CN110110244A - 一种融合多源信息的兴趣点推荐方法 - Google Patents

一种融合多源信息的兴趣点推荐方法 Download PDF

Info

Publication number
CN110110244A
CN110110244A CN201910347364.XA CN201910347364A CN110110244A CN 110110244 A CN110110244 A CN 110110244A CN 201910347364 A CN201910347364 A CN 201910347364A CN 110110244 A CN110110244 A CN 110110244A
Authority
CN
China
Prior art keywords
interest
point
user
good friend
similarity
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
Application number
CN201910347364.XA
Other languages
English (en)
Other versions
CN110110244B (zh
Inventor
魏文国
杨恒泓
谢桂园
赵慧民
蔡君
戴青云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Polytechnic Normal University
Original Assignee
Guangdong Polytechnic Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Polytechnic Normal University filed Critical Guangdong Polytechnic Normal University
Priority to CN201910347364.XA priority Critical patent/CN110110244B/zh
Publication of CN110110244A publication Critical patent/CN110110244A/zh
Application granted granted Critical
Publication of CN110110244B publication Critical patent/CN110110244B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/90—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
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明实施例公开了一种融合多源信息的兴趣点推荐方法，所述方法包括：获取用户的当前位置，从预设兴趣点数据库中查找出距离用户当前位置低于预设距离的兴趣点的兴趣点信息，并且获取用户对目标地点以及邻域地点的偏好，所述兴趣点为用户以签到、评价的方式记录的访问地点，所述兴趣点数据库为所述兴趣点的集合；基于兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度值，获取所述相似度值高于预设相似度值的用户好友的好友兴趣点数据库；获取用户好友在用户当前位置低于预设距离的好友兴趣点，结合用户对邻域地点的偏好向所述用户推荐所述兴趣点。采用本发明，可以精确的对用户进行兴趣点的推荐。

Description

一种融合多源信息的兴趣点推荐方法
技术领域
本发明涉及推荐领域，特别是涉及一种融合多源信息的兴趣点推荐方法。
背景技术
随着LBSN(Location-based Social Network，基于位置的社会网络) 的发展，越来越多的用户通过LBSN来分享他们的访问信息，但由于在时间的积累中，用户数量不断增加，产生的信息量呈指数性增长，会导致信息超载现象严重，个性化兴趣点推荐系统应运而生。然而，目前的推荐方法忽略了兴趣点属性对用户相似度的影响，无法充分挖掘地理位置与社交关系之间的关系。
发明内容
为了解决上述问题，本发明提供了一种融合多源信息的兴趣点推荐方法，通过考虑兴趣点属性对用户相似度的影响，同时结合用户对邻域地点的偏好来精确的对用户进行兴趣点的推荐。
基于此，本发明提供了一种融合多源信息的兴趣点推荐方法，所述方法包括：
获取用户的当前位置，从预设兴趣点数据库中查找出距离用户当前位置低于预设距离的兴趣点的兴趣点信息，并且获取用户对目标地点以及邻域地点的偏好，所述兴趣点为用户以签到、评价的方式记录的访问地点，所述兴趣点数据库为所述兴趣点的集合；
基于兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度值，获取所述相似度值高于预设相似度值的用户好友的好友兴趣点数据库；
获取用户好友在用户当前位置低于预设距离的好友兴趣点，结合用户对邻域地点的偏好向所述用户推荐所述兴趣点。
其中，所述兴趣点信息包括兴趣点名称、兴趣点位置信息、兴趣点所属行业。
其中，所述兴趣点位置信息包括兴趣点所述省、市、区、街道及兴趣点经度坐标值、兴趣点纬度坐标值。
其中，所述方法还包括对所述兴趣点做标签，所述标签包括：家、学校、公司。
其中，所述方法还包括将所述好友兴趣点的导航路径信息及与所述好友兴趣点导航路径信息对应的地图数据推荐给用户。
其中，所述考虑兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度包括：
其中，λk为兴趣点属性影响参数，计算公式如下图：
SIM(i,v)代表用户i跟用户v之间的相似度，rik，rvk分别代表用户i和用户v在兴趣点k的访问次数，ik代表在兴趣点k签到的人数， m代表用户的总人数，Sik代表用户i是否在兴趣点k进行签到，Svk代表用户v是否在兴趣点k进行签到，取值1代表签到过，取值0代表没有签到。
其中，所述方法还包括根据所述兴趣点所属行业推荐与所述兴趣点所属同一行业的地点。
本发明还提供了一种融合多源信息的兴趣点推荐设备，所述兴趣点推荐设备包括：
定位并获取兴趣点模块，用于获取用户的当前位置，从预设兴趣点数据库中查找出与用户当前位置低于预设距离的兴趣点的兴趣点信息，并且获取用户对目标地点以及邻域地点的偏好，所述兴趣点为用户以签到、评价的方式记录的访问地点，所述兴趣点数据库为所述兴趣点的集合；
计算并获取好友兴趣点模块，用于基于兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度，获取与用户相似度值高于预设相似度值的用户好友的好友兴趣点数据库；
推荐模块，用于获取用户好友在用户当前位置低于预设距离的好友兴趣点，结合用户对邻域地点的偏好向所述用户推荐所述兴趣点。
本发明还提供了一种推荐设备，所述电子设备包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行上述方法中的步骤的指令。
本发明还提供了一种计算机可读存储介质，其特征在于，其用于存储计算机程序，其中，所述计算机程序使得计算机执行上述的方法。
本发明获取用户对当前位置和在当前位置附近的兴趣点的偏好，同时根据社交网络中用户好友与用户之间的相似度来判断出用户好友的兴趣点，因为用户与其好友兴趣有极大可能相同，故可结合邻域地点的影响与相似好友访问的兴趣点为用户进行推荐，使得推荐方法更高效。还可以将用户好友的兴趣点的导航路径信息及与所述好友兴趣点导航路径信息对应的地图数据推荐给用户，使得用户不必手动输入地址，提高了用户的体验度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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融合多源信息的兴趣点推荐方法的流程图；
图2是本发明实施例提供的融合多源信息的兴趣点推荐设备的示意图；
图3是本发明实施例提供的终端设备的示意图。
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，所描述的实施例仅仅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作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。
图1是本发明实施例提供的一种融合多源信息的兴趣点推荐方法的流程图，所述方法包括：
S101、获取用户的当前位置，从预设兴趣点数据库中查找出距离用户当前位置低于预设距离的兴趣点的兴趣点信息，并且获取用户对目标地点以及邻域地点的偏好，所述兴趣点为用户以签到、评价的方式记录的访问地点，所述兴趣点数据库为所述兴趣点的集合。
用户可以对访问的地点以签到、评价等方式记录所述地点的信息以及当时访问的时间、心情等，这类地点通常称之为兴趣点 (point-of-interest，POI)。所述评价包括文字、表情等。
所述兴趣点信息包括兴趣点名称、兴趣点位置信息、兴趣点所属行业。
所述兴趣点位置信息包括兴趣点所述省、市、区、街道及兴趣点经度坐标值、兴趣点纬度坐标值。
所述兴趣点所属行业包括但并不仅限于以下分类:
A、农、林、牧、渔业；
B、采矿业；
C、制造业；
D、电力、燃气及水的生产和供应业；
E、建筑业；
F、交通运输、仓储和邮政业；
G、信息传输、计算机服务和软件业；
H、批发和零售业；
I、住宿和餐饮业；
J、金融业；
K、房地产业；
L、租赁和商务服务业；
M、科学研究、技术服务和地质勘查业；
N、水利、环境和公共设施管理业；
O、居民服务和其他服务业。
其中，所述方法还包括对所述兴趣点做标签，所述标签包括：家、学校、公司，还可以包括电影院、饭店等场所。
举例来讲，所述兴趣点可以为用户非常喜欢的奶茶店、饭店、旅游景点、电影院、学校等地点。在所述地点往往购买食物、门票等可以对其进行评价，也可以在相关社交网络上定位发表心情等。
用户所有的兴趣点可构成用户个人的兴趣点数据库，也就是说，所述兴趣点数据库为所述兴趣点的集合。
获取用户的当前位置，从预设兴趣点数据库中查找出与用户当前位置低于预设距离的兴趣点的兴趣点信息。
举例来讲，用户位于某一地方时，所述地方之前所述用户来过，并且去饭店吃饭和电影院看了电影，并对所述饭菜和电影院在社交网络上进行了评价，若所述评价为好评，则标记所述地点为兴趣点。
S102、基于兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度值，获取所述相似度值高于预设相似度值的用户好友的好友兴趣点数据库。
在传统相似度的计算中,一般默认项目权重一样，但是在现实中一般认为共同评分值高的项目相对于共同评分值低的项目而言，其对用户相似度的影响应该更大。例如，对于项目1，2，3，用户a评值分别为5，4，5，用户b评值分别为2，1，3，用户c评值分别为4， 5，5，基于评分越高代表用户偏好越大的理论，用户a与用户c在共同评分较高的情况下，其用户间相似度相对于用户b应更大，即共同评分高的项目相应权重也应更大；同时还认为流行度越高的项目对用户间相似度的影响力相对而言应该越少。例如对用户而言，如果一个人非常热爱购物并且已经购买了各种类型的物品，那么该用户的访问与项目类型的相关性就会减弱。同样的对于项目而言亦是如此，若项目lk被很多人访问过，那么根据它很难找到与它相似的项目，则其影响力会低，相应的其权重应该更小。
其中，所述基于兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度包括：
其中，λk为兴趣点属性影响参数，计算公式如下式：
SIM(i,v)代表用户i跟用户v之间的相似度，rik，rvk分别代表用户i和用户v在兴趣点k的访问次数，ik代表在兴趣点k签到的人数， m代表用户的总人数，Sik代表用户i是否在兴趣点k进行签到，Svk代表用户v是否在兴趣点k进行签到，取值1代表签到过，取值0代表没有签到。
获取与用户相似度值高于预设相似度值的用户好友的好友兴趣点数据库，即获取与用户相似度较高，拥有较大可能性兴趣爱好相同的用户好友。
S103、获取用户好友在用户当前位置低于预设距离的好友兴趣点，结合用户对邻域地点的偏好向所述用户推荐所述兴趣点。
获取与用户相似度较高，拥有较大可能性兴趣爱好相同的用户好友在用户当前位置的兴趣点，所述兴趣点位于用户当前位置低于预设距离的范围内。可以将所述好友兴趣点的导航路径信息及与所述好友兴趣点导航路径信息对应的地图数据推荐给用户，方便所述用户查找所述好友兴趣点。
所述方法还包括根据所述兴趣点所属行业推荐与所述兴趣点所属同一行业的地点。举例来讲，用户的兴趣点为某一品牌奶茶店时，可以为用户推荐与所述品牌奶茶店的竞争品牌奶茶店。
图2是本发明实施例提供的融合多源信息的兴趣点推荐设备的示意图，所述兴趣点推荐设备包括：
定位并获取兴趣点模块，用于获取用户的当前位置，从预设兴趣点数据库中查找出距离用户当前位置低于预设距离的兴趣点的兴趣点信息，并且获取用户对目标地点以及邻域地点的偏好，所述兴趣点为用户以签到、评价的方式记录的访问地点，所述兴趣点数据库为所述兴趣点的集合；
计算并获取好友兴趣点模块，用于基于兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度值，获取所述相似度值高于预设相似度值的用户好友的好友兴趣点数据库；
推荐模块，用于获取用户好友在用户当前位置低于预设距离的好友兴趣点，结合用户对邻域地点的偏好向所述用户推荐所述兴趣点。
图3是本发明实施例提供的推荐设备的示意图，所述终端设备3 包括存储器301、处理器302、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器301中，并且被配置由所述处理器302执行，所述程序包括用于执行上述融合多源信息的兴趣点推荐方法中的步骤的指令。
所述推荐设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述推荐设备3可包括但不仅限于，存储器301、处理器302。本领域技术人员可以理解，图3仅仅是推荐设备3的示例，并不构成对推荐设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器302可以是中央处理单元(Central Processing Unit， CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal 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。
所述存储器301可以是所述推荐设备3的内部存储单元，例如终端设备3的硬盘或内存。所述存储器301也可以是所述推荐设备3 的外部存储设备，例如所述推荐设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器301还可以既包括所述推荐设备3的内部存储单元也包括外部存储设备。所述存储器301用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器301还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
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、或者计算机软件和电子硬件的结合来实现。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。
在本发明所提供的实施例中，应该理解到，所揭露的装置或设备和方法，可以通过其它的方式实现。例如，以上所描述的装置或终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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。
所述集成的模块或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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U 盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM， Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
本发明获取用户的当前位置和在当前位置附近的兴趣点，根据社交网络中用户好友与用户之间的相似度来判断出用户好友的兴趣点，因为用户与其好友兴趣有极大可能相同，故可推荐用户好友在用户当前位置的兴趣点给用户，使得推荐方法更高效。还可以将用户好友的兴趣点的导航路径信息及与所述好友兴趣点导航路径信息对应的地图数据推荐给用户，使得用户不必手动输入地址，提高了用户的体验度。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (10)

1.一种融合多源信息的兴趣点推荐方法，其特征在于，包括：
获取用户的当前位置，从预设兴趣点数据库中查找出距离用户当前位置低于预设距离的兴趣点的兴趣点信息，并且获取用户对目标地点以及邻域地点的偏好，所述兴趣点为用户以签到、评价的方式记录的访问地点，所述兴趣点数据库为所述兴趣点的集合；
基于兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度值，获取所述相似度值高于预设相似度值的用户好友的好友兴趣点数据库；
获取用户好友在用户当前位置低于预设距离的好友兴趣点，结合用户对邻域地点的偏好向所述用户推荐所述兴趣点。
2.如权利要求1所述的融合多源信息的兴趣点推荐方法，其特征在于，所述兴趣点信息包括兴趣点名称、兴趣点位置信息、兴趣点所属行业。
3.如权利要求2所述的融合多源信息的兴趣点推荐方法，其特征在于，所述兴趣点位置信息包括兴趣点所述省、市、区、街道及兴趣点经度坐标值、兴趣点纬度坐标值。
4.如权利要求1所述的融合多源信息的兴趣点推荐方法，其特征在于，所述方法还包括对所述兴趣点做标签，所述标签包括：家、学校、公司。
5.如权利要求1所述的融合多源信息的兴趣点推荐方法，其特征在于，所述方法还包括将所述好友兴趣点的导航路径信息及与所述好友兴趣点导航路径信息对应的地图数据推荐给用户。
6.如权利要求1所述的融合多源信息的兴趣点推荐方法，其特征在于，所述考虑兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度包括：
其中，λk为兴趣点属性影响参数，计算公式如下式：
SIM(i,v)代表用户i跟用户v之间的相似度，rik，rvk分别代表用户i和用户v在兴趣点k的访问次数，ik代表在兴趣点k签到的人数，m代表用户的总人数，Sik代表用户i是否在兴趣点k进行签到，Svk代表用户v是否在兴趣点k进行签到，取值1代表签到过，取值0代表没有签到。
7.如权利要求1所述的融合多源信息的兴趣点推荐方法，其特征在于，所述方法还包括根据所述兴趣点所属行业推荐与所述兴趣点所属同一行业的地点。
8.一种融合多源信息的兴趣点推荐设备，其特征在于，包括：
定位并获取兴趣点模块，用于获取用户的当前位置，从预设兴趣点数据库中查找出距离用户当前位置低于预设距离的兴趣点的兴趣点信息，并且获取用户对目标地点以及邻域地点的偏好，所述兴趣点为用户以签到、评价的方式记录的访问地点，所述兴趣点数据库为所述兴趣点的集合；
计算并获取好友兴趣点模块，用于基于兴趣点流行度与访问量对用户相似度的影响来计算社交网络中用户好友与用户之间的相似度值，获取所述相似度值高于预设相似度值的用户好友的好友兴趣点数据库；
推荐模块，用于获取用户好友在用户当前位置低于预设距离的好友兴趣点，结合用户对邻域地点的偏好向所述用户推荐所述兴趣点。
9.一种推荐设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1-7任一项方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，其用于存储计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
CN201910347364.XA 2019-04-26 2019-04-26 一种融合多源信息的兴趣点推荐方法 Active CN110110244B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910347364.XA CN110110244B (zh) 2019-04-26 2019-04-26 一种融合多源信息的兴趣点推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910347364.XA CN110110244B (zh) 2019-04-26 2019-04-26 一种融合多源信息的兴趣点推荐方法

Publications (2)

Publication Number Publication Date
CN110110244A true CN110110244A (zh) 2019-08-09
CN110110244B CN110110244B (zh) 2023-08-29

Family

ID=67486956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910347364.XA Active CN110110244B (zh) 2019-04-26 2019-04-26 一种融合多源信息的兴趣点推荐方法

Country Status (1)

Country Link
CN (1) CN110110244B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674344A (zh) * 2019-08-28 2020-01-10 北京爱奇艺智慧娱乐科技有限公司 生成模型及推荐影片的方法、装置、设备及存储介质
CN110851742A (zh) * 2019-11-15 2020-02-28 重庆邮电大学 一种基于位置和时间信息的兴趣点推荐方法及装置
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
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
CN111695019A (zh) * 2020-06-11 2020-09-22 腾讯科技（深圳）有限公司 一种识别关联账号的方法及装置
CN111782955A (zh) * 2020-07-01 2020-10-16 支付宝(杭州)信息技术有限公司 兴趣点表示和推送方法、装置、电子设备及存储介质
CN113205427A (zh) * 2021-06-07 2021-08-03 广西师范大学 社交网络的下一个兴趣点的推荐方法
CN113282844A (zh) * 2021-04-20 2021-08-20 中寰卫星导航通信有限公司 一种优先级的确定方法和装置
CN113420215A (zh) * 2021-06-23 2021-09-21 东北大学 一种面向兴趣点推荐的可解释生成方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104280031A (zh) * 2014-10-09 2015-01-14 宁夏天纵泓光余热发电技术有限公司 兴趣点导航系统
CN106844376A (zh) * 2015-12-03 2017-06-13 高德软件有限公司 推荐兴趣点的方法及装置
CN107766462A (zh) * 2017-09-28 2018-03-06 重庆大学 基于用户偏好、社交信誉度和地理位置的兴趣点推荐方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104280031A (zh) * 2014-10-09 2015-01-14 宁夏天纵泓光余热发电技术有限公司 兴趣点导航系统
CN106844376A (zh) * 2015-12-03 2017-06-13 高德软件有限公司 推荐兴趣点的方法及装置
CN107766462A (zh) * 2017-09-28 2018-03-06 重庆大学 基于用户偏好、社交信誉度和地理位置的兴趣点推荐方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674344A (zh) * 2019-08-28 2020-01-10 北京爱奇艺智慧娱乐科技有限公司 生成模型及推荐影片的方法、装置、设备及存储介质
CN110851742A (zh) * 2019-11-15 2020-02-28 重庆邮电大学 一种基于位置和时间信息的兴趣点推荐方法及装置
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
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
CN111695019A (zh) * 2020-06-11 2020-09-22 腾讯科技（深圳）有限公司 一种识别关联账号的方法及装置
CN111695019B (zh) * 2020-06-11 2023-08-08 腾讯科技（深圳）有限公司 一种识别关联账号的方法及装置
CN111782955A (zh) * 2020-07-01 2020-10-16 支付宝(杭州)信息技术有限公司 兴趣点表示和推送方法、装置、电子设备及存储介质
CN113282844A (zh) * 2021-04-20 2021-08-20 中寰卫星导航通信有限公司 一种优先级的确定方法和装置
CN113282844B (zh) * 2021-04-20 2024-03-22 中寰卫星导航通信有限公司 一种优先级的确定方法和装置
CN113205427A (zh) * 2021-06-07 2021-08-03 广西师范大学 社交网络的下一个兴趣点的推荐方法
CN113205427B (zh) * 2021-06-07 2022-09-16 广西师范大学 社交网络的下一个兴趣点的推荐方法
CN113420215B (zh) * 2021-06-23 2023-08-29 东北大学 一种面向兴趣点推荐的可解释生成方法
CN113420215A (zh) * 2021-06-23 2021-09-21 东北大学 一种面向兴趣点推荐的可解释生成方法

Also Published As

Publication number Publication date
CN110110244B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN110110244A (zh) 一种融合多源信息的兴趣点推荐方法
US11748379B1 (en) Systems and methods for generating and implementing knowledge graphs for knowledge representation and analysis
US11170387B2 (en) Profile noise anonymity for mobile users
TWI567675B (zh) 基於強化搜尋的目標鎖定連結方法
CN104050196B (zh) 一种兴趣点数据冗余检测方法及装置
US10977318B2 (en) Search apparatus, search method, search program, and recording medium
US20130238658A1 (en) Methods and Systems of Aggregating Information of Social Networks Based on Changing Geographical Locations of a Computing Device Via a Network
CN108510303A (zh) 广告投放方法及装置
US20100131335A1 (en) User interest mining method based on user behavior sensed in mobile device
US20140089343A1 (en) Methods and Systems for Monitoring and Controlling Social Network Communications Over a Network at a Secure Location
CN109636430A (zh) 对象识别方法及其系统
CN108429776B (zh) 网络对象的推送方法、装置、客户端、交互设备以及系统
CN105335515A (zh) 一种信息推荐方法和装置
CN105874452A (zh) 从社交摘要中标记兴趣点
US20180260419A1 (en) Constructing a database of verified individuals
CN107395680A (zh) 店铺群信息推送和输出方法及装置、设备
KR102116519B1 (ko) 실제 지역들의 위치 기반 순위
CN109387215A (zh) 路线推荐方法和装置
CN103189885A (zh) 服务器、信息管理方法、信息管理程序以及记录该程序的计算机可读取的记录介质
Liu et al. Recommending attractive thematic regions by semantic community detection with multi-sourced VGI data
CN103399900B (zh) 基于位置服务的图片推荐方法
CN108921656A (zh) 业务推荐方法及装置
CN107038649A (zh) 一种终端用户的好友推荐方法及装置
Yuyun et al. Dynamic land-use map based on twitter data
CN108717640B (zh) 旅游信息的数据处理方法和电子设备

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