CN102902754A

CN102902754A - 一种兴趣点搜索方法及装置

Info

Publication number: CN102902754A
Application number: CN2012103560608A
Authority: CN
Inventors: 曹欢欢
Original assignee: Individual
Current assignee: Individual
Priority date: 2012-09-24
Filing date: 2012-09-24
Publication date: 2013-01-30

Abstract

一种兴趣点搜索方法及装置，该兴趣点搜索方法包括获取用户提供的位置信息，接收并记录搜索请求，该搜索请求包括至少一个筛选条件；根据所述记忆及信息获取模块的记录判断同一用户是否有前置搜索请求，若判断结果为否，则执行该搜索请求，对满足该搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果；若判断结果为是，则判断该搜索请求与所述前置搜索请求的筛选标准的条件强弱，若所述前置搜索请求的筛选条件比该搜索请求的筛选条件强，且该时间间隔小于一时间阈值，则对满足该搜索请求的筛选条件且剔除所述前置搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果。本发明还提供了相应的兴趣点搜索装置。

Description

一种兴趣点搜索方法及装置

技术领域

本发明涉及一种定位搜索方法，特别是一种可根据用户需要动态地调整搜索结果的兴趣点搜索方法及装置。

背景技术

现有技术中从地理数据库中获取兴趣点的方法，从效果上看，相关的兴趣点推荐大概有按距离排序，按距离逆排序和随机化排序等方法。按距离排序通常把距离较近的兴趣点排在前面，按距离逆排序则是把距离较远的排在前面，随机化排序则是将符合用户要求距离范围的兴趣点随机排列。申请号为“201010534859.2”，名称为“定位搜索方法及系统”的中国发明专利申请所公开的定位搜索方法，即为按距离排序的方法，其根据用户提供的位置信息及输入的搜索内容进行搜索，并根据搜索结果对应的位置信息与用户提供的位置信息之间的距离从近到远对搜索结果进行排序后予以显示。一般来说，在使用周边兴趣点推荐的功能时，用户需要提供可以接受的距离范围，比如周围500米，周围1000米。在这种情况下，上述距离越近排序越靠前的推荐结果列表在用户体验上存在一定问题。比如说，用户希望推荐附近500米内的餐厅，当推荐应用给出推荐后用户觉得没有特别满意的。因此又选择了推荐附近1000米内的餐厅，但是因为推荐结果是按照距离排序的，前几页结果还是500米内的，找到新的推荐结果不但费时而且费流量(查看的页数越多，下载的数据越多)。后两种方法虽然在一定程度上能解决上述按距离排序带来的问题，但按距离逆排序优先把距离远的兴趣点排在前面，同时很可能另外一些用户同样喜欢但距离较近的兴趣点排除在第一页之外，这并不符合用户的需求；而随机化排序，则因其本身的概率因素使得用户无法确定地搜索到最满意的兴趣点。

申请号为“200880102748.5”，名称为“最近邻域地理搜索”的中国发明专利申请所公开的另一搜索地理数据库以获取地理对象的方法和装置，可以克服如果第一次搜索半径为500米的区域未获得结果时，第二次搜索周围1000米时，第二搜索区域可排除第一搜索区域，即排序显示为500-1000米范围内的搜索结果，但是该方法只能静态地显示用户调整后的搜索结果，无法根据用户需求动态调整搜索结果，例如，用户先输入500米，第二次输入1000米，该方法只能搜索显示500-1000米范围内的搜索结果，而无法判断用户两次输入之间的真实意图是需要搜索500-1000米范围内的结果，还是需要搜索0-1000米范围内的结果。

发明内容

本发明所要解决的技术问题是提供一种能通过根据推荐条件的改变区分不同情况动态地进行兴趣点的搜索和显示的兴趣点搜索方法及装置。

为了实现上述目的，本发明提供了一种兴趣点搜索方法，其中，包括以下步骤：

S1、获取用户提供的位置信息，接收并记录搜索请求，该搜索请求包括至少一个筛选条件；

S2、根据所述记忆及信息获取模块的记录判断同一用户是否有前置搜索请求，若判断结果为否，则执行步骤S3，若判断结果为是，则执行步骤S4；

S3、执行该搜索请求，对满足该搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果；

S4、判断该搜索请求与所述前置搜索请求的筛选标准的条件强弱，若所述前置搜索请求的筛选条件比该搜索请求的筛选条件强，则执行步骤S5，若所述前置搜索请求的筛选条件比该搜索请求的筛选条件弱，则执行步骤S3；

S5、比较一时间间隔与一时间阈值，该时间间隔为使用所述前置搜索请求的筛选条件的时间与接收该搜索请求的时间的间隔，若该时间间隔小于该时间阈值，则执行步骤S6，若该时间间隔大于或等于该时间阈值，则执行步骤S3；

S6、对满足该搜索请求的筛选条件且剔除所述前置搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果。

上述的兴趣点搜索方法，其中，所述筛选条件包括距离、兴趣点类型、好评度或消费价格。

上述的兴趣点搜索方法，其中，所述时间阈值为10分钟、20分钟、30分钟或60分钟。

上述的兴趣点搜索方法，其中，所述步骤S3中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore＝w1·c+w2·p-w3·d

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

上述的兴趣点搜索方法，其中，所述步骤S6中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore = \{\begin{matrix} w_{1} \cdot c + w_{2} \cdot p + w_{3} \cdot (d - 1000), & d < = 500 \\ w_{1} \cdot c + w_{2} \cdot p - w_{3} \cdot (d - 500), & 1000 > d > 500 \end{matrix}

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

为了更好地实现上述目的，本发明还提供了一种兴趣点搜索装置，其中，包括：

记忆及信息获取模块，用于获取用户提供的位置信息，接收并记录搜索请求，该搜索请求包括至少一个筛选条件；

搜索请求判断模块，用于根据所述记忆及信息获取模块的记录判断同一用户是否有前置搜索请求，并根据判断结果确定运行步骤；

默认排序搜索模块，用于执行该搜索请求并对满足该搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果；

筛选标准判断模块，用于判断该搜索请求与所述前置搜索请求的筛选标准的条件强弱，并根据判断结果确定运行步骤；

比较模块，比较一时间间隔与一时间阈值，并根据比较结果确定运行步骤；

备选排序搜索模块，用于对满足该搜索请求的筛选条件且剔除所述前置搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果。

上述的兴趣点搜索装置，其中，所述筛选条件包括距离、兴趣点类型、好评度或消费价格。

上述的兴趣点搜索装置，其中，所述时间阈值为10分钟、20分钟、30分钟或60分钟。

上述的兴趣点搜索装置，其中，所述默认排序搜索模块中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore＝w1·c+w2·p-w3·d

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

上述的兴趣点搜索装置，其中，所述备选排序搜索模块中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore = \{\begin{matrix} w_{1} \cdot c + w_{2} \cdot p + w_{3} \cdot (d - 1000), & d < = 500 \\ w_{1} \cdot c + w_{2} \cdot p - w_{3} \cdot (d - 500), & 1000 > d > 500 \end{matrix}

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

本发明的技术效果在于：

本发明有效地解决了静态采用某种排序方法在搜索兴趣点的应用中带来的用户体验问题，根据筛选条件的改变，判断用户的需求并选择采用最合理的排序方法，实现了动态地改变排序方法以更好地满足用户的需求。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为本发明的兴趣点搜索方法流程图；

图2为本发明的兴趣点搜索装置框图；

图3为本发明一实施例的计算机程序流程图；

图4为本发明一实施例的输入搜索请求的交互界面图；

图5为本发明一实施例的执行步骤S2、S4的计算机程序流程图；

图6为本发明一实施例的执行步骤S5的计算机程序流程图；

图7为本发明一实施例的计算机排序程序流程图；

图8为本发明一实施例的兴趣点赋值的计算机程序流程图。

其中，附图标记

1记忆及信息获取模块

2搜索请求判断模块

3默认排序搜索模块

4筛选标准判断模块

5比较模块

6备选排序搜索模块

S1～S6步骤

具体实施方式

下面结合附图对本发明的结构原理和工作原理作具体的描述：

参见图1，图1为本发明的兴趣点搜索方法流程图。本发明的兴趣点搜索方法，包括以下步骤：

步骤S1、获取用户提供的位置信息，接收并记录搜索请求，该搜索请求包括至少一个筛选条件；

步骤S2、根据所述记忆及信息获取模块的记录判断同一用户是否有前置搜索请求，若判断结果为否，则执行步骤S3，若判断结果为是，则执行步骤S4；

步骤S3、执行该搜索请求，对满足该搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果；

步骤S4、判断该搜索请求与所述前置搜索请求的筛选标准的条件强弱，若所述前置搜索请求的筛选条件比该搜索请求的筛选条件强，则执行步骤S5，若所述前置搜索请求的筛选条件比该搜索请求的筛选条件弱，则执行步骤S3；

步骤S5、比较一时间间隔与一时间阈值，该时间间隔为使用所述前置搜索请求的筛选条件的时间与接收该搜索请求的时间的间隔，若该时间间隔小于该时间阈值，则执行步骤S6，若该时间间隔大于或等于该时间阈值，则执行步骤S3；

步骤S6、对满足该搜索请求的筛选条件且剔除所述前置搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果。

其中，所述筛选条件可包括距离、兴趣点类型、好评度或消费价格等。其中距离可以是地理上的直线距离，也可以是实际最短路径(乘车)，也可以用乘车时间(考虑交通状况)或经过几站(公交车或地铁)表示。

其中，所述时间阈值可根据需要设置为10分钟、20分钟、30分钟或60分钟，优选设置为10分钟。

其中，所述步骤S3中排序时作为排序依据的得分rankScore为距离d的一个非增函数，其计算公式为：

rankScore＝w1·c+w2·p-w3·d

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

所述步骤S6中排序时作为排序依据的得分rankScore为距离d的一个非增函数，其计算公式为：

rankScore = \{\begin{matrix} w_{1} \cdot c + w_{2} \cdot p + w_{3} \cdot (d - 1000), & d < = 500 \\ w_{1} \cdot c + w_{2} \cdot p - w_{3} \cdot (d - 500), & 1000 > d > 500 \end{matrix}

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

参见图2，图2为本发明的兴趣点搜索装置框图。本发明的兴趣点搜索装置，包括：

记忆及信息获取模块1，用于获取用户提供的位置信息，接收并记录搜索请求，该搜索请求包括至少一个筛选条件；

搜索请求判断模块2，用于根据所述记忆及信息获取模块1的记录判断同一用户是否有前置搜索请求，并根据判断结果确定运行步骤；

默认排序搜索模块3，用于执行该搜索请求并对满足该搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果；

筛选标准判断模块4，用于判断该搜索请求与所述前置搜索请求的筛选标准的条件强弱，并根据判断结果确定运行步骤；

比较模块5，比较一时间间隔与一时间阈值，并根据比较结果确定运行步骤；

备选排序搜索模块6，用于对满足该搜索请求的筛选条件且剔除所述前置搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果。

其中，所述筛选条件包括距离、兴趣点类型、好评度或消费价格等。

其中，所述时间阈值为10分钟、20分钟、30分钟或60分钟。

其中，所述默认排序搜索模块3中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore＝w1·c+w2·p-w3·d

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

其中，所述备选排序搜索模块6中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore = \{\begin{matrix} w_{1} \cdot c + w_{2} \cdot p + w_{3} \cdot (d - 1000), & d < = 500 \\ w_{1} \cdot c + w_{2} \cdot p - w_{3} \cdot (d - 500), & 1000 > d > 500 \end{matrix}

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

参见图3及图4，图3为本发明一实施例的计算机程序流程图，参见图4，图4为本发明一实施例的输入搜索请求的交互界面图。假设当前距离推荐条件是“推荐500米内的餐厅”，如果用户想看看更远的餐厅，可以进入客户端软件的设置选项更改该条件。常用的更改方式是弹出一个单选列表，该列表包括了所有的距离条件，例如“推荐500米内的餐厅”“推荐1000米内的餐厅”，“推荐2000米内的餐厅”，“推荐5000米内的餐厅”，“不限距离”。用户按下相应的条件选项即可改变原来的设置。用户A可在客户端如图4所示的交互界面上直接选择输入改变推荐条件设置S，当然也可以是其他的手动或自动输入方式，新设置S被同步到服务器端的记忆及信息获取模块1，搜索请求判断模块2搜索是否之前有推荐条件设置S’，若有，则筛选标准判断模块4同之前的设置S’做比较，并判断新的推荐条件设置S是否更弱？若否，服务器端的默认排序搜索模块3对用户A启用默认推荐排序方法；若是，比较模块5则判断距旧推荐条件设置S’上次使用时间是否大于T？若是，则服务器端的备选排序搜索模块6对用户A启用备选排序方法，该方法需要保证优先考虑满足S但不满足S’的推荐结果，若否，服务器端的默认排序搜索模块3对用户A启用默认推荐排序方法，最后在服务器端的记忆及信息获取模块1中保存用户A的新设置S。同样，其它推荐条件比如餐厅价位，喜欢的餐厅口味(多选)也可以通过客户端的设置界面予以改变，其交互过程和上述过程类似，这些设置交互都是很成熟的交互技术，例如目前流行的餐厅推荐手机应用如食神摇摇和大众点评手机客户端等，故在此不再赘述。

参见图5，图5为本发明一实施例的执行步骤S2、S4的计算机程序流程图。服务器端的记忆及信息获取模块1接受到客户端发送的新的筛选条件S，服务器端对S进行解码，从记忆及信息获取模块1中读取用户原先的筛选条件S’，根据筛选条件的种类调用不同的比较函数Compare(S，S’)，并获得比较结果。其中，筛选条件需编码后以固定的格式发送给服务器端以方便服务器端程序的理解，这是客户端与服务器端通讯的一般做法，也是通讯协议的一部分。比如“推荐500米以内的餐馆”可以用json格式表示：{max_distance：500}。服务器端的记忆及信息获取模块1可用用户信息数据库来存储和管理用户信息，比如用户名，密码，筛选条件设置等。不同的筛选条件需要定义不同的比较函数来比较哪个条件较弱。服务器端的筛选标准判断模块4可定义一系列设置条件比较函数。比如对于推荐距离条件，{max_distance：500}＞{max_distance：1000}，后者较弱，因为距离上满足后者的餐厅不一定满足前者。

参见图6，图6为本发明一实施例的执行步骤S5的计算机程序流程图。该步骤S5用于比较一时间间隔与一时间阈值并根据比较结果确定执行不同的步骤。从记忆及信息获取模块1中读取上次输入搜索请求的时间t₀，从操作系统读取当前系统时间t₁，判断t₁-t₀的差值是否大于或等于时间阈值T，若是，则执行步骤S4，判断该搜索请求与所述前置搜索请求的筛选标准的条件强弱，若所述前置搜索请求的筛选条件比该搜索请求的筛选条件强，则执行步骤S5，若所述前置搜索请求的筛选条件比该搜索请求的筛选条件弱，则执行步骤S3；若t₁-t₀的差值小于时间阈值T，则执行步骤S6，对满足该搜索请求的筛选条件且剔除所述前置搜索请求的筛选条件的搜索结果予以排序并输出排序后的该搜索结果。

参见图7，图7为本发明一实施例的计算机排序程序流程图。启用排序方法的过程在源代码里只需要一个语句(if条件判断)，但是满足“优先考虑满足S但不满足S’的筛选结果”原则的具体排序方法非常多，其流程千差万别。下面仅以500米和1000米分别作为兴趣点搜索的筛选条件具体说明本发明的执行过程。首先，在地理数据库中检索所有和用户当前位置距离小于500米的兴趣点，记为集合P，处理P中下一个兴趣点，兴趣点和用户距离d是否小于500米？是，则计算：

rankScore(i)＝w1·c+w2·p+w3·(d-1000)；

否，则计算：

rankScore(i)＝w1·c+w2·p-w3·(d-500)，然后，判断P中还有未赋值的兴趣点？若有，则回到处理P中下一个兴趣点继续计算各个兴趣点，直至全部兴趣点均被赋值，最后根据rankScore对所有的p排序并输出该排序结果。

当用户在使用推荐餐厅的应用时把筛选条件从“附近500米”改为“附近1000米”时，客户端检测上次用户使用“附近500米”作为推荐的筛选条件距离当前的时间间隔。如果该时间间隔大于10分钟，服务器端在排序时优先把距离用户较近的餐厅排在前面。这里需要注意，优先排序距离较近的餐厅并不意味着把距离作为唯一的排序标准。实际中的排序还会参考其它因素，比如好评度，价格等。优先排序是指排序时作为排序依据的得分rankScore()应该是距离d的一个非增函数。例如：

rankScore＝w1·c+w2·p-w3·d

其中w1，w2，w3是权重值(正数)，p代表价格，c代表好评度。在这个公式中，距离d越大，得分越低，相应的餐厅排序越靠后。

如果客户端的比较模块5检测到上次用户使用“附近500米”作为推荐的筛选条件距离当前的时间间隔小于或等于10分钟，在排序时，服务器端的备选排序搜索模块6则优先考虑那些距离大于500米但小于1000米的餐厅，并在这些餐厅中优先排序距离近的。也就是说，服务器端可以保证排序得分公式在d大于500小于1000时得分比其它条件固定的而d小于500的情况下高，并且保证这种情况下排序得分是d的非增函数，但当d小于500米时则未必。

例如如下的区间函数：

rankScore = \{\begin{matrix} w_{1} \cdot c + w_{2} \cdot p + w_{3} \cdot (d - 1000), & d < = 500 \\ w_{1} \cdot c + w_{2} \cdot p - w_{3} \cdot (d - 500), & 1000 > d > 500 \end{matrix}

当用户使用一个基于公交路线的兴趣点推荐应用时，筛选条件将用“距离5站以内”，“距离10站以内”这样更有意义的筛选条件代替基于直线地理距离额筛选条件。如果用户希望推荐“距离10站以内”的餐馆，同上述实施例类似，比较模块5会检测上次用户使用“距离5站以内”作为推荐的筛选条件距离当前的时间间隔。如果该时间间隔大于或等于10分钟，服务器端的默认排序搜索模块3在排序时优先把距离用户较近的餐厅排在前面。这时优选的排序公式如下：

rankScore＝w1·c+w2·p-w3·d

这里的距离d指的是乘坐公共交通的站数。反之，服务器端的备选排序搜索模块6在排序时优先考虑那些距离大于5站但小于10站的餐厅，并在这些餐厅中优先排序距离近的。这时优选的排序公式如下：

rankScore = \{\begin{matrix} w_{1} \cdot c + w_{2} \cdot p + w_{3} \cdot (d - 10), & d < = 5 \\ w_{1} \cdot c + w_{2} \cdot p - w_{3} \cdot (d - 5), & 10 > d > 5 \end{matrix}

参见图8，图8为本发明一实施例的兴趣点赋值的计算机程序流程图。从地理数据库中读取该兴趣点的好评度c，从地理数据库中读取该兴趣点人均消费价格p，从地理数据库中读取该兴趣点地理位置坐标，结合客户端发送的用户当前位置坐标，计算距离d，获取系统常数w1，w2，w3，计算w1·c+w2·p-w3·d并返回结果。

本发明提供一种动态的兴趣点推荐排序方法，至少有两种推荐排序方法，用户改变筛选条件的行为会影响系统的推荐排序方法，如果新筛选条件更强则采用默认的排序方法，如果新筛选条件更弱则符合新条件不符合旧条件的排序被优先考虑。客户端或服务器端记录用户对于推荐内容筛选条件的改变，如果旧的筛选条件比新筛选条件强并且上次使用旧的筛选条件进行推荐的时间距离当前时间的间隔小于一个阈值，则在排序中优先考虑那些符合新筛选条件但不符合旧筛选条件的兴趣点；如果旧筛选条件比新筛选条件弱，则采用默认的排序方法，比如按照距离排序。

本发明能够根据用户改变筛选条件的行为动态地选择合适的兴趣点搜索排序方法，有效地解决了静态采用某种排序方法在搜索兴趣点的应用中带来的用户体验问题，根据筛选条件的改变，判断用户的需求并选择采用最合理的排序方法，实现了动态地改变排序方法以更好地满足用户的需求。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims

1.一种兴趣点搜索方法，其特征在于，包括以下步骤：

2.如权利要求1所述的兴趣点搜索方法，其特征在于，所述筛选条件包括距离、兴趣点类型、好评度或消费价格。

3.如权利要求1所述的兴趣点搜索方法，其特征在于，所述时间阈值为10分钟、20分钟、30分钟或60分钟。

4.如权利要求1、2或3所述的兴趣点搜索方法，其特征在于，所述步骤S3中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore＝w1·c+w2·p-w3·d

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

5.如权利要求1、2或3所述的兴趣点搜索方法，其特征在于，所述步骤S6中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore = \{\begin{matrix} w_{1} \cdot c + w_{2} \cdot p + w_{3} \cdot (d - 1000), & d < = 500 \\ w_{1} \cdot c + w_{2} \cdot p - w_{3} \cdot (d - 500), & 1000 > d > 500 \end{matrix}

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

6.一种兴趣点搜索装置，其特征在于，包括：

7.如权利要求6所述的兴趣点搜索装置，其特征在于，所述筛选条件包括距离、兴趣点类型、好评度或消费价格。

8.如权利要求6所述的兴趣点搜索装置，其特征在于，所述时间阈值为10分钟、20分钟、30分钟或60分钟。

9.如权利要求6、7或8所述的兴趣点搜索装置，其特征在于，所述默认排序搜索模块中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore＝w1·c+w2·p-w3·d

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。

10.如权利要求6、7或8所述的兴趣点搜索装置，其特征在于，所述备选排序搜索模块中排序时作为排序依据的得分rankScore为距离d的一个非增函数：

rankScore = \{\begin{matrix} w_{1} \cdot c + w_{2} \cdot p + w_{3} \cdot (d - 1000), & d < = 500 \\ w_{1} \cdot c + w_{2} \cdot p - w_{3} \cdot (d - 500), & 1000 > d > 500 \end{matrix}

其中，w1，w2，w3为正数的权重值，p为价格，c为好评度。