CN103914536B - 一种用于电子地图的兴趣点推荐方法及系统 - Google Patents

Abstract

本发明公开了一种用于电子地图的兴趣点推荐方法及系统，方法包括：获取当前用户所处的场景；查找与该当前用户所处的场景相同或相应的场景下的推荐检索词或推荐兴趣点类别；向所述当前用户提供推荐检索词、推荐兴趣点类别中的至少一种。系统包括：获取模块、查找模块和推荐模块。采用根据本发明的实施例的兴趣点推荐方法及系统，能够契合不同场景下的用户真正需要的兴趣点，大大提升了服务端的转化率，加快了用户获取真正关心的兴趣点的速度。

Description

一种用于电子地图的兴趣点推荐方法及系统

技术领域

本发明涉及一种电子地图上的推荐系统，特别是一种用于电子地图的兴趣点推荐方法及系统。

背景技术

随着网络技术与信息技术的发展，人们越来越多地使用电子地图来搜索陌生区域中的内容或者利用电子地图进行导航，这给人们的生活旅行带来了极大的便利。

在现有技术中，电子地图产品上较少使用兴趣点推荐服务，而即使使用了兴趣点推荐服务的一些产品也多是基于预设的模式进行推荐，例如打开地图客户端即推荐周边的团购或者车站等相关的poi（兴趣点），现有的兴趣点推荐服务造成的问题是：无法满足用户的实际需求，从服务端来说也只有很低的转化率，无法有效变现。

发明内容

本发明的目的在于提供一种能够真正契合用户需要的用于电子地图的兴趣点推荐方法及系统。

一方面，本发明提供了一种用于电子地图的兴趣点推荐方法，包括：

获取当前用户所处的场景；

查找与该当前用户所处的场景相同或相应的场景下的推荐检索词或推荐兴趣点类别；

向所述当前用户提供推荐检索词、推荐兴趣点类别中的至少一种。

另一方面，本发明提供了一种用于电子地图的兴趣点推荐系统，包括：

获取模块，用于获取当前用户所处的场景；

查找模块，用于查找与该当前用户所处的场景相同或相应的场景下的推荐检索词或推荐兴趣点类别；

推荐模块，用于向所述当前用户提供推荐检索词、推荐兴趣点类别中的至少一种。

采用根据本发明的实施例的兴趣点推荐方法及系统，能够契合不同场景下的用户真正需要的兴趣点，大大提升了服务端的转化率，加快了用户获取真正关心的兴趣点的速度。

附图说明

通过下面结合示例性地示出一例的附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中：

图1是根据本发明的实施例提供的用于点子地图的兴趣点推荐方法的流程图；

图2是根据本发明的实施例提供的用户电子地图的兴趣点推荐系统的结构示意图。

具体实施方式

以下，参照附图来详细说明本发明的实施例。

根据本发明的实施例的兴趣点推荐系统根据用户所处的场景（时间和地点的结合、或者时间、或者地点）来向用户推荐最符合用户需求的兴趣点（poi），其通过分类采集电子地图的所有用户的检索词、时间、地点，通过去重处理排除人的恶意干扰，从而实现对不同场景下的用户需求的精确采集。下面将参照图1详细进行论述。

图1是根据本发明的实施例提供的用于电子地图的兴趣点推荐方法的流程图，如图1所示，该方法包括：

101、获取当前用户所处的场景；

103、查找与该当前用户所处的场景相同或相应的场景下的推荐检索词或推荐兴趣点类别；

105、向当前用户提供推荐检索词、推荐兴趣点类别中的至少一种。

本发明实施例通过获得用户所处的场景，并根据场景来获得推荐检索词或者推荐兴趣点类别，然后向用户提供根据场景得到的推荐检索词或者推荐兴趣点类别，更贴近用户的实际环境，能够契合不同场景下的用户真正需要的兴趣点，大大提升了服务端的转化率，加快了用户获取真正关心的兴趣点的速度。

在上述实施方式的基础上，当前用户所处的场景包括如下要素：用户所处的位置，则在103之后，该方法还可以包括：

104、根据该用户所处的位置，使用103获得的推荐检索词或推荐兴趣点类别检索预定范围内的推荐兴趣点；

105可以变更为105’：向当前用户提供推荐检索词、推荐兴趣点类别、推荐兴趣点中的至少一种。

在上述任一种实施方式的基础上，当前用户所处的场景还包括如下要素：时间；在101之前，该方法还可以包括：

100-1、采集电子地图的用户数据，所述用户数据包括用户使用电子地图所处的场景及用户输入的检索词或选择的兴趣点类别；

其中，采集电子地图的用户数据，即，根据用户行为日志得到在一段时间T（如一个月）内使用电子地图产品的检索业务或兴趣点推荐业务的用户的ID、用户的检索行为或兴趣点选择行为、该行为发生的时间和地点坐标。当然，该用户数据不限于仅采集使用本电子地图的用户的数据，如果未来第三方（其他运营商或企业）有类似数据，也可以从第三方通过购买等手段获得类似用户数据。其中，用户的检索行为主要指用户的检索词，兴趣点选择行为主要指兴趣点推荐系统推荐的被用户选择的检索词或兴趣点类别、或者兴趣点推荐系统推荐的被用户选择的poi（例如，“皇家假日酒店”）所属的检索词或兴趣点类别（例如，“酒店”）。根据本发明的一个实施例，可以对电子地图的各个用户输入的意思基本相同或非常相近的检索词归入同一个兴趣点类别，例如，将关键词“城铁站”、“地铁站”和“轻轨站”归入同一个兴趣点类别“地铁站”，从而可以方便后续的统计处理。

100-4、统计检索词或兴趣点类别在至少一种关联关系下的出现次数，并根据出现次数得到至少一种关联关系下的排在前预定位的推荐检索词或推荐兴趣点类别，其中，所述关联关系是检索词或兴趣点类别与场景中的至少一个要素之间的关系；

100-5、存储至少一种关联关系下的推荐检索词或推荐兴趣点类别。

进一步的，100-1之后，还可以包括：

100-2、对100-1采集到的用户数据进行归一化处理。

因为时间和地点坐标都是连续的，不方便后续处理，因此对这两者都作归一化。

具体的归一化处理方式可以为：

其中一种示例性的时间聚合措施是，将一天分成若干个具有预定大小的时间段，例如24个小时，一条检索行为（或兴趣点选择行为）仅对应到一个整数小时的时间。类似地，在对地点坐标进行归一化处理时，将地面上沿x方向和y方向的距离均也分成若干个具有预定大小的长度段，例如1公里，每个位置的xy坐标映射到整数公里上，从而使得各条检索行为或兴趣点选择行为仅映射到相应的一个具有预定面积（1平方公里）的面元中。

以上操作相当于对每条检索映射到唯一的小时数和某一个唯一的一平方公里的区域中（区域中心点的xy坐标可被1000m整除）。当然，本发明不限于将检索行为映射到一个整数小时，例如，还可将检索行为映射到1分钟。同样，本发明不限于将检索行为映射到一个整数公里，例如，还可将检索行为映射到5公里，即，对每条检索映射到唯一的分钟数和某一个唯一的25平方公里的区域中。

进一步，本发明也不限于将检索行为（或兴趣点选择行为）映射到同样大小的时间段（时间间隔）和同样大小的长度段（距离分段）上，例如，可以基于各个区域所含poi的密度来决定使用多大的长度段（距离分段），比如在poi密集的北京可以将长度段的预设大小设置为500米，在某个小县城则预设为2km等。又例如，可以基于人们检索行为（或兴趣点选择行为）发生的频度来确定时间间隔，例如，在白天可以将时间间隔设置为1小时，在深夜和凌晨可以设置为两小时等。

进一步的，100-2之后，还可以包括：

100-3、对归一化的用户数据按用户进行去重处理。

对于归一化后的数据按用户（如ID（身份识别码）等标识）作去重，即如果某个用户ID的检索行为在上述归一化后有重复，则只记录一次。例如，用户A在某天的17:34在（1234,1256）位置和17:45在（1211,1237）都检索了某个检索词B。那么归一化后有用户A在这天17:00在（1000,1000）有两次检索了B，但兴趣点推荐系统只记录一次。通过去重处理排除人的恶意干扰或者无意的干扰，从而体现真正的搜索频率。

当然，在归一化后，在同一个时间段和同一个面元中如果同一用户的相同的检索行为（或兴趣点选择行为）发生了多次，则本发明也不限于只记录一次，例如，本发明也可以对这些次数作开平方、开立方等运算，例如，发生9次，只记录3次。可以将这种运算称为对发生次数执行去重算法。去重算法可以是将多次记录为一次，也可以是开平方或开立方运算，或者可以是乘以一个小于1的并非固定大小的权重因子，只要其目的能够达到排除或减少人的恶意干扰或者无意的干扰的目的就可以了。

对于去重之后的数据，分别按（时间、位置、检索词/兴趣点类别）或（时间、检索词/兴趣点类别）或（位置、检索词/兴趣点类别）这三种关联关系统计（例如，可进行分组统计），并得到按频次从高到低的关联关系（即比如22点最多的检索词/兴趣点类别是‘宾馆’，17点时郑州站附近检索得最多的是‘公交站’之类）。将统计排序的结果存储在电子地图的数据库中。

这样就能了解到用户在不同的场景（不同时间、不同地点或不同时间地点组合）下用户的首要需求是什么。当一个用户使用了电子地图服务之后，兴趣点推荐系统就能持续得到该用户使用电子地图的当前的时间和位置，对时间、地点做归一化，就能获得该用户归一化后的场景。兴趣点推荐系统在数据库中检索与该用户的场景（归一化的时间、地点或时间地点组合）相同的场景下的相应信息，从而兴趣点推荐系统就可以进而给用户推荐对应的兴趣点poi。

如果某个场景可以映射到之前挖掘出的（时间、地点、检索词/兴趣点类别）那么可以直接使用这种关联关系，否则可以仅使用（时间、检索词/兴趣点类别）或（地点、检索词/兴趣点类别）的关联关系来推荐。

如果当前场景不是历史热门场景，那么不容易找到可以直接使用的场景关联检索词，这种情况下可以在预处理时就得到不同位置下的主要poi集合及其分类（比如某个归一化的热门位置附近有酒店和火车站等poi集合，主要兴趣点类别是排名在预定的前若干位的兴趣点类别），这样就能给一个新的冷门位置下的用户推荐相关的检索词（如果某个冷门位置附近也有酒店和火车站等poi，那么就能借用前述热门位置的高频检索词作为这里的推荐依据）。

根据本发明的一个实施例，推荐poi的形式可以是：推荐与当前场景（时间、地点或时间地点组合）相同或相应的场景下的高频检索词，通过用户的进一步点击再返回相关poi列表给用户。

根据本发明的另一个实施例，推荐poi的形式可以是：利用与当前场景相同或相应的场景下的高频检索词/兴趣点类别（例如，“酒店”和“车站”）在电子地图的用户当前位置附近检索分别得到n个结果（例如，“皇家假日酒店”、“如家酒店”、“西二旗地铁站”、“上地地铁站”，对不同检索词n可以不同），再将这些兴趣点融合之后直接返回给用户。

进一步的，可以以某个位置（例如，西二旗地铁站）为中心点只统计该中心点附近一定时间一定距离内的用户检索情况，并给今后某时刻到达该位置附近的用户推荐相关的检索词或poi列表。

本发明的关键在于根据用户所处的场景（时间和地点的结合、或者时间、或者地点）来向用户推荐最符合用户需求的兴趣点（poi）。在前面的描述中，虽然是根据将一天分成24个小时，将一条检索行为仅映射到一个整数小时的时间，然后将排名靠前的兴趣点推荐给用户，然而本发明并不一定要根据用户在一天当中所处的小时数来对检索词进行统计和排序，根据本发明的一个实施例，还可以根据用户使用电子地图时所处的日期来进行兴趣点的推荐，例如，在阳历情人节2月14日和中国农历七夕附近，很多年轻人都会关注鲜花店和巧克力甜点店，则在2月14日和农历七夕附近可以将检索词“鲜花店”和“巧克力甜点店”或者直接将相应的兴趣点推荐给用户。如果此时仍然按照一天所处的小时数统计出来的高频检索词进行推荐，则长期来看，鲜花店必然不是高频检索词，那么用户在情人节期间就不会看到用户推荐的poi或高频检索词中具有鲜花店，从而兴趣点推荐系统就不能满足用户的真正需求。由此可见，最重要的是根据用户当前所处的场景进行推荐，可以将用户使用地图时在一天所处的小时数、用户使用地图的日期结合来进行兴趣点推荐。

另外，在前面的描述中，将检索行为映射到一个整数公里，并据此进行归一化并进行统计，最终基于统计结果进行兴趣点推荐。但是本发明不限于根据整数公里进行推荐，例如，本发明还可以根据用户使用地图时所处的城市来进行兴趣点的推荐。例如，如果用户在一个旅游城市使用电子地图，则兴趣点推荐系统可向用户推荐纪念品店、手工艺品店和特色食品店，如果仅仅以整数公里进行归一化、统计和排名，而这些poi通常不会受到本地用户的关注，本地用户会检索别的地点，这些商店的排名可能会排名靠后，由此可见，有必要根据用户使用电子地图时所处的位置是否是旅游景点、是否具有特殊的属性进行兴趣点的推荐。可以结合前面所说的整数公里以及这里所提到的所处城市进行兴趣点的推荐，从而真正满足用户的真实需求。

图2是根据本发明的实施例提供的用户电子地图的兴趣点推荐系统的结构示意图，如图2所示，该系统为上述方法的执行主体，执行方法可以参考上述方法实施例，此处不做赘述。

该系统包括：

获取模块201，用于获取当前用户所处的场景；

查找模块202，用于查找与该当前用户所处的场景相同或相应的场景下的推荐检索词或推荐兴趣点类别；

推荐模块203，用于向所述当前用户提供推荐检索词、推荐兴趣点类别中的至少一种。

一种实施方式下，所述当前用户所处的场景包括如下要素：用户所处的位置；

则所述系统还包括：

检索模块204，用于根据用户所处的位置，使用所述检索推荐词或推荐兴趣点类别检索预定范围内的推荐兴趣点；

所述推荐模块203具体用于向所述当前用户提供推荐检索词、推荐兴趣点类别、推荐兴趣点中的至少一种。

基于上述任意一种实施方式，所述当前用户所处的场景还包括如下要素：时间；则所述系统还包括：

采集模块205，用于采集电子地图的用户数据，所述用户数据包括用户使用电子地图所处的场景及用户输入的检索词或选择的兴趣点类别；

统计模块206，用于统计检索词或兴趣点类别在至少一种关联关系下的出现次数，并根据出现次数得到至少一种关联关系下的排在前预定位的推荐检索词或推荐兴趣点类别，其中，所述关联关系是检索词或兴趣点类别与场景中的至少一个要素之间的关系；

存储模块207，用于存储至少一种关联关系下的推荐检索词或推荐兴趣点类别。

进一步的，所述系统还包括：

归一化模块208，用于对采集的用户数据进行归一化处理。

进一步的，所述系统还包括：

去重模块209，用于对归一化的用户数据按用户进行去重处理。

采用根据本发明的实施例的兴趣点推荐方法和系统，能够契合不同场景下的用户真正需要的兴趣点，大大提升了服务端的转化率，加快了用户获取真正关心的兴趣点的速度。

除非另外有相反的描述，否则每个实施例中的对特征或方面的描述被认为是适用于其他实施例中的类似的特征或方面。

出于促进对本发明的原理的理解的目的，已经对附图中示出的优选实施例进行了说明，并已经使用了特定的语言来描述这些实施例。然而，该特定的语言并非意图限制本发明的范围，本发明应被解释成包括对于本领域普通技术人员而言通常会出现的所有实施例。此外，除非元件被特别地描述为“必不可少的”或“关键的”，否则没有元件或模块对本发明的实施是必不可少的。

虽然上面已经详细描述了本发明的示例性实施例，但本发明所属技术领域中具有公知常识者在不脱离本发明的精神和范围内，可对本发明的实施例做出各种的修改、润饰和变型。但是应当理解，在本领域技术人员看来，这些修改、润饰和变型仍将落入权利要求所限定的本发明的示例性实施例的精神和范围内。

最后，除非这里指出或者另外与上下文明显矛盾，否则这里描述的所有方法的步骤可以以任意合适的顺序执行。

Claims (8)

1.一种用于电子地图的兴趣点推荐方法，包括：

获取当前用户所处的场景，其中，所述当前用户所处的场景包括如下要素：时间；

查找与该当前用户所处的场景相同或相应的场景下的推荐检索词或推荐兴趣点类别；

向所述当前用户提供推荐检索词、推荐兴趣点类别中的至少一种，

采集电子地图的用户数据，所述用户数据包括用户使用电子地图所处的场景及用户输入的检索词或选择的兴趣点类别；

统计检索词或兴趣点类别在至少一种关联关系下的出现次数，并根据出现次数得到至少一种关联关系下的排在前预定位的推荐检索词或推荐兴趣点类别，其中，所述关联关系是检索词或兴趣点类别与场景中的至少一个要素之间的关系；

存储至少一种关联关系下的推荐检索词或推荐兴趣点类别。

2.根据权利要求1所述的推荐方法，所述当前用户所处的场景包括如下要素：用户所处的位置；

则所述查找与该当前用户所处的场景相同或相应的场景下的推荐检索词或推荐兴趣点类别之后，所述方法还包括：

根据用户所处的位置，使用所述检索推荐词或推荐兴趣点类别检索预定范围内的推荐兴趣点；

则：

向所述当前用户提供推荐检索词、推荐兴趣点类别、推荐兴趣点中的至少一种。

3.根据权利要求1所述的推荐方法，在采集电子地图的用户数据之后，还包括：

对采集的用户数据进行归一化处理，

其中，在对时间进行归一化处理时，将一天分成第一预定数量的具有第一预定大小的时间段，以将各条检索行为或兴趣点选择行为映射到对应的时间段，

在对地点坐标进行归一化处理时，将地面上沿x方向和y方向的距离分成第二预定数量的具有第二预定大小的长度段，以使得各条检索行为或兴趣点选择行为映射到相应的一个具有预定面积的面元中。

4.根据权利要求3所述的推荐方法，在所述归一化处理之后，还包括：

对归一化的用户数据按用户进行去重处理。

5.一种用于电子地图的兴趣点推荐系统，包括：

获取模块，用于获取当前用户所处的场景，其中，所述当前用户所处的场景包括如下要素：时间；

查找模块，用于查找与该当前用户所处的场景相同或相应的场景下的推荐检索词或推荐兴趣点类别；

推荐模块，用于向所述当前用户提供推荐检索词、推荐兴趣点类别中的至少一种，

采集模块，用于采集电子地图的用户数据，所述用户数据包括用户使用电子地图所处的场景及用户输入的检索词或选择的兴趣点类别；

统计模块，用于统计检索词或兴趣点类别在至少一种关联关系下的出现次数，并根据出现次数得到至少一种关联关系下的排在前预定位的推荐检索词或推荐兴趣点类别，其中，所述关联关系是检索词或兴趣点类别与场景中的至少一个要素之间的关系；

存储模块，用于存储至少一种关联关系下的推荐检索词或推荐兴趣点类别。

6.根据权利要求5所述的推荐系统，所述当前用户所处的场景包括如下要素：用户所处的位置；

则所述系统还包括：

检索模块，用于根据用户所处的位置，使用所述检索推荐词或推荐兴趣点类别检索预定范围内的推荐兴趣点；

所述推荐模块具体用于向所述当前用户提供推荐检索词、推荐兴趣点类别、推荐兴趣点中的至少一种。

7.根据权利要求5所述的推荐系统，所述系统还包括：

归一化模块，用于对采集的用户数据进行归一化处理，

其中，归一化模块在对时间进行归一化处理时，将一天分成第一预定数量的具有第一预定大小的时间段，以将各条检索行为或兴趣点选择行为映射到对应的时间段，

归一化模块在对地点坐标进行归一化处理时，将地面上沿x方向和y方向的距离分成第二预定数量的具有第二预定大小的长度段，以使得各条检索行为或兴趣点选择行为映射到相应的一个具有预定面积的面元中。

8.根据权利要求7所述的推荐系统，所述系统还包括：

去重模块，用于对归一化的用户数据按用户进行去重处理。