CN107515890A - 一种识别常驻点的方法及终端 - Google Patents
一种识别常驻点的方法及终端 Download PDFInfo
- Publication number
- CN107515890A CN107515890A CN201710539843.2A CN201710539843A CN107515890A CN 107515890 A CN107515890 A CN 107515890A CN 201710539843 A CN201710539843 A CN 201710539843A CN 107515890 A CN107515890 A CN 107515890A
- Authority
- CN
- China
- Prior art keywords
- location information
- cluster centre
- history
- information
- terminal
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例公开了一种识别常驻点的方法及终端,其中方法包括:获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;根据所述数目以及所述历史定位信息确定聚类中心;根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;根据所述目标子类对应的聚类中心确定常驻点的位置信息。本发明实施例通过用户终端分析用户的历史定位信息从而识别出常驻点,识别常驻点的流程均在用户终端内进行,能够防止泄露用户的历史定位信息,提高历史定位信息的数据安全性,更好地保护用户隐私。
Description
技术领域
本发明涉及电子技术领域,尤其涉及一种识别常驻点的方法及终端。
背景技术
随着电信行业业务的快速发展,客户服务逐步由线上服务向线下服务延伸,因此需要确定当前客户常驻位置的准确信息,为客户提供持续的强化服务。
现有技术提供了一种识别常驻点的方法:基于大数据技术,通过网关收集终端的用户数据,服务器分析获取到的用户数据,并从中提取用户地理位置信息,以按照时间段对获取到的用户地理位置信息进行分析,从而确定用户常驻点。其中,常驻点为用户停留的时长大于预设时间阈值(如30分钟~1小时,但并不限于此)的地点,如,家、公司等。
然而,现有技术中识别常驻点的方法,可能导致用户数据外泄,无法保证用户隐私。
发明内容
本发明实施例提供一种识别常驻点的方法及终端,能够在保证用户隐私的前提下,识别出常驻点,提高隐私数据的安全性。
第一方面,本发明实施例提供了一种识别常驻点的方法,该方法包括:
获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;
根据所述数目以及所述历史定位信息确定聚类中心;
根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;
根据所述目标子类对应的聚类中心确定常驻点的位置信息。
另一方面,本发明实施例提供了一种终端,该终端包括:
第一获取单元,用于获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;
第一确定单元,用于根据所述数目以及所述历史定位信息确定聚类中心;
第二确定单元,用于根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;
识别单元,用于根据所述目标子类对应的聚类中心确定常驻点的位置信息。
第三方面,本发明实施例提供了另一种终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储支持终端执行上述方法的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本发明实施例通过获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;根据所述数目以及所述历史定位信息确定聚类中心;根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;根据目标子类对应的聚类中心确定常驻点的位置信息。通过用户终端分析用户的历史定位信息从而识别出常驻点,识别常驻点的流程均在用户终端内进行,而不是像现有技术中采用如服务器的非用户终端分析用户的历史定位信息,能够防止泄露用户的历史定位信息,提高历史定位信息的数据安全性,更好地保护用户隐私。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种识别常驻点的方法的示意流程图;
图2本发明另一实施例提供的一种识别常驻点的方法的示意流程图;
图3是本发明实施例提供的一种常驻点的示意图;
图4是本发明另一实施例提供的一种常驻点的示意图;
图5是本发明实施例提供的一种终端的示意性框图;
图6是本发明另一实施例提供的一种终端示意性框图;
图7是本发明再一实施例提供的一种终端示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本发明实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,所述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
请参见图1,图1是本发明实施例提供的一种识别常驻点的方法的示意流程图。本实施例中识别常驻点的方法的执行主体为终端。终端可以为手机、平板电脑、可穿戴设备或笔记本电脑等移动终端,但并不限于此,还可以为其他终端。如图1所示的识别常驻点的方法可包括以下步骤:
S101:获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息。
终端可以获取,用户在交互界面输入的需要识别出的常驻点的数目,也可以获取预先设置的需要识别出的常驻点的数目。历史定位信息为终端在获取需要识别出的常驻点的数目对应的时刻之前,获取到的定位信息。终端可以获取预设时间段内的历史定位信息。预设时间段可以是一天、一周或一个月等,具体可根据实际需要设置。历史定位信息包括多个数据点,每个数据点对应一个位置信息。
定位信息可以是终端通过全球定位系统(Global Positioning System,GPS)对终端进行定位得到的GPS信息,但并不限于此,还可以是通过其他定位方式获取到的定位信息,此处不做限制。定位信息包括多个地理位置信息,地理位置信息包括每个位置对应的经度信息以及纬度信息。
例如,终端获取到的需要识别出的常驻点的数目为K,K为大于或等于1的整数,获取到的历史定位信息对应的数据集X={x1,x2,……,xi,……xn},其中,数据集X包括n个向量,1≤i≤n,n表示数据长度,n为大于或等于3的正整数,数据集的个数可根据实际情况设置或获取,xi=(loni,lati),loni表示第i组(或第i个位置)的经度值,lati表示第i组(或第i个位置)的纬度值。
S102:根据所述数目以及所述历史定位信息确定聚类中心。
终端根据需要识别出的常驻点的数目以及获取到的历史定位信息,采用预设的聚类算法确定方法确定聚类中心。确定的聚类中心的数目可以为一个,也可以为至少两个。确定的聚类中心的数目可以与需要识别出的常驻点的数目相同,也可以不同,此处不做限制。当确定的聚类中心的数目可以与需要识别出的常驻点的数目不同时,终端提示用户是否根据确定的聚类中心的数目修改需要识别出的常驻点的数目,以使其匹配。
预设的聚类算法可以是随机产生方法,也可以是均匀产生方法,但并不限于此,终端还可以采用其他聚类算法(例如,高斯混合模型或隐马尔科夫模型等)确定聚类中心。下面以需要识别出的常驻点的数目为K,产生K个初始聚类中心为例进行说明。具体如下:
随机产生方式:cj=xmin+randj*(xmax-xmin);cj表示第j个聚类中心,j为正整数,且1≤j≤K,xmin表示历史定位信息对应的数据集X中取值最小的xi,randj表示随机数j,0<randj<1,xmax表示历史定位信息对应的数据集X中取值最大的xi。
均匀产生方式:
cj=0.5((xmin+(j-1)*x)+(xmin+j*x)),其中,x=(xmax-xmin)/K,mean表示求均值。
S103:根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类。
其中,当确定的聚类中心只有一个时,终端确定历史定位信息均属于同一目标子类,该目标子类对应唯一的聚类中心。
当确定的聚类中心的数目为至少两个时,终端可以将历史定位信息对应的数据集X中的数据点xi依次与聚类中心各自对应的地理位置信息对应的地理位置信息进行比较,从而依次确定xi所属的目标子类,从而对历史定位信息进行分类。其中,1≤i≤n,此时n大于1的正整数。终端可以采用最接近原则确定历史定位信息中每个数据点所属的目标子类,也可以计算历史定位信息中每个数据点与每个聚类中心对应的距离值,根据计算得到的距离值确定历史定位信息中每个数据点所属的目标子类。当xi与聚类中心之间的距离大于预设距离阈值时,可以将xi识别为无效数据。
假设,终端得到K个聚类中心(K个子类,K大于1),每个聚类中心对应一个子类,其中,当比较结果为xi最接近K个子类中第1个子类的聚类中心时,终端则识别为xi属于第一个子类,此时第一个子类为xi所属的目标子类。
S104:根据所述目标子类对应的聚类中心确定常驻点的位置信息。
其中,当终端确定的聚类中心为一个时,终端识别出的常驻点为一个,终端将该唯一的聚类中心的位置信息识别为该唯一常驻点的位置信息。
当终端确定的聚类中心的数目为至少两个时,终端在确定历史定位信息中每个数据点所属的目标子类,以对历史定位信息进行分类时,根据每个目标子类对应的聚类中心的信息识别出每个目标子类对应的常驻点,并根据每个目标子类对应的聚类中心的位置信息确定每个常驻点的位置信息。
例如,历史定位信息对应的数据集X中的x1,x2,x5,x7,x10,x12,x13所属的目标子类为第一子类,x1,x2,x5,x7,x10,x12,x13对应第一常驻点,第一子类对应的聚类中心c1的地理位置信息为第一常驻点的位置信息。
历史定位信息对应的数据集X中的x3,x4,x6,x8,x9,x11,x14所属的目标子类为第二子类,x3,x4,x6,x8,x9,x11,x14对应第二常驻点,第二子类对应的聚类中心c2的地理位置信息为第二常驻点的位置信息。
上述方案,终端获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;根据所述数目以及所述历史定位信息确定聚类中心;根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;根据所述目标子类对应的聚类中心确定常驻点的位置信息。通过用户终端分析用户的历史定位信息从而识别出常驻点,识别常驻点的流程均在用户终端内进行,而不是像现有技术中采用如服务器的非用户终端分析用户的历史定位信息,能够防止泄露用户的历史定位信息,提高历史定位信息的数据安全性,更好地保护用户隐私。
请参见图2,图2是本发明另一实施例提供的一种识别常驻点的方法的示意流程图。本实施例中识别常驻点的方法的执行主体为终端。终端可以为手机、平板电脑、可穿戴设备或笔记本电脑等移动终端,但并不限于此,还可以为其他终端。如图2所示的识别常驻点的方法可包括以下步骤:
S201:获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息。
本实施例中S201与上一实施例中的S101相同,具体请参阅上一实施例中S101的相关描述,此处不赘述。
可选地,历史定位信息还包括时间信息,历史定位信息中每个历史地理位置信息(即每个数据点)与时间信息一一对应。
S202:根据所述数目以及所述历史定位信息确定聚类中心。
本实施例中S202与上一实施例中的S102相同,具体请参阅上一实施例中S102的相关描述,此处不赘述。
S203:根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类。
其中,当确定的聚类中心只有一个时,终端确定历史定位信息均属于同一目标子类,该目标子类对应唯一的聚类中心。
当确定的聚类中心的数目为至少两个时,终端可以将历史定位信息对应的数据集X中的数据点xi依次与聚类中心各自对应的地理位置信息对应的地理位置信息进行比较,从而依次确定xi所属的目标子类,从而对历史定位信息进行分类。其中,1≤i≤n,此时n大于1的正整数。终端可以采用最接近原则确定历史定位信息中每个数据点所属的目标子类,也可以计算历史定位信息中每个数据点与每个聚类中心对应的距离值,根据计算得到的距离值确定历史定位信息中每个数据点所属的目标子类。当xi与聚类中心之间的距离大于预设距离阈值时,可以将xi识别为无效数据。
假设,终端得到K个聚类中心(K个子类,K大于1),每个聚类中心对应一个子类,其中,当比较结果为xi最接近K个子类中第1个子类的聚类中心时,终端则识别为xi属于第一个子类,此时第一个子类为xi所属的目标子类。
进一步地,若所述聚类中心的数目为至少两个,S203可以包括S2031~S2032。
S2031:根据所述历史定位信息以及所述地理位置信息,计算所述历史定位信息中每个数据点与每个所述聚类中心对应的距离值。
终端可以采用大圆距离公式或Haversine公式分布计算历史定位信息对应的数据集X={x1,x2,……xn}到聚类中心{c1,c2,……cK}的距离,记为D。即终端分别计算数据点xi到c1,c2,……cK之间的距离值,得到xi对应的K个距离值。其中,1≤i≤n,此时n大于1的正整数。
第1个数据点x1对应的距离值有:D11,D12,D13,…,D1j,…,D1k;第i个数据点xi对应的距离值有:Di1,Di2,Di3,…,Dij,…,Dik。
其中,大圆距离公式:Δx=cosαjcosβj-cosαicosβi,Δy=cosαjsinβj-cosαicosβi,Δz=sinαj-sinαi,
Haversine公式如下:
其中,Dij表示第i个数据点xi到第j个聚类中心的距离值,1≤i≤n,1≤j≤K,αi表示第i个数据点(xi)的纬度弧度值,αj表示第j个聚类中心的纬度弧度值,为第个数据点,βi为第i个数据点的经度弧度值,βj为第j个聚类中心的经度弧度值,R为地球半径。αi=π*lati值/180,βi=π*loni第个数据点/180。
S2032:根据所述距离值确定所述每个数据点所属的目标子类。
终端在计算得到历史定位信息对应的数据集X中每个数据点分别到每个聚类中心的距离值时,根据该距离值的大小,将数据集X中的数据点划分到对应的目标子类。其中,第i个数据点xi所属的类k(xi)=index(min1≤j≤KDij),index(min1≤j≤KDij)表示从Di1,Di2,Di3,…,Dij,…,Dik中,选择最小的距离值,并将该最小的距离值所对应的聚类中心所属的子类识别为目标子类。
假设,第i个数据点xi对应的距离值有:Di1,Di2,Di3,…,Dij,…,Dik,其中,Di3对应的距离值最小,那么终端识别为第i个数据点xi所属的目标子类为第三子类,第三子类为第三聚类中心对应的子类。
可选地,当定位信息还包括时间信息时,终端还可以在根据历史定位信息中包含的历史地理位置信息确定目标子类时,还可以根据目标子类所包括的历史定位信息中包含的时间信息,确定每个目标子类对应的时间段。
S204:根据所述目标子类对应的聚类中心确定常驻点的位置信息。
其中,当终端确定的聚类中心为一个时,终端识别出的常驻点为一个,终端将该唯一的聚类中心的位置信息识别为该唯一常驻点的位置信息。
当终端确定的聚类中心的数目为至少两个时,终端在确定历史定位信息中每个数据点所属的目标子类,以对历史定位信息进行分类时,根据每个目标子类对应的聚类中心的信息识别出每个目标子类对应的常驻点,并根据每个目标子类对应的聚类中心的位置信息确定每个常驻点的位置信息。
例如,历史定位信息对应的数据集X中的x1,x2,x5,x7,x10,x12,x13所属的目标子类为第一子类,x1,x2,x5,x7,x10,x12,x13对应第一常驻点,第一子类对应的聚类中心c1的地理位置信息为第一常驻点的位置信息。
历史定位信息对应的数据集X中的x3,x4,x6,x8,x9,x11,x14所属的目标子类为第二子类,x3,x4,x6,x8,x9,x11,x14对应第二常驻点,第二子类对应的聚类中心c2的地理位置信息为第二常驻点的位置信息。
进一步地,识别常驻点的方法还可以包括S205:根据所述时间信息确定所述常驻点的属性;其中,所述属性包括家或办公室。
具体地,终端可根据历史定位信息中包含的时间信息确定每个常驻点对应的时间段,该时间段由每个常驻点包含的每个数据点(xi)各自对应的时间信息得到。
终端在确定每个常驻点对应的时间段时,可以进一步确定每个常驻点的属性。每个常驻点对应的时间段用于识别常驻点的属性,属性为家或办公室,但并不限于此。
例如,第一常驻点对应的时间段为:00:01:17-07:59:48,19:13:20-23:52:57,第一常驻点的属性为“家”;第二常驻点对应的时间段为:08:03:34-21:06:54,00:08:36-19:11:46,第二常驻点的属性为“公司”。
请一并参阅图3、图4,图3是本发明实施例提供的一种常驻点的示意图;图4是本发明另一实施例提供的一种常驻点的示意图。
图3示出了,终端根据用户2017年3月14日的GPS信息,随机产生2个初始聚类中心,通过大圆距离公式计算各GPS位置到聚类中心的距离值,然后采用中值方式更新目标子类的聚类中心,得到的2个常驻点(A、B)的位置信息。图3中,终端结合GPS信息对应的时间信息,可以推断出常驻点A为用户家,推断出常驻点B为用户公司。用户家位于[116.162,39.9305],且在家的时段为19:13:20-23:52:57,共计4.66031h;公司位于[116.304,39.9834],且在公司的时段为00:08:36-19:11:46,共计19.0529h。
图4示出了,终端根据用户2017年3月15日的GPS信息,随机产生2个初始聚类中心,通过大圆距离公式计算各GPS位置到聚类中心的距离值,然后采用中值方式更新目标子类的聚类中心,得到的2个常驻点(A、B)的位置信息。图4中,终端结合GPS信息对应的时间信息,可以推断出常驻点A为用户家,推断出常驻点B为用户公司。用户家位于[116.161,39.9305],且在家的时段为00:01:17-07:59:48,共计7.97518h;公司位于[116.307,39.983],且在公司的时段为08:03:34-21:06:54,共计13.0557h。
可选地,识别常驻点的方法还可以包括S206~S207。S206~S207用于更新聚类中心,以修正随机产生方式或均匀产生方式确定的聚类中心,减小聚类误差。
S206:若所述聚类中心的数目为至少两个,根据每个目标子类包含的历史定位信息更新所述每个目标子类对应的聚类中心。
假定目标子类为第j子类,第j子类包含nj个数据,1≤nj≤n,n为大于1的正整数,则计算第j子类对应的平均值或者计算第j子类对应的中值,将平均值或中值作为第j子类新的聚类中心。
其中,当nj为奇数(2n+1)时,第j子类对应的中值为处于最中间(n)的值;当nj为偶数时,第j子类对应的中值为处于最中间的两个值的平均值。例如,当nj=2n+1,中值为第n+1个数据所对应的值,比如,nj=2n+1=11时,中值为第6个数据所对应的值。当nj=2n,中值为第n个数据所对应的值与第(n+1)个数据所对应的值之间的平均值,比如,当nj=2n=10时,中值为第5个数据所对应的值以及第6个数据所对应的值所对应的平均值。
例如,假设目标子类(第一子类)包含的历史定位信息为数据集X中的x1,x2,x5,x7,x10,x12,x13,终端计算数据集(x1,x2,x5,x7,x10,x12,x13)的平均值,即,平均值cj=mean(x1,x2,x5,x7,x10,x12,x13);或者计算数据集(x1,x2,x5,x7,x10,x12,x13)的中值,此时该数据集的中值为x10。
S207:根据所述每个目标子类对应的更新后的聚类中心更新所述每个常驻点的位置信息。
当目标子类为第j子类,终端在得到第j子类对应的新的聚类中心时,终端计算第j子类对应的新的聚类中心到第j子类中各个数据的距离值,如果各数据到该新的聚类中心的距离值之和小于各数据到第j子类对应的初始聚类中心(S2031中计算得到的第j子类的聚类中心)的距离值之和,将第j子类对应的聚类中心由初始聚类中心更新为新的聚类中心,并将该新的聚类中心作为第j个常驻点的地理位置;如果各数据到该新的聚类中心的距离值之和大于各数据到第j子类对应的初始聚类中心的距离值之和,保留第j子类对应的初始聚类中心,不更新常驻点的位置信息,此时,第j个常驻点对应的位置信息还是第j子类对应的初始聚类中心所对应的位置信息。
进一步地,终端在执行S207后还可以返回S203,并在再次执行S206时检测本次得到的新的聚类中心与上一次得到的新的聚类中心是否相同,即检测相邻两个新的聚类中心是否相同。终端在检测到相邻两个新的聚类中心相同时,执行S208,终端在检测到相邻两个新的聚类中心不相同时,继续执行S207,并在执行S207之后返回S203进入下一循环,直到检测到相邻两个新的聚类中心相同,或循环次数大于或等于预设迭代阈值时,跳出循环,执行S208。当循环次数大于或等于预设迭代阈值时,识别为历史定位信息有偏差或历史定位信息存在异常的数据,预设迭代阈值可以为500次,但并不限于此,具体可根据时间情况进行设置,此处不做限制。
可选地,识别常驻点的方法还可以包括S208~S210,具体如下:
S208:获取当前的定位信息。
终端获取自身当前的定位信息,定位信息包括位置信息以及获取该位置信息对应的时间信息。
S209:确定所述当前的定位信息对应的目标常驻点。
当终端确定的聚类中心只有一个,确定的常驻点只有一个时,比较当前的定位信息与唯一的常驻点的位置信息,从而确定当前是否处于唯一的常驻点。唯一的常驻点的位置信息即为唯一的聚类中心对应的位置信息。
当终端确定的聚类中心的数目为至少两个时,确定的常驻点为至少两个。终端根据当前的定位信息以及至少两个聚类中心各自对应的地理位置信息,计算当前的定位信息与每个聚类中心对应的距离值,根据计算得到的所有距离值确定当前的定位信息所属的目标子类,根据目标子类对应的聚类中心确定目标常驻点及其位置信息。终端确定目标常驻点的方法具体可参照S2031、S2032以及S204中的具体描述,此处不赘述。
S210:根据所述目标常驻点的属性以及用户的行为习惯信息,提供与所述目标常驻点的属性相匹配的服务。
终端在确定目标常驻点时,得到目标常驻点的位置信息,根据目标常驻点的属性以及用户的行为习惯信息,提供与目标常驻点的属性相匹配的服务,例如,帮用户完成一些冗余或固定操作,智能给用户推荐相关、有价值的建议。用户的行为习惯信息可以是终端学习和推测用户在这些常驻点的操控终端的信息得到,也可以是用户预先输入,或通过其他方式获取,此处不做限制。
提供与目标常驻点的属性相匹配的服务可以是将终端的工作模式设置为与目标常驻点的属性相匹配的模式,比如,在当前模式下开启或关闭一些应用程序App等。与目标常驻点的属性相匹配的模式可根据用户的行为习惯信息预先设置。
提供与目标常驻点的属性相匹配的服务可以是根据目标常驻点的属性、位置推送用户可能感兴趣或需要的信息,比如,当目标常驻点的属性为公司,终端可以推送与用户工作相关的服务等。
上述方案,终端获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;根据所述数目以及所述历史定位信息确定聚类中心;根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;根据所述目标子类对应的聚类中心确定常驻点的位置信息。通过用户终端分析用户的历史定位信息从而识别出常驻点,识别常驻点的流程均在用户终端内进行,而不是像现有技术中采用如服务器的非用户终端分析用户的历史定位信息,能够防止泄露用户的历史定位信息,提高历史定位信息的数据安全性,更好地保护用户隐私。
终端通过基于距离的聚类算法对历史定位信息进行聚类,只需计算各地理位置到中心位置之间的距离,减少计算量,提升计算效率。
终端可直接从历史定位信息出发确定常驻点,然后结合时间信息确定常驻点属性,实现简单,适用性更广。
终端通过更新聚类中心,以修正随机产生方式或均匀产生方式确定的聚类中心,减小聚类误差,提高识别常驻点的准确度。
终端根据目标常驻点的属性以及用户的行为习惯信息,提供与目标常驻点的属性相匹配的服务,能够自动帮用户完成一些冗余或固定操作,智能给用户推荐相关、有价值的建议,提高终端的智能化水平,给用户带来便利。
参见图5,图5是本发明实施例提供的一种终端的示意性框图。终端可以为手机、平板电脑等移动终端,但并不限于此,还可以为其他终端,此处不做限制。本实施例的终端5包括的各单元用于执行图1对应的实施例中的各步骤,具体请参阅图1以及图1对应的实施例中的相关描述,此处不赘述。本实施例的终端包括:第一获取单元510、第一确定单元520、第二确定单元530以及识别单元540。
第一获取单元510用于获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息。
第一确定单元520用于根据所述数目以及所述历史定位信息确定聚类中心。
第二确定单元530用于根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类。
识别单元540用于根据所述目标子类对应的聚类中心确定常驻点的位置信息。
上述方案,终端获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;根据所述数目以及所述历史定位信息确定聚类中心;根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;根据所述目标子类对应的聚类中心确定常驻点的位置信息。通过用户终端分析用户的历史定位信息从而识别出常驻点,识别常驻点的流程均在用户终端内进行,而不是像现有技术中采用如服务器的非用户终端分析用户的历史定位信息,能够防止泄露用户的历史定位信息,提高历史定位信息的数据安全性,更好地保护用户隐私。
参见图6,图6是本发明另一实施例提供的一种终端的示意性框图。终端可以为手机、平板电脑等移动终端,但并不限于此,还可以为其他终端,此处不做限制。本实施例的终端6包括的各单元用于执行图2对应的实施例中的各步骤,具体请参阅图2以及图2对应的实施例中的相关描述,此处不赘述。本实施例的终端包括:第一获取单元601、第一确定单元602、第二确定单元603、识别单元604、属性确定单元605;当聚类中心的数目为至少两个时,终端还包括聚类中心更新单元606以及位置信息更新单元607;终端还可以包括第二获取单元608、第三确定单元609以及匹配单元610。
第一获取单元601用于获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息。
第一确定单元602用于根据所述数目以及所述历史定位信息确定聚类中心。
第二确定单元603用于根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类。
进一步地,若所述聚类中心的数目为至少两个,第二确定单元603具体用于:根据所述历史定位信息以及所述地理位置信息,计算所述历史定位信息中每个数据点与每个所述聚类中心对应的距离值;根据所述距离值确定所述每个数据点所属的目标子类。
识别单元604用于根据目标子类对应的聚类中心确定常驻点的位置信息。
属性确定单元605用于根据所述时间信息确定所述每个常驻点的属性;其中,所述属性包括家或办公室。
当聚类中心的数目为至少两个,终端还包括聚类中心更新单元606以及位置信息更新单元607时:
聚类中心更新单元606用于根据每个目标子类包含的历史定位信息更新所述每个目标子类对应的聚类中心。
位置信息更新单元607用于根据所述每个目标子类对应的更新后的聚类中心更新所述每个常驻点的位置信息。
第二获取单元608用于获取当前的定位信息。
第三确定单元609用于确定所述当前的定位信息对应的目标常驻点。
匹配单元610用于根据所述目标常驻点的属性以及用户的行为习惯信息,提供与所述目标常驻点的属性相匹配的服务。
上述方案,终端获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;根据所述数目以及所述历史定位信息确定聚类中心;根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;根据所述目标子类对应的聚类中心确定常驻点的位置信息。通过用户终端分析用户的历史定位信息从而识别出常驻点,识别常驻点的流程均在用户终端内进行,而不是像现有技术中采用如服务器的非用户终端分析用户的历史定位信息,能够防止泄露用户的历史定位信息,提高历史定位信息的数据安全性,更好地保护用户隐私。
终端通过基于距离的聚类算法对历史定位信息进行聚类,只需计算各地理位置到中心位置之间的距离,减少计算量,提升计算效率。
终端可直接从历史定位信息出发确定常驻点,然后结合时间信息确定常驻点属性,实现简单,适用性更广。
终端通过更新聚类中心,以修正随机产生方式或均匀产生方式确定的聚类中心,减小聚类误差,提高识别常驻点的准确度。
终端根据目标常驻点的属性以及用户的行为习惯信息,提供与目标常驻点的属性相匹配的服务,能够自动帮用户完成一些冗余或固定操作,智能给用户推荐相关、有价值的建议,提高终端的智能化水平,给用户带来便利。
参见图7,图7是本发明再一实施例提供的一种终端示意框图。如图所示的本实施例中的终端7可以包括:一个或多个处理器701;一个或多个输入设备702,一个或多个输出设备703和存储器704。上述处理器701、输入设备702、输出设备703和存储器704通过总线705连接。存储器702用于存储计算机程序,所述计算机程序包括程序指令,处理器701用于执行存储器702存储的程序指令。其中,处理器701被配置用于调用所述程序指令执行:
获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;
根据所述数目以及所述历史定位信息确定聚类中心;
根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;
根据目标子类对应的聚类中心确定常驻点的位置信息。
可选地,若所述聚类中心的数目为至少两个,处理器701还用于:根据每个目标子类包含的历史定位信息更新所述每个目标子类对应的聚类中心;根据所述每个目标子类对应的更新后的聚类中心更新所述每个常驻点的位置信息。
可选地,若所述聚类中心的数目为至少两个,处理器701具体用于:根据所述历史定位信息以及所述地理位置信息,计算所述历史定位信息中每个数据点与每个所述聚类中心对应的距离值;根据所述距离值确定所述每个数据点所属的目标子类。
可选地,所述历史定位信息还包括时间信息,处理器701还用于:根据所述时间信息确定所述常驻点的属性;其中,所述属性包括家或办公室。
可选地,处理器701还用于:获取当前的定位信息;确定所述当前的定位信息对应的目标常驻点;根据所述目标常驻点的属性以及用户的行为习惯信息,提供与所述目标常驻点的属性相匹配的服务。
应当理解,在本发明实施例中,所称处理器701可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备702可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出设备703可以包括显示器(LCD等)、扬声器等。
该存储器704可以包括只读存储器和随机存取存储器,并向处理器701提供指令和数据。存储器704的一部分还可以包括非易失性随机存取存储器。例如,存储器704还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器701、输入设备702、输出设备703可执行本发明实施例提供的识别常驻点的方法的第一实施例和第二实施例中所描述的实现方式,也可执行本发明实施例所描述的终端的实现方式,在此不再赘述。
进一步地,在本发明的另一实施例中提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:
获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;
根据所述数目以及所述历史定位信息确定聚类中心;
根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;
根据所述目标子类对应的聚类中心确定常驻点的位置信息。
可选地,若所述聚类中心的数目为至少两个,所述计算机程序被处理器执行时还可以实现:根据每个目标子类包含的历史定位信息更新所述每个目标子类对应的聚类中心;根据所述每个目标子类对应的更新后的聚类中心更新所述每个常驻点的位置信息。
可选地,若所述聚类中心的数目为至少两个,所述计算机程序被处理器执行时具体可以实现:根据所述历史定位信息以及所述地理位置信息,计算所述历史定位信息中每个数据点与每个所述聚类中心对应的距离值;根据所述距离值确定所述每个数据点所属的目标子类。
可选地,所述计算机程序被处理器执行时还可以实现:根据所述时间信息确定所述常驻点的属性;其中,所述属性包括家或办公室。
可选地,所述计算机程序被处理器执行时还可以实现:获取当前的定位信息;确定所述当前的定位信息对应的目标常驻点;根据所述目标常驻点的属性以及用户的行为习惯信息,提供与所述目标常驻点的属性相匹配的服务。
所述计算机可读存储介质可以是前述任一实施例所述的终端7的内部存储单元,例如终端7的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种识别常驻点的方法,其特征在于,包括:
获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;
根据所述数目以及所述历史定位信息确定聚类中心;
根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;
根据所述目标子类对应的聚类中心确定常驻点的位置信息。
2.根据权利要求1所述的方法,其特征在于,若所述聚类中心的数目为至少两个,所述方法还包括:
根据每个目标子类包含的历史定位信息更新所述每个目标子类对应的聚类中心;
根据所述每个目标子类对应的更新后的聚类中心更新所述每个常驻点的位置信息。
3.根据权利要求1或2所述的方法,其特征在于,若所述聚类中心的数目为至少两个,所述根据所述历史定位信息以及所述聚类中心各自对应的地理位置信息,确定所述历史定位信息所属的目标子类,包括:
根据所述历史定位信息以及所述地理位置信息,计算所述历史定位信息中每个数据点与每个所述聚类中心对应的距离值;
根据所述距离值确定所述每个数据点所属的目标子类。
4.根据权利要求1或2所述的方法,其特征在于,所述历史定位信息还包括时间信息,所述方法还包括:
根据所述时间信息确定所述常驻点的属性;其中,所述属性包括家或办公室。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取当前的定位信息;
确定所述当前的定位信息对应的目标常驻点;
根据所述目标常驻点的属性以及用户的行为习惯信息,提供与所述目标常驻点的属性相匹配的服务。
6.一种终端,其特征在于,包括:
第一获取单元,用于获取需要识别出的常驻点的数目以及获取历史定位信息;其中,所述历史定位信息包括历史地理位置信息;
第一确定单元,用于根据所述数目以及所述历史定位信息确定聚类中心;
第二确定单元,用于根据所述历史定位信息以及所述聚类中心对应的地理位置信息,确定所述历史定位信息所属的目标子类;
识别单元,用于根据所述目标子类对应的聚类中心确定常驻点的位置信息。
7.根据权利要求6所述的终端,其特征在于,若所述聚类中心的数目为至少两个,所述终端还包括:
聚类中心更新单元,用于根据每个目标子类包含的历史定位信息更新所述每个目标子类对应的聚类中心;
位置信息更新单元,用于根据所述每个目标子类对应的更新后的聚类中心更新所述每个常驻点的位置信息。
8.根据权利要求6或7所述的终端,其特征在于,所述终端还包括:
属性确定单元,用于根据所述时间信息确定所述常驻点的属性;其中,所述属性包括家或办公室;
第二获取单元,用于获取当前的定位信息;
第三确定单元,用于确定所述当前的定位信息对应的目标常驻点;
匹配单元,用于根据所述目标常驻点的属性以及用户的行为习惯信息,提供与所述目标常驻点的属性相匹配的服务。
9.一种终端,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-5任一项的所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项的所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710539843.2A CN107515890A (zh) | 2017-07-04 | 2017-07-04 | 一种识别常驻点的方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710539843.2A CN107515890A (zh) | 2017-07-04 | 2017-07-04 | 一种识别常驻点的方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107515890A true CN107515890A (zh) | 2017-12-26 |
Family
ID=60722213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710539843.2A Withdrawn CN107515890A (zh) | 2017-07-04 | 2017-07-04 | 一种识别常驻点的方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107515890A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122012A (zh) * | 2017-12-28 | 2018-06-05 | 百度在线网络技术(北京)有限公司 | 常驻点中心点的确定方法、装置、设备及存储介质 |
CN108376155A (zh) * | 2018-02-07 | 2018-08-07 | 链家网(北京)科技有限公司 | 一种地理位置信息确定方法及装置 |
CN109086323A (zh) * | 2018-06-28 | 2018-12-25 | 上海中通吉网络技术有限公司 | 用户家庭和工作地址的确定方法和系统 |
CN109672715A (zh) * | 2018-09-13 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 用户常驻地判断方法、装置、设备及计算机可读存储介质 |
CN110198519A (zh) * | 2019-06-26 | 2019-09-03 | 阿里巴巴集团控股有限公司 | 网络接入点的位置估计方法与装置 |
CN110213714A (zh) * | 2019-05-10 | 2019-09-06 | 中国联合网络通信集团有限公司 | 终端定位的方法及装置 |
CN111182129A (zh) * | 2018-12-17 | 2020-05-19 | 深圳恒芸生泰科技有限公司 | 一种目标位置的确定方法、装置和存储介质 |
CN111212383A (zh) * | 2018-11-01 | 2020-05-29 | 百度在线网络技术(北京)有限公司 | 区域常住人口数量的确定方法、装置、服务器和介质 |
CN111866727A (zh) * | 2018-10-09 | 2020-10-30 | 江苏满运软件科技有限公司 | 司机聚集点的展示方法、装置、电子设备、存储介质 |
CN111859178A (zh) * | 2020-04-22 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种推荐上车点的方法和系统 |
CN111861526A (zh) * | 2019-04-30 | 2020-10-30 | 京东城市(南京)科技有限公司 | 一种分析对象来源的方法和装置 |
CN112423233A (zh) * | 2020-08-31 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、计算机设备以及存储介质 |
CN112800253A (zh) * | 2021-04-09 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 数据聚类方法、相关设备及存储介质 |
CN113688197A (zh) * | 2021-08-26 | 2021-11-23 | 沈阳美行科技有限公司 | 一种常驻点标签确定方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252527A (zh) * | 2014-09-02 | 2014-12-31 | 百度在线网络技术(北京)有限公司 | 一种确定移动用户的常驻点信息的方法和装置 |
CN105243396A (zh) * | 2015-11-06 | 2016-01-13 | 百度在线网络技术(北京)有限公司 | 用户位置信息生成方法和装置 |
CN105718460A (zh) * | 2014-12-02 | 2016-06-29 | 北京四维图新科技股份有限公司 | 一种基于历史定位信息的数据挖掘方法及装置 |
CN106780064A (zh) * | 2016-12-02 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 一种区域划分方法、装置及网络设备 |
-
2017
- 2017-07-04 CN CN201710539843.2A patent/CN107515890A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252527A (zh) * | 2014-09-02 | 2014-12-31 | 百度在线网络技术(北京)有限公司 | 一种确定移动用户的常驻点信息的方法和装置 |
CN105718460A (zh) * | 2014-12-02 | 2016-06-29 | 北京四维图新科技股份有限公司 | 一种基于历史定位信息的数据挖掘方法及装置 |
CN105243396A (zh) * | 2015-11-06 | 2016-01-13 | 百度在线网络技术(北京)有限公司 | 用户位置信息生成方法和装置 |
CN106780064A (zh) * | 2016-12-02 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 一种区域划分方法、装置及网络设备 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122012A (zh) * | 2017-12-28 | 2018-06-05 | 百度在线网络技术(北京)有限公司 | 常驻点中心点的确定方法、装置、设备及存储介质 |
CN108376155A (zh) * | 2018-02-07 | 2018-08-07 | 链家网(北京)科技有限公司 | 一种地理位置信息确定方法及装置 |
CN109086323A (zh) * | 2018-06-28 | 2018-12-25 | 上海中通吉网络技术有限公司 | 用户家庭和工作地址的确定方法和系统 |
CN109672715A (zh) * | 2018-09-13 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 用户常驻地判断方法、装置、设备及计算机可读存储介质 |
CN111866727B (zh) * | 2018-10-09 | 2024-03-29 | 江苏满运软件科技有限公司 | 司机聚集点的展示方法、装置、电子设备、存储介质 |
CN111866727A (zh) * | 2018-10-09 | 2020-10-30 | 江苏满运软件科技有限公司 | 司机聚集点的展示方法、装置、电子设备、存储介质 |
CN111212383A (zh) * | 2018-11-01 | 2020-05-29 | 百度在线网络技术(北京)有限公司 | 区域常住人口数量的确定方法、装置、服务器和介质 |
CN111182129A (zh) * | 2018-12-17 | 2020-05-19 | 深圳恒芸生泰科技有限公司 | 一种目标位置的确定方法、装置和存储介质 |
CN111182129B (zh) * | 2018-12-17 | 2020-12-25 | 深圳恒芸生泰科技有限公司 | 一种目标位置的确定方法、装置和存储介质 |
CN111861526A (zh) * | 2019-04-30 | 2020-10-30 | 京东城市(南京)科技有限公司 | 一种分析对象来源的方法和装置 |
CN111861526B (zh) * | 2019-04-30 | 2024-05-21 | 京东城市(南京)科技有限公司 | 一种分析对象来源的方法和装置 |
CN110213714B (zh) * | 2019-05-10 | 2020-08-14 | 中国联合网络通信集团有限公司 | 终端定位的方法及装置 |
CN110213714A (zh) * | 2019-05-10 | 2019-09-06 | 中国联合网络通信集团有限公司 | 终端定位的方法及装置 |
CN110198519A (zh) * | 2019-06-26 | 2019-09-03 | 阿里巴巴集团控股有限公司 | 网络接入点的位置估计方法与装置 |
CN111859178A (zh) * | 2020-04-22 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种推荐上车点的方法和系统 |
CN111859178B (zh) * | 2020-04-22 | 2024-04-09 | 北京嘀嘀无限科技发展有限公司 | 一种推荐上车点的方法和系统 |
CN112423233A (zh) * | 2020-08-31 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、计算机设备以及存储介质 |
CN112800253A (zh) * | 2021-04-09 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 数据聚类方法、相关设备及存储介质 |
CN113688197A (zh) * | 2021-08-26 | 2021-11-23 | 沈阳美行科技有限公司 | 一种常驻点标签确定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107515890A (zh) | 一种识别常驻点的方法及终端 | |
CN110297912A (zh) | 欺诈识别方法、装置、设备及计算机可读存储介质 | |
CN107729532A (zh) | 一种简历匹配方法及计算设备 | |
CN109474483A (zh) | 一种设备异常情况的检测方法、检测装置及终端设备 | |
CN109923560A (zh) | 使用变分信息瓶颈来训练神经网络 | |
CN107846511A (zh) | 一种接入移动广告的方法、终端及计算机可读存储介质 | |
CN108717510A (zh) | 一种通过聚类分析文件异常操作行为的方法、系统及终端 | |
CN107507036A (zh) | 一种数据预测的方法及终端 | |
CN109508461A (zh) | 基于中文自然语言处理的订单价格预测方法、终端及介质 | |
CN108011928A (zh) | 一种信息推送方法、终端设备及计算机可读介质 | |
CN110097170A (zh) | 信息推送对象预测模型获取方法、终端及存储介质 | |
CN109274639A (zh) | 开放平台异常数据访问的识别方法和装置 | |
CN109272402A (zh) | 评分卡的建模方法、装置、计算机设备及存储介质 | |
CN109886025A (zh) | 用户标识的管理方法、装置、计算机设备及存储介质 | |
CN110162518A (zh) | 数据分组方法、装置、电子设备及存储介质 | |
CN107506494B (zh) | 文件处理方法、移动终端及计算机可读存储介质 | |
CN106844550A (zh) | 一种虚拟化平台操作推荐方法及装置 | |
CN106227743A (zh) | 广告目标群体触达比率评估方法及装置 | |
CN108092911A (zh) | 一种管理数据流量的方法、终端及计算机可读介质 | |
CN115408696A (zh) | 应用识别方法及电子设备 | |
WO2016037346A1 (en) | Measuring and diagnosing noise in urban environment | |
CN107357782A (zh) | 一种识别用户性别的方法及终端 | |
TW201824124A (zh) | 資料核實的提示方法、裝置、終端及存儲介質 | |
CN109670313A (zh) | 系统运行中进行风险评估的方法、装置和可读存储介质 | |
CN109213662A (zh) | 一种用户触控行为数据收集方法及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171226 |
|
WW01 | Invention patent application withdrawn after publication |