CN111178932A - 用户地理画像生成方法、装置、计算机设备和存储介质 - Google Patents
用户地理画像生成方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111178932A CN111178932A CN201911173407.3A CN201911173407A CN111178932A CN 111178932 A CN111178932 A CN 111178932A CN 201911173407 A CN201911173407 A CN 201911173407A CN 111178932 A CN111178932 A CN 111178932A
- Authority
- CN
- China
- Prior art keywords
- cluster
- data
- positioning service
- service data
- user
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000009826 distribution Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 23
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000007418 data mining Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000003245 working effect Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种用户地理画像生成方法、装置、计算机设备和存储介质。所述方法涉及大数据分析技术，包括：获取业务用户的定位服务数据；通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇；从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇；其中，地理画像基准位置包括进行用户地理画像生成时的参考位置；对基准位置簇进行聚类处理，得到基准位置簇的簇中心；基于簇中心和定位服务数据，生成业务用户的用户地理画像。采用本方法能够提高用户地理画像准确性。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种用户地理画像生成方法、装置、计算机设备和存储介质。
背景技术
定位服务(Location Based Services，LBS)是当前移动终端服务中的热点。在当前移动应用市场中，LBS的应用非常广泛，购物应用中，利用LBS获取用户位置，既省去了用户手动输入位置信息的繁琐过程，又为配送仓库的选择提供了地理位置信息的依据；在导航应用中，LBS实时获取用户的位置信息并返回给用户，使路况信息的获取和查询更加直观和简单；除此之外，在社交、天气、打车、团购、旅游等各种移动应用中，LBS都扮演着重要的角色，LBS所提供的地理位置信息能够丰富应用的功能，并极大方便了用户的生活。
目前，在对定位服务数据进行数据挖掘后，一般会通过各种标签为各业务用户进行画像，再基于用户画像提供对应服务，如何准确生成业务用户的画像成为提供对应高质量服务的重要基础。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高用户地理画像准确性的用户地理画像生成方法、装置、计算机设备和存储介质。
一种用户地理画像生成方法，所述方法包括：
获取业务用户的定位服务数据；
通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇；
从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇；其中，地理画像基准位置包括进行用户地理画像生成时的参考位置；
对基准位置簇进行聚类处理，得到基准位置簇的簇中心；
基于簇中心和定位服务数据，生成业务用户的用户地理画像。
在其中一个实施例中，通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇包括：
获取预设的核心点覆盖半径和核心点覆盖数目阈值；
按照核心点覆盖半径和核心点覆盖数目阈值，通过DBSCAN算法对定位服务数据进行聚类迭代处理，得到定位服务数据的核心点；
对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
在其中一个实施例中，对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇包括：
获取预设的核心点组合距离阈值；
按照核心点组合距离阈值，通过DBSCAN算法对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
在其中一个实施例中，地理画像基准位置包括家庭地址和工作地址；从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇包括：
确定数据簇中定位服务数据的数目及定位服务数据的时段分布；
根据数据簇中定位服务数据的数目和时段分布，确定家庭地址所属的家庭地址簇和工作地址所属的工作地址簇；
根据家庭地址簇和工作地址簇得到基准位置簇。
在其中一个实施例中，方法还包括：
当数据簇的数目为0时，基于定位服务数据，生成业务用户的用户地理画像。
在其中一个实施例中，业务用户的用户地理画像包括：家庭位置、工作单位位置、通勤距离、工作城市、居住地城市、是否跨地工作、籍贯、是否外来务工、节假日常去城市、是否周末宅、是否有房和工作性质中的至少一种。
在其中一个实施例中，在获取业务用户的定位服务数据之后，还包括：
从定位服务数据中提取区域外坐标；
当确定区域外坐标为颠倒坐标时，对区域外坐标进行经纬度置换处理，得到置换处理后的置换坐标；
将置换坐标添加至定位服务数据中，将更新后的定位服务数据作为定位服务数据。
一种用户地理画像生成装置，所述装置包括：
用户数据获取模块，用于获取业务用户的定位服务数据；
数据簇获得模块，用于通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇；
基准位置簇确定模块，用于从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇；其中，地理画像基准位置包括进行用户地理画像生成时的参考位置；
簇中心确定模块，用于对基准位置簇进行聚类处理，得到基准位置簇的簇中心；
地理画像生产模块，用于基于簇中心和定位服务数据，生成业务用户的用户地理画像。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取业务用户的定位服务数据；
通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇；
从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇；其中，地理画像基准位置包括进行用户地理画像生成时的参考位置；
对基准位置簇进行聚类处理，得到基准位置簇的簇中心；
基于簇中心和定位服务数据，生成业务用户的用户地理画像。
一种计算机可读存储介质，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以下步骤：
获取业务用户的定位服务数据；
通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇；
从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇；其中，地理画像基准位置包括进行用户地理画像生成时的参考位置；
对基准位置簇进行聚类处理，得到基准位置簇的簇中心；
基于簇中心和定位服务数据，生成业务用户的用户地理画像。
上述用户地理画像生成方法、装置、计算机设备和存储介质，通过基于密度的聚类算法对定位服务数据进行密度聚类处理，再从得到的数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇，有效利用了定位服务数据的密度分布特点，确保了基准位置簇的准确性；再基于基准位置簇进行聚类处理得到的簇中心和定位服务数据，生成业务用户的用户地理画像，提高了用户地理画像的准确性。
附图说明
图1为一个实施例中用户地理画像生成方法的应用场景图；
图2为一个实施例中用户地理画像生成方法的流程示意图；
图3为一个实施例中数据簇获取的流程示意图；
图4为一个实施例中用户地理画像生成装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的用户地理画像生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102将业务用户的定位服务数据发送至服务器104，服务器104通过基于密度的聚类算法对获得的定位服务数据进行密度聚类处理，再从得到的数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇，再基于基准位置簇进行聚类处理得到的簇中心和定位服务数据，生成业务用户的用户地理画像。此外，业务用户的定位服务数据可以存储在服务器104的本地缓存中，则服务器104可以直接从本地缓存中获得业务用户的定位服务数据，以进行后续用户地理画像生成处理；还可以由终端102直接对业务用户的定位服务数据进行用户地理画像生成处理。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种用户地理画像生成方法，以该方法应用于图1中的服务器或终端为例进行说明，包括以下步骤：
步骤S201：获取业务用户的定位服务数据。
其中，定位服务数据，即LBS数据由用户终端在使用位置服务时产生，如终端应用程序需要进行定位、导航时，通过电信移动运营商的无线电通讯网络，如GSM网(GlobalSystem for Mobile Communications，全球移动通讯系统)、CDMA网(Code DivisionMultiple Access，码分多址)、LTE网(Long Term Evolution，长期演进)或5G(5th-Generation，第五代移动通信技术)，或通过外部定位方式，如GPS(Global PositioningSystem，全球定位系统)获得的移动终端的位置信息。一般地，根据业务用户对应移动终端的需求，进行定时或实时定位时，会产生众多的LBS数据。
步骤S203：通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇。
其中，基于密度的聚类算法是根据数据的密度分布来进行聚类，具体如DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的空间聚类)算法、OPTICS(Ordering points to identify the clusteringstructure，对象排序识别聚类结构)算法等。本实施例中，通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，将定位服务数据聚类至各簇中，得到定位服务数据的数据簇。其中，数据簇为通过基于密度的聚类算法对定位服务数据进行处理后，将定位服务数据进行聚类得到的相同类的数据点群。
步骤S205：从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇；其中，地理画像基准位置包括进行用户地理画像生成时的参考位置。
其中，地理画像基准位置为进行用户地理画像生成所参考的基准位置数据，具体可以包括进行用户地理画像生成时的参考位置，如确定用户地理画像中工作城市的标签时，需要参考的基准位置数据为用户的工作单位地址，而对于通勤距离的标签，需要参考的基准位置数据则包括用户的工作单位地址和家庭地址，地理画像基准位置根据用户地理画像的实际需求设定，如可以为业务用户的家庭地址、工作单位地址等。基准位置簇则为地理画像基准位置，即进行用户地理画像生成时的参考位置聚类后对应所属的数据簇，即基准位置簇为业务用户的地理画像基准位置所在的数据簇。在确定地理画像基准位置所属的基准位置簇时，可以根据数据簇中各数据点的统计结果确定。例如，地理画像基准位置包括家庭地址时，可以根据数据簇中各数据点的白天/晚上比例，确定业务用户的家庭地址所在的数据簇，从而从数据簇中确定基准位置簇。
步骤S207：对基准位置簇进行聚类处理，得到基准位置簇的簇中心。
得到地理画像基准位置所在的基准位置簇后，对该基准位置簇进行聚类处理，如可以通过基于均值的聚类算法，具体如通过K-means算法，设置K为1，对基准位置簇进行聚类处理，得到基准位置簇的簇中心，簇中心为业务用户的地理画像基准位置的实际定位坐标数据，即基准位置簇的簇中心即对应于业务用户的地理画像基准位置。在具体实现时，还可以基于预先设置的兴趣点，如小区POI、公司POI等，与该簇中心进行匹配，通过预设的兴趣点对簇中心的坐标进行修正，从而可以进一步提高簇中心位置的准确性。具体地，可以将与该簇中心最近的兴趣点对簇中心进行更新，并基于更新后的簇中心替代原来簇中心。
步骤S209：基于簇中心和定位服务数据，生成业务用户的用户地理画像。
确定簇中心，即业务用户的地理画像基准位置的实际定位坐标数据后，基于簇中心和定位服务数据，生成业务用户的用户地理画像。其中，用户地理画像反映了业务用户的个人特征，具体可以由多个业务用户的地理标签组成，地理标签可以包括但不限于包括家庭位置、工作单位位置、通勤距离、工作城市、居住地城市、是否跨地工作和籍贯等。
上述用户地理画像生成方法中，通过基于密度的聚类算法对定位服务数据进行密度聚类处理，再从得到的数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇，有效利用了定位服务数据的密度分布特点，确保了基准位置簇的准确性；再基于基准位置簇进行聚类处理得到的簇中心和定位服务数据，生成业务用户的用户地理画像，提高了用户地理画像的准确性。
在一个实施例中，如图3所示，数据簇获取的处理，即通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇包括：
步骤S301：获取预设的核心点覆盖半径和核心点覆盖数目阈值。
本实施例中，通过DBSCAN算法对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇。具体地，获取预设的核心点覆盖半径和核心点覆盖数目阈值，核心点覆盖半径和核心点覆盖数目阈值均根据实际聚类需求灵活设置。其中，核心点覆盖半径为聚类处理时核心点的覆盖范围，核心点覆盖数目阈值为该核心点最少覆盖的LBS数据点的数目，核心点定义为，与一LBS数据点的距离小于该核心点覆盖半径的其他LBS数据点的数目超过该核心点覆盖数目阈值。核心点覆盖半径越大，且核心点覆盖数目阈值越小，则定位服务数据中的核心点数目越多。
在一具体应用中，核心点覆盖半径设为500米，核心点覆盖数目阈值设为10，即在定位服务数据中，周围500米内有超过10个LBS数据点的LBS数据点，可以将其定义为核心点。
步骤S303：按照核心点覆盖半径和核心点覆盖数目阈值，通过DBSCAN算法对定位服务数据进行聚类迭代处理，得到定位服务数据的核心点。
确定核心点覆盖半径和核心点覆盖数目阈值后，通过DBSCAN算法对所有定位服务数据进行聚类迭代处理，从定位服务数据中确定满足核心点覆盖半径和核心点覆盖数目阈值的核心点。其中，DBSCAN算法是一种基于密度的空间聚类算法，其将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。
步骤S305：对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
确定定位服务数据的各核心点后，进一步对各核心点进行聚类迭代处理，具体实现时可以继续采用DBSCAN算法进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。数据簇由各核心点连接组成，数据簇覆盖的LBS数据点可以认为是同类的数据。
在一个实施例中，对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇包括：获取预设的核心点组合距离阈值；按照核心点组合距离阈值，通过DBSCAN算法对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
本实施例中，继续通过DBSCAN算法对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。具体地，得到定位服务数据的核心点后，获取预设的核心点组合距离阈值，核心点组合距离阈值根据数据簇的大小需求设定，核心点组合距离阈值为核心点是否连接组成数据簇的条件，若两个核心点之间的距离小于该核心点组合距离阈值，则将该两个核心点组合，得到数据簇。核心点组合距离阈值越大，则得到的数据簇连接的核心点越多，其覆盖的LBS数据点也越多。得到核心点组合距离阈值后，按照核心点组合距离阈值，通过DBSCAN算法对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。对于一个数据簇中的任一核心点，至少有一个其他核心点与该核心点的距离小于核心点组合距离阈值。
在一具体应用中，核心点组合距离阈值为500米，即对于一核心点，若在其周围500米范围内，有其他核心点，则将该核心点与其他核心点连接，组成数据簇。
在一个实施例中，地理画像基准位置包括家庭地址和工作地址；从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇包括：确定数据簇中定位服务数据的数目及定位服务数据的时段分布；根据数据簇中定位服务数据的数目和时段分布，确定家庭地址所属的家庭地址簇和工作地址所属的工作地址簇；根据家庭地址簇和工作地址簇得到基准位置簇。
本实施例中，地理画像基准位置包括家庭地址和工作地址，即基于业务用户的家庭地址和工作地址进行用户地理画像分析生成，具体根据数据簇中LBS数据的数目和时段分布，从数据簇中确定基准位置簇。
具体地，确定业务用户的地理画像基准位置所属的基准位置簇时，对数据簇覆盖的定位服务数据进行统计分析，确定定位服务数据的数目及定位服务数据的时段分布。其中，时段分布可以为但不限于为白天/晚上、工作日/非工作日等。基于数据簇中定位服务数据的数目和时段分布，确定家庭地址所属的家庭地址簇和工作地址所属的工作地址簇，具体可以分析数据簇中定位服务数据的不同时段占比，如白天与晚上的占比，从而确定家庭地址所属的家庭地址簇和工作地址所属的工作地址簇。基准位置簇可以由该家庭地址簇和工作地址簇组成。
在一个具体应用中，得到定位服务数据的数据簇的数目为n，即得到n个数据簇。若n＝1，则统计各数据簇内白天和晚上点数，若数据簇内时段分布为白天>晚上，则该数据簇为工作地址所在的基准位置簇，若数据簇内时段分布为白天<晚上，则该数据簇为家庭地址所在的基准位置簇。
若n≥2，根据定位服务数据的总点数/n计算平均值avg。对于任意一数据簇，若数据簇总点数≥avg，根据白天点数/簇总点数计算白天点数占比，根据晚上点数/簇总点数计算晚上点数占比；若数据簇总点数＜avg，根据(白天点数/avg)*(白天点数/簇总点数)计算白天点数占比，根据(晚上点数/avg)*(晚上点数/簇总点数)计算晚上点数占比。分别计算得到各数据簇的白天点数占比和晚上点数占比后，比较n个簇白天点数占比和晚上点数占比。若白天点数占比最高和晚上点数占比最高在不同簇，则白天占比最高的簇为工作地址所在的簇，晚上为家庭地址所在的簇。若白天点数占比最高或晚上点数占比最高在同一簇，且n个簇都只有一个时间段(都记为白天)，选出占比最高的一个簇的时间段作为家庭地址所在的簇或工作地址所在的簇(最后只形成一个簇，即白天的簇)。若白天点数占比最高或晚上点数占比最高在同一簇，且n个簇只有一个时间段(记为白天)，另一个簇的白天占比>此n簇，则在此n簇中选择白天占比最高的簇作为白天的簇，另一个簇则成为晚上的簇，从而确定家庭地址簇和工作地址簇。对于其他情形，对于一数据簇，若白天占比>晚上占比，则确定该数据簇为家庭地址簇；若白天占比<晚上占比，则确定该数据簇为工作地址簇；若白天占比＝晚上占比，则随机判定家庭地址簇和工作地址簇，若一个数据簇已经选定了一个簇类型，记为白天，即工作地址簇，则在另n个簇中选择晚上占比最高的簇作为晚上的簇，即家庭地址簇。
在一个实施例中，还包括：当数据簇的数目为0时，基于定位服务数据，生成业务用户的用户地理画像。
本实施例中，当通过基于密度的聚类算法，对定位服务数据进行密度聚类处理后，没有得到数据簇，即数据簇的数目为0时，直接基于定位服务数据进行统计分析，定位服务数据。例如，可以找到每个LBS数据点所在城市，统计天数+点数(优先比较天数)多者为所在城市，最后确定业务用户的地理标签，具体如业务用户的所在城市、过年城市、所到城市列表等，进一步根据该地理标签生成业务用户的用户地理画像。
在一个实施例中，业务用户的用户地理画像包括：家庭位置、工作单位位置、通勤距离、工作城市、居住地城市、是否跨地工作、籍贯、是否外来务工、节假日常去城市、是否周末宅、是否有房和工作性质中的至少一种。
其中，家庭位置、工作单位位置可以根据家庭地址簇和工作地址的簇中心确定；通勤距离可以根据家庭位置和工作单位位置之间的距离计算得到；工作城市可以根据工作单位位置确定；居住地城市可以根据家庭位置确定；是否跨地工作可以根据工作城市和居住地城市之间的对应关系确定；籍贯可以根据春节期间的LBS数据分布确定；是否外来务工可以根据籍贯和工作城市的对应关系确定；节假日常去城市可以根据节假日常去城市的LBS数据分布确定；是否周末宅可以根据周末的LBS数据分布确定，具体的，如周末的LBS数据是否超过家庭位置的一定范围，如超过一定距离认为这一天外出，否在为宅，如果宅的天数超过外出的天数，则认为是周末宅；是否有房可以根据一定时间如三年内，家庭位置的变化情况确定；工作性质可以包括差旅、加班、夜班等，具体可以在工作日出现在非工作城市的数量超过一定值，如在外工作的天数超过总工作天数的20％时，认为为差旅的工作性质，若晚上7点到12点在工作地的LBS数据点的数量超过一定值，如占总打点数30％，则认为工作性质为加班；若晚上12点到凌晨7点在工作地的LBS数据点的数量超过一定值，如占总打点数50％，则认为为夜班的工作性质。通过丰富的地理标签，可以得到对应业务用户饱满的用户地理画像，从而确保能够对应提供高质量的业务服务。
在一个实施例中，在获取业务用户的定位服务数据之后，还包括：从定位服务数据中提取区域外坐标；当确定区域外坐标为颠倒坐标时，对区域外坐标进行经纬度置换处理，得到置换处理后的置换坐标；将置换坐标添加至定位服务数据中，将更新后的定位服务数据作为定位服务数据。
本实施例中，对于获取的定位服务数据中发生经纬度颠倒的颠倒坐标，对其进行经纬度置换处理，将经纬度置换，得到置换坐标，从而对发生经纬度颠倒错误的数据进行了一定程度的修正，确保了定位服务数据的准确性，从而提高了用户地理画像的准确性。
具体地，区域外坐标为处于感兴趣数据区域范围的定位服务数据，感兴趣数据区域范围根据针对LBS数据的数据挖掘需求确定。例如，对于只适用于特定场所的数据挖掘，具体如仅对中国境内的LBS数据进行数据挖掘的应用场景，则感兴趣数据区域范围为中国境内，而对于非中国境内的LBS数据排除。在从定位服务数据中提取区域外坐标时，可以确定感兴趣数据区域范围，并根据各定位服务数据的位置，确定不处于该感兴趣数据区域范围内的区域外坐标。区域外坐标可以包括经纬度坐标信息。
当确定区域外坐标为颠倒坐标时，如可以基于该区域外坐标的前后LBS数据判断该区域外坐标是否为发生经纬度颠倒的颠倒坐标，若是，则对区域外坐标进行经纬度置换处理，得到置换处理后的置换坐标；若判断该区域外坐标不是颠倒坐标，则表明该区域外坐标为真实的区域外坐标，则不属于数据挖掘的感兴趣数据，将其排除。对经纬度发生颠倒的定位服务数据进行置换处理后，将得到的置换坐标添加至定位服务数据中，得到更新后的定位服务数据，从而对颠倒的错误数据进行了修正。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种用户地理画像生成装置，包括：用户数据获取模块401、数据簇获得模块403、基准位置簇确定模块405、簇中心确定模块407和地理画像生产模块409，其中：
用户数据获取模块401，用于获取业务用户的定位服务数据；
数据簇获得模块403，用于通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇；
基准位置簇确定模块405，用于从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇；其中，地理画像基准位置包括进行用户地理画像生成时的参考位置；
簇中心确定模块407，用于对基准位置簇进行聚类处理，得到基准位置簇的簇中心；
地理画像生产模块409，用于基于簇中心和定位服务数据，生成业务用户的用户地理画像。
在一个实施例中，数据簇获得模块403包括核心点条件单元、核心点确定单元和数据簇确定单元；其中：核心点条件单元，用于获取预设的核心点覆盖半径和核心点覆盖数目阈值；核心点确定单元，用于按照核心点覆盖半径和核心点覆盖数目阈值，通过DBSCAN算法对定位服务数据进行聚类迭代处理，得到定位服务数据的核心点；数据簇确定单元，用于对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
在一个实施例中，数据簇确定单元包括组合阈值子单元和核心点组合子单元；其中：组合阈值子单元，用于获取预设的核心点组合距离阈值；核心点组合子单元，用于按照核心点组合距离阈值，通过DBSCAN算法对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
在一个实施例中，地理画像基准位置包括家庭地址和工作地址；基准位置簇确定模块405包括数据簇分析单元、家庭工作地址簇子单元和基准位置簇子单元；其中：数据簇分析单元，用于确定数据簇中定位服务数据的数目及定位服务数据的时段分布；家庭工作地址簇子单元，用于根据数据簇中定位服务数据的数目和时段分布，确定家庭地址所属的家庭地址簇和工作地址所属的工作地址簇；基准位置簇子单元，用于根据家庭地址簇和工作地址簇得到基准位置簇。
在一个实施例中，还包括无簇处理模块，用于当数据簇的数目为0时，基于定位服务数据，生成业务用户的用户地理画像。
在一个实施例中，业务用户的用户地理画像包括：家庭位置、工作单位位置、通勤距离、工作城市、居住地城市、是否跨地工作、籍贯、是否外来务工、节假日常去城市、是否周末宅、是否有房和工作性质中的至少一种。
在一个实施例中，还包括区域外坐标模块、置换处理模块和数据更新模块；其中：区域外坐标模块，用于从定位服务数据中提取区域外坐标；置换处理模块，用于当确定区域外坐标为颠倒坐标时，对区域外坐标进行经纬度置换处理，得到置换处理后的置换坐标；数据更新模块，用于将置换坐标添加至定位服务数据中，将更新后的定位服务数据作为定位服务数据。
关于用户地理画像生成装置的具体限定可以参见上文中对于用户地理画像生成方法的限定，在此不再赘述。上述用户地理画像生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器或终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用户地理画像生成方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取业务用户的定位服务数据；
通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇；
从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇；其中，地理画像基准位置包括进行用户地理画像生成时的参考位置；
对基准位置簇进行聚类处理，得到基准位置簇的簇中心；
基于簇中心和定位服务数据，生成业务用户的用户地理画像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取预设的核心点覆盖半径和核心点覆盖数目阈值；按照核心点覆盖半径和核心点覆盖数目阈值，通过DBSCAN算法对定位服务数据进行聚类迭代处理，得到定位服务数据的核心点；对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取预设的核心点组合距离阈值；按照核心点组合距离阈值，通过DBSCAN算法对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
在一个实施例中，地理画像基准位置包括家庭地址和工作地址；处理器执行计算机程序时还实现以下步骤：确定数据簇中定位服务数据的数目及定位服务数据的时段分布；根据数据簇中定位服务数据的数目和时段分布，确定家庭地址所属的家庭地址簇和工作地址所属的工作地址簇；根据家庭地址簇和工作地址簇得到基准位置簇。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当数据簇的数目为0时，基于定位服务数据，生成业务用户的用户地理画像。
在一个实施例中，业务用户的用户地理画像包括：家庭位置、工作单位位置、通勤距离、工作城市、居住地城市、是否跨地工作、籍贯、是否外来务工、节假日常去城市、是否周末宅、是否有房和工作性质中的至少一种。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：从定位服务数据中提取区域外坐标；当确定区域外坐标为颠倒坐标时，对区域外坐标进行经纬度置换处理，得到置换处理后的置换坐标；将置换坐标添加至定位服务数据中，将更新后的定位服务数据作为定位服务数据。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取业务用户的定位服务数据；
通过基于密度的聚类算法，对定位服务数据进行密度聚类处理，得到定位服务数据的数据簇；
从数据簇中，确定业务用户的地理画像基准位置所属的基准位置簇；其中，地理画像基准位置包括进行用户地理画像生成时的参考位置；
对基准位置簇进行聚类处理，得到基准位置簇的簇中心；
基于簇中心和定位服务数据，生成业务用户的用户地理画像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取预设的核心点覆盖半径和核心点覆盖数目阈值；按照核心点覆盖半径和核心点覆盖数目阈值，通过DBSCAN算法对定位服务数据进行聚类迭代处理，得到定位服务数据的核心点；对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取预设的核心点组合距离阈值；按照核心点组合距离阈值，通过DBSCAN算法对各核心点进行聚类迭代处理，得到由核心点组成的定位服务数据的数据簇。
在一个实施例中，地理画像基准位置包括家庭地址和工作地址；计算机程序被处理器执行时还实现以下步骤：确定数据簇中定位服务数据的数目及定位服务数据的时段分布；根据数据簇中定位服务数据的数目和时段分布，确定家庭地址所属的家庭地址簇和工作地址所属的工作地址簇；根据家庭地址簇和工作地址簇得到基准位置簇。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当数据簇的数目为0时，基于定位服务数据，生成业务用户的用户地理画像。
在一个实施例中，业务用户的用户地理画像包括：家庭位置、工作单位位置、通勤距离、工作城市、居住地城市、是否跨地工作、籍贯、是否外来务工、节假日常去城市、是否周末宅、是否有房和工作性质中的至少一种。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从定位服务数据中提取区域外坐标；当确定区域外坐标为颠倒坐标时，对区域外坐标进行经纬度置换处理，得到置换处理后的置换坐标；将置换坐标添加至定位服务数据中，将更新后的定位服务数据作为定位服务数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种用户地理画像生成方法，所述方法包括：
获取业务用户的定位服务数据；
通过基于密度的聚类算法，对所述定位服务数据进行密度聚类处理，得到所述定位服务数据的数据簇；
从所述数据簇中，确定所述业务用户的地理画像基准位置所属的基准位置簇；其中，所述地理画像基准位置包括进行用户地理画像生成时的参考位置；
对所述基准位置簇进行聚类处理，得到所述基准位置簇的簇中心；
基于所述簇中心和所述定位服务数据，生成所述业务用户的用户地理画像。
2.根据权利要求1所述的方法，其特征在于，所述通过基于密度的聚类算法，对所述定位服务数据进行密度聚类处理，得到所述定位服务数据的数据簇包括：
获取预设的核心点覆盖半径和核心点覆盖数目阈值；
按照所述核心点覆盖半径和所述核心点覆盖数目阈值，通过DBSCAN算法对所述定位服务数据进行聚类迭代处理，得到所述定位服务数据的核心点；
对各所述核心点进行聚类迭代处理，得到由所述核心点组成的所述定位服务数据的数据簇。
3.根据权利要求2所述的方法，其特征在于，所述对各所述核心点进行聚类迭代处理，得到由所述核心点组成的所述定位服务数据的数据簇包括：
获取预设的核心点组合距离阈值；
按照所述核心点组合距离阈值，通过DBSCAN算法对各所述核心点进行聚类迭代处理，得到由所述核心点组成的所述定位服务数据的数据簇。
4.根据权利要求1所述的方法，其特征在于，所述地理画像基准位置包括家庭地址和工作地址；所述从所述数据簇中，确定所述业务用户的地理画像基准位置所属的基准位置簇包括：
确定所述数据簇中所述定位服务数据的数目及所述定位服务数据的时段分布；
根据所述数据簇中所述定位服务数据的数目和所述时段分布，确定家庭地址所属的家庭地址簇和工作地址所属的工作地址簇；
根据所述家庭地址簇和所述工作地址簇得到基准位置簇。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述数据簇的数目为0时，基于所述定位服务数据，生成所述业务用户的用户地理画像。
6.根据权利要求1至5任意一项所述的方法，其特征在于，所述业务用户的用户地理画像包括：家庭位置、工作单位位置、通勤距离、工作城市、居住地城市、是否跨地工作、籍贯、是否外来务工、节假日常去城市、是否周末宅、是否有房和工作性质中的至少一种。
7.根据权利要求1至5任意一项所述的方法，其特征在于，在所述获取业务用户的定位服务数据之后，还包括：
从所述定位服务数据中提取区域外坐标；
当确定所述区域外坐标为颠倒坐标时，对所述区域外坐标进行经纬度置换处理，得到置换处理后的置换坐标；
将所述置换坐标添加至所述定位服务数据中，将更新后的定位服务数据作为所述定位服务数据。
8.一种用户地理画像生成装置，其特征在于，所述装置包括：
用户数据获取模块，用于获取业务用户的定位服务数据；
数据簇获得模块，用于通过基于密度的聚类算法，对所述定位服务数据进行密度聚类处理，得到所述定位服务数据的数据簇；
基准位置簇确定模块，用于从所述数据簇中，确定所述业务用户的地理画像基准位置所属的基准位置簇；其中，所述地理画像基准位置包括进行用户地理画像生成时的参考位置；
簇中心确定模块，用于对所述基准位置簇进行聚类处理，得到所述基准位置簇的簇中心；
地理画像生产模块，用于基于所述簇中心和所述定位服务数据，生成所述业务用户的用户地理画像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911173407.3A CN111178932A (zh) | 2019-11-26 | 2019-11-26 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
| PCT/CN2020/105506 WO2021103626A1 (zh) | 2019-11-26 | 2020-07-29 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911173407.3A CN111178932A (zh) | 2019-11-26 | 2019-11-26 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111178932A true CN111178932A (zh) | 2020-05-19 |
Family
ID=70655376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911173407.3A Pending CN111178932A (zh) | 2019-11-26 | 2019-11-26 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111178932A (zh) |
| WO (1) | WO2021103626A1 (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111698332A (zh) * | 2020-06-23 | 2020-09-22 | 深圳壹账通智能科技有限公司 | 业务对象的分配方法、装置、设备及存储介质 |
| CN111813831A (zh) * | 2020-07-10 | 2020-10-23 | 中国铁塔股份有限公司厦门市分公司 | 一种推测通信基站所属变电站的方法、设备及可读介质 |
| CN112215580A (zh) * | 2020-10-23 | 2021-01-12 | 岭东核电有限公司 | 核电作业区域设置方法、装置、计算机设备和存储介质 |
| CN112231392A (zh) * | 2020-10-29 | 2021-01-15 | 广东机场白云信息科技有限公司 | 民航客源数据分析方法、电子设备、计算机可读存储介质 |
| CN112380906A (zh) * | 2020-10-19 | 2021-02-19 | 上汽通用五菱汽车股份有限公司 | 一种基于行车数据确定用户住址的方法 |
| WO2021103626A1 (zh) * | 2019-11-26 | 2021-06-03 | 深圳壹账通智能科技有限公司 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
| WO2022105111A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技（深圳）有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
| TWI776379B (zh) * | 2021-01-28 | 2022-09-01 | 中華電信股份有限公司 | 一種用於特徵挖掘之裝置、方法及電腦可讀儲存媒介 |
| CN112380906B (zh) * | 2020-10-19 | 2024-05-31 | 上汽通用五菱汽车股份有限公司 | 一种基于行车数据确定用户住址的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105718465A (zh) * | 2014-12-02 | 2016-06-29 | 阿里巴巴集团控股有限公司 | 地理围栏生成方法及装置 |
| CN106651603A (zh) * | 2016-12-29 | 2017-05-10 | 平安科技（深圳）有限公司 | 基于位置服务的风险评估方法及装置 |
| CN109635070A (zh) * | 2019-01-18 | 2019-04-16 | 上海图趣信息科技有限公司 | 一种基于行动轨迹构建用户兴趣画像的方法及其数据更新方法 |
| CN109829020A (zh) * | 2018-12-20 | 2019-05-31 | 平安科技（深圳）有限公司 | 地点资源数据推送方法、装置、计算机设备和存储介质 |
| CN110263825A (zh) * | 2019-05-30 | 2019-09-20 | 湖南大学 | 数据聚类方法、装置、计算机设备和存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101090925B1 (ko) * | 2009-12-24 | 2011-12-08 | 금강수계관리위원회 | 지아이에스 기반의 선형지도 제작을 위한 하천 및 도로 중심선 작성시스템 및 그 방법 |
| CN107818116B (zh) * | 2016-09-14 | 2021-07-02 | 上海掌门科技有限公司 | 用于确定用户行为区域位置信息的方法与设备 |
| CN107818506A (zh) * | 2017-09-30 | 2018-03-20 | 上海壹账通金融科技有限公司 | 电子装置、信贷风险控制方法及存储介质 |
| CN108376155A (zh) * | 2018-02-07 | 2018-08-07 | 链家网（北京）科技有限公司 | 一种地理位置信息确定方法及装置 |
| CN109918582B (zh) * | 2019-03-06 | 2023-06-20 | 上海评驾科技有限公司 | 一种基于时空数据的用户单兴趣点识别的方法 |
| CN109919225B (zh) * | 2019-03-06 | 2023-06-20 | 上海评驾科技有限公司 | 一种基于时空数据的用户兴趣点识别的方法 |
| CN109918581B (zh) * | 2019-03-06 | 2023-09-22 | 上海评驾科技有限公司 | 一种基于时空数据的用户多兴趣点多结果识别的方法 |
| CN111178932A (zh) * | 2019-11-26 | 2020-05-19 | 深圳壹账通智能科技有限公司 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
-
2019
- 2019-11-26 CN CN201911173407.3A patent/CN111178932A/zh active Pending
-
2020
- 2020-07-29 WO PCT/CN2020/105506 patent/WO2021103626A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105718465A (zh) * | 2014-12-02 | 2016-06-29 | 阿里巴巴集团控股有限公司 | 地理围栏生成方法及装置 |
| CN106651603A (zh) * | 2016-12-29 | 2017-05-10 | 平安科技（深圳）有限公司 | 基于位置服务的风险评估方法及装置 |
| CN109829020A (zh) * | 2018-12-20 | 2019-05-31 | 平安科技（深圳）有限公司 | 地点资源数据推送方法、装置、计算机设备和存储介质 |
| CN109635070A (zh) * | 2019-01-18 | 2019-04-16 | 上海图趣信息科技有限公司 | 一种基于行动轨迹构建用户兴趣画像的方法及其数据更新方法 |
| CN110263825A (zh) * | 2019-05-30 | 2019-09-20 | 湖南大学 | 数据聚类方法、装置、计算机设备和存储介质 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021103626A1 (zh) * | 2019-11-26 | 2021-06-03 | 深圳壹账通智能科技有限公司 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
| CN111698332A (zh) * | 2020-06-23 | 2020-09-22 | 深圳壹账通智能科技有限公司 | 业务对象的分配方法、装置、设备及存储介质 |
| CN111813831A (zh) * | 2020-07-10 | 2020-10-23 | 中国铁塔股份有限公司厦门市分公司 | 一种推测通信基站所属变电站的方法、设备及可读介质 |
| CN111813831B (zh) * | 2020-07-10 | 2022-10-14 | 中国铁塔股份有限公司厦门市分公司 | 一种推测通信基站所属变电站的方法、设备及可读介质 |
| CN112380906A (zh) * | 2020-10-19 | 2021-02-19 | 上汽通用五菱汽车股份有限公司 | 一种基于行车数据确定用户住址的方法 |
| CN112380906B (zh) * | 2020-10-19 | 2024-05-31 | 上汽通用五菱汽车股份有限公司 | 一种基于行车数据确定用户住址的方法 |
| CN112215580A (zh) * | 2020-10-23 | 2021-01-12 | 岭东核电有限公司 | 核电作业区域设置方法、装置、计算机设备和存储介质 |
| CN112215580B (zh) * | 2020-10-23 | 2024-02-06 | 岭东核电有限公司 | 核电作业区域设置方法、装置、计算机设备和存储介质 |
| CN112231392A (zh) * | 2020-10-29 | 2021-01-15 | 广东机场白云信息科技有限公司 | 民航客源数据分析方法、电子设备、计算机可读存储介质 |
| WO2022105111A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技（深圳）有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
| TWI776379B (zh) * | 2021-01-28 | 2022-09-01 | 中華電信股份有限公司 | 一種用於特徵挖掘之裝置、方法及電腦可讀儲存媒介 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021103626A1 (zh) | 2021-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111178932A (zh) | 用户地理画像生成方法、装置、计算机设备和存储介质 | |
| CN109829020B (zh) | 地点资源数据推送方法、装置、计算机设备和存储介质 | |
| US10473475B2 (en) | Method and apparatus for determining a location of a point of interest | |
| CN109801091B (zh) | 目标用户群体定位方法、装置、计算机设备和存储介质 | |
| CN110492480B (zh) | 配电网拓扑识别方法、装置、计算机设备和可读存储介质 | |
| EP3605365A1 (en) | Site selection method and device | |
| CN111078818B (zh) | 地址分析方法、装置、电子设备及存储介质 | |
| US20090286550A1 (en) | Tempo Spatial Data Extraction From Network Connected Devices | |
| CN109886719B (zh) | 基于网格的数据挖掘处理方法、装置和计算机设备 | |
| US20130130214A1 (en) | Behavior characteristic extraction device, a behavior characteristic extraction system, a behavior characteristic extraction method and a behavior characteristic extraction program | |
| CN110049434B (zh) | 一种定位方法、装置、设备及存储介质 | |
| CN110570229A (zh) | 用户信息处理方法、装置、计算机设备和存储介质 | |
| CN110807547A (zh) | 家庭人口结构的预测方法及系统 | |
| CN110955838A (zh) | 房源推荐处理方法、装置、终端及计算机可读存储介质 | |
| CN110727526A (zh) | 大数据计算任务的处理方法和系统 | |
| CN110532437B (zh) | 电子凭证提示方法、装置、计算机设备及存储介质 | |
| CN110516017B (zh) | 基于终端设备的地点信息处理方法、装置、电子设备及存储介质 | |
| CN112465197B (zh) | 区域人口数量的预测方法、装置、计算机设备及存储介质 | |
| CN111105076A (zh) | 天气预报数据的生成方法、装置、计算机设备和存储介质 | |
| US20190028840A1 (en) | System and method for collocation detection | |
| CN110032612B (zh) | 信息推送方法和装置 | |
| CN111182465A (zh) | 终端归属的确定方法及装置 | |
| CN110826889A (zh) | 车辆管理方法、装置、计算机设备和存储介质 | |
| CN113014633B (zh) | 预置设备的定位方法、装置、计算机设备及存储介质 | |
| CN114531374A (zh) | 网络监控方法、装置、设备及存储介质 |
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 |