CN107220856B - 一种移动消费群组识别的系统及方法 - Google Patents

一种移动消费群组识别的系统及方法 Download PDF

Info

Publication number
CN107220856B
CN107220856B CN201710408988.9A CN201710408988A CN107220856B CN 107220856 B CN107220856 B CN 107220856B CN 201710408988 A CN201710408988 A CN 201710408988A CN 107220856 B CN107220856 B CN 107220856B
Authority
CN
China
Prior art keywords
objects
group
window
mobile
characteristic values
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.)
Active
Application number
CN201710408988.9A
Other languages
English (en)
Other versions
CN107220856A (zh
Inventor
朱卫平
陈娇娇
许琳
张泽宇
杨耀航
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201710408988.9A priority Critical patent/CN107220856B/zh
Publication of CN107220856A publication Critical patent/CN107220856A/zh
Application granted granted Critical
Publication of CN107220856B publication Critical patent/CN107220856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
    • H04W8/24—Transfer of terminal data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种移动消费群组识别的系统及方法，系统包括手机客户端和后台服务器，以及手机客户端与后台服务器交换数据的网络；方法包括构建后台机器学习分类模型的训练集数据库、移动消费群组加速度数据采集、群组识别与结果反馈等步骤；本发明可以适用于大型室内场所的移动群组识别，只需要场所内提供无线接入，基础限制少，同时群组识别效果较好。

Description

一种移动消费群组识别的系统及方法
技术领域
本发明属于手机传感器技术与线下移动购物的结合技术领域，涉及一种移动消费群组识别的系统及方法，具体涉及一种基于安卓手机传感器的移动消费群组识别系统及方法。
技术背景
移动群组消费是指一群人，例如家人，伴侣，同事朋友等，基于移动设备交流而进行的群组性消费活动。群组性消费在生活中并不少见譬如大学生社团班级朋友聚餐、情侣闺蜜逛街、家长孩子出游等。据调查，当人在公共场合时，百分之七十的时间是和其他人一起的，也就是说大部分情况下他们是进行的群组性消费。
当前应用市场上比较受欢迎的几个团购软件，美团，百度糯米，大众点评等，这些软件的主要功能是为用户提供全国各地众多商家的团购促销信息，用户通过浏览和搜索得到自己想要的团购等。但是这往往比较耗时，虽然它们会主动向顾客推送促销信息，但是这种推送并不带有针对性，所有使用该应用的用户都会收到宣传。另外一个由阿里巴巴公司推出的“喵街”应用，“喵街”与以上应用的区别在于它是面向商场的，能够向用户提供商场内优惠打折和新品信息。虽然“喵街”相对普通的团购软件增加了即时性功能，但是并没有考虑到群组性消费这一概念。“喵街”将用户看成是单独的个体，当面向的是群体性消费的时候，我们需要结合群组信息来推送有针对性的宣传促销信息。
对移动消费群组进行有针对性的宣传促销信息推送，首先需要识别商场内的移动群组。目前室内群组识别的方法主要通过群组对象在物理位置上的一致性进行判断，位置信息主要通过手机GPS、无线定位或者视频信息来获得。采用GPS、无线定位或者视频信息来获得移动对象的位置都有一定的局限性。首先GPS定位在室外的环境能够得到比较好的定位准确度，但在室内人员比较密集并且存在障碍物遮挡的情况下，定位准确度将会受到很大的影响。目前也有越来越多的应用考虑使用无线定位获得运动对象的位置信息，考虑到无线定位的准确度与无线接入点的密度有很大的关系，如果需要比较高的定位精度，需要无线接入点的密度足够的大。如果需要通过视频获得运动对象的相对位置信息，摄像头位置的放置是一个需要考虑的主要因素，并且对视频信息的处理远复杂于对手机传感器数据的处理。另一方面，在真实的环境中，一个群组内的对象并不是始终保持比较近的相对位置，当一个群组内的对象存在分开活动的情况下，通过以上方法并不能识别出一个群组的全部对象。
发明内容
针对以上提出的目前团购软件存在的不足以及群组消费的巨大市场，本发明提出了一种移动消费群组识别的系统及方法。同时在移动群组识别过程中规避目前方法中存在的不足，提出采用安卓设备内置的加速度传感器来进行群组的识别。采用移动设备内置的加速度传感器进行群组的识别没有基础环境的限制，并且在移动对象比较拥挤和群组内对象存在分开活动的情况下也能够得到比较好的识别结果。
本发明的系统所采用的技术方案是：一种移动消费群组识别的系统，其特征在于：包括手机客户端和后台服务器，以及所述手机客户端与后台服务器交换数据的网络；所述手机客户端用于获取手机内置加速度传感器的数据，并将获取到的加速度传感器数据传入所述后台服务器；所述后台服务器用于将加速度传感器数据进行滑动窗口的处理，提取每个窗口的特征值，依据已有的训练集，根据未知行为序列的加速度特征值用机器学习分类模型来预测移动对象的行为序列，然后比较不同对象交互行为序列的差异值来判断对象之间的关联，进而得到移动对象的群组划分，并将群组划分情况反馈到所述手机客户端。
本发明的方法所采用的技术方案是：一种移动消费群组识别的方法，其特征在于，包括以下步骤：
步骤1：构建后台机器学习分类模型的训练集数据库；
设置手机的采样频率为SENSOR_RATE_NORMAL，采集预定义的交互行为动作，记录相应的时间，通过滑动窗口提取特征值；本实施例选取的滑动窗口大小为2S，相邻窗口重叠半个窗口大小；特征值选择加速度X、Y、Z轴和三轴合成加速度数据，每个轴上选择的特征值分别为时域上的最大值、最小值、平均值、标准差；通过对时域上的数据进行快速傅里叶变换得到频域上数据，频域上选择平均值、标准差、偏度和峰度，即在一个时间窗口选取的特征值有八个，一共是32个特征值。
选择机器学习中的分类模型对带标记的行为序列与对应的加速度特征值进行训练，获得后台机器学习分类模型的训练集数据库。
步骤2：移动消费群组加速度数据采集；
当用户接入商场无线时获得该用户在商场的ID信息，数据传输到后台服务器按照ID信息进行存储。
步骤3：群组识别与结果反馈；具体实现包括以下子步骤：
步骤3.1：交互行为预测；
将对象的加速度数据放入后台机器学习分类模型的训练集中预测交互行为序列，得到对象的行为序列，如对象A和B的行为序列表示为CA和CB。
步骤3.2：计算对象之间的行为差异；
将对象的所有行为序列划分为连续15S的窗口大小，然后在每个窗口通过编辑距离判断对象之间的行为序列的差异
Figure BDA0001311795860000031
其中，对象A和B的行为序列表示为CA和CB，
Figure BDA0001311795860000032
和
Figure BDA0001311795860000033
分别表示在第t个窗口对象A和B的行为序列，
Figure BDA0001311795860000034
表示为对象A和B在第t个窗口的编辑距离。
步骤3.3：对差异值进行平滑处理；
平滑处理的公式为：
Figure BDA0001311795860000035
其中，
Figure BDA0001311795860000036
表示对象A和B之间的行为差异，t表示当前的时间窗口，b表示平滑处理后当前窗口的编辑距离为当前窗口与前后多少个窗口的平均值的参数，τ表示从-b到b的迭代。
步骤3.4：判断对象之间的关联；
通过设置阈值φ判断对象之间是否关联；
如果平滑处理后的对象A和B之间行为差异值
Figure BDA0001311795860000037
则认为对象A和B有关联，表示为
Figure BDA0001311795860000038
如果平滑处理后的对象A和B之间行为差异值
Figure BDA0001311795860000039
则认为对象A和B无关联，表示为
Figure BDA0001311795860000041
步骤3.5：群组划分；
基于多数表决的群组划分，假设给定群组关联的判断窗口总数为TWIN，两个对象在GWIN个窗口内被认为是一个群组的对象，若GWIN>0.7*TWIN，则认为这两个对象是一个群组的对象，否则认为这两个对象不是同一个群组的对象。
步骤3.6：反馈到手机客户端；
将群组划分结果反馈到手机客户端，每隔5分钟更新一次群组划分结果。
相对于现有技术，本发明的有益效果是：通过移动设备内置的加速度传感器进行移动群组的识别，对基础设施没有太大的依赖，只需要室内环境中有所述手机客户端与后台服务器交换数据的网络即可；同时采用行为序列的相似性计算对象之间的关联，当同一群组内的对象在物理位置上存在短时间的不相邻也能很好的识别；基于多数表决的方式进行群组划分，能够考虑到群组之间的交互导致群组内对象行为的不一致性，因此具有更加广泛的适用范围。
附图说明
图1为本发明的系统原理图；
图2为本发明的系统工作流程图；
图3为本发明的方法流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
考虑到日常生活中，当人们进行群组性消费时，群组内对象并不是单纯的一起行走，会有各种交互行为，如挥手、一起行走、挽手、勾肩、坐下、起立和群组内对象一起静止的行为，因此提出使用安卓手机中内置的加速度传感器进行交互行为的识别，通过判断对象间交互动作的相似性来进行移动群组识别，群组识别结果可以与目前的手机购物应用软件相结合，为移动消费群组提供及时并且有针对具体人数的团购和促销信息。
请见图1，本发明提供的一种移动消费群组识别的系统，包括手机客户端“组团”程序和后台服务器，在手机客户端向后台服务器发送数据时需要接入商场无线，同时手机客户端的无线ID作为该用户在整个系统的唯一标识。本系统将获取到的移动对象的加速度数据与已知交互行为序列的加速度数据进行对比预测对象的行为，通过移动对象间的行为序列的差异来判断移动对象是否属于同一个群组。手机客户端“组团”通过程序接口获取手机内置加速度传感器的数据，手机客户端程序将获取到的加速度传感器数据传入后台服务器，后台服务器将加速度数据进行滑动窗口的处理，提取每个窗口的特征值。依据已有的训练集，根据未知行为序列的加速度特征值用机器学习分类模型来预测移动对象的行为序列。然后比较不同对象交互行为序列的差异值来判断对象之间的关联，进而得到移动对象的群组划分，并将群组划分情况反馈到手机客户端程序。
请见图2，本发明首先选取了几种日常生活中常见的交互行为动作，如挥手、握手、挽手、勾肩、拥抱、行走、奔跑、坐下、起立，通过判断移动对象交互行为动作序列的相似性得到不同对象之间的关联。
通过安卓手机内置的加速度传感器，本发明可以获取手机坐标轴X、Y、Z的加速度数据，加速度数据的获取频率与手机客户端设置的采样频率有关，在移动群组识别的应用中，本发明设置手机的采样频率为SENSOR_RATE_NORMAL。为了实现通过运动对象的加速度数据进行交互行为识别，本发明首先需要在后台服务器构建加速度数据与交互行为动作对应关系的数据集作为训练集，然后采用机器学习的分类模型对未知的加速度数据进行交互行为序列的预测。采集若干对象分别执行挥手、握手、挽手、勾肩、拥抱、行走、奔跑、坐下、起立的动作，并记录执行的动作和对应的时间。提取加速度传感器的特征值，在提取特征值前，首先将加速度数据进行滑动窗口的处理，本发明选取滑动窗口的大小为2S，相邻窗口重叠半个窗口大小。特征值选择加速度X、Y、Z轴和三轴合成加速度数据，每个轴上选择的特征值分别为时域上的最大值、最小值、平均值、标准差。通过对时域上的数据进行快速傅里叶变换得到频域上数据，频域上选择平均值、标准差、偏度和峰度，即在一个时间窗口选取的特征值有八个，一共是32个特征值。选择机器学习中的分类模型对带标记的行为序列与对应的加速度特征值进行训练。当未知行为的加速度数据通过无线连接传入后台服务器时，后端服务器首先对加速度数据进行滑动窗口处理，然后提取每个窗口的特征值，将每个窗口的特征值放入机器学习的分类模型中预测该交互行为动作。
得到各个对象的行为序列后，接下来就是判断对象之间的关联。在判断对象之间的关联时，本发明也用到了窗口的概念，这里本发明选取窗口大小为15S，也就是一个窗口中有14个动作序列，采用编辑距离来判断不同对象行为序列之间的差异。在每一个关联窗口可以得到一个差异矩阵。在此本发明对差异矩阵进行平滑处理，当前窗口的差异矩阵为前后各一个窗口的差异矩阵与自己本身的平均值。
通过设置阈值T，由差异矩阵得到对象在该窗口是否有关联。若对象A和B在该窗口的编辑距离小于T，则认为在该窗口对象A和B有关联，否则认为A和B在该窗口无关联。本发明接着提出基于多数表决的方式得到最终的群组划分，假设给定群组关联的判断窗口总数为TWIN，两个对象在GWIN个窗口内被认为是一个群组的对象，若GWIN>0.7*TWIN，则本发明认为这两个对象是一个群组的对象，否则两个对象不是同一个群组的对象。得到群组的划分后，将某一对象属于的群组人员个数反馈到用户的手机客户端。在对象不停运动的过程中，每间隔5分钟向手机客户端更新一次群组划分结果。为了得到最终的群组划分本发明采用了基于多数表决的方式，这种方法不要求在连续的判断窗口一个群组的对象必须划分到一个群组，因此当一个群组存在行为或者位置短时间不一致时也能够很好的识别，因此该方法具有更加普遍的运用范围。
请见图3，本发明提供的一种移动消费群组识别的方法，需要构建后台机器学习分类模型的训练集数据库。数据库构建完成后，移动用户进入商场，连接商场无线，当用户接入商场无线时获得该用户在商场的ID信息，通过与后台服务器进行对比，若该用户以前存在，则在该用户现有的数据记录后接着添加新的数据，若该用户目前不存在，则在后台服务器中添加该用户的信息。打开手机客户端程序“组团”，将手机加速度传感器的三轴加速度数据以及当前的系统时间发送至后台服务器。后台数据库根据不同对象传入的三轴加速度数据得到三轴的合成加速度，通过滑动窗口处理，窗口大小为2S，相邻窗口重叠1S，提取该对象在每个窗口的时域和频域特征值，然后将32个特征值放入分类模型的训练集中进行行为序列的预测。得到对象的行为序列后，将对象的所有行为序列划分为连续15S的窗口大小，然后在每个窗口通过编辑距离判断对象之间的行为序列的差异并对差异矩阵进行平滑处理。由于数据存入时均加入了时间戳，若对象在运动过程中由于各种原因无线数据中途掉线，会存在某些窗口该对象行为序列为空的情况，这种情况本发明并不做特别处理。
通过设置阈值和基于多数表决的方式，本发明得到一段时间内的群组划分的情况，最后将某对象属于群组的个数推送到相应对象的客户端程序。每间隔5分钟，将新的传感器数据传给后台服务器，后台服务器结合以前的加速度数据得到群组划分情况，并将群组划分情况更新到用户的手机客户端。该移动群组识别方法可以加入到目前的团购促销软件中，通过已知的群组人员个数进行有针对的促销信息推送，提高消息推动的效率和成交率。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (10)

1.一种移动消费群组识别的方法，采用移动消费群组识别的系统；其特征在于：所述系统包括手机客户端和后台服务器，以及所述手机客户端与后台服务器交换数据的网络；
所述手机客户端用于获取手机内置加速度传感器的数据，并将获取到的加速度传感器数据传入所述后台服务器；所述后台服务器用于将加速度传感器数据进行滑动窗口的处理，提取每个窗口的特征值，依据已有的训练集，根据未知行为序列的加速度特征值用机器学习分类模型来预测移动对象的行为序列，然后比较不同对象交互行为序列的差异值来判断对象之间的关联，进而得到移动对象的群组划分，并将群组划分情况反馈到所述手机客户端；
所述方法包括以下步骤：
步骤1：构建后台机器学习分类模型的训练集数据库；
步骤2：移动消费群组加速度数据采集；
步骤3：群组识别与结果反馈；
骤3的具体实现包括以下子步骤：
步骤3.1：交互行为预测；
步骤3.2：计算对象之间的行为差异；
步骤3.3：对差异值进行平滑处理；
步骤3.4：判断对象之间的关联；
步骤3.5：群组划分；
步骤3.6：反馈到手机客户端。
2.根据权利要求1所述的移动消费群组识别的方法，其特征在于：所述手机客户端的无线ID为手机用户在系统中的唯一标识。
3.根据权利要求1所述的移动消费群组识别的方法，其特征在于，步骤1的具体实现过程是：设置手机的采样频率为SENSOR_RATE_NORMAL，采集预定义的交互行为动作，记录相应的时间，通过滑动窗口提取特征值；选择机器学习中的分类模型对带标记的行为序列与对应的加速度特征值进行训练，获得后台机器学习分类模型的训练集数据库。
4.根据权利要求3所述的移动消费群组识别的方法，其特征在于：所述通过滑动窗口提取特征值，选取的滑动窗口大小为2S，相邻窗口重叠半个窗口大小；特征值选择加速度X、Y、Z轴和三轴合成加速度数据，每个轴上选择的特征值分别为时域上的最大值、最小值、平均值、标准差；通过对时域上的数据进行快速傅里叶变换得到频域上数据，频域上选择平均值、标准差、偏度和峰度，即在一个时间窗口选取的特征值有八个，一共是32个特征值；
设置手机的采样频率为SENSOR_RATE_NORMAL，采集预定义的交互行为动作，记录相应的时间，通过滑动窗口提取特征值，我们选取滑动窗口的大小为2S，相邻窗口重叠半个窗口大小；特征值选择加速度X、Y、Z轴和三轴合成加速度数据，每个轴上选择的特征值分别为时域上的最大值、最小值、平均值、标准差；通过对时域上的数据进行快速傅里叶变换得到频域上数据，频域上选择平均值、标准差、偏度和峰度，即在一个时间窗口选取的特征值有八个，一共是32个特征值；选择机器学习中的分类模型对带标记的行为序列与对应的加速度特征值进行训练。
5.根据权利要求1所述的移动消费群组识别的方法，其特征在于：步骤3.1中，将对象的加速度数据放入后台机器学习分类模型的训练集中预测交互行为序列，得到对象的行为序列。
6.根据权利要求1所述的移动消费群组识别的方法，其特征在于：步骤3.2中，将对象的所有行为序列划分为连续15S的窗口大小，然后在每个窗口通过编辑距离判断对象之间的行为序列的差异
Figure FDA0002428075840000021
其中，对象A和B的行为序列表示为CA和CB，
Figure FDA0002428075840000022
和
Figure FDA0002428075840000023
分别表示在第t个窗口对象A和B的行为序列，
Figure FDA0002428075840000024
表示为对象A和B在第t个窗口的编辑距离。
7.根据权利要求1所述的移动消费群组识别的方法，其特征在于：步骤3.3中，对差异值进行平滑处理的公式为：
Figure FDA0002428075840000025
其中，
Figure FDA0002428075840000026
表示对象A和B之间的行为差异，t表示当前的时间窗口，b表示平滑处理后当前窗口的编辑距离为当前窗口与前后多少个窗口的平均值的参数，τ表示从-b到b的迭代。
8.根据权利要求1所述的移动消费群组识别的方法，其特征在于：步骤3.4 中，通过设置阈值φ判断对象之间是否关联；
如果平滑处理后的对象A和B之间行为差异值
Figure FDA0002428075840000031
则认为对象A和B有关联，表示为
Figure FDA0002428075840000032
如果平滑处理后的对象A和B之间行为差异值
Figure FDA0002428075840000033
则认为对象A和B无关联，表示为
Figure FDA0002428075840000034
9.根据权利要求1所述的移动消费群组识别的方法，其特征在于：步骤3.5中，基于多数表决的群组划分，假设给定群组关联的判断窗口总数为TWIN，两个对象在GWIN个窗口内被认为是一个群组的对象，若GWIN>0.7*TWIN，则认为这两个对象是一个群组的对象，否则认为这两个对象不是同一个群组的对象。
10.根据权利要求1-9任意一项所述的移动消费群组识别的方法，其特征在于：步骤3.5中，将群组划分结果反馈到手机客户端，每隔5分钟更新一次群组划分结果。
CN201710408988.9A 2017-06-02 2017-06-02 一种移动消费群组识别的系统及方法 Active CN107220856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710408988.9A CN107220856B (zh) 2017-06-02 2017-06-02 一种移动消费群组识别的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710408988.9A CN107220856B (zh) 2017-06-02 2017-06-02 一种移动消费群组识别的系统及方法

Publications (2)

Publication Number Publication Date
CN107220856A CN107220856A (zh) 2017-09-29
CN107220856B true CN107220856B (zh) 2020-07-10

Family

ID=59946941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710408988.9A Active CN107220856B (zh) 2017-06-02 2017-06-02 一种移动消费群组识别的系统及方法

Country Status (1)

Country Link
CN (1) CN107220856B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11488035B2 (en) * 2017-11-08 2022-11-01 Siemens Aktiengesellschaft Method and device for machine learning in a computing unit
CN108268898A (zh) * 2018-01-19 2018-07-10 大象慧云信息技术有限公司 一种基于K-Means的电子发票用户聚类方法
CN111262795B (zh) * 2020-01-08 2024-02-06 京东科技控股股份有限公司 基于服务接口的限流方法、装置、电子设备及存储介质
JP7105843B2 (ja) * 2020-09-29 2022-07-25 楽天グループ株式会社 情報処理装置、方法及びプログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867190A (zh) * 2012-08-30 2013-01-09 南京大学 一种利用移动设备内置传感器进行行为识别的方法
CN103593349A (zh) * 2012-08-14 2014-02-19 中国科学院沈阳自动化研究所 感应网络环境下移动位置分析方法
CN103886323A (zh) * 2013-09-24 2014-06-25 清华大学 基于移动终端的行为识别方法及移动终端
CN105023020A (zh) * 2014-04-21 2015-11-04 三星电子株式会社 语义标注设备及其方法
CN105357232A (zh) * 2014-08-09 2016-02-24 星际空间（天津）科技发展有限公司 一种基于位置感知的信息推送系统、方法
CN105760837A (zh) * 2016-02-18 2016-07-13 西北工业大学 基于异构传感器的群组移动模式识别方法
CN106295675A (zh) * 2016-07-25 2017-01-04 南京邮电大学 一种高准确性的基于智能手机的行为识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593349A (zh) * 2012-08-14 2014-02-19 中国科学院沈阳自动化研究所 感应网络环境下移动位置分析方法
CN102867190A (zh) * 2012-08-30 2013-01-09 南京大学 一种利用移动设备内置传感器进行行为识别的方法
CN103886323A (zh) * 2013-09-24 2014-06-25 清华大学 基于移动终端的行为识别方法及移动终端
CN105023020A (zh) * 2014-04-21 2015-11-04 三星电子株式会社 语义标注设备及其方法
CN105357232A (zh) * 2014-08-09 2016-02-24 星际空间（天津）科技发展有限公司 一种基于位置感知的信息推送系统、方法
CN105760837A (zh) * 2016-02-18 2016-07-13 西北工业大学 基于异构传感器的群组移动模式识别方法
CN106295675A (zh) * 2016-07-25 2017-01-04 南京邮电大学 一种高准确性的基于智能手机的行为识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Na Yu,Yongjian Zhao,Qi Han,Weiping Zhu, Hejun Wu.Identification of Partitions in a Homogeneous Activity Group Using Mobile Devices.《Mobile Infonnatioii Systems》.2016, *
基于智能手机的用户行为识别技术研究与应用;胡龙;《中国优秀硕士学位论文全文数据库信息科技辑》;20160315(第3期);正文第24-58页 *

Also Published As

Publication number Publication date
CN107220856A (zh) 2017-09-29

Similar Documents

Publication Publication Date Title
US11625755B1 (en) Determining targeting information based on a predictive targeting model
WO2020187153A1 (zh) 目标检测方法、模型训练方法、装置、设备及存储介质
CN107220856B (zh) 一种移动消费群组识别的系统及方法
CN106776619B (zh) 用于确定目标对象的属性信息的方法和装置
CN105532030B (zh) 用于分析目标实体的移动的装置、系统和方法
CN106303955B (zh) 用于对无线热点和poi进行匹配的方法和装置
WO2019233258A1 (zh) 信息发送方法、装置、系统和计算机可读存储介质
JP5713249B1 (ja) マーケティングシステム及びマーケティング方法
WO2016206196A1 (zh) 用于获取用户属性信息的方法、装置及服务器
US10747991B2 (en) People stream analysis method, people stream analysis apparatus, and people stream analysis system
US20160180402A1 (en) Method for recommending products based on a user profile derived from metadata of multimedia content
CN108369652A (zh) 用于面部识别应用中的误判最小化的方法和设备
US10929913B2 (en) Systems, methods, and computer program products for intelligently processing and manipulating a subject image according to consumer data
CN107465886B (zh) 中介方法、中介装置及系统、以及记录媒体
US9788166B2 (en) Method, apparatus, and system for screening augmented reality content
CN103426003A (zh) 增强现实交互的实现方法和系统
US10510086B2 (en) Popular product analysis system
CN108734502A (zh) 一种基于用户位置的数据统计方法和系统
TW201419192A (zh) 目標客戶搜尋方法、目標客戶搜尋裝置及其記錄媒體
CN106611353A (zh) 一种获取受众的方法和服务器设备
CN108734501A (zh) 一种移动定位平台
CN103577472A (zh) 个人信息获得、推定、商品的分类、检索方法及系统
CN105765552A (zh) 用于基于情境关系来标识媒体文件的方法和装置
JP7105176B2 (ja) 機械学習装置、判定装置、プログラム及び機械学習方法
CN107004167A (zh) 公开招聘标准化和重复数据删除

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