括：基于所述关联数据确定多个所述目标关联用户在预设时间段内与所述待预测兴趣点的最小距离；将多个所述目标关联用户的所述最小距离按照远近划分距离等级；对划分得到的所述距离等级进行向量编码，获得各个所述目标关联用户相对于所述待预测兴趣点的用户距离向量；基于所述用户距离向量确定所述待预测兴趣点的空间距离特征。3.根据权利要求1或2所述的方法，其中，基于所述关联数据确定所述待预测兴趣点的待预测特征，包括：基于所述关联数据统计所述目标关联用户在预设时间段内的用户行为序列；基于多个所述目标关联用户对应的所述用户行为序列确定所述待预测兴趣点的兴趣点行为序列；分别针对所述用户行为序列和所述兴趣点行为序列提取特征，得到用户向量特征和兴趣点向量特征；基于所述用户向量特征和所述兴趣点向量特征确定所述目标关联用户的用户权重；基于所述目标关联用户的用户权重以及所述用户向量特征得到所述待预测兴趣点的时间趋势特征。4.根据权利要求1或2所述的方法，其中，所述待预测特征还包括在预设时间段内待预测兴趣点维度的用户行为特征。5.根据权利要求2所述的方法，其中，基于所述待预测特征预测所述待预测兴趣点的当前状态，包括：将同一所述预设时间段对应的所述空间距离特征和时间趋势特征进行拼接得到一个所述预设时间段对应的所述待预测特征；将多个所述预设时间段对应的所待预测特征构成的序列输入至预先训练的循环神经网络模型，预测得到所述待预测兴趣点的当前状态。6.一种兴趣点状态预测的模型训练方法，其中，包括：获取样本兴趣点的目标关联用户与所述样本兴趣点的关联数据以及所述样本兴趣点的标注状态；以预设时间段为单位，将所述关联数据中目标关联用户相对于样本兴趣点的距离分布以及目标关联用户针对所述样本兴趣点所产生的行为输入至时空特征提取模型，获得所述预设时间段对应的待预测特征；将多个预设时间段对应的所述待预测特征分别输入至循环神经网络模型的各个模型
单元，获得所述样本兴趣点对应的预测状态；基于所述预测状态和所述标注状态调整所述时空特征提取模型以及所述循环神经网络模型的模型参数。7.根据权利要求6所述的方法，其中，所述时空特征提取模型包括空间特征提取模型；将所述关联数据中目标关联用户相对于样本兴趣点的距离分布以及目标关联用户针对所述样本兴趣点所产生的行为输入至时空特征提取模型，获得所述预设时间段对应的待预测特征，包括：基于所述关联数据确定所述目标关联用户在预设时间段内相对于所述样本兴趣点的最小距离；将所述目标关联用户的所述最小距离按照远近划分距离等级；将划分得到的所述距离等级作为所述空间特征提取模型的输入，得到所述目标关联用户相对于所述样本兴趣点的用户距离向量；基于所述用户距离向量确定所述样本兴趣点的空间距离特征。8.根据权利要求6或7所述的方法，其中，所述时空特征提取模型包括时间特征提取模型，所述时间特征提取模型包括行为向量编码模型和注意力机制模型；将所述关联数据中目标关联用户相对于样本兴趣点的距离分布以及目标关联用户针对所述样本兴趣点所产生的行为输入至时空特征提取模型，获得所述预设时间段对应的待预测特征，包括：基于所述关联数据统计所述目标关联用户在预设时间段内的用户行为序列；基于多个所述目标关联用户对应的所述用户行为序列确定所述样本兴趣点的兴趣点行为序列；分别将所述用户行为序列和所述兴趣点行为序列输入至行为向量编码模型，获得用户向量特征和兴趣点向量特征；将所述用户向量特征和所述兴趣点向量特征输入至所述注意力机制模型，获得所述目标关联用户的用户权重；基于所述目标关联用户的用户权重以及所述用户向量特征得到所述样本兴趣点的时间趋势特征。9.根据权利要求6或7所述的方法，其中，所述待预测特征还包括在预设时间段内样本兴趣点维度的用户行为特征；所述时空特征提取模型还包括多层感知机模型；所述方法还包括：基于所述关联数据获取在预设时间段内所述样本兴趣点维度的用户行为统计数据；将所述用户行为统计数据输入至所述多层感知机模型，获得所述样本兴趣点维度的用户行为特征。10.一种兴趣点状态预测装置，其中，包括：第一获取模块，被配置为获取待预测兴趣点的目标关联用户与所述待预测兴趣点的关联数据；第一确定模块，被配置为基于所述关联数据确定所述待预测兴趣点的待预测特征；所述待预测特征包括基于所述目标关联用户相对于所述待预测兴趣点的距离分布获得的空间距离特征，以及所述目标关联用户针对所述待预测兴趣点所产生行为的时间趋势特征；预测模块，被配置为基于所述待预测特征预测所述待预测兴趣点的当前状态。
11.一种兴趣点状态预测的模型训练装置，其中，包括：第二获取模块，被配置为获取样本兴趣点的目标关联用户与所述样本兴趣点的关联数据以及所述样本兴趣点的标注状态；第三获取模块，被配置为以预设时间段为单位，将所述关联数据中目标关联用户相对于样本兴趣点的距离分布以及目标关联用户针对所述样本兴趣点所产生的行为输入至时空特征提取模型，获得所述预设时间段对应的待预测特征；第四获取模块，被配置为将多个预设时间段对应的所述待预测特征分别输入至循环神经网络模型的各个模型单元，获得所述样本兴趣点对应的预测状态；调整模块，被配置为基于所述预测状态和所述标注状态调整所述时空特征提取模型以及所述循环神经网络模型的模型参数。12.一种电子设备，其中，包括存储器、处理器以及存储在存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现权利要求1-9任一项所述的方法。13.一种计算机可读存储介质，其上存储有计算机指令，其中，该计算机指令被处理器执行时实现权利要求1-9任一项所述的方法。

技术总结
本公开实施例公开了一种兴趣点状态预测方法、装置、电子设备及计算机存储介质，所述方法包括：获取待预测兴趣点的目标关联用户与所述待预测兴趣点的关联数据；基于所述关联数据确定所述待预测兴趣点的待预测特征；所述待预测特征包括基于所述目标关联用户相对于所述待预测兴趣点的距离分布获得的空间距离特征，以及所述目标关联用户针对所述待预测兴趣点所产生行为的时间趋势特征；基于所述待预测特征预测所述待预测兴趣点的当前状态。该技术方案能够基于待预测兴趣点相关的目标关联用户的空间以及时间行为数据，提升待预测兴趣点的状态预测准确率。状态预测准确率。状态预测准确率。


技术研发人员：姚欣 董庆洲
受保护的技术使用者：北京高德云信科技有限公司
技术研发日：2022.10.11
技术公布日：2022/11/8