[发明专利]基于机器学习模型的时空索引构建方法和装置及查询方法

权利要求书

1.一种基于机器学习模型的时空索引构建方法，其特征在于，包括：

获取原始时空数据集，将所述原始时空数据集划分为多个数据子集；

采用各所述数据子集对应生成相应的子模型，并基于所述原始时空数据集生成相应的父模型；

根据生成的各所述子模型和所述父模型，构建得到用于查询数据存储位置的时空索引；

其中，在所述时空索引中，所述父模型作为输出第一层用于确定当前待查询的数据点所对应的子模型，各所述子模型作为输出第二层，用于预测当前待查询的数据点的存储位置。

2.根据权利要求1所述的方法，其特征在于，所述父模型与所述子模型的网络结构相同。

3.根据权利要求2所述的方法，其特征在于，所述子模型为具有两个隐藏层的前馈神经网络；

其中，所述子模型的第一层为包含一个神经元的输入层，第二层和第三层为包含3个神经元的隐藏层，第四层为包含一个神经元的输出层；

相邻两层的神经元之间为全连接。

4.根据权利要求1至3任一项所述的方法，其特征在于，将所述原始时空数据集划分为多个数据子集时，通过计算所述原始时空数据集中各时空数据点的Hilbert编码值，根据计算得到的各所述时空数据点的Hilbert编码值进行划分。

5.根据权利要求4所述的方法，其特征在于，根据计算得到的各所述时空数据点的Hilbert编码值进行所述原始时空数据集的划分时，包括：

根据各所述时空数据点的Hilbert编码值对各所述时空数据点进行排序，得到有序数据集；

对所述有序数据集进行所述数据子集的划分。

6.一种基于机器学习模型的时空索引构建装置，其特征在于，包括数据处理模块、模型生成模块和索引构建模块；

所述数据处理模块，被配置为获取原始时空数据集，将所述原始时空数据集划分为多个数据子集；

所述模型生成模块，被配置为采用各所述数据子集对应生成相应的子模型，并基于所述原始时空数据集生成相应的父模型；

所述总模型构建模块，被配置为根据生成的各所述子模型和所述父模型，构建得到用于查询数据存储位置的时空索引；

其中，在所述时空索引中，所述父模型作为输出第一层用于确定当前待查询的数据点对应的子模型，各所述子模型作为输出第二层，用于预测当前待查询的数据点的存储位置。

7.一种时空数据点查询方法，其特征在于，采用权利要求1至5任一项所述的时空索引构建方法所构建的时空索引进行，包括：

在接收到查询数据后，获取所述查询数据的特征值；

将所述查询数据的特征值输入至训练好的父模型中，由所述父模型根据接收到的所述特征值选择所述查询数据对应的子模型，再由所选择的所述子模型根据所述特征值进行所述查询数据的位置的预测，得到所述查询数据的位置预测结果；

其中，所述父模型为对应原始时空数据集生成的神经网络模型，所述子模型为将整所述原始时空数据集划分为多个数据子集后，分别对应各所述数据子集的神经网络模型。

8.根据权利要求1所述的方法，其特征在于，所述查询数据的特征值通过计算所述查询数据的Hilbert编码值来表征。

9.一种基于机器学习模型的时空索引构建设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现权利要求1至7中任意一项所述的方法。

10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。