CN110995834B - 社交网络轨迹跟随方法及系统 - Google Patents
社交网络轨迹跟随方法及系统 Download PDFInfo
- Publication number
- CN110995834B CN110995834B CN201911214066.XA CN201911214066A CN110995834B CN 110995834 B CN110995834 B CN 110995834B CN 201911214066 A CN201911214066 A CN 201911214066A CN 110995834 B CN110995834 B CN 110995834B
- Authority
- CN
- China
- Prior art keywords
- social account
- circle
- acquisition
- following
- social
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012800 visualization Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 238000005065 mining Methods 0.000 abstract description 3
- 230000001413 cellular effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 244000089409 Erythrina poeppigiana Species 0.000 description 1
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了社交网络轨迹跟随方法,包括:为目标社交账号设定跟随区域;利用正六边形形成蜂窝网格,并覆盖跟随区域,选取各正六边形的中心作为采集点,以探测目标社交账号;若探测到目标社交账号,则确定采集点与目标社交账号的距离,利用三角定位法确定目标社交账号的位置信息。本发明还提供了社交网络轨迹跟随系统。本发明能够精准确定社交账号的位置,形成社交账号的活动轨迹,能够应用于对社交网络用户潜在兴趣爱好的挖掘。
Description
技术领域
本发明涉及计算机信息技术领域。更具体地说,本发明涉及基于某区域范围内社交网络虚拟位置确定及轨迹跟随的算法和技术实现。
背景技术
当今互联网社交网络应用已经成为互联网上发展最快、用户活跃量最高的应用。目前全球主流的社交网络应用Facebook、Twitter、Instagram、Google+、腾讯微信、新浪微博等提供的位置服务,使基于地理位置服务(Location-BasedService,LBS)快速普及,移动社交网络与人们的日常生活紧密结合在一起,对人类社会生活产生革命性的影响。
基于位置服务的社交网络应用使人类活动从现实物理空间延伸到虚拟网络空间,采集和分析社交网络用户信息,可以发现用户的社交网络活动轨迹,能够应用于对社交网络用户潜在兴趣爱好的挖掘,有效地支持对个体的行为认知、心理分析等,也为采集多源社交网络数据、分析社交网络用户提供了思路。
目前主流的技术是通过互联网采集技术大范围采集社交网络动态内容数据,结合互联网文本分析、关键词检索等技术分析社交网络信息,确定社交账号发布动态内容的位置。现有模式的分析技术主要缺点如下:
1、针对某区域范围分析出现的社交账号信息,目前主流模式是通过大批量采集社交账号及其发布的动态内容,结合存储分析技术筛选出某区域的账号等信息,由于社交网络用户群具有全球性特点,数量庞大,此种采集方式需要消耗大量的采集服务器资源,筛选后也无法采集到足量信息。
2、针对传统的信息采集方式,对采集的社交动态内容进行分析,目前只能获取信息标注的粗略位置,比如某个城市的公园或者某个景点名称等,无法确定到更精准经纬度的位置信息,某区域范围内跟随社交账号误差较大。
鉴于此,本发明旨在一种社交网络轨迹跟随方法及系统,针对某区域的社交账号能够实现位置确定和跟随。
发明内容
本发明的一个目的是提供一种社交网络轨迹跟随方法,其能够较精确地确定和跟随社交账号。
为了实现根据本发明的这些目的和其它优点,提供了社交网络轨迹跟随方法,其特征在于,包括:
为目标社交账号设定跟随区域;
利用正六边形形成蜂窝网格,并覆盖跟随区域,选取各正六边形的中心作为采集点,以探测目标社交账号;
若探测到目标社交账号,则确定采集点与目标社交账号的距离,利用三角定位法确定目标社交账号的位置信息。
优选的是,所述的社交网络轨迹跟随方法,还包括:
重复确定采集点与目标社交账号的距离,并确定目标社交账号在跟随区域内的多个位置信息,将位置信息可视化于地图。
优选的是,所述的社交网络轨迹跟随方法,
利用正六边形形成蜂窝网格,并覆盖跟随区域,选取各正六边形的中心作为采集点,包括:
步骤一、在跟随区域内随机生成第一个圆,该圆的直径d为正六边形的内切圆直径,在第一个圆周围均匀生成六个圆,该六个圆均与第一个圆外切,且直径均为d,重复在新圆的周围生成圆,直至相应的正六边形将跟随区域覆盖;
步骤二、将步骤一的操作重复多次,选出圆的数量最少的一次,将该次生成的圆的圆心作为采集点;
其中,若生成的圆的圆心不在跟随区域内,且与跟随区域边界的最小距离大于d/2,则不将该圆心作为采集点。
优选的是,所述的社交网络轨迹跟随方法,探测目标社交账号,包括:
确定采集点的经纬度信息;
根据采集点的经纬度信息向社交网络服务端发送请求,以获取与经纬度信息对应的社交账号信息;
解析社交账号信息,获取社交账号ID,若与目标社交账号的ID匹配,则判断探测到目标社交账号。
优选的是,所述的社交网络轨迹跟随方法,探测目标社交账号,包括:
解析社交账号信息,还获取采集点与社交账号的距离,进而确定各采集点与目标社交账号的距离;
选取三个采集点,以三个采集点所在的位置为圆心,以各自与目标社交账号的距离为半径,生成三个圆,以三个圆相交的区域为目标社交账号的位置范围。
本发明还提供了社交网络轨迹跟随系统,包括:
任务设置装置,其用于为目标社交账号设定跟随区域;
采集调度装置,其用于利用正六边形形成蜂窝网格,并覆盖跟随区域,选取各正六边形的中心作为采集点,以探测目标社交账号;
三角定位装置,其用于根据采集点与目标社交账号的距离,利用三角定位法确定目标社交账号的位置信息。
优选的是,所述的社交网络轨迹跟随系统,还包括:
地图可视化装置,其用于将目标社交账号的位置信息可视化于地图。
优选的是,所述的社交网络轨迹跟随系统,还包括:
数据采集装置,其用于根据采集点的经纬度信息,向社交网络服务端发送请求,以获取与经纬度信息对应的社交账号信息。
数据接收解析装置,其用于解析社交账号信息,获取社交账号ID,若与目标社交账号的ID匹配,则判断探测到目标社交账号。
优选的是,所述的社交网络轨迹跟随系统,还包括:
数据存储装置,其用于存储社交账号及其位置信息,并进行hash编码。
优选的是,所述的社交网络轨迹跟随系统,
利用正六边形形成蜂窝网格,并覆盖跟随区域,选取各正六边形的中心作为采集点,包括:
步骤一、在跟随区域内随机生成第一个圆,该圆的直径d为正六边形的内切圆直径,在第一个圆周围均匀生成六个圆,该六个圆均与第一个圆外切,且直径均为d,重复在新圆的周围生成圆,直至将跟随区域覆盖;
步骤二、将步骤一的操作重复多次,选出圆的数量最少的一次,将该次生成的圆的圆心作为采集点;
其中,若生成的圆的圆心不在跟随区域内,且与跟随区域边界的最小距离大于d/2,则不将该圆心作为采集点。
本发明至少包括以下有益效果:
1、本发明能够实现针对某区域社交账号的采集;
2、本发明通过采集获取到的某区域内社交账号,能够及时发现某账号是否存在;
3、本发明通过采集点移动轨迹算法、调度算法可以对社交账号进行跟随;
4、通过三角定位技术能够精准确定社交账号的位置,形成社交账号的活动轨迹,能够应用于对社交网络用户潜在兴趣爱好的挖掘。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为社交账号区域跟随概要流程图;
图2为社交账号区域跟随详细流程图;
图3为区域社交账号数据采集的详细流程图;
图4为跟随区域内的采集点分布图;
图5为三角定位算法的示意图一;
图6为三角定位算法的示意图二;
图7为利用三角定位算法确定社交账号位置信息的示意图一;
图8为利用三角定位算法确定社交账号位置信息的示意图二。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
说明书附图1描述了某区域范围内发现跟随社交账号的流程,总共包括4个步骤。
T1装置为设置跟随区域任务:本步骤主要通过图形自定义操作方式,设置好默认的跟随区域,跟随区域参数主要包括区域范围各点的经纬度坐标,区域可以是规则的矩形,也可以设置成不规则的多边形,本部分可以通过地图的方式进行智能绘制区域,系统通过区域各节点的经纬度坐标,自动计算出需要跟随的区域面积。同时需要加入社交账号ID,便于确定区域内社交账号。
T2装置为确定社交账号位置:根据T1设置的社交账号ID,本步骤中主要结合附图2中数据采集等装置对指定的区域内进行社交账号数据采集,通过蜂窝算法(见算法描述1)对区域进行分割设置,对比采集区域内是否存在某社交账号ID,本步骤需要定期进行采集探测,直到在设置区域范围内首次发现某社交账号ID为止。
T3装置为跟随社交账号:根据T2步骤,确定区域范围内存在某社交账号后,根据探测采集点请求结果信息,通过解析数据无法精准获取到社交账号的经纬度信息,但可以解析到社交账号与采集点的距离范围,比如发出采集请求时,社交账号距离采集点为1公里或者500米。为了更准确确定社交账号的位置信息,本步骤需要再次通过蜂窝算法对社交账号出现位置周边2公里范围内进行再次分割计算,结合采集调度程序对社交账号周边进行再次数据获取,保证新的采集周期内,采集点可以获取到距离该位置更近的距离,比如新的采集周期内多个采集点同时发现社交账号距离100米或200米,那么可以采用三角定位方法(见算法描述2),更准确地确定社交账号的位置,通过计算可以实现距离社交账号10米或者50米左右。
T4装置为勾画社交账号活动轨迹:通过步骤T3在一段时间范围内对社交账号的多次采集,将确定的时间和位置经纬度以及误差范围记录存储,结合地图可视化,将多个时间点社交账号的位置展示成一条活动轨迹,可以进一步分析社交账号在地图上的活动范围。
说明书附图2主要描述社交账号区域跟随的详细流程,其中包括跟随任务设置装置S101,采集调度装置S102,数据采集装置S103,数据接收解析装置S104,三角定位装置S105,数据存储装置S106,地图可视化装置S107。
S101装置主要实现设置需要跟随的社交账号,通常是社交账号的主页地址或者唯一账号ID,结合地图展示,勾画需要跟随区域的边界,跟随区域支持规则的矩形以及不规则多边形。地图区域范围和跟随社交账号ID作为跟随任务的初始化参数。
S102装置可以针对S101装置中设置的跟随区域,计算跟随区域的面积,同时根据装置中初始化的采集资源,按照蜂窝网络算法模型进行采集资源任务分配,比如默认首次跟随周期,跟随区域划分成10个跟随点,那么S102装置需要调用10个采集资源找到任务跟随的经纬度节点,保证采集资源的高效利用。
S103装置根据S102装置调度的采集资源及分配的采集位置进行周边社交网络数据采集工作,采集参数主要包括采集的经纬度数据,采集的社交媒体类型,以及需要请求位置点周边多少范围的社交账号数据。根据不同的社交网络,通过技术手段可以获取到周边存在的社交账号,即完成位置节点附近社交账号采集功能。
S104装置主要实现对S103采集装置获取到的数据进行解析工作,一般原始社交网络数据流都有相关的加密处理,S104装置可以实现对数据流的解密解析,最终得到原始的数据信息,其中包括周边社交账号ID、名称、头像、简介、距离范围等,通过采集获取到的社交账号ID与S101装置设置的社交账号ID进行匹配,校验某个位置的采集节点是否采集到相关社交账号。
S105装置提供对采集到的社交账号进行进一步精准位置确定。在多个采集节点同时采集到社交账号时,每个采集节点与社交账号都有一个距离,选取3个采集节点,以各自采集节点中心位置为圆心,各自与该社交账号的距离为半径,校验得到3个圆相交的区域即为社交账号出现的位置,通过S105装置可以使社交账号位置精确到100米以内。
S106装置用来对S105装置的数据进行记录存储,存储过程中,采用基于高性能的MurmurHash算法(算法描述3),针对社交网络中出现的账号及社交信息进行hash编码,确定唯一属性,同时针对信息可以进行内容消重处理,保证存储消重的高效性。
S107装置运用地图展示技术,将S106存储的社交账号出现的经纬度信息与地图相结合,在地图上标记出先后出现的位置信息,并用曲线描绘社交账号的运动轨迹,提供数据可视化分析功能,标记社交账号经常出现的地点。
说明书附图3主要详细描述社交账号数据采集的流程,本发明基于某区域跟随社交账号,数据采集是本发明的重要部分。
S201装置为蜂窝算法设置,通过蜂窝网络算法(见算法描述1)对设置的区域范围、初始化的跟随资源进行采集点位置计算,每个采集点以采集点经纬度为中心,获取半径1公里的圆形区域社交网络信息,蜂窝网络采集装置可以实现在有限区域范围内最优计算多个采集点的中心位置,保证固定数量的采集点可以覆盖更多的采集面积。
S202装置为调度采集资源,利用S201装置计算生成的采集点经纬度,根据目前系统各采集点工作状态,进行合理调度,将采集经纬度任务,分配到状态为空闲的采集资源上,保证采集的及时性。记录各采集资源的采集状态,保证采集周期的稳定。
S203装置为采集位置数据,可以使每个采集点分配采集经纬度数据后,通过移动设备命令,动态修改采集点移动设备的GPS参数,将GPS设置成分配任务的经纬度,使采集点模拟到指定任务位置,完成采集点任务的初始化工作。
S204装置为模拟采集请求,主要完成社交网络数据请求功能,各采集点根据S203装置完成的位置初始化后,向社交网络服务端发送网络数据请求,其中请求参数会增加模拟后的位置信息,根据社交网络数据请求协议,可以获取到指定经纬度范围的账号列表信息。通过协议解析,得到社交账号及距离采集中心点距离等信息。
S205装置为区域账号元数据,针对采集点获取社交账号,按照需要进行数据解析工作,解析获取到的区域社交账号的元数据项,包括社交账号、ID、头像、简介、出现距离等。
算法描述1:蜂窝网络算法
用相同半径的圆完全覆盖一个区域,当圆心处于正六边形的中心时,所用圆的数量最少,可以达到使用最少的资源,覆盖最大的采集面积。
算法流程如下:
1.设起始点为N,区域Ω设为{(x,y)|0<x<4,0<y<3},其中x表示经度,y表示纬度。
2.由蜂窝网络的结构可以计算出(x0,y0)周围的采集点必定落在以x为圆心的圆O上,圆O的直径d为本蜂窝小区的内切圆直径,第一次随机产生一个圆心(x1,y1),之后生成的圆心(x2,y2)…(x6,y6)与(x1,y1)将圆O六等分。
3.然后分别以(x1,y1)…(x6,y6)为圆心,生成新的圆心(x7,y7)…(xn,yn)。
4.若生成的圆心坐标为(xn,yn),(xn,yn)不在区域Ω内且满足(xn,yn)距区域Ω边界最小的距离大于d/2,则此圆心为无效采集点。
5.若所有新生成的圆心都为重复或无效圆心,则本次采集点生成算法结束。
6.重复进行(2)操作,生成新的采集点,循环生成N次,选取采集点最少的结果进行扫描采集。
根据上述算法生成规则矩形的虚拟采集点,具体效果如图4所示。d优选为500~1000米,在该范围内,得到的采集点能够更好地用于定位。
算法描述2:三角定位算法
根据采集点同频探测的结果,比对各采集点到社交账号的距离,选取最优的三个采集点。
算法流程如下:
选取最优的三个采集点A、B、C,同时探测到的社交账号位置为D,三个采集资源与社交账号的距离分别为R1、R2、R3,则以三个采集点坐标为圆心,三个采集点到社交账号坐标距离为半径可以画出三个相交的圆,如图5所示,未知节点坐标即为三圆相交点。
设三个采集点坐标为(x1,y1),(x2,y2),(x3,y3),社交账号坐标(x0,y0)到三个采集点的半径距离为d1、d2、d3,根据毕达哥拉斯定理,可以计算出社交账号出现的位置坐标。
(x1-x0)2+(y1-y0)2=d12
(x2-x0)2+(y2-y0)2=d22
(x3-x0)2+(y3-y0)2=d32
实际跟随结果中,三个圆并不交于一个点,而是相交于一块区域,如图6所示。
此种情况下,三个圆的相交区域都有可能为社交账号出现的位置,相交区域越大,位置误差也会越大,在多个采集点中,选取探测距离最优的结果,根据交点组成的三角形,三角心的质心为社交账号的位置。
通过上述算法在某个采集周期内确定社交账号的位置信息,如图7所示。
新周期内再次确定社交账号的位置信息,如图8所示。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明社交网络轨迹跟随方法及系统的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (8)
1.社交网络轨迹跟随方法,其特征在于,包括:
为目标社交账号设定跟随区域;
利用正六边形形成蜂窝网格,并覆盖跟随区域,选取各正六边形的中心作为采集点,以探测目标社交账号;
若探测到目标社交账号,则确定采集点与目标社交账号的距离,利用三角定位法确定目标社交账号的位置信息;
利用正六边形形成蜂窝网格,并覆盖跟随区域,选取各正六边形的中心作为采集点,包括:
步骤一、在跟随区域内随机生成第一个圆,该圆的直径d为正六边形的内切圆直径,在第一个圆周围均匀生成六个圆,该六个圆均与第一个圆外切,且直径均为d,重复在新圆的周围生成圆,直至相应的正六边形将跟随区域覆盖;
步骤二、将步骤一的操作重复多次,选出圆的数量最少的一次,将该次生成的圆的圆心作为采集点;
其中,若生成的圆的圆心不在跟随区域内,且与跟随区域边界的最小距离大于d/2,则不将该圆心作为采集点。
2.如权利要求1所述的社交网络轨迹跟随方法,其特征在于,还包括:
重复确定采集点与目标社交账号的距离,并确定目标社交账号在跟随区域内的多个位置信息,将位置信息可视化于地图。
3.如权利要求1所述的社交网络轨迹跟随方法,其特征在于,探测目标社交账号,包括:
确定采集点的经纬度信息;
根据采集点的经纬度信息向社交网络服务端发送请求,以获取与经纬度信息对应的社交账号信息;
解析社交账号信息,获取社交账号ID,若与目标社交账号的ID匹配,则判断探测到目标社交账号。
4.如权利要求3所述的社交网络轨迹跟随方法,其特征在于,探测目标社交账号,包括:
解析社交账号信息,还获取采集点与社交账号的距离,进而确定各采集点与目标社交账号的距离;
选取三个采集点,以三个采集点所在的位置为圆心,以各自与目标社交账号的距离为半径,生成三个圆,以三个圆相交的区域为目标社交账号的位置范围。
5.社交网络轨迹跟随系统,其特征在于,包括:
任务设置装置,其用于为目标社交账号设定跟随区域;
采集调度装置,其用于利用正六边形形成蜂窝网格,并覆盖跟随区域,选取各正六边形的中心作为采集点,以探测目标社交账号;
三角定位装置,其用于根据采集点与目标社交账号的距离,利用三角定位法确定目标社交账号的位置信息;
利用正六边形形成蜂窝网格,并覆盖跟随区域,选取各正六边形的中心作为采集点,包括:
步骤一、在跟随区域内随机生成第一个圆,该圆的直径d为正六边形的内切圆直径,在第一个圆周围均匀生成六个圆,该六个圆均与第一个圆外切,且直径均为d,重复在新圆的周围生成圆,直至将跟随区域覆盖;
步骤二、将步骤一的操作重复多次,选出圆的数量最少的一次,将该次生成的圆的圆心作为采集点;
其中,若生成的圆的圆心不在跟随区域内,且与跟随区域边界的最小距离大于d/2,则不将该圆心作为采集点。
6.如权利要求5所述的社交网络轨迹跟随系统,其特征在于,还包括:
地图可视化装置,其用于将社交账号的位置信息可视化于地图。
7.如权利要求5所述的社交网络轨迹跟随系统,其特征在于,还包括:
数据采集装置,其用于根据采集点的经纬度信息,向社交网络服务端发送请求,以获取与经纬度信息对应的社交账号信息;
数据接收解析装置,其用于解析社交账号信息,获取社交账号ID,若与目标社交账号的ID匹配,则判断探测到目标社交账号。
8.如权利要求5所述的社交网络轨迹跟随系统,其特征在于,还包括:
数据存储装置,其用于存储社交账号及其位置信息,并进行hash编码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214066.XA CN110995834B (zh) | 2019-12-02 | 2019-12-02 | 社交网络轨迹跟随方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214066.XA CN110995834B (zh) | 2019-12-02 | 2019-12-02 | 社交网络轨迹跟随方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110995834A CN110995834A (zh) | 2020-04-10 |
CN110995834B true CN110995834B (zh) | 2022-10-21 |
Family
ID=70089180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911214066.XA Active CN110995834B (zh) | 2019-12-02 | 2019-12-02 | 社交网络轨迹跟随方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110995834B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473483B (zh) * | 2021-06-29 | 2024-05-14 | 航天海鹰机电技术研究院有限公司 | 一种全量用户的定位方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108900998A (zh) * | 2018-08-14 | 2018-11-27 | 长春理工大学 | 一种能耗均衡的移动汇聚节点路径规划方法及系统 |
CN109039827A (zh) * | 2018-08-30 | 2018-12-18 | 河南信安通信技术股份有限公司 | 基于位置的社交软件热点采集系统及其方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8488409B2 (en) * | 2007-05-17 | 2013-07-16 | Westerngeco L.L.C. | Acquiring azimuth rich seismic data in the marine environment using a regular sparse pattern of continuously curved sail lines |
US8832093B2 (en) * | 2010-08-18 | 2014-09-09 | Facebook, Inc. | Dynamic place visibility in geo-social networking system |
CN102291435B (zh) * | 2011-07-15 | 2012-09-05 | 武汉大学 | 一种基于地理时空数据的移动信息搜索及知识发现系统 |
CN104298669A (zh) * | 2013-07-16 | 2015-01-21 | 江苏宏联物联网信息技术有限公司 | 一种基于社交网络的人员地理信息挖掘模型 |
CN103607726B (zh) * | 2013-11-25 | 2016-08-31 | 河海大学常州校区 | 无线传感器网络中基于正六边形的移动锚节点路径规划方法 |
US20170034659A1 (en) * | 2014-11-13 | 2017-02-02 | Y R Tech, LLC | Mobile Social Activity Networking Systems and Methods |
CN106028363B (zh) * | 2016-05-10 | 2019-04-12 | 浙江树人大学 | 一种具有移动信标节点的无线传感网节点定位方法 |
CN109688175B (zh) * | 2017-10-18 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 资源包发放方法、资源包获取方法、装置及存储介质 |
CN110020178A (zh) * | 2017-12-30 | 2019-07-16 | 中国移动通信集团辽宁有限公司 | 兴趣点识别方法、装置、设备及存储介质 |
-
2019
- 2019-12-02 CN CN201911214066.XA patent/CN110995834B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108900998A (zh) * | 2018-08-14 | 2018-11-27 | 长春理工大学 | 一种能耗均衡的移动汇聚节点路径规划方法及系统 |
CN109039827A (zh) * | 2018-08-30 | 2018-12-18 | 河南信安通信技术股份有限公司 | 基于位置的社交软件热点采集系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110995834A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106303955B (zh) | 用于对无线热点和poi进行匹配的方法和装置 | |
CN107179923B (zh) | 应用程序处理方法、装置和计算机设备 | |
CN103220376B (zh) | 利用移动终端的位置数据来定位ip位置的方法 | |
CN108256117B (zh) | 用于识别与位置相关联的地点的方法、系统和存储介质 | |
JP6689515B2 (ja) | ユーザ地理的ロケーションのタイプを識別するための方法および装置 | |
US20160019592A1 (en) | System and Method for Estimating Mobile Device Locations | |
McKitrick et al. | Collecting, analyzing, and visualizing location-based social media data: review of methods in GIS-social media analysis | |
WO2019137369A1 (zh) | 基于地理位置的poi检索方法和装置 | |
Becker et al. | Photowalking the city: Comparing hypotheses about urban photo trails on Flickr | |
CN110995834B (zh) | 社交网络轨迹跟随方法及系统 | |
TW201937460A (zh) | 地圖興趣點的檢索方法和裝置 | |
Song et al. | Personalized poi recommendation based on check-in data and geographical-regional influence | |
CN104537011B (zh) | 歌唱排名方法及装置 | |
CN107784046A (zh) | Poi信息处理方法和装置 | |
Abdulazim et al. | Framework for automating travel activity inference using land use data: the case of foursquare in the greater Toronto and Hamilton area, Ontario, Canada | |
Honarparvar et al. | Improvement of a location-aware recommender system using volunteered geographic information | |
CN106488401A (zh) | 生成无缝相邻的地理围栏的方法及装置 | |
TWI425193B (zh) | 地理資訊擷取之方法與電子裝置 | |
Bereuter et al. | Generalisation of point data for mobile devices: A problem-oriented approach | |
Shi et al. | Capturing urban recreational hotspots from GPS data: A new framework in the lens of spatial heterogeneity | |
CN110197375A (zh) | 一种相似用户识别方法、装置、相似用户识别设备和介质 | |
CN115205699B (zh) | 一种基于cfsfdp改进算法的地图图斑聚类融合处理方法 | |
Robertson et al. | Defining local experts: Geographical expertise as a basis for geographic information quality | |
CN109388758A (zh) | 人口迁徙目的确定方法、装置、设备及存储介质 | |
Pandey | Density based clustering for Cricket World Cup tweets using Cosine similarity and time parameter |
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 |