[发明专利]一种目的地推荐方法和系统

权利要求书

1.一种目的地推荐的方法，其特征在于，包括：

获取当前订单的订单数据，所述订单数据至少包括当前时间、当前位置或出发地信息；

获取第一时间段内的用户历史订单；从所述历史订单中提取历史目的地和与所述历史目的地相关的特征参数；

基于所述历史目的地和所述当前订单的订单数据确定候选兴趣点；

基于所述特征参数确定所述候选兴趣点的概率值；

基于所述概率值确定推荐目的地。

2.如权利要求1所述的方法，其特征在于，

所述特征参数包括高维稀疏特征、与用户相关的特征、上下文特征、统计特征、其他稀疏特征、负反馈特征中的一种或几种的组合；

其中，所述高维稀疏特征包括用户名、兴趣点名称和城市名称中的一种或几种的组合；

所述与用户相关的特征包括年龄、性别、职业、兴趣点为家庭住址的置信度、兴趣点为工作地址的置信度、用户是否上班、历史订单的平均距离、历史订单的距离方差、当前位置与兴趣点的距离、出现频率较高的兴趣点中的一种或几种的组合；

所述上下文特征包括：兴趣点出现的时间、兴趣点出现的日期、兴趣点的经纬度、兴趣点的地图坐标中的一种或几种的组合；

所述统计特征包括：兴趣点根据时间的分布概率、根据地址名称的分布概率、根据经纬度的分布概率、根据时间和位置的分布概率中的一种或几种的组合；

所述其他稀疏特征包括：以兴趣点为目的地的频次、一定时间内兴趣点在历史订单中为目的地的频次中的一种或几种的组合；

所述负反馈特征包括：一定时间内用户没有采纳该兴趣点为目的地的负反馈的概率。

3.如权利要求1所述的方法，其特征在于，所述基于所述特征参数确定所述候选兴趣点的概率值，包括:

获取兴趣点推荐模型；

基于兴趣点推荐模型确定所述候选兴趣点的概率值。

4.如权利要求3所述的方法，其特征在于，

获得所述兴趣点推荐模型的方法包括：

获取第二时间段内的用户历史订单；从所述历史订单中提取历史目的地和所述历史目的地的相关的特征参数；

基于所述特征参数和所述历史目的地训练兴趣点推荐模型。

5.如权利要求3所述的方法，其特征在于，

所述兴趣点推荐模型为DeepFM模型。

6.如权利要求5所述的方法，其特征在于，

所述DeepFM模型的输出为：

fusion＝sigmoid(w1×first_order_out+w2×second_order_out+w3×dnn_out)；

其中，w1、w2、w3为权重值，first_order_out为FM模型的一阶输出，second_order_out为FM模型的二阶输出，dnn_out为DNN模型的高阶输出。

7.如权利要求4所述的方法，其特征在于，

确定损失函数；

基于所述损失函数对所述推荐模型进行优化。

8.如权利要求7所述的方法，其特征在于，

所述损失函数为：

Loss＝β1×lr_loss+β2×second_order_out_loss+β3×dnn_out_loss+β4×fusion_loss

其中，β1、β2、β3、β4为权重值；

其中，X为与所述目的地相关的特征参数组成的特征矩阵，θ为X对应的权重值，θ^T为θ的转置；

fusion＝sigmid(w1×first_order_out+w2×second_order_out+w3×dnn_out)；

lr_loss为lr模型的损失函数计算结果，second_order_out_loss为FM模型二阶输出的损失函数计算结果，dnn_out_loss为DNN模型高阶输出的损失函数计算结果，fusion_loss为fusion模型的损失函数计算结果。