[发明专利]城市目标推荐方法和装置

权利要求书

1.一种城市目标推荐方法，包括：

获取各类型的城市特征数据作为源数据；

获取待推荐目标类型；

将源数据中符合所述目标类型且符合预设推荐条件的城市特征数据作为候选集，将源数据中符合所述目标类型且不符合预设推荐条件的城市特征数据作为样本集；

基于所述样本集对初始模型进行训练，得到最优模型；

基于所述最优模型得到所述候选集中各城市特征数据对应的推荐评分；

基于所述推荐评分输出推荐结果。

2.根据权利要求1所述的方法，其中，所述获取各类型的城市特征数据作为源数据包括：

根据第一预设规则将所述城市所在区域划分为多个区域块；

将所获取的城市特征数据划分至各区域块；

在源数据中，关联同一区域块内不同类型的城市特征数据，并且/或者，关联不同区域块中相同类型的城市特征数据。

3.根据权利要求1所述的方法，其中，所述基于所述样本集对初始模型进行训练，得到最优模型包括：

在所述样本集中的每个城市特征数据中添加该城市特征数据对应的输出值标记；

根据第二预设规则从所述样本集中提取多个训练集，每个训练集包括多条带有输出值标记的城市特征数据，各训练集不同；

对于每个训练集，将所述样本集中除所述训练集之外的部分或全部城市特征数据作为所述训练集对应的验证集，使用所述训练集对初始模型进行训练得到训练模型，使用所述验证集对所述训练模型进行验证，根据验证结果得到所述训练模型的评估分数；

将评估分数最高的训练模型作为最优模型，将该训练模型对应的训练集作为最优特征组合。

4.根据权利要求3所述的方法，其中，所述根据第二预设规则从所述样本集中提取多个训练集包括：

在所述样本集中采用宽度优先搜索算法对城市特征数据进行向前和/或向后遍历的方式进行多次选择，得到各训练集。

5.根据权利要求3所述的方法，其中，所述根据第二预设规则从所述样本集中提取多个训练集包括：

对于已提取的训练集，利用模拟退火算法和/或随机搜索方法对所述训练集进行变化，得到新的训练集。

6.根据权利要求3所述的方法，其中：

所述基于所述最优模型得到所述候选集中各城市特征数据对应的推荐评分包括：将所述候选集中的各城市特征数据输入至所述最优模型，获得相应的输出值，每个城市特征数据对应的输出值为该城市特征数据对应的推荐评分；

所述基于所述推荐评分输出推荐结果包括：根据所述候选集中的各城市特征数据的推荐评分从高至低对各城市特征数据进行排序，选择前预设数量的城市特征数据作为推荐结果并输出。

7.根据权利要求6所述的方法，其中，所述将所述候选集中的各城市特征数据输入至所述最优模型，获得相应的输出值包括：

对于所述候选集中的每个城市特征数据，将该城市特征数据多次输入至所述最优模型，获得多个输出值；

对所述多个输出值进行交叉验证优化，得到优化后的输出值，将所述优化后的输出值作为该城市特征数据的推荐评分。

8.根据权利要求1所述的方法，其中，获取各类型的城市特征数据作为源数据包括：

对获取到的城市特征数据进行数据清洗，数据清洗后的城市特征数据构成源数据。

9.一种城市目标推荐装置，包括：

第一获取模块，用于获取各类型的城市特征数据作为源数据；

第二获取模块，用于获取待推荐目标类型；

推荐处理模块，用于将源数据中符合所述目标类型且符合预设推荐条件的城市特征数据作为候选集，将源数据中符合所述目标类型且不符合预设推荐条件的城市特征数据作为样本集；基于所述样本集对初始模型进行训练，得到最优模型；基于所述最优模型得到所述候选集中各城市特征数据对应的推荐评分；基于所述推荐评分输出推荐结果。