兴趣点推荐方法、装置、电子设备以及存储介质

技术领域

本申请涉及地图导航技术，尤其涉及一种兴趣点推荐方法、装置、电子设备以及存储介质。

背景技术

兴趣点(Point of Interest，POI)是地理信息系统中的一个术语，泛指一切可以抽象为点的地理对象，例如一栋房子、一个商铺、一个邮筒、一个公交站等。电子设备(例如手机等)在向用户提供地图服务时，可以基于用于用户输入的POI数据，向用户输出对应的待推荐的POI。

现有技术中，电子设备可以获取用户输入的语音数据，并基于该语音数据输出与该语音数据对应的待推荐POI。然而，这种通过用户输入的语音数据进行POI推荐的方式，存在推荐准确度低的问题。

发明内容

本申请提供一种兴趣点推荐方法、装置、电子设备以及存储介质，用以解决现有技术中兴趣点推荐方法推荐不准确的问题。

第一方面，本申请提供一种兴趣点推荐方法，所述方法包括：

接收电子设备发送的语音数据，所述语音数据为所述电子设备采集的用户输入的语音数据，所述语音数据用于请求待推荐的POI；

根据所述语音数据，采用自动语音识别获取所述语音数据对应的POI识别结果集合；

利用地图中的POI集合，和/或，所述用户的个性化POI集合对所述POI识别结果集合中的各POI识别结果进行扩展，得到所述语音数据对应的POI扩展识别结果集合；所述用户的个性化POI集合包括基于所述用户使用所述地图的行为获取到的POI；

根据所述POI扩展识别结果集合，对所述地图中的POI进行检索，得到所述语音数据对应的POI召回结果；

从所述POI召回结果中获取所述语音数据对应的待推荐的POI列表；

向所述电子设备发送所述POI列表，以使所述电子设备输出所述POI列表。

可选的，所述利用地图中的POI集合，和，所述用户的个性化POI集合对所述POI识别结果集合中的各POI识别结果进行扩展，得到所述语音数据对应的POI扩展识别结果集合，包括：

利用所述地图中的POI集合，对所述POI识别结果集合中的每个POI识别结果进行扩展，得到每个所述POI识别结果的扩展识别结果子集；

利用所述用户的个性化POI集合，对每个所述POI识别结果的扩展识别结果子集进行扩展，得到每个所述POI识别结果的候选POI扩展识别结果子集；

对每个所述POI识别结果的候选POI扩展识别结果子集进行召回处理，得到每个所述POI识别结果的POI扩展识别结果子集；

对各所述POI识别结果的POI扩展识别结果子集进行去重归一处理，得到所述语音数据对应的初始POI扩展识别结果集合。

根据所述用户使用所述地图的场景，对所述初始POI扩展识别结果集合中的POI进行过滤处理，得到所述POI扩展识别结果集合。

可选的，所述得到所述语音数据对应的POI扩展识别结果集合之后，所述方法还包括：

向所述电子设备发送所述POI扩展识别结果集合，以使所述电子设备输出所述POI扩展识别结果集合。

可选的，所述根据所述语音数据，利用自动语音识别获取所述语音数据对应的POI识别结果集合，包括：

利用声学模型获取所述语音数据对应的音素的文本，所述声学模型为以所述地图中的POI集合作为字典训练得到的；

根据所述音素的文本、所述用户的个性化POI集合，和/或，所述用户的当前位置，利用语言模型获取所述语音数据对应的POI识别结果，以及所述POI识别结果的置信度；

使用大于预设的置信度阈值的POI识别结果，构建所述POI识别结果集合。

可选的，所述方法还包括：

接收所述电子设备发送的配置指令，所述配置指令用于配置是否根据所述预设的置信度阈值构建所述POI识别结果集合，和/或，预设的置信度阈值。

可选的，所述根据所述POI扩展识别结果集合，对所述地图中的POI进行检索，得到所述语音数据对应的POI召回结果，包括：

根据所述POI扩展识别结果集合中的第一POI识别结果，对所述地图中的POI进行检索，得到第一召回结果；

根据所述POI扩展识别结果集合中除所述第一POI识别结果外的其他POI识别结果，对所述地图中的POI进行检索，得到第二召回结果；所述第一召回结果和所述第二召回结果构成所述语音数据对应的POI召回结果；

所述从所述POI召回结果中获取所述语音数据对应的待推荐的POI列表，包括：

从所述第一召回结果中获取基础POI列表；

获取所述第二召回结果中的各POI和所述用户的当前位置之间的距离；

根据所述第二召回结果中的各POI和所述用户的当前位置之间的距离，获取所述第二召回结果中各POI的初始排序；

根据所述第二召回结果中的各POI的热度，对所述第二召回结果中各POI的初始排序进行调整，得到所述第二召回结果中各POI的排序；

根据所述第二召回结果中各POI的排序，从所述第二召回结果中获取扩展POI列表；

根据所述基础POI列表，以及，所述扩展POI列表，获取所述语音数据对应的待推荐的POI列表。

可选的，所述根据所述基础POI列表，以及，所述扩展POI列表，获取所述语音数据对应的待推荐的POI列表，包括：

根据所述基础POI列表中各POI的热度、所述扩展POI列表中各POI的热度，以及所述用户的当前位置，判断所述基础POI列表中各POI是否为异常POI；

针对任意异常POI，将所述扩展POI列表中排序第一的POI移动至所述基础POI列表中，置于所述异常POI之前，得到新的基础POI列表；

根据新的基础POI列表，得到所述待推荐的POI列表。

可选的，所述根据所述基础POI列表中各POI的热度、所述扩展POI列表中各POI的热度，以及所述用户的当前位置，判断所述基础POI列表中的各POI是否是异常POI，包括：

针对基础POI列表中的任意POI，判断该POI是否为所述用户的历史行为POI；

若是，则判断该POI是否为热门POI，获取判断结果；

根据所述判断结果，以及，所述扩展POI列表中各POI是否为热门POI，判断该POI是否异常。

第二方面，本申请提供一种服务端，所述服务端包括：

ASR模块，用于接收电子设备发送的语音数据，所述语音数据为所述电子设备采集的用户输入的语音数据，所述语音数据用于请求待推荐的POI；

ASR模块，用于根据所述语音数据，采用自动语音识别获取所述语音数据对应的POI识别结果集合；

NLU模块，用于利用地图中的POI集合，和/或，所述用户的个性化POI集合对所述POI识别结果集合中的各POI识别结果进行扩展，得到所述语音数据对应的POI扩展识别结果集合；所述用户的个性化POI集合包括基于所述用户使用所述地图的行为获取到的POI；

检索引擎模块，用于根据所述POI扩展识别结果集合，对所述地图中的POI进行检索，得到所述语音数据对应的POI召回结果；

检索引擎模块，用于从所述POI召回结果中获取所述语音数据对应的待推荐的POI列表；

检索引擎模块，用于向所述电子设备发送所述POI列表，以使所述电子设备输出所述POI列表。

第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面中任一项所述的方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面中任一项所述的方法。

第五方面，本申请提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时用于实现第一方面任一项所述的POI推荐方法。

本申请提供的兴趣点推荐方法、装置、电子设备以及存储介质，通过地图中的POI集合，和/或，用户的个性化POI集合对POI进行扩展，进而得到扩展POI识别结果，提高了识别出的POI涵盖用户实际POI的可能性，进而提高了POI推荐方法的推荐准确性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为一种自动语音识别的流程示意图；

图2为本申请提供的第一种POI推荐方法的流程示意图；

图3为本申请提供的第二种POI推荐方法的流程示意图；

图4为本申请提供的第三种POI推荐方法的流程示意图；

图5为本申请提供的第四种POI推荐方法的流程示意图；

图6为本申请提供的第五种POI推荐方法的流程示意图；

图7为本申请提供的第六种POI推荐方法的流程示意图；

图8为本申请提供的第七种POI推荐方法的流程示意图；

图9为本申请提供的第八种POI推荐方法的流程示意图；

图10为本申请提供的第九种POI推荐方法的流程示意图；

图11为本申请提供的第十种POI推荐方法的流程示意图；

图12为本申请提供的一种判断POI列表中各POI是否为异常POI的方法的流程示意图；

图13为本申请提供的一种服务端的结构和POI推荐方法的流程示意图；

图14为本申请提供的第十一种POI推荐方法的流程示意图；

图15为本申请提供的一种检索引擎模块的工作流程示意图；

图16为本申请提供的一种电子设备110的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

本申请所提及的电子设备例如可以是手机、平板、车载导航仪等。本申请所提及的服务端可以是一台服务器，也可以是服务器集群，该服务端例如可以部署在云端。

下面对本申请所涉及的名词进行解释：

自动语音识别(Automatic Speech Recognition，ASR)：是一种将语音转换为文本的技术。现有技术中，ASR通常声学模型和语言模型实现语音到文本的转换。示例性的，图1为一种自动语音识别的流程示意图，如图1所示，在获取用户的语音数据之后首先将用户的语音数据分成多个音频帧，然后根据音频帧进行特征提取，得到语音数据对应的特征向量。然后，利用声学模型，根据语音数据对应的特征向量，获取语音数据对应的音素。然后，根据语音数据对应的音素从声学模型的字典中查找单个音素对应的文本。接着，语言模型将单个音素对应的文本组合，串联成词组或句子，并得到所构成的词组或句子的置信度。然后，语音模型选择置信度最高的词组或句子作为语音数据对应的文本。

电子设备可以显示地图供用户查看，用户可以通过地图查看POI。目前，在语音输入检索POI这个场景下，电子设备获取用户输入的请求待推荐的POI的语音数据，然后将该语音数据发送至服务端。服务端利用ASR技术对该语音数据进行识别，将语音数据转换成对应的文本数据。然后，服务端对该文本数据进行自然语言理解(Natural LanguageUnderstanding，NLU)，并基于该NLU理解结果进行检索，以获取待推荐POI列表。后续的，服务端会将获取的待推荐POI列表输出至电子设备，电子设备输出待推荐POI列表，并可以在电子设备的地图上显示待推荐POI，供用户查看。

然而，上述基于用户的语音数据进行POI推荐的方式，存在推荐不准确的问题。

发明人研究发现，在实际的语音输入检索POI的场景下，用户输入的语音数据可能存在错字、漏字、同音字、简洁称呼、前鼻音、后鼻音、“n”和“l”发音不标准等问题，这可能导致识别结果错误。后续的，服务端基于转写后的错误的文本数据进行NLU处理之后就会出现更大的偏差。因此，当服务端基于错误的NLU理解结果进行检索时，就会导致地图最后展示的POI结果和用户想去的POI，偏差较大，南辕北辙。

有鉴于此，本申请提供一种兴趣点推荐方法，在该方法中，服务端可以对识别到的POI进行扩展，增加与识别到的POI相关的或相似的其他POI，以得到语音数据对应的POI扩展识别结果集合。后续的，服务端可以基于POI扩展识别结果集合，获得待推荐POI列表。通过这种方法，可以提高POI推荐方法的推荐准确度。

本申请的执行主体为服务端。下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图2为本申请提供的第一种POI推荐方法的流程示意图，如图2所示，该方法包括：

S101、接收电子设备发送的语音数据。

上述语音数据为电子设备采集的用户输入的语音数据，该语音数据用于请求待推荐的POI。

示例性，用户可以基于POI和电子设备进行交互，电子设备即可采集用户的语音数据，具体实现方式可参照现有技术，在此不再赘述。后续的电子设备将接收的用户的语音数据发送至服务端，相应的服务端即可接收电子设备发送的语音数据。

S102、根据语音数据，采用自动语音识别获取语音数据对应的POI识别结果集合。

本申请不对语音数据对应的POI识别结果集合所包括的POI的数量进行限定，可以是一个也可以是多个。需要说明的是，POI识别结果中除了包括POI之外还可能存在其他文本，示例性的，POI识别结果例如可以是“导航到陈埠”，其中陈埠为一个POI，也可以是“陈埠”，具体取决于用户的语音数据的具体内容。

一种可能的实现方式，服务端采用ASR技术获取语音数据对应的POI识别结果，以及，各POI识别结果的置信度。然后，服务端选择置信度较高的前N个POI识别结果构成语音数据对应的POI识别结果集合。本申请不限定N的值，本领域技术人员可根据实际情况确定，例如可以是1。

另一种可能的实现方式，服务端采用ASR技术获取语音数据对应的POI识别结果，以及，各POI识别结果的置信度。然后，服务端根据POI识别结果、各POI识别结果的置信度，以及，预设的置信度阈值，获取语音数据对应的POI识别结果集合。本申请不限定上述预设的置信度阈值的大小。示例性的，服务端可以选择置信度最高的POI识别结果，以及，置信度超过预设的置信度阈值的POI识别结果构成语音数据对应的POI识别结果集合。

S103、利用地图中的POI集合，和/或，用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行扩展，得到语音数据对应的POI扩展识别结果集合。

上述用户的个性化POI集合包括基于用户使用地图的行为获取到的POI，这里所说的用户使用地图的行为为历史行为。本申请不对服务端获取个性化POI集合的方式进行限定，具体实现方式可参照现有技术。示例性的，上述用户使用地图的行为例如可以是用户使用地图进行导航、POI检索等行为。一种可能的实现方式，电子设备基于用户使用地图的行为获取相应的POI，然后将该POI发送至服务端，以使服务端将该POI添加至个性化POI集合进行存储。

上述个性化POI集合例如可以包括以下内容中的一项或多项：

(1)家/工作地点：

示例性的，电子设备可以获取用户标记的用户的家/工作地点；或者，电子设备可以根据用户的出行轨迹等通过算法分析出用户的家/工作地点。

(2)收藏的POI：

示例性的，电子设备可以根据用户输入的指令收藏该指令指定的POI。例如，电子设备存在交互界面，通过该交互界面可以获取用户输入的指令。

(3)常去的POI：

示例性的，电子设备可以根据用户的出行轨迹，获取用户的常去点。

(4)导航过的POI：

示例性的，若电子设备获取用户输入的“开始导航”的指令，则电子设备将该“开始导航”指令对应的导航目的地发送至服务端。此外，个性化POI集合还可以包括导航过的POI的导航次数，以及导航过的POI最近一次导航的时间等。

(5)搜索过的POI：

示例性的，电子设备可以获取用户输入的待搜索的POI，并将其发送至服务端。此外，电子设备还可以将用户从搜索结果中选择的POI发送至服务端，以供服务端添加至个性化POI集合。此外，个性化POI集合还可以包括搜索过的/选择过的POI的选择次数，以及，最近一次选择时间等。

(6)常去城市：

示例性的，电子设备可以获取用户去过的城市，并在用户每次去过该城市后都将城市名称发送至服务端。服务端可以根据去过每个城市的次数，从用户去过的城市中选择用户常去的城市。例如可以是将最近一年，用户去过5次的城市作为用户常去的城市。

(7)用户语音输入的POI：

示例性的，电子设备获取用户语音输入的POI，并将其发送至服务端。此外，电子设备还可以获取用户从语音输入的POI的检索结果中选择的POI，以供服务端添加至个性化POI集合。

关于服务端利用地图中的POI集合，和/或，用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行扩展，得到语音数据对应的POI扩展识别结果集合的实现方式。一种可能的实现方式，可以只采用其中一个集合对POI识别结果集合中的各POI识别结果进行扩展；也可以分别采用两个集合对POI识别结果集合中的各POI识别结果进行扩展后，再进行合并；也可以先采用其中一个集合POI识别结果集合中的各POI识别结果进行扩展，然后再使用另外一个集合对扩展后的集合中各POI识别结果进行扩展等。

关于服务端利用地图中的POI集合，和/或，用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行扩展的方式，一种可能的实现方式，服务端根据POI识别结果集合中的各POI识别结果的拼音，在地图中的POI集合，和/或，用户的个性化POI集合中检索与各POI识别结果的拼音相同，和/或，相似的拼音对应的POI，以得到扩展的POI识别结果。

所谓相同的拼音即服务端对地图中的POI集合，和/或，用户的个性化POI集合中的POI中存在的，和POI识别结果集合中的各POI识别结果，互为同音词的POI进行检索。示例性的，POI识别结果集合中的某一POI识别结果为“西嘉广场”，若地图中的POI集合，和/或，用户的个性化POI集合中包括“西家广场”、“溪佳广场”，则服务端检索得到上述两个同音词。

所谓相似的拼音，例如可以是对POI识别结果集合中的各POI识别结果的拼音的根据实际用户在输入语音数据的过程中可能出现的相似的发音进行处理得到的拼音。示例性的，用户在输入语音数据时可能存在前后鼻音问题，例如实际POI的拼音为“Lin Hu Shu”，而用户可能说成“Ling Hu Shu”，则为了避免由于前后鼻音问题造成的识别错误，服务端对拼音“Lin Hu Shu”进行扩展，得到“Ling Hu Shu”，并基于该扩展后的拼音，在地图中的POI集合，和/或，用户的个性化POI集合中进行检索，得到匹配的POI。

S104、根据POI扩展识别结果集合，对地图中的POI进行检索，得到语音数据对应的POI召回结果。

上述POI扩展识别结果集合为根据语音数据识别得到的。应理解，上述POI扩展识别结果集合包括语音数据对应的POI识别结果集合。本步骤中，服务端根据POI扩展识别结果集合，对地图中的POI进行检索，以找到和POI扩展识别结果集合对应的POI召回结果，即得到和语音数据对应的POI召回结果。

一种可能的实现方式，服务端根据扩展POI识别结果集合中的第一POI识别结果，对地图中的POI进行检索，得到第一召回结果；根据扩展POI识别结果集合中除第一POI识别结果外的其他POI识别结果，对地图中的POI进行检索，得到第二召回结果；第一召回结果和第二召回结果构成语音数据对应的POI召回结果。本申请不限定第一召回结果和第二召回结果中包括的POI的数量。

本申请不限定上述第一POI识别结果中POI的数量，可以是1个或多个。该第一POI识别结果例如可以是根据POI识别结果集合中的POI识别结果的置信度确定的，例如可以是置信度最高的POI识别结果，或者置信度较高的前N个POI识别结果。

另一种可能的实现方式，服务端不作区分的根据扩展POI识别结果中的POI，对地图中的POI进行检索，得到语音数据对应的POI识别结果。

S105、从POI召回结果中获取语音数据对应的待推荐的POI列表。

本申请不限定待推荐的POI列表中POI的数量，可以是包括POI召回结果中全部的POI，也可以仅包括POI召回结果中的部分POI。待推荐的POI列表中的POI的数量可以是1个也可以是多个。

一种可能的实现方式，服务端对POI召回结果中的POI进行整体排序，根据排序结果获取语音数据对应的待推荐的POI列表。

另一种可能的实现方式，如步骤S104所述，当POI召回结果中包括第一召回结果和第二召回结果时，服务端可以对第一召回结果和第二召回结果分别排序，然后对第一召回结果的排序结果和第二召回结果的排序结果进行融合，得到语音数据对应的待推荐的POI列表。

S106、向电子设备发送POI列表，以使电子设备输出POI列表。

本步骤中，服务端在获取了待推荐的POI列表之后，向电子设备发送POI列表，以使电子设备输出POI列表供用户查看、选择。

本实施例中，服务端首先根据用户的语音数据识别获得语音数据对应的POI识别结果集合，然后利用地图中的POI集合，和/或，用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行扩展，得到语音数据对应的POI扩展识别结果集合。后续的，服务端根据该POI扩展识别结果集合获取待推荐POI列表，并通过电子设备输出供用户查看。通过上述方法，可以实现对用户的语音数据对应的POI进行扩展，提高POI识别结果涵盖用户语音数据真实表征的POI的可能性。后续的，基于扩展后的得到的POI扩展识别结果集合得到的待推荐POI列表将可以更加准确的表征用户的实际感兴趣的POI，提高POI推荐方法的推荐准确性。

下面对服务端如何利用地图中的POI集合，和/或，用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行扩展，得到语音数据对应的POI扩展识别结果集合，即上述实施例中步骤S103进行说明。

方式一：利用地图中的POI集合对POI识别结果集合中的各POI识别结果进行扩展，得到语音数据对应的POI扩展识别结果集合。

本实现方式下，一种可能的实现方式，服务端利用地图中的POI集合，对POI识别结果集合中的每个POI识别结果进行扩展，得到每个POI识别结果的扩展识别结果子集。然后，服务端对每个POI识别结果的扩展识别结果子集进行召回处理，得到每个POI识别结果的POI扩展识别结果子集。接着，服务端根据该POI扩展识别结果子集，得到语音数据对应的POI扩展识别结果集合。具体实现方式可参照上述方式一，在此不再赘述。

另一种可能的实现方式，服务端利用地图中的POI集合，对POI识别结果集合中的每个POI识别结果进行扩展，得到每个POI识别结果的扩展识别结果子集。服务端对各POI识别结果的扩展识别结果子集进行去重归一处理，得到语音数据对应的POI扩展识别结果集合。

该实现方式下，服务端利用地图中的POI集合对POI识别结果集合中的每个POI识别结果进行扩展，进而得到语音数据对应的POI扩展识别结果集合。通过这种实现方式，服务端可以基于地图中的全量的POI对POI识别结果集合中的每个POI识别结果进行扩展，对所有可能的用户的语音数据对应的POI进行整体评价处理，然后得到语音数据对应的POI扩展识别结果集合。这样可以提高本申请提供的POI推荐方法的推荐准确性。

方式二：利用用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行扩展，得到语音数据对应的POI扩展识别结果集合。

本实现方式下，一种可能的实现方式，服务端利用用户的个性化POI集合，对POI识别结果集合中的每个POI识别结果进行扩展，得到每个POI识别结果的候选POI扩展识别结果子集。然后，服务端对每个POI识别结果的候选POI扩展识别结果子集进行召回处理，得到每个POI识别结果的POI扩展识别结果子集。接着，服务端根据该POI扩展识别结果子集，得到语音数据对应的POI扩展识别结果集合。具体实现方式可参照上述方式一，在此不再赘述。

另一种可能的实现方式，服务端利用用户的个性化POI集合，对POI识别结果集合中的每个POI识别结果进行扩展，得到每个POI识别结果的候选POI扩展识别结果子集；然后，对各POI识别结果的候选POI扩展识别结果子集进行去重归一处理，得到语音数据对应的POI扩展识别结果集合。

本实现方式下，服务端利用用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行扩展，进而得到语音数据对应的POI扩展识别结果集合。由于用户的个性化POI集合体现了用户的历史行为习惯，对于用户的语音数据实际表征的POI的识别具有较高的参考价值。因此，通过上述实现方式，即基于用户的个性化POI集合对POI识别结果进行扩展，可以契合用户的历史行为习惯，结合用户自身的行为特点对POI识别结果进行扩展，可以调高扩展的准确性，以及，POI推荐方法的推荐准确性，使整个POI推荐过程更加精准。

方式三：利用地图中的POI集合，和，用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行扩展，得到语音数据对应的POI扩展识别结果集合。

图3为本申请提供的第二种POI推荐方法的流程示意图，如图3所示，在这种实现方式下，上述实施例中步骤S103包括：

S201、利用地图中的POI集合，对POI识别结果集合中的每个POI识别结果进行扩展，得到每个POI识别结果的扩展识别结果子集。

本申请不限定上述每个POI识别结果的扩展识别结果子集所包括POI的数量，可以是1个或多个。

一种可能的实现方式，服务端通过相似度模型对POI识别结果集合中的每个POI识别结果进行扩展，得到每个POI识别结果的扩展识别结果子集，该相似度模型为利用地图中的POI集合训练得到的。示例性的，相似度模型训练装置(例如可以是服务器)利用地图中的POI集合构建相似度模型。然后，相似度模型训练装置将该相似度模型发送至服务端，服务端分别以每个POI识别结果作为输入，得到每个POI识别结果的扩展识别结果子集。

上述相似度模型的训练方式例如可以是地图中任意一个POI作为输入，以地图中的POI集合中与该POI读音相似的POI作为输出训练得到的。示例性的，以地图中的POI“闪动便利店”作为输入，以地图中的POI集合中与之读音相似的“山洞便利店”、“三冬便利店”等作为输出，对相似度模型进行训练。上述相似度模型可以是任意的机器学习模型。

示例性的，图4为本申请提供的第三种POI推荐方法的流程示意图，如图4所示，POI识别结果集合中包括“新阳大厦”和“鑫阳大厦”两个POI识别结果，服务端将两个POI识别结果分别输入至上述相似度模型，得到每个POI识别结果的扩展识别结果子集。其中“新阳大厦”的扩展识别结果子集例如可以包括“新阳大厦”和“信阳大厦”；“鑫阳大厦”的扩展识别结果子集例如可以包括“鑫阳大厦”和“新阳大厦”。

另一种可能的实现方式，服务端根据每个POI识别结果的拼音，利用地图中的POI集合进行扩展，得到每个POI识别结果的扩展识别结果子集。

示例性的，服务端从地图中的POI结合中查找拼音和POI识别结果的拼音相同，和/或，相似的POI构成对应的POI识别结果的扩展识别结果子集。例如，其中一个POI识别结果为“新阳大厦”，对应的拼音为“Xin Yang Da Sha”，服务端从地图中的POI集合中选择“鑫阳大厦”、“信阳大厦”、“夕阳大厦”等，构成该POI识别结果的扩展识别结果子集。

再一种可能的实现方式，服务端对POI识别结果和地图中的POI集合中的POI进行文本相似度计算，选择地图中的POI集合中和POI识别结果相似度较高的POI作为扩展的POI，进而和对应的POI识别结果一起构成该POI识别结果的扩展识别结果子集。本申请不限定上述文本相似度计算的具体实现方式，可参照现有技术，在此不再赘述。

再一种可能的实现方式，服务端分别根据每个POI识别结果的拼音，以及文本相似度计算方法，对每个POI进行扩展。然后服务端合并上述两种方法得到的扩展结果，得到每个POI识别结果的扩展识别结果子集。

再一种可能的实现方式，图5为本申请提供的第四种POI推荐方法的流程示意图，如图5所示，服务端分别以每个POI识别结果为关键字，在地图中的POI集合中进行查询，返回地图中的POI集合中包括每个POI识别结果的对应的关键字的POI，以构成每个POI识别结果的扩展识别结果子集。

继续参照图4和图5，可选的，服务端可以对上述各POI识别结果进行并发扩展，也可以按顺序进行扩展。当服务端对对POI识别结果进行并发扩展时，可以提高POI识别结果的扩展效率，进而提高本申请提供的POI推荐方法的执行速度。

可选的，继续参照图5，服务端还可以对本步骤中的POI识别结果扩展过程进行超时管理。示例性的，当服务端根据某一POI识别结果得到对应的扩展识别结果子集的时间超过预设时间时，则舍弃该POI识别结果对应的扩展识别结果子集，以保证POI推荐方法整体的执行效率，使用户有较好的使用体验。

S202、利用用户的个性化POI集合，对每个POI识别结果的扩展识别结果子集进行扩展，得到每个POI识别结果的候选POI扩展识别结果子集。

本申请不限定每个POI识别结果的候选POI扩展识别结果子集中POI的个数，可以是1个也可以是多个。

一种可能的实现方式，根据每个POI识别结果的扩展识别结果子集中的POI的拼音，对每个POI识别结果的扩展识别结果子集进行扩展。示例性的，服务端从用户的个性化POI集合中查找拼音和POI识别结果的扩展识别结果子集中的POI的拼音相同，和/或，相似的POI，构成对应的POI识别结果的候选扩展识别结果子集。

例如，继续参照图4，某一POI识别结果的扩展识别结果子集中包括“新阳大厦”和“信阳大厦”两个POI，两个POI的拼音均为“Xin Yang Da Sha”，服务端从个性化POI集合中查找到拼音为“Xi Yang Da Sha”的POI，即夕阳大厦，以构成候选扩展识别结果子集，其中包括“新阳大厦”、“信阳大厦”和“夕阳大厦”。

另一种可能的实现方式，服务端对POI识别结果和个性化POI集合中的POI进行文本相似度计算，选择个性化POI集合中和POI识别结果相似度较高的POI作为扩展的POI，进而和对应的POI识别结果一起构成该POI识别结果的扩展识别结果子集。

S203、对每个POI识别结果的候选POI扩展识别结果子集进行召回处理，得到每个POI识别结果的POI扩展识别结果子集。

一种可能的实现方式，继续参照图4，服务端对每个POI识别结果的候选POI扩展识别结果子集中的POI进行排序，根据排序结果得到每个POI识别结果的POI扩展识别结果子集。

本申请不限定对每个POI识别结果的候选POI扩展识别结果子集中的POI进行排序的方式，例如可以是对每个POI识别结果的候选POI扩展识别结果子集中的POI进行评分，然后，根据评分结果进行排序。本申请不限定对每个POI识别结果的候选POI扩展识别结果子集中的POI进行评分的维度，例如可以是从“POI来源”(例如是根据地图中的POI集合扩展获得的还是根据个性化POI集合扩展获得的)、“和POI识别结果的相似度”(例如可以是对应的拼音的相似度)等维度进行评分。

关于上述根据排序结果得到每个POI识别结果的扩展识别结果子集的方式，一种可能的实现方式，服务端从排序结果中选择排名靠前的前N个POI，构成该POI识别结果的POI扩展识别结果子集。本申请不对N的值进行限定，当N的值大于排序结果中POI的数量时，则选择排序结果中全部POI，用于构成该POI识别结果的POI扩展识别结果子集。

示例性的，继续参照图4，“新阳大厦”对应的候选扩展识别结果子集中包括“新阳大厦”、“信阳大厦”和“夕阳大厦”。服务端对候选扩展识别结果子集中的POI进行评分，其中“新阳大厦”为1分，“夕阳大厦”为0.8分，“信阳大厦”为0.5分。服务端选择评分较高的前2个POI，即“新阳大厦”和“夕阳大厦”，构成“新阳大厦”的POI扩展识别结果子集。

另一种可能的实现方式，服务端召回排序结果中评分超过预设召回评分阈值的POI，以构成当前POI识别结果的POI扩展识别结果子集。本申请不限定上述预设召回评分阈值的大小，本领域技术人员可根据实际情况确定。

通过上述召回处理，可以召回满足预设条件的POI，以构成每个POI识别结果的POI扩展识别结果子集。这样可以进一步提高每个POI识别结果的POI扩展识别结果子集中的POI的质量，筛选出匹配度高的POI，以用于进行后续的POI推荐。这样可以节省算力资源，提高POI推荐方法的推荐效率。

S204、对各POI识别结果的POI扩展识别结果子集进行去重归一处理，得到语音数据对应的初始POI扩展识别结果集合。

一种可能的实现方式，将各POI识别结果的POI扩展识别结果子集进行合并，得到合并后的集合。然后，服务端对合并后的集合中的POI进行去重处理，得到语音数据对应的POI扩展识别结果集合。

示例性的，继续参照图4，POI识别结果包括“新阳大厦”和“鑫阳大厦”。“新阳大厦”的POI扩展识别结果子集包括“新阳大厦”和“夕阳大厦”，“鑫阳大厦”的POI扩展识别结果子集包括“鑫阳大厦”和“夕阳大厦”。服务端将上述两个POI扩展识别结果子集进行合并，合并后的集合包括“新阳大厦”、“夕阳大厦”、“鑫阳大厦”、“夕阳大厦”。然后，服务端对该合并后的集合进行去重处理，得到语音数据对也给你的POI扩展识别结果集合，包括“新阳大厦”、“夕阳大厦”、“鑫阳大厦”，共3个POI。

通过上述操作可以减少语音数据对应的POI扩展识别结果集合中的POI冗余，减少算力资源的占用，提高服务器的运行速度，提升POI推荐方法的推荐效率。

S205、根据用户使用地图的场景，对初始POI扩展识别结果集合中的POI进行过滤处理，得到POI扩展识别结果集合。

上述用户使用地图的场景例如可以是用户的车的型号、用户的车是电动汽车还是混合动力汽车、用户的性别、用户当前在车上的位置等。

本申请不限定服务端获取用户使用地图的场景的方式，例如可以是服务端预先存储有用户使用地图的场景，或者，服务端获取电子设备采集得到用户使用地图的场景。

关于服务端对初始POI扩展识别结果集合中的POI进行过滤处理的方式，示例性的，当用户使用地图的场景包括用户的车型时，例如可以是纯电动汽车。此时，服务端在获取到初始POI扩展识别结果集合之后，若该集合中的经扩展得到的POI中包括加油站相关的POI，则服务端可以去掉该加油站相关的POI。

或者，当用户使用地图的场景包括用户的车的型号，若初始POI扩展识别结果集合中的经扩展得到的POI中包括这个型号的车的服务店相关的POI。则服务端可以对上述服务店相关的POI进行标记，以使服务端在获取待推荐POI列表时可以根据该标记提高该服务店相关的POI在待推荐POI列表中的排序。

或者，服务端根据用户的语音数据，获取用户的性别。若初始POI扩展识别结果集合中的经扩展得到的POI中包括带有明显性别指向性的POI，例如女性服装店、男性服装店等，则服务端可以根据用户的性别剔除不符合用户性别特征的POI。

通过上述过滤处理，服务端可以根据用户的定制化数据对预处理POI扩展识别结果集合中的POI进行进一步的处理，进而得到语音数据对应的POI扩展识别结果集合。通过上述方法可以进一步提高语音数据对应的POI扩展识别结果集合中的POI的识别准确性，进而提高POI推荐方法的推荐准确性。

需要说明的是，服务端也可以在对各POI识别结果的POI扩展识别结果子集进行去重归一处理之后，将得到的初始POI扩展识别结果集合直接作为POI扩展识别结果集合，而不经过过滤处理。

在本实现方式下，服务端首先利用地图中的POI集合，对POI识别结果集合中的每个POI识别结果进行扩展，得到每个POI识别结果的扩展识别结果子集，然后利用用户的个性化POI集合，对每个POI识别结果的扩展识别结果子集进行扩展，得到每个POI识别结果的候选POI扩展识别结果子集。后续的，服务端根据该候选POI扩展识别结果子集得到语音数据对应的POI扩展识别结果集合。通过上述方式，服务端既可以保证扩展的全面性，同时又可以契合用户的历史行为习惯，进一步实现对POI识别结果的精准扩展，进一步提高了扩展的准确性，以及，POI推荐方法的推荐准确性。

可选的，服务端在获取POI识别结果集合之后，还可以利用地图中的POI集合，和/或，用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行纠错。

示例性的，服务端在地图中的POI集合，和/或，用户的个性化POI集合中检索各POI识别结果中的POI。若经检索后，服务端在地图中的POI集合，和/或，用户的个性化POI集合中未检索到匹配的POI，但是检索到和该检索的POI有较高相似度的POI，则可以将该POI结果召回，以构成语音数据对应的POI扩展识别结果集合；或者，检索后若未发现相同的POI，但是存在包括该被检索的POI的POI，也可以将检索到的POI召回。上述相似度例如可以是文本相似度，较高相似度的POI例如可以是包括POI识别结果中的POI的部分文字内容的POI，或者发音相同的POI。

通过上述方式，一方面可以实现对POI识别结果的扩展，此外，若POI识别结果本身错误的话，则可以通过上述方法对其进行纠错，并将纠错后的结果作为扩展的POI，以构成POI扩展识别结果集合，提高POI推荐方法的推荐准确度。

继续参照图5，可选的，在利用地图中的POI集合，和/或，用户的个性化POI集合对POI识别结果集合中的各POI识别结果进行扩展，得到语音数据对应的POI扩展识别结果集合之前，服务端对语音数据对应的POI识别结果集合进行领域NLU处理(即判断POI识别结果集合所对应的领域)，若语音数据对应的POI识别结果集合对应于预设领域，则执行上述实施例中步骤S103的POI推荐方法，对POI识别结果进行扩展，具体为对POI识别结果中的POI进行扩展。这里所说的预设领域即和步骤S103相对应的领域，例如可以是地图领域、POI推荐领域，或者，导航领域等。

示例性的，若语音数据对应的POI识别结果集合中包括“检索”、“导航”等词语，则服务端会标记领域为“地图”。该领域为预设领域，则后续的，服务端会根据语音数据对应的POI识别结果执行上述实施例中步骤S103的POI推荐方法。

在一些实际应用场景中，用户的语音数据所包括的内容或需求较为多元化。示例性的，用户可能表征的是查询天气的需求，也可能表征的是查询POI的需求。通过上述方法，即在执行步骤S103对应的POI推荐方法之前，服务端先判断用户的语音数据所对应的领域，若是预设领域，才会执行步骤S103等后续的POI推荐方法，这样可以提高避免当语音数据对应的领域不是预设领域时，而服务端仍执行POI推荐方法所造成的算力资源的浪费。

可选的，服务端在得到语音数据对应的POI扩展识别结果集合之后，还可以向电子设备发送POI扩展识别结果集合，以使电子设备输出POI扩展识别结果集合。

在上述实现方式下，可选的，服务端还可以接收由电子设备发送的扩展POI识别结果，然后根据该POI扩展识别结果执行上述实施例中步骤S104及后续步骤。

通过上述操作，可以使电子设备在输出待推荐POI列表之前，先输出POI扩展识别结果集合。这样，一方面，可以缩短用户感知的电子设备的反应时间，提升用户体验；另一方面，用户可以根据电子设备输出的POI扩展识别集合，对服务端的识别正确与否作出判断，若识别错误，则用户可以及时向电子设备下发终止执行后续POI推荐方法的指令，或者，重新输入语音数据，使服务端根据新输入的语音数据进行相应的POI推荐方法的执行。

下面对如何根据语音数据，采用自动语音识别获取语音数据对应的POI识别结果集合，即上述实施例中步骤S102进行说明。图6为本申请提供的第五种POI推荐方法的流程示意图，如图6所示，步骤S102包括：

S301、利用声学模型获取语音数据对应的音素的文本。

上述声学模型为以地图中的POI集合作为字典训练得到的。上述地图中的POI集合即地图中所有POI构成的POI集合。本申请不对地图中的POI集合中POI的更新周期进行限定，例如可以是根据地图进行实时更新，也可以是每周，或者，每月更新一次。本申请不限定以地图中的POI集合作为字典对声学模型进行训练的方式。

由于地图中的POI集合涵盖地图中的所有POI，用户的语音数据用于请求待推荐的地图中的POI。因此通过上述方法可以提高语音识别的准确性，使语音数据对应的POI识别结果集合中的POI更接近实际的地点名称。

示例性的，服务端首先对语音数据进行特征提取，得到语音数据对应的特征。然后，服务端利用声学模型，根据语音数据对应的特征，获取语音数据对应的音素。后续的，服务端根据语音数据对应的音素，以及，上述包括地图中的POI集合的字典，获取语音数据对应的音素的文本。具体实现方式可参照现有技术，在此不再赘述。

S302、根据音素的文本、用户的个性化POI集合，和/或，用户的当前位置，利用语言模型获取语音数据对应的POI识别结果，以及POI识别结果的置信度。

本步骤中，服务端对音素的文本进行组合，得到语音数据对应的POI的识别结果。具体实现方式可参照现有技术，在此不再赘述。然后，服务端根据用户的个性化POI集合，和/或，用户的当前位置，获取上述POI识别结果的置信度。

下面分别对服务端根据用户的个性化POI集合，和/或，用户的当前位置获取POI识别结果的置信度的3种方式进行说明：

方式一、根据用户的个性化POI集合获取POI识别结果的置信度。

一种可能的实现方式，服务端利用语音模型获取各个POI识别结果的初始置信度。具体实现方式可参照现有技术，在此不再赘述。然后，服务端根据与用户的个性化POI集合对各个POI识别结果的初始置信度进行调整，进而得到各个POI识别结果的置信度。

调整方式例如可以是，服务端对用户的个性化POI集合进行检索；若用户的个性化POI集合中检索到任意POI识别结果，则按照预设规则提高该检索到的POI识别结果的置信度。上述预设规则例如可以是：若用户的个性化POI集合中检索到某一POI识别结果，则用该POI识别结果的初始置信度乘以1.2，得到该POI识别结果的置信度。

在这种实现方式下，服务端可以根据用户的个性化POI集合对POI识别结果的置信度进行调整。由于用户的个性化POI集合中的POI可以体现用户的历史行为习惯，用于语音数据请求的待推荐的POI为用户的个性化POI集合中的POI的可能性较大，因此通过这种方式可以契合用户的历史行为习惯，提高POI识别结果的识别准确性，进而提升POI推荐方法的推荐准确性。

方式二、根据用户的当前位置获取POI识别结果的置信度。

上述当前位置包括用户在地图上的实际位置，和/或，电子设备获取的用户输入的位置。当当前位置既包括用户在地图上的实际位置，又包括电子设备获取的用户输入的位置时，上述两个位置可以相同也可以不同。

一种可能的实现方式，服务端存储有用户的当前位置。服务端利用语音模型获取各个POI识别结果的初始置信度。然后，服务端根据用户的当前位置对各个POI识别结果的初始置信度进行调整，进而得到各个POI识别结果的置信度。

在上述实现方式下，一种可能的实现方式，服务端根据用户的当前位置获取用户的当前位置所属于的城市。例如，服务端存储有不同位置和城市的映射关系，服务端根据用户的当前位置，以及，不同位置和城市的映射关系，获取用户的当前位置所属的城市。此时，若当前位置包括用户在地图上的实际位置和电子设备获取的用户输入的位置，且这两个位置不是一个位置，则可以仅获取其中任一位置所属的城市，也可以分别获取两个位置所属的城市。

然后，服务端获取各个POI识别结果所属的城市，并分别判断各个POI识别结果所属的城市和用户的当前位置所属的城市是否一致(当当前位置对应两个城市时，则可以判断各个POI识别结果所属的城市是否和当前位置对应的两个城市中的任一城市相同)。若某一POI识别结果被确定一致，则服务端提高该POI识别结果的置信度，进而得到该POI识别结果的置信度。

另一种可能的实现方式，服务端存储有各个POI识别结果的经纬度，以及，当前位置的经纬度。服务端据此获取各个POI识别结果和当前位置的距离，若某一POI识别结果和当前位置的距离超过预设距离阈值，则降低该POI识别结果的置信度。

由于实际使用时，用户往往会输入用户的当前位置周边的POI，以获取推荐POI，而不会检索距离当前位置过远的POI。因此，根据用户的当前位置获取POI识别结果的置信度，可以适配于用户的实际使用场景下的地图使用特点，可以提高POI识别的准确性。

方式三、根据用户的个性化POI集合，和，用户的当前位置获取POI识别结果的置信度。

一种可能的实现方式，服务端在利用语言模型获取各个POI识别结果的初始置信度之后，根据用户的个性化POI集合，和，用户的当前位置调整上述各个POI识别结果的初始置信度，进而得到各个POI的置信度。具体调整方式可参照上述方式一和方式二，在此不再赘述。

在该实现方式下，服务端既可以契合于用户的历史行为习惯，又可以适配于大多数情况下用户的地图使用特点，可以进一步提高POI识别结果的识别准确性。

S303、使用大于预设的置信度阈值的POI识别结果，构建POI识别结果集合。

本申请不限定上述预设的置信度阈值的大小，可以根据实际情况确定。本申请不限定上述POI识别结果集合中POI的数量，可以是一个也可以是多个。

上述实施例中，服务端利用语言模型获取POI识别结果的置信度，然后使用大于预设置信度阈值的POI识别结果构建POI识别结果集合。现有技术中，服务端仅选择置信度最大的POI识别结果构建POI识别结果集合。然而，用户的语音数据可能存在错字、漏字、同音字、近音字、简洁称呼、前鼻音、后鼻音、n和l发音不标准等问题，若仅以置信度最高的POI识别结果构建POI识别结果集合，则很可能出现识别错误的问题。因此，本申请使用预设的置信度阈值筛选符合条件的POI识别结果，这样可以提高POI识别结果集合中包括用户的实际POI的可能性，提高识别准确度，进而提高POI推荐准确度。

可选的，服务端还可以接收电子设备发送的配置指令，该配置指令用于配置是否根据预设的置信度阈值构建POI识别结果集合，和/或，预设的置信度阈值。

现有技术中，服务端仅选择置信度最高的POI识别结果构建POI识别结果集合，因此，当服务端根据预设的置信度阈值构建POI识别结果集合时，相当于服务端可以根据预设的置信度阈值筛选出1个或多个POI识别结果，实现POI识别结果的扩展。

通过上述方法可以实现用户可以灵活的根据自身使用需求对服务端的POI识别方式进行配置，更加灵活，可以进一步满足用户的使用需求。

下面对当语音数据对应的POI召回结果包括第一召回结果和第二召回结果时，如何从POI召回结果中获取语音数据对应的待推荐的POI列表，即上述实施例中步骤S105进行说明，图7为本申请提供的第六种POI推荐方法的流程示意图，如图7所示，步骤S105包括：

S401、从第一召回结果中获取基础POI列表。

基础POI列表中可以包括第一召回结果中的全部的POI，也可以仅包括第一召回结果中的部分POI。

关于服务器从第一召回结果中获取基础POI列表的方式，可以参照现有技术。一种可能的实现方式，图8为本申请提供的第七种POI推荐方法的流程示意图，如图8所示，对第一召回结果的POI进行排序，然后根据排序结果获取基础POI列表。

本申请不限定对第一召回结果的POI进行排序的方式，例如可以是对第一召回结果的POI进行评分，然后根据评分从高到低的顺序进行排序，得到排序结果。本申请不限定对第一召回结果的POI进行评分的维度，例如可以是从“是否是热门POI”、“是否是个性化POI集合中的POI”等维度对第一召回结果的POI进行评分。

关于根据排序结果获取基础POI列表的方式，一种可能的实现方式，服务端可以从排序结果中选择靠前的前Z个POI，构成基础POI列表。其中1≦Z≦排序结果中POI的数量；另一种可能的实现方式，服务端从排序结果中选择评分超过预设评分阈值的POI，构成基础POI列表。本申请不限定预设评分阈值的大小。

S402、获取第二召回结果中的各POI和用户的当前位置之间的距离。

一种可能的实现方式，服务端存储有用户的当前位置的经纬度，以及，第二召回结果中各POI的经纬度。服务端根据上述当前位置的经纬度，以及，第二召回结果中各POI的经纬度，计算第二召回结果中各POI和当前位置之间的距离。

当当前位置既包括用户在地图上的实际位置，又包括电子设备获取的用户输入的位置时，服务端可以根据上述两个位置到第二召回结果中的各POI的距离，以及，上述两个位置的权重，获取第二召回结果中个POI和用户的当前位置之间的距离。示例性的，服务端可以以用户在地图中的实际位置到第二召回结果中各POI的距离乘以对应的权重得到的值，加上，电子设备获取的用户输入的位置到第二召回结果中各POI的距离乘以对应的权重得到的值，作为第二召回结果中各POI和当前位置之间的距离。

S403、根据第二召回结果中的各POI和用户的当前位置之间的距离，获取第二召回结果中各POI的初始排序。

用户实际希望服务端推荐的POI和各POI和用户当前位置之间的距离，往往有较大相关性。示例性的，若用户位于A城市，则用户语音数据所表征的POI通常位于A城市，而位于较远距离的其他城市的概率往往较低。因此，本步骤中，服务端根据第二召回结果中各POI和用户的当前位置之间的距离，对第二召回结果中的各POI进行初始排序。

一种可能的实现方式，图9为本申请提供的第八种POI推荐方法的流程示意图，如图9所示，服务端按照距离从近到远的顺序对第二召回结果中的各POI进行排序，获取第二召回结果中各POI的初始排序。

S404、根据第二召回结果中的各POI的热度，对第二召回结果中各POI的初始排序进行调整，得到第二召回结果中各POI的排序。

本申请不限定第二召回结果中各POI的热度的获取方式，例如可以是服务端根据各个POI的被访问次数确定的，POI的被访问次数越多，则该POI的热度越高。当该POI的热度超过预设热度阈值时，该POI为热门POI。本申请不限定该预设热度阈值的具体值。

一种可能的实现方式，继续参照图9，服务端存储有第二召回结果中各POI的热度，并根据该热度对第二召回结果中的各POI的初始排序进行调整。

关于服务端对第二召回结果中各POI的初始排序进行调整的方式，一种可能的实现方式，服务端依次判断上述初始排序中的POI是否为热门POI，若当前POI为热门POI，则将该热门POI按照自上而下的顺序依次和排序靠前的POI进行对比。若排序靠前的POI中存在非热门POI，且上述热门POI和当前位置的距离小于预设距离阈值，则将该热门POI位移至初始排序中上述非热门POI的前面。待对初始排序中的POI均采用上述方法进行调整之后，即可得到第二召回结果中各POI的排序。本申请不限定上述预设距离阈值的大小，本领域技术人员可根据实际情况确定。

另一种可能的实现方式，服务端依次判断上述初始排序中的POI是否为热门POI，若当前POI为热门POI，则将该热门POI按照自上而下的顺序依次和排序靠前的POI进行对比。若排序靠前的POI中存在非热门POI，且上述热门POI和当前位置的距离，和，该非热门POI和当前位置的距离的差值小于预设差值阈值，则将该热门POI位移至初始排序中上述非热门POI的前面。本申请不限定上述预设差值阈值的大小。

S405、根据第二召回结果中各POI的排序，从第二召回结果中获取扩展POI列表。

扩展POI列表中可以包括第二召回结果中的全部的POI，也可以仅包括第二召回结果中的部分POI。

关于服务器从第二召回结果中获取扩展POI列表的方式，可以参考本实施例中步骤S301中根据第一召回结果中各POI的排序，从第一召回结果中获取基础POI列表的方式，在此不再赘述。

S406、根据基础POI列表，以及，扩展POI列表，获取语音数据对应的待推荐的POI列表。

继续参照图8，服务端对基础POI列表，以及，扩展POI列表进行融合，进而得到待推荐的POI列表。

一种可能的实现方式，服务端将基础POI列表，以及，扩展POI列表合并，以得到语音数据对应的待推荐的POI列表。合并的方式例如可以是将扩展POI列表中的POI依次排列与基础POI列表中POI之后，即可得到语音数据对应的待推荐的POI列表。

另一种可能的实现方式，服务端根据基础POI列表中各POI的热度、扩展POI列表中各POI的热度，以及用户的当前位置，判断基础POI列表中的各POI是否异常。然后，服务端根据判断结果、基础POI列表，以及，扩展POI列表，得到推荐的POI列表。

再一种可能的实现方式，服务端根据扩展POI列表，对基础POI列表中的POI进行调整，根据调整后的基础POI列表，获取语音数据对应的待推荐的POI列表。

本实施例中，服务端首先根据第一召回结果获取基础POI列表。接着，服务端根据距离，以及，热度对第二召回结果进行排序，得到扩展POI列表。然后，服务端根据基础POI列表，以及，扩展POI列表，获取语音数据对应的待推荐的POI列表。通过上述方式，服务端实现了对POI扩展识别结果集合对应的召回结果的区别处理。由于现有技术中仅基于置信度最高的POI识别结果进行检索并召回对应的结果，而本申请中的POI扩展识别结果集合中除了包括置信度最高的POI识别结果外，还包括扩展出来的POI。因此，当第一召回结果为置信度最高的POI识别结果的召回结果时，通过上述操作，可以实现对现有技术中的待推荐POI的精准调整，提高推荐准确性。

下面对如何根据基础POI列表，以及，扩展POI列表，获取语音数据对应的待推荐的POI列表，即上述实施例中的步骤S406进行说明，图10为本申请提供的第九种POI推荐方法的流程示意图，如图10所示，上述实施例中的步骤S406包括：

S501、根据基础POI列表中各POI的热度、扩展POI列表中各POI的热度，以及用户的当前位置，判断基础POI列表中各POI是否为异常POI。

图11为本申请提供的第十种POI推荐方法的流程示意图，如图11所示，服务端判断基础POI列表中的各个POI是否是异常POI。

一种可能的实现方式，图12为本申请提供的一种判断POI列表中各POI是否为异常POI的方法的流程示意图，如图12所示：

服务端针对基础POI列表中的任意POI，判断该POI是否为用户的历史行为POI。该用户的历史行为POI例如可以是位于个性化POI集合中的POI，或者，用户曾检索或到访过的POI。

若不是，则服务端判断基础POI列表中的下一个POI是否是用户的历史行为POI；若是，则判断该POI是否是热门POI，获取判断结果。然后，服务端根据判断结果，以及，扩展POI列表中各POI是否为热门POI，判断该POI是否异常。

一种可能的实现方式，继续参照图6，当服务端判断该POI是否是热门POI时，存在以下两种结果：

结果1：基础POI列表中的该POI是热门POI。

在这种结果下，服务端获取扩展POI列表中的POI是否为热门POI的判断结果，例如可以是实时判断获取的，也可以是服务端存储有该判断结果。

若扩展POI列表中的任意一个POI是热门POI：

此时，服务端根据用户的当前位置，以及，扩展POI列表中的该热门POI的位置，以及，基础POI列表中的该POI的位置，获取扩展POI列表中的该热门POI和用户的当前位置的距离(如图6所示D1)，与，基础POI列表中的该热门POI和用户的当前位置的距离(如图6所示D2)的差值。

示例性的，服务端存储有用户的当前位置，以及，扩展POI列表中的POI的位置，以及，基础POI列表中的POI的位置。服务端据此计算获得扩展POI列表中的该热门POI和用户的当前位置的距离，以及，基础POI列表中的该热门POI和用户的当前位置的距离，然后，用扩展POI列表中的该热门POI和用户的当前位置的距离减去基础POI列表中的该热门POI和用户的当前位置的距离，得到两者的差值。

若该差值小于第一预设差值阈值，则确定基础POI列表中的当前POI为异常POI。本申请不限定上述第一预设差值阈值的具体值，本领域技术人员可根据实际情况确定。

若扩展POI列表中的任一POI不是热门POI：

此时，服务端根据用户的当前位置，以及，扩展POI列表中的该非热门POI的位置，以及，基础POI列表中的该热门POI的位置，获取扩展POI列表中的该非热门POI和用户的当前位置的距离(如图6所示D3)，与，基础POI列表中的该热门POI和用户的当前位置的距离(如图6所示D4)的差值。若该差值小于第二预设差值阈值，则确定基础POI列表中的该热门POI为异常POI。

上述第二预设差值阈值小于上述第一预设差值阈值。此时，由于基础POI列表中的该POI为热门POI，而扩展POI列表中的该POI不是热门POI，因此若需要判定基础POI列表中的当前POI是异常POI，则需要该情况下的扩展POI列表中的该非热门POI，相较于，扩展POI列表中的POI是热门POI时的扩展POI列表中的POI，距离用户的当前位置更近。因此，第一预设差值阈值大于第二预设差值阈值。

结果2：基础POI列表中的该POI不是热门POI。

在这种结果下，服务端获取扩展POI列表中的POI是否为热门POI的判断结果。

若扩展POI列表中的该POI是热门POI：

此时，服务端获取扩展POI列表中的该热门POI和用户的当前位置的距离(如图6所示D5)，与，基础POI列表中的该非热门POI和用户的当前位置的距离(如图6所示D6)的差值。若该差值小于第三预设差值阈值，则确定基础POI列表中的当前POI为异常POI。

上述第三预设差值阈值大于上述第一预设差值阈值。此时，由于基础POI列表中的该POI不是热门POI，而扩展POI列表中的该POI是热门POI。因此，此时，可能仅在这种情况下的基础POI列表中的该非热门POI，相较于，基础POI列表中的该POI是热门POI时的基础POI列表中的该POI，距离用户的当前位置较近时，即可判定基础POI列表中的该POI为异常POI。因此，第三预设差值阈值大于第一预设差值阈值，也即大于第二预设差值阈值。

若扩展POI列表中的该POI不是热门POI：

此时，服务端获取扩展POI列表中的该非热门POI和用户的当前位置的距离(如图6所示D7)，与，基础POI列表中的该非热门POI和用户的当前位置的距离(如图6所示D8)的差值。若该差值小于第四预设差值阈值，则确定基础POI列表中的该非热门POI为异常POI。

上述第四预设差值阈值大于上述第二预设差值阈值，且小于第三预设差值阈值。由于此时基础POI列表中的该POI和扩展POI列表中的该POI均不是热门POI，因此，第四预设差值阈值大于第二预设差值阈值，且小于第三预设差值阈值。本申请不限定第四预设差值和第一预设差值的大小关系，可以相等，也可以不等。

可选的，在判断基础POI列表中的该POI是否为历史行为POI之前，服务端先判断该POI是否是基础POI列表中排名第一的POI，若该POI为排名第一的POI，则服务端不再判断该POI是否是历史行为POI，而直接判断下一个POI是否是排名第一的POI。若该POI不是排名第一的POI，则服务端执行上述实现方式中的方法，以判断当前POI是否是异常POI。

由于若该POI为基础POI列表中排名第一的POI，则表明该POI在通过前述方法判断之后，被判断是用户希望推荐的POI的可能性较高，是异常POI的可能性较低。因此，通过上述方法可以省去对排名第一的POI是否是异常POI的判断程序，减少算力资源的使用，提高整体POI推荐方法的执行效率。

另一种可能的实现方式，服务端依次判断基础POI列表中各POI是否是热门POI。若基础POI列表中的该POI是热门POI，则判断基础POI列表中的下一个POI是否是热门POI；若基础POI列表中的该POI不是热门POI，则依次判断扩展POI列表中的各POI是否是热门POI。若扩展POI列表中的该POI不是热门POI，则判断扩展POI列表中的下一个POI是否是热门POI；若扩展POI列表中的该POI是热门POI，则根据用户的当前位置，获取基础POI列表中的该POI和用户的当前位置的距离，以及，扩展POI列表中的该POI和用户的当前位置的距离。若基础POI列表中的该POI和用户的当前位置的距离大于扩展POI列表中的该POI和用户的当前位置的距离，则确定基础POI列表中的该POI为异常POI；否则，则不是异常POI。

S402、针对任意异常POI，将扩展POI列表中排序第一的POI移动至基础POI列表中，置于异常POI之前，得到新的基础POI列表。

继续参照图10，本步骤中，由于服务端将基础POI列表中的POI同扩展列表中的POI进行判断，进而确定基础POI列表中的POI是否是异常POI，因此，本步骤中服务端将扩展POI列表中的排名第一的POI置于基础POI列表中的异常POI之前，实现对基础POI列表的合理调整。

可选的，针对任意异常的POI，也可以用扩展POI列表中的排序第一的POI替换该异常POI，得到新的基础POI列表。

S403、根据新的基础POI列表，得到待推荐的POI列表。

一种可能的实现方式，服务端根据新的基础POI列表，以及，新的扩展POI列表，得到待推荐的POI列表。示例性的，服务端将新的基础POI列表和新的扩展POI列表进行合并，例如可以将新的扩展POI列表中的POI依次排列于新的基础POI列表的排序最后的一个POI的后面，得到合并后的新的POI列表。然后对合并后的新的基础POI列表进行去重处理，得到待推荐的POI列表。处理方式例如可以是若合并后的新的基础POI列表中存在重复的POI，则仅保留排名靠前的POI，而去掉重复的排名靠后的POI。

另一种可能的实现方式，对新的基础POI列表进行去重处理，得到待推荐的POI列表。去重处理的方式可以参照上述实现方式中对合并后的新的POI列表的去重方式，在此不再赘述。

本实施例中，服务端首先判断基础POI列表中的各POI是否异常，然后针对异常POI，则用扩展POI列表中排序第一的POI移动至基础POI列表中，并置于异常POI之前，得到新的基础POI列表。然后，服务端根据该新的基础POI列表得到待推荐POI列表。通过这种实现方式，可以实现利用扩展POI列表对基础POI列表中的POI的精准调整，进而提升整体的POI推荐的准确性。

图13为本申请提供的一种服务端的结构和POI推荐方法的流程示意图，如图13所示，服务端包括ASR模块11、NLU模块12，以及，检索引擎模块13。可选的，服务端还可能包括：对话管理(DialogManage，DM)模块14、接收模块15。

ASR模块11，用于接收电子设备发送的语音数据，所述语音数据为所述电子设备采集的用户输入的语音数据，所述语音数据用于请求待推荐的POI。

ASR模块11，还用于根据所述语音数据，采用自动语音识别获取所述语音数据对应的POI识别结果集合。

NLU模块12，用于利用地图中的POI集合，和/或，所述用户的个性化POI集合对所述POI识别结果集合中的各POI识别结果进行扩展，得到所述语音数据对应的POI扩展识别结果集合；所述用户的个性化POI集合包括基于所述用户使用所述地图的行为获取到的POI。

检索引擎模块13，用于根据所述POI扩展识别结果集合，对所述地图中的POI进行检索，得到所述语音数据对应的POI召回结果。

检索引擎模块13，还用于从所述POI召回结果中获取所述语音数据对应的待推荐的POI列表。

检索引擎模块13，还用于向所述电子设备发送所述POI列表，以使所述电子设备输出所述POI列表。

一种可能的实现方式，NLU模块12，具体用于利用所述地图中的POI集合，对所述POI识别结果集合中的每个POI识别结果进行扩展，得到每个所述POI识别结果的扩展识别结果子集；利用所述用户的个性化POI集合，对每个所述POI识别结果的扩展识别结果子集进行扩展，得到每个所述POI识别结果的候选POI扩展识别结果子集；对每个所述POI识别结果的候选POI扩展识别结果子集进行召回处理，得到每个所述POI识别结果的初始POI扩展识别结果子集；对各所述POI识别结果的POI扩展识别结果子集进行去重归一处理，得到所述语音数据对应的初始POI扩展识别结果集合。对话管理(DialogManage，DM)模块14，用于根据所述用户使用所述地图的场景，对所述初始POI扩展识别结果集合中的POI进行过滤处理，得到所述POI扩展识别结果集合。

一种可能的实现方式，NLU模块12还用于在得到所述语音数据对应的POI扩展识别结果集合之后，向所述电子设备发送所述POI扩展识别结果集合，以使所述电子设备输出所述POI扩展识别结果集合。

一种可能的实现方式，ASR模块11，具体用于利用声学模型获取所述语音数据对应的音素的文本；根据所述音素的文本、所述用户的个性化POI集合，和/或，所述用户的当前位置，利用语言模型获取所述语音数据对应的POI识别结果，以及所述POI识别结果的置信度；使用大于预设的置信度阈值的POI识别结果，构建所述POI识别结果集合。所述声学模型为以所述地图中的POI集合作为字典训练得到的。

一种可能的实现方式，接收模块15，用于接收所述电子设备发送的配置指令，所述配置指令用于配置是否根据所述预设的置信度阈值构建所述POI识别结果集合，和/或，预设的置信度阈值。

一种可能的实现方式，检索引擎模块13，用于根据所述POI扩展识别结果集合中的第一POI识别结果，对所述地图中的POI进行检索，得到第一召回结果；根据所述POI扩展识别结果集合中除所述第一POI识别结果外的其他POI识别结果，对所述地图中的POI进行检索，得到第二召回结果；所述第一召回结果和所述第二召回结果构成所述语音数据对应的POI召回结果。

在这种实现方式下，检索引擎模块14，具体用于从所述第一召回结果中获取基础POI列表；获取所述第二召回结果中的各POI和所述用户的当前位置之间的距离；根据所述第二召回结果中的各POI和所述用户的当前位置之间的距离，获取所述第二召回结果中各POI的初始排序；根据所述第二召回结果中的各POI的热度，对所述第二召回结果中各POI的初始排序进行调整，得到所述第二召回结果中各POI的排序；根据所述第二召回结果中各POI的排序，从所述第二召回结果中获取扩展POI列表；根据所述基础POI列表，以及，所述扩展POI列表，获取所述语音数据对应的待推荐的POI列表。

一种可能的实现方式，检索引擎模块13，具体用于根据所述基础POI列表中各POI的热度、所述扩展POI列表中各POI的热度，以及所述用户的当前位置，判断所述基础POI列表中各POI是否为异常POI；针对任意异常POI，将所述扩展POI列表中排序第一的POI移动至所述基础POI列表中，置于所述异常POI之前，得到新的基础POI列表；根据新的基础POI列表，得到所述待推荐的POI列表。

在上述实现方式下，检索引擎模块13，具体用于针对基础POI列表中的任意POI，判断该POI是否为所述用户的历史行为POI；若是，则判断该POI是否为热门POI，获取判断结果；根据所述判断结果，以及，所述扩展POI列表中各POI是否为热门POI，判断该POI是否异常。

本申请实施例提供的服务端，可以执行上述方法实施例中的POI推荐方法，其实现原理和技术效果类似，在此不再赘述。需要说明的是，上述图13所示的各模块的划分仅是一种示意，本申请对各模块的划分，以及，各模块的命名并不进行限定。

以服务端包括ASR模块11、NLU模块12、检索引擎模块13、DM模块为例，图14为本申请提供的第十一种POI推荐方法的流程示意图，如图13和图14所示：

ASR模块11接收电子设备发送的语音数据之后，ASR模块按照上述实施例的方法处理后得到POI识别结果集合。如图13和图14所示，例如可以包括“导航到陈埠”、“导航到城歩”。然后NLU模块12采用上述实施例的方法对POI识别结果集合进行处理，得到初始扩展POI识别结果集合。如图13和图14所示，该初始扩展POI识别结果集合例如可以包括“城歩加油站”、“城步村”、“陈埠服务区”、“陈埠村”。

然后，NLU模块12在将初始扩展POI识别结果发送至DM模块，DM模块对初始扩展POI识别结果集合进行过滤得到扩展POI识别结果集合。如图13和图14所示，扩展POI识别结果集合例如可以是“城步村”、“陈埠服务区”、“陈埠村”。

DM模块将扩展POI识别结果集合发送至电子设备，以使电子设备输出扩展POI识别结果集合。

DM模块14将初始扩展POI识别结果集合发送至检索引擎模块13。检索引擎模块13对扩展POI识别结果集合处理之后得到待推荐POI列表，并将其发送至电子设备，以使其输出供用户查看。

可选的，检索引擎模块13也可以接收由电子设备发送的扩展POI识别结果集合。图15为本申请提供的一种检索模块的工作流程示意图，如图15所示，检索引擎模块13向电子设备提供搜索列表服务，通过该服务，电子设备向检索引擎模块13发送扩展POI识别结果集合。检索引擎模块13在获取该扩展POI识别结果之后，先对其中的POI进行预处理，得到预处理的扩展POI识别结果集合。上述预处理例如可以包括数据补全、拼写纠错、基础分词等，具体实现方式可参照现有技术，在此不再赘述。

然后，检索引擎模13块对预处理的扩展POI识别结果集合进行检索并召回匹配的POI，得到POI召回结果。然后，检索引擎模块13按照上述实施例中的方法对POI召回结果进行排序得到待推荐的POI列表，并将该待推荐的POI列表发送至电子设备，以使其输出供用户查看。

现有技术中，针对POI推荐场景的相关处理方法，仅针对单一功能模块进行功能扩展。本实施例提供的POI推荐方法，实现了对多个功能模块的功能扩展。各个模块相互配合对模块输出的结果进行优化，最终通过POI扩展、个性化处理、召回结果排序等操作，实现了POI推荐方法输出的待推荐的POI列表的优化，提高了POI推荐方法的推荐准确性。

图16为本申请提供的一种电子设备110的结构示意图。如图16所示，该电子设备110可以包括：至少一个处理器111、存储器112。

存储器112，用于存储程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。

存储器112可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

处理器111用于执行存储器112存储的计算机执行指令，以实现前述方法实施例所描述的POI推荐方法。其中，处理器111可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。

该电子设备110还可以包括通信接口113，以通过通信接口113可以与外部设备进行通信交互，外部设备例如可以是用户终端(例如，手机、平板)。在具体实现上，如果通信接口113、存储器112和处理器111独立实现，则通信接口113、存储器112和处理器111可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry StandardArchitecture，简称为ISA)总线、外部设备互连(Peripheral Component，简称为PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果通信接口113、存储器112和处理器111集成在一块芯片上实现，则通信接口113、存储器112和处理器111可以通过内部接口完成通信。

本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有程序指令，程序指令用于上述实施例中POI推荐的方法。

本申请还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。计算设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得电子设备实施上述的各种实施方式提供的POI推荐方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。