CN110990729B - 职住分析方法、装置、电子设备及可读存储介质 - Google Patents
职住分析方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110990729B CN110990729B CN201911233047.1A CN201911233047A CN110990729B CN 110990729 B CN110990729 B CN 110990729B CN 201911233047 A CN201911233047 A CN 201911233047A CN 110990729 B CN110990729 B CN 110990729B
- Authority
- CN
- China
- Prior art keywords
- day
- time
- position information
- generation time
- monitoring log
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 230
- 238000012216 screening Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000002354 daily effect Effects 0.000 description 12
- 230000006399 behavior Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出一种职住分析方法、装置、电子设备及可读存储介质,涉及计算机技术领域。首先根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志。然后根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,并根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地。最后根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定目标用户的办公地点和住宅地点。由此,可根据监测日志得到目标用户的办公地点和住宅地点,并且准确率高。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种职住分析方法、装置、电子设备及可读存储介质。
背景技术
随着科技的不断进步,使用移动终端的用户也越来越多,用户使用移动终端进行的上网行为也越来越多。而用户的办公地点、住宅地点的分布情况对商业选址、城市规划等都有较大影响。如何根据用户的上网行为确定用户的办公地点、住宅地点是本领域技术人员需要解决的技术问题。
发明内容
有鉴于此,本申请的目的在于提供一种职住分析方法、装置、电子设备及可读存储介质。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供一种职住分析方法,应用于电子设备,所述方法包括:
根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志,其中,每条监测日志中包括产生时间;
根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,并根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地;
根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定所述目标用户的办公地点和住宅地点。
第二方面,本申请实施例提供一种职住分析装置,应用于电子设备,所述装置包括:
筛选模块,用于根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志,其中,每条监测日志中包括产生时间;
分析模块,用于根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,并根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地;
确定模块,用于根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定所述目标用户的办公地点和住宅地点。
第三方面,本申请实施例提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现前述实施方式中任意一项所述的职住分析方法。
第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述实施方式中任意一项所述的职住分析方法。
本申请实施例提供的职住分析方法、装置、电子设备及可读存储介质,首先根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志。然后根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,并根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地。最后根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定目标用户的办公地点和住宅地点。由此,可根据监测日志得到目标用户的办公地点和住宅地点,并且准确率高。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本申请实施例提供的电子设备的方框示意图;
图2是本申请实施例提供的职住分析方法的流程示意图;
图3是本申请实施例提供的描述数据示意图;
图4是图2中步骤S120包括的子步骤的流程示意图之一;
图5是图2中步骤S120包括的子步骤的流程示意图之二;
图6是图2中步骤S120包括的子步骤的流程示意图之三;
图7是图2中步骤S120包括的子步骤的流程示意图之四;
图8是本申请实施例提供的职住分析装置的方框示意图。
图标:100-电子设备;110-存储器;120-处理器;130-通信单元;200-职住分析装置;210-筛选模块;220-分析模块;230-确定模块。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“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、物品或者设备中还存在另外的相同要素。
在本申请发明人提出本申请实施例中的技术方案之前,在获得某个人的与位置相关的数据后,会聚合该人的数据,一段时间内白天出现次数最多的位置就是这个人的办公地点,夜间出现次数最多的位置就是这个人的住宅地点。然而,该方式的准确度不高。
比如,与位置相关的数据为广告监测日志,若一个人很少在公司看手机,也就是说,监测到的日志中很少一部分的数据是在公司发生的,反而在公司以外的地点更容易使用手机,也就是说在其他地方产生广告行为的次数更多。如果只统计日间和夜间出现次数最多的位置来决定一个人的企业所在地和住宅所在地的话,准确率可能会非常低。
针对以上方案所存在的缺陷,均是发明人在经过实践并仔细研究后得到的结果,因此,上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案,都应是发明人在本申请过程中对本申请做出的贡献。
请参照图1,图1是本申请实施例提供的电子设备100的方框示意图。所述电子设备100可以是,但不限于,个人电脑、服务器等。所述电子设备100包括存储器110、处理器120及通信单元130。所述存储器110、处理器120以及通信单元130各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,存储器110用于存储程序或者数据。所述存储器110可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。
处理器120用于读/写存储器110中存储的数据或程序,并执行相应地功能。比如,存储器110中存储有职住分析装置200,所述职住分析装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块。所述处理器120通过运行存储在存储器110内的软件程序以及模块,如本申请实施例中的职住分析装置200,从而执行各种功能应用以及数据处理,即实现本申请实施例中的职住分析方法。
通信单元130用于通过网络建立所述电子设备100与其它通信终端之间的通信连接,并用于通过所述网络收发数据。
应当理解的是,图1所示的结构仅为电子设备100的结构示意图,所述电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2,图2是本申请实施例提供的职住分析方法的流程示意图。所述方法应用于电子设备100。下面对职住分析方法的具体流程进行详细阐述。
步骤S110,根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志。
在本实施例中,可对目标用户的移动终端的上网行为进行监测,从而获得该目标用户的监测日志。所述监测日志中可以包括移动终端上网时使用的IP地址、移动终端的设备标识、产生时间等。其中,所述设备标识可以是,但不限于,设备的MAC(Media AccessControl,媒体访问控制)地址、安卓ID或OAID(Open Anonymous Device Identifier,匿名设备标识符)等可以唯一标识出该移动终端的标识。该移动终端可以是智能手机。产生时间可以表示产生该条监测日志的时间。也可以在获得多个用户的监测日志时,根据目标用户的目标设备标识,从多个用户的监测日志中,得到该目标用户的监测日志。
其中,目标用户的监测日志可对应预设时间段内该目标用户的上网行为,比如,所述目标用户的监测日志中包括该目标用户的一个月的监测日志。该监测日志可以是广告监测日志、在购物网站的商品浏览日志等。比如,若用户使用通过IP地址1上网的移动终端A浏览了一条广告,则会生成一条记录该行为的监测日志。该监测日志中包括IP地址1、移动终端A的设备标识及时间戳等。
所述预设筛选条件中可以包括预设工作时间段及预设休息时间段。在得到目标用户的监测日志后,可将目标用户的每条监测日志中的产生时间与预设工作时间段进行比较。若一条监测日志中的产生时间在所述预设工作时间段内,则可将该条监测日志作为第一目标监测日志。同理,可将目标用户的每条监测日志中的产生时间与预设休息时间段进行比较。若一条监测日志中的产生时间在所述预设休息时间段内,则可将该条监测日志作为第二目标监测日志。其中,所述预设工作时间段及所述预设休息时间段可以根据实际情况设置。比如,所述预设工作时间段为10:00~18:00,所述预设休息时间段为22:00~24:00、0:00~6:00。
在得到所述第一目标监测日志及第二目标监测日志时,还可根据每条目标监测日志中的时间信息,确定出所述预设时间段内每天的第一目标监测日志及第二目标监测日志。
步骤S120,根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,并根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地。
每条监测日志分别对应一个位置信息。可根据一天的第一目标监测日志中,每条第一目标监测日志中包括的产生时间及对应的位置信息,得到每个位置信息的日间停留时长,并将最大日间停留时长对应的位置信息所对应的位置,作为该天的日间最长停留地。重复上述步骤,即可获得每天的日间最长停留地。
同理,可根据一天的第二目标监测日志中,每条第二目标监测日志中包括的产生时间及对应的位置信息,得到每个位置信息的夜间停留时长,并将最大夜间停留时长对应的位置信息所对应的位置,作为该天的夜间最长停留地。重复上述步骤,即可获得每天的夜间最长停留地。
步骤S130,根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定所述目标用户的办公地点和住宅地点。
在确定所述预设时间段内每天的日间最长停留地和夜间最长停留地后,可进行统计,得到在所述预设时间段内每个日间最长停留地对应的天数、每个夜间最长停留地对应的天数,即得到每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数。接着,基于此,确定出该目标用户的办公地点和住宅地点。
在本实施例中,先从目标用户的监测日志中筛选出预设工作时间段内的第一目标监测日志、以及预设休息时间段内的第二目标监测日志,然后根据筛选出的目标监测日志计算得到对应的每个位置信息对应的停留时间长,进而确定出每天的日间最长停留地及夜间最长停留地。最后,根据预设时间段内每个日间最长停留地及夜间最长停留地各自对应的出现天数,确定出该目标用户的办公地点和住宅地点。由此,可根据监测日志(比如,广告监测日志)精准地分析出一个人的办公地点和住宅地点。
在本实施例中,所述电子设备100中可存储有数据库,所述数据库中包括IP地址及该IP地址的描述数据,该描述数据中可以包括IP地址的应用场景。IP地址的应用场景可以有:企业专线、住宅用户、移动网络等。
可选地,所述描述数据中还可以包括IP地址对应的第二位置信息,即该IP地址对应的实际位置信息,该第二位置信息可以用具体的经纬度表示。进一步地,所述描述数据还可以包括IP地址对应的第二位置信息的精确度。该精确度表示了IP地址对应区域的等级,比如,街道级、市级、省级。不同的等级,表示了IP地址对应区域的大小。若精确度为街道,说明这个IP地址能准确度定位到街道;若精确度是市级或者更大的省级,说明这个IP地址只能定位到市或省。
在本实施例的一种实施方式中,所述描述数据中包括的内容如图3所示。一个IP地址的描述数据中包括以下信息:longitude、latitude、radius、scene、accuracy。Longitude,表示该IP地址对应区域的中心经度;latitude,表示该IP地址对应区域的中心纬度;radius,表示该IP地址对应区域覆盖的半径;scene,表示该IP地址的应用场景;accuracy,表示该IP地址对应区域的等级(即精确度)。其中,一个第二位置信息中可以包括一个IP地址对应区域的中心经度和中心纬度。
可选地,在本实施例的另一种实施方式中,所述预设筛选条件中可以包括工作日的预设工作时间段及预设休息时间段。可依次判断目标用户的各条监测日志中的产生时间是否位于工作日的预设工作时间段内,或位于预设休息时间段内,从而得到产生时间在工作日的预设工作时间段内的第一目标监测日志,以及产生时间在预设休息时间段内的第二目标监测日志。
可选地,在本实施例的另一种实施方式中,所述预设筛选条件中可以包括工作日的预设工作时间段、第一预设应用场景、预设休息时间段及第二预设应用场景。可首先根据目标用户的每条监测日志中包括的IP地址、所述数据库中每个IP地址与应用场景的对应关系,得到目标用户的每条监测日志中的IP地址对应的应用场景。然后可将目标用户的一条监测日志中的产生时间与工作日的预设工作时间段进行比较,并判断该条监测日志中的IP地址对应的应用场景是否为所述第一预设场景。若该条监测日志中的产生时间在工作日的预设工作时间段内、且该条监测日志中的IP地址对应的应用场景为所述第一预设场景,则可将该条监测日志作为第一目标监测日志。重复该步骤,可获得所述目标用户的监测日志中的所有第一目标监测日志。
同理,可将目标用户的一条监测日志中的产生时间与预设休息时间段进行比较,并判断该条监测日志中的IP地址对应的应用场景是否为所述第二预设场景。若该条监测日志中的产生时间在预设休息时间段内、且该条监测日志中的IP地址对应的应用场景为所述第二预设场景,则可将该条监测日志作为第二目标监测日志。重复该步骤,可获得所述目标用户的监测日志中的所有第二目标监测日志。
其中,所述第一预设应用场景与办公场景相关,所述第二预设应用场景与休息场景。比如,所述第一预设应用场景为企业专线,所述第二预设应用场景为住宅用户,由此可得到IP地址对应企业专线、且产生时间在工作日的预设工作时间段内的第一目标监测日志,以及IP地址对应住宅用户、且产生时间在预设休息时间段的第二目标监测日志。
可选地,在本实施例的另一种实施方式中,所述预设筛选条件中还可以包括预设精确度。在获得第一目标监测日志及第二目标监测日志时,可根据所述数据库中包括的每个IP地址的精确度,得到目标用户的每条监测日志中包括的IP地址对应的第二位置信息的精确度。然后,从所述目标用户的监测日志中,筛选得到产生时间在工作日的预设工作时间段内、IP地址对应的应用场景为所述第一预设应用场景、且IP地址对应的第二位置信息的精确度为预设精确度的第一目标监测日志,以及产生时间在所述预设休息时间段内、IP地址对应的应用场景为所述第二预设应用场景、且IP地址对应的第二位置信息的精确度为预设精确度的第二目标监测日志。由此,可过滤掉精确度不高的第二位置信息,进一步提高得到的办公地点和住宅地点的准确度。
其中,所述预设精确度可以根据实际需求设置,比如,若只有街道级别的数据才能更准确的定位一个公司或者住宅,则可将所述有预设精确度设置为街道级,从而筛选出IP地址对应的第二位置信息的精确度是街道级的监测日志。
在得到一天的第一目标监测日志后,可判断该天的所有第一目标监测日志中,是否存在至少一条包括第一位置信息的第一目标监测日志。若存在,则直接根据该天的包括第一位置信息的第一目标监测日志,确定该天的日间最长停留地。同理,若该天的所有第二目标监测日志中,存在至少一条包括第一位置信息的第二目标监测日志,则直接根据该天的包括第一位置信息的第二目标监测日志,确定该天的夜间最长停留地。
其中,所述第一位置信息可以是LBS(Location Based Services,基于位置服务)信息,LBS信息直接代表着一个设备发生被监测行为时的精准地理位置。LBS的中心经纬度对应的误差半径的单位是米,是十分精确的。因此,优先根据第一位置信息确定每天的日间最长停留地和夜间最长停留地。
请参照图4,图4是图2中步骤S120包括的子步骤的流程示意图之一。步骤S120可以包括子步骤S1211~子步骤S1213。
子步骤S1211,根据一天的第一目标监测日志中包括的产生时间和第一位置信息,得到该天每个第一位置信息对应的最早产生时间和最晚产生时间。
子步骤S1212,计算每个第一位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第一位置信息对应的日间停留时长。
子步骤S1213,将该天所有的第一位置信息对应的日间停留时长进行比较,并将最大日间停留时长对应的第一位置信息所对应的位置作为该天的日间最长停留地。
在本实施例中,可根据一天的第一目标监测日志中包括的第一位置信息,对该天的第一目标监测日志进行筛选划分,从而得到该天每个第一位置信息对应的第一目标监测日志。其中,一个第一位置信息对应的每条第一目标监测日志中,包括该第一位置信息。根据该天每个第一位置信息对应的第一目标监测日志中包括的产生时间,可得到在该天每个第一位置信息对应的最早产生时间和最晚产生时间。根据一个第一位置信息对应的最早产生时间和最晚产生时间,计算该最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为该第一位置信息对应的日间停留时长。
比如,在某天,某个第一位置信息对应了三条第一目标监测日志,即在该天,有三条第一目标监测日志中包括了该第一位置信息。三条第一目标监测日志中包括的产生时间分别为:2019-11-02 10:20:00、2019-11-02 14:21:01、2019-11-02 16:20:00,该第一位置信息在该天对应的最早产生时间为2019-11-02 10:20:00,在该天对应的最晚产生时间为2019-11-02 16:20:00。最早产生时间2019-11-02 10:20:00与最晚产生时间2019-11-0216:20:00之间的时间间隔为6小时,因此可以认为目标用户在该天在该第一位置信息对应的位置的日间停留时长为6小时。
若该天的某个第一位置信息只对应了一条第一目标监测日志,即,在该天,只有一条第一目标监测日志中包括了该第一位置信息,则可以认为该第一位置信息对应的最早产生时间和最晚产生时间相同,均为该第一目标监测日志中包括的产生时间,该第一位置信息在该天对应的日间停留时长为0。
若该天的每个第一位置信息对应的日间停留时长均为0,则可将该天的每个第一位置信息对应的位置,均作为该天的日间最长停留地。
重复上述计算过程,可计算得到一天的第一目标监测日志中各个第一位置信息对应的日间停留时长。将该天的所有日间停留时长进行比较,将最大日间停留时长对应的第一位置信息对应的位置,作为该天的日间最长停留地。
请参照图5,图5是图2中步骤S120包括的子步骤的流程示意图之二。步骤S120还可以包括子步骤S1215~子步骤S1217。
子步骤S1215,根据一天的第二目标监测日志中包括的产生时间和第一位置信息,得到该天每个第一位置信息对应的最早产生时间和最晚产生时间。
子步骤S1216,计算每个第一位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第一位置信息对应的夜间停留时长。
子步骤S1217,将该天所有的第一位置信息对应的夜间停留时长进行比较,并将最大夜间停留时长对应的第一位置信息所对应的位置作为该天的夜间最长停留地。
同理,可根据一天的第二目标监测日志中包括的第一位置信息,对该天的第二目标监测日志进行筛选划分,从而得到该天每个第一位置信息对应的第二目标监测日志。其中,一个第一位置信息对应的每条第二目标监测日志中,包括该第二位置信息。根据该天每个第一位置信息对应的第二目标监测日志中包括的产生时间,可得到在该天每个第一位置信息对应的最早产生时间和最晚产生时间。根据一个第一位置信息对应的最早产生时间和最晚产生时间,计算该最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为该第一位置信息对应的夜间停留时长。
若该天的某个第二位置信息只对应了一条第二目标监测日志,即,在该天,只有一条第二目标监测日志中包括了该第一位置信息,则可以认为该第一位置信息对应的最早产生时间和最晚产生时间相同,均为该第二目标监测日志中包括的产生时间,该第一位置信息在该天对应的夜间停留时长为0。
若该天的每个第一位置信息对应的夜间停留时长均为0,则可将该天的每个第一位置信息对应的位置,均作为该天的夜间最长停留地。
重复上述计算过程,可计算得到一天的第二目标监测日志中各个第一位置信息对应的夜间停留时长。将该天的所有夜间停留时长进行比较,将最大夜间停留时长对应的第一位置信息对应的位置,作为该天的夜间最长停留地。
若预设时间段内每天的第一目标监测日志和第二目标监测日志中均存在包括第一位置信息的监测日志,则可重复以上计算得到一天的日间最长停留地和夜间最长停留地的步骤,从而得到预设时间段内的每天的日间最长停留地和夜间最长停留地。
若一天的第一目标监测日志中均不包括第一位置信息,可根据该天的第一目标监测日志中包括的IP地址,以及所述数据库中IP地址与第二位置信息的对应关系,得到该天的每条第一目标监测日志对应的第二位置信息。然后根据该天的第一目标监测日志、每条第一目标监测日志对应的第二位置信息,确定该天的日间最长停留地。
同理,若一天的第二目标监测日志中均不包括第一位置信息,可根据该天的第二目标监测日志中包括的IP地址,以及所述数据库中IP地址与第二位置信息的对应关系,得到该天的每条第二目标监测日志对应的第二位置信息。然后根据该天的第二目标监测日志、每条第二目标监测日志对应的第二位置信息,确定该天的夜间最长停留地。
请参照图6,图6是图2中步骤S120包括的子步骤的流程示意图之三。步骤S120还可以包括子步骤S1221~子步骤S1223。
子步骤S1221,根据一天的第一目标监测日志中包括的产生时间和IP地址对应的第二位置信息,得到该天每个第二位置信息对应的最早产生时间和最晚产生时间。
子步骤S126,计算每个第二位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第二位置信息对应的日间停留时长。
子步骤S127,将该天所有的第二位置信息对应的日间停留时长进行比较,并将最大日间停留时长对应的第二位置信息所对应的位置作为该天的日间最长停留地。
在本实施例中,在一天的第一目标监测日志中不存在包括第一位置信息的第一目标监测日志时,可根据所述数据库中IP地址与第二位置信息的对应关系,获得该天的各第一目标监测日志中包括的IP地址对应的第二位置信息。一条第一目标监测日志中包括的IP地址对应的第二位置信息,即为该条第一目标监测日志对应的位置信息。
然后,可根据一天的第一目标监测日志中包括的IP地址对应的第二位置信息,对该天的第一目标监测日志进行筛选划分,从而得到该天每个第二位置信息对应的第一目标监测日志。其中,一个第二位置信息对应的每条第一目标监测日志中,包括该第二位置信息对应的IP地址。根据该天每个第二位置信息对应的第一目标监测日志中包括的产生时间,可得到该天每个第二位置信息对应的最早产生时间和最晚产生时间。根据一个第二位置信息对应的最早产生时间和最晚产生时间,计算该最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为该第二位置信息对应的日间停留时长。
若该天的某个第二位置信息只对应了一条第一目标监测日志,即,在该天,只有一条第一目标监测日志中包括了该第二位置信息对应的IP地址,则可以认为该第二位置信息对应的最早产生时间和最晚产生时间相同,均为该第一目标监测日志中包括的产生时间,该第一位置信息在该天对应的日间停留时长为0。
若该天的每个第二位置信息对应的日间停留时长均为0,则可将该天的每个第二位置信息对应的位置,均作为该天的日间最长停留地。
重复上述计算过程,可计算得到一天的第一目标监测日志中各个第二位置信息对应的日间停留时长。将该天的所有日间停留时长进行比较,将最大日间停留时长对应的第二位置信息对应的位置,作为该天的日间最长停留地。
请参照图7,图7是图2中步骤S120包括的子步骤的流程示意图之四。步骤S120还可以包括子步骤S1225~子步骤S1227。
子步骤S1225,根据一天的第二目标监测日志中包括的产生时间和IP地址对应的第二位置信息,得到该天每个第二位置信息对应的最早产生时间和最晚产生时间。
子步骤S1226,计算每个第二位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第二位置信息对应的夜间停留时长。
子步骤S1227,将该天所有的第二位置信息对应的夜间停留时长进行比较,并将最大夜间停留时长对应的第二位置信息所对应的位置作为该天的夜间最长停留地。
在本实施例中,在一天的第二目标监测日志中不存在包括第一位置信息的第二目标监测日志时,可通过在一天的第一目标监测日志中不存在包括第一位置信息的第一目标监测日志时确定日间最长停留地的方式,根据一天的第二目标监测日志及所述数据库中IP地址与第二位置信息的对应关系,确定该天的夜间最长停留地。关于通过子步骤S1225~子步骤S1227确定夜间最长停留地的描述,可参照上文对确定日间停留地及夜间停留地的具体描述,在此不再赘述。
若一天没有对应的第一目标监测日志,则表示该目标用户在这一天日间没有产生过行为,该天没有日间最长停留地。若一天没有对应的第二目标监测日志,则表示目标用户在这一天夜间没有产生过行为,该天没有夜间最长停留地。其中,没有产生过行为,是指目标用户没有使用移动终端进行被监测的上网行为,比如,没有浏览广告。
在确定所述预设时间段内每天的日间最长停留地和夜间最长停留地后,可将所述预设时间段内出现天数最多的日间最长停留地作为所述目标用户的办公地点,将所述预设时间内出现天数最多的夜间最长停留地作为所述目标用户的住宅地点。
比如,在一个月内,假设每天均只有一个日间最长停留地及一个夜间最长停留地。若在这一个月内,有15天的日间最长停留地为A,3天的日间最长停留地为B;有18天的夜间最长停留地为C,4天的夜间最长停留地为D;则可以确定A为目标用户的办公地点,C为目标用户的住宅地点。
在监测日志为广告监测日志时,由于每个人浏览点击过的广告行为基本都会被监测到,因此广告监测日志的量级非常大。并且,广告监测日志的数据非常全,监测的数据中也包括直接与地理位置相关的数据,便于确定发生浏览广告行为时的位置。在确定办公地点和住宅地点时,可根据广告监测日志及最长停留地的确定方式,得到每天的日间最长停留地及夜间最长停留地,进而根据每个日间最长停留地的出现天数及每个夜间最长停留地的出现天数,确定出办公地点和住宅地点。由此,可准确地分析出一个人的办公点和住宅地点。
为了执行上述实施例及各个可能的方式中的相应步骤,下面给出一种职住分析装置200的实现方式,可选地,该职住分析装置200可以采用上述图1所示的电子设备100的器件结构。进一步地,请参照图8,图8是本申请实施例提供的职住分析装置200的方框示意图。需要说明的是,本实施例所提供的职住分析装置200,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。该职住分析装置200可以包括:筛选模块210、分析模块220及确定模块230。
所述筛选模块210,用于根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志。其中,每条监测日志中包括产生时间。
所述分析模块220,用于根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,并根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地。
所述确定模块230,用于根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定所述目标用户的办公地点和住宅地点。
可选地,在本实施例中,若一天的第一目标监测日志中包括第一位置信息,所述分析模块220具体用于:根据一天的第一目标监测日志中包括的产生时间和第一位置信息,得到该天每个第一位置信息对应的最早产生时间和最晚产生时间;计算每个第一位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第一位置信息对应的日间停留时长;将该天所有的第一位置信息对应的日间停留时长进行比较,并将最大日间停留时长对应的第一位置信息所对应的位置作为该天的日间最长停留地。
若一天的第二目标监测日志中包括第一位置信息,所述分析模块220具体用于:根据一天的第二目标监测日志中包括的产生时间和第一位置信息,得到该天每个第一位置信息对应的最早产生时间和最晚产生时间;计算每个第一位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第一位置信息对应的夜间停留时长;将该天所有的第一位置信息对应的夜间停留时长进行比较,并将最大夜间停留时长对应的第一位置信息所对应的位置作为该天的夜间最长停留地。
可选地,上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于该电子设备100的操作系统(Operating System,OS)中,并可由图1中的处理器120执行。同时,执行上述模块所需的数据、程序的代码等可以存储在存储器110中。
可选地,本申请实施例还提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的职住分析方法。
综上所述,本申请实施例提供一种职住分析方法、装置、电子设备及可读存储介质。首先根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志。然后根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,并根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地。最后根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定目标用户的办公地点和住宅地点。由此,可根据监测日志得到目标用户的办公地点和住宅地点,并且准确率高。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种职住分析方法,其特征在于,应用于电子设备,所述方法包括:
根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志,其中,每条监测日志中包括产生时间;
根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,并根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地;
根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定所述目标用户的办公地点和住宅地点;
其中,所述电子设备中存储有数据库,所述数据库中包括IP地址及IP地址的描述数据,所述描述数据中包括IP地址的第二位置信息,
若一天的第一目标监测日志中不包括第一位置信息,所述根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,包括:根据一天的第一目标监测日志中包括的产生时间和IP地址对应的第二位置信息,得到该天每个第二位置信息对应的最早产生时间和最晚产生时间;计算每个第二位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第二位置信息对应的日间停留时长;将该天所有的第二位置信息对应的日间停留时长进行比较,并将最大日间停留时长对应的第二位置信息所对应的位置作为该天的日间最长停留地;
若一天的第二目标监测日志中不包括第一位置信息,所述根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地,包括:根据一天的第二目标监测日志中包括的产生时间和IP地址对应的第二位置信息,得到该天每个第二位置信息对应的最早产生时间和最晚产生时间;计算每个第二位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第二位置信息对应的夜间停留时长;将该天所有的第二位置信息对应的夜间停留时长进行比较,并将最大夜间停留时长对应的第二位置信息所对应的位置作为该天的夜间最长停留地。
2.根据权利要求1所述的方法,其特征在于,若一天的第一目标监测日志中包括第一位置信息,所述根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,还包括:
根据一天的第一目标监测日志中包括的产生时间和第一位置信息,得到该天每个第一位置信息对应的最早产生时间和最晚产生时间;
计算每个第一位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第一位置信息对应的日间停留时长;
将该天所有的第一位置信息对应的日间停留时长进行比较,并将最大日间停留时长对应的第一位置信息所对应的位置作为该天的日间最长停留地;
若一天的第二目标监测日志中包括第一位置信息,所述根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地,还包括:
根据一天的第二目标监测日志中包括的产生时间和第一位置信息,得到该天每个第一位置信息对应的最早产生时间和最晚产生时间;
计算每个第一位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第一位置信息对应的夜间停留时长;
将该天所有的第一位置信息对应的夜间停留时长进行比较,并将最大夜间停留时长对应的第一位置信息所对应的位置作为该天的夜间最长停留地。
3.根据权利要求1所述的方法,其特征在于,所述电子设备中存储有数据库,所述数据库中包括IP地址及IP地址的描述数据,所述描述数据中包括IP地址的应用场景,所述根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志,包括:
从所述目标用户的监测日志中筛选得到产生时间在工作日的预设工作时间段内、IP地址对应的应用场景为第一预设应用场景的第一目标监测日志;
从所述目标用户的监测日志中筛选得到产生时间在所述预设休息时间段内、IP地址对应的应用场景为第二预设应用场景的第二目标监测日志。
4.根据权利要求3所述的方法,其特征在于,所述描述数据中还包括IP地址对应的第二位置信息的精确度,
所述从所述目标用户的监测日志中筛选得到产生时间在工作日的预设工作时间段内、IP地址对应的应用场景为所述第一预设应用场景的第一目标监测日志,包括:
从所述目标用户的监测日志中筛选得到产生时间在工作日的预设工作时间段内、IP地址对应的应用场景为所述第一预设应用场景、且IP地址对应的第二位置信息的精确度为预设精确度的第一目标监测日志;
从所述目标用户的监测日志中筛选得到产生时间在所述预设休息时间段内、IP地址对应的应用场景为所述第二预设应用场景、且IP地址对应的第二位置信息的精确度为预设精确度的第二目标监测日志。
5.根据权利要求1所述的方法,其特征在于,所述根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定所述目标用户的办公地点和住宅地点,包括:
将所述预设时间段内出现天数最多的日间最长停留地作为所述目标用户的办公地点,将所述预设时间内出现天数最多的夜间最长停留地作为所述目标用户的住宅地点。
6.一种职住分析装置,其特征在于,应用于电子设备,所述装置包括:
筛选模块,用于根据预设筛选条件,从目标用户的监测日志中筛选得到产生时间在预设工作时间段内的第一目标监测日志、产生时间在预设休息时间段内的第二目标监测日志,其中,每条监测日志中包括产生时间;
分析模块,用于根据每天的第一目标监测日志中的产生时间及对应的位置信息,确定每天的日间最长停留地,并根据每天的第二目标监测日志中的产生时间及对应的位置信息,确定每天的夜间最长停留地;
确定模块,用于根据预设时间段内每个日间最长停留地的出现天数、每个夜间最长停留地的出现天数,确定所述目标用户的办公地点和住宅地点;
其中,所述电子设备中存储有数据库,所述数据库中包括IP地址及IP地址的描述数据,所述描述数据中包括IP地址的第二位置信息,
若一天的第一目标监测日志中不包括第一位置信息,所述分析模块具体用于:根据一天的第一目标监测日志中包括的产生时间和IP地址对应的第二位置信息,得到该天每个第二位置信息对应的最早产生时间和最晚产生时间;计算每个第二位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第二位置信息对应的日间停留时长;将该天所有的第二位置信息对应的日间停留时长进行比较,并将最大日间停留时长对应的第二位置信息所对应的位置作为该天的日间最长停留地;
若一天的第二目标监测日志中不包括第一位置信息,所述分析模块具体用于:根据一天的第二目标监测日志中包括的产生时间和IP地址对应的第二位置信息,得到该天每个第二位置信息对应的最早产生时间和最晚产生时间;计算每个第二位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第二位置信息对应的夜间停留时长;将该天所有的第二位置信息对应的夜间停留时长进行比较,并将最大夜间停留时长对应的第二位置信息所对应的位置作为该天的夜间最长停留地。
7.根据权利要求6所述的装置,其特征在于,
若一天的第一目标监测日志中包括第一位置信息,所述分析模块还具体用于:
根据一天的第一目标监测日志中包括的产生时间和第一位置信息,得到该天每个第一位置信息对应的最早产生时间和最晚产生时间;
计算每个第一位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第一位置信息对应的日间停留时长;
将该天所有的第一位置信息对应的日间停留时长进行比较,并将最大日间停留时长对应的第一位置信息所对应的位置作为该天的日间最长停留地;
若一天的第二目标监测日志中包括第一位置信息,所述分析模块还具体用于:
根据一天的第二目标监测日志中包括的产生时间和第一位置信息,得到该天每个第一位置信息对应的最早产生时间和最晚产生时间;
计算每个第一位置信息对应的最早产生时间和最晚产生时间之间的时间间隔,并将该时间间隔作为对应的第一位置信息对应的夜间停留时长;
将该天所有的第一位置信息对应的夜间停留时长进行比较,并将最大夜间停留时长对应的第一位置信息所对应的位置作为该天的夜间最长停留地。
8.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现权利要求1-5中任意一项所述的职住分析方法。
9.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任意一项所述的职住分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911233047.1A CN110990729B (zh) | 2019-12-05 | 2019-12-05 | 职住分析方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911233047.1A CN110990729B (zh) | 2019-12-05 | 2019-12-05 | 职住分析方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110990729A CN110990729A (zh) | 2020-04-10 |
CN110990729B true CN110990729B (zh) | 2023-11-03 |
Family
ID=70090345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911233047.1A Active CN110990729B (zh) | 2019-12-05 | 2019-12-05 | 职住分析方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110990729B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110054585A (ko) * | 2009-11-18 | 2011-05-25 | 삼성에스디에스 주식회사 | Ip 장비의 위치정보를 활용한 위치 추적 시스템 및 방법 |
WO2011102541A1 (ja) * | 2010-02-19 | 2011-08-25 | 日本電気株式会社 | 行動特徴抽出装置、行動特徴抽出システム、行動特徴抽出方法、及び行動特徴抽出プログラム |
WO2012030122A2 (ko) * | 2010-08-30 | 2012-03-08 | 엔에이치엔비지니스플랫폼 주식회사 | Ip 주소에 대한 지역 정보 결정 시스템 및 방법 |
JP2014002671A (ja) * | 2012-06-20 | 2014-01-09 | Zenrin Datacom Co Ltd | 情報処理システム、情報処理方法及びプログラム |
US8909631B1 (en) * | 2011-08-25 | 2014-12-09 | Google Inc. | Creating targeting information for a user |
JP2015149079A (ja) * | 2015-03-10 | 2015-08-20 | ソニー株式会社 | 電子機器、サーバ、情報判定方法及びプログラム |
JP2015198455A (ja) * | 2015-03-31 | 2015-11-09 | 株式会社ラック | 処理システム、処理装置、処理方法およびプログラム |
JP2018045698A (ja) * | 2017-10-20 | 2018-03-22 | ヤフー株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN109714636A (zh) * | 2018-12-21 | 2019-05-03 | 武汉瓯越网视有限公司 | 一种用户识别方法、装置、设备及介质 |
CN110083575A (zh) * | 2019-04-11 | 2019-08-02 | 中国移动通信集团内蒙古有限公司 | 履职监控方法、装置、设备及计算机可读存储介质 |
CN110135679A (zh) * | 2019-04-01 | 2019-08-16 | 同济大学 | 一种基于手机信令数据生活中心空间绩效的评估方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8615605B2 (en) * | 2010-10-22 | 2013-12-24 | Microsoft Corporation | Automatic identification of travel and non-travel network addresses |
JP5640167B1 (ja) * | 2014-03-31 | 2014-12-10 | 株式会社ラック | ログ分析システム |
US9251470B2 (en) * | 2014-05-30 | 2016-02-02 | Linkedin Corporation | Inferred identity |
-
2019
- 2019-12-05 CN CN201911233047.1A patent/CN110990729B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110054585A (ko) * | 2009-11-18 | 2011-05-25 | 삼성에스디에스 주식회사 | Ip 장비의 위치정보를 활용한 위치 추적 시스템 및 방법 |
WO2011102541A1 (ja) * | 2010-02-19 | 2011-08-25 | 日本電気株式会社 | 行動特徴抽出装置、行動特徴抽出システム、行動特徴抽出方法、及び行動特徴抽出プログラム |
WO2012030122A2 (ko) * | 2010-08-30 | 2012-03-08 | 엔에이치엔비지니스플랫폼 주식회사 | Ip 주소에 대한 지역 정보 결정 시스템 및 방법 |
US8909631B1 (en) * | 2011-08-25 | 2014-12-09 | Google Inc. | Creating targeting information for a user |
JP2014002671A (ja) * | 2012-06-20 | 2014-01-09 | Zenrin Datacom Co Ltd | 情報処理システム、情報処理方法及びプログラム |
JP2015149079A (ja) * | 2015-03-10 | 2015-08-20 | ソニー株式会社 | 電子機器、サーバ、情報判定方法及びプログラム |
JP2015198455A (ja) * | 2015-03-31 | 2015-11-09 | 株式会社ラック | 処理システム、処理装置、処理方法およびプログラム |
JP2018045698A (ja) * | 2017-10-20 | 2018-03-22 | ヤフー株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN109714636A (zh) * | 2018-12-21 | 2019-05-03 | 武汉瓯越网视有限公司 | 一种用户识别方法、装置、设备及介质 |
CN110135679A (zh) * | 2019-04-01 | 2019-08-16 | 同济大学 | 一种基于手机信令数据生活中心空间绩效的评估方法 |
CN110083575A (zh) * | 2019-04-11 | 2019-08-02 | 中国移动通信集团内蒙古有限公司 | 履职监控方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (4)
Title |
---|
Semantic Interpretation of Structured Log Files;Piyush Nimbalkar;《IEEE》;全文 * |
基于AP日志的用户轨迹模式变化分析;仝爽;《中国优秀硕士学位论文全文数据库电子期刊》;全文 * |
基于交友网站的日志挖掘和分析系统;桑军;李丽;;数字技术与应用(10);全文 * |
陈康 ; 黄晓宇 ; 王爱宝 ; 陶彩霞 ; 关迎晖 ; 李磊 ; .基于位置信息的用户行为轨迹分析与应用综述.电信科学.2013,(04),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110990729A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105657003B (zh) | 一种信息处理方法和服务器 | |
CN107404408B (zh) | 一种虚拟身份关联识别方法及装置 | |
US20160196494A1 (en) | Location analysis for analytics | |
CN101437030A (zh) | 一种防止服务器被攻击的方法、检测装置及监控设备 | |
CN104917643A (zh) | 异常账号检测方法及装置 | |
CN1378651A (zh) | 用于将位置估算值从第一收发器传递到第二收发器的方法和装置 | |
CN110365698A (zh) | 风险评估方法与装置 | |
CN110222535B (zh) | 区块链配置文件的处理装置、方法及存储介质 | |
CN107454126B (zh) | 一种消息推送方法、服务器及终端 | |
US8862667B2 (en) | Network based audience measurement | |
CN110990244A (zh) | 目标设备标识确定方法、装置、电子设备及可读存储介质 | |
CN115225385B (zh) | 一种流量监控方法、系统、设备及计算机可读存储介质 | |
CN108684044A (zh) | 一种用户行为检测系统、方法及装置 | |
CN108093428B (zh) | 用于鉴别真实流量的服务器 | |
CN113515612B (zh) | 一种黑产手机号识别方法及装置 | |
CN110990729B (zh) | 职住分析方法、装置、电子设备及可读存储介质 | |
CN109729054B (zh) | 访问数据监测方法及相关设备 | |
CN111767481B (zh) | 访问处理方法、装置、设备和存储介质 | |
CN112105052A (zh) | 楼宇类型确定方法、装置、服务器及存储介质 | |
CN106934708B (zh) | 事件记录方法和装置 | |
US20130060969A1 (en) | Automated device integration | |
CN110098983B (zh) | 一种异常流量的检测方法及装置 | |
CN111159199B (zh) | 一种指标数据获取方法及装置 | |
CN108418827B (zh) | 网络行为分析方法以及装置 | |
CN113556748B (zh) | 信令溯源识别方法、装置和系统 |
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 |