CN110609949B - 一种自迭代学习的兴趣度评估方法及系统 - Google Patents

一种自迭代学习的兴趣度评估方法及系统 Download PDF

Info

Publication number
CN110609949B
CN110609949B CN201910660247.9A CN201910660247A CN110609949B CN 110609949 B CN110609949 B CN 110609949B CN 201910660247 A CN201910660247 A CN 201910660247A CN 110609949 B CN110609949 B CN 110609949B
Authority
CN
China
Prior art keywords
area
counter
visitor
visiting
visit
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
Application number
CN201910660247.9A
Other languages
English (en)
Other versions
CN110609949A (zh
Inventor
张震宇
方嘉昱
刘峰
宣皓滢
郑玉珍
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.)
Zhejiang Lover Health Science and Technology Development Co Ltd
Original Assignee
Zhejiang Lover Health Science and Technology Development Co Ltd
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 Zhejiang Lover Health Science and Technology Development Co Ltd filed Critical Zhejiang Lover Health Science and Technology Development Co Ltd
Priority to CN201910660247.9A priority Critical patent/CN110609949B/zh
Publication of CN110609949A publication Critical patent/CN110609949A/zh
Application granted granted Critical
Publication of CN110609949B publication Critical patent/CN110609949B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation

Abstract

本发明公开了一种自迭代学习的兴趣度评估方法及系统。本发明涉及的一种自迭代学习的兴趣度评估方法,包括步骤:S11.获取参观人员历史观看的参观对象,并记录所述参观人员对于所述参观对象的历史观看次数;S12.获取所述参观人员当前观看参观对象所处参观区域的位置信息;其中,所述参观区域包括最佳区域和普通区域;S13.根据所述获取的参观人员当前观看参观对象所处参观区域的位置信息及所述参观人员对于参观对象的历史观看次数,计算参观人员对于当前参观对象的兴趣度。本发明可以根据历史参观得到的数据结合当前观看得到的数据,对当前参观该展区的兴趣度进行评估,并通过参观人员的兴趣度,后期可对兴趣度大的人员主动推送其感兴趣的主题。

Description

一种自迭代学习的兴趣度评估方法及系统
技术领域
本发明涉及展区管理的技术领域,尤其涉及一种自迭代学习的兴趣度评估方法及系统。
背景技术
随着互联网的发展,人们可以通过互联网中各种资源网站等方式获取到所感兴趣的内容。但是对于展馆来说,展示的哪些内容是用户感兴趣的,哪些内容是用户不感兴趣的,现有技术并不能实现。
展馆一般称为会展场馆,是一个活动场所,用于展示商品、会议交流、信息传播、经济贸易等的场所;展馆又是一种建筑物,表达与展示某种文化内涵的建筑产品;展馆客观上也是一个经管的经济组织、社会组织,应用知识与技术进行管理、生产、经营,提供产品和服务,创造经济效益、社会效益。
展馆(博物馆、科技馆等)、展会、招聘会场馆等场合,有展区、参观人员,以科技馆为例,一般根据主题可划分为多个展区,比如航天、电力、信息、生物、化工等展区。现有的展区与参观人员之间缺少有效的信息交互方法与系统,两者交互的信息量较为有限,功能层面尚不够深层次,还有待提升。
如公开号为CN109948059A的专利公开了一种内容的推荐方法、装置、设备及存储介质。该方法包括:获取与列表内容关联的埋点数据;根据所述埋点数据确定当前用户对所述列表内容的兴趣度;判断所述兴趣度是否超过设定阈值;若超过,则将所述列表内容推送至与所述当前用户相似度满足设定条件的用户。本公开实施例提供的内容的推荐方法,根据埋点信息确定当前用户对列表内容的兴趣度,若兴趣度超过设定阈值,则将该列表内容推送至与当前用户相似的用户,可以提高内容推荐的准确性。其虽然可以获取用户感兴趣的内容,但是对于像展管类似的观看环境,并不适用,因此,对于展馆中展示的内容,并不能及时得知当前参观人员对该展区的兴趣度。
发明内容
本发明的目的是针对现有技术的缺陷,提供了一种自迭代学习的兴趣度评估方法及系统,可以根据历史参观得到的数据结合当前观看得到的数据,对当前参观该展区的兴趣度进行评估,并通过参观人员的兴趣度,后期可对兴趣度大的人员主动推送其感兴趣的主题。
为了实现以上目的,本发明采用以下技术方案:
一种自迭代学习的兴趣度评估方法,包括步骤:
S1.获取参观人员历史观看的参观对象,并记录所述参观人员对于所述参观对象的历史观看次数;
S2.获取所述参观人员当前观看参观对象所处参观区域的位置信息;其中,所述参观区域包括最佳区域和普通区域;
S3.根据所述获取的参观人员当前观看参观对象所处参观区域的位置信息及所述参观人员对于参观对象的历史观看次数,计算参观人员对于当前参观对象的兴趣度。
进一步的,所述步骤S2具体为:
若参观人员所处参观区域的位置信息为最佳区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于最佳区域的第一计数器的计数值Ai;若是,则记录参观人员处于最佳区域的第二计数器的计数值Bi
若参观人员所处参观区域的位置信息为普通区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于普通区域的第三计数器的计数值Ci;若是,则记录参观人员处于普通区域的第四计数器的计数值Di
进一步的,所述步骤S1还包括:
获取参观人员的历史数据;其中,所述历史数据包括历史存储的参观人员处于最佳区域的第一计数器的计数值、处于最佳区域的第二计数器的计数值、处于普通区域的第三计数器的计数值、处于普通区域的第四计数器的计数值。
进一步的,所述步骤S1还包括,根据所述历史数据,计算历史所处参观区域的计数器计数值相对应的系数:
Figure BDA0002138291060000031
Figure BDA0002138291060000032
Figure BDA0002138291060000033
Figure BDA0002138291060000034
其中,j表示历史参观第j次;Aij表示历史第j次处于最佳区域的第一计数器的计数值;Bij表示历史第j次处于最佳区域的第二计数器的计数值;Cij表示历史第j次处于普通区域的第三计数器的计数值;Dij表示历史第j次处于普通区域的第四计数器的计数值;W1j表示第j次参观的第一系数;W2j表示第j次参观的第二系数;W3j表示第j次参观的第三系数;W4j表示第j次参观的第四系数。
进一步的,所述步骤S1还包括,计算历史所处参观区域的计数器计数值相对应系数的平均值:
Figure BDA0002138291060000035
Figure BDA0002138291060000036
Figure BDA0002138291060000037
Figure BDA0002138291060000038
其中,N表示历史观看的总次数;W1avg表示N次参观系数为W1j的平均值;W2avg表示N次参观系数为W2j的平均值;W3avg表示N次参观系数为W3j的平均值;W4avg表示N次参观系数为W4j的平均值。
进一步的,所述步骤S3中计算参观人员对于当前参观对象的兴趣度为:
Figure BDA0002138291060000041
其中,W表示当前参观对象的兴趣度。
进一步的,其特征在于,所述步骤S2中获取参观人员当前观看参观对象所处参观区域的位置信息是通过无线定位模块获取的;其中,所述无线定位模块设置于参观区域的四周。
相应的,还提供一种自迭代学习的兴趣度评估系统,包括:
第一获取模块,用于获取参观人员历史观看的参观对象,并记录所述参观人员对于所述参观对象的历史观看次数;
第二获取模块,用于获取所述参观人员当前观看参观对象所处参观区域的位置信息;其中,所述参观区域包括最佳区域和普通区域;
计算模块,用于根据所述获取的参观人员当前观看参观对象所处参观区域的位置信息及所述参观人员对于参观对象的历史观看次数,计算参观人员对于当前参观对象的兴趣度。
进一步的,所述第二获取模块具体为:
若参观人员所处参观区域的位置信息为最佳区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于最佳区域的第一计数器的计数值Ai;若是,则记录参观人员处于最佳区域的第二计数器的计数值Bi
若参观人员所处参观区域的位置信息为普通区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于普通区域的第三计数器的计数值Ci;若是,则记录参观人员处于普通区域的第四计数器的计数值Di
进一步的,所述第二获取模块中获取参观人员当前观看参观对象所处参观区域的位置信息是通过无线定位模块获取的;其中,所述无线定位模块设置于参观区域的四周。
与现有技术相比,本发明通过历史参观得到的数据结合当前观看得到的数据,对当前参观该展区的兴趣度进行评估;自参观人员进入该展区,至离开该展区,一方面通过定位记录其移动轨迹,另一方面同步计算出其对各展区的兴趣度;本发明还可生成多样化的曲线图,展示当前参观人员的参观情况,后期可对兴趣度大的人员主动推送其感兴趣的主题。
附图说明
图1是实施例一提供的一种自迭代学习的兴趣度评估方法的流程图;
图2是实施例一提供的一种自迭代学习的兴趣度评估系统的结构图;
图3是实施例一提供的展区示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
本发明的目的是针对现有技术的缺陷,提供了一种自迭代学习的兴趣度评估方法及系统。
实施例一
本实施例提供的一种自迭代学习的兴趣度评估方法,如图1所示,包括步骤:
S11.获取参观人员历史观看的参观对象,并记录所述参观人员对于所述参观对象的历史观看次数;
S12.获取所述参观人员当前观看参观对象所处参观区域的位置信息;其中,所述参观区域包括最佳区域和普通区域;
S13.根据所述获取的参观人员当前观看参观对象所处参观区域的位置信息及所述参观人员对于参观对象的历史观看次数,计算参观人员对于当前参观对象的兴趣度。
需要说明的是,多个展区组成一个场馆,即在一个场馆内包括多个展区。
如图3所示,展区包括内容展示装置、场地覆盖区域。
内容展示装置包括展物、展板、展台、大屏幕播放装置等,但实际情况中并不仅限于本实施例提供的展示装置,可根据实际情况确定。
场地覆盖区域是根据实际情况的展示装置、场地形状等特点形成的。本实施例将场地覆盖区域分为最佳区域和普通区域。在实际情况中,距离内容展示装置较近的区域为最佳区域,距离内容展示装置较远的区域为普通区域。
在步骤S11中,获取参观人员历史观看的参观对象,并记录所述参观人员对于所述参观对象的历史观看次数。
在本实施例中,步骤S11还包括:获取参观人员的历史数据;其中,历史数据包括历史存储的参观人员处于最佳区域的第一计数器的计数值、处于最佳区域的第二计数器的计数值、处于普通区域的第三计数器的计数值、处于普通区域的第四计数器的计数值。
在步骤S12中,获取所述参观人员当前观看参观对象所处参观区域的位置信息;其中,所述参观区域包括最佳区域和普通区域。
在本实施例中,获取参观人员当前观看参观对象所处参观区域的位置信息是通过无线定位模块获取的;其中,无线定位模块设置于参观区域的四周。
需要说明的是,为了方便理解本发明的具体实施例,将设置于参观区域的四周的无线定位模块称为第二无线定位模块。
在本实施例中,步骤S12具体为:
每个展区的场地覆盖区域四周均设置无线定位参考节点(第二无线定位模块)。
参观人员随身携带随身装置;随身装置包括RFID模块、第一无线定位模块。
展区四周的第二无线定位模块与参观人员携带的随身装置中的第一无线定位模块进行交互通信与数据处理。
在本实施例中,展区四周的第二无线定位模块向第一无线定位模块发送获取位置信息的信号,第一无线定位模块将应答信号发送至第二无线定位模块,第二无线定位模块接收第一无线定位模块发送的应答信号,并通过TOA、AOA、TDOA等方法计算第一无线定位模块的位置信息。
其中,TOA:是根据测量接收信号在第二定位模块和第一定位模块之间的到达时间,然后转换为距离,从而进行定位。
AOA:是测量信号第一定位模块和第二定位模块之间的到达角度,以基站为起点形成的射线必经过移动台,两条射线的交点即为第一定位模块的位置。
TDOA:是一种利用时间差进行定位的方法。通过测量信号到达第二定位模块的时间,可以确定信号源的距离。利用信号源到各个第二定位模块的距离,就能确定信号的位置。
在本实施例中,第二无线定位模块获取参观人员的位置信息,便可获得参观人员的位置为最佳区域还是普通区域。
若参观人员所处参观区域的位置信息为最佳区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于最佳区域的第一计数器的计数值Ai;若是,则记录参观人员处于最佳区域的第二计数器的计数值Bi
若参观人员所处参观区域的位置信息为普通区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于普通区域的第三计数器的计数值Ci;若是,则记录参观人员处于普通区域的第四计数器的计数值Di
具体为:
在本实施例中,还包括预先存储最佳区域可容纳的最大人数。
其中,最大人数是指从参观的舒适性考虑,根据展区的最佳区域面积,并结合人均占地面积,将最佳区域面积除以人均占地面积而得到。本实施例对于最大人数不做限定,可根据实际情况来设置。
若参观人员当前处于最佳区域,且当前最佳区域的人数大于等于最佳区域可容纳的最大人数(表示当前最佳区域的人数已满,但是参观人员依然挤入最佳区域),则记录参观人员处于最佳区域的第一计数器的计数值Ai
若参观人员当前处于最佳区域,且当前最佳区域的人数小于最佳区域可容纳的最大人数(表示当前最佳区域的人数未满,参观人员进入最佳区域),则记录参观人员处于最佳区域的第二计数器的计数值Bi
若参观人员当前处于普通区域,且当前最佳区域的人数大于等于最佳区域可容纳的最大人数(表示当前最佳区域的人数已满,参观人员并未挤入最佳区域),则记录参观人员处于普通区域的第三计数器的计数值Ci
若参观人员当前处于普通区域,且当前最佳区域的人数小于最佳区域可容纳的最大人数(表示当前最佳区域的人数未满,但是参观人员并未进入最佳区域),并记录参观人员处于普通区域的第四计数器的计数值Di
需要说明的是,第一计数器、第二计数器、第三计数器、第四计数器用于采集当前参观人员停留在当前区域的次数。
在本实施例中,步骤S11还包括根据历史数据,计算历史所处参观区域的计数器计数值相对应的系数:
Figure BDA0002138291060000081
Figure BDA0002138291060000082
Figure BDA0002138291060000083
Figure BDA0002138291060000084
其中,j表示参观第j次;Aij表示历史第j次处于最佳区域的第一计数器的计数值;Bij表示历史第j次处于最佳区域的第二计数器的计数值;Cij表示历史第j次处于普通区域的第三计数器的计数值;Dij表示历史第j次处于普通区域的第四计数器的计数值;W1j表示第j次参观的第一系数;W2j表示第j次参观的第二系数;W3j表示第j次参观的第三系数;W4j表示第j次参观的第四系数。
需要说明的是,步骤S11中参观人员历史数据的获取方法与步骤S12中的获取方式类似,在此不做赘述。
在本实施例中,步骤S11还包括计算历史所处参观区域的计数器计数值相对应系数的平均值:
Figure BDA0002138291060000085
Figure BDA0002138291060000086
Figure BDA0002138291060000091
Figure BDA0002138291060000092
其中,N表示历史观看的总次数;W1avg表示N次参观系数为W1j的平均值;W2avg表示N次参观系数为W2j的平均值;W3avg表示N次参观系数为W3j的平均值;W4avg表示N次参观系数为W4j的平均值。
需要说明的是,参观人员参观完一次相同展区(如航天展区),上述数据均完成相应刷新。
在步骤S13中,根据所述获取的参观人员当前观看参观对象所处参观区域的位置信息及所述参观人员对于参观对象的历史观看次数,计算参观人员对于当前参观对象的兴趣度。
将历史数据相对应系数的平均值加权到当前参观人员的Ai、Bi、Ci、Di上,得到参观人员当前参观相同展区(如航天展区)的兴趣度:
Figure BDA0002138291060000093
其中,W表示当前参观对象的兴趣度。
本实施例通过历史参观得到的数据结合当前观看得到的数据,对当前参观该展区的兴趣度进行评估;自参观人员进入该展区,至离开该展区,一方面通过定位记录其移动轨迹,另一方面同步计算出其对各展区的兴趣度;本实施例还可生成多样化的曲线图,展示当前参观人员的参观情况,后期可对兴趣度大的人员主动推送其感兴趣的主题。
相应的,本实施例还提供一种自迭代学习的兴趣度评估系统,包括:
第一获取模块11,用于获取参观人员历史观看的参观对象,并记录所述参观人员对于所述参观对象的历史观看次数;
第二获取模块12,用于获取所述参观人员当前观看参观对象所处参观区域的位置信息;其中,所述参观区域包括最佳区域和普通区域;
计算模块13,用于根据所述获取的参观人员当前观看参观对象所处参观区域的位置信息及所述参观人员对于参观对象的历史观看次数,计算参观人员对于当前参观对象的兴趣度。
在本实施例中,第二获取模块具体为:
若参观人员所处参观区域的位置信息为最佳区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于最佳区域的第一计数器的计数值Ai;若是,则记录参观人员处于最佳区域的第二计数器的计数值Bi
若参观人员所处参观区域的位置信息为普通区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于普通区域的第三计数器的计数值Ci;若是,则记录参观人员处于普通区域的第四计数器的计数值Di
在本实施例中,第二获取模块中获取参观人员当前观看参观对象所处参观区域的位置信息是通过无线定位模块获取的;其中,所述无线定位模块设置于参观区域的四周。
实施例二
本实施例提供的一种自迭代学习的兴趣度评估方法与实施例一的不同之处在于:
在本实施例中,还包括:预先存储参观区域的坐标位置。
本实施例的每个展区的场地覆盖区域四周均设置无线定位参考节点(以下简称第二无线定位模块)。
在本实施例中,根据场地形状的特点,通过设置的第二无线定位模块预先获取场地覆盖区域(即参观区域)的坐标位置的起止范围,将其获取的坐标位置的起止范围预先存储于系统中。其中,预存的坐标位置的起止范围包括最佳区域的坐标位置的起止范围、普通区域的坐标位置的起止范围。
在本实施例中,还包括预先存储参观区域(即展区)可容纳的最大总人数、普通区域可容纳的最大人数。
其中,最大人数是指从参观的舒适性考虑,根据展区的场地面积、普通区域面积,并结合人均占地面积,将场地面积、普通区域面积除以人均占地面积而得到。本实施例对于最大人数不做限定,可根据实际情况来设置。
在本实施例中,参观人员通过展区的入口进入展区后,展区内的实时人数增加相应的数量;当参观人员通过展区的出口离开展区后,展区内实时人数减少相对应的数量。例如,有1名参观人员通过展区的入口进入展区,则展区内的实时人数增加1位;有1名参观人员通过展区的出口离开展区,展区内实时人数减少1位。
在本实施例中,还包括实时判断展区内的人数是否小于展区可容纳的最大总人数,若否,则展区入口的门禁关闭,禁止人员进入,并给出相应的提示;其中,提示方式包括语音、显示屏显示等方式,本实施例对于提示的方式不做限定。若是,则展区入口的门禁开放,允许参观人员进入当前展区。
本实施例的每个展区均设有入口和出口,且每个入口和出口均设置有RFID读头。
本实施例通过在每个展区出入口设置的RFID读头,系统可自动识别出当前参观人员进入的是哪个展区。
在本实施例中,参观人员随身携带随身装置;随身装置包括RFID模块、第一无线定位模块。
需要说明的是,随身装置是参观人员在场馆入口处领取的,当参观人员参观完毕离开场馆时,将随身装置归还给场馆出口处。
RFID模块用于当参观人员到达某个展区的入口时,入口处设置的RFID读头读取参观人员随身装置中的RFID模块,并验证参观人员的身份信息,若验证通过,则开放门禁,并记录参观人员的身份信息,参观人员进入该展区;当参观人员到达该展区的出口时,出口处设置的RFID读头读取参观人员随身装置中的RFID模块,打开门禁,获知参观人员离开了该展区。
本实施例以参观人员i详细说明:
当参观人员i处于展区入口处时,系统实时判断当前展区内的人数是否小于当前展区可容纳的最大总人数,若否,则展区入口的门禁关闭,禁止参观人员i进入,并给出相应的提示;若是,则允许参观人员i进入当前展区,此时,展区入口处设置的RFID读头读取参观人员i随身装置中的RFID模块,并验证参观人员i的身份信息,若验证通过,则开放门禁,并记录当前参观人员i的身份信息,当前参观人员i进入该展区。
在本实施例中,第二无线定位模块也会对除参观人员i以外的人员进行定位,并获取处于当前展区最佳区域的人数,处于当前展区普通区域的人数。
当参观人员i进入展区后,第二无线定位模块获取参观人员i的位置信息,得到参观人员i所在的展区位置,将参观人员i所在的展区位置与预存的坐标位置起止范围比较,便可获得参观人员i的位置为最佳区域还是普通区域。
若参观人员i当前处于最佳区域,且当前最佳区域的人数大于等于最佳区域可容纳的最大人数(表示当前最佳区域的人数已满,但是参观人员i依然挤入最佳区域),则记录参观人员i处于最佳区域的第一计数器的计数值。
若参观人员i当前处于最佳区域,且当前最佳区域的人数小于最佳区域可容纳的最大人数(表示当前最佳区域的人数未满,参观人员i进入最佳区域),则记录参观人员i处于最佳区域的第二计数器的计数值。
若参观人员i当前处于普通区域,且当前最佳区域的人数大于等于最佳区域可容纳的最大人数(表示当前最佳区域的人数已满,参观人员i并未挤入最佳区域),则记录参观人员i处于普通区域的第三计数器的计数值。
若参观人员i当前处于普通区域,且当前最佳区域的人数小于最佳区域可容纳的最大人数(表示当前最佳区域的人数未满,但是参观人员i并未进入最佳区域),并记录参观人员i处于普通区域的第四计数器的计数值。
需要说明的是,第一计数器、第二计数器、第三计数器、第四计数器用于采集当前参观人员i停留在当前区域的次数。
举例说明,具体为:
在本实施例中还包括:预先设置采样周期。
在本实施例中,设系统总运行时长为A(即总的采样时间为A),预设采样周期为B,此时,系统总的采样次数为A/B。
在本实施例中,系统的采样次数是通过第一计数器、第二计数器、第三计数器、第四计数器所采集的计数值记录的。
若参观人员i当前处于最佳区域,且当前最佳区域的人数大于等于最佳区域可容纳的最大人数,若第一计数器的计数值增加a,则表示采集到参观人员i处于最佳区域的次数为a次。
若参观人员i当前处于最佳区域,且当前最佳区域的人数小于最佳区域可容纳的最大人数,若第二计数器的计数值增加b,则表示采集到参观人员i处于最佳区域的次数为b次。
若参观人员i当前处于普通区域,且当前最佳区域的人数大于等于最佳区域可容纳的最大人数,若第三计数器的计数值增加c,则表示采集到参观人员i处于普通区域的次数为c次。
若参观人员i当前处于普通区域,且当前最佳区域的人数小于最佳区域可容纳的最大人数,若第四计数器的计数值增加d,则表示采集到参观人员i处于普通区域的次数为d次。
需要说明的是,上述计数器所采集的计数值满足a+b+c+d=A/B。
在本实施例中,参观人员对当前展区的兴趣度由高到低依次是处于最佳区域的第一计数器的计数值、处于最佳区域的第二计数器的计数值、处于普通区域的第三计数器的计数值、处于普通区域的第四计数器的计数值。
当参观人员i到达当前展区的出口时,出口处设置的RFID读头读取参观人员随身装置中的RFID模块,打开门禁,获知参观人员i离开了该展区。
在本实施例中,通过获取参观人员的位置信息,便可得知当前参观人员所处的是最佳区域还是普通区域,并通过所记录的次数,即可获得参观人员对当前展区的感兴趣度。
本实施例在每个展区的场地覆盖区域四周设置无线定位模块,且与参观人员携带的随身装置进行交互通讯,可以更精确的对参观人员定位;且根据参观人员的位置信息判断参观人员所处的参观区域,可得出参观人员对当前展区的兴趣度。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (4)

1.一种自迭代学习的兴趣度评估方法,其特征在于,包括步骤:
S1.获取参观人员历史观看的参观对象,并记录所述参观人员对于所述参观对象的历史观看次数;
S2.获取所述参观人员当前观看参观对象所处参观区域的位置信息;其中,所述参观区域包括最佳区域和普通区域;
S3.根据所述获取的参观人员当前观看参观对象所处参观区域的位置信息及所述参观人员对于参观对象的历史观看次数,计算参观人员对于当前参观对象的兴趣度;
步骤S2具体为:
若参观人员所处参观区域的位置信息为最佳区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于最佳区域的第一计数器的计数值Ai;若是,则记录参观人员处于最佳区域的第二计数器的计数值Bi
若参观人员所处参观区域的位置信息为普通区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于普通区域的第三计数器的计数值Ci;若是,则记录参观人员处于普通区域的第四计数器的计数值Di
步骤S1还包括:
获取参观人员的历史数据;其中,所述历史数据包括历史存储的参观人员处于最佳区域的第一计数器的计数值、处于最佳区域的第二计数器的计数值、处于普通区域的第三计数器的计数值、处于普通区域的第四计数器的计数值;
步骤S1还包括,根据所述历史数据,计算历史所处参观区域的计数器计数值相对应的系数:
Figure FDA0003331509200000021
Figure FDA0003331509200000022
Figure FDA0003331509200000023
Figure FDA0003331509200000024
其中,j表示历史参观第j次;Aij表示历史第j次处于最佳区域的第一计数器的计数值;Bij表示历史第j次处于最佳区域的第二计数器的计数值;Cij表示历史第j次处于普通区域的第三计数器的计数值;Dij表示历史第j次处于普通区域的第四计数器的计数值;W1j表示第j次参观的第一系数;W2j表示第j次参观的第二系数;W3j表示第j次参观的第三系数;W4j表示第j次参观的第四系数;
步骤S1还包括,计算历史所处参观区域的计数器计数值相对应系数的平均值:
Figure FDA0003331509200000025
Figure FDA0003331509200000026
Figure FDA0003331509200000027
Figure FDA0003331509200000031
其中,N表示历史观看的总次数;W1avg表示N次参观系数为W1j的平均值;W2avg表示N次参观系数为W2j的平均值;W3avg表示N次参观系数为W3j的平均值;W4avg表示N次参观系数为W4j的平均值;
步骤S3中计算参观人员对于当前参观对象的兴趣度为:
Figure FDA0003331509200000032
其中,W表示当前参观对象的兴趣度。
2.根据权利要求1所述的一种自迭代学习的兴趣度评估方法,其特征在于,所述步骤S2中获取参观人员当前观看参观对象所处参观区域的位置信息是通过无线定位模块获取的;其中,所述无线定位模块设置于参观区域的四周。
3.一种自迭代学习的兴趣度评估系统,其特征在于,包括:
第一获取模块,用于获取参观人员历史观看的参观对象,并记录所述参观人员对于所述参观对象的历史观看次数;
第二获取模块,用于获取所述参观人员当前观看参观对象所处参观区域的位置信息;其中,所述参观区域包括最佳区域和普通区域;
计算模块,用于根据所述获取的参观人员当前观看参观对象所处参观区域的位置信息及所述参观人员对于参观对象的历史观看次数,计算参观人员对于当前参观对象的兴趣度;
所述第二获取模块具体为:
若参观人员所处参观区域的位置信息为最佳区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于最佳区域的第一计数器的计数值Ai;若是,则记录参观人员处于最佳区域的第二计数器的计数值Bi
若参观人员所处参观区域的位置信息为普通区域;则判断当前参观区域中最佳区域的人数是否小于参观区域中最佳区域的最大人数;若否,则记录参观人员处于普通区域的第三计数器的计数值Ci;若是,则记录参观人员处于普通区域的第四计数器的计数值Di
第一获取模块还包括:
获取参观人员的历史数据;其中,所述历史数据包括历史存储的参观人员处于最佳区域的第一计数器的计数值、处于最佳区域的第二计数器的计数值、处于普通区域的第三计数器的计数值、处于普通区域的第四计数器的计数值;
第一获取模块还包括,根据所述历史数据,计算历史所处参观区域的计数器计数值相对应的系数:
Figure FDA0003331509200000041
Figure FDA0003331509200000042
Figure FDA0003331509200000043
Figure FDA0003331509200000044
其中,j表示历史参观第j次;Aij表示历史第j次处于最佳区域的第一计数器的计数值;Bij表示历史第j次处于最佳区域的第二计数器的计数值;Cij表示历史第j次处于普通区域的第三计数器的计数值;Dij表示历史第j次处于普通区域的第四计数器的计数值;W1j表示第j次参观的第一系数;W2j表示第j次参观的第二系数;W3j表示第j次参观的第三系数;W4j表示第j次参观的第四系数;
第一获取模块还包括,计算历史所处参观区域的计数器计数值相对应系数的平均值:
Figure FDA0003331509200000051
Figure FDA0003331509200000052
Figure FDA0003331509200000053
Figure FDA0003331509200000054
其中,N表示历史观看的总次数;W1avg表示N次参观系数为W1j的平均值;W2avg表示N次参观系数为W2j的平均值;W3avg表示N次参观系数为W3j的平均值;W4avg表示N次参观系数为W4j的平均值;
计算模块中计算参观人员对于当前参观对象的兴趣度为:
Figure FDA0003331509200000055
其中,W表示当前参观对象的兴趣度。
4.根据权利要求3所述的一种自迭代学习的兴趣度评估系统,其特征在于,所述第二获取模块中获取参观人员当前观看参观对象所处参观区域的位置信息是通过无线定位模块获取的;其中,所述无线定位模块设置于参观区域的四周。
CN201910660247.9A 2019-07-22 2019-07-22 一种自迭代学习的兴趣度评估方法及系统 Active CN110609949B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910660247.9A CN110609949B (zh) 2019-07-22 2019-07-22 一种自迭代学习的兴趣度评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910660247.9A CN110609949B (zh) 2019-07-22 2019-07-22 一种自迭代学习的兴趣度评估方法及系统

Publications (2)

Publication Number Publication Date
CN110609949A CN110609949A (zh) 2019-12-24
CN110609949B true CN110609949B (zh) 2022-02-11

Family

ID=68890211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910660247.9A Active CN110609949B (zh) 2019-07-22 2019-07-22 一种自迭代学习的兴趣度评估方法及系统

Country Status (1)

Country Link
CN (1) CN110609949B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010198461A (ja) * 2009-02-26 2010-09-09 Nec Corp 関心度計測システム、関心度計測端末、関心度計測方法、及び関心度計測プログラム
CN102792330A (zh) * 2010-03-16 2012-11-21 日本电气株式会社 兴趣度测量系统,兴趣度测量装置,兴趣度测量方法和兴趣度测量程序
CN103995639A (zh) * 2013-02-20 2014-08-20 富士施乐株式会社 浏览装置、浏览系统、信息处理设备以及浏览方法
CN106296235A (zh) * 2015-05-18 2017-01-04 株式会社理光 兴趣度评估方法和兴趣度评估装置
CN107071719A (zh) * 2016-12-12 2017-08-18 浙江大学 一种基于室内移动对象轨迹分析的热点区域热度分析方法
CN107367280A (zh) * 2017-06-30 2017-11-21 广东欧珀移动通信有限公司 室内导航方法、装置、存储介质及服务器

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335509B (zh) * 2015-10-29 2017-06-30 广州神马移动信息科技有限公司 一种推荐活动信息的方法、装置及服务器

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010198461A (ja) * 2009-02-26 2010-09-09 Nec Corp 関心度計測システム、関心度計測端末、関心度計測方法、及び関心度計測プログラム
CN102792330A (zh) * 2010-03-16 2012-11-21 日本电气株式会社 兴趣度测量系统,兴趣度测量装置,兴趣度测量方法和兴趣度测量程序
CN103995639A (zh) * 2013-02-20 2014-08-20 富士施乐株式会社 浏览装置、浏览系统、信息处理设备以及浏览方法
CN106296235A (zh) * 2015-05-18 2017-01-04 株式会社理光 兴趣度评估方法和兴趣度评估装置
CN107071719A (zh) * 2016-12-12 2017-08-18 浙江大学 一种基于室内移动对象轨迹分析的热点区域热度分析方法
CN107367280A (zh) * 2017-06-30 2017-11-21 广东欧珀移动通信有限公司 室内导航方法、装置、存储介质及服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于地理位置和社交关系的兴趣点推荐算法研究;陈艳;《中国优秀博硕士学位论文全文数据库(硕士)》;20190115;第I138-5044页 *

Also Published As

Publication number Publication date
CN110609949A (zh) 2019-12-24

Similar Documents

Publication Publication Date Title
Torres-Sospedra et al. UJIIndoorLoc: A new multi-building and multi-floor database for WLAN fingerprint-based indoor localization problems
Do et al. The places of our lives: Visiting patterns and automatic labeling from longitudinal smartphone data
CN102667404B (zh) 用探测数据来分析兴趣点的方法
CN109686049B (zh) 公共场所内儿童落单提醒方法、装置、介质及电子设备
Zhu et al. A vehicle parking detection method based on correlation of magnetic signals
Komai et al. Elderly person monitoring in day care center using Bluetooth Low Energy
Mahbub et al. PATH: person authentication using trace histories
KR20200030044A (ko) 유동인구 데이터와 pos데이터를 활용한 상권분석 빅데이터 시스템의 운영 방법
US20170272915A1 (en) System and method for processing personal identification information based on position information
Higuchi et al. Mobile devices as an infrastructure: A survey of opportunistic sensing technology
US10104494B2 (en) Marker based activity transition models
Ghorpade et al. An integrated stop-mode detection algorithm for real world smartphone-based travel survey
US20150248642A1 (en) Systems and methods for tracking, marketing, and/or attributing interest in one or more real estate properties
EP2829938B1 (en) Route verification from wireless networks
Alajlouni et al. A passive energy-based method for footstep impact localization, using an underfloor accelerometer sensor network with Kalman filtering
CN112381853A (zh) 用于利用无线信号和图像来进行人员检测、跟踪和标识的装置和方法
US10176379B1 (en) Integrating computer vision and wireless data to provide identification
CN110472162A (zh) 评估方法、系统、终端及可读存储介质
Utsch et al. Monitoring microscopic pedestrian mobility using bluetooth
CN110609949B (zh) 一种自迭代学习的兴趣度评估方法及系统
Yan et al. Detection and analysis of transfer time in urban rail transit system using WIFI data
US20220101709A1 (en) INDOOR OCCUPANCY ESTIMATION, TRAJECTORY TRACKING and EVENT MONITORING AND TRACKING SYSTEM
CN110505567B (zh) 一种基于无线定位与rfid的无线通信方法及系统
Gottfried et al. Pedestrian behaviour monitoring: methods and experiences
Lee Understanding volume and correlations of automated walk count: Predictors for necessary, optional, and social activities in Dilworth Park

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