CN108876509A - 利用poi分析用户标签的方法及系统 - Google Patents
利用poi分析用户标签的方法及系统 Download PDFInfo
- Publication number
- CN108876509A CN108876509A CN201810450054.6A CN201810450054A CN108876509A CN 108876509 A CN108876509 A CN 108876509A CN 201810450054 A CN201810450054 A CN 201810450054A CN 108876509 A CN108876509 A CN 108876509A
- Authority
- CN
- China
- Prior art keywords
- poi
- user
- vector
- vehicle parking
- user tag
- 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.)
- Granted
Links
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种利用POI分析用户标签的方法及系统。所述方法包括:获取若干用户的若干车辆停靠点;获取每个用户在每一车辆停靠点周围一距离阈值内的POI信息,所述POI信息包括POI的类别,并统计每个用户在所有车辆停靠点的每个类别的POI数目,形成所述用户的POI访问次数向量;对所述POI访问次数向量进行正则化处理,得到向量集合;对所述向量集合进行聚类,根据聚类结果,取出簇并打上身份标签。本发明对POI信息进行统计、正则化以及聚类处理,实现了根据用户的POI信息对用户的身份进行识别,准确度较高,能为用户的个性化商品推荐提供参考。
Description
技术领域
本发明涉及车联网技术领域,特别涉及一种利用POI(兴趣点)分析用户标签的方法及系统。
背景技术
不同身份的用户对商品的需求不同,以保险为例,若单身者、父母、商务人士、旅游人士等对保险类目的需求就不相同。因此,如何为用户推送个性化的商品,关键在于如何准确识别用户身份。
发明内容
本发明要解决的技术问题是为了克服现有技术的缺陷,提供一种根据POI信息对用户进行身份识别的利用POI分析用户标签的方法及系统。
本发明是通过下述技术方案来解决上述技术问题:
一种利用POI分析用户标签的方法,所述方法包括:
获取若干用户的若干车辆停靠点;
获取每个用户在每一车辆停靠点周围一距离阈值内的POI信息,所述POI信息包括POI的类别,并统计每个用户在所有车辆停靠点的每个类别的POI数目,形成所述用户的POI访问次数向量;
对所述POI访问次数向量进行正则化处理,得到向量集合;
对所述向量集合进行聚类,根据聚类结果,取出簇并打上身份标签。
较佳地,统计每个用户在所有车辆停靠点的每个类别的POI数目,形成所述用户的POI访问次数向量,具体包括:
根据所述POI信息统计每个车辆停靠点的每个类别的POI数目,并计算POI占比;
统计每个用户在所有车辆停靠点的每个类别的POI占比,形成所述POI访问次数向量。
较佳地,所述方法还包括:
将所述身份标签作为所述向量集合中向量的新的维度;
利用朴素贝叶斯模型建立各类POI访问次数与各身份标签的函数关系;
根据所述函数关系确定用户的用户标签。
较佳地,根据所述函数关系确定用户标签,具体包括:
根据所述函数关系,估计各类身份标签的概率;
将概率最大的身份标签作为用户标签。
较佳地,所述停靠点包括:一个行程的起始点和/或所述行程内停车超过预设时长的停车点。
较佳地,利用DBSCAN(一种聚类算法)对所述向量集合进行聚类。
一种利用POI分析用户标签的系统,所述系统包括:
获取模块,用于获取若干用户的若干车辆停靠点;
统计模块,用于获取每个用户在每一车辆停靠点周围一距离阈值内的POI信息,所述POI信息包括POI的类别;
所述统计模块还用于统计每个用户在所有车辆停靠点的每个类别的POI数目,形成所述用户的POI访问次数向量;
处理模块,用于对所述POI访问次数向量进行正则化处理,得到向量集合,并对所述向量集合进行聚类,根据聚类结果,取出簇并打上身份标签。
较佳地,所述统计模块具体包括:
占比计算单元,用于根据所述POI信息统计每个车辆停靠点的每个类别的POI数目,并计算POI占比;
统计单元,统计每个用户在所有车辆停靠点的每个类别的POI占比,形成所述POI访问次数向量。
较佳地,所述系统还包括:
标签确定模块,用于将所述身份标签作为所述向量集合中向量的新的维度,并利用朴素贝叶斯模型建立各类POI访问次数与各身份标签的函数关系,并根据所述函数关系确定用户的用户标签。
较佳地,所述标签确定模块具体包括:
概率估计单元,用于根据所述函数关系估计各类身份标签的概率;
标签确定单元,用于将概率最大的身份标签作为用户标签。
较佳地,所述停靠点包括:一个行程的起始点和/或所述行程内停车超过预设时长的停车点。
较佳地,所述处理模块具体用于利用DBSCAN对所述向量集合进行聚类。
本发明的积极进步效果在于:本发明对POI信息进行统计、正则化以及聚类处理,实现了根据用户的POI信息对用户的身份进行识别,准确度较高,能为用户的个性化商品推荐提供参考。
附图说明
图1为本发明实施例1的利用POI分析用户标签的方法的流程图。
图2为本发明实施例2的利用POI分析用户标签的系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,本实施例的利用POI分析用户标签的方法包括以下步骤:
步骤101、获取若干用户的若干车辆停靠点。
其中,车辆停靠点包括:一个行程的起始点和/或行程内停车超过预设时长的停车点。预设时长可根据实际需求自行设置,例如设置为10分钟。车辆停靠点信息可通过API(空中位置指示器)采集,其采集数据的频率是每秒一次。
步骤102、获取每个用户在每一车辆停靠点周围一距离阈值内的POI信息。
其中,POI信息包括POI的类别。需要说明的是,距离阈值可根据实际需求自行设置。以设为200m为例,意味着需要统计车辆停靠点200m以内的POI信息。
步骤103、统计每个用户在所有车辆停靠点的每个类别的POI数目,形成用户的POI访问次数向量。
本实施例中,步骤103具体包括:
步骤103-1、根据POI信息统计每个车辆停靠点的每个类别的POI数目,并计算POI占比。
得到一个车辆停靠点的POI信息后,统计每个类别的POI数目,并计算每类POI的占比,形成一个向量,例如:(中餐厅0.5,西餐厅0.3,亲子教育0.2),表征该用户该次停车访问了0.5次中餐厅,0.3次西餐厅,0.2次亲子教育场所。
步骤103-2、统计每个用户在所有车辆停靠点的每个类别的POI占比,形成POI访问次数向量。
若一个用户拥有3条数据(3个车辆停靠点)分别为:(中餐厅0.5,西餐厅0.3,亲子教育0.2)、(小学0.5,银行0.5)、(中餐厅0.2,西餐厅0.8)。经过步骤103-2,得到该用户的POI访问次数向量为(中餐厅0.7,西餐厅1.1,亲子教育0.2,小学0.5,银行0.5)。
步骤104、对所有POI访问次数向量进行正则化处理,得到向量集合。
正则化是对向量的每个维度做z-score(标准分数),计算公式如下:
(原始数-平均值)/标准差。以下举出具体实例加以说明:
若得到两个用户的POI访问次数向量,(用户1,中餐厅0.7,西餐厅1.1,亲子教育0.2,小学0.5,银行0.5),(用户2,中餐厅1.7,西餐厅0.2,电影院4,酒吧3)。对于中餐厅这个维度,用户1的访问次数为0.7,用户2的访问次数为1.7,计算得到中餐厅这个维度的均值为1.2,标准差为0.5,所以正则化以后,用户1在中餐厅的维度就是-1,计算公式如下:(0.7-1.2)/0.5;用户2在中餐厅的维度就是1,计算公式如下:(1.7-1.2)/0.5。其他维度也是这样处理(如果用户在某个维度没有数据,则记录为0)。得到包含各类POI次数的向量。
步骤105、对向量集合进行聚类,根据聚类结果,取出簇并打上身份标签。
具体的,步骤105中,利用DBSCAN对向量集合进行聚类。若一个簇中数据点,访问亲子教育、小学和中学的次数大于人群均值,则赋予身份标签为有小孩;同时其访问政府机构次数远大于人群均值,则赋予身份标签为公务员。从而,一个用户可能会得到多个身份标签。形成新的向量形式例如(中餐厅5,小学101,亲子教育57,有小孩,公务员)。
其中,人群均值也即所有经过正则化的向量中每个维度的平均值。
步骤106、将身份标签作为向量集合中向量的新的维度,利用朴素贝叶斯模型建立各类POI访问次数和各身份标签的函数关系。
具体模型形式如下:将向量集合中每个向量中包含各类POI次数的变量记为x1,x2,…xn,标签记为y。y的取值是编码化的标签,例如有小孩标签,y=0;公务员标签,y=1等。以此建立朴素贝叶斯模型,即是通过估计条件分布P(xi=j|y=k)=N(j;μj,k,σj,k)中的参数,表达概率分布P(y=k│x1=j1,x2=j2,…,xn=jn)。其中,1≤i≤n。此概率分布P即是当各类POI访问次数分别为(j1,j2,…,j139)时身份标签为k(比如公务员)的概率。其中,模型训练采用最大似然法。
步骤107、根据函数关系确定用户的用户标签。
步骤107具体包括:
步骤107-1、根据函数关系,估计各类身份标签的概率;
步骤107-2、将用户的多个身份标签中概率最大的标签作为用户标签。
本实施例,实现了根据用户的POI信息对用户的身份进行识别,准确度较高,能为用户的个性化商品推荐提供参考。
实施例2
如图2所示,本实施例的利用POI分析用户标签的系统包括:获取模块1、统计模块2、处理模块3和标签确定模块4。其中,统计模块包括占比计算单元和统计单元。标签确定模块包括概率估计单元和标签确定单元。
获取模块1用于获取若干用户的若干车辆停靠点。其中,车辆停靠点包括:一个行程的起始点和/或行程内停车超过预设时长的停车点。预设时长可根据实际需求自行设置,例如设置为10分钟。车辆停靠点信息可通过API(空中位置指示器)采集,其采集数据的频率是每秒一次。
统计模块2用于统计每个用户在每一车辆停靠点周围一距离阈值内的POI信息。其中,POI信息包括POI的类别。距离阈值可根据实际需求自行设置。以设为200m为例,意味着需要统计车辆停靠点200m以内的POI信息。
统计模块2还用于统计每个用户在所有车辆停靠点的每个类别的POI数目,并形成用户的POI访问次数向量。
具体的,统计模块2的占比计算单元根据POI信息统计每个车辆停靠点的每个类别的POI数目,并计算POI占比。统计单元统计每个用户在所有车辆停靠点的每个类别的POI占比,形成POI访问次数向量。
以下举出具体实例加以说明:
得到一个车辆停靠点的POI信息后,统计每个类别的POI数目,并计算每类POI的占比,形成一个向量,例如:(中餐厅0.5,西餐厅0.3,亲子教育0.2),表征该用户该次停车访问了0.5次中餐厅,0.3次西餐厅,0.2次亲子教育场所。若一个用户拥有3个向量(3个车辆停靠点)分别为:(中餐厅0.5,西餐厅0.3,亲子教育0.2)、(小学0.5,银行0.5)、(中餐厅0.2,西餐厅0.8)。则该用户的POI访问次数向量为(中餐厅0.7,西餐厅1.1,亲子教育0.2,小学0.5,银行0.5)。
处理模块3对POI访问次数向量进行正则化处理,得到向量集合,并对向量集合进行聚类,根据聚类结果,取出簇并打上身份标签。处理模块具体利用DBSCAN对向量集合进行聚类。
其中,正则化也即对向量的每个维度做z-score(标准分数),计算公式如下:
(原始数-平均值)/标准差。以下举出具体实例加以说明:
若得到两个用户的POI访问次数向量,(用户1,中餐厅0.7,西餐厅1.1,亲子教育0.2,小学0.5,银行0.5),(用户2,中餐厅1.7,西餐厅0.2,电影院4,酒吧3)。对于中餐厅这个维度,用户1的访问次数为0.7,用户2的访问次数为1.7,计算得到中餐厅这个维度的均值为1.2,标准差为0.5,所以正则化以后,用户1在中餐厅的维度就是-1,计算公式如下:(0.7-1.2)/0.5;用户2在中餐厅的维度就是1,计算公式如下:(1.7-1.2)/0.5。其他维度也是这样处理(如果用户在某个维度没有数据,则记录为0)。得到包含各类POI次数的向量。
标签确定模块4将身份标签作为向量集合中向量的新的维度,并利用朴素贝叶斯模型建立各类POI访问次数与各身份标签的函数关系,并根据函数关系确定用户的用户标签。
具体的,标签确定模块4的概率估计单元根据函数关系估计各类身份标签的概率。标签确定单元将用户的多个身份标签中概率最大的身份标签作为用户标签。
本实施例,实现了根据用户的POI信息对用户的身份进行识别,准确度较高,能为用户的个性化商品推荐提供参考。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (12)
1.一种利用POI分析用户标签的方法,其特征在于,所述方法包括:
获取若干用户的若干车辆停靠点;
获取每个用户在每一车辆停靠点周围一距离阈值内的POI信息,所述POI信息包括POI的类别,并统计每个用户在所有车辆停靠点的每个类别的POI数目,形成所述用户的POI访问次数向量;
对所述POI访问次数向量进行正则化处理,得到向量集合;
对所述向量集合进行聚类,根据聚类结果,取出簇并打上身份标签。
2.如权利要求1所述的利用POI分析用户标签的方法,其特征在于,统计每个用户在所有车辆停靠点的每个类别的POI数目,形成所述用户的POI访问次数向量,具体包括:
根据所述POI信息统计每个车辆停靠点的每个类别的POI数目,并计算POI占比;
统计每个用户在所有车辆停靠点的每个类别的POI占比,形成所述POI访问次数向量。
3.如权利要求2所述的利用POI分析用户标签的方法,其特征在于,所述方法还包括:
将所述身份标签作为所述向量集合中向量的新的维度;
利用朴素贝叶斯模型建立各类POI访问次数与各身份标签的函数关系;
根据所述函数关系确定用户的用户标签。
4.如权利要求3所述的利用POI分析用户标签的方法,其特征在于,根据所述函数关系确定用户标签,具体包括:
根据所述函数关系,估计各类身份标签的概率;
将概率最大的身份标签作为用户标签。
5.如权利要求1所述的利用POI分析用户标签的方法,其特征在于,所述停靠点包括:一个行程的起始点和/或所述行程内停车超过预设时长的停车点。
6.如权利要求1所述的利用POI分析用户标签的方法,其特征在于,利用DBSCAN对所述向量集合进行聚类。
7.一种利用POI分析用户标签的系统,其特征在于,所述系统包括:
获取模块,用于获取若干用户的若干车辆停靠点;
统计模块,用于获取每个用户在每一车辆停靠点周围一距离阈值内的POI信息,所述POI信息包括POI的类别;
所述统计模块还用于统计每个用户在所有车辆停靠点的每个类别的POI数目,形成所述用户的POI访问次数向量;
处理模块,用于对所述POI访问次数向量进行正则化处理,得到向量集合,并对所述向量集合进行聚类,根据聚类结果,取出簇并打上身份标签。
8.如权利要求7所述的利用POI分析用户标签的系统,其特征在于,所述统计模块具体包括:
占比计算单元,用于根据所述POI信息统计每个车辆停靠点的每个类别的POI数目,并计算POI占比;
统计单元,统计每个用户在所有车辆停靠点的每个类别的POI占比,并形成所述POI访问次数向量。
9.如权利要求8所述的利用POI分析用户标签的系统,其特征在于,所述系统还包括:
标签确定模块,用于将所述身份标签作为所述向量集合中向量的新的维度,并利用朴素贝叶斯模型建立各类POI访问次数与各身份标签的函数关系,并根据所述函数关系确定用户的用户标签。
10.如权利要求9所述的利用POI分析用户标签的系统,其特征在于,所述标签确定模块具体包括:
概率估计单元,用于根据所述函数关系估计各类身份标签的概率;
标签确定单元,用于将概率最大的身份标签作为用户标签。
11.如权利要求7所述的利用POI分析用户标签的系统,其特征在于,所述停靠点包括:一个行程的起始点和/或所述行程内停车超过预设时长的停车点。
12.如权利要求7所述的利用POI分析用户标签的系统,其特征在于,所述处理模块具体用于利用DBSCAN对所述向量集合进行聚类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810450054.6A CN108876509B (zh) | 2018-05-11 | 2018-05-11 | 利用poi分析用户标签的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810450054.6A CN108876509B (zh) | 2018-05-11 | 2018-05-11 | 利用poi分析用户标签的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108876509A true CN108876509A (zh) | 2018-11-23 |
CN108876509B CN108876509B (zh) | 2022-07-05 |
Family
ID=64333821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810450054.6A Active CN108876509B (zh) | 2018-05-11 | 2018-05-11 | 利用poi分析用户标签的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876509B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767264A (zh) * | 2018-12-20 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 产品数据推送方法、装置、计算机设备和存储介质 |
CN111126912A (zh) * | 2019-12-23 | 2020-05-08 | 北京中交兴路信息科技有限公司 | 一种货车运货类型识别方法、装置、存储介质及终端 |
CN111291929A (zh) * | 2020-01-21 | 2020-06-16 | 上海中旖能源科技有限公司 | 基于深度学习的液化天然气接卸液点预测方法及装置 |
CN111753195A (zh) * | 2020-06-17 | 2020-10-09 | 百度在线网络技术(北京)有限公司 | 标签体系构建方法、装置、设备以及存储介质 |
CN112612975A (zh) * | 2020-12-30 | 2021-04-06 | 北京优挂信息科技有限公司 | 车辆常运货物类型的识别方法、装置、设备及存储介质 |
CN114373328A (zh) * | 2021-12-29 | 2022-04-19 | 湖南湘商智能科技有限公司 | 一种基于停车路线的停车库时控灯智能控制系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120095791A1 (en) * | 2010-10-14 | 2012-04-19 | Xerox Corporation | Computer-Implemented System And Method For Offering Merchant And Shopper-Friendly Parking Reservations |
CN104391853A (zh) * | 2014-09-25 | 2015-03-04 | 深圳大学 | Poi推荐方法、poi信息处理方法及服务器 |
CN106407277A (zh) * | 2016-08-26 | 2017-02-15 | 北京车网互联科技有限公司 | 一种基于车联网数据对车主驻留点聚类后的属性分析方法 |
CN106469181A (zh) * | 2015-08-21 | 2017-03-01 | 方正国际软件(北京)有限公司 | 一种用户行为模式分析方法及装置 |
CN107133262A (zh) * | 2017-03-30 | 2017-09-05 | 浙江大学 | 一种基于多影响嵌入的个性化poi推荐方法 |
US9836977B1 (en) * | 2016-06-07 | 2017-12-05 | Delphi Technologies, Inc. | Automated vehicle steering control system with lane position bias |
US20180014161A1 (en) * | 2016-06-10 | 2018-01-11 | Apple Inc. | Harvesting labels for significant locations |
CN107909105A (zh) * | 2017-11-13 | 2018-04-13 | 上海交通大学 | 一种商业选址方法及系统 |
-
2018
- 2018-05-11 CN CN201810450054.6A patent/CN108876509B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120095791A1 (en) * | 2010-10-14 | 2012-04-19 | Xerox Corporation | Computer-Implemented System And Method For Offering Merchant And Shopper-Friendly Parking Reservations |
CN104391853A (zh) * | 2014-09-25 | 2015-03-04 | 深圳大学 | Poi推荐方法、poi信息处理方法及服务器 |
CN106469181A (zh) * | 2015-08-21 | 2017-03-01 | 方正国际软件(北京)有限公司 | 一种用户行为模式分析方法及装置 |
US9836977B1 (en) * | 2016-06-07 | 2017-12-05 | Delphi Technologies, Inc. | Automated vehicle steering control system with lane position bias |
US20180014161A1 (en) * | 2016-06-10 | 2018-01-11 | Apple Inc. | Harvesting labels for significant locations |
CN106407277A (zh) * | 2016-08-26 | 2017-02-15 | 北京车网互联科技有限公司 | 一种基于车联网数据对车主驻留点聚类后的属性分析方法 |
CN107133262A (zh) * | 2017-03-30 | 2017-09-05 | 浙江大学 | 一种基于多影响嵌入的个性化poi推荐方法 |
CN107909105A (zh) * | 2017-11-13 | 2018-04-13 | 上海交通大学 | 一种商业选址方法及系统 |
Non-Patent Citations (3)
Title |
---|
YI-LIANG ZHAO 等: ""Personalized Recommendations of Locally Interesting Venues to Tourists via Cross-Region Community Matching"", 《ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY》 * |
任星怡 等: ""基于位置社交网络的上下文感知的兴趣点推荐"", 《计算机学报》 * |
杨小明: ""电子地图兴趣点分类自动标注算法研究"", 《网络安全技术与应用》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767264A (zh) * | 2018-12-20 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 产品数据推送方法、装置、计算机设备和存储介质 |
CN111126912A (zh) * | 2019-12-23 | 2020-05-08 | 北京中交兴路信息科技有限公司 | 一种货车运货类型识别方法、装置、存储介质及终端 |
CN111291929A (zh) * | 2020-01-21 | 2020-06-16 | 上海中旖能源科技有限公司 | 基于深度学习的液化天然气接卸液点预测方法及装置 |
CN111753195A (zh) * | 2020-06-17 | 2020-10-09 | 百度在线网络技术(北京)有限公司 | 标签体系构建方法、装置、设备以及存储介质 |
CN111753195B (zh) * | 2020-06-17 | 2024-01-09 | 百度在线网络技术(北京)有限公司 | 标签体系构建方法、装置、设备以及存储介质 |
CN112612975A (zh) * | 2020-12-30 | 2021-04-06 | 北京优挂信息科技有限公司 | 车辆常运货物类型的识别方法、装置、设备及存储介质 |
CN112612975B (zh) * | 2020-12-30 | 2023-04-18 | 北京优挂信息科技有限公司 | 车辆常运货物类型的识别方法、装置、设备及存储介质 |
CN114373328A (zh) * | 2021-12-29 | 2022-04-19 | 湖南湘商智能科技有限公司 | 一种基于停车路线的停车库时控灯智能控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108876509B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876509A (zh) | 利用poi分析用户标签的方法及系统 | |
CN110969626B (zh) | 基于3d神经网络的人脑核磁共振影像的海马体提取方法 | |
CN109614556B (zh) | 访问路径预测、信息推送方法及装置 | |
CN103839041B (zh) | 客户端特征的识别方法和装置 | |
EP3032780B1 (en) | Method and apparatus for transmitting messages to users using trajectory-based clustering | |
CN108830145A (zh) | 一种基于深度神经网络的人数统计方法及存储介质 | |
CN108304435A (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
CN110334293B (zh) | 面向位置社交网络的基于模糊聚类的具有时间感知的位置推荐方法 | |
CN106709800A (zh) | 一种基于特征匹配网络的社团划分方法和装置 | |
US20170303079A1 (en) | Information distribution apparatus and method | |
CN105513370B (zh) | 基于稀疏车牌识别数据挖掘的交通小区划分方法 | |
CN104657466B (zh) | 一种基于论坛帖子特征的用户兴趣识别方法及装置 | |
CN108280477A (zh) | 用于聚类图像的方法和装置 | |
CN107103483A (zh) | 户外广告投放的方法及装置 | |
US7929022B2 (en) | Method of producing a transit graph | |
US20180041765A1 (en) | Compact video representation for video event retrieval and recognition | |
CN107274066B (zh) | 一种基于lrfmd模型的共享交通客户价值分析方法 | |
CN107633257B (zh) | 数据质量评估方法及装置、计算机可读存储介质、终端 | |
CN105095908B (zh) | 视频图像中群体行为特征处理方法和装置 | |
CN106529377A (zh) | 一种基于图像的年龄估计方法、装置及系统 | |
CN111695046B (zh) | 基于时空移动数据表征学习的用户画像推断方法及装置 | |
CN110414367A (zh) | 一种基于gan和ssn的时序行为检测方法 | |
CN110489659A (zh) | 数据匹配方法和装置 | |
CN107767155B (zh) | 一种评估用户画像数据的方法及系统 | |
CN104134058A (zh) | 一种人脸图像处理方法 |
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 |