兴趣点推荐模型的训练方法和推荐兴趣点的方法

摘要

本公开提供了一种兴趣点推荐模型的训练方法和推荐兴趣点的方法，涉及人工智能领域，尤其涉及智能交通、强化学习、大数据领域，可用于云平台场景。实现方案为：获取训练数据，其中训练数据包括多个兴趣点推荐请求；确定用于兴趣点推荐模型的初始化参数；对于多个兴趣点推荐请求中的第一兴趣点推荐请求，利用兴趣点推荐模型确定第一兴趣点推荐请求的当前收益，利用兴趣点推荐模型，基于第一兴趣点推荐请求完成后发起的第二兴趣点推荐请求确定第一兴趣点推荐请求的目标收益；以及基于第一兴趣点推荐请求的当前收益和目标收益之间的差异调整兴趣点推荐模型的初始化参数以得到兴趣点推荐模型的最终参数。

说明书

技术领域

本公开涉及人工智能技术领域，尤其涉及智能交通、深度学习，具体涉及一种兴趣点推荐模型的训练方法、推荐兴趣点的方法以及对应的装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

在地理信息系统中，存在各种各样的兴趣点。用户可以前往各个兴趣点以获取相应的服务。兴趣点的信息可以用于路径规划。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种兴趣点推荐模型的训练方法、推荐兴趣点的方法以及对应的装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种兴趣点推荐模型的训练方法，包括：获取训练数据，其中所述训练数据包括多个兴趣点推荐请求；确定用于所述兴趣点推荐模型的初始化参数；对于所述多个兴趣点推荐请求中的第一兴趣点推荐请求，利用所述兴趣点推荐模型确定所述第一兴趣点推荐请求的当前收益，利用所述兴趣点推荐模型，基于所述第一兴趣点推荐请求完成后发起的第二兴趣点推荐请求确定所述第一兴趣点推荐请求的目标收益；以及基于所述第一兴趣点推荐请求的当前收益和目标收益之间的差异调整所述兴趣点推荐模型的初始化参数以得到所述兴趣点推荐模型的最终参数。

根据本公开的另一方面，提供了一种用于推荐兴趣点的方法，所述方法应用于运行有兴趣点推荐模型的计算设备，所述兴趣点推荐模型是采用如前所述的方法训练得到的，所述方法包括：接收兴趣点推荐请求；响应于接收到所述兴趣点推荐请求，确定与所述兴趣点推荐请求相关联的环境状态参数，其中所述环境状态参数包括发起各个兴趣点推荐请求时候选兴趣点的资源占用信息和预测使用信息；利用所述兴趣点推荐模型对所述环境状态参数和候选兴趣点的标识参数进行处理，以得到所述候选兴趣点的推荐值；基于所述候选兴趣点的推荐值确定用于所述兴趣点推荐请求的目标兴趣点。

根据本公开的另一方面，提供了一种兴趣点推荐模型的训练装置，包括：训练数据获取单元，配置成获取训练数据，其中所述训练数据包括多个兴趣点推荐请求；参数获取单元，配置成确定用于所述兴趣点推荐模型的初始化参数；收益确定单元，配置成对于所述多个兴趣点推荐请求中的第一兴趣点推荐请求，利用所述兴趣点推荐模型确定所述第一兴趣点推荐请求的当前收益；利用所述兴趣点推荐模型，基于与所述第一兴趣点推荐请求完成后发起的第二兴趣点推荐请求确定所述第一兴趣点推荐请求的目标收益；以及训练单元，配置成基于所述第一兴趣点推荐请求的当前收益和目标收益之间的差异调整所述兴趣点推荐模型的初始化参数以得到所述兴趣点推荐模型的最终参数。

根据本公开的另一方面，提供了一种用于推荐兴趣点的装置，所述装置运行有兴趣点推荐模型的计算设备，所述兴趣点推荐模型是采用如前所述的方法训练得到的，所述装置包括：接收单元，配置成接收兴趣点推荐请求；环境状态确定单元，配置成响应于接收到所述兴趣点推荐请求，确定与所述兴趣点推荐请求相关联的环境状态参数，其中所述环境状态参数包括发起各个兴趣点推荐请求时候选兴趣点的资源占用信息和预测使用信息；推荐值确定单元，配置成利用所述兴趣点推荐模型对所述环境状态参数和候选兴趣点的标识参数进行处理，以得到所述候选兴趣点的推荐值；目标兴趣点确定单元，配置成基于所述候选兴趣点的推荐值确定用于所述兴趣点推荐请求的目标兴趣点。

根据本公开的另一方面，提供了一种导航装置，包括：接收单元，配置成接收兴趣点推荐请求；环境状态确定单元，配置成响应于接收到所述兴趣点推荐请求，确定与所述兴趣点推荐请求相关联的环境状态参数，其中所述环境状态参数包括发起各个兴趣点推荐请求时候选兴趣点的资源占用信息和预测使用信息；推荐值确定单元，配置成利用如前所述的方法训练得到的兴趣点推荐模型对所述环境状态参数和候选兴趣点的标识参数进行处理，以得到所述候选兴趣点的推荐值；目标兴趣点确定单元，配置成基于所述候选兴趣点的推荐值确定用于所述兴趣点推荐请求的目标兴趣点；以及路线确定单元，配置成生成前往所述目标兴趣点的路径。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如前所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现如前所述的方法。

根据本公开的一个或多个实施例，可以使得兴趣点推荐模型更容易学习到全局最优的推荐结果。利用这样的兴趣点推荐模型，可以为兴趣点推荐请求生成使得全局最优的兴趣点的推荐结果。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的兴趣点推荐模型的训练方法的示意性的流程图；

图3示出了根据本公开的实施例的利用兴趣点推荐模型确定用于第一兴趣点推荐请求的即时收益和目标收益的示意性的流程图；

图4示出了根据本公开的实施例的兴趣点推荐过程的示意图；

图5示出了根据本公开的实施例的用于推荐兴趣点的方法的示意性的流程图；

图6示出了根据本公开的实施例的兴趣点推荐模型的训练装置的示意性框图；

图7示出了根据本公开的实施例的用于推荐兴趣点的装置的示意性框图；

图8示出了根据本公开的实施例的导航装置的示意性框图；以及

图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

在一些场景中，用户可能期望得到预定类型的兴趣点的推荐信息。兴趣点可以是预定义的地理对象。例如，兴趣点可以是学校、银行、餐馆、加油站、停车场、充电站等。下文中将以兴趣点是充电站(如电动车充电站)为例描述本公开的原理，然而，本领域技术人员可以理解，在不脱离本公开原理的情况下，本领域技术人员可以根据实际情况对本公开提供的方案进行修改以得到针对不同类型的其他兴趣点的方案。

在相关技术中，可以向用户推荐距离最近或旅行时间最短的兴趣点作为最佳的兴趣点推荐结果。然而，这样的推荐结果是基于贪心的方法进行推荐，可能会造成针对作为整体的多个兴趣点的资源分配仅局部最优而长期收益较低。

为了使得作为整体的多个兴趣点具有较高的长期收益，本公开提供了一种新的兴趣点推荐模型的训练方法和用于推荐兴趣点的方法。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行根据本公开的兴趣点推荐模型的训练方法和/或推荐兴趣点的方法的一个或多个服务或软件应用。在一些实施例中，也可以使用客户端设备101、102、103、104、105和106运行根据本公开的兴趣点推荐模型的训练方法和/或推荐兴趣点的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来输入兴趣点推荐请求，并获得兴趣点的推荐结果。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如Microsoft Windows、AppleiOS、类UNIX操作系统、Linux或类Linux操作系统(例如Google Chrome OS)；或包括各种移动操作系统，例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

图2示出了根据本公开的实施例的兴趣点推荐模型的训练方法200的示意性的流程图。图2中示出的方法可以由图1中示出的客户端设备101～106或服务器120来实现。

在图2示出的兴趣点推荐模型的训练防范中，可以将由多个兴趣点形成的兴趣点的集合(也可以称作是兴趣点网络)看作一个智能体进行训练。例如，以兴趣点是电动车充电站为例，可以将预定区域(如指定城市)内所有充电站形成的充电网络看作一个智能体进行训练。又例如，以兴趣点是停车场为例，可以将预定区域内所有停车场形成的停车场网络看作一个智能体进行训练。

在步骤202中，可以获取训练数据，其中训练数据可以包括多个兴趣点推荐请求。

训练数据可以是真实的兴趣点推荐过程的记录。例如，可以通过记录在预定区域内历史上发起的兴趣点推荐请求以及对应的兴趣点推荐结果来获得训练数据。又例如，也可以通过设置一系列的规则设置的模拟器，以模拟真实场景中发起的兴趣点推荐请求以及对应的兴趣点推荐结果，并可以将模拟器输出的模拟结果作为训练数据。

在一些实施例中，兴趣点推荐请求可以是响应于来自用户的输入信息而生成的，例如，可以利用客户端设备上设置的文本输入装置(如键盘、触摸屏、手写板等)接收用户的文本输入或利用客户端设备上设置的语音输入装置(如麦克风等)接收用户的语音输入，以识别用户期望前往的兴趣点，并生成相应的兴趣点推荐请求。

在另一些实施例中，兴趣点推荐请求可以是响应于预定义的时间产生而生成的。例如，当检测到电动车的电池电量低于预定义的电量阈值时，可以生成兴趣点推荐请求以向用户推荐合适的充电站。又例如，当检测到用户抵达预先设置的目的地附近时，可以生成兴趣点推荐请求以向用户推荐合适的兴趣点。

训练数据可以包括在一定时间段内针对兴趣点网络产生的多个兴趣点推荐请求、各个兴趣点推荐请求的发起时间、各个兴趣点推荐请求的发起位置以及用于各个兴趣点推荐请求的目标兴趣点。例如，以兴趣点是电动车充电站为例，训练数据可以包括针对充电网络预定时间段(如8小时、24小时等任意时间段)内产生的多个充电请求、各个充电请求的发起时间、发起位置以及针对各个充电请求推荐的充电站。

在步骤S204中，可以确定用于兴趣点推荐模型的初始化参数。

在一些实施例中，可以利用深度神经网络实现上述兴趣点推荐模型。其中，可以利用卷积层、池化层、全连接层等常用的深度神经网络的元素组合形成的深度神经网络实现上述兴趣点推荐模型。在一些示例中，可以利用多层感知器(MPL)模型实现上述兴趣点推荐模型。在此不限定兴趣点推荐模型的具体结构。

在一些实施例中，兴趣点推荐模型的初始化参数可以是随机生成的。在另一些实施例中，兴趣点推荐模型的初始化参数也可以是利用预训练数据对模型进行训练得到的。

在步骤S206中，对于多个兴趣点推荐请求中的第一兴趣点推荐请求，可以利用兴趣点推荐模型确定第一兴趣点推荐请求的当前收益，还可以利用兴趣点推荐模型，基于第一兴趣点推荐请求完成后发起的第二兴趣点推荐请求确定第一兴趣点推荐请求的目标收益。

其中第一兴趣点推荐请求可以是从训练数据中包括的多个兴趣点推荐请求中进行随机采样而确定的。可以理解的是，在不脱离本公开原理的情况下，本领域技术人员也可以使用其他合适的方法从训练数据中包括的多个兴趣点推荐请求中确定第一兴趣点推荐请求。例如，可以基于预定的时间顺序对训练数据中包括的多个兴趣点推荐请求进行排序，并根据时间顺序依次将各个兴趣点推荐请求确定为当前要处理的第一兴趣点推荐请求。

其中，通过利用兴趣点推荐模型对第一兴趣点推荐请求进行处理，可以得到兴趣点推荐模型针对第一兴趣点推荐请求进行兴趣点推荐的结果的当前收益。

在一些实施例中，在对第一兴趣点推荐请求进行处理时，可以利用兴趣点推荐模型的当前参数对第一兴趣点推荐请求进行处理。也就是说，可以利用当前训练轮次的前一训练轮次训练后得到的参数对第一兴趣点推荐请求进行处理。

通过利用兴趣点推荐模型对第一兴趣点推荐请求完成后发起的第二兴趣点推荐请求进行处理，可以得到第一兴趣点推荐请求完成后的长期目标收益。

在一些实施例中，利用兴趣点推荐模型对第一兴趣点推荐请求完成后发起的第二兴趣点推荐请求进行处理时，可以利用兴趣点推荐模型的目标参数对第二兴趣点推荐请求进行处理。其中，兴趣点推荐模型的目标参数和兴趣点推荐模型的当前参数可以是相同的，也可以是不同的。例如，目标参数可以是在先前的训练轮次中得到的兴趣点推荐模型的参数。在一些实现方式中，每隔一段固定的时间，可以将兴趣点推荐模型的目标参数更新为兴趣点推荐模型的训练后得到的当前参数。

在步骤S208中，可以基于第一兴趣点推荐请求的当前收益和目标收益之间的差异调整兴趣点推荐模型的初始化参数以得到兴趣点推荐模型的最终参数。

在一些实施例中，可以基于第一兴趣点推荐请求的当前收益和目标收益之间的差异确定用于训练兴趣点推荐模型的损失函数，并可以基于损失函数的大小，利用反向传播算法对兴趣点推荐模型的当前参数进行调整。通过不断重复图2中示出的训练步骤可以不断地对兴趣点推荐模型的参数进行更新，直到损失函数的结果收敛到预定范围内或训练次数超过预定的最大次数。

在一些实现方式中，可以基于当前收益和目标收益的差值的平方确定兴趣点推荐模型的损失函数的值，例如基于下式计算兴趣点推荐模型的损失函数：

其中L(θ)表示兴趣点推荐模型的损失，Q(qt)表示第一兴趣点推荐请求qt的当前收益，yt表示第一兴趣点推荐请求qt的目标收益，

利用本公开提供的兴趣点推荐模型的训练方法，对于多个兴趣点推荐请求中的任一第一兴趣点推荐请求，可以利用基于第一兴趣点推荐请求完成后发起的第二兴趣点推荐请求确定第一兴趣点推荐请求的目标收益。这样确定的目标收益可以包括对第一兴趣点推荐请求进行推荐后对整个兴趣点网络带来的长期收益，从而可以使得兴趣点推荐模型更容易学习到全局最优的推荐结果。

图3示出了根据本公开的实施例的利用兴趣点推荐模型确定用于第一兴趣点推荐请求的即时收益和目标收益的示意性的流程图。可以利用图3中示出的方法300来实现图2中示出的步骤S206。

利用图3中示出的步骤S302～S304可以确定用于第一兴趣点推荐请求的当前收益。

在步骤S302中，可以确定用于第一兴趣点推荐请求的目的兴趣点是第一目标兴趣点。

在一些实施例中，训练数据可以包括多个兴趣点推荐请求以及用于各个兴趣点推荐请求的目标兴趣点。例如，可以基于训练数据，将训练数据中记录的真实(模拟)环境中用于第一兴趣点推荐请求的目标兴趣点是第一目标兴趣点。

在一些实施例中，训练数据还可以包括与各个兴趣点推荐请求相关联的环境状态参数。其中，环境状态参数包括发起各个兴趣点推荐请求时候选兴趣点的资源占用信息和预测使用信息。利用包括候选兴趣点的资源占用信息和预测使用信息的环境状态参数，可以在计算兴趣点推荐结果的收益时考虑整个兴趣点网络的整体性质，从而优化推荐效果。

环境状态参数可以用于指示兴趣点网络中各个兴趣点在各个兴趣点推荐请求发起时的状态。

候选兴趣点可以是兴趣点网络中包括的所有兴趣点或部分兴趣点。例如，候选兴趣点可以是兴趣点网络中当前可用的一部分兴趣点。又例如，对于任一兴趣点推荐请求，候选兴趣点可以是距离该兴趣点推荐请求的发起位置预定距离内的兴趣点。

资源占用信息可以指的是兴趣点处的服务资源的占用情况。以兴趣点是电动车充电站为例，兴趣点的资源占用信息可以是充电站的空闲充电位或被占用的充电位的数量。利用本公开提供的方法，可以在不同场景下为用户推荐不同的兴趣点以满足用户的需求。

以兴趣点是停车场为例，兴趣点的资源占用信息可以是停车场的空闲车位数量或被占用的车位数量。类似地，对于不同类型的兴趣点，本领域技术人员可以选择相应的参数表示兴趣点处的服务资源的占用情况。

预测使用信息可以指示兴趣点网络未来一段时间内的使用情况。在一些实施例中，与兴趣点推荐请求相关联的环境状态参数的预测使用信息包括在接收到该兴趣点推荐请求后预定时间范围内各个候选兴趣点周围预定距离内发起的其他兴趣点推荐请求的预测数量。通过利用之后一段时间内候选兴趣点附近发起的推荐请求的预测值，可以在训练模型时考虑到当前兴趣点推荐请求发起后一段时间内整个兴趣点网络的负荷，从而可以优化推荐结果。

以兴趣点是电动车充电站为例，预测使用信息可以是充电站网络中各个充电站附近一定距离内、从接收到兴趣点推荐请求起15分钟(或其他任何预定的时间段)内的充电请求的数量。以兴趣点是停车场为例，预测使用信息可以是停车场网络中各个停车场附近一定距离内、从接收到兴趣点推荐请求起15分钟内的停车请求的预测数量。

在一些实现方式中，可以利用预先训练好的预测模型得到上述预测使用信息。例如，可以利用MLP模型实现上述预测模型。通过利用训练好的预测模型对各个兴趣点附近的历史兴趣点推荐请求数量进行处理，可以得到未来预定时间段内各个兴趣点附近发起的兴趣点推荐请求的预测数量。

在一些实施例中，与各个兴趣点推荐请求相关联的环境状态参数还包括：接收各个兴趣点推荐请求的时间、从与各个兴趣点推荐请求关联的地理位置(例如，发起兴趣点推荐请求的位置)前往各个候选兴趣点的旅行时间以及候选兴趣点的服务能力信息。通过在环境状态参数中考虑对兴趣点网络有影响的各种因素，可以进一步优化兴趣点的推荐结果。

与各个兴趣点推荐请求关联的地理位置(例如，发起兴趣点推荐请求的位置)前往各个候选兴趣点的旅行时间可以是基于发起兴趣点推荐请求的地理位置以及发起兴趣点推荐请求时的路况信息确定的。

候选兴趣点的服务能力信息可以指示各个兴趣点提供相应服务的能力。由于一般来说，用户期望在兴趣点处得到相应的服务，因此候选兴趣点的服务能力可以指示用户在兴趣点处可能停留的时间。以兴趣点是电动车充电站为例，服务能力信息可以是充电站网络中各个充电站的充电功率。以兴趣点是停车场为例，服务能力信息可以是停车场内车辆停留的平均时间等等。通过针对不同场景确定的服务能力信息，可以针对不同的应用场景推荐相应的兴趣点。

在步骤S304中，可以利用兴趣点推荐模型对与第一兴趣点推荐请求相关联的第一环境状态参数和第一目标兴趣点的标识参数进行处理，以得到用于第一兴趣点推荐请求的当前收益。

在一些实施例中，可以将与第一兴趣点推荐请求相关联的第一环境状态参数和第一目标兴趣点的标识参数两者一起作为兴趣点推荐模型的输入，并将兴趣点推荐模型的输出作为用于第一兴趣点推荐请求的当前收益。

如前所述，以兴趣点是充电站为例，第一环境状态参数可以包括：接收第一兴趣点推荐请求的时间、每个候选充电站的当前空闲充电位数量、每个候选充电站附近未来一段时间(如15分钟)内的充电请求预测数量、从与第一兴趣点推荐请求发起的位置到各个候选充电站的旅行时间，以及各个候选充电站的充电功率。在一些实现方式中，第一环境状态参数可以是由上述五个参数组合形成的向量。

第一目标兴趣点的标识参数可以是用于指示将第一目标兴趣点用于第一兴趣点推荐请求的向量。在一些实现方式中，可以利用独热(one-hot)码表示第一目标兴趣点的标识参数。例如，在候选兴趣点的数量为N(N是大于1的整数)的情况下，可以利用一个包括N个参数的动作向量表示各个候选兴趣点作为目标兴趣点的标识参数。其中，动作向量中的每个参数分别对应于一个候选兴趣点。以动作向量中的第一个参数对应于第一目标兴趣点为例，可以利用向量[1 0 0……0]作为第一目标兴趣点的标识参数。类似地，可以利用one-hot编码的方式确定用于其他候选兴趣点的标识参数。

在一些实现方式中，可以将表示第一环境状态参数的向量和表示第一目标兴趣点的标识参数的向量拼接在一起作为兴趣点推荐模型的输入向量。兴趣点推荐模型可以输出将第一目标兴趣点推荐用于第一兴趣点推荐请求的推荐值作为第一兴趣点推荐请求的当前收益。

步骤S306～S312示出了用于确定第一兴趣点推荐请求的目标收益的示意性的过程。在计算目标收益时，通过考虑针对第一兴趣点推荐请求的推荐动作产生的即时收益以及基于之后发起的第二兴趣点推荐请求的收益确定的整个兴趣点网络的长期收益，这样计算的目标收益可以体现推荐结果对于整个兴趣点网络的长期影响。

在步骤S306中，可以确定从第一兴趣点推荐请求的发起时间到第二兴趣点推荐请求的发起时间之间完成的至少一个完成请求。

在一些实施例中，第二兴趣点推荐请求是第一兴趣点推荐请求完成后发起的兴趣点推荐请求。在一些实现方式中，当用户抵达推荐的目标兴趣点并开始获取兴趣点的服务供给时，可以认为兴趣点推荐请求完成。

以兴趣点是充电站为例，当用户抵达所推荐的充电站后，如果充电站存在空闲的充电位，则用户无需等待就可以开始对电动车进行充电。此时，可以认为充电站推荐请求已经完成。如果用户抵达所推荐的充电站时该充电站没有空闲的充电位，则用户需要等候一段时间直至出现空闲充电位才能获得充电服务。因此，直到用户等到空闲充电位开始充电时，才认为充电站推荐请求已经完成。

在一些示例中，第二兴趣点推荐请求是第一兴趣点推荐请求完成后发起的第一个兴趣点推荐请求。利用这种方式确定的第二兴趣点推荐请求可以更有效地确定第一兴趣点推荐请求的推荐结果对整个兴趣点网络的长期影响。

例如，对于第一兴趣点推荐请求q

此外，在第一兴趣点推荐请求q

在步骤S308中，可以基于在第一兴趣点推荐请求q

每个兴趣点推荐请求的等待时间可以是从发起兴趣点推荐请求的时间到用户在推荐的兴趣点获得服务的时间。

在一些实施例中，可以基于每个完成请求的等待时间确定用于每个完成请求的完成收益，其中，等待时间与完成收益成反比。可以基于各个完成请求的完成收益的加权和确定第一兴趣点推荐请求的即时收益。

通过计算发起第一兴趣点推荐请求到发起第二兴趣点推荐请求的过程中完成的其他请求的收益，可以考虑到兴趣点推荐结果对整体兴趣点网络的影响，从而优化推荐结果。

在一些实现方式中，可以将各个完成请求的等待时间的负值确定为各个完成请求的完成收益。例如，如果第一完成请求的等待时间是3分钟，则，该第一完成的完成收益可以被确定为-3。在一些示例下，当完成请求的等待时间超过等待时间阈值时，可以将该完成请求的完成收益确定为预定义的最小完成收益。例如如果第二完成请求的等待时间超过45分钟，则可以将该第二完成请求的完成收益确定为预定义的最小完成收益-60。可以理解的是，上述完成收益和最小完成收益的数值仅是一种示例性的说明，本领域技术人员可以根据实际情况确定完成收益和最小完成收益的具体计算方式。例如，可以将等待时间的倒数确定为完成收益。

在一些实施例中，第一兴趣点推荐请求的即时收益可以指的是从发起第一兴趣点推荐请求到发起第二兴趣点推荐请求的时间段内的即时收益。

可以基于下式确定第一兴趣点推荐请求的即时收益：

其中，T

利用公式(2)，可以计算在T

在步骤S310中，可以利用兴趣点推荐模型对与第二兴趣点推荐请求相关联的第二环境状态参数和第二目标兴趣点的标识参数进行处理，以得到用于第一兴趣点推荐请求的长期收益。其中，第二目标兴趣点可以是候选兴趣点中的一个兴趣点。可以利用兴趣点模型对第二环境状态参数和各个候选兴趣点的标识参数分别进行处理以确定第二目标兴趣点。

在一些实施例中，可以利用兴趣点推荐模型的目标参数对与第二兴趣点推荐请求相关联的第二环境状态参数和每个候选兴趣点的标识参数进行处理，以得到将各个候选兴趣点作为用于第二兴趣点推荐请求的目标兴趣点的推荐值。可以将具有最大推荐值的目标兴趣点确定而用于第二兴趣点推荐请求的第二目标兴趣点，并将用于第二目标兴趣点的上述最大推荐值确定为第一兴趣点推荐请求的长期收益。

在步骤S312中，可以基于第一兴趣点推荐请求的即时收益和第一兴趣点推荐请求的长期收益确定第一兴趣点推荐请求的目标收益。

在一些实施例中，可以将第一兴趣点推荐请求的即时收益和第一兴趣点推荐请求的长期收益的加权和确定为第一兴趣点推荐请求的目标收益。通过同时考虑即时收益和长期收益两者，可以进一步优化推荐结果。

例如，可以利用下式(3)计算第一兴趣点推荐请求的目标收益：

其中，y

利用本公开的实施例，通过计算从环境状态s

图4示出了根据本公开的实施例的兴趣点推荐过程400的示意图。

如图4所示，在时间轴上的不同时间点上生成了不同的兴趣点推荐请求401-1、401-2以及401-3。例如，在时间点T

此外，在时间点T

在本公开提供的实施例中，从在时间点T

例如，可以基于前述公式(2)、(3)计算兴趣点推荐请求401-2的目标收益y

在图4中示出的场景中，可以基于下式(4)计算兴趣点推荐模型的损失函数：

其中，L(θ)表示兴趣点推荐模型的损失，Q(s

图5示出了根据本公开的实施例的用于推荐兴趣点的方法500的示意性的流程图。

在步骤S502中，可以接收兴趣点推荐请求。在一些实施例中，兴趣点推荐请求可以是响应于来自用户的输入信息而生成的。在另一些实施例中，兴趣点推荐请求可以是响应于预定义的时间产生而生成的。

在步骤S504中，可以响应于接收到兴趣点推荐请求，确定与兴趣点推荐请求相关联的环境状态参数，其中环境状态参数可以包括发起各个兴趣点推荐请求时候选兴趣点的资源占用信息和预测使用信息。

环境状态参数可以用于指示兴趣点网络中各个兴趣点在各个兴趣点推荐请求发起时的状态。

候选兴趣点可以是兴趣点网络中包括的所有兴趣点或部分兴趣点。例如，候选兴趣点可以是兴趣点网络中当前可用的一部分兴趣点。又例如，对于任一兴趣点推荐请求，候选兴趣点可以是距离该兴趣点推荐请求的发起位置预定距离内的兴趣点。

资源占用信息可以指的是兴趣点处的服务资源的占用情况。预测使用信息可以指示兴趣点网络未来一段时间内的使用情况。在一些实施例中，与兴趣点推荐请求相关联的环境状态参数的预测使用信息包括在接收到该兴趣点推荐请求后预定时间范围内各个候选兴趣点周围预定距离内发起的其他兴趣点推荐请求的预测数量。

在步骤S506中，可以利用兴趣点推荐模型对环境状态参数和候选兴趣点的标识参数进行处理，以得到候选兴趣点的推荐值。可以利用结合图2至图4描述的方法训练好的兴趣点推荐模型对环境状态参数和候选兴趣点的标识参数进行处理，以得到各个候选兴趣点的推荐值。

在步骤S508中，可以基于候选兴趣点的推荐值确定兴趣点推荐请求的目标兴趣点。

在一些实施例中，可以将具有最大推荐值的候选兴趣点确定为用于兴趣点推荐请求的目标兴趣点。对于多个候选兴趣点，将每个兴趣点推荐给兴趣点推荐请求的推荐值作为兴趣点网络的整体收益，并将整体收益最大的结果作为推荐结果。

利用本公开提供的用于推荐兴趣点的方法，通过能够对兴趣点网络的长期收益进行优化兴趣点推荐模型执行上述用于推荐兴趣点的方法，可以为各个兴趣点推荐请求提供能够使得兴趣点网络作为整体的效益最大化的推荐结果。

图6示出了根据本公开的实施例的兴趣点推荐模型的训练装置的示意性框图。如图6所示，兴趣点推荐模型的训练装置600可以包括训练数据获取单元610、参数获取单元620、收益确定单元630以及训练单元640。

训练数据获取单元610可以配置成获取训练数据，其中训练数据包括多个兴趣点推荐请求。参数获取单元620可以配置成确定用于兴趣点推荐模型的初始化参数。收益确定单元630可以配置成对于多个兴趣点推荐请求中的第一兴趣点推荐请求，利用兴趣点推荐模型确定第一兴趣点推荐请求的当前收益，并利用兴趣点推荐模型，基于与第一兴趣点推荐请求完成后发起的第二兴趣点推荐请求确定第一兴趣点推荐请求的目标收益。训练单元640可以配置成基于第一兴趣点推荐请求的当前收益和目标收益之间的差异调整兴趣点推荐模型的初始化参数以得到兴趣点推荐模型的最终参数。

这里所说的用于兴趣点推荐模型的训练装置600的上述各单元610～640的操作分别与前面描述的步骤S202～S208的操作类似，在此不再加以赘述。

利用本公开提供的兴趣点推荐模型的训练装置，对于多个兴趣点推荐请求中的任一第一兴趣点推荐请求，可以利用基于第一兴趣点推荐请求完成后发起的第二兴趣点推荐请求确定第一兴趣点推荐请求的目标收益。这样确定的目标收益可以包括对第一兴趣点推荐请求进行推荐后对整个兴趣点网络带来的长期收益，从而可以使得兴趣点推荐模型更容易学习到全局最优的推荐结果。

图7示出了根据本公开的实施例的用于推荐兴趣点的装置的示意性框图。如图7所示，用于推荐兴趣点的装置700可以包括接收单元710、环境状态确定单元720、推荐值确定单元730以及目标兴趣点确定单元740。

接收单元710可以配置成接收兴趣点推荐请求。环境状态确定单元720可以配置成响应于接收到兴趣点推荐请求，确定与兴趣点推荐请求相关联的环境状态参数，其中环境状态参数包括发起各个兴趣点推荐请求时候选兴趣点的资源占用信息和预测使用信息。推荐值确定单元730可以配置成利用兴趣点推荐模型对环境状态参数和候选兴趣点的标识参数进行处理，以得到候选兴趣点的推荐值。目标兴趣点确定单元740可以配置成基于候选兴趣点的推荐值确定用于兴趣点推荐请求的目标兴趣点。

这里所说的用于兴趣点推荐模型的训练装置700的上述各单元710～740的操作分别与前面描述的步骤S502～S508的操作类似，在此不再加以赘述。

利用本公开提供的用于推荐兴趣点的装置，通过能够对兴趣点网络的长期收益进行优化兴趣点推荐模型执行上述用于推荐兴趣点的方法，可以为各个兴趣点推荐请求提供能够使得兴趣点网络作为整体的效益最大化的推荐结果。

图8示出了根据本公开的实施例的导航装置的示意性框图。如图8所示，导航装置800可以包括接收单元810、环境状态确定单元820、推荐值确定单元830、目标兴趣点确定单元840以及路线确定单元850。

其中，接收单元810、环境状态确定单元820、推荐值确定单元830、目标兴趣点确定单元840可以由图7中示出的接收单元710、环境状态确定单元720、推荐值确定单元730以及目标兴趣点确定单元740。利用接收单元810、环境状态确定单元820、推荐值确定单元830、目标兴趣点确定单元840可以执行结合图5描述的方法确定用于兴趣点推荐请求的目标兴趣点。

路线确定单元850可以配置成生成前往所确定的目标兴趣点的路径。在一些实施例中，路线确定单元850可以根据当前位置、目标兴趣点的位置以及实时路况信息生成前往所确定的目标兴趣点的路径的最佳路径。

虽然上面参考特定模块讨论了特定功能，但是应当注意，本文讨论的各个模块的功能可以分为多个模块，和/或多个模块的至少一些功能可以组合成单个模块。本文讨论的特定模块执行动作包括该特定模块本身执行该动作，或者替换地该特定模块调用或以其他方式访问执行该动作的另一个组件或模块(或结合该特定模块一起执行该动作)。因此，执行动作的特定模块可以包括执行动作的该特定模块本身和/或该特定模块调用或以其他方式访问的、执行动作的另一模块。

根据本公开的实施例，还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行结合图1-图5所述的方法。

根据本公开的实施例，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行结合图1-图5所述的方法。

根据本公开的实施例，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现结合图1-图5所述的方法。

参考图9，现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备，输入单元906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如根据本公开的实施例的兴趣点推荐模型的训练方法和推荐兴趣点的方法。例如，在一些实施例中，兴趣点推荐模型的训练方法和推荐兴趣点的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由计算单元901执行时，可以执行上文描述的方法兴趣点推荐模型的训练方法和推荐兴趣点的方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行兴趣点推荐模型的训练方法和推荐兴趣点的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。