CN109948068A - 一种兴趣点信息的推荐方法和装置 - Google Patents
一种兴趣点信息的推荐方法和装置 Download PDFInfo
- Publication number
- CN109948068A CN109948068A CN201710940480.3A CN201710940480A CN109948068A CN 109948068 A CN109948068 A CN 109948068A CN 201710940480 A CN201710940480 A CN 201710940480A CN 109948068 A CN109948068 A CN 109948068A
- Authority
- CN
- China
- Prior art keywords
- interest
- point
- user
- historical
- sight spot
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000003542 behavioural effect Effects 0.000 claims abstract description 16
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 30
- 238000001914 filtration Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000009412 basement excavation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供了一种兴趣点信息的推荐方法和装置,所述方法包括:依据用户的历史地理位置信息确定用户的历史兴趣点,然后确定与历史兴趣点具有相似属性的兴趣点,形成用户的兴趣点集合,从兴趣点集合中确定出目标兴趣点,向用户推荐目标兴趣点关联的描述信息,应用本申请实施例,由于历史地理位置是易于采集并且用户都具有历史地理位置信息,因此可以避免用户无点击、浏览、收藏和购买等历史行为造成数据稀疏或者缺失,甚至用户无在线行为冷启动的问题,可以向无历史行为的用户推荐用户感兴趣的兴趣点的描述信息,弥补了旅游行业用户历史行为数据较少的缺点,能够准确向用户提供旅游信息,提高了用户体验。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种兴趣点信息的推荐方法和装置。
背景技术
随着电子商户的发展,在电子商户平台上购买商品或者服务变得越来越普及,如何给用户推荐用户感兴趣的信息以引导商品或者服务成交变得愈发重要。
目前,信息的推荐是基于用户历史行为数据构建内容的协同过滤矩阵,形成内容的相似度关系,再基于用户的历史行为推荐相似的内容。例如基于用户对商品的购买、评价、点击和收藏等行为进行协调过滤,确定推荐内容。然而在旅游行业中,由于旅游行业的特殊性,用户并不会像购买商品一样经常购买旅游产品或者服务,这就造成用户在旅游商品或者服务方面的历史行为数据稀疏或者是缺失,采用传统的基于用户历史行为数据进行协同过滤的相似度计算确定推荐信息的方法,并不能准确地为用户推荐旅游地或者景点等相关兴趣点的信息,甚至用户通过线下购买交易,用户无在线行为,造成无法进行推荐的冷启动问题。
发明内容
鉴于上述问题,提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种兴趣点信息的推荐方法和装置。
为了解决上述问题,本申请实施例公开了一种兴趣点信息的推荐方法,包括:
依据用户的历史地理位置信息,确定所述用户的历史兴趣点;
确定与所述历史兴趣点具有相似属性的兴趣点,形成所述用户的兴趣点集合,所述兴趣点集合中的兴趣点具有关联的描述信息;
从所述兴趣点集合中确定出目标兴趣点;
向所述用户推荐所述目标兴趣点关联的描述信息。
可选地,所述用户的历史地理位置信息通过以下所列中的一种或结合方式获取:
通过所述用户的终端设备采集所述用户的历史地理位置信息;
通过所述用户的历史定位数据获取所述用户的历史地理位置信息;
从所述用户的关联照片中提取所述用户的历史地理位置信息。
可选地,所述历史地理位置信息包括经纬度信息,所述依据用户的历史地理位置信息,确定所述用户的历史兴趣点的步骤包括:
采用预设编码规则,分别将所述用户的历史经纬度信息和预设兴趣点数据库中的兴趣点的经纬度信息转换成字符串;
依据所述历史经纬度信息对应的字符串和兴趣点的经纬度信息对应的字符串,确定所述用户的历史兴趣点。
可选地,所述确定与所述历史兴趣点具有相似属性的兴趣点,形成所述用户的兴趣点集合的步骤包括:
获取多个候选兴趣点;
依次计算所述多个候选兴趣点中候选兴趣点与所述历史兴趣点的相似度;
采用相似度大于预设阈值的候选兴趣点,以及所述历史兴趣点,生成所述用户的兴趣点集合。
可选地,所述获取多个候选兴趣点的步骤包括:
基于所述历史兴趣点获取多个用户;
获取所述多个用户的其它兴趣点作为候选兴趣点。
可选地,所述依次计算所述多个候选兴趣点中候选兴趣点与所述历史兴趣点的相似度的步骤包括:
获取对所述历史兴趣点进行了操作的用户数;
获取对候选兴趣点进行了操作的用户数;
获取对所述历史兴趣点和候选兴趣点均进行了操作的用户数;
依据所述对所述历史兴趣点进行了操作的用户数、对候选兴趣点进行了操作的用户数、对所述历史兴趣点和候选兴趣点均进行了操作的用户数,计算候选兴趣点与所述历史兴趣点的相似度。
可选地,所述从所述兴趣点集合中确定出目标兴趣点的步骤包括:
获取所述用户对所述历史兴趣点的行为信息;
依据所述行为信息和所述兴趣点集合中兴趣点的相似度,计算兴趣点的推荐度;
依据所述推荐度,对兴趣点进行排序;
依据所述排序确定目标兴趣点。
可选地,通过以下方式建立兴趣点与描述信息的关联:
获取所述兴趣点的描述信息;
建立所述描述信息与所述兴趣点集合的关联关系。
可选地,所述兴趣点包括景点、酒店、餐馆和购物点中的一项。
可选地,所述相似属性为:所述兴趣点的兴趣点类型、兴趣点地点、兴趣点特色中的至少一项与所述历史兴趣点相似,所述描述信息包括兴趣点名称、兴趣点类型、兴趣点地点、兴趣点特色中的至少一项。
为了解决上述问题,本申请实施例公开了一种兴趣点信息的推荐方法,包括:
依据用户的历史地理位置信息,确定所述用户的历史景点;
确定与所述历史景点具有相似属性的景点,形成所述用户的景点集合,所述景点集合中的景点具有关联的描述信息;
从所述景点集合中确定出目标景点;
向所述用户推荐所述目标景点关联的描述信息。
可选地,所述相似属性为:所述景点的景点类型、景点地点、景点特色中的至少一项与所述历史景点相似,所述描述信息包括景点名称、景点类型、景点地点、景点特色中的至少一项。
为了解决上述问题,本申请实施例公开了一种兴趣点信息的推荐装置,包括:
历史兴趣点确定模块,用于依据用户的历史地理位置信息,确定所述用户的历史兴趣点;
兴趣点集合生成模块,用于确定与所述历史兴趣点具有相似属性的兴趣点,形成所述用户的兴趣点集合,所述兴趣点集合中的兴趣点具有关联的描述信息;
目标兴趣点确定模块,用于从所述兴趣点集合中确定出目标兴趣点;
兴趣点信息推荐模块,用于向所述用户推荐所述目标兴趣点关联的描述信息。
可选地,包括地理位置信息获取模块,所述地理位置信息获取模块用于通过以下所列中的一种或结合获取用户的历史地理位置信息:
通过所述用户的终端设备采集所述用户的历史地理位置信息;
通过所述用户的历史定位数据获取所述用户的历史地理位置信息;
从所述用户的关联照片中提取所述用户的历史地理位置信息。
可选地,所述历史地理位置信息包括经纬度信息,所述历史兴趣点确定模块包括:
经纬度信息转换子模块,用于采用预设编码规则,将所述用户的历史经纬度信息和预设兴趣点数据库中的兴趣点的经纬度信息,分别转换成字符串;
历史兴趣点确定子模块,用于依据所述历史经纬度信息对应的字符串和兴趣点的经纬度信息对应的字符串,确定所述用户的历史兴趣点。
可选地,所述兴趣点集合生成模块包括:
候选兴趣点获取子模块,用于获取多个候选兴趣点;
相似度计算子模块,用于依次计算所述多个候选兴趣点与所述历史兴趣点的相似度;
兴趣点集合生成子模块,用于采用相似度大于预设阈值的候选兴趣点,以及所述历史兴趣点,生成所述用户的兴趣点集合。
可选地,所述候选兴趣点获取子模块包括:
用户获取单元,用于基于所述历史兴趣点获取多个用户;
候选兴趣点获取单元,用于获取所述多个用户的其它兴趣点作为候选兴趣点。
可选地,所述相似度计算子模块包括:
第一用户数获取单元,用于获取对所述历史兴趣点进行了操作的用户数;
第二用户数获取单元,用于获取对候选兴趣点进行了操作的用户数;
第三用户数获取单元,用于获取对所述历史兴趣点和候选兴趣点均进行了操作的用户数;
相似度计算单元,用于依据所述对所述历史兴趣点进行了操作的用户数、对候选兴趣点进行了操作的用户数、对所述历史兴趣点和候选兴趣点均进行了操作的用户数,计算候选兴趣点与所述历史兴趣点的相似度。
可选地,所述目标兴趣点确定模块包括:
行为信息获取子模块,用于获取所述用户对所述历史兴趣点的行为信息;
推荐度计算子模块,用于依据所述行为信息和所述兴趣点集合中兴趣点的相似度,计算兴趣点的推荐度;
排序子模块,用于依据所述推荐度,对兴趣点进行排序;
目标兴趣点确定子模块,用于依据所述排序确定目标兴趣点。
可选地,所述推荐装置还包括:
描述信息获取模块,用于获取所述兴趣点的描述信息;
关联模块,用于建立所述描述信息与所述兴趣点集合的关联关系。
可选地,所述兴趣点包括景点、酒店、餐馆和购物点中的一项。
可选地,所述相似属性为:所述兴趣点的兴趣点类型、兴趣点地点、兴趣点特色中的至少一项与所述历史兴趣点相似,所述描述信息包括兴趣点名称、兴趣点类型、兴趣点地点、兴趣点特色中的至少一项。
为了解决上述问题,本申请实施例公开了一种兴趣点信息的推荐装置,包括:
历史景点确定模块,用于依据用户的历史地理位置信息,确定所述用户的历史景点;
景点集合生成模块,用于确定与所述历史景点具有相似属性的景点,形成所述用户的景点集合,所述景点集合中的景点具有关联的描述信息;
目标景点确定模块,用于从所述景点集合中确定出目标景点;
景点信息推荐模块,用于向所述用户推荐所述目标景点关联的描述信息。
可选地,所述相似属性为:所述景点的景点类型、景点地点、景点特色中的至少一项与所述历史景点相似,所述描述信息包括景点名称、景点类型、景点地点、景点特色中的至少一项。
为了解决上述问题,本申请实施例公开了一种装置,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行本申请实施例公开的兴趣点信息的推荐方法。
为了解决上述问题,本申请实施例公开了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行本申请实施例公开的兴趣点信息的推荐方法。
本申请实施例包括以下优点:
本申请实施例中,可以依据用户的历史地理位置信息确定用户的历史兴趣点,然后确定与历史兴趣点具有相似属性的兴趣点,形成用户的兴趣点集合,最后从兴趣点集合中确定出目标兴趣点,向用户推荐目标兴趣点关联的描述信息,应用本申请实施例,根据用户的历史地理位置信息确定用户的历史兴趣点,根据历史兴趣点进行协同过滤计算相似度,由于历史地理位置是易于采集并且用户都具有历史地理位置信息,因此可以避免用户无点击、浏览、收藏和购买等历史行为造成数据稀疏或者是缺失,甚至用户无在线行为冷启动的问题,可以向无历史行为的用户推荐用户感兴趣的兴趣点的描述信息,进一步地,可以根据历史地理位置信息匹配到景点、酒店和餐馆等兴趣点,弥补了旅游行业用户历史行为数据较少的缺点,能够准确向用户提供旅游信息,提高了用户体验。
附图说明
图1是本申请的一种兴趣点信息的推荐方法实施例1的步骤流程图;
图2是本申请的一种兴趣点信息的推荐方法实施例2的步骤流程图;
图3是本申请的一种兴趣点信息的推荐方法的示例的流程图;
图4是本申请的一种兴趣点信息的推荐方法实施例3的步骤流程图;
图5是本申请的一种兴趣点信息的推荐装置实施例1的结构框图;
图6是本申请的一种兴趣点信息的推荐装置实施例2的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1,示出了本申请的一种兴趣点信息的推荐方法实施例1的步骤流程图,具体可以包括如下步骤:
步骤101,依据用户的历史地理位置信息,确定所述用户的历史兴趣点。
本申请实施例中,用户的历史地理位置信息可以是用户曾经去过的地点,具体而言,可以是用户去过的旅游景点、酒店、餐馆等兴趣点的地理位置信息,还可以是用户日常行为的行走路线的地理位置信息,例如,北京等地理位置。可以根据用户的历史地理位置,确定出相关的兴趣点集合,再从该兴趣点集合中找到用户去过的兴趣点,作为历史兴趣点。
兴趣点(Point of Interest,POI)是地理信息系统中可以抽象为点的地理对象,对应于地理实体,可以是景点、酒店、餐馆和银行等,则用户去过的兴趣点(U2p,user-poi)可以是用户去过的景点、酒店、餐馆和银行等等。
具体而言,可以通过用户的网络行为数据获取用户的地理位置信息,例如可以基于LBS(Location Based Services,基于位置的服务)获取用户的地理位置信息,可以是通过用户的历史定位数据、用户终端设备的位置服务和应用程序的位置服务等获取用户的历史地理位置信息。
在获取用户的历史地理位置信息后,可以通过历史地理位置信息和兴趣点的地理位置信息进行匹配,进而确定用户的历史兴趣点,例如用户的历史地理位置信息和某个景点的地理位置信息匹配,则说明用户去过该景点,则将该景点确定为用户的历史兴趣点。
步骤102,确定与所述历史兴趣点具有相似属性的兴趣点,形成所述用户的兴趣点集合。
在确定用户的历史兴趣点后,可以根据该历史兴趣点,通过协同过滤方法确定用户感兴趣的多个兴趣点,生成用户的兴趣点集合。
兴趣点集合可以是具有相似属性的兴趣点的集合,例如,相似属性的兴趣点可以通过P2p(poi-poi,兴趣点之间的相似矩阵)表示。兴趣点集合包括历史兴趣点、与历史兴趣点具有相似属性的兴趣点,可以通过U2p2p(u2p和p2p的组合)表示,相似属性可以是兴趣点类型相似,例如同属于户外类型的兴趣点,还可以是兴趣点特色相似,例如同属于海岛游特色的兴趣点,还可以是兴趣点地点相似,例如同属于杭州地区的兴趣点等等。
具体到本申请实施例中,可以将历史兴趣点作为协同过滤的数据源,以计算出与历史兴趣点相似的兴趣点,例如可以计算与所述用户相似的其它用户,获取其它用户的兴趣点,然后计算其它用户的兴趣点与历史兴趣点的相似度,当然还可以直接计算与历史兴趣点相似兴趣点。
在计算相似度后,可以将相似度大于预设阈值的兴趣点和历史兴趣点作为兴趣点集合中的兴趣点,该兴趣点集合中的每个兴趣点关联有描述信息。
描述信息可以是兴趣点集合中兴趣点的名称、地址、特色简介等,描述信息和兴趣点集合可以通过P2c(poi-content,poi和描述信息的映射关系)关联。
步骤103,从所述兴趣点集合中确定出目标兴趣点。
本申请实施例中,在生成兴趣点集合后,可以根据相似度,确定出目标兴趣点,例如,根据每个兴趣点的相似度大小,确定出目标兴趣点,目标兴趣点可以是一个,也可以是多个,例如,用户的历史兴趣点是景点A,与景点A相似的景点是景点B、景点C和景点D,则可以将景点B、景点C和景点D中的至少一个确定为目标兴趣点。
步骤104,向所述用户推荐所述目标兴趣点关联的描述信息。
确定目标兴趣点之后,可以通过目标兴趣点和描述信息的关联关系,获取目标兴趣点关联的描述信息,该描述信息即为U2c(user-content,用户对内容的偏好),向用户推荐获取到的描述信息,例如向用户推荐兴趣点的名称、兴趣点的地址、和兴趣点的特色等信息。
本申请实施例中,通过获取用户的历史地理位置信息,并依据历史地理位置信息确定用户的历史兴趣点,然后依据历史兴趣点确定用户的兴趣点集合,最后从兴趣点集合中确定出目标兴趣点,向用户推荐目标兴趣点关联的描述信息,应用本申请实施例,根据用户的历史地理位置信息确定用户的历史兴趣点,将历史兴趣点作为协同过滤的数据源确定出相似的兴趣点,由于历史地理位置是易于采集并且每个用户都具有历史地理位置信息,因此可以避免用户无点击、浏览、收藏和购买等历史行为造成数据稀疏或者是缺失,甚至用户无在线行为冷启动的问题,可以向无历史行为的用户推荐用户感兴趣的描述信息。
参照图2,示出了本申请的一种兴趣点信息的推荐方法实施例2的步骤流程图,具体可以包括如下步骤:
步骤201,依据用户的历史地理位置信息确定所述用户的历史兴趣点。
本申请实施例中,用户的历史地理位置信息可以是用户曾经去过的地点,具体而言,可以是用户去过的旅游景点、酒店、餐馆等兴趣点的地理位置信息,还可以是用户日常行为的行走路线的地理位置信息。
在本申请实施例中,可以通过所述用户的终端设备采集所述用户的历史地理位置信息。
在实际应用中,用户可以在终端设备上安装有应用程序,该应用程序可以获取终端设备的位置服务权限,应用程序可以通过位置服务采集终端设备的地理位置信息并存储,形成用户的历史地理位置信息,例如,通过航旅服务类的应用程序获取系统的位置服务权限后,通过位置服务记录用户去过的景点地理位置信息作为历史地理位置信息,又或者通过航旅服务类的应用程序获取用户购买的景点的门票,确定景点的地理位置信息作为历史地理位置信息等。
在本申请的另一实施例中,可以通过所述用户的历史定位数据获取所述用户的历史地理位置信息。
在实际应用中,用户可以通过应用程序进行实时定位,例如,通过即时通信应用程序向好友发送定位信息,或者在朋友圈发送定位信息,又或者通过导航应用程序获取用户的历史地理位置信息等等。
在本申请的又一种实施例中,从所述用户的关联照片中提取所述用户的历史地理位置信息。
在实际应用中,根据拍摄设备的设置,可以在拍照的照片数据中存储拍照地点的地理位置信息,例如照相机或者手机等设备在拍照功能中设置了显示拍照地点功能后,照相机或手机的定位模块获取当前拍照地点的经纬度信息,根据经纬度信息匹配地址信息,在拍照存储照片时存储经纬度信息或地址信息。
当然还可以通过其它网络数据挖掘方法获取用户的历史地理位置信息,本申请实施例对获取用户的历史地理位置信息的方式不做限制。
在获取用户的历史地理位置信息后,可以通过历史地理位置信息和兴趣点的地理位置信息进行匹配,进而确定用户的历史兴趣点,具体而言,步骤201可以包括如下子步骤:
子步骤S11,采用预设编码规则,分别将所述用户的历史经纬度信息和预设兴趣点数据库中的兴趣点的经纬度信息转换成字符串;
子步骤S12,依据所述历史经纬度信息对应的字符串和兴趣点的经纬度信息对应的字符串,确定所述用户的历史兴趣点。
具体而言,可以先通过GeoHash算法,将历史地理位置信息对应的经纬度信息和预设兴趣点数据库中的兴趣点的经纬度信息转换成字符串,然后通过字符串的匹配确定历史经纬度信息对应的是否为兴趣点。在实际应用中,预设兴趣点数据库中的兴趣点可以为通过网络数据挖掘得到的兴趣点,例如可以是景点、酒店和餐馆等等,得到兴趣点的经纬度信息后通过GeoHash算法转换为字符串存储在预设兴趣点数据库中,当历史地理位置信息对应的字符串和预设兴趣点数据库中的字符串匹配时,则将该兴趣点作为历史兴趣点,否则,忽略该历史地理位置信息,例如用户的历史地理位置信息和某个景点的地理位置信息经GeoHash算法转换后的字符串匹配,则说明用户去过该景点,则将该景点确定为用户的历史兴趣点。
步骤202,获取多个候选兴趣点。
本申请实施例中,为了计算与历史兴趣点相似的兴趣点,可以获取多个候选兴趣点分别与历史兴趣点计算相似度,具体而言,步骤203可以包括如下子步骤:
子步骤S21,获取对所述历史兴趣点进行了操作的多个用户;
子步骤S22,获取所述多个用户的其它兴趣点作为候选兴趣点。
在实际应用中,可以有多个用户对历史兴趣点进行了操作,例如对于某个景点,多个用户对该景点进行了门票购买、浏览和收藏等操作,则可以说明多个用户对该景点感兴趣,在本申请实施例中,获取对历史兴趣点进行操作的多个用户,可以是获取对历史兴趣点进行了购买、浏览和收藏等操作的多个用户。
为了更清楚地说明本申请实施例,以下进行示例说明:
假设历史兴趣点为景点A,可以获取用户B、用户C、用户D、用户E,其中去过景点A的用户包括用户B、用户C、用户D,而用户E没有去过景点A,假设去过景点A的用户记为1分,否则记为0分,则得到表1:
表1:
用户A | 用户B | 用户C | 用户D | 用户E | |
景点A | 1 | 1 | 1 | 1 | 0 |
则可以将用户B、用户C、用户D作为对景点A进行了操作的多个用户。
同时,用户B、用户C、用户D还去过以下景点,则得到表2:
表2:
景点A | 景点B | 景点C | 景点D | 景点E | |
用户B | 1 | 1 | 0 | 1 | 1 |
用户C | 1 | 1 | 0 | 1 | 1 |
用户D | 1 | 1 | 1 | 1 | 1 |
则可以将景点B、景点D和景点E作为候选景点。
上述示例仅仅是说明候选景点的确定过程,在实际应用中为了获取准确的相似度计算结果,可以选择更多的用户数和景点。
步骤203,依次计算所述多个候选兴趣点中候选兴趣点与所述历史兴趣点的相似度。
在实际应用中,可以通过协同过滤(CF,Collaborative Filteringrecommendation)计算候选景点与历史兴趣点相似度。
协同过滤是利用兴趣相投、拥有共同经验的群体的喜好来推荐用户感兴趣的信息,可以包括基于用户的协同过滤和基于项目的协同过滤。
基于用户的协同过滤是用相似统计的方法得到具有相似爱好或者兴趣相邻的用户,基于用户的协同过滤方法先收集可以代表用户感兴趣的信息。例如通过用户对商品的评价或者评分,又或者根据用户的网络行为确定用过感兴趣的信息,例如用户在网络上的浏览、收藏和购买等行为,然后以用户为基础(User-based),确定与用户兴趣爱好相同的另一组用户,即计算两个用户的相似度,最后对目标用户的兴趣进行预测,产生推荐结果。
基于项目的协同过滤方法是先计算已评价项目和待预测项目的相似度,例如:要对景点A和景点B进行相似性计算,要先找出同时对景点A和景点B进行了门票购买的用户,依据用户进行相似度计算。
以下以基于项目的协同过滤方法计算候选兴趣点与历史兴趣点相似度,具体而言,可以包括以下子步骤:
子步骤S31,获取对所述历史兴趣点进行了操作的用户数;
子步骤S32,获取对候选兴趣点进行了操作的用户数;
子步骤S33,获取对所述历史兴趣点和候选兴趣点均进行了操作的用户数;
子步骤S34,依据所述对所述历史兴趣点进行了操作的用户数、对候选兴趣点进行了操作的用户数、对所述历史兴趣点和候选兴趣点均进行了操作的用户数,计算候选兴趣点与所述历史兴趣点的相似度。
在本申请实施例中,候选兴趣点可以有多个,可以分别计算每个候选兴趣点与历史兴趣点的相似度,具体而言,可以分别获取对历史兴趣点进行了操作的用户数、对每个候选兴趣点进行了操作的用户数、对历史兴趣点和每个候选兴趣点均进行了操作的用户数,然后通过以下公式计算相似度:
其中,wij是历史兴趣点i和候选兴趣点j的相似度,|N(i)|是对历史兴趣点i进行了操作的用户数,|N(j)|是对候选兴趣点j进行了操作的用户数,|N(i)∩N(j)|是同时对历史兴趣点i和候选兴趣点j均进了行操作的用户数。
在本申请实施例中,用户对某个兴趣点进行了操作,可以说明用户对某个兴趣点感兴趣,例如对于某个景点,多个用户对该景点进行了门票购买、浏览和收藏等操作,则可以说明多个用户对该景点感兴趣。
从上述公式可以看出,在协同过滤中,历史兴趣点和候选兴趣点产生相似度是因为它们共同被多个用户感兴趣,共同感兴趣的用户越多,历史兴趣点和候选兴趣点越相似。
本申请实施例在基于项目的协同过滤方法计算候选景点与历史兴趣点相似度时,本领域技术人员还可以采用其他的算法计算相似度,例如基于余弦(Cosine-based)的相似度计算、基于关联(Correlation-based)的相似度计算、调整的余弦(Adjusted Cosine)相似度计算等,另外,本领域技术人员还可以采用基于用户的协同过滤计算候选兴趣点与历史兴趣点相似度,本申请实施例对此不做限制。
步骤204,采用相似度大于预设阈值的候选兴趣点,以及所述历史兴趣点,生成所述用户的兴趣点集合。
在计算每个候选兴趣点与历史兴趣点的相似度后,可以将相似度大于预设阈值的候选兴趣点和历史兴趣点作为兴趣点集合中的兴趣点,以生成用户的兴趣点集合,该兴趣点集合中的每个兴趣点与历史兴趣点具有相似度。
例如,可以生成兴趣点集合:[POI A:POI B,POI C,POI D,POI E],其中POI A为历史兴趣点,POI B,POI C,POI D,POI E是与历史兴趣点POI A相似的兴趣点。
在本申请的一种优选实施例中,兴趣点集合具有关联的描述信息,具体而言,可以通过以下方式建立兴趣点与描述信息的关联:
获取所述兴趣点的描述信息;建立所述描述信息与所述兴趣点集合的关联关系。
具体而言,可以通过网络数据挖掘方法,从网络或者云平台获取兴趣点集合中每个兴趣点的描述信息,然后将每个兴趣点的描述信息与该兴趣点建立映射关系,例如可以建立兴趣点A与兴趣点A的信息的映射关系:[Content A:POI A],其中Content A为POI A的描述信息,可以包括POI A的名称、地址、特色等等简介内容,在实际应用中,描述信息可以是一篇文章,则在本申请实施例中,还可以建立映射关系如下:[ContentA:POI B,POI C,POI D],其中Content A为记载了POI B,POI C和POI D的信息的文章。
步骤205,从所述兴趣点集合中确定出目标兴趣点。
在实际应用中,得到兴趣点集合后,可以根据相似度确定目标兴趣点,具体而言,步骤205可以包括如下子步骤:
子步骤S41,获取所述用户对所述历史兴趣点的行为信息;
子步骤S42,依据所述行为信息和兴趣点的相似度,确定兴趣点的推荐度;
子步骤S43,依据所述推荐度,对兴趣点进行排序;
子步骤S44,依据所述排序确定目标兴趣点。
本申请实施例中,得到兴趣点集合后,可以根据用户的历史行为信息,计算用户对兴趣点集合中每个兴趣点的感兴趣程度作为每个兴趣点的推荐度,然后根据推荐度确定目标兴趣点。具体而言,用户的历史行为信息可以为用户去过历史兴趣点,当然也可以是其它信息,例如收藏、浏览等历史行为信息。
以下通过示例对子步骤S41-S44进行示例说明:
假设用户具有两个历史兴趣点,例如景点A1和景点A2,兴趣点集合为景点B、景点C、景点D,景点A1和景点A2与景点B、景点C、景点D的相似度如表3:
表3:
景点B | 景点C | 景点D | |
景点A1 | 0.8 | 0.7 | 0.9 |
景点A2 | 0.3 | 0.5 | 0.6 |
用户对景点A1和景点A2的感兴趣程度可以体现在用户是否去过景点A1和景点A2,本申请实施例中,用户去过景点A1和景点A2,则将用户对景点A1和景点A2的感兴趣程度均记为1分,则各景点的推荐度分别计算如下:
景点B:1×0.8+1×0.3=1.1
景点C:1×0.7+1×0.5=1.2
景点D:1×0.9+1×0.6=1.5
将景点B、景点C、景点D按照推荐度从大到小排序后为景点D、景点C和景点B,可以将景点D作为目标景点进行推荐,当然也可以将景点D、景点B和景点C作为目标景点进行推荐。
当然,用户对景点A1和景点A2的感兴趣程度还可以体现在用户去过景点A1和景点A2的次数,例如,用户去过两次景点A1和一次景点A2,则将用户对景点A1感兴趣程度记为2分,用户对景点A2感兴趣程度记为2分,若用户对景点A1和景点A2还进行了评分,用户对景点A1和景点A2的感兴趣程度可以为用户对景点A1和景点A2的评分。即可以根据用户对景点A1和景点A2的感兴趣程度设置不同的权重,以计算景点的推荐度。
步骤206,向所述用户推荐所述目标兴趣点关联的描述信息。
确定目标兴趣点之后,可以通过目标兴趣点和描述信息的关联关系,获取目标兴趣点关联的描述信息,向用户推荐获取到的描述信息,例如,描述信息与兴趣点的映射关系如下:[ContentA:POI B,POI C,POI D],其中Content A为记载了POI B,POI C和POI D的信息的文章,当需要向用户推荐POI B,POI C,POI D中的至少一个时,将ContentA推荐给用户,ContentA中记载了POI B,POI C,POI D的名称、位置和简介等信息。
为了更清楚地说明本申请实施例,以下结合附图进行示例说明:
如图3所示,示出了本申请实施例的兴趣点信息推荐方法的一示例流程图,具体包括:
S1,获取用户的历史地理位置数据。
本示例中,可以通过数据挖掘收集用户的历史LBS数据,例如经纬度信息,LBS数据可以是用户曾经去过的地方的经纬度信息。
S2,基于历史地理位置数据确定用户的历史兴趣点。
在实际应用中,可以根据历史地理位置数据计算用户的历史兴趣点,例如可以根据用户去过地方的经纬度数据计算相应的景点,具体而言,可以将经纬度数据与景点的经纬度数据匹配,如果匹配,则用户去过该景点。
S3,基于历史兴趣点进行协同过滤,确定与历史兴趣点具有相似属性的兴趣点。
本示例中,可以通过协调过滤算法,确定与历史兴趣点在兴趣点类型、兴趣点特色、兴趣点地址等具有相似属性的兴趣点,例如户外类型兴趣点、海岛游特色的景点等等。
S4,采用与历史兴趣点具有相似属性的兴趣点,形成用户的兴趣点集合。
得到相似属性的兴趣点后,可以采用历史兴趣点和相似属性的兴趣点建立用户的兴趣点集合,该兴趣点集合中可以在兴趣点类型、兴趣点特色等方面具有相似属性。
S5,将兴趣点的描述信息与兴趣点集合进行关联。
本示例中,兴趣点集合与描述信息具有关联关系,具体而言,可以收集兴趣点集合中兴趣点的描述信息,建立描述信息与兴趣点集合的映射关系。
S6,从兴趣点集合中确定目标兴趣点之后,向用户推荐目标兴趣点的描述信息。
兴趣点集合中包括多个兴趣点,可以对多个兴趣点进行排序,确定出目标兴趣点进行推荐,则该目标兴趣点的描述信息即为向用户推荐的内容。
上述示例中,协同过滤的数据源通过用户历史地理位置得到,可以避免用户无点击、浏览、收藏和购买等历史行为造成数据稀疏或者缺失、甚至用户无线上行为冷启动的问题,可以向无历史行为数据的用户推荐用户感兴趣的描述信息。
本申请实施例中,通过获取用户的历史地理位置信息,并依据历史地理位置信息确定用户的历史兴趣点,然后根据候选兴趣点与历史兴趣点的相似度确定用户感兴趣的兴趣点集合,最后从兴趣点集合中确定出目标兴趣点,向用户推荐目标兴趣点关联的描述信息,应用本申请实施例,根据用户的历史地理位置信息确定用户的历史兴趣点,根据历史兴趣点进行协同过滤,确定出与历史兴趣点相似的兴趣点集合,由于历史地理位置是易于采集并且每个用户都具有历史地理位置信息,因此可以避免用户无点击、浏览、收藏和购买等历史行为造成数据稀疏或者是缺失,甚至用户无线上行为冷启动的问题,可以向无历史行为数据的用户推荐用户感兴趣的描述信息。进一步地,可以根据历史地理位置信息匹配到景点、酒店和餐馆等兴趣点,弥补了旅游行业用户历史行为数据较少的缺点,能够准确向用户提供旅游信息,提高了用户体验。
参照图4,示出了本申请的一种兴趣点信息的推荐方法实施例3的步骤流程图,具体可以包括如下步骤:
步骤301,依据用户的历史地理位置信息,确定所述用户的历史景点;
步骤302,确定与所述历史景点具有相似属性的景点,形成所述用户的景点集合,所述景点集合中的景点具有关联的描述信息;
步骤303,从所述景点集合中确定出目标景点;
步骤304,向所述用户推荐所述目标景点关联的描述信息。
本申请实施例中,可以根据用户的历史地理位置,例如通过用户的移动终端获取用户的历史地理位置,从用户的所有历史地理位置中确定用户去过的历史景点,以历史景点为数据源,计算各个景点与历史景点的相似度生成用户的景点集合,该景点集合中的兴趣点在景点类型、景点地点、景点特色中的至少一项与历史景点具有相似属性,相似属性可以是景点类型相似,例如同属于户外类型的景点,还可以是景点特色相似,例如同属于海岛游特色的景点,还可以是景点地点相似,例如同属于杭州地区的景点等等。并且该景点集合中的景点具有关联的描述信息,描述信息包括景点名称、景点类型、景点特色中的至少一项,最后可以从景点集合中确定出目标景点,并向用户推荐目标景点的描述信息,例如可以向用户推荐目标景点的名称、景点的类型、景点的地址、景点的特色等。
本申请实施例可以避免用户对景点无点击、浏览、收藏和购买等历史行为造成数据稀疏或者是缺失,甚至用户线下购买景点门票的无在线行为的冷启动问题,可以向无历史行为的用户推荐用户感兴趣的景点的描述信息,能够准确向用户提供旅游信息,提高了用户体验。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图5,示出了本申请的一种兴趣点信息的推荐装置实施例1的结构框图,具体可以包括如下模块:
历史兴趣点确定模块401,用于依据用户的历史地理位置信息,确定所述用户的历史兴趣点;
兴趣点集合生成模块402,用于确定与所述历史兴趣点具有相似属性的兴趣点,形成所述用户的兴趣点集合,所述兴趣点集合中的兴趣点具有关联的描述信息;
目标兴趣点确定模块403,用于从所述兴趣点集合中确定出目标兴趣点;
信息推荐模块404,用于向所述用户推荐所述目标兴趣点关联的描述信息。
可选地,所述推荐装置还包括地理位置信息获取模块,用于通过以下所列中的一种或结合获取用户的历史地理位置信息:
通过所述用户的终端设备采集所述用户的历史地理位置信息;
通过所述用户的历史定位数据获取所述用户的历史地理位置信息;
从所述用户的关联照片中提取所述用户的历史地理位置信息。
可选地,所述历史地理位置信息包括经纬度信息,所述历史兴趣点确定模块402包括:
经纬度信息转换子模块,用于采用预设编码规则,将所述用户的历史经纬度信息和预设兴趣点数据库中的兴趣点的经纬度信息,分别转换成字符串;
历史兴趣点确定子模块,用于依据所述历史经纬度信息对应的字符串和兴趣点的经纬度信息对应的字符串,确定所述用户的历史兴趣点。
可选地,所述兴趣点集合生成模块403包括:
候选兴趣点获取子模块,用于获取多个候选兴趣点;
相似度计算子模块,用于依次计算所述多个候选兴趣点中候选兴趣点与所述历史兴趣点的相似度;
兴趣点集合生成子模块,用于采用相似度大于预设阈值的候选兴趣点,以及所述历史兴趣点,生成所述用户的兴趣点集合。
可选地,所述候选兴趣点获取子模块包括:
用户获取单元,用于基于所述历史兴趣点获取多个用户;
候选兴趣点获取单元,用于获取所述多个用户的其它兴趣点作为候选兴趣点。
可选地,所述相似度计算子模块包括:
第一用户数获取单元,用于获取对所述历史兴趣点进行了操作的用户数;
第二用户数获取单元,用于获取对候选兴趣点进行了操作的用户数;
第三用户数获取单元,用于获取对所述历史兴趣点和候选兴趣点均进行了操作的用户数;
相似度计算单元,用于依据所述对所述历史兴趣点进行了操作的用户数、对候选兴趣点进行了操作的用户数、对所述历史兴趣点和候选兴趣点均进行了操作的用户数,计算候选兴趣点与所述历史兴趣点的相似度。
可选地,所述目标兴趣点确定模块404包括:
行为信息获取子模块,用于获取所述用户对所述历史兴趣点的行为信息;
推荐度计算子模块,用于依据所述行为信息和兴趣点的相似度,计算所述兴趣点的推荐度;
排序子模块,用于依据所述推荐度,对所述兴趣点进行排序;
目标兴趣点确定子模块,用于依据所述排序确定目标兴趣点。
可选地,所述推荐装置还包括:
描述信息获取模块,用于获取所述兴趣点的描述信息;
关联模块,用于建立所述描述信息与所述兴趣点集合的关联关系。
可选地,所述兴趣点包括景点、酒店、餐馆和购物点中的一项。
可选地,所述相似属性为:所述兴趣点的兴趣点类型、兴趣点地点、兴趣点特色中的至少一项与所述历史兴趣点相似,所述描述信息包括兴趣点名称、兴趣点类型、兴趣点地点、兴趣点特色中的至少一项。
参照图6,示出了本申请的一种兴趣点信息的推荐装置实施例2的结构框图,具体可以包括如下模块:
历史景点确定模块501,用于依据用户的历史地理位置信息,确定所述用户的历史景点;
景点集合生成模块502,用于确定与所述历史景点具有相似属性的景点,形成所述用户的景点集合,所述景点集合中的景点具有关联的描述信息;
目标景点确定模块503,用于从所述景点集合中确定出目标景点;
景点信息推荐模块504,用于向所述用户推荐所述目标景点关联的描述信息。
可选地,所述相似属性为:所述景点的景点类型、景点地点、景点特色中的至少一项与所述历史景点相似,所述描述信息包括景点名称、景点类型、景点地点、景点特色中的至少一项。
本申请实施例还提供了一种装置,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行实施例1和/或实施例2和/或实施例3所述的一个或多个的方法。
本申请实施例还提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行实施例1和/或实施例2和/或实施例3所述的一个或多个的方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种兴趣点信息的推荐方法和一种兴趣点信息的推荐装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (16)
1.一种兴趣点信息的推荐方法,其特征在于,包括:
依据用户的历史地理位置信息,确定所述用户的历史兴趣点;
确定与所述历史兴趣点具有相似属性的兴趣点,形成所述用户的兴趣点集合,所述兴趣点集合中的兴趣点具有关联的描述信息;
从所述兴趣点集合中确定出目标兴趣点;
向所述用户推荐所述目标兴趣点关联的描述信息。
2.根据权利要求1所述的推荐方法,其特征在于,所述用户的历史地理位置信息通过以下所列中的一种或结合方式获取:
通过所述用户的终端设备采集所述用户的历史地理位置信息;
通过所述用户的历史定位数据获取所述用户的历史地理位置信息;
从所述用户的关联照片中提取所述用户的历史地理位置信息。
3.根据权利要求1或2所述的推荐方法,其特征在于,所述历史地理位置信息包括经纬度信息,所述依据用户的历史地理位置信息,确定所述用户的历史兴趣点的步骤包括:
采用预设编码规则,分别将所述用户的历史经纬度信息和预设兴趣点数据库中的兴趣点的经纬度信息转换成字符串;
依据所述历史经纬度信息对应的字符串和兴趣点的经纬度信息对应的字符串,确定所述用户的历史兴趣点。
4.根据权利要求1所述的推荐方法,其特征在于,所述确定与所述历史兴趣点具有相似属性的兴趣点,形成所述用户的兴趣点集合的步骤包括:
获取多个候选兴趣点;
依次计算所述多个候选兴趣点中候选兴趣点与所述历史兴趣点的相似度;
采用相似度大于预设阈值的候选兴趣点,以及所述历史兴趣点,生成所述用户的兴趣点集合。
5.根据权利要求4所述的推荐方法,其特征在于,所述获取多个候选兴趣点的步骤包括:
基于所述历史兴趣点获取多个用户;
获取所述多个用户的其它兴趣点作为候选兴趣点。
6.根据权利要求4或5所述的推荐方法,其特征在于,所述依次计算所述多个候选兴趣点中候选兴趣点与所述历史兴趣点的相似度的步骤包括:
获取对所述历史兴趣点进行了操作的用户数;
获取对候选兴趣点进行了操作的用户数;
获取对所述历史兴趣点和候选兴趣点均进行了操作的用户数;
依据所述对所述历史兴趣点进行了操作的用户数、对候选兴趣点进行了操作的用户数、对所述历史兴趣点和候选兴趣点均进行了操作的用户数,计算候选兴趣点与所述历史兴趣点的相似度。
7.根据权利要求1所述的推荐方法,其特征在于,所述从所述兴趣点集合中确定出目标兴趣点的步骤包括:
获取所述用户对所述历史兴趣点的行为信息;
依据所述行为信息和所述兴趣点集合中兴趣点的相似度,计算兴趣点的推荐度;
依据所述推荐度,对兴趣点进行排序;
依据所述排序确定目标兴趣点。
8.根据权利要求1所述的推荐方法,其特征在于,通过以下方式建立兴趣点与描述信息的关联:
获取所述兴趣点的描述信息;
建立所述描述信息与所述兴趣点集合的关联关系。
9.根据权利要求1或2或4或5或7或8所述的推荐方法,其特征在于,所述兴趣点包括景点、酒店、餐馆和购物点中的一项。
10.根据权利要求1或2或4或5或7或8所述的推荐方法,其特征在于,所述相似属性为:所述兴趣点的兴趣点类型、兴趣点地点、兴趣点特色中的至少一项与所述历史兴趣点相似,所述描述信息包括兴趣点名称、兴趣点类型、兴趣点地点、兴趣点特色中的至少一项。
11.一种兴趣点信息的推荐方法,其特征在于,包括:
依据用户的历史地理位置信息,确定所述用户的历史景点;
确定与所述历史景点具有相似属性的景点,形成所述用户的景点集合,所述景点集合中的景点具有关联的描述信息;
从所述景点集合中确定出目标景点;
向所述用户推荐所述目标景点关联的描述信息。
12.根据权利要求11所述的推荐方法,其特征在于,所述相似属性为:所述景点的景点类型、景点地点、景点特色中的至少一项与所述历史景点相似,所述描述信息包括景点名称、景点类型、景点地点、景点特色中的至少一项。
13.一种兴趣点信息的推荐装置,其特征在于,包括:
历史兴趣点确定模块,用于依据用户的历史地理位置信息,确定所述用户的历史兴趣点;
兴趣点集合生成模块,用于确定与所述历史兴趣点具有相似属性的兴趣点,形成所述用户的兴趣点集合,所述兴趣点集合中的兴趣点具有关联的描述信息;
目标兴趣点确定模块,用于从所述兴趣点集合中确定出目标兴趣点;
兴趣点信息推荐模块,用于向所述用户推荐所述目标兴趣点关联的描述信息。
14.一种兴趣点信息的推荐装置,其特征在于,包括:
历史景点确定模块,用于依据用户的历史地理位置信息,确定所述用户的历史景点;
景点集合生成模块,用于确定与所述历史景点具有相似属性的景点,形成所述用户的景点集合,所述景点集合中的景点具有关联的描述信息;
目标景点确定模块,用于从所述景点集合中确定出目标景点;
景点信息推荐模块,用于向所述用户推荐所述目标景点关联的描述信息。
15.一种装置,其特征在于,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行如权利要求1-10和/或11-12所述的一个或多个的方法。
16.一个或多个机器可读介质,其上存储有指令,其特征在于,当由一个或多个处理器执行时,使得装置执行如权利要求1-10和/或11-12所述的一个或多个的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710940480.3A CN109948068A (zh) | 2017-09-30 | 2017-09-30 | 一种兴趣点信息的推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710940480.3A CN109948068A (zh) | 2017-09-30 | 2017-09-30 | 一种兴趣点信息的推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109948068A true CN109948068A (zh) | 2019-06-28 |
Family
ID=67003953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710940480.3A Pending CN109948068A (zh) | 2017-09-30 | 2017-09-30 | 一种兴趣点信息的推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948068A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781415A (zh) * | 2019-09-16 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 一种兴趣点推荐方法、装置、设备及介质 |
CN110851726A (zh) * | 2019-11-18 | 2020-02-28 | 百度在线网络技术(北京)有限公司 | 兴趣点选择方法、装置以及电子设备 |
CN111026975A (zh) * | 2019-12-12 | 2020-04-17 | 深圳向量之美科技有限公司 | 基于视觉信息识别的信息检索方法及装置 |
CN111143676A (zh) * | 2019-12-26 | 2020-05-12 | 斑马网络技术有限公司 | 兴趣点推荐方法、装置、电子设备及计算机可读存储介质 |
CN111194009A (zh) * | 2019-12-24 | 2020-05-22 | 中国平安财产保险股份有限公司 | Gps信息提取方法、装置、设备及存储介质 |
CN111191151A (zh) * | 2019-12-20 | 2020-05-22 | 上海淇玥信息技术有限公司 | 一种基于poi标签推送信息的方法、装置和电子设备 |
CN111523007A (zh) * | 2020-04-27 | 2020-08-11 | 北京百度网讯科技有限公司 | 用户感兴趣信息确定方法、装置、设备以及存储介质 |
CN111538904A (zh) * | 2020-04-27 | 2020-08-14 | 北京百度网讯科技有限公司 | 用于推荐兴趣点的方法和装置 |
CN112131503A (zh) * | 2020-08-27 | 2020-12-25 | 长沙市到家悠享网络科技有限公司 | 数据获取方法、装置、设备 |
CN112528170A (zh) * | 2019-09-19 | 2021-03-19 | 北京搜狗科技发展有限公司 | 一种用户兴趣挖掘的方法及相关装置 |
CN112884514A (zh) * | 2021-02-19 | 2021-06-01 | 平安科技(深圳)有限公司 | 基于多边形算法的活动数据分析方法、装置、设备及介质 |
WO2021114279A1 (en) * | 2019-12-13 | 2021-06-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining restriction attribute of area of interset |
CN113076344A (zh) * | 2021-03-26 | 2021-07-06 | 中山大学 | 一种基于用户App数据的个性化地点推荐方法及系统 |
CN113111266A (zh) * | 2021-04-28 | 2021-07-13 | 前海七剑科技(深圳)有限公司 | 目的地推荐方法、装置及计算机可读存储介质 |
CN113282836A (zh) * | 2021-06-17 | 2021-08-20 | 东软睿驰汽车技术(大连)有限公司 | 出行目的地址推送方法、装置、设备及存储介质 |
CN113312563A (zh) * | 2021-06-24 | 2021-08-27 | 北京三快在线科技有限公司 | 信息推荐方法、装置、设备及存储介质 |
CN113763098A (zh) * | 2020-12-21 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 用于确定物品的方法和装置 |
CN115083161A (zh) * | 2022-06-15 | 2022-09-20 | 平安国际融资租赁有限公司 | 车辆停留点的评估方法、装置、电子设备及可读存储介质 |
CN116304392A (zh) * | 2023-05-18 | 2023-06-23 | 和元达信息科技有限公司 | 基于定位的数据推送方法、装置、终端设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140214592A1 (en) * | 2013-01-31 | 2014-07-31 | International Business Machines Corporation | Method and system for online recommendation |
CN104123398A (zh) * | 2014-08-15 | 2014-10-29 | 百度在线网络技术(北京)有限公司 | 一种信息推送方法及装置 |
CN104504064A (zh) * | 2014-12-19 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法和装置 |
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 |
CN104657509A (zh) * | 2015-03-18 | 2015-05-27 | 苏州大学 | 基于历史照片信息的旅游地点推荐方法及系统 |
CN105635309A (zh) * | 2016-01-19 | 2016-06-01 | 南京航空航天大学 | 基于移动云位置隐私保护的推荐系统 |
-
2017
- 2017-09-30 CN CN201710940480.3A patent/CN109948068A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140214592A1 (en) * | 2013-01-31 | 2014-07-31 | International Business Machines Corporation | Method and system for online recommendation |
CN104123398A (zh) * | 2014-08-15 | 2014-10-29 | 百度在线网络技术(北京)有限公司 | 一种信息推送方法及装置 |
CN104504064A (zh) * | 2014-12-19 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法和装置 |
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 |
CN104657509A (zh) * | 2015-03-18 | 2015-05-27 | 苏州大学 | 基于历史照片信息的旅游地点推荐方法及系统 |
CN105635309A (zh) * | 2016-01-19 | 2016-06-01 | 南京航空航天大学 | 基于移动云位置隐私保护的推荐系统 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781415A (zh) * | 2019-09-16 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 一种兴趣点推荐方法、装置、设备及介质 |
CN112528170A (zh) * | 2019-09-19 | 2021-03-19 | 北京搜狗科技发展有限公司 | 一种用户兴趣挖掘的方法及相关装置 |
CN110851726A (zh) * | 2019-11-18 | 2020-02-28 | 百度在线网络技术(北京)有限公司 | 兴趣点选择方法、装置以及电子设备 |
CN111026975A (zh) * | 2019-12-12 | 2020-04-17 | 深圳向量之美科技有限公司 | 基于视觉信息识别的信息检索方法及装置 |
WO2021114279A1 (en) * | 2019-12-13 | 2021-06-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining restriction attribute of area of interset |
CN111191151B (zh) * | 2019-12-20 | 2023-08-25 | 上海淇玥信息技术有限公司 | 一种基于poi标签推送信息的方法、装置和电子设备 |
CN111191151A (zh) * | 2019-12-20 | 2020-05-22 | 上海淇玥信息技术有限公司 | 一种基于poi标签推送信息的方法、装置和电子设备 |
CN111194009A (zh) * | 2019-12-24 | 2020-05-22 | 中国平安财产保险股份有限公司 | Gps信息提取方法、装置、设备及存储介质 |
CN111194009B (zh) * | 2019-12-24 | 2022-09-30 | 中国平安财产保险股份有限公司 | Gps信息提取方法、装置、设备及存储介质 |
CN111143676A (zh) * | 2019-12-26 | 2020-05-12 | 斑马网络技术有限公司 | 兴趣点推荐方法、装置、电子设备及计算机可读存储介质 |
CN111538904B (zh) * | 2020-04-27 | 2023-03-17 | 北京百度网讯科技有限公司 | 用于推荐兴趣点的方法和装置 |
CN111538904A (zh) * | 2020-04-27 | 2020-08-14 | 北京百度网讯科技有限公司 | 用于推荐兴趣点的方法和装置 |
CN111523007A (zh) * | 2020-04-27 | 2020-08-11 | 北京百度网讯科技有限公司 | 用户感兴趣信息确定方法、装置、设备以及存储介质 |
CN111523007B (zh) * | 2020-04-27 | 2023-12-26 | 北京百度网讯科技有限公司 | 用户感兴趣信息确定方法、装置、设备以及存储介质 |
CN112131503A (zh) * | 2020-08-27 | 2020-12-25 | 长沙市到家悠享网络科技有限公司 | 数据获取方法、装置、设备 |
CN112131503B (zh) * | 2020-08-27 | 2024-01-12 | 长沙市到家悠享网络科技有限公司 | 数据获取方法、装置、设备 |
CN113763098A (zh) * | 2020-12-21 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 用于确定物品的方法和装置 |
CN112884514A (zh) * | 2021-02-19 | 2021-06-01 | 平安科技(深圳)有限公司 | 基于多边形算法的活动数据分析方法、装置、设备及介质 |
CN112884514B (zh) * | 2021-02-19 | 2023-09-26 | 平安科技(深圳)有限公司 | 基于多边形算法的活动数据分析方法、装置、设备及介质 |
CN113076344B (zh) * | 2021-03-26 | 2024-04-05 | 中山大学 | 一种基于用户App数据的个性化地点推荐方法及系统 |
CN113076344A (zh) * | 2021-03-26 | 2021-07-06 | 中山大学 | 一种基于用户App数据的个性化地点推荐方法及系统 |
CN113111266A (zh) * | 2021-04-28 | 2021-07-13 | 前海七剑科技(深圳)有限公司 | 目的地推荐方法、装置及计算机可读存储介质 |
CN113282836A (zh) * | 2021-06-17 | 2021-08-20 | 东软睿驰汽车技术(大连)有限公司 | 出行目的地址推送方法、装置、设备及存储介质 |
CN113312563B (zh) * | 2021-06-24 | 2022-09-16 | 北京三快在线科技有限公司 | 信息推荐方法、装置、设备及存储介质 |
CN113312563A (zh) * | 2021-06-24 | 2021-08-27 | 北京三快在线科技有限公司 | 信息推荐方法、装置、设备及存储介质 |
CN115083161B (zh) * | 2022-06-15 | 2023-08-04 | 平安国际融资租赁有限公司 | 车辆停留点的评估方法、装置、电子设备及可读存储介质 |
CN115083161A (zh) * | 2022-06-15 | 2022-09-20 | 平安国际融资租赁有限公司 | 车辆停留点的评估方法、装置、电子设备及可读存储介质 |
CN116304392B (zh) * | 2023-05-18 | 2023-09-19 | 和元达信息科技有限公司 | 基于定位的数据推送方法、装置、终端设备和存储介质 |
CN116304392A (zh) * | 2023-05-18 | 2023-06-23 | 和元达信息科技有限公司 | 基于定位的数据推送方法、装置、终端设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948068A (zh) | 一种兴趣点信息的推荐方法和装置 | |
JP6784308B2 (ja) | 施設特性を更新するプログラム、施設をプロファイリングするプログラム、コンピュータ・システム、及び施設特性を更新する方法 | |
US8793248B2 (en) | Method and system for recommending Geo-tagged items | |
Noguera et al. | A mobile 3D-GIS hybrid recommender system for tourism | |
CN107291888B (zh) | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 | |
CN109597945B (zh) | 用于产生位置感知推荐的方法 | |
US11042946B2 (en) | Identity mapping between commerce customers and social media users | |
CN104199896B (zh) | 基于特征分类的视频相似度确定及视频推荐方法 | |
CN103631954B (zh) | 个性化推荐方法及装置 | |
CN102591867B (zh) | 一种基于移动设备位置的搜索服务方法 | |
WO2016015444A1 (zh) | 一种目标用户的确定方法、设备和网络服务器 | |
US20130187951A1 (en) | Augmented reality apparatus and method | |
CN106960044B (zh) | 一种基于张量分解及加权hits的时间感知个性化poi推荐方法 | |
WO2019153889A1 (zh) | 地理位置服务的实现 | |
CN110348930A (zh) | 业务对象数据处理方法、业务对象信息的推荐方法和装置 | |
JP2003044512A (ja) | 行動エリア探索サーバおよび情報推薦サーバ | |
CN105608153A (zh) | 一种通用的poi信息关联方法 | |
CN103257962B (zh) | 信息提供方法以及装置 | |
Gao et al. | Mining human mobility in location-based social networks | |
Wang | Personalized recommendation framework design for online tourism: know you better than yourself | |
CN107103028A (zh) | 一种信息处理方法及装置 | |
CN110096609A (zh) | 房源搜索方法、装置、设备及计算机可读存储介质 | |
Shi et al. | Novel individual location recommendation with mobile based on augmented reality | |
Chang et al. | Hotel recommendation based on surrounding environments | |
CN106779816A (zh) | 一种基于3d地图的广告发布系统和方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |
|
RJ01 | Rejection of invention patent application after publication |