CN108446281A - 确定用户亲密度的方法、装置及存储介质 - Google Patents

确定用户亲密度的方法、装置及存储介质 Download PDF

Info

Publication number
CN108446281A
CN108446281A CN201710076908.4A CN201710076908A CN108446281A CN 108446281 A CN108446281 A CN 108446281A CN 201710076908 A CN201710076908 A CN 201710076908A CN 108446281 A CN108446281 A CN 108446281A
Authority
CN
China
Prior art keywords
user
trip
cohesion
target user
order data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710076908.4A
Other languages
English (en)
Other versions
CN108446281B (zh
Inventor
卓呈祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN201710076908.4A priority Critical patent/CN108446281B/zh
Priority to CN201780086422.7A priority patent/CN110291544A/zh
Priority to PCT/CN2017/114977 priority patent/WO2018145509A1/en
Publication of CN108446281A publication Critical patent/CN108446281A/zh
Priority to US16/537,711 priority patent/US10701556B2/en
Priority to US16/885,185 priority patent/US20200296580A1/en
Application granted granted Critical
Publication of CN108446281B publication Critical patent/CN108446281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60—Context-dependent security
    • H04W12/69—Identity-dependent
    • H04W12/76—Group identity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/03—Protecting confidentiality, e.g. by encryption
    • H04W12/033—Protecting confidentiality, e.g. by encryption of the user plane, e.g. user's traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60—Context-dependent security
    • H04W12/69—Identity-dependent
    • H04W12/72—Subscriber identity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
    • H04W8/186—Processing of subscriber group data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请实施例提供一种确定用户亲密度的方法及装置，涉及互联网技术领域，所述方法包括：确定目标用户的关联备选用户集合；获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻；从所述集合中每个用户的出行订单数据中，筛选出所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值和/或所述出行位置与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第二阈值的出行订单数据；基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。本申请实施例基于用户之间相似行程的出行订单数据，可以确定用户的亲密度大小。

Description

确定用户亲密度的方法、装置及存储介质
技术领域
本申请实施例涉及互联网技术领域，尤其涉及确定用户亲密度的方法、装置及存储介质。
背景技术
随着智能设备的普及和移动互联网的高速发展，打车等出行应用为人们的出行提供了较多便利，其在日常生活中的使用越来越频繁。
通过出行应用可以获取到用户的出行数据，如何基于出行数据分析出用户之间的亲密度大小，以建立用户之间的关联关系，更好地进行数据推送或产品推荐，是亟待解决的技术问题。
发明内容
为克服相关技术中存在的问题，本申请提供了确定用户亲密度的方法、装置及存储介质。
根据本申请实施例的第一方面，提供一种确定用户亲密度的方法，所述方法包括：
确定目标用户的关联备选用户集合；
获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻；
从所述集合中每个用户的出行订单数据中，筛选出所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值和/或所述出行位置与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第二阈值的出行订单数据；
基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。
可选的，所述基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度，包括：
针对所述筛选的出行订单数据中的第一出行数据，将根据所述第一出行数据计算出的所述第一差值与所述第一阈值的差值除以所述第一阈值，作为所述第一出行订单数据对应的第一用户在所述第一出行订单数据对应的出行订单行程中与所述目标用户的行程接近度；
统计所述第一用户在各次出行订单行程中与所述目标用户的行程接近度来计算所述目标用户与所述第一用户的亲密度。
可选的，所述方法进一步包括：
获取所述目标用户与所述集合中所有用户的亲密度的总和；
计算所述集合中每个用户的亲密度与所述亲密度的总和的比值，将所述比值乘以预设出行等级，获得规范化的亲密度，所述预设出行等级表示在预设时间段内，所述目标用户的行程数量与预设人均行程数量的比值高低；
根据规范化的亲密度，为所述目标用户与所述集合中每个用户建立关联。
可选的，所述方法还包括：
获取目标用户与所述集合中每个用户之间的无线局域网的互连数据，所述互连数据指示所述目标用户与所述集合中每个用户连接相同无线局域网的次数；
基于所述互连数据，增加所述亲密度。
可选的，所述集合中包括如下一种或多种类型的用户：
与所述目标用户具有同事关系的用户、与所述目标用户具有家人关系的用户或与所述目标用户具有红包分享关系的用户。
可选的，在所述集合中用户与所述目标用户具有同事关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同工作地址的出行订单数据；
在所述集合中用户为与所述目标用户具有家人关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同居住地址的出行订单数据。
根据本申请实施例的第二方面，提供一种确定用户亲密度的装置，所述装置包括：
集合确定模块，用于：确定目标用户的关联备选用户集合；
数据获取模块，用于：获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻；
数据筛选模块，用于：从所述集合中每个用户的出行订单数据中，筛选出所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值和/或所述出行位置与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第二阈值的出行订单数据；
亲密度确定模块，用于：基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。
可选的，所述亲密度确定模块，包括：
行程接近度确定子模块，用于针对所述筛选的出行订单数据中的第一出行数据，将根据所述第一出行数据计算出的所述第一差值与所述第一阈值的差值除以所述第一阈值，作为所述第一出行订单数据对应的第一用户在所述第一出行订单数据对应的出行订单行程中与所述目标用户的行程接近度；
亲密度计算子模块，用于：统计所述第一用户在各次出行订单行程中与所述目标用户的行程接近度来计算所述目标用户与所述第一用户的亲密度。
可选的，所述装置还包括：
亲密度总和获取模块，用于：获取所述目标用户与所述集合中所有用户的亲密度的总和；
规范化模块，用于：计算所述集合中每个用户的亲密度与所述亲密度的总和的比值，将所述比值乘以预设出行等级，获得规范化的亲密度，所述预设出行等级表示在预设时间段内，所述目标用户的行程数量与预设人均行程数量的比值高低；
关联建立模块，用于：根据规范化的亲密度，为所述目标用户与所述集合中每个用户建立关联。
可选的，所述亲密度确定模块，还包括：
互连数据获取子模块，用于：获取目标用户与所述集合中每个用户之间的无线局域网的互连数据，所述互连数据指示所述目标用户与所述集合中每个用户连接相同无线局域网的次数；
亲密度调整子模块，用于：基于所述互连数据，增加所述亲密度。
可选的，所述集合中包括如下一种或多种类型的用户：
与所述目标用户具有同事关系的用户、与所述目标用户具有家人关系的用户或与所述目标用户具有红包分享关系的用户。
可选的，在所述集合中用户为与所述目标用户具有同事关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同工作地址的出行订单数据；
在所述集合中用户为与所述目标用户具有家人关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同居住地址的出行订单数据。
根据本申请实施例的第三方面，提供一种计算机存储介质，所述存储介质中存储有程序指令，所述程序指令被处理器执行时实现以下步骤：
确定目标用户的关联备选用户集合；
获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻；
从所述集合中每个用户的出行订单数据中，筛选出所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值和/或所述出行位置与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第二阈值的出行订单数据；
基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请实施例中，基于用户的出行订单数据，利用出行订单数据中所携带的出行位置以及出行时间，分析目标用户与其他用户的亲密度高低，其中，出行位置和/或出行时间越接近，则两者的亲密度越高。本申请实施例能基于用户之间相似行程的出行订单数据，可以确定用户的亲密度大小，根据亲密度大小建立用户间的关联关系，从而能更精准地进行信息推送或产品推荐等。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
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是本申请根据一示例性实施例示出的一种确定用户亲密度的装置的应用场景示意图。
图2A是本申请根据一示例性实施例示出的一种确定用户亲密度的装置的框图。
图2B是本申请根据一示例性实施例示出的另一种确定用户亲密度的装置的框图。
图2C是本申请根据一示例性实施例示出的另一种确定用户亲密度的装置的框图。
图3是本申请根据一示例性实施例示出的一种确定用户亲密度的方法的流程图。
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。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
打车等出行类应用为人们的出行提供了较多便利，其在日常生活中的使用越来越频繁，通过出行应用可以获取到用户的出行数据。如图1所示，是本申请根据一示例性实施例示出的一种确定用户亲密度的装置的应用场景示意图，图1中包括作为服务端设备的服务器，以及若干个用户及其所持有的智能终端。出行服务的服务方可以提供出行应用(APP，Application)给用户，用户通过在智能终端中安装出行APP，获得服务方所提供的出行服务。用户在使用APP所提供的出行服务的过程中，会产生出行订单数据，服务器可以从出行APP中获取到各个用户的出行订单数据。本申请实施例所提供的基于出行数据的用户关联装置即可应用于提供出行服务的服务端中，用于通过用户的出行数据，确定用户与其他用户的亲密度大小。接下来对本申请实施例进行详细说明。
如图2A所示，是本申请根据一示例性实施例示出的一种确定用户亲密度的装置的框图，可配置于图1中所示的服务器，包括如下模块：
集合确定模块21，用于：确定目标用户的关联备选用户集合。
数据获取模块22，用于：获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻。
数据筛选模块23，用于：从所述集合中每个用户的出行订单数据中，筛选出所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值和/或所述出行位置与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第二阈值的出行订单数据。
亲密度确定模块24，用于：基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。
本申请实施例中，所述关联备选用户集合包括若干个待与目标用户确定亲密度的其他用户。关联备选用户集合中可以包括多种类型的用户，例如可以是全体用户，可以是目标用户的好友用户(例如具有同事关系的用户、具有家人关系的用户、具有红包分享关系的用户等)，可以是与目标用户处于同一地区的用户(例如处于同一省份、同一城市、同一小区等)、可以是目标用户的异性用户、可以是与目标用户相同年龄范围的用户、还可以是与目标用户相同职业的用户等等。实际应用中，可以根据具体的关联需求，灵活配置关联备选用户集合中的用户，本实施例对此不作限定。
出行场景下，数据获取模块22可以预先从各用户客户端获取用户的相关信息及出行订单数据，出行订单数据可以由用户在一定时间段内的各个行程的订单信息构成，以使出行数据可以携带有用户在各个行程订单中的出行位置和出发时刻。出行位置指示用户的出发地点，可以采用由该位置的地理位置坐标，出行时刻指示用户在该趟行程的具体出发时间。出行位置和出行时刻分别从空间上和时间上两个维度描述了用户在一趟行程中的关键信息。
数据筛选模块23用于在出行订单数据中筛选出用户之间相似行程的数据，例如在相同区域内的数据，或者是出行时间接近的数据。具体的，可以是筛选出所述出行位置与所述目标用户的出行订单数据中的出行位置的第一差值低于预设第一阈值和/或所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第二差值低于预设第二阈值的出行订单数据。
本申请实施例中，基于出行数据，用户亲密度的大小，可以结合目标用户与集合中用户的出行行程在时间上和空间上的接近程度来确定。目标用户的行程与集合中用户的行程越相似，则两者之间的亲密度越高；若双方相似的行程越多，则两者之间的亲密度越高。具体的，可以从目标用户与集合中用户的相关行程的数量多少、以及各相关行程的接近程度而确定。例如，目标用户的一出行订单数据与集合中一用户的一出行订单数据的出行位置在相同区域，和/或出发时刻也非常接近，则可确定目标用户的该趟行程与该集合中用户的该趟行程相关性较高，从而可以确定目标用户与该集合中用户具有一定的亲密度。
因此，本申请实施例中数据筛选模块23从数据获取模块22所获取的集合中用户的出行订单数据中，筛选出出行位置与所述目标用户的出行订单数据中的出行位置的第一差值低于预设第一阈值和/或所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第二差值低于预设第二阈值的出行订单数据，则亲密度确定模块23可以从数据获取模块22中所获取的出行订单数据中，基于所筛选的出行订单数据的数据量大小以及所述出行时刻差异值的大小，确定所述目标用户与集合中用户的亲密度。
其中，在具体筛选时，可以采用多种方式。举例来说，对于时间上的接近度，可以采用判断所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值的方式而确定。其中，预设第一阈值可以是十分钟、十五分钟或二十分钟等时间段，在实际应用中可以灵活配置。
对于空间上的接近度，采用判断行程中的出行位置是否与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第一阈值而确定，也即是判断两者出行时是否处于相同区域。例如，可以针对目标用户的某一行程，根据该目标用户的此次行程中的出行位置，计算与集合中用户的行程中的出行位置的第二差值。第二差值与预设第二阈值的大小，即可判断目标用户的行程与集合中用户的行程是否在相同区域内。该预设第二阈值的具体数值，在实际应用中可以灵活配置，例如可以是三十米、五十米、八十米或一百米等等。
亲密度确定模块24基于数据筛选模块23所筛选的出行订单数据，确定所述目标用户与集合中用户的亲密度。具体的，可以是基于出行订单数据的数据量大小和/或所筛选出的出行订单数据中第一差值的大小进行确定。在确定所述目标用户与集合中用户的亲密度时，可以根据实际需要对亲密度进行量化。其中，所筛选的出行订单数据的数据量越多、所筛选出的出行订单数据中第一差值越小，则亲密度的数值也越大。亲密度的具体量化数值在实际应用中可以灵活配置，本实施例对此不作限定。
如图2B所示，图2B是本申请根据一示例性实施例示出的另一种确定用户亲密度的装置的框图，该实施例在前述图2A所示实施例的基础上，所述亲密度确定模块24，可以包括如下子模块，用于确定所述目标用户与集合中每个用户的亲密度：
行程接近度确定子模块241，用于：针对所述筛选的出行订单数据中的第一出行数据，将根据所述第一出行数据计算出的所述第一差值与所述第一阈值的差值除以所述第一阈值，作为所述第一出行订单数据对应的第一用户在所述第一出行订单数据对应的出行订单行程中与所述目标用户的行程接近度。
亲密度计算子模块242，用于：统计所述第一用户在各次出行订单行程中与所述目标用户的行程接近度来计算所述目标用户与所述第一用户的亲密度。
本申请实施例中，对于所筛选出的出行订单数据，指示了集合中用户与目标用户的某些行程具有一定的接近度。由于所筛选出的出行订单数据所指示的行程的出发位置较为接近，在此基础上，可以通过两者的出行时刻的接近程度来获得亲密度的大小。
其中，所述第一差值与所述第一阈值的差值越小，则集合中用户的本次行程与目标用户的行程就越接近。具体的，上述量化亲密度的过程可以采用如下公式表示：
首先，计算单次行程(第i条出行订单数据)下的行程接近度：
其中，affinity(i)为第i条出行订单数据所对应的行程接近度，T为预设时间差异阈值，timeDistancei表示第i条出行订单数据的第一差值，n表示所筛选的出行订单数据的数据量，1≤i≤n。
在获得各次行程的亲密度后，即可进一步量化目标用户与集合中用户的亲密度。在实际应用中，可以根据需求灵活设定具体的量化方式，例如可以是各次行程的亲密度和值，可以是各次行程的亲密度和值的均值，可以是各次行程的亲密度的加权和值，可以是各次行程的亲密度和值与所筛选的出行订单数据量的乘积，可以是各次行程的亲密度和值与设定的参考系统的乘积等等，本实施例对此不作限定。作为一个实施例，可以是sum(affinity(i))×2n，其中sum表示和值。
可以理解，上述亲密度的确定过程针对的是能够筛选出符合条件的数据的用户，在关联备选集合中，可能存在某些用户没有筛选出符合条件的出行订单数据，对于此类用户，可以认为其与目标用户的亲密度为零。
由前述分析可知，上述亲密度的确定过程，从空间和时间上两个维度进行考虑。本实施例中，考虑到出行应用还可以获取用户之间是否连接过对方无线局域网的互连数据，本实施例还提供了如下方式，以进一步提高亲密度的精准度。
在本实施例中，所述亲密度确定模块24，还包括：
互连数据获取子模块，用于：获取目标用户与所述集合中每个用户之间的无线局域网的互连数据，所述互连数据指示所述目标用户与所述集合中每个用户连接相同无线局域网的次数。
亲密度调整子模块，用于：基于所述互连数据，增加所述亲密度。
本实施例中，出行应用可以采集客户端中的无线局域网的连接情况，若目标用户与集合中用户连接过相同的无线局域网，则说明双方具有一定的亲密度，因此可以根据双方的连接次数，适当增加亲密度。其中，连接次数越多，亲密度增加额度越高。
在集合中用户包括多个备选用户，并且与目标用户具有一定亲密度的用户有多个的情况下，集合中不同用户与目标用户的亲密度大小不同，为了使亲密度数据更易处理，更能反映目标用户与多个不同用户之间的亲密度高低，通过上述方式得到亲密度后，还可以对亲密度进行规范化处理。因此，如图2C所示，图2C是本申请根据一示例性实施例示出的另一种确定用户亲密度的装置的框图，该实施例在前述图2A所示实施例的基础上，所述装置还包括：
亲密度总和获取模块25，用于：获取所述目标用户与所述集合中所有用户的亲密度的总和。
规范化模块26，用于：计算所述集合中每个用户的亲密度与所述亲密度的总和的比值，将所述比值乘以预设出行等级，获得规范化的亲密度，所述预设出行等级表示在预设时间段内，所述目标用户的行程数量与预设人均行程数量的比值高低。
关联建立模块27，用于：根据规范化的亲密度，为所述目标用户与所述集合中每个用户建立关联。
其中，计算所述其他用户的亲密度与所述亲密度总和的比值，即可表征各个与目标用户具有亲密度的用户的亲密度高低，比值越大，则该用户在各个用户中与目标用户的亲密度越高。
可以理解，出行订单数据越多，通过上述方式所获得的亲密度大小则越精确、越可靠。若出行订单数据较少，所计算得到的数值可能有一定误差。为了防止部分用户的出行订单数据较少，导致所计算出的亲密度数值较大，本实施例中通过预设出行等级进行规范化。预设出行等级表示目标用户在一定时间内的出行订单数据的数据量大小，具体的确定方式，可以参考在预设时间段内，所述目标用户的行程数量与预设人均行程数量的比值而确定。其中，预设人均行程数量可以通过多种方式灵活确定。例如，出行服务器的注册用户可能有很多个，可以任意选取一千个(或两千个、五千个或两万个等数值)注册用户的出行订单数据计算出预设人均行程数量，也可以是利用出行服务器所有注册用户的出行订单数据计算出预设人均行程数量，还可以是所述集合中所有用户的人均行程数量等等。对于出行等级，在实际应用中，可以采用数值代表从低到高的出行等级，例如从1至10等，具体的数值可以灵活配置，本实施例对此不作限定。
通过上述亲密度的确定过程，关联建立模块27可以根据所确定的亲密度，为目标用户与集合中用户建立关联，由于亲密度的大小指示了目标用户与各其他用户的亲密程度，基于所建立的关联关系，服务器可以进行精准的产品推荐、建立社交圈、出行信息分享、出行信息推荐、好友推荐等多种处理。
实际应用中，出行应用通常提供有常用出行位置的设置功能，用户可以在出行应用中设置其家庭住址和工作地址，因此服务器可以通过此类信息分析出与目标用户具有同事关系的用户，以及与目标用户具有家人关系的用户。另外，出行应用通过在订单完成后为用户提供红包分享功能，用户可以分享红包给其他用户，服务器可以通过红包分享功能分析出与目标用户具有红包分享关系的用户。
因此，在一个可选的实现方式中，所述集合中包括如下一种或多种类型的用户：
与所述目标用户具有同事关系的用户、与所述目标用户具有家人关系的用户、与所述目标用户具有红包分享关系的用户。
本实施例中，关联备选用户集合中包括上述三种关系的用户，由于这三种关系的用户与目标用户具有亲密度的可能性较大，因此若只确定这些用户与目标用户之间的亲密度，则可以显著降低亲密度的运算量，同时也能覆盖与目标用户具有亲密度的大部分用户。
针对上述具有一定关系的用户，例如与所述目标用户具有同事关系的集合中用户，此类用户可能有较多的行程订单与目标用户的行程订单的出行位置都在工作地址周边区域内，若都基于所有出行订单数据进行亲密度计算，则计算结果可能无法准确指示双方的真实亲密度。因此，在所述集合中用户为与所述目标用户具有同事关系的情况下，所获取的出行订单数据可以为：不包括出行位置为所述目标用户与所述集合中用户的共同工作地址的数据。
对于与所述目标用户具有家人关系的集合中用户，此类用户可能有较多的行程订单与目标用户的行程订单的出行位置都在家庭住址周边区域内，在所述集合中用户为与所述目标用户具有家人关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同家庭住址的数据。
接下来再通过一实施例对本申请方案进行说明。
假设A有B，C，D三个潜在好友，其中B是A的同事，C是A的家人，D是A的红包好友；利用本申请实施例所提供的方案，可以按照如下方式分别确定A与三者的亲密度。
A的出行订单数据包括有：
2016/10/1412:00:00116.2887，40.0433(数字山谷)；
2016/10/1612:00:00116.3020,40.0436(潇湘府)；
2016/10/1712:00:00116.3020,40.0436(潇湘府)；
2016/10/1812:00:00116.3020,40.0436(潇湘府)；
2016/10/1912:00:00116.3141,40.0334(上地东里)。
A的个人信息如下：
工作地址：116.2887，40.0433(数字山谷)；
家庭住址：116.3141,40.0334(上地东里)。
B的出行订单数据包括有：
2016/10/1412:05:00116.2887，40.0433(数字山谷)；
2016/10/1811:55:00116.3020,40.0436(潇湘府)。
B的个人信息如下：
公司地址：116.2887，40.0433(数字山谷)。
C的出行订单数据包括有：
2016/10/1812:02:00116.3020,40.0436(潇湘府)；
2016/10/1912:01:00116.3141,40.0334(上地东里)；
2016/10/2011:01:00116.3141,40.0334(上地东里)。
D的出行订单数据包括有：
2016/10/1812:10:00116.3020,40.0436(潇湘府)；
2016/10/1912:10:00116.3020,40.0436(潇湘府)。
A连接过D家的wifi。
首先进行A与B的亲密度计算：
1)由于B与A是同事关系，排除数字山谷的数据。
2)B与A在潇湘府和A的家上地东里都出现过。
对应的计算结果为潇湘府出现的亲密度+A的家出现的亲密度＝1+1＝2
A与C的亲密度计算：
A和C在为潇湘府出现的亲密度+上地东里共同出现的亲密度＝1+1＝2
A与D的亲密度计算：
由于A与D只有一条记录是时间和空间重合的，只计算一次，为1；
另外，A连接过D家的wifi，虽然二者没有出现时间和空间的重合，同样加1。
接着可以规范化亲密度；通过分析近一个月内乘客人均非公司和家的出行订单数据量的等级为3；而A非公司和家的出行订单数据量也为3；A的出行等级为1。
因此A与B规范化后的亲密度＝2/(2+2+2)*1＝0.33
A与C规范化后的亲密度＝2/(2+2+2)*1＝0.333
A与D规范化后的亲密度＝2/(2+2+2)＝0.333。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
与前述确定用户亲密度的装置的实施例相对应，本申请还提供了确定用户亲密度的方法的实施例。
如图3所示，是根据一示例性实施例示出的一种确定用户亲密度的方法的流程图，所述方法包括：
在步骤301中，确定目标用户的关联备选用户集合。
在步骤302中，获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻。
在步骤303中，从所述集合中每个用户的出行订单数据中，筛选出所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值和/或所述出行位置与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第二阈值的出行订单数据。
在步骤304中，基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。
由上述实施例可见，基于用户的出行订单数据，利用出行订单数据中所携带的出行位置以及出行时间，分析目标用户与其他用户的亲密度高低，其中，出行位置和/或出行时间越接近，则两者的亲密度越高。本申请实施例能基于用户之间相似行程的出行订单数据，可以确定用户的亲密度大小，根据亲密度大小建立用户间的关联关系，从而能更精准地进行信息推送或产品推荐等。
在一个可选的实现方式中，所述基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度，包括：
针对所述筛选的出行订单数据中的第一出行数据，将根据所述第一出行数据计算出的所述第一差值与所述第一阈值的差值除以所述第一阈值，作为所述第一出行订单数据对应的第一用户在所述第一出行订单数据对应的出行订单行程中与所述目标用户的行程接近度。
统计所述第一用户在各次出行订单行程中与所述目标用户的行程接近度来计算所述目标用户与所述第一用户的亲密度。
在一个可选的实现方式中，所述方法进一步包括：
获取所述目标用户与所述集合中所有用户的亲密度的总和。
计算所述集合中每个用户的亲密度与所述亲密度的总和的比值，将所述比值乘以预设出行等级，获得规范化的亲密度，所述预设出行等级表示在预设时间段内，所述目标用户的行程数量与预设人均行程数量的比值高低。
根据规范化的亲密度，为所述目标用户与所述集合中每个用户建立关联。
在一个可选的实现方式中，所述方法还包括：
获取目标用户与所述集合中每个用户之间的无线局域网的互连数据，所述互连数据指示所述目标用户与所述集合中每个用户连接相同无线局域网的次数。
基于所述互连数据，增加所述亲密度。
在一个可选的实现方式中，所述集合中包括如下一种或多种类型的用户：
与所述目标用户具有同事关系的用户、与所述目标用户具有家人关系的用户或与所述目标用户具有红包分享关系的用户。
在一个可选的实现方式中，在所述集合中用户与所述目标用户具有同事关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同工作地址的数据。
在所述集合中用户为与所述目标用户具有家人关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同居住地址的数据。
相应的，提供一种计算机存储介质，所述存储介质中存储有程序指令，所述程序指令包括：
确定目标用户的关联备选用户集合。
获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻。
从所述集合中每个用户的出行订单数据中，筛选出所述出行位置与所述目标用户的出行订单数据中的出行位置的第一差值低于预设第一阈值和/或所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第二差值低于预设第二阈值的出行订单数据。
基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。
根据所确定的亲密度，为目标用户与集合中用户建立关联。
本申请实施例可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
本领域技术人员在考虑说明书及实践这里申请的发明后，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申请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来限制。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (13)

1.一种确定用户亲密度的方法，其特征在于，所述方法包括：
确定目标用户的关联备选用户集合；
获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻；
从所述集合中每个用户的出行订单数据中，筛选出所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值和/或所述出行位置与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第二阈值的出行订单数据；
基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。
2.根据权利要求1所述的方法，其特征在于，所述基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度，包括：
针对所述筛选的出行订单数据中的第一出行数据，将根据所述第一出行数据计算出的所述第一差值与所述第一阈值的差值除以所述第一阈值，作为所述第一出行订单数据对应的第一用户在所述第一出行订单数据对应的出行订单行程中与所述目标用户的行程接近度；
统计所述第一用户在各次出行订单行程中与所述目标用户的行程接近度来计算所述目标用户与所述第一用户的亲密度。
3.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
获取所述目标用户与所述集合中所有用户的亲密度的总和；
计算所述集合中每个用户的亲密度与所述亲密度的总和的比值，将所述比值乘以预设出行等级，获得规范化的亲密度，所述预设出行等级表示在预设时间段内，所述目标用户的行程数量与预设人均行程数量的比值高低；
根据规范化的亲密度，为所述目标用户与所述集合中每个用户建立关联。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取目标用户与所述集合中每个用户之间的无线局域网的互连数据，所述互连数据指示所述目标用户与所述集合中每个用户连接相同无线局域网的次数；
基于所述互连数据，增加所述亲密度。
5.根据权利要求1所述的方法，其特征在于，所述集合中包括如下一种或多种类型的用户：
与所述目标用户具有同事关系的用户、与所述目标用户具有家人关系的用户或与所述目标用户具有红包分享关系的用户。
6.根据权利要求1所述的方法，其特征在于，在所述集合中用户与所述目标用户具有同事关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同工作地址的出行订单数据；
在所述集合中用户为与所述目标用户具有家人关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同居住地址的出行订单数据。
7.一种确定用户亲密度的装置，其特征在于，所述装置包括：
集合确定模块，用于：确定目标用户的关联备选用户集合；
数据获取模块，用于：获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻；
数据筛选模块，用于：从所述集合中每个用户的出行订单数据中，筛选出所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值和/或所述出行位置与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第二阈值的出行订单数据；
亲密度确定模块，用于：基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。
8.根据权利要求7所述的装置，其特征在于，所述亲密度确定模块，包括：
行程接近度确定子模块，用于针对所述筛选的出行订单数据中的第一出行数据，将根据所述第一出行数据计算出的所述第一差值与所述第一阈值的差值除以所述第一阈值，作为所述第一出行订单数据对应的第一用户在所述第一出行订单数据对应的出行订单行程中与所述目标用户的行程接近度；
亲密度计算子模块，用于：统计所述第一用户在各次出行订单行程中与所述目标用户的行程接近度来计算所述目标用户与所述第一用户的亲密度。
9.根据权利要求7所述的装置，其特征在于，所述装置还包括：
亲密度总和获取模块，用于：获取所述目标用户与所述集合中所有用户的亲密度的总和；
规范化模块，用于：计算所述集合中每个用户的亲密度与所述亲密度的总和的比值，将所述比值乘以预设出行等级，获得规范化的亲密度，所述预设出行等级表示在预设时间段内，所述目标用户的行程数量与预设人均行程数量的比值高低；
关联建立模块，用于：根据规范化的亲密度，为所述目标用户与所述集合中每个用户建立关联。
10.根据权利要求7所述的装置，其特征在于，所述亲密度确定模块，还包括：
互连数据获取子模块，用于：获取目标用户与所述集合中每个用户之间的无线局域网的互连数据，所述互连数据指示所述目标用户与所述集合中每个用户连接相同无线局域网的次数；
亲密度调整子模块，用于：基于所述互连数据，增加所述亲密度。
11.根据权利要求7所述的装置，其特征在于，所述集合中包括如下一种或多种类型的用户：
与所述目标用户具有同事关系的用户、与所述目标用户具有家人关系的用户或与所述目标用户具有红包分享关系的用户。
12.根据权利要求7所述的装置，其特征在于，在所述集合中用户为与所述目标用户具有同事关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同工作地址的出行订单数据；
在所述集合中用户为与所述目标用户具有家人关系的情况下，所获取的出行订单数据为：不包括出行位置为所述目标用户与所述集合中用户的共同家庭住址的出行订单数据。
13.一种计算机存储介质，其特征在于，所述存储介质中存储有程序指令，所述程序指令被处理器执行时实现以下步骤：
确定目标用户的关联备选用户集合；
获取目标用户以及所述集合中每个用户的出行订单数据，所述出行订单数据携带有出行位置和出行时刻；
从所述集合中每个用户的出行订单数据中，筛选出所述出行时刻与所述目标用户的出行订单数据中的出行时刻的第一差值低于预设第一阈值和/或所述出行位置与所述目标用户的出行订单数据中的出行位置的第二差值低于预设第二阈值的出行订单数据；
基于所述筛选出的出行订单数据，确定所述目标用户与集合中用户的亲密度。
CN201710076908.4A 2017-02-13 2017-02-13 确定用户亲密度的方法、装置及存储介质 Active CN108446281B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201710076908.4A CN108446281B (zh) 2017-02-13 2017-02-13 确定用户亲密度的方法、装置及存储介质
CN201780086422.7A CN110291544A (zh) 2017-02-13 2017-12-07 用于确定用户之间亲密度的系统和方法
PCT/CN2017/114977 WO2018145509A1 (en) 2017-02-13 2017-12-07 Systems and methods for determining affinity between users
US16/537,711 US10701556B2 (en) 2017-02-13 2019-08-12 Systems and methods for determining an affinity between users
US16/885,185 US20200296580A1 (en) 2017-02-13 2020-05-27 Systems and methods for determining an affinity between users

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710076908.4A CN108446281B (zh) 2017-02-13 2017-02-13 确定用户亲密度的方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN108446281A true CN108446281A (zh) 2018-08-24
CN108446281B CN108446281B (zh) 2021-03-12

Family

ID=63107181

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710076908.4A Active CN108446281B (zh) 2017-02-13 2017-02-13 确定用户亲密度的方法、装置及存储介质
CN201780086422.7A Pending CN110291544A (zh) 2017-02-13 2017-12-07 用于确定用户之间亲密度的系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201780086422.7A Pending CN110291544A (zh) 2017-02-13 2017-12-07 用于确定用户之间亲密度的系统和方法

Country Status (3)

Country Link
US (2) US10701556B2 (zh)
CN (2) CN108446281B (zh)
WO (1) WO2018145509A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112115382A (zh) * 2020-09-30 2020-12-22 北京格灵深瞳信息技术有限公司 数据处理方法及装置、存储介质、电子装置

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9947316B2 (en) 2016-02-22 2018-04-17 Sonos, Inc. Voice control of a media playback system
US10264030B2 (en) 2016-02-22 2019-04-16 Sonos, Inc. Networked microphone device control
US10509626B2 (en) 2016-02-22 2019-12-17 Sonos, Inc Handling of loss of pairing between networked devices
US9772817B2 (en) 2016-02-22 2017-09-26 Sonos, Inc. Room-corrected voice detection
US10095470B2 (en) 2016-02-22 2018-10-09 Sonos, Inc. Audio response playback
US9965247B2 (en) 2016-02-22 2018-05-08 Sonos, Inc. Voice controlled media playback system based on user profile
US9978390B2 (en) 2016-06-09 2018-05-22 Sonos, Inc. Dynamic player selection for audio signal processing
US10134399B2 (en) 2016-07-15 2018-11-20 Sonos, Inc. Contextualization of voice inputs
US10115400B2 (en) 2016-08-05 2018-10-30 Sonos, Inc. Multiple voice services
US9942678B1 (en) 2016-09-27 2018-04-10 Sonos, Inc. Audio playback settings for voice interaction
US10181323B2 (en) 2016-10-19 2019-01-15 Sonos, Inc. Arbitration-based voice recognition
US10475449B2 (en) 2017-08-07 2019-11-12 Sonos, Inc. Wake-word detection suppression
US10048930B1 (en) 2017-09-08 2018-08-14 Sonos, Inc. Dynamic computation of system response volume
US10446165B2 (en) 2017-09-27 2019-10-15 Sonos, Inc. Robust short-time fourier transform acoustic echo cancellation during audio playback
US10621981B2 (en) 2017-09-28 2020-04-14 Sonos, Inc. Tone interference cancellation
US10482868B2 (en) 2017-09-28 2019-11-19 Sonos, Inc. Multi-channel acoustic echo cancellation
US10466962B2 (en) 2017-09-29 2019-11-05 Sonos, Inc. Media playback system with voice assistance
US11343614B2 (en) 2018-01-31 2022-05-24 Sonos, Inc. Device designation of playback and network microphone device arrangements
US11175880B2 (en) 2018-05-10 2021-11-16 Sonos, Inc. Systems and methods for voice-assisted media content selection
US10959029B2 (en) 2018-05-25 2021-03-23 Sonos, Inc. Determining and adapting to changes in microphone performance of playback devices
US10681460B2 (en) 2018-06-28 2020-06-09 Sonos, Inc. Systems and methods for associating playback devices with voice assistant services
US10461710B1 (en) 2018-08-28 2019-10-29 Sonos, Inc. Media playback system with maximum volume setting
US11076035B2 (en) 2018-08-28 2021-07-27 Sonos, Inc. Do not disturb feature for audio notifications
US10587430B1 (en) 2018-09-14 2020-03-10 Sonos, Inc. Networked devices, systems, and methods for associating playback devices based on sound codes
US11024331B2 (en) 2018-09-21 2021-06-01 Sonos, Inc. Voice detection optimization using sound metadata
US11100923B2 (en) 2018-09-28 2021-08-24 Sonos, Inc. Systems and methods for selective wake word detection using neural network models
US11899519B2 (en) 2018-10-23 2024-02-13 Sonos, Inc. Multiple stage network microphone device with reduced power consumption and processing load
EP3654249A1 (en) 2018-11-15 2020-05-20 Snips Dilated convolutions and gating for efficient keyword spotting
US11183183B2 (en) 2018-12-07 2021-11-23 Sonos, Inc. Systems and methods of operating media playback systems having multiple voice assistant services
US11132989B2 (en) 2018-12-13 2021-09-28 Sonos, Inc. Networked microphone devices, systems, and methods of localized arbitration
US10602268B1 (en) 2018-12-20 2020-03-24 Sonos, Inc. Optimization of network microphone devices using noise classification
US11315556B2 (en) 2019-02-08 2022-04-26 Sonos, Inc. Devices, systems, and methods for distributed voice processing by transmitting sound data associated with a wake word to an appropriate device for identification
US10867604B2 (en) 2019-02-08 2020-12-15 Sonos, Inc. Devices, systems, and methods for distributed voice processing
US11120794B2 (en) 2019-05-03 2021-09-14 Sonos, Inc. Voice assistant persistence across multiple network microphone devices
US11200894B2 (en) 2019-06-12 2021-12-14 Sonos, Inc. Network microphone device with command keyword eventing
US10586540B1 (en) 2019-06-12 2020-03-10 Sonos, Inc. Network microphone device with command keyword conditioning
US11361756B2 (en) 2019-06-12 2022-06-14 Sonos, Inc. Conditional wake word eventing based on environment
US10871943B1 (en) 2019-07-31 2020-12-22 Sonos, Inc. Noise classification for event detection
US11138975B2 (en) 2019-07-31 2021-10-05 Sonos, Inc. Locally distributed keyword detection
US11189286B2 (en) 2019-10-22 2021-11-30 Sonos, Inc. VAS toggle based on device orientation
US11200900B2 (en) 2019-12-20 2021-12-14 Sonos, Inc. Offline voice control
US11562740B2 (en) 2020-01-07 2023-01-24 Sonos, Inc. Voice verification for media playback
US11308958B2 (en) 2020-02-07 2022-04-19 Sonos, Inc. Localized wakeword verification
US11308962B2 (en) 2020-05-20 2022-04-19 Sonos, Inc. Input detection windowing
US11482224B2 (en) 2020-05-20 2022-10-25 Sonos, Inc. Command keywords with input detection windowing
CN111768230A (zh) * 2020-06-24 2020-10-13 中国平安财产保险股份有限公司 客户画像系统的标签推荐方法、装置及计算机设备
US11698771B2 (en) 2020-08-25 2023-07-11 Sonos, Inc. Vocal guidance engines for playback devices
US11984123B2 (en) 2020-11-12 2024-05-14 Sonos, Inc. Network device interaction by range
CN117573951B (zh) * 2024-01-16 2024-04-12 每日互动股份有限公司 一种目标用户筛选方法、装置、介质及设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007103938A3 (en) * 2006-03-06 2008-06-26 Veveo Inc Methods and systems for selecting and presenting content based on learned user preferences
CN102306172A (zh) * 2011-08-24 2012-01-04 深圳市凯立德科技股份有限公司 一种结伴游推荐方法和系统
US20140214914A1 (en) * 2013-01-25 2014-07-31 Cisco Technology, Inc. System and method for abstracting and orchestrating mobile data networks in a network environment
CN104881459A (zh) * 2015-05-22 2015-09-02 电子科技大学 一种移动社会网络的好友推荐方法
CN105095242A (zh) * 2014-04-30 2015-11-25 国际商业机器公司 一种标记地理区域的方法和装置
CN105631531A (zh) * 2015-11-26 2016-06-01 东莞酷派软件技术有限公司 行车好友推荐方法、行车好友推荐装置和服务器
US9514495B2 (en) * 2013-09-12 2016-12-06 International Business Machines Corporation Creation and use of closely-matched groups to aid in initiating and sustaining behavioral change
CN107247786A (zh) * 2017-06-15 2017-10-13 北京小度信息科技有限公司 用于确定相似用户的方法、装置和服务器

Family Cites Families (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6804825B1 (en) * 1998-11-30 2004-10-12 Microsoft Corporation Video on demand methods and systems
US7630986B1 (en) * 1999-10-27 2009-12-08 Pinpoint, Incorporated Secure data interchange
US7072858B1 (en) * 2000-02-04 2006-07-04 Xpensewise.Com, Inc. System and method for dynamic price setting and facilitation of commercial transactions
US20020116282A1 (en) * 2000-05-23 2002-08-22 Martin Jeffrey W. Methods and systems for correlating consumption information with distribution entities
US7272575B2 (en) * 2001-07-13 2007-09-18 Lilly Mae Vega Method and system for facilitating service transactions
US7213742B1 (en) * 2003-03-20 2007-05-08 Convergys Information Management Group, Inc. System and method for value creation
US8140677B2 (en) * 2002-11-21 2012-03-20 International Business Machines Corporation Autonomic web services hosting service
US7680685B2 (en) * 2004-06-05 2010-03-16 Sap Ag System and method for modeling affinity and cannibalization in customer buying decisions
US7596597B2 (en) * 2006-08-31 2009-09-29 Microsoft Corporation Recommending contacts in a social network
US20080091342A1 (en) * 2006-10-11 2008-04-17 Jeffrey Assael System and method for ride matching
US9064010B2 (en) * 2006-12-13 2015-06-23 Quickplay Media Inc. Encoding and transcoding for mobile media
WO2008134595A1 (en) * 2007-04-27 2008-11-06 Pelago, Inc. Determining locations of interest based on user visits
US8539359B2 (en) * 2009-02-11 2013-09-17 Jeffrey A. Rapaport Social network driven indexing system for instantly clustering people with concurrent focus on same topic into on-topic chat rooms and/or for generating on-topic search results tailored to user preferences regarding topic
US8285571B2 (en) * 2009-02-18 2012-10-09 Toyota Motor Engineering & Manufacturing North America (Tema) Rideshare system and associated methodology
EP2489004A4 (en) * 2009-10-13 2013-07-10 Ezsav Inc DEVICES, METHODS AND COMPUTER PROGRAM PRODUCTS FOR ALLOCATING APPROPRIATE PRODUCT DATA AND FOR CARRYING OUT TRANSACTIONS
US20110238755A1 (en) * 2010-03-24 2011-09-29 Hameed Khan Proximity-based social networking
US20120041675A1 (en) * 2010-08-10 2012-02-16 Steven Juliver Method and System for Coordinating Transportation Service
WO2012024421A2 (en) * 2010-08-17 2012-02-23 United Sample, Inc. Selecting and processing offers to complete tasks, research programs, and consumer rewards programs based on location
CN102411593A (zh) * 2010-09-26 2012-04-11 腾讯数码（天津）有限公司 展示好友动态的方法及系统
US8909562B2 (en) * 2011-03-28 2014-12-09 Google Inc. Markov modeling of service usage patterns
US8621563B2 (en) * 2011-03-29 2013-12-31 Nokia Corporation Method and apparatus for providing recommendation channels
US8719213B2 (en) * 2011-03-29 2014-05-06 Manyworlds, Inc. Contextually transformed learning layer
JP6049710B2 (ja) * 2011-07-01 2016-12-21 トゥルーカー インコーポレイテッド 利用可能販売店の選択、フィルタリング、および／または提示のための方法およびシステム
US9208511B2 (en) * 2011-08-22 2015-12-08 Simple Rules, Inc. System and method for location-based recommendations
US20140279196A1 (en) * 2013-03-15 2014-09-18 Nara Logics, Inc. System and methods for providing spatially segmented recommendations
US20140129371A1 (en) * 2012-11-05 2014-05-08 Nathan R. Wilson Systems and methods for providing enhanced neural network genesis and recommendations
US8732101B1 (en) * 2013-03-15 2014-05-20 Nara Logics, Inc. Apparatus and method for providing harmonized recommendations based on an integrated user profile
AU2012327179A1 (en) * 2011-12-02 2013-06-20 Ezsav Inc. A unified system, methods, and computer program products enabling the processing of one or more events associated with a transaction executing the purchase and / or use of one or more products
US9384493B2 (en) * 2012-03-01 2016-07-05 Visa International Service Association Systems and methods to quantify consumer sentiment based on transaction data
US8892480B2 (en) * 2012-07-25 2014-11-18 Aro, Inc. Contextual information provider
US9971830B2 (en) * 2012-09-06 2018-05-15 Facebook, Inc. Recommending users to add to groups in a social networking system
CN103853726B (zh) 2012-11-29 2018-03-02 腾讯科技（深圳）有限公司 一种挖掘社区用户的方法及装置
US20170323295A1 (en) * 2012-12-03 2017-11-09 Savue Inc. System and/or methods enabling the processing of one or more events associated with a transaction executing the purchase and/or use of one or more products
US10803512B2 (en) * 2013-03-15 2020-10-13 Commerce Signals, Inc. Graphical user interface for object discovery and mapping in open systems
US10275785B2 (en) * 2013-03-15 2019-04-30 Commerce Signals, Inc. Methods and systems for signal construction for distribution and monetization by signal sellers
US9367536B2 (en) * 2013-05-03 2016-06-14 Facebook, Inc. Using inverse operators for queries on online social networks
US20140365301A1 (en) * 2013-06-11 2014-12-11 Visa International Service Association Systems and methods to generate offers based on transaction data
US20150005007A1 (en) * 2013-06-28 2015-01-01 Streetlight Data, Inc. Displaying demographic data
CN104281622B (zh) * 2013-07-11 2017-12-05 华为技术有限公司 一种社交媒体中的信息推荐方法和装置
GB201316196D0 (en) * 2013-09-11 2013-10-23 Piksel Inc Triggering an action in a computer device
CA2866586A1 (en) * 2013-10-09 2015-04-09 Michael E. Globe Systems and methods for identifying product recommendations based on investment portfolio data
US20150128020A1 (en) * 2013-11-03 2015-05-07 Oscar Garcia Chávez System and method for collaboration based on geographical location
US9460215B2 (en) * 2013-12-19 2016-10-04 Facebook, Inc. Ranking recommended search queries on online social networks
US20160358214A1 (en) * 2014-02-21 2016-12-08 Open Garden Inc Passive social networking using location
US20150248651A1 (en) * 2014-02-28 2015-09-03 Christine E. Akutagawa Social networking event planning
US9704205B2 (en) * 2014-02-28 2017-07-11 Christine E. Akutagawa Device for implementing body fluid analysis and social networking event planning
EP3132592B1 (en) * 2014-04-18 2018-02-21 Telecom Italia S.p.A. Method and system for identifying significant locations through data obtainable from a telecommunication network
US10210261B2 (en) * 2014-06-18 2019-02-19 Facebook, Inc. Ranking and filtering groups recommendations
US10003926B2 (en) * 2014-09-16 2018-06-19 DataSpark, Pte., Ltd. Predicting human movement behaviors using location services model
CN105045833B (zh) * 2015-06-30 2018-12-28 北京嘀嘀无限科技发展有限公司 用户好友关系的分类方法及装置
EP3070661A1 (en) * 2015-03-20 2016-09-21 Tata Consultancy Services Limited System and method for providing context driven hyper-personalized recommendation
CN104933201A (zh) * 2015-07-15 2015-09-23 蔡宏铭 基于同行信息的内容推荐方法及系统
CN105005615B (zh) * 2015-07-17 2017-03-08 广东小天才科技有限公司 一种基于移动轨迹进行终端推荐的方法、装置和系统
US10671615B2 (en) * 2016-05-27 2020-06-02 Facebook, Inc. Methods and systems for assigning affinity scores to contacts

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007103938A3 (en) * 2006-03-06 2008-06-26 Veveo Inc Methods and systems for selecting and presenting content based on learned user preferences
CN102306172A (zh) * 2011-08-24 2012-01-04 深圳市凯立德科技股份有限公司 一种结伴游推荐方法和系统
US20140214914A1 (en) * 2013-01-25 2014-07-31 Cisco Technology, Inc. System and method for abstracting and orchestrating mobile data networks in a network environment
CN103997725A (zh) * 2013-01-25 2014-08-20 思科技术公司 用于抽象和编排网络环境中的移动数据网络的系统和方法
US9514495B2 (en) * 2013-09-12 2016-12-06 International Business Machines Corporation Creation and use of closely-matched groups to aid in initiating and sustaining behavioral change
CN105095242A (zh) * 2014-04-30 2015-11-25 国际商业机器公司 一种标记地理区域的方法和装置
CN104881459A (zh) * 2015-05-22 2015-09-02 电子科技大学 一种移动社会网络的好友推荐方法
CN105631531A (zh) * 2015-11-26 2016-06-01 东莞酷派软件技术有限公司 行车好友推荐方法、行车好友推荐装置和服务器
CN107247786A (zh) * 2017-06-15 2017-10-13 北京小度信息科技有限公司 用于确定相似用户的方法、装置和服务器

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112115382A (zh) * 2020-09-30 2020-12-22 北京格灵深瞳信息技术有限公司 数据处理方法及装置、存储介质、电子装置
CN112115382B (zh) * 2020-09-30 2023-03-10 北京格灵深瞳信息技术股份有限公司 数据处理方法及装置、存储介质、电子装置

Also Published As

Publication number Publication date
CN108446281B (zh) 2021-03-12
US20200296580A1 (en) 2020-09-17
WO2018145509A1 (en) 2018-08-16
CN110291544A (zh) 2019-09-27
US20190364422A1 (en) 2019-11-28
US10701556B2 (en) 2020-06-30

Similar Documents

Publication Publication Date Title
CN108446281A (zh) 确定用户亲密度的方法、装置及存储介质
Zhao et al. Understanding the bias of call detail records in human mobility research
Grafström et al. How to select representative samples
CN110324787B (zh) 一种手机信令数据的职住地获取方法
Guo et al. A graph-based approach to vehicle trajectory analysis
CN108804551B (zh) 一种兼顾多样性与个性化的空间兴趣点推荐方法
CN111614690B (zh) 一种异常行为检测方法及装置
CN110334293B (zh) 面向位置社交网络的基于模糊聚类的具有时间感知的位置推荐方法
CN106604051A (zh) 直播频道推荐方法及装置
CN109284988A (zh) 数据分析系统及方法
WO2016070673A1 (zh) 用户属性分析方法及装置
CN106612216A (zh) 网站访问异常的检测方法及装置
CN115456695A (zh) 一种店铺选址的分析方法、装置、系统及介质
CN110377821A (zh) 生成兴趣标签的方法、装置、计算机设备和存储介质
CN110188968A (zh) 区域划分、热度统计的方法及装置
Cammalleri et al. An event-oriented database of meteorological droughts in Europe based on spatio-temporal clustering
CN116611678B (zh) 数据处理方法、装置、计算机设备和存储介质
CN109948644A (zh) 一种相似房源数据检测方法、装置及终端设备
CN106790548B (zh) 确定兴趣点之间的关系的方法和装置
JP7071948B2 (ja) 対象地域の不動産の稼働率を推定するプログラム、装置及び方法
Guo et al. Understanding spatiotemporal patterns of multiple crime types with a geovisual analytics approach
Weiß Fully observed INAR (1) processes
Sinnott et al. Estimating micro-populations through social media analytics
CN112926991B (zh) 一种套现团伙严重等级划分方法及系统
Lin et al. Evaluating the use of publicly available remotely sensed land cover data for areal interpolation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant