CN108228593B - 兴趣点重要度测量方法和装置 - Google Patents
兴趣点重要度测量方法和装置 Download PDFInfo
- Publication number
- CN108228593B CN108228593B CN201611147401.5A CN201611147401A CN108228593B CN 108228593 B CN108228593 B CN 108228593B CN 201611147401 A CN201611147401 A CN 201611147401A CN 108228593 B CN108228593 B CN 108228593B
- Authority
- CN
- China
- Prior art keywords
- interest
- point
- points
- relationship
- heat
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种兴趣点重要度测量方法和装置。所述方法包括:获取兴趣点的基础数据和用户行为数据;根据所述兴趣点的基础数据和用户行为数据处理得到兴趣点之间的关系;根据所述用户行为数据估算目标兴趣点的初始重要度值;根据所述兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合;获取所述链入关系的兴趣点集合中各个兴趣点的重要度值和出度数;根据所述目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量所述目标兴趣点的重要度值。上述兴趣点重要度测量方法和装置,根据用户行为数据和兴趣点之间的关系测量兴趣点的重要度值,能适应不同类别的兴趣点重要度的比较。
Description
技术领域
本发明涉及数据处理领域,特别是涉及一种兴趣点重要度测量方法和装置。
背景技术
POI(Point Of Interest,兴趣点)是地理信息系统中的某个地标,用以标示出该地所代表的旅游景点、各行各业商业机构(加油站、超市、餐厅、酒店、便利店、医院等)、交通设施(各式车站、停车场、限速标示)等处所。
由于不同类别POI的特征属性不同,不同类别POI测量得到的重要度无法进行比较。
发明内容
基于此,有必要针对传统的针对不同类别兴趣点的重要度无法比较的问题,提供一种兴趣点重要度测量方法和装置,能适应不同类别的兴趣点重要度的比较。
一种兴趣点重要度测量方法,包括:
获取兴趣点的基础数据和用户行为数据;
根据所述兴趣点的基础数据和用户行为数据处理得到兴趣点之间的关系;
根据所述用户行为数据估算目标兴趣点的初始重要度值;
根据所述兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合;
获取所述链入关系的兴趣点集合中各个兴趣点的重要度值和出度数;
根据所述目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量所述目标兴趣点的重要度值。
一种兴趣点重要度测量装置,包括:
数据获取模块,用于获取兴趣点的基础数据和用户行为数据;
关系获取模块,用于根据所述兴趣点的基础数据和用户行为数据处理得到兴趣点之间的关系;
初始值估算模块,用于根据所述用户行为数据估算目标兴趣点的初始重要度值;
筛选模块,用于根据所述兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合;
参数值获取模块,用于获取所述链入关系的兴趣点集合中各个兴趣点的重要度值和出度数;
迭代测量模块,用于根据所述目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量所述目标兴趣点的重要度值。
上述兴趣点重要度测量方法和装置,根据兴趣点的基础数据和用户行为数据得到兴趣点之间的关系,根据用户行为数据得到目标兴趣点的初始重要度值,以及根据兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合,根据目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中兴趣点的重要度值和出度数迭代测量得到目标兴趣点的重要度值,使得测量兴趣点的重要度值结合了兴趣点之间的关系和用户行为数据,实现了测量兴趣点的跨类重要度,能适应不同类别的兴趣点重要度的比较。
附图说明
图1为一个实施例中服务器的内部结构示意图;
图2为一个实施例中兴趣点重要度测量方法的流程图;
图3为一个实施例中兴趣点全局跨类重要度测量的框架示意图;
图4为一个实施例中兴趣点关系网示意图;
图5为在中国技术交易大厦范围内挖掘热度关系的示意图;
图6为一个实施例中大范围内热度关系挖掘示意图;
图7为一个实施例中兴趣点重要度测量装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为一个实施例中服务器(或云端等)的内部结构示意图。如图1所示,该服务器包括通过系统总线连接的处理器、非易失性存储介质、内存储器和网络接口。其中,该服务器的非易失性存储介质存储有操作系统、数据库和兴趣点重要度测量装置,数据库中存储有地图数据和兴趣点基础数据,该兴趣点重要度装置用于实现适用于服务器的一种兴趣点重要度方法。该服务器的处理器用于提供计算和控制能力,支撑整个服务器的运行。该服务器的内存储器为非易失性存储介质中的兴趣点重要度装置的运行提供环境,该内存储器中可储存有计算机可读指令,该计算机可读指令被所述处理器执行时,可使得所述处理器执行一种兴趣点重要度方法。该服务器的网络接口用于据以与外部的终端或服务器通过网络连接通信,比如接收终端发送的搜索请求以及向终端返回兴趣点等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的服务器的限定,具体的服务器可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
图2为一个实施例中兴趣点重要度测量方法的流程图。如图2所示,一种兴趣点重要度测量方法,运行于图1中的服务器或云端上,包括步骤202至步骤212。
步骤202,获取兴趣点的基础数据和用户行为数据。
本实施例中,兴趣点(POI)是地理信息系统中的某个地标。地理信息系统(Geographic Information System,GIS)是用于采集、存储、管理、处理、检索、分析和表达地理空间数据的计算机系统,是分析和处理海量地理数据的系统。兴趣点的基础数据包括兴趣点自身属性数据。兴趣点自身属性数据可包括名称、坐标、分类、地址、轮廓等。
用户行为数据是标记用户行为的数据。用户行为数据可包括签到场景下的位置信息、签到等日志数据;出行场景下的出行订单、出行建议日志信息;检索场景下的检索点击、检索建议日志信息等;评论数据等。
步骤204,根据所述兴趣点的基础数据和用户行为数据处理得到兴趣点之间的关系。
本实施例中,兴趣点之间的关系包括主子点关系、引用关系、等级关系和热度关系等。通过挖掘兴趣点之间的关系,使得兴趣点之间不在孤立存在,形成一个兴趣点关系网。
主子点关系是指POI之间的主子依附关系。主子点关系包括逻辑主子点关系、物理主子点关系和逻辑物理主子点关系。其中,逻辑主子点关系是指POI之间存在逻辑隶属关系,在空间上不存在隶属关系,例如北京大学昌平校区和北京大学。物理主子点关系是指POI之间存在物理逻辑隶属关系,在逻辑上不存在隶属关系,例如Image(爱马哥)和银科大厦。逻辑物理主子点关系是指POI之间既存在物理隶属关系,也存在逻辑隶属关系,例如北京大学东门和北京大学。
引用关系是指一个POI1名称地址中引用了另外一个POI2,则认为POI1与POI2存在引用关系。例如POI车库咖啡(中国技术交易大厦西南)地址:海淀西大街48号鑫鼎宾馆2层(近海淀桥)。POI车库咖啡引用了中国技术交易大厦和海淀桥两个POI。
等级关系是指在同一等级体系内,有低等级到高等级的等级关系,例如医院体系下,海淀妇幼保健院(二级甲等),北京协和医院(三级甲等)。
热度关系是指两个POI的热度值的热度差值超过热度差值阈值,则认为两个兴趣点之间有热度关系,且热度关系是指由热度值低的兴趣点指向热度值高的兴趣点。兴趣点的热度值是用来表征兴趣点被使用情况或被关注情况。
根据兴趣点的基础数据和用户行为数据进行分析处理得到兴趣点之间的关系。根据兴趣点的基础数据可以得到兴趣点之间的主子点关系、引用关系、等级关系。根据用户行为数据结合兴趣点的基础数据可以得到兴趣点之间的热度关系。
步骤206,根据所述用户行为数据估算目标兴趣点的初始重要度值。
本实施例中,步骤206包括:根据所述兴趣点的基础数据和用户行为数据采用线性函数估算各个兴趣点的热度值;获取所述目标兴趣点的热度值,将所述目标兴趣点的热度值作为所述目标兴趣点的初始重要度值。
具体地,可根据用户行为数据的可靠性、覆盖率和兴趣点重要度的相关性等因素,采用大量的实验数据确定用户行为数据中各个特征参数的权重,再根据用户行为数据中各个特征参数的权重采用线性加权得到各个兴趣点的热度值。特征参数可根据需要设定,如评论数、签到数、检索点击数、检索建议数、约车订单数等,不限于此。
兴趣点的重要度(POI Rank)是指依据POI所指代的地理信息的知名度、热度、客观影响力等因素对POI进行打分。
兴趣点的初始重要度值是指兴趣点的重要度的初始值。通过用户行为数据得到兴趣点的初始重要度值,可以使得每个兴趣点最开始就有区分度,使得后续迭代测量模型收敛较快,不仅应用了兴趣点关系信息,将兴趣点自身属性和用户行为数据融合在迭代测量模型中,使得跨类重要度更加合理,更加准确。
步骤208,根据所述兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合。
本实施例中,获取到兴趣点之间的关系后,可以根据兴趣点之间的关系获取到目标兴趣点的链入关系的兴趣点集合。目标兴趣点是指待测量重要度的兴趣点。链入关系是指其他兴趣点链入到目标兴趣点形成的关系。
步骤210,获取所述链入关系的兴趣点集合中各个兴趣点的重要度值和出度数。
本实施例中,出度数是指兴趣点的链出关系的个数。可采用兴趣点的初始重要度值的排序来预估兴趣点的出度数,使得初始重要度值小的兴趣点的出度数变大。链入关系的兴趣点集合中兴趣点的重要度值可根据该兴趣点初始重要度值、该兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量得到。
在一个实施例中,所述获取所述链入关系的兴趣点集合中各个兴趣点的出度数,包括:获取兴趣点总数;获取各个兴趣点的初始重要度值,按照初始重要度值从小到大进行排序,得到各个兴趣点的排序值;将兴趣点总数减去所述兴趣点的排序值得到所述兴趣点的出度数。
具体地,兴趣点总数是指兴趣点的总数量。排序值是指按照初始重要度值从小到大对兴趣点进行排序,并分配对应的编号值,编号值可从0开始,或从1开始等。使得初始重要度值小的兴趣点的出度数变大,贡献变小。
步骤212,根据所述目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量所述目标兴趣点的重要度值。
本实施例中,将网页的重要度的测量模型PageRank应用到兴趣点场景下得到兴趣点的重要度的测量模型POIRank。
测量模型PageRank如下:
公式(1)中,PR(pi)是指pi的pagerank值,d是页面的随机跳转概率,N是值全部的页面数,PR(pj)是指pj的pagerank值,out(pj)是指pj链出的页面个数,M(pi)是指pi链入的页面集合。链入是指其他网页指向目标网页的连接。链出是指目标网页指向其他网页的连接。
测量模型POIRank如下:
公式(2)中,PR(poii)是指poii的poirank(重要度)值,init(poii)是指poii的初始重要度值,d是指兴趣点的随机跳转概率,PR(poij)是指poij的poirank值,out(poij)是指poij的出度数,M(poii)是指所有poi关系和poi点构成的图模型中poii点的所有链入关系的poi点集合。其中,d可根据需要或经验取值,如0.85等。
本实施例中,可获取兴趣点的随机跳转概率,根据所述目标兴趣点的初始重要度值、兴趣点的随机跳转概率、目标兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量所述目标兴趣点的重要度值。
本实施例中的兴趣点重要度测量方法,根据兴趣点的基础数据和用户行为数据得到兴趣点之间的关系,根据用户行为数据得到目标兴趣点的初始重要度值,以及根据兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合,根据目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中兴趣点的重要度值和出度数迭代测量得到目标兴趣点的重要度值,使得测量兴趣点的重要度值结合了兴趣点之间的关系和用户行为数据,实现了测量兴趣点的跨类重要度,能适应不同类别的兴趣点重要度的比较,根据兴趣点的跨类重要度可以实现跨类检索排序、周边兴趣点签到、位置描述、地图展示、兴趣点重点数据分级等。
再者,采用用户行为数据初始化兴趣点的初始重要度值,可解决采用固定值进行初始化,原始兴趣点的重要度没有区分度的问题,采用兴趣点初始重要度排名预估兴趣点的出度数,可以解决在出度数上只是基于关系网络的出度数,使得周边有大量小点的兴趣点占优势的问题,比如小区周边有大量的小美食店,则这些小美食店的重要度值全都贡献给了该小区,导致小区的重要度值算的过高,而别墅周边没有,则算的比较低的问题。
图3为一个实施例中兴趣点全局跨类重要度测量的框架示意图。如图3所示,框架包括数据层和模型计算层。数据层包括兴趣点的基础数据、用户行为数据和兴趣点之间的关系链。兴趣点的基础数据可包括通用属性和不同类别兴趣点的属性数据。通用属性包括名称、坐标、分类、地址、轮廓等。不同类别兴趣点的属性数据,例如房产小区数据包括房屋被浏览次数、价格、容积率、绿化率、面积等。酒店、大学、医院、景区类型的属性数据包括等级、搜索查询浏览次数等。美食、娱乐、健身类型的属性数据包括评论数、星级、价格、环境等。火车站的属性数据可包括车次数(普快数、高铁数、动车数)、位置等。用户行为数据包括签到数据、点击数据、评论数据等中一种或多种。签到数据是指用于记录登录某应用的痕迹。例如签到数据包括即时通信应用A的签到数据和即时通信应用B的签到数据。点击数据是指记录使用应用某些功能的痕迹。例如点击数据可包括地图suggestion、约车记录、地图检索等。评论数据是指记录用户对某一对象的点评。评论数据可包括团购网站A、团购网站B等的评论数据。关系链可包括主子点关系、引用关系、热度关系和等级关系。
模型计算层可包括模型和策略。模型可为POIrank模型。策略可包括划档策略、保底策略和归一化策略。划档策略是指数据进行归档的处理方式。保底策略是指保证最低的重要度值。归一化策略是指对数据可进行归一化处理。
图4为一个实施例中兴趣点关系网示意图。如图4所示,以北京大学为例,北京大学与北京邮电大学之间的箭头41表示的是等级关系;明亮世界眼镜(地址:颐和园路5北京大学)与北京大学之间的箭头42表示的是引用关系;没名儿生煎(北京大学店)与北京大学之间的箭头42表示的是引用关系;海淀公园与北京大学之间的箭头43表示的是热度关系;北大学生宿舍与北京大学之间的箭头44表示的是主子点关系;北大畅春园与北京大学之间的箭头44表示的是主子点关系。以北大畅春园为例,畅春园65号楼与北大畅春园之间的箭头44表示的是主子点关系;金凤成祥(畅春园店)与北大畅春园之间的箭头42表示的是引用关系;呷哺呷哺(畅春园店)与北大畅春园之间的箭头42表示的是引用关系。
在一个实施例中,所述根据所述兴趣点的基础数据和用户行为数据处理得到兴趣点之间的关系,包括:根据所述兴趣点的基础数据和用户行为数据采用线性函数估算各个兴趣点的热度值;根据所述兴趣点的热度值挖掘兴趣点之间的热度关系,其中,两个兴趣点的热度值之差超过热度差值阈值,则所述两个兴趣点之间存在热度关系。
本实施例中,可根据用户行为数据的可靠性、覆盖率和兴趣点重要度的相关性等因素,采用大量的实验数据确定用户行为数据中各个特征参数的权重,再根据用户行为数据中各个特征参数的权重采用线性加权得到各个兴趣点的热度值。特征参数可根据需要设定,如评论数、即时通信应用A签到数、即时通信应用B发送位置数、即时通信应用C签到数、即时通信应用D签到数、检索点击数、检索建议数、约车订单数等,如表1所示。
表1
本实施例中,兴趣点的热度值之差超过热度差值阈值,则表示两个兴趣点之间存在热度关系,且热度关系是由两个兴趣点中热度值小的兴趣点指向热度值大的兴趣点。热度差值阈值可根据需要设定,如50等。此外,还可设定两个兴趣点中热度值大的兴趣点的热度值超过预设值。预设值可根据需要设定,如500、1000等,不限于此。
在一个实施例中,所述根据所述兴趣点的热度值挖掘兴趣点之间的热度关系,包括:在第一预设区域内挖掘兴趣点之间的热度关系;在所述第一预设区域内按照热度值从大到小筛选预设数量的兴趣点,将所述第一预设区域内的预设数量的兴趣点进行第二预设区域内热度关系挖掘,所述第二预设区域包含所述第一预设区域。
本实施例中,预设数量可根据需要设定。第二预设区域为第一预设区域的父区域。第一预设区域为第二预设区域的子区域。在第二预设区域挖掘兴趣点之间的热度关系之后,可从第二预设区域内按照热度值从大到小筛选预设数量的兴趣点,将预设数量的兴趣点进行第三预设区域内热度关系挖掘,所述第三预设区域包含第二预设区域。如此循环,挖掘范围逐渐变大直到挖掘范围覆盖总区域。
图5为在小范围内挖掘热度关系的示意图。如图5所示,在小范围内存在A的热度值(120)远远小于B的热度值(5200),故存在A到B的热度关系,C的热度值(260),故有C到中A的热度关系。然后分别在小范围内筛选出热度值从大到小排列靠前的poi进行更大范围的热度关系挖掘。
图6为一个实施例中大范围内热度关系挖掘示意图。如图6所示,筛选出颐和园(40万)、北京大学(35万)、中国技术交易大厦(5200),在这个大范围内,可以得到中国计算交易大厦到颐和园的热度关系,北京大学到颐和园的热度关系。
图7为一个实施例中兴趣点重要度测量装置的结构框图。如图7所示,一种兴趣点重要度测量装置700,包括数据获取模块702、关系获取模块704、初始值估算模块706、筛选模块708、参数值获取模块710和迭代测量模块712。
其中:
数据获取模块702用于获取兴趣点的基础数据和用户行为数据。
本实施例中,兴趣点的基础数据包括兴趣点自身属性数据。兴趣点自身属性数据可包括名称、坐标、分类、地址、轮廓等。用户行为数据是标记用户行为的数据。用户行为数据可包括签到场景下的位置信息、签到等日志数据;出行场景下的出行订单、出行建议日志信息;检索场景下的检索点击、检索建议日志信息等;评论数据等。
关系获取模块704用于根据所述兴趣点的基础数据和用户行为数据处理得到兴趣点之间的关系。
本实施例中,兴趣点之间的关系包括主子点关系、引用关系、等级关系和热度关系等。主子点关系是指POI之间的主子依附关系。主子点关系包括逻辑主子点关系、物理主子点关系和逻辑物理主子点关系。引用关系是指一个POI1名称地址中引用了另外一个POI2,则认为POI1与POI2存在引用关系。等级关系是指在同一等级体系内,有低等级到高等级的等级关系。热度关系是指两个POI的热度值的热度差值超过热度差值阈值,则认为两个兴趣点之间有热度关系,且热度关系是指由热度值低的兴趣点指向热度值高的兴趣点。
初始值估算模块706用于根据所述用户行为数据估算目标兴趣点的初始重要度值。兴趣点的初始重要度值是指兴趣点的重要度的初始值。
在一个实施例中,初始值估算模块706还用于根据所述兴趣点的基础数据和用户行为数据采用线性函数估算各个兴趣点的热度值,获取所述目标兴趣点的热度值,将所述目标兴趣点的热度值作为所述目标兴趣点的初始重要度值。
筛选模块708用于根据所述兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合。
本实施例中,获取到兴趣点之间的关系后,可以根据兴趣点之间的关系获取到目标兴趣点的链入关系的兴趣点集合。目标兴趣点是指待测量重要度的兴趣点。链入关系是指其他兴趣点链入到目标兴趣点形成的关系。
参数值获取模块710用于获取所述链入关系的兴趣点集合中各个兴趣点的重要度值和出度数。
本实施例中,出度数是指兴趣点的链出关系的个数。可采用兴趣点的初始重要度值的排序来预估兴趣点的出度数,使得初始重要度值小的兴趣点的出度数变大。链入关系的兴趣点集合中兴趣点的重要度值可根据该兴趣点初始重要度值、该兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量得到。
迭代测量模块712用于根据所述目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量所述目标兴趣点的重要度值。
本实施例中,迭代测量模块712可获取兴趣点的随机跳转概率,根据所述目标兴趣点的初始重要度值、兴趣点的随机跳转概率、目标兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量所述目标兴趣点的重要度值。
本实施例中的兴趣点重要度测量装置,根据兴趣点的基础数据和用户行为数据得到兴趣点之间的关系,根据用户行为数据得到目标兴趣点的初始重要度值,以及根据兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合,根据目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中兴趣点的重要度值和出度数迭代测量得到目标兴趣点的重要度值,使得测量兴趣点的重要度值结合了兴趣点之间的关系和用户行为数据,实现了测量兴趣点的跨类重要度,能适应不同类别的兴趣点重要度的比较,根据兴趣点的跨类重要度可以实现跨类检索排序、周边兴趣点签到、位置描述、地图展示、兴趣点重点数据分级等。
在一个实施例中,所述参数值获取模块710还用于获取兴趣点总数;获取各个兴趣点的初始重要度值,按照初始重要度值从小到大进行排序,得到各个兴趣点的排序值;以及将兴趣点总数减去所述兴趣点的排序值得到所述兴趣点的出度数。
在一个实施例中,关系获取模块704还用于根据所述兴趣点的基础数据和用户行为数据采用线性函数估算各个兴趣点的热度值;以及根据所述兴趣点的热度值挖掘兴趣点之间的热度关系,其中,两个兴趣点的热度值之差超过热度差值阈值,则所述两个兴趣点之间存在热度关系。
进一步的,关系获取模块704还用于在第一预设区域内挖掘兴趣点之间的热度关系;在所述第一预设区域内按照热度值从大到小筛选预设数量的兴趣点,将所述第一预设区域内的预设数量的兴趣点进行第二预设区域内热度关系挖掘,所述第二预设区域包含所述第一预设区域。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种兴趣点重要度测量方法,包括:
获取兴趣点的基础数据和用户行为数据;
根据所述兴趣点的基础数据和用户行为数据处理得到兴趣点之间的关系;
根据所述用户行为数据估算目标兴趣点的初始重要度值;
根据所述兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合;
获取所述链入关系的兴趣点集合中各个兴趣点的重要度值和出度数;所述出度数为所述兴趣点的链出关系的个数;
根据所述目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量所述目标兴趣点的重要度值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户行为数据估算目标兴趣点的初始重要度值,包括:
根据所述兴趣点的基础数据和用户行为数据采用线性函数估算各个兴趣点的热度值;
获取所述目标兴趣点的热度值,将所述目标兴趣点的热度值作为所述目标兴趣点的初始重要度值。
3.根据权利要求1所述的方法,其特征在于,所述获取所述链入关系的兴趣点集合中各个兴趣点的出度数,包括:
获取兴趣点总数;
获取各个兴趣点的初始重要度值,按照初始重要度值从小到大进行排序,得到各个兴趣点的排序值;
将兴趣点总数减去所述兴趣点的排序值得到所述兴趣点的出度数。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述根据所述兴趣点的基础数据和用户行为数据处理得到兴趣点之间的关系,包括:
根据所述兴趣点的基础数据和用户行为数据采用线性函数估算各个兴趣点的热度值;
根据所述兴趣点的热度值挖掘兴趣点之间的热度关系,其中,两个兴趣点的热度值之差超过热度差值阈值,则所述两个兴趣点之间存在热度关系。
5.根据权利要求4所述的方法,其特征在于,所述根据所述兴趣点的热度值挖掘兴趣点之间的热度关系,包括:
在第一预设区域内挖掘兴趣点之间的热度关系;
在所述第一预设区域内按照热度值从大到小筛选预设数量的兴趣点,将所述第一预设区域内的预设数量的兴趣点进行第二预设区域内热度关系挖掘,所述第二预设区域包含所述第一预设区域。
6.根据权利要求1至3中任一项所述的方法,其特征在于,所述兴趣点之间的关系包括主子点关系、引用关系、等级关系和热度关系;所述主子点关系包括逻辑主子点关系、物理主子点关系和逻辑物理主子点关系。
7.一种兴趣点重要度测量装置,其特征在于,包括:
数据获取模块,用于获取兴趣点的基础数据和用户行为数据;
关系获取模块,用于根据所述兴趣点的基础数据和用户行为数据处理得到兴趣点之间的关系;
初始值估算模块,用于根据所述用户行为数据估算目标兴趣点的初始重要度值;
筛选模块,用于根据所述兴趣点之间的关系获取目标兴趣点的链入关系的兴趣点集合;
参数值获取模块,用于获取所述链入关系的兴趣点集合中各个兴趣点的重要度值和出度数;所述出度数为所述兴趣点的链出关系的个数;
迭代测量模块,用于根据所述目标兴趣点的初始重要度值、目标兴趣点的链入关系的兴趣点集合中各个兴趣点的重要度值和出度数迭代测量所述目标兴趣点的重要度值。
8.根据权利要求7所述的装置,其特征在于,所述初始值估算模块还用于根据所述兴趣点的基础数据和用户行为数据采用线性函数估算各个兴趣点的热度值,获取所述目标兴趣点的热度值,将所述目标兴趣点的热度值作为所述目标兴趣点的初始重要度值。
9.根据权利要求7所述的装置,其特征在于,所述参数值获取模块还用于获取兴趣点总数;获取各个兴趣点的初始重要度值,按照初始重要度值从小到大进行排序,得到各个兴趣点的排序值;以及将兴趣点总数减去所述兴趣点的排序值得到所述兴趣点的出度数。
10.根据权利要求7至9中任一项所述的装置,其特征在于,所述关系获取模块还用于根据所述兴趣点的基础数据和用户行为数据采用线性函数估算各个兴趣点的热度值;以及根据所述兴趣点的热度值挖掘兴趣点之间的热度关系,其中,两个兴趣点的热度值之差超过热度差值阈值,则所述两个兴趣点之间存在热度关系。
11.根据权利要求10所述的装置,其特征在于,所述关系获取模块还用于在第一预设区域内挖掘兴趣点之间的热度关系;在所述第一预设区域内按照热度值从大到小筛选预设数量的兴趣点,将所述第一预设区域内的预设数量的兴趣点进行第二预设区域内热度关系挖掘,所述第二预设区域包含所述第一预设区域。
12.根据权利要求7至9中任一项所述的装置,其特征在于,所述兴趣点之间的关系包括主子点关系、引用关系、等级关系和热度关系;所述主子点关系包括逻辑主子点关系、物理主子点关系和逻辑物理主子点关系。
13.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611147401.5A CN108228593B (zh) | 2016-12-13 | 2016-12-13 | 兴趣点重要度测量方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611147401.5A CN108228593B (zh) | 2016-12-13 | 2016-12-13 | 兴趣点重要度测量方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108228593A CN108228593A (zh) | 2018-06-29 |
CN108228593B true CN108228593B (zh) | 2021-08-17 |
Family
ID=62638265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611147401.5A Active CN108228593B (zh) | 2016-12-13 | 2016-12-13 | 兴趣点重要度测量方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108228593B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241225B (zh) | 2018-08-27 | 2022-03-25 | 百度在线网络技术(北京)有限公司 | 兴趣点竞争关系挖掘方法、装置、计算机设备及存储介质 |
CN110633883A (zh) * | 2018-12-29 | 2019-12-31 | 北京奇虎科技有限公司 | 一种兴趣点poi负载的计算方法和装置 |
CN109902214B (zh) * | 2019-02-15 | 2021-06-08 | 重庆邮电大学 | 一种基于改进PageRank算法的用户偏好挖掘方法 |
CN111832768A (zh) * | 2019-08-13 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 一种poi特征的生成方法、装置、电子设备和存储介质 |
CN111141301B (zh) * | 2019-12-25 | 2022-06-10 | 腾讯科技(深圳)有限公司 | 导航终点确定方法、装置、存储介质和计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252518A (zh) * | 2014-03-13 | 2014-12-31 | 腾讯科技(深圳)有限公司 | 信息展示方法和装置 |
CN104537027A (zh) * | 2014-12-19 | 2015-04-22 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4192731B2 (ja) * | 2003-09-09 | 2008-12-10 | ソニー株式会社 | 案内情報提供装置及びプログラム |
US20150120392A1 (en) * | 2013-10-25 | 2015-04-30 | Cellco Partnership (D/B/A Verizon Wireless) | Ranking of Store Locations Using Separable Features of Traffic Counts |
-
2016
- 2016-12-13 CN CN201611147401.5A patent/CN108228593B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252518A (zh) * | 2014-03-13 | 2014-12-31 | 腾讯科技(深圳)有限公司 | 信息展示方法和装置 |
CN104537027A (zh) * | 2014-12-19 | 2015-04-22 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于随机游动的社会网络个性化排名关键技术研究;金兆岩;《中国博士学位论文全文数据库 信息科技辑》;20160115;第I138-166页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108228593A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108228593B (zh) | 兴趣点重要度测量方法和装置 | |
Zheng | Trajectory data mining: an overview | |
Zhao et al. | A trajectory clustering approach based on decision graph and data field for detecting hotspots | |
US20190243595A1 (en) | Graphical User Interface for Map Search | |
CN107092638B (zh) | 基于位置从地图历史提供相关元素信息的方法和计算装置 | |
JP6569313B2 (ja) | 施設特性を更新する方法、施設をプロファイリングする方法、及びコンピュータ・システム | |
US9282161B1 (en) | Points of interest recommendations | |
US9710873B1 (en) | Point of interest mapping | |
Zheng et al. | Mining interesting locations and travel sequences from GPS trajectories | |
WO2016206196A1 (zh) | 用于获取用户属性信息的方法、装置及服务器 | |
EP2581703B1 (en) | Systems and methods for ranking points of interest | |
CA2823859C (en) | Augmentation of place ranking using 3d model activity in an area | |
CN110110244B (zh) | 一种融合多源信息的兴趣点推荐方法 | |
Lian et al. | Learning location naming from user check-in histories | |
CN109478184B (zh) | 识别、处理和显示数据点聚类 | |
CN103914536A (zh) | 一种用于电子地图的兴趣点推荐方法及系统 | |
KR20170030379A (ko) | 사용자 선호에 맞춘 여행 큐레이션 서비스 방법 및 시스템 | |
US20140278291A1 (en) | Discovering functional groups | |
Krumm et al. | From destination prediction to route prediction | |
US20170131109A1 (en) | Electronic device and method for planning tour route | |
US9971775B2 (en) | Method of and system for parameter-free discovery and recommendation of areas-of-interest | |
US11049199B2 (en) | Contextual trip itinerary generator | |
CN108829761B (zh) | 一种兴趣点推荐方法、系统、介质及设备 | |
KR102116519B1 (ko) | 실제 지역들의 위치 기반 순위 | |
Cao et al. | Inferring crowd-sourced venues for tweets |
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 |