CN109992632A - 一种基于大数据的空间数据智能分发服务方法 - Google Patents
一种基于大数据的空间数据智能分发服务方法 Download PDFInfo
- Publication number
- CN109992632A CN109992632A CN201910031033.5A CN201910031033A CN109992632A CN 109992632 A CN109992632 A CN 109992632A CN 201910031033 A CN201910031033 A CN 201910031033A CN 109992632 A CN109992632 A CN 109992632A
- Authority
- CN
- China
- Prior art keywords
- user
- spatial data
- data
- information
- spatial
- 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
Abstract
本发明提供一种基于大数据的空间数据智能分发服务方法，涉及空间数据分发服务领域，包括用户空间数据采集与订购信息收集，通过对用户个人信息和行为进行统计分析，从而进行用户行为画像，利用大数据技术对用户订购的空间数据的类型、分辨率等信息进行用户对空间数据内容相似度计算以及订购空间数据的用户的所在城市、行业等信息进行用户对用户相似度计算，实现对用户感兴趣的空间数据挖掘和潜在用户挖掘，将挖掘的空间数据智能推送给用户。本发明根据不同用户对空间数据的差异化、动态化需求，建立用户信息画像，从而实现针对特定用户空间数据需求的智能分析、智能获取、智能分类、智能分发，有助于构建全新空间数据分发的智能主动推送服务模式。
Description
技术领域
本发明涉及空间数据分发服务领域，尤其涉及一种基于大数据的空间数据智能分发服务方法。
背景技术
目前，我国空间数据尤其是遥感卫星数据的数据存储多是采用“数据库+文件系统”的数据存储模式，即遥感数据目录采用商业数据库进行存储管理而遥感数据数据体则存储在文件系统中。当用户查询、订购遥感数据时，首先查询遥感数据商业数据库中的数据目录数据库，根据遥感数据目录数据库中的拇指图和缩略图，确定最终需要的遥感数据；然后，在最终确定的遥感数据基础上，从文件系统中获取相应的数据实体，由分发系统分发给用户。这种数据存储分发的模式，目前可很好地满足用户数据量不大情况下基于用户查询被动分发的业务需求。
但随着遥感技术、计算机技术的发展，我国国产遥感卫星无论从数量上，还是获取的遥感数据质量上，均有巨大的提高。例如，我国的高分专项拟将建设7颗高分系列的国产遥感卫星，其中可见光卫星的遥感分辨率最高达到0.8米左右。遥感数据质量的提高，必然导致遥感数据使用用户增加。目前“数据库+文件系统”的数据存储模式，商业数据库在用户并发访问上必然存在访问限制，不能很好地满足海量用户访问需求。同时，大数据技术、云计算技术的出现，为实现基于大数据的遥感数据分布式存储与分发，解决遥感数据存储以及海量用户并发访问提供技术支撑。
有鉴于此，确有必要通过综合分析空间数据、数据订单、数据采集单、不同用户群体空间数据兴趣点、用户需求点等信息，并在对空间数据和用户行为进行全面考虑的基础上，根据不同用户对空间数据的差异化、动态化需求，建立用户行为画像，提出一种基于大数据的空间数据智能分发服务方法，从而实现针对特定用户的空间信息数据需求的智能分析、智能获取、智能分类、智能分发，有助于构建全新空间数据分发的智能主动推送服务模式。
发明内容
本发明的目的在于提供一种基于大数据的空间数据智能分发服务方法，以解决上述技术问题。
本发明为解决上述技术问题，采用以下技术方案来实现：
一种基于大数据的空间数据智能分发服务方法，包括用户空间数据采集与订购信息收集、用户行为画像以及空间数据挖掘和潜在用户挖掘，挖掘的空间数据智能推送用户。
优选的，所述用户空间数据采集与订购信息收集包括用户对所需求的空间数据的数据类型、分辨率、空间地理范围、采集时间信息收集，所述用户空间数据采集包括用户在注册时的用户单位、行业、专业、所在城市用户基本信息，采集的空间数据为遥感卫星影像数据时，空间数据采集内容包括具体卫星、传感器、遥感数据产品级别、遥感数据对应空间地理范围、遥感数据分辨率、遥感数据采集时间。
优选的，所述用户行为画像包括用户维度和空间数据维度，所述用户维度包括用户基本信息、用户事实信息、用户模型信息和用户预测信息用户画像标签信息，所述空间数据维度包括空间数据的数据类型、分辨率、空间地理范围、采集时间、制作时间标签信息。特别的，针对遥感卫星影像空间数据的信息包括卫星、传感器、遥感数据产品级别、遥感数据对应空间地理范围、遥感数据分辨率、遥感数据采集时间、制作时间。
优选的，所述用户基本信息标签包括姓名、行业、专业、单位、所在城市，用户事实信息标签包括用户职业、搜索/浏览/订购空间数据数据类型、空间数据分辨率、空间数据地理范围、空间数据产品级别、订购频次、撤单次数、订购渠道、订购IP地址，所述用户模型信息包括用户数据偏好、空间数据统计、用户活跃度、用户关联关系、渠道使用偏好、数据购买偏好，用户预测信息标签包括潜在用户、可能感兴趣的空间数据(类型、分辨率)、感兴趣的区域。
优选的，所述空间数据挖掘和潜在用户挖掘为在用户信息画像基础上，利用大数据技术对用户搜索/浏览/订购的空间数据的类型、分辨率、产品级别、生产时间、区域范围信息进行用户对空间数据内容相似度计算以及订购空间数据的用户的所在城市、行业、专业、空间数据的用途与范围信息进行用户对用户相似度计算。
优选的，所述用户相似度计算方法步骤如下：
步骤S1：获取用户的注册信息；
步骤S2：获取用户最近的行为数据；
步骤S3：根据步骤S2中的用户信息和用户浏览/订购的空间数据信息对用户行为画像；
步骤S4：根据用户行为画像，对已有用户U1和推荐用户U2进行相似度计算；
步骤S5：提取用户-控件数据二维矩阵，根据用户浏览/订购空间数据的历史记录和用户行为画像，提取并建立用户-空间数据二维矩阵。
步骤S6：计算用户U1对空间数据的偏好；
步骤S7：根据用户U1对空间数据喜好程度进行排序；
步骤S8：获取Top-n空间数据列表，根据步骤S7中按用户U1对空间数据喜好程度值排序的结果，提取排序中Top-n空间数据列表；
步骤S9：将Top-n空间数据推荐给用户U2，根据步骤S8中按用户U1偏爱Top-n空间数据列表，推荐给用户U2。
优选的，所述内容相似度计算方法步骤如下：
Step1：获取用户最近查询/浏览/订购空间数据的行为信息；
Step2：根据Step1中的用户信息和用户查询/浏览/订购的空间数据信息对用户行为画像；
Step3：计算用户U1对空间数据的偏好，提取用户U1偏好对空间数据集S(U1)；
Step4：计算空间数据的相似矩阵M；
Step5：通过空间数据相似矩阵M，获得与空间数据集S(U1)相似的空间数据集T(U1)；
Step6：计算用户U1对空间数据集T(U1)的偏好程度；
Step7：获取Top-n空间数据列表；
Step8：将Top-n空间数据推荐给用户U2。
优选的，所述空间数据挖掘包括对用户自己和向已存在的其他用户推荐可能感兴趣的空间数据。
优选的，所述空间数据挖掘是指通过分析用户最近搜索/浏览/订购空间数据的时间、空间数据的类型、分辨率、产品级别、生产时间、区域范围信息，采用基于内容的协同过滤算法计算用户对空间数据的相似度，找到相似度最大的空间数据，并向用户自己和已存在的其他用户推荐可能感兴趣的空间数据。
优选的，所述潜在用户挖掘为通过分析已有用户行业、专业、所在城市以及感兴趣的空间数据偏好，采用基于用户的协同过滤算法计算用户间的相似度，找到相似度最大的第一次注册用户或者未注册的潜在用户，并向第一次注册用户或者未注册的潜在用户推荐可能感兴趣的空间数据。
优选的，所述空间数据智能推送为在空间数据挖掘和潜在用户挖掘的基础上，对用户自己、其他老用户、第一次注册用户和未注册的潜在用户智能推荐可能感兴趣的空间数据。
本发明的有益效果是：
本发明提供了一种基于大数据的空间数据智能分发服务方法，实现对用户浏览、订购的空间数据、数据订单、数据采集单、不同空间数据用户群体兴趣点、用户需求点等信息进行用户行为画像；基于用户行为画像基础上，实现基于用户的协同过滤算法计算用户间的相似度和基于内容的协同过滤算法计算用户对空间数据的相似度分析，找到相似度最大的空间数据集，并将该空间数据集向用户自己、其他老用户、第一次注册用户和未注册的潜在用户推荐可能感兴趣的空间数据；实现目前空间数据被动数据分发模式转向根据不同用户对空间数据的差异化、动态化需求的智能分析、智能获取、智能分类、智能分发的主动分发服务模式。
附图说明
图1为本发明的流程示意图；
图2为本发明用户维度的结构框图；
图3为本发明基于用户的协同过滤的空间数据推荐流程示意图；
图4为本发明基于内容的协同过滤的空间数据推荐流程示意图；
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例和附图，进一步阐述本发明，但下述实施例仅仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本发明的保护范围。
下面结合附图描述本发明的具体实施例。
一种基于大数据的空间数据智能分发服务方法，包括用户空间数据采集与订购信息收集、用户行为画像以及空间数据挖掘和潜在用户挖掘，挖掘的空间数据智能推送用户。
用户空间数据采集与订购信息收集包括用户对所需求的空间数据的数据类型、分辨率、空间地理范围、采集时间信息收集，用户空间数据采集包括用户在注册时的用户单位、行业、专业、所在城市用户基本信息，采集的空间数据为遥感卫星影像数据时，空间数据采集内容包括具体卫星、传感器、遥感数据产品级别、遥感数据对应空间地理范围、遥感数据分辨率、遥感数据采集时间。
如图2所示，用户行为画像包括用户维度和空间数据维度，用户维度包括用户基本信息、用户事实信息、用户模型信息和用户预测信息用户画像标签信息，空间数据维度包括空间数据的数据类型、分辨率、空间地理范围、采集时间、制作时间标签信息。特别的，针对遥感卫星影像空间数据的信息包括卫星、传感器、遥感数据产品级别、遥感数据对应空间地理范围、遥感数据分辨率、遥感数据采集时间、制作时间。
用户基本信息标签包括姓名、行业、专业、单位、所在城市，用户事实信息标签包括用户职业、搜索/浏览/订购空间数据数据类型、空间数据分辨率、空间数据地理范围、空间数据产品级别、订购频次、撤单次数、订购渠道、订购IP地址，用户模型信息包括用户数据偏好、空间数据统计、用户活跃度、用户关联关系、渠道使用偏好、数据购买偏好，用户预测信息标签包括潜在用户、可能感兴趣的空间数据(类型、分辨率)、感兴趣的区域。
空间数据挖掘和潜在用户挖掘为在用户信息画像基础上，利用大数据技术对用户搜索/浏览/订购的空间数据的类型、分辨率、产品级别、生产时间、区域范围信息进行用户对空间数据内容相似度计算以及订购空间数据的用户的所在城市、行业、专业、空间数据的用途与范围信息进行用户对用户相似度计算。
空间数据挖掘包括对用户自己和向已存在的其他用户推荐可能感兴趣的空间数据。
空间数据挖掘是指通过分析用户最近搜索/浏览/订购空间数据的时间、空间数据的类型、分辨率、产品级别、生产时间、区域范围信息，采用基于内容的协同过滤算法计算用户对空间数据的相似度，找到相似度最大的空间数据，并向用户自己和已存在的其他用户推荐可能感兴趣的空间数据。
潜在用户挖掘为通过分析已有用户行业、专业、所在城市以及感兴趣的空间数据偏好，采用基于用户的协同过滤算法计算用户间的相似度，找到相似度最大的第一次注册用户或者未注册的潜在用户，并向第一次注册用户或者未注册的潜在用户推荐可能感兴趣的空间数据。
空间数据智能推送为在空间数据挖掘和潜在用户挖掘的基础上，对用户自己、其他老用户、第一次注册用户和未注册的潜在用户智能推荐可能感兴趣的空间数据。
如图1所示，用户空间数据采集与订购信息收集、结合用户注册的个人信息，对用户个人信息和行为进行统计分析，从而进行用户行为画像，在用户行为画像基础上，利用大数据技术和协同过滤推荐技术，对用户订购的空间数据的类型、分辨率、产品级别、生产时间、区域范围信息以及订购空间数据的用户所在城市、行业、专业、空间数据的用途与范围信息进行空间数据挖掘和潜在用户挖掘，将挖掘的空间数据智能推送用户。
如图3所示，基于用户的协同过滤的向用户推荐可能感兴趣的空间数据的方法。
步骤S1：获取用户的注册信息；
获取的用户注册信息主要包括用户姓名、行业、专业、单位、所在城市等用户基本信息。
步骤S2：获取用户最近的行为数据；
其中，用户最近行为数据主要是用户查询/浏览/订购空间数据的数据类型、分辨率、地理范围、产品级别、订购频次、撤单次数、订购渠道、订购IP地址等信息。
步骤S3：根据步骤S2中的用户信息和用户浏览/订购的空间数据信息对用户行为画像；
步骤S4：根据用户行为画像，对已有用户U1和推荐用户U2进行相似度计算；
其中，用户间相似度主要从用户的专业、所从事的行业以及所在的城市等信息标签进行计算。鉴于用户的专业、所从事的行业以及所在的城市等信息标签属于定性标签，可以基于概念的信息容量法来计算用户间相似度。
步骤S5：提取用户-控件数据二维矩阵；
根据用户浏览/订购空间数据的历史记录和用户行为画像，提取并建立用户-空间数据二维矩阵。
步骤S6：计算用户U1对空间数据的偏好；
其中，计算用户U1对空间数据的偏好时，根据步骤S5中生产的用户-控件数据二维矩阵结果，结合用户查询/浏览/订购空间数据的历史记录中对同类空间数据查询/浏览/订购的次数，次数占比越大表明用户越喜好此类空间数据，喜好程度值越大。考虑空间数据的信息化标签包括空间数据类型、分辨率以及地理范围等。
步骤S7：根据用户U1对空间数据喜好程度进行排序；
根据步骤S6中计算得到的用户U1对空间数据的喜好程度值，并根据喜好程度值的大小由大到小进行排序。
步骤S8：获取Top-n空间数据列表；
根据步骤S7中按用户U1对空间数据喜好程度值排序的结果，提取排序中Top-n空间数据列表。
步骤S9：将Top-n空间数据推荐给用户U2；
根据步骤S8中按用户U1偏爱Top-n空间数据列表，推荐给用户U2。
如图4所示，基于内容的协同过滤的向用户推荐可能感兴趣的空间数据的方法。
Step1：获取用户最近查询/浏览/订购空间数据的行为信息；
其中，用户最近查询/浏览/订购空间数据的行为信息主要是用户查询/浏览/订购空间数据的数据类型、分辨率、地理范围、产品级别、订购频次、撤单次数、订购渠道、订购IP地址等信息。
Step2：根据Step1中的用户信息和用户查询/浏览/订购的空间数据信息对用户行为画像；
Step3：计算用户U1对空间数据的偏好，提取用户U1偏好对空间数据集S(U1)；
其中，计算用户U1对空间数据的偏好时，根据用户查询/浏览/订购空间数据的历史记录中对同类空间数据查询/浏览/订购的次数，若某类空间数据查询/浏览/订购的次数与总次数占比越大表明用户越喜好此类空间数据，喜好程度值越大，并根据空间数据喜好程度值的大小，提取用户U1偏好对空间数据集S(U1)。考虑空间数据的信息化标签包括空间数据类型、分辨率以及地理范围等。
Step4：计算空间数据的相似矩阵M；
其中，计算空间数据的相似矩阵M时，根据用户查询/浏览/订购空间数据的历史记录中对同类空间数据查询/浏览/订购的次数，若某类空间数据查询/浏览/订购的次数与总次数占比越大表明用户越喜好此类空间数据。根据空间数据的数据类型、分辨率以及地理范围等信息，结合点击次数占比，计算空间数据的相似矩阵M。
Step5：通过空间数据相似矩阵M，获得与空间数据集S(U1)相似的空间数据集T(U1)；
根据Step4中的空间数据相似矩阵M，可对不同类型空间数据查询/浏览/订购次数与总次数比值，采用余弦相似度方法计算与空间数据集S(U1)相似的空间数据集T(U1)。
Step6：计算用户U1对空间数据集T(U1)的偏好程度；
根据Step5获得的空间数据集T(U1)，根据对空间数据查询/浏览/订购次数与总次数比值的大小，其比值大小即表示用户U1对T(U1)空间数据偏好的程度，并根据比值的大小，对T(U1)空间数据进行由大到小进行排序。
Step7：获取Top-n空间数据列表；
根据Step6对空间数据集T(U1)排序的结果，获取排序结果数据集中Top-n空间数据列表。
Step8：将Top-n空间数据推荐给用户U2；
根据步骤Step7中按用户U1偏爱Top-n空间数据列表，推荐给用户U2。
空间数据智能推送用户：将获得用户喜好的Top-n空间数据列表智能推送给用户自己、其他老用户、第一次注册用户和未注册的潜在用户。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于大数据的空间数据智能分发服务方法，其特征在于：包括用户空间数据采集与订购信息收集、用户行为画像以及空间数据挖掘和潜在用户挖掘，挖掘的空间数据智能推送用户。
2.根据权利要求1所述的一种基于大数据的空间数据智能分发服务方法，其特征在于：所述用户空间数据采集与订购信息收集包括用户对所需求的空间数据的数据类型、分辨率、空间地理范围、采集时间信息收集，所述用户空间数据采集包括用户在注册时的用户单位、行业、专业、所在城市用户基本信息，采集的空间数据为遥感卫星影像数据时，空间数据采集内容包括具体卫星、传感器、遥感数据产品级别、遥感数据对应空间地理范围、遥感数据分辨率、遥感数据采集时间。
3.根据权利要求1所述的一种基于大数据的空间数据智能分发服务方法，其特征在于：所述用户行为画像包括用户维度和空间数据维度，所述用户维度包括用户基本信息、用户事实信息、用户模型信息和用户预测信息用户画像标签信息，所述空间数据维度包括空间数据的数据类型、分辨率、空间地理范围、采集时间、制作时间标签信息。
4.根据权利要求3所述的一种基于大数据的空间数据智能分发服务方法，其特征在于：所述用户基本信息标签包括姓名、行业、专业、单位、所在城市，用户事实信息标签包括用户职业、搜索/浏览/订购空间数据数据类型、空间数据分辨率、空间数据地理范围、空间数据产品级别、订购频次、撤单次数、订购渠道、订购IP地址，所述用户模型信息包括用户数据偏好、空间数据统计、用户活跃度、用户关联关系、渠道使用偏好、数据购买偏好，用户预测信息标签包括潜在用户、可能感兴趣的空间数据、感兴趣的区域。
5.根据权利要求1所述的一种基于大数据的空间数据智能分发服务方法，其特征在于：所述空间数据挖掘和潜在用户挖掘为在用户信息画像基础上，利用大数据技术对用户搜索/浏览/订购的空间数据的类型、分辨率、产品级别、生产时间、区域范围信息进行用户对空间数据内容相似度计算以及订购空间数据的用户的所在城市、行业、专业、空间数据的用途与范围信息进行用户对用户相似度计算。
6.根据权利要求5所述的一种基于大数据的空间数据智能分发服务方法，其特征在于：所述用户相似度计算方法步骤如下：
步骤S1：获取用户的注册信息；
步骤S2：获取用户最近的行为数据；
步骤S3：根据步骤S2中的用户信息和用户浏览/订购的空间数据信息对用户行为画像；
步骤S4：根据用户行为画像，对已有用户U1和推荐用户U2进行相似度计算；
步骤S5：提取用户-控件数据二维矩阵，根据用户浏览/订购空间数据的历史记录和用户行为画像，提取并建立用户-空间数据二维矩阵。
步骤S6：计算用户U1对空间数据的偏好；
步骤S7：根据用户U1对空间数据喜好程度进行排序；
步骤S8：获取Top-n空间数据列表，根据步骤S7中按用户U1对空间数据喜好程度值排序的结果，提取排序中Top-n空间数据列表；
步骤S9：将Top-n空间数据推荐给用户U2，根据步骤S8中按用户U1偏爱Top-n空间数据列表，推荐给用户U2。
7.根据权利要求5所述的一种基于大数据的空间数据智能分发服务方法，其特征在于：所述内容相似度计算方法步骤如下：
Step1：获取用户最近查询/浏览/订购空间数据的行为信息；
Step2：根据Step1中的用户信息和用户查询/浏览/订购的空间数据信息对用户行为画像；
Step3：计算用户U1对空间数据的偏好，提取用户U1偏好对空间数据集S(U1)；
Step4：计算空间数据的相似矩阵M；
Step5：通过空间数据相似矩阵M，获得与空间数据集S(U1)相似的空间数据集T(U1)；
Step6：计算用户U1对空间数据集T(U1)的偏好程度；
Step7：获取Top-n空间数据列表；
Step8：将Top-n空间数据推荐给用户U2。
8.根据权利要求5所述的一种基于大数据的空间数据智能分发服务方法，其特征在于：所述空间数据挖掘包括对用户自己和向已存在的其他用户推荐可能感兴趣的空间数据。
9.根据权利要求5所述的一种基于大数据的空间数据智能分发服务方法，其特征在于：所述空间数据挖掘是指通过分析用户最近搜索/浏览/订购空间数据的时间、空间数据的类型、分辨率、产品级别、生产时间、区域范围信息，采用基于内容的协同过滤算法计算用户对空间数据的相似度，找到相似度最大的空间数据，并向用户自己和已存在的其他用户推荐可能感兴趣的空间数据，所述潜在用户挖掘为通过分析已有用户行业、专业、所在城市以及感兴趣的空间数据偏好，采用基于用户的协同过滤算法计算用户间的相似度，找到相似度最大的第一次注册用户或者未注册的潜在用户，并向第一次注册用户或者未注册的潜在用户推荐可能感兴趣的空间数据。
10.根据权利要求1所述的一种基于大数据的空间数据智能分发服务方法，其特征在于：所述空间数据智能推送为在空间数据挖掘和潜在用户挖掘的基础上，对用户自己、其他老用户、第一次注册用户和未注册的潜在用户智能推荐可能感兴趣的空间数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910031033.5A CN109992632A (zh) | 2019-01-14 | 2019-01-14 | 一种基于大数据的空间数据智能分发服务方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910031033.5A CN109992632A (zh) | 2019-01-14 | 2019-01-14 | 一种基于大数据的空间数据智能分发服务方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109992632A true CN109992632A (zh) | 2019-07-09 |
Family
ID=67129217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910031033.5A Pending CN109992632A (zh) | 2019-01-14 | 2019-01-14 | 一种基于大数据的空间数据智能分发服务方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109992632A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111506813A (zh) * | 2020-04-08 | 2020-08-07 | 中国电子科技集团公司第五十四研究所 | 一种基于用户画像的遥感信息精准推荐方法 |
| CN111797316A (zh) * | 2020-06-30 | 2020-10-20 | 嘉兴优贝信息科技有限公司 | 城市信息流智能推荐分发方法及其分发系统 |
| CN111813842A (zh) * | 2020-09-10 | 2020-10-23 | 杭州城市大数据运营有限公司 | 一种数据处理方法、装置、系统、设备和存储介质 |
| CN112068643A (zh) * | 2020-09-01 | 2020-12-11 | 天津科技大学 | 一种基于空间信息数据画像采集分析装置 |
| WO2021196474A1 (zh) * | 2020-03-31 | 2021-10-07 | 深圳壹账通智能科技有限公司 | 用户兴趣画像方法及相关设备 |
| CN115358729A (zh) * | 2022-10-21 | 2022-11-18 | 成都戎星科技有限公司 | 一种卫星影像数据智能发布系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105183727A (zh) * | 2014-05-29 | 2015-12-23 | 上海研深信息科技有限公司 | 一种图书推荐方法及其系统 |
| CN105718579A (zh) * | 2016-01-22 | 2016-06-29 | 浙江大学 | 一种基于上网日志挖掘和用户活动识别的信息推送方法 |
| CN107220852A (zh) * | 2017-05-26 | 2017-09-29 | 北京小度信息科技有限公司 | 用于确定目标推荐用户的方法、装置和服务器 |
| US20180095959A1 (en) * | 2016-10-04 | 2018-04-05 | General Electric Company | Large scale processor for satellite data |
-
2019
- 2019-01-14 CN CN201910031033.5A patent/CN109992632A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105183727A (zh) * | 2014-05-29 | 2015-12-23 | 上海研深信息科技有限公司 | 一种图书推荐方法及其系统 |
| CN105718579A (zh) * | 2016-01-22 | 2016-06-29 | 浙江大学 | 一种基于上网日志挖掘和用户活动识别的信息推送方法 |
| US20180095959A1 (en) * | 2016-10-04 | 2018-04-05 | General Electric Company | Large scale processor for satellite data |
| CN107220852A (zh) * | 2017-05-26 | 2017-09-29 | 北京小度信息科技有限公司 | 用于确定目标推荐用户的方法、装置和服务器 |
Non-Patent Citations (2)
| Title |
|---|
| 熊剑等: "空间数据智能分发的用户偏好模型研究", 《城市勘测》 * |
| 王相平等: "基于协同过滤的雷达数据智能分发技术", 《微计算机信息》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021196474A1 (zh) * | 2020-03-31 | 2021-10-07 | 深圳壹账通智能科技有限公司 | 用户兴趣画像方法及相关设备 |
| CN111506813A (zh) * | 2020-04-08 | 2020-08-07 | 中国电子科技集团公司第五十四研究所 | 一种基于用户画像的遥感信息精准推荐方法 |
| CN111797316A (zh) * | 2020-06-30 | 2020-10-20 | 嘉兴优贝信息科技有限公司 | 城市信息流智能推荐分发方法及其分发系统 |
| CN112068643A (zh) * | 2020-09-01 | 2020-12-11 | 天津科技大学 | 一种基于空间信息数据画像采集分析装置 |
| CN111813842A (zh) * | 2020-09-10 | 2020-10-23 | 杭州城市大数据运营有限公司 | 一种数据处理方法、装置、系统、设备和存储介质 |
| CN115358729A (zh) * | 2022-10-21 | 2022-11-18 | 成都戎星科技有限公司 | 一种卫星影像数据智能发布系统 |
| CN115358729B (zh) * | 2022-10-21 | 2023-01-13 | 成都戎星科技有限公司 | 一种卫星影像数据智能发布系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109992632A (zh) | 一种基于大数据的空间数据智能分发服务方法 | |
| Liu et al. | Smartadp: Visual analytics of large-scale taxi trajectories for selecting billboard locations | |
| CN110110221A (zh) | 政务数据智能推荐方法和系统 | |
| Majid et al. | A system for mining interesting tourist locations and travel sequences from public geo-tagged photos | |
| CN101763607B (zh) | 利用全景电子地图构建的网上展览平台系统及其构建方法 | |
| CN102880712B (zh) | 一种用于对搜索的网络视频进行排序的方法和系统 | |
| CN109189951A (zh) | 一种多媒体资源推荐方法、设备及存储介质 | |
| AU2016201642A1 (en) | Assessing digital content across a communications network | |
| CN106055617A (zh) | 一种数据推送方法及装置 | |
| CN104820715A (zh) | 基于多维度关联的数据共享和分析方法及系统 | |
| CN102890725B (zh) | 搜索引擎的结果排序方法 | |
| Karabegovic et al. | Geoportal as decision support system with spatial data warehouse | |
| CN106326413A (zh) | 一种个性化视频推荐系统及方法 | |
| CN103186595A (zh) | 音视频推荐方法及系统 | |
| CN107357845A (zh) | 一种基于Spark的旅游兴趣推荐系统及推荐方法 | |
| Majid et al. | GoThere: travel suggestions using geotagged photos | |
| CN106446294A (zh) | 基于场景模式的图像多维度标注模型的社区图像推荐方法 | |
| Zhuang et al. | From compound word to metropolitan station: Semantic similarity analysis using smart card data | |
| CN107908784A (zh) | 一种基于大数据的矿产资源储量动态管理方法及其系统 | |
| Krugell et al. | Measuring the export capability of South African regions | |
| Niu et al. | Integrating multiple data to identify building functions in China’s urban villages | |
| CN100507445C (zh) | 监测对运动对象的连续查询的方法和系统 | |
| Wang et al. | A graph-based visual query method for massive human trajectory data | |
| CN107622075A (zh) | 地标推荐方法及其计算机程序产品 | |
| Komamizu et al. | Visual spatial-olap for vehicle recorder data on micro-sized electric vehicles |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190709 |
|
| WD01 | Invention patent application deemed withdrawn after publication |