CN103167404A - 用于确定兴趣点的方法和设备 - Google Patents

Abstract

本发明公开了一种确定兴趣点的方法和设备，该方法包括：获取用户地理位置数据；根据所述用户地理位置数据和倾向模型来确定兴趣点。本发明的用于推送兴趣点的方法及设备可以通过确定适当的兴趣点数据源范围，继而确定适当的将推送的兴趣点，从而提高了用户的使用体验。

Description

用于确定兴趣点的方法和设备

技术领域

本发明的实施方式涉及用于确定兴趣点的方法和设备。

背景技术

随着计算机与网络技术的迅速发展，社交网络(social network)(或称为社交网站)已经日益成为现代网络的重要组成部分。社交网络是指向对特定对象感兴趣或只是一起“闲逛”的人们提供虚拟社区的Web站点。用户通过语音、聊天、即时消息、视频会议和博客等进行通信，并且该服务通常向用户提供了联系其他用户的好友的方法。

近年来，逐渐将兴趣点POI(Point Of Interest)引入了社交网络领域中，特别是引入到基于移动通信技术的移动POI系统中。POI是一个带位置信息的综合信息，其包含名称、类别、经度、纬度、文字描述、图片和用户评论等信息。POI被分门别类，归属于某一社区和某一类别。当用户在添加POI时，便可以选定它属于哪一类别。设置类别的目的是让用户能够更好地过滤掉不感兴趣的POI，而只查看关心的POI。移动POI是一项基于位置的服务，这项服务包括服务器系统和客户端应用程序，客户端应用程序主要是针对移动终端平台(例如手机平台)所开发的。移动POI服务的目标是创建一个平台，让用户们能够分享彼此之间的地理位置以及相关信息。

在用户访问社交网络来发表日志、图片、状态或其他内容时，通常可以将这些发表行为关联于特定的POI，例如，在工人体育场发表工人体育场的图片。由于现有POI推送系统多是基于默认的地理范围来确定推送的POI，加之通常用户的终端显示屏幕有限，当用户处于POI密集区域(例如北京市天安门)时，会向用户推送过多POI，导致在用户的终端显示屏幕上密集显示从而造成区分POI困难，而当用户处于POI稀疏区域(例如新疆塔里木盆地)时，可能导致向推送较少的POI，甚至没有POI供推送，从而造成在用户的终端显示屏幕仅能显示为数不多甚至没有显示POI。

因此，需要一种能够向用户有效地确定POI数据源范围，继而有效地确定将推送的兴趣点的方法及设备。

发明内容

为了解决上述问题，根据本发明的一个方面，提供了一种确定兴趣点的方法，包括：获取用户地理位置数据；根据所述用户地理位置数据和倾向模型来确定兴趣点。

根据本发明的一个实施方式，该倾向模型包括区域倾向模型和用户兴趣倾向模型中的至少一种。

根据本发明的又一个实施方式，该区域倾向模型基于省、市、区、街道、网格区域中的至少一种。

根据本发明的又一个实施方式，该区域倾向模型包括区域内的兴趣点密度或数量。

根据本发明的又一个实施方式，该用户兴趣倾向模型根据服务器中针对每个用户建立的历史记录数据建立。

根据本发明的又一个实施方式，该历史记录数据包括用户曾经签到的兴趣点数据。

根据本发明的又一个实施方式，该用户倾向模型包括兴趣点类别、描述、名称、图片、评论、热度中的至少一种。

根据本发明的又一个方面，提供了一种确定兴趣点的设备，包括：用于获取用户地理位置数据的装置；用于根据所述用户地理位置数据和倾向模型来确定兴趣点的装置。

根据本发明的一个实施方式，该倾向模型包括区域倾向模型和用户兴趣倾向模型中的至少一种。

根据本发明的又一个实施方式，该区域倾向模型基于省、市、区、街道、网格区域中的至少一种。

根据本发明的又一个实施方式，该区域倾向模型包括区域内的兴趣点密度或数量。

根据本发明的又一个实施方式，该用户兴趣倾向模型根据服务器中针对每个用户建立的历史记录数据建立。

根据本发明的又一个实施方式，该历史记录数据包括用户曾经签到的兴趣点数据。

根据本发明的又一个实施方式，该用户倾向模型包括兴趣点类别、描述、名称、图片、评论、热度中的至少一种。

不同于现有技术，本发明的用于确定兴趣点的方法及设备可以通过确定适当的兴趣点数据源范围，继而确定适当的将推送的兴趣点，从而提高了用户的使用体验。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的标号表示相同或相似的元素。在附图中：

图1示出了根据本发明一个实施方式的用于确定兴趣点的方法的流程图；

图2示出了根据本发明一个实施方式的用于推送兴趣点的设备；以及

图3示出了适于实现本发明实施方式的计算系统的框图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下文将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。

参见图1，图1示出了根据本发明一个实施方式的用于确定兴趣点的方法的流程图。一般而言，用户可以通过计算系统经由有线或无线网络访问服务器。计算系统一般可以是诸如台式计算机、膝上型计算机、手机、平板电脑、个人数字助理(PDA)之类的具有计算能力的用户终端或设备。在该实施方式中，用户使用用户终端接入网络，进而访问服务器。

在步骤S110处，服务器获取用户地理位置数据。当用户向服务器发送推送兴趣点的请求时，服务器可以要求用户终端发送用户终端所处的地理位置的数据，或者也可以将用户终端的地理位置数据与兴趣点请求一同发送给服务器。接收用户终端发送的用户关注的兴趣点。

用户可以通过各种方式确定当前地理位置的数据，例如通过GPS定位、WiFi定位或Cell ID定位方式，用户也可以通过人工输入当前位置的文字描述，比如“北京动物园”，并将其发送给服务器，并由服务器通过各种方式(比如通过网络搜索、数据库存储条目等)确定用户当前位置的地理数据。此外，用户还可以通过语音输入确定当前地理位置，比如使用美国Apple公司的Iphone 4S手机中的Siri，语音输入“Where Am I(我在哪)？”，然后由手机终端调用各种软件、硬件、固件或其组合的工具帮助确定当前位置的地理数据。此外，用户也可以通过拍摄兴趣点照片并将其发送给服务器，由服务器通过各种方式(比如图形比较算法)来确定用户当前位置。用户也可以通过上述方式的各种组合来确定当前位置的地理数据。

在本说明书中，用户或用户终端所在的位置是指尺度在几十米或几百米乃至上千米的位置范围。上述位置范围的表示可以是精确周界信息，也可以是其中一点或多点的精确信息以及相关精度信息，当然还可以是本领域公知的其他表示方式。而本说明书中提及的当前位置，相应地是指在当前时刻所处的位置，即用户进行发表、签到或其他操作行为时所处的位置。在本说明书中，当前时刻是指跨度在几秒钟或者几分钟乃至几小时的时间范围。上述当前时刻的表示可以是精确时间始末点，也可以是其中一个或多个时间点的精确信息以及相关精度信息。

可以理解，在用户的当前位置范围内，可能存在一个或多个兴趣点，也可以不存在兴趣点。因此，兴趣点的数目可以为零，可以为一，也可以为任意的大于一的整数。如果存在两个或更多的兴趣点，其中任何两个不同兴趣点的位置可以彼此分离，但也有可能彼此重叠或部分重叠。

在社交网络中，用户通过表明自己关注的兴趣点，一方面，用户的好友可以较为及时地了解用户所关注的地理位置，以便于与该用户联系；另一方面，用户还可以基于所关注的兴趣点来获得服务器所提供的相关的服务，例如用户在确定所关注的兴趣点后，可以进一步地从服务器获得介绍该兴趣点的信息，此外，还可以从服务器获得相关兴趣点的推送信息。

在步骤S120处，根据所述用户地理位置数据和倾向模型来确定兴趣点，下面将详细描述如何通过用户地理位置数据和倾向模型来确定兴趣点。

根据本发明人构思的技术方案，倾向模型可以包括区域倾向模型和用户兴趣倾向模型。在本发明的一个实施方式中，倾向模型可以包括区域倾向模型和用户兴趣倾向模型中的至少一种，即服务器可以根据用户位置的地理数据和区域倾向模型来确定兴趣点，也可以根据用户位置的地理数据和用户兴趣倾向模型来确定兴趣点，还可以根据用户位置的地理数据、区域倾向模型和用户兴趣倾向模型来确定兴趣点。区域倾向模型可以基于多方面建立而成，其中，一个方面是基于诸如省、市、区、街道之类的行政区域规划，例如在一个实施例中，当获取到用户位置的地理数据之后，服务器根据该地理位置数据调取存储在服务器中的区域倾向模型，例如当获取到用户的地理位置数据为东经：116°23′17″，北纬：39°54′27″时，服务器调取为北京市的区域倾向模型。本领域技术人员可以理解，还可以根据地理位置数据，调取更高行政规划区域或更低行政规划区域的区域倾向模型；而另一方面是基于地理网格划分，即将用户位置附近的区域划分为多个网格，然后根据用户位置附近的一个网格或某些网格来确定区域倾向模型，其中，网格可以是矩形、方形、六角形、不规则形状等。本领域技术人员可以理解，还可以将上述两方面结合来建立区域倾向模型，例如当获取到用户位置地理数据时，用户可以根据行政区域规划和网格区域的交集来确定区域倾向模型。

在一种实施方式中，在确定了区域倾向模型后，可以根据该区域倾向模型中的兴趣点密度和数量来确定兴趣点。在一个实施例中，服务器可以根据区域倾向模型中的密度来确定兴趣点。例如，在基于北京市的区域倾向模型中，可以确定离用户地理位置直线距离最近的10个兴趣点为将推送给用户的兴趣点。又例如，在基于网格的区域倾向模型中，可以根据所选网格中兴趣点的密度来缩放网格范围，从而使得提供合适密度的兴趣点给用户终端。

在本发明的一种实施方式中，倾向模型中的用户兴趣倾向模型根据服务器中针对每个用户建立的历史数据记录建立而成。服务器可以通过多种方式记录用户的历史数据，例如用户通过各种终端向服务器输入的数据，其中一种方式是当用户去各兴趣点签到时，服务器自动记录针对该用户的数据，并将其保持为针对该用户的历史记录数据。服务器中针对用户的历史记录数据可以记录一段时间内与用户相关联的所有兴趣点或部分兴趣点，并将其分类以建立用户兴趣倾向模型。用户兴趣倾向模型可以包括一个或多个方面，例如兴趣点类别、描述、名称、图片、评论、热度等。下面将分别依据用户兴趣倾向模型中的兴趣点类别、描述、名称、图片、评论、热度来确定兴趣点的方法。可以理解，服务器可以根据用户倾向模型中上述项中的多项来确定兴趣点。

例如在一个示例中，服务器接收到的用户地理位置数据是北京动物园的地理位置数据，服务器可以基于该兴趣点(即北京动物园)的地理位置来搜索一个或多个兴趣点，例如服务器搜索到首都体育馆、西苑饭店、金开利德国际服装批发市场等，并在步骤S130中将其推送给用户终端，由此可见，在该示例中，一个或多个兴趣点是与用户所关注的兴趣点在地理位置上相关，即在所关注的兴趣点的附近。

在另一示例中，服务器接收到的用户地理位置数据是星巴克咖啡北京三里屯店的地理位置数据，服务器可以基于该兴趣点(即星巴克咖啡北京三里屯店)的地理位置数据和类别来确定一个或多个兴趣点，例如服务器确定星巴克咖啡北京三里屯店附近有星巴克咖啡北京世贸天阶店、星巴克咖啡北京万达广场店、星巴克咖啡北京亮马河店，因而将这些星巴克店确定为将推送给用户终端的兴趣点。由此可见，在该示例中，该方法是基于用户的地理位置数据和用户兴趣倾向模型中的类别来确定兴趣点。虽然在本示例中采用的例子是星巴克咖啡店，但是可以理解在其他一些情形中，可以将类型扩展至咖啡店，例如服务器可以所确定的兴趣点扩展到上岛咖啡店、米萝咖啡店等，并将其推送给用户终端。而在基于区域倾向模型和用户倾向模型确定兴趣点的一些实施方式中，当基于现有区域倾向模型确定出的兴趣点过多或过少，密度过大或过小，服务器都可以以用户地理位置为中心自动调节区域大小以重新确定兴趣点的数量或密度，从而将适当数量或密度的兴趣点发送给用户。

在又一示例中，服务器接收到的用户地理位置数据是国锦轩餐厅的地理位置数据，服务器可以基于该地理位置数据和用户兴趣倾向模型中关于国锦轩的描述“米其林餐厅”来确定推送的兴趣点，例如服务器确定在国锦轩附近有鼎泰丰餐厅、LE PRE LENOTRE餐厅、S.T.A.Y餐厅、布鲁宫法餐厅等均具有米其林餐厅的描述内容的兴趣点，因而将这些餐厅确定为即将推送给用户终端的兴趣点。由此可见，在该示例中，所确定的一个或多个兴趣点是与用户所在的兴趣点在描述上相关，即与所关注的兴趣点的描述相同或相近。虽然在本示例中的描述内容是米其林餐厅，但是本领域技术人员可以理解兴趣点的描述类容可以是任何信息，例如人文故居、五星酒店等等。而在基于区域倾向模型和用户倾向模型确定兴趣点的一些实施方式中，当基于现有区域倾向模型确定出的兴趣点过多或过少，密度过大或过小，服务器都可以以用户地理位置为中心自动调节区域大小以重新确定兴趣点的数量或密度，从而将适当数量或密度的兴趣点发送给用户。

在又一示例中，服务器接收到的用户地理位置数据是北京星美国际影城的地理位置数据，北京星美国际影城含有热度为55的信息，服务器可以基于该用户地理位置数据和兴趣点热度来确定将推送给用户的一个或多个兴趣点，例如服务器确定出故宫博物院(热度为60)、北京欢乐谷游乐园(热度为57)等等，并将其确定为将推送给用户终端的兴趣点。由此可见，在该示例中，一个或多个兴趣点是与用户所关注的兴趣点在热度上相关，即所关注的兴趣点的热度相同或相近。顾名思义，兴趣点热度即为兴趣点的热门程度，其可以由服务器根据一些算法对一段时间内接收到的兴趣点进行估算，由此得出兴趣点热度。上述算法例如比例算法，即以单位时间内接收到的所有兴趣点中接收次数最高的某一兴趣点的接收次数为基准，其余兴趣点按对其的比例来计算热度，例如，在某一周内，所有兴趣点中由服务器接收次数最多的是天安门广场，服务器在此期间内接收到兴趣点天安门广场100,000次，则天安门对应于热度100，而同一时间内服务器接收到兴趣点清华大学的次数是10,000次，则清华大学的热度是10。另一算法是对数算法，即对服务器接收到的兴趣点的次数取对数来计算热度，例如在上述情形中，天安门的热度为log₁₀ ¹⁰⁰⁰⁰⁰×20＝100，而清华大学的热度是log₁₀ ¹⁰⁰⁰⁰×20＝80。本领域技术人员可以理解，还可以有其他合适的算法来计算兴趣点热度。由此可见，在该示例中，所确定的一个或多个兴趣点是与用户所关注的兴趣点在热度上相关，即所确定的兴趣点的热度与用户地理位置处的兴趣点的热度相同或相近。而在基于区域倾向模型和用户倾向模型确定兴趣点的一些实施方式中，当基于现有区域倾向模型确定出的兴趣点过多或过少，密度过大或过小，服务器都可以以用户地理位置为中心自动调节区域大小以重新确定兴趣点的数量或密度，从而将适当数量或密度的兴趣点发送给用户。

以上示例均为用户兴趣模型中单一方面的情形，本领域技术人员可以理解，服务器也可以使用上述依据的组合来缩小确定范围。例如，在一个情形中，服务器可以根据用户地理位置处的兴趣点的地理位置、类型和热度来确定一个或多个相关兴趣点，例如服务器可以确定钱柜北京白石桥店附近的热度相同或相近似的KTV店(比如麦乐迪中央民族大学店)。而在基于区域倾向模型和用户倾向模型确定兴趣点的一些实施方式中，当基于现有区域倾向模型确定出的兴趣点过多或过少，密度过大或过小，服务器都可以以用户地理位置为中心自动调节区域大小以重新确定兴趣点的数量或密度，从而将适当数量或密度的兴趣点发送给用户。

在上述各种示例中，判断相关兴趣点所依据的用户关注兴趣点的信息项可以是服务器默认的，也可以由用户通过用户终端指定，例如用户可以在服务器接收到兴趣点之前、同时或之后指定判断所依据的信息项。指定可以一次指定，例如将多个指定项(比如地理位置和热度)与兴趣点同时发送给服务器，也可以逐次指定，例如用户在接收到由客户端递送的一个或多个兴趣点之后通过逐个增加信息项来筛选兴趣点，即将增加的信息项发送给服务器，服务器根据之前的信息项和增加的信息项再次搜索，并将搜索结果推送给用户终端，服务器也可以在之前的搜索结果中排除与增加的信息项不符的兴趣点，并将剩余的兴趣点推送给用户终端。

在访问服务器时，用户可以通过用户终端来进行各种操作行为，包括但不限于进行签到(Check-in)操作，以及发表图片、日志或个人状态的操作，等等。这里所称的“签到”，是指用户输入兴趣点的名称或标识来记录自己所在位置的行为，该位置具体为用户所在的兴趣点。例如，用户的当前位置是在名称为“第一人民医院”的兴趣点，那么用户可以进行签到操作，以记录自己当前正位于“第一人民医院”。通常地，用户在进行发表操作时，也可以输入或选择兴趣点的名称或标识，从而记录自己所处的位置。例如，用户在名称为“理工大学第一宿舍”的兴趣点发表日志，那么在编辑日志的过程中，用户可以输入该兴趣点的名称，或者从包含多个兴趣点名称的列表中选择该兴趣点名称，以使得自己发表日志的行为与该兴趣点相关联。

应当理解，该方法中记载的各个步骤可以根据情形需要而按照不同的顺序执行，和/或并行执行。此外，该方法可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。

现在参见图2，图2示出了根据本发明一个实施方式的用于推送兴趣点的设备200。设备200包括：接收装置210，其用于接收兴趣点的地理位置数据或其他一些数据；确定装置220，其用于根据所接收的地理位置数据和倾向模型来确定兴趣点。设备200还可以包括推送装置(未示出)，其用于将所确定的所一个或多个兴趣点推送给用户。

在一个实施例中，设备200还包括GPS定位装置、WiFi定位装置或Cell ID定位装置，用于确定所述用户的当前位置。

本发明的各种实施方式可以通过硬件、固件、软件以及其中的任意组合来实现。并且，本发明的各种实施方式例如可以通过web服务处理器实现，但需要理解的是，本发明并不限于此。

参见图3，图3示出了本发明的各种实施方式可以在其中实现的一种示例性设备的框图。

图3中所示的设备包括CPU(中央处理单元)301、RAM(随机存取存储器)302、ROM(只读存储器)303、系统总线304、硬盘控制器305、键盘控制器306、串行接口控制器307、并行接口控制器308、显示器控制器309、硬盘310、键盘311、串行外部设备312、并行外部设备313和显示器314。在这些部件中，与系统总线304相连的有CPU 301、RAM 302、ROM 303、硬盘控制器305、键盘控制器306、串行接口控制器307、并行接口控制器308和显示器控制器309。硬盘310与硬盘控制器305相连，键盘311与键盘控制器306相连，串行外部设备312与串行接口控制器307相连，并行外部设备313与并行接口控制器308相连，以及显示器314与显示器控制器309相连。

图3所述的结构框图仅仅为了示例的目的而示出的，并非是对本发明的限制。在一些情况下，可以根据需要添加或者减少其中的一些设备。例如，图3所示的设备可以省略键盘311，而仅仅是一个能够被外部设备访问的服务器。图3所示的设备可以单独地实现本发明运行的环境，也可以通过网络互相连接起来而实现本发明运行的环境，例如本发明的各个模块和/或步骤可以分布地实现在互相连接的各个设备中。

上述的备个方面可以被单独使用或是以各种组合来适用。本申请的教导可以通过硬件和软件的组合来实现，但是同样可以在软件或硬件中实现。本申请的教导同样可以实施为在计算机可读介质上的计算机程序产品，所述计算机可读介质可以是任何物质介质，例如软盘、CD-ROM、DVD、硬驱动器甚至网络介质等。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明，但是应该理解，本发明并不限于所公开的具体实施方式。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。所附权利要求的范围符合最宽泛的解释，从而包含所有这样的修改及等同结构和功能。

Claims (14)

1.一种确定兴趣点的方法，包括：

获取用户地理位置数据；

根据所述用户地理位置数据和倾向模型来确定兴趣点。

2.根据权利要求1所述的方法，其中所述倾向模型包括区域倾向模型和用户兴趣倾向模型中的至少一种。

3.根据权利要求2所述的方法，其中所述区域倾向模型基于省、市、区、街道、网格区域中的至少一种。

4.根据权利要求2所述的方法，其中所述区域倾向模型包括区域内的兴趣点密度或数量。

5.根据权利要求2所述的方法，其中所述用户兴趣倾向模型根据服务器中针对每个用户建立的历史记录数据建立。

6.根据权利要求5所述的方法，其中所述历史记录数据包括用户曾经签到的兴趣点数据。

7.根据权利要求2所述的方法，其中所述用户倾向模型包括兴趣点类别、描述、名称、图片、评论、热度中的至少一种。

8.一种确定兴趣点的设备，包括：

用于获取用户地理位置数据的装置；

用于根据所述用户地理位置数据和倾向模型来确定兴趣点的装置。

9.根据权利要求8所述的设备，其中所述倾向模型包括区域倾向模型和用户兴趣倾向模型中的至少一种。

10.根据权利要求9所述的设备，其中所述区域倾向模型基于省、市、区、街道、网格区域中的至少一种。

11.根据权利要求9所述的设备，其中所述区域倾向模型包括区域内的兴趣点密度或数量。

12.根据权利要求9所述的设备，其中所述用户兴趣倾向模型根据服务器中针对每个用户建立的历史记录数据建立。

13.根据权利要求12所述的设备，其中所述历史记录数据包括用户曾经签到的兴趣点数据。

14.根据权利要求9所述的设备，其中所述用户倾向模型包括兴趣点类别、描述、名称、图片、评论、热度中的至少一种。

Images