CN111222056A - 相关用户的匹配方法、装置、设备和介质 - Google Patents
相关用户的匹配方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111222056A CN111222056A CN201811415220.5A CN201811415220A CN111222056A CN 111222056 A CN111222056 A CN 111222056A CN 201811415220 A CN201811415220 A CN 201811415220A CN 111222056 A CN111222056 A CN 111222056A
- Authority
- CN
- China
- Prior art keywords
- matched
- user
- resident
- places
- place
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Abstract
本发明公开了相关用户的匹配方法、装置、设备和介质。该方法包括:基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的多个途径地点的参考信息,其中,途径地点的参考信息包括途径地点的经纬度数据,以及待匹配用户途径该途径地点的途径时刻;依据多个途径地点的参考信息,确定待匹配用户的常驻地点和待匹配用户在常驻地点的驻留时间段;基于常驻地点和待匹配用户在常驻地点的驻留时间段,匹配待匹配用户的相关用户。根据本发明实施例提供的相关用户的匹配方法、装置、设备和介质,可以提高相关用户的匹配精度。
Description
技术领域
本发明涉及通信领域,尤其涉及相关用户的匹配方法、装置、设备和介质。
背景技术
在大数据的时代背景下,数据挖掘技术也越来越多的服务于社会和大众。数据挖掘技术可以将大量的数据转换成有用的信息和知识。通过数据挖掘技术获取的信息和知识可以广泛用于各种应用,包括商务管理,生产控制,市场分析,工程设计和科学探索以及用户搜索匹配等例如。
现有技术中,当需要查找某一用户的周边用户时,需要先对该用户实时定位,并在用户当前位置的一定距离范围内查找周边用户。利用该方法,仅能匹配到当前位置的周边用户,匹配精度较低。
发明内容
本发明实施例提供的相关用户的匹配方法、装置、设备和介质,可以提高相关用户的匹配精度。
根据本发明实施例的一方面,提供一种相关用户的匹配方法包括:
基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的多个途径地点的参考信息,其中,途径地点的参考信息包括途径地点的经纬度数据,以及待匹配用户途径途径地点的途径时刻;
依据多个途径地点的参考信息,确定待匹配用户的常驻地点和待匹配用户在常驻地点的驻留时间段;
基于常驻地点和待匹配用户在常驻地点的驻留时间段,匹配待匹配用户的相关用户。
在一种可选的实施方式中,基于常驻地点和待匹配用户在常驻地点的驻留时间段,匹配待匹配用户的相关用户,具体包括:
确定常驻地点的周边区域,常驻地点的周边区域以常驻地点为中心;
在常驻地点的周边区域内,将常驻地点对应的驻留时间段内的用户匹配为待匹配用户的相关用户。
在一种可选的实施方式中,基于常驻地点和待匹配用户在常驻地点的驻留时间段,匹配待匹配用户的相关用户,具体包括:
基于常驻地点的经纬度信息和常驻地点的驻留时间段,生成待匹配用户的行进路径;
在待匹配用户的行进路径上提取多个抽样点,并获取多个抽样点的经纬度信息和待匹配用户经过多个抽样点的时刻;
确定抽样点的周边区域,抽样点的周边区域以抽样点为中心;
在抽样点的周边区域内,将抽样点对应的时刻的用户匹配为待匹配用户的相关用户。
在一种可选的实施方式中,依据多个途径地点的参考信息,确定待匹配用户的常驻地点和待匹配用户在常驻地点的驻留时间段,具体包括:
依据多个途径地点的经纬度数据,利用聚类算法对多个途径地点聚类,得到多个聚类地点簇,其中,每一聚类地点簇均包含多个途径地点;
基于每一聚类地点簇所包含的多个途径地点对应的途径时刻,计算待匹配用户在常驻地点的驻留时间段和待匹配用户在候选常驻地点的驻留时长,其中每一聚类地点簇为一个候选常驻地点;
筛选驻留时长长于预设的驻留时长阈值的候选常驻地点作为待匹配用户的常驻地点。
在一种可选的实施方式中,聚类算法为具有噪声的基于密度的聚类方法DBSCAN聚类算法。
在一种可选的实施方式中,基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的多个途径地点的参考信息,具体包括:
基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的外部数据表示法XDR信令;
从每一XDR信令中,解析出待匹配用户的途径地点的经纬度数据和待匹配用户途径该途径地点的途径时刻。
在一种可选的实施方式中,基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的多个途径地点的参考信息,具体包括:
基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的测量报告MR数据;
基于每一MR数据,确定待匹配用户的途径地点的经纬度数据和待匹配用户途径该途径地点的途径时刻。
在一种可选的实施方式中,在待匹配用户的行进路径上提取多个抽样点,并获取多个抽样点的经纬度信息和待匹配用户经过多个抽样点的时刻之后,方法还包括:
分别获取在待匹配用户经过多个抽样点的时刻的相关用户的位置;
基于多个抽样点的经纬度信息和在待匹配用户经过多个抽样点的时刻的相关用户的位置,计算该相关用户与待匹配用户的路径相关匹配度。
根据本发明实施例的又一方面,提供一种相关用户的匹配装置,包括:
第一获取模块,用于基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的多个途径地点的参考信息,其中,途径地点的参考信息包括途径地点的经纬度数据,以及待匹配用户途径途径地点的途径时刻;
确定模块,用于依据多个途径地点的参考信息,确定待匹配用户的常驻地点和待匹配用户在常驻地点的驻留时间段;
匹配模块,用于基于常驻地点和待匹配用户在常驻地点的驻留时间段,匹配待匹配用户的相关用户。
在一种可选的实施方式中,匹配模块,具体用于:
确定常驻地点的周边区域,常驻地点的周边区域以常驻地点为中心;
在常驻地点的周边区域内,将常驻地点对应的驻留时间段内的用户匹配为待匹配用户的相关用户。
在一种可选的实施方式中,匹配模块,具体用于:
基于常驻地点的经纬度信息和常驻地点的驻留时间段,生成待匹配用户的行进路径;
在待匹配用户的行进路径上提取多个抽样点,并获取多个抽样点的经纬度信息和待匹配用户经过多个抽样点的时刻;
确定抽样点的周边区域,抽样点的周边区域以抽样点为中心;
在抽样点的周边区域内,将抽样点对应的时刻的用户匹配为待匹配用户的相关用户。
在一种可选的实施方式中,确定模块,具体用于:
依据多个途径地点的经纬度数据,利用聚类算法对多个途径地点聚类,得到多个聚类地点簇,其中,每一聚类地点簇均包含多个途径地点;
基于每一聚类地点簇所包含的多个途径地点对应的途径时刻,计算待匹配用户在常驻地点的驻留时间段和待匹配用户在候选常驻地点的驻留时长,其中每一聚类地点簇为一个候选常驻地点;
筛选驻留时长长于预设的驻留时长阈值的候选常驻地点作为待匹配用户的常驻地点。
在一种可选的实施方式中,聚类算法为具有噪声的基于密度的聚类方法DBSCAN聚类算法。
根据本发明实施例的另一方面,提供一种相关用户的匹配设备,包括:
存储器,用于存储程序;
处理器,用于运行存储器中存储的程序,以执行本发明实施例提供的相关用户的匹配方法。
根据本发明实施例的再一方面,提供一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行本发明实施例提供的相关用户的匹配方法。
根据本发明实施例中的相关用户的匹配方法、装置、设备和介质,依据多个途径地点的参考信息,确定待匹配用户的常驻地点。由于途径地点的参考信息包括途径地点的经纬度信息和用户途径地点的途径时刻,相较于途径地点,常驻地点从时间和频率上更能代表待匹配用户的重点活动位置;并且按照常驻地点和待匹配用户在常驻地点的停留时间段匹配出的相关用户与被匹配用户具有空间和时间的相关性,因此,能够提高相关用户的匹配精度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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是示出根据本发明实施例的相关用户的匹配方法的示意流程图;
图2是示出本发明实施例中的S120的详细的流程图;
图3是本发明实施例中S121的详细的流程图;
图4是本发明实施例中示例性的聚类地点簇的示意图;
图5是本发明实施例中示例性的待匹配用户的行进路径的示意图;
图6是根据本发明实施例的相关用户的匹配装置的结构示意图;
图7是示出了可以实现根据本发明实施例的相关用户的匹配方法和装置的相关用户的匹配设备的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如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……”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。
在一些实际的应用场景中,例如移动通信设备的使用用户受到不法侵害或移动通信设备的使用用户误连接伪基站的具体场景中,需要根据用户的位置,查找距离位置点一定范围内的用户作为该用户的相关用户。
但是,用户可能在一天之中到访大量的地点,用户的移动往往不具规律性,且地点复杂。并且,用户的周边区域往往人口密集。利用现有技术会匹配到大量用户,且匹配到的用户与被匹配用户之间的相关度往往不高。
因此,需要一种能够提高匹配精度的相关用户的匹配方法、装置、设备和介质。
为了更好的理解本发明,下面将结合附图,详细描述根据本发明实施例的相关用户的匹配方法、装置、设备和介质,应注意,这些实施例并不用来限制本发明公开的范围。
图1是示出根据本发明实施例的相关用户的匹配方法的示意流程图。如图1所示,本实施例中的相关用户的匹配方法100可以包括步骤S110至S130:
S110,基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的多个途径地点的参考信息。
其中,途径地点的参考信息包括途径地点的经纬度数据,以及待匹配用户途径该途径地点的途径时刻。
在本发明的一些实施例中,待匹配用户表示有匹配相关用户需求的,且随身携带具有定位功能的移动通信设备的用户。例如,可以是携带了智能手机的用户。
在本发明的一些实施例中,统计周期可以是根据实际情况设定的一个值。例如,若待匹配用户的财务失窃于某一天,当需要查找盗窃待匹配用户财务的嫌疑人时,则可以将当天的0点至24点确定为统计周期。
在本发明的一些实施例中,途径地点表示待匹配用户在统计周期内,到访过的位置。例如,在一个统计周期内,待匹配用户去过公司、家、地铁站A和水果店B,则公司、家、地铁站A和水果店B均为待匹配用户的途径地点。
相应地,待匹配用户途径该途径地点的途径时刻表示待匹配用户到访途径地点的时刻。例如,待匹配用户在xx年xx月xx日xx时xx分xx秒到访过水果店B,则用户途径水果店B的途径时刻即为“xx年xx月xx日xx时xx分xx秒”。
在本发明的一些实施例中,待匹配用户的身份标识信息表示能够表示待匹配用户的唯一信息。
示例性的,待匹配用户的身份标识信息可以为:待匹配用户的移动通信设备的国际移动设备识别码(International Mobile Equipment Identity,IMEI)。
在本发明的一些实施例中,S110,具体包括S111和S112:
S111,基于待匹配用户的身份标识信息,在一个统计周期内,获取用户的外部数据表示法(External Data Representation,XDR)信令。
在一些实施例中,用户的身份标识信息与上述实施例中的身份标识信息相同,在此不再赘述。
S112,从每一XDR信令中,解析出待匹配用户的途径地点的经纬度数据和待匹配用户途径该途径地点的途径时刻。
在一个实施例中,在通过上述方法获取了XDR信令之后,可以利用OTT定位方法获取用户的经纬度信息。
具体地,智能手机在使用APP的过程中,较多的APP会实时获取手机经纬度信息,例如调用全球定位系统(Global Positioning System,GPS)服务,或向定位软件开发工具包(Software Development Kit,SDK)发起定位请求。
因此,通过从包含位置信息的控制平面接口S1-MME接口和/或用户平面接口S1-U接口处获取XDR信令。将从获取的数据中解析出的经纬度信息,作为待匹配用户的途径地点的经纬度数据。并将获取的数据的生成时刻,作为待匹配用户途径该途径地点的途径时刻。
在一些实施例中,S110,具体包括S113和S114:
S113,基于用户的身份标识信息,在一个统计周期内,获取用户的测量报告(Measurement Report,MR)数据。
S114,根据每一MR数据,确定待匹配用户的途径地点的经纬度数据和待匹配用户途径该途径地点的途径时刻。
在一些实施例中,当利用OTT方法无法获取待匹配用户的途径地点的参考信息时,可以利用指纹库定位方法获取待匹配用户的途径地点的参考信息。
具体地,在已建立的特征指纹库中,对接收到的MR数据进行指纹特征匹配完成定位。定位位置的经纬度坐标,即为待匹配用户的途径地点的经纬度数据。该MR数据的生成时刻,即为待匹配用户途径该途径地点的途径时刻。
其中,特征指纹库是根据不同位置点接收到的不同基站信号强度及其特征建立的。
S120,依据多个途径地点的参考信息,确定待匹配用户的常驻地点和待匹配用户在常驻地点的驻留时间段。
在本发明的一些实施例中,常驻地点表示:在一个统计周期内,待匹配用户停留时间较长,例如,超过预设的停留时长阈值。或着,到访频率较高的点,例如,到访频率高于预设的到访频率阈值的点。示例性地,常驻地点表示:待匹配用户在此停留时长超过30分钟的地点。
其中,常驻地点可以是拟合出的点。具体地,可以从S110中获取的多个途径位置中,筛选出一部分途径位置,将筛选出的途径位置拟合成一个常驻地点。
在本发明的一些实施例中,图2是示出本发明实施例中的S120的详细的流程图,如图2所示,S120具体包括步骤S121至步骤S123:
S121,依据多个途径地点的经纬度数据,利用聚类算法对多个途径地点聚类,得到多个聚类地点簇,其中,每一聚类地点簇均包含多个途径地点。
在一些实施例中,聚类算法可以为具有噪声的基于密度的聚类方法DBSCAN聚类算法。
在一些实施例中,图3是本发明实施例中S121的详细的流程图,如图3所示,S121,具体包括S1211至S1216:
S1211,将样本数据集合D输入DBSCAN聚类算法,从样本数据集合D中筛选出所有核心点组成核心点集合Ω。
其中,样本数据集合D={x1,x2,……,xN}中包括由S110获得的N个途径地点。核心点集合Ω={o1,o2,……,on}。示例性的,若样本数据集合中包括n个核心点,可以将n个核心点分别记为o1,o2,……,on。
在S1211中,判断样本数据集合中每一途径位置是否为核心点的具体实施方式包括下述第一步至第三步:
第一步,从样本数据集合D中选择一个未访问的途径地点xi。其中,i=1,2,……,N。
第二步,根据途径地点Ni的Eps邻域和最小数据MinPts,判断途径地点Ni是否为核心点。若途径地点Ni为核心点,执行第三步;若途径地点Ni不为核心点,将途径地点Ni标记为噪音点。
其中,途径地点Ni的Eps邻域,表示为以途径地点Ni为中点,半径为Eps的区域。例如,Esp的取值可以为100米。
最小数据MinPts,用于衡量途径地点是否为核心点。
在一个示例中,核心点可以指待匹配用户在该点及该点的Eps邻域)停留时间超过t的点。示例性的,t可以取值为30分钟。
此时,在途径地点Ni的Eps邻域内,挑选出与途径地点Ni的途径时刻的差值不大于t/2的有效途径点。若有效途经点不小于MinPts,途径地点Ni为核心点。
第三步,将途径地点Ni加入核心点集合Ω。
S1212,从核心点集合Ω中确定一个未访问的核心点oj,并更新参数k=k+1。其中,j=1,2,……,n。k的初始值为0。
S1213,从核心点oj对应的当前簇核心点集合Ωcur中选择一个核心对象o′,将核心对象o′加入第k个聚类样本簇Ck,更新未访问采样数据集合Γ=Γ-o′。
其中,聚类样本簇Ck的初始值为空集。Γ的初始值为样本数据集合D。当前簇核心点集合Ωcur的初始值Ωcur={oj}。
S1214,确定核心对象o′的Eps邻域集合N∈(o′),将Eps邻域集合N∈(o′)内所有未被访问的途径地点Δ加入第k个聚类样本簇Ck,Δ=N∈(o′)∩Γ,Ck=Ck∪Δ。将Eps邻域集合N∈(o′)内所有未被访问的途径地点Δ从未访问采样数据集合Γ中取出,Γ=Γ-Δ。并将核心对象o′的Eps邻域集合N∈(o′)中所有核心点加入当前簇核心点集合Ωcur,Ωcur=Ωcur∪(N∈(o′)∩Ω)。
其中,核心对象o′的邻域集合N∈(o′)中包括:核心对象o′的Eps邻域内的所有途径地点。
S1215,判断当前簇核心点集合Ωcur是否为空集,若不为空集,返回步骤S1213;若为空集,完成聚类样本簇Ck的聚类,将聚类样本簇Ck加入聚类地点簇集合C,C=C∪Ck,执行步骤S1216。
S1216,判断核心点集合Ω是否为空集,若为空集,结束DBSCAN聚类算法,输出聚类地点簇集合C={C1、C2、……、Ck};若不为空集,返回步骤S1212。
S122,基于每一聚类地点簇所包含的多个途径地点对应的途径时刻,计算待匹配用户在候选常驻地点的驻留时长,其中每一聚类地点簇为一个候选常驻地点。
在一些实施例中,候选常驻地点的驻留时长的计算方法包括:
从聚类地点簇包含的M个途径地点对应的途径时刻中,筛选出最大途径时刻和最小途径时刻,并将从最小途径时刻至最大途径时刻的时间段视为待匹配用户在候选常驻地点的驻留时间段,将最大途经时刻和最小途径时刻的差值作为待匹配用户在候选常驻地点的驻留时长。
作一个示例,图4是本发明实施例中示例性的聚类地点簇的示意图。如图4所示,图4中带阴影的圆表示途径地点,大圆圈表示聚类地点簇Ck,聚类地点簇包括m个途径地点A1、A2、……、Am。若A1的途径时刻最大,为某一天的20:00:00,Am的途径时刻值最小,为该天的19:20:00。若将聚类地点簇Ck视为一个候选常驻地点Bk,则在该天的19:20:00至20:00:00,待匹配用户在候选常驻地点Bk停留了40分钟。
在一些实施例中,可以将一个聚类地点簇视为一个候选常驻地点。
其中,候选常驻地点的经度的计算方法可以是:从聚类地点簇包含的M个途径地点的经度值中选出最大经度值和最小经度值,将最大经度值和最小经度值的和除以2后得到的值作为候选常驻地点的经度值。
候选常驻地点的纬度值的计算方法可以与候选常驻地点的经度的计算方法相同,在此不再赘述。
S123,筛选驻留时长长于预设的驻留时长阈值的候选常驻地点作为用户的常驻地点。
在一些实施例中,预设的驻留时长阈值可以是自定义设定的值。例如,可以为30分钟。
S130,基于常驻地点和待匹配用户在常驻地点的驻留时间段,匹配待匹配用户的相关用户。
根据本发明实施例中的相关用户匹配方法、装置、设备和介质,依据多个途径地点的参考信息,确定待匹配用户的常驻地点。由于途径地点的参考信息包括途径地点的经纬度信息和待匹配用户途径该途径地点的途径时刻,相较于途径地点,常驻地点从时间和频率上更能代表待匹配用户的重点活动位置;并且按照常驻地点和待匹配用户在常驻地点的停留时间段匹配出的相关用户与被匹配用户具有空间和时间的相关性,因此,能够提高相关用户的匹配精度
在本发明的一些实施例中,S130,具体包括S131和S132:
S131,确定常驻地点的周边区域,常驻地点的周边区域以常驻地点为中心。
在一些实施例中,常驻地点的周边区域表示:以常驻地点为中心,以预设的匹配距离阈值为半径的范围。其中,预设的匹配距离阈值可以与S121中的Eps半径相同。
在另一些实施例中,可以根据实际过程中的需要,常驻地点的周边区域可以被设定为不同形状的区域。例如,可以为圆环区域。圆环的中心点为常驻地点。
S132,在常驻地点的周边区域内,将常驻地点对应的驻留时间段[T1,T2]内的用户匹配为待匹配用户的相关用户。
示例性的,可以在[T1,T2]内,与常驻地点D1的距离小于预设的相关距离阈值的用户作为待匹配用户的相关用户。
在一些实施例中,考虑到步骤S110中采集到的驻留时刻可能会有一定的偏差,因此,若偏差值为Δt,在常驻地点的周边区域内,可以选取[T1-Δt,T2+Δt]内的用户匹配为待匹配用户的相关用户。
在本发明的一些实施例中,S130,具体包括S133至S136:
S133,基于常驻地点的经纬度信息和常驻地点的驻留时间段,生成待匹配用户的行进路径。
需要说明的是,由于在统计周期内,用户实际行进路径具有复杂、难以统计等特点,本发明实施例中的待匹配用户的有效行进路径。
作一个实例,若包括M个常驻地点,则可以按照驻留时间段从小到到的顺序,将M个常驻地点依次连接后生成待匹配用户的行径路径。
在一些实施例中,在待匹配用户的行径路径上,向前确定距离某一点最近的一个常驻地点D1,向后距离该点最近的一个常驻地点D2。即在待匹配用户的行进过程中,待匹配用户离开常驻地点D1,经过该点后,到达常驻地点D2。
则待匹配用户经过该点的时刻t的满足公式(1):
其中,若待匹配用户在常驻地点D1的驻留时间段为[T11,T12],T12为待匹配用户离开常驻地点D1的离开时刻。待匹配用户在常驻地点D2的驻留时间段为[T21,T22],T21表示待匹配用户到达常驻地点D2的到达时刻T21。d1表示该点与常驻地点D1的距离,d2表示该点与常驻地点D2的距离。
S134,在待匹配用户的行进路径上提取多个抽样点,并获取抽样点的经纬度信息和待匹配用户经过抽样点的时刻。
在一些实施例中,在待匹配用户的行进路径上,可以等距离的提取抽样点。并基于公式(1)可以计算待匹配用户经过抽样点的时刻。
作一个实例,图5是本发明实施例中示例性的待匹配用户的行进路径的示意图,如图5所示,可以从待匹配用户的行进路径AB上等距离的提取n个抽样点X1、X2、……、Xn。待匹配用户分别经过上述n个采样点的时刻T1、T2、……、Tn。
在一些实施例中,在S134之后,当需要确定某一相关用户与待匹配用户的路径匹配程度时,具体计算过程包括:
分别获取该相关用户在T1、T2、……、Tn时的位置,记为Y1、Y2、……、Yn。
该相关用户与待匹配用户的路径相关匹配程度d满足公式(2):
需要说明的是,通过公式(2)计算出的路径相关匹配程度d,当d越大时,该相关用户与待匹配用户的相关程度越低,当d越小时,该相关用户与待匹配用户的相关程度越高。
S135,确定抽样点的周边区域,抽样点的周边区域以抽样点为中心。
在一些实施例中,抽样点的周边区域的特征与常驻地点的特征相同,在此不再赘述。
S136,在抽样点的周边区域内,将抽样点对应的时刻的用户匹配为待匹配用户的相关用户。
在一些实施例中,S136中确定待匹配用户的相关用户的方法与S132中的相同,在此不再赘述。
在本发明的一些实施例中,为了进一步提高匹配的准确性,可以结合常驻地点和用户的行进路径,来确定相关用户。此时,S130具体包括S131至S136。
具体地,可以将S133中筛选出的相关用户和S136中筛选出的用户共同作为待匹配用户的相关用户。
在本发明的一些实施例中,S130之后,还包括:
S140,输出相关用户的身份标识信息。
在一些实施例中,S140中的相关用户的身份标识信息和S110中待匹配用户的身份标识信息相同,在此不再赘述。
基于相同的发明构思,本发明另一实施例提供了相关用户的匹配装置。图6是根据本发明实施例的相关用户的匹配装置的结构示意图。如图6所示,相关用户的匹配装置600包括:
第一获取模块610,用于基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的多个途径地点的参考信息,其中,途径地点的参考信息包括途径地点的经纬度数据,以及待匹配用户途径途径地点的途径时刻。
确定模块620,用于依据多个途径地点的参考信息,确定待匹配用户的常驻地点和待匹配用户在常驻地点的驻留时间段。
匹配模块630,用于基于常驻地点和待匹配用户在常驻地点的驻留时间段,匹配待匹配用户的相关用户。
在本发明的一些实施例中,匹配模块630,具体用于:
确定常驻地点的周边区域,常驻地点的周边区域以常驻地点为中心。
在常驻地点的周边区域内,将常驻地点对应的驻留时间段内的用户匹配为待匹配用户的相关用户。
在本发明的一些实施例中,匹配模块630,具体用于:
基于常驻地点的经纬度信息和常驻地点的驻留时间段,生成待匹配用户的行进路径。
在待匹配用户的行进路径上提取多个抽样点,并获取多个抽样点的经纬度信息和待匹配用户经过多个抽样点的时刻。
确定抽样点的周边区域,抽样点的周边区域以抽样点为中心。
在抽样点的周边区域内,将抽样点对应的时刻的用户匹配为待匹配用户的相关用户。
在本发明的一些实施例中,确定模块620,具体用于:
依据多个途径地点的经纬度数据,利用聚类算法对多个途径地点聚类,得到多个聚类地点簇,其中,每一聚类地点簇均包含多个途径地点。
基于每一聚类地点簇所包含的多个途径地点对应的途径时刻,计算待匹配用户在常驻地点的驻留时间段和待匹配用户在候选常驻地点的驻留时长,其中每一聚类地点簇为一个候选常驻地点。
筛选驻留时长长于预设的驻留时长阈值的候选常驻地点作为待匹配用户的常驻地点。
在一些实施例中,聚类算法为具有噪声的基于密度的聚类方法DBSCAN聚类算法。
在本发明的一些实施例中,第一获取模块610,具体用于:
基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的外部数据表示法XDR信令。
从每一XDR信令中,解析出待匹配用户的途径地点的经纬度数据和待匹配用户途径途径地点的途径时刻。
在本发明的一些实施例中,第一获取模块610,具体用于:
基于待匹配用户的身份标识信息,在一个统计周期内,获取待匹配用户的测量报告MR数据。
基于每一MR数据,确定待匹配用户的途径地点的经纬度数据和待匹配用户途径途径地点的途径时刻。
在本发明的一些实施例中,相关用户的匹配装置600,还包括:
第二获取模块,用于分别获取在待匹配用户经过多个抽样点的时刻的相关用户的位置。
计算模块,用于基于多个抽样点的经纬度信息和在待匹配用户经过多个抽样点的时刻的相关用户的位置,计算该相关用户与待匹配用户的路径相关匹配度。
根据本发明实施例的相关用户的匹配装置的其他细节与以上结合图1至图5描述的根据本发明实施例的方法类似,在此不再赘述。
图7是本发明实施例中相关用户的匹配设备的示例性硬件架构的结构图。
如图7所示,相关用户的匹配设备700包括输入设备701、输入接口702、中央处理器703、存储器704、输出接口705、以及输出设备706。其中,输入接口702、中央处理器703、存储器704、以及输出接口705通过总线710相互连接,输入设备701和输出设备706分别通过输入接口702和输出接口705与总线710连接,进而与相关用户的匹配设备700的其他组件连接。
具体地,输入设备701接收来自外部的输入信息,并通过输入接口702将输入信息传送到中央处理器703;中央处理器703基于存储器704中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器704中,然后通过输出接口705将输出信息传送到输出设备706;输出设备706将输出信息输出到相关用户的匹配设备700的外部供用户使用。
也就是说,图7所示的相关用户的匹配设备也可以被实现为包括:存储有计算机可执行指令的存储器;以及处理器,该处理器在执行计算机可执行指令时可以实现结合图1至图6描述的相关用户的匹配设备的方法和装置。
在一个实施例中,图7所示的相关用户的匹配设备700可以被实现为一种设备,该设备可以包括:存储器,用于存储程序;处理器,用于运行所述存储器中存储的所述程序,以执行本发明实施例的相关用户的匹配方法。
本发明实施例还提供了一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现本发明实施例的路段连接方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
Claims (15)
1.一种相关用户的匹配方法,其特征在于,所述方法包括:
基于待匹配用户的身份标识信息,在一个统计周期内,获取所述待匹配用户的多个途径地点的参考信息,其中,途径地点的参考信息包括途径地点的经纬度数据,以及所述待匹配用户途径所述途径地点的途径时刻;
依据所述多个途径地点的参考信息,确定所述待匹配用户的常驻地点和所述待匹配用户在所述常驻地点的驻留时间段;
基于所述常驻地点和所述待匹配用户在所述常驻地点的驻留时间段,匹配所述待匹配用户的相关用户。
2.根据权利要求1所述的方法,其特征在于,所述基于所述常驻地点和所述待匹配用户在所述常驻地点的驻留时间段,匹配所述待匹配用户的相关用户,具体包括:
确定所述常驻地点的周边区域,所述常驻地点的周边区域以所述常驻地点为中心;
在所述常驻地点的周边区域内,将所述常驻地点对应的驻留时间段内的用户匹配为所述待匹配用户的相关用户。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述常驻地点和所述待匹配用户在所述常驻地点的驻留时间段,匹配所述待匹配用户的相关用户,具体包括:
基于所述常驻地点的经纬度信息和所述常驻地点的驻留时间段,生成所述待匹配用户的行进路径;
在所述待匹配用户的行进路径上提取多个抽样点,并获取所述多个抽样点的经纬度信息和所述待匹配用户经过所述多个抽样点的时刻;
确定所述抽样点的周边区域,所述抽样点的周边区域以所述抽样点为中心;
在所述抽样点的周边区域内,将所述抽样点对应的时刻的用户匹配为所述待匹配用户的相关用户。
4.根据权利要求1所述的方法,其特征在于,所述依据所述多个途径地点的参考信息,确定所述待匹配用户的常驻地点和所述待匹配用户在所述常驻地点的驻留时间段,具体包括:
依据所述多个途径地点的经纬度数据,利用聚类算法对所述多个途径地点聚类,得到多个聚类地点簇,其中,每一所述聚类地点簇均包含多个途径地点;
基于每一聚类地点簇所包含的多个途径地点对应的途径时刻,计算所述待匹配用户在所述常驻地点的驻留时间段和所述待匹配用户在候选常驻地点的驻留时长,其中每一所述聚类地点簇为一个所述候选常驻地点;
筛选驻留时长长于预设的驻留时长阈值的候选常驻地点作为所述待匹配用户的常驻地点。
5.根据权利要求4所述的方法,其特征在于,所述聚类算法为具有噪声的基于密度的聚类方法DBSCAN聚类算法。
6.根据权利要求1所述的方法,其特征在于,所述基于待匹配用户的身份标识信息,在一个统计周期内,获取所述待匹配用户的多个途径地点的参考信息,具体包括:
基于所述待匹配用户的身份标识信息,在所述一个统计周期内,获取所述待匹配用户的外部数据表示法XDR信令;
从每一所述XDR信令中,解析出所述待匹配用户的途径地点的经纬度数据和所述待匹配用户途径所述途径地点的途径时刻。
7.根据权利要求1或6所述的方法,其特征在于,所述基于待匹配用户的身份标识信息,在一个统计周期内,获取所述待匹配用户的多个途径地点的参考信息,具体包括:
基于所述待匹配用户的身份标识信息,在所述一个统计周期内,获取所述待匹配用户的测量报告MR数据;
根据每一所述MR数据,确定所述待匹配用户的途径地点的经纬度数据和所述待匹配用户途径所述途径地点的途径时刻。
8.根据权利要求3所述的方法,其特征在于,所述在所述待匹配用户的行进路径上提取多个抽样点,并获取所述多个抽样点的经纬度信息和所述待匹配用户经过所述多个抽样点的时刻之后,所述方法还包括:
分别获取在所述待匹配用户经过所述多个抽样点的时刻的相关用户的位置;
基于所述多个抽样点的经纬度信息和在所述待匹配用户经过所述多个抽样点的时刻的相关用户的位置,计算该相关用户与待匹配用户的路径相关匹配度。
9.一种相关用户的匹配装置,其特征在于,所述装置包括:
第一获取模块,用于基于待匹配用户的身份标识信息,在一个统计周期内,获取所述待匹配用户的多个途径地点的参考信息,其中,途径地点的参考信息包括途径地点的经纬度数据,以及所述待匹配用户途径所述途径地点的途径时刻;
确定模块,用于依据所述多个途径地点的参考信息,确定所述待匹配用户的常驻地点和所述待匹配用户在所述常驻地点的驻留时间段;
匹配模块,用于基于所述常驻地点和所述待匹配用户在所述常驻地点的驻留时间段,匹配所述待匹配用户的相关用户。
10.根据权利要求9所述的装置,其特征在于,所述匹配模块,具体用于:
确定所述常驻地点的周边区域,所述常驻地点的周边区域以所述常驻地点为中心;
在所述常驻地点的周边区域内,将所述常驻地点对应的驻留时间段内的用户匹配为所述待匹配用户的相关用户。
11.根据权利要求9或10所述的装置,其特征在于,所述匹配模块,具体用于:
基于所述常驻地点的经纬度信息和所述常驻地点的驻留时间段,生成所述待匹配用户的行进路径;
在所述待匹配用户的行进路径上提取多个抽样点,并获取所述多个抽样点的经纬度信息和所述待匹配用户经过所述多个抽样点的时刻;
确定所述抽样点的周边区域,所述抽样点的周边区域以所述抽样点为中心;
在所述抽样点的周边区域内,将所述抽样点对应的时刻的用户匹配为所述待匹配用户的相关用户。
12.根据权利要求9所述的装置,其特征在于,所述确定模块,具体用于:
依据所述多个途径地点的经纬度数据,利用聚类算法对所述多个途径地点聚类,得到多个聚类地点簇,其中,每一所述聚类地点簇均包含多个途径地点;
基于每一聚类地点簇所包含的多个途径地点对应的途径时刻,计算所述待匹配用户在所述常驻地点的驻留时间段和所述待匹配用户在候选常驻地点的驻留时长,其中每一所述聚类地点簇为一个所述候选常驻地点;
筛选驻留时长长于预设的驻留时长阈值的候选常驻地点作为所述待匹配用户的常驻地点。
13.根据权利要求12所述的装置,其特征在于,所述聚类算法为具有噪声的基于密度的聚类方法DBSCAN聚类算法。
14.一种相关用户的匹配设备,其特征在于,所述设备包括:
存储器,用于存储程序;
处理器,用于运行所述存储器中存储的所述程序,以执行权利要求1-8任一权利要求所述的相关用户的匹配方法。
15.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现权利要求1-8任一权利要求所述的相关用户的匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811415220.5A CN111222056B (zh) | 2018-11-26 | 2018-11-26 | 相关用户的匹配方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811415220.5A CN111222056B (zh) | 2018-11-26 | 2018-11-26 | 相关用户的匹配方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222056A true CN111222056A (zh) | 2020-06-02 |
CN111222056B CN111222056B (zh) | 2023-07-25 |
Family
ID=70830262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811415220.5A Active CN111222056B (zh) | 2018-11-26 | 2018-11-26 | 相关用户的匹配方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222056B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269658A (zh) * | 2021-07-16 | 2021-08-17 | 北京达佳互联信息技术有限公司 | 核心数据的生产时长的预估方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116696A (zh) * | 2013-01-16 | 2013-05-22 | 上海美慧软件有限公司 | 基于稀疏采样的手机定位数据的人员常驻地点识别方法 |
JP2013235323A (ja) * | 2012-05-07 | 2013-11-21 | Hitachi Solutions Ltd | ロケーション管理システム |
CN104156489A (zh) * | 2014-08-29 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于司机轨迹进行司机常驻点挖掘的方法 |
US20150067741A1 (en) * | 2012-04-16 | 2015-03-05 | Zte Corporation | Method and device for receiving television wireless broadcast signal |
CN106685809A (zh) * | 2017-02-24 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 一种社交圈子的生成方法和装置 |
CN107995594A (zh) * | 2017-11-28 | 2018-05-04 | 中国联合网络通信集团有限公司 | 一种确定lte网络覆盖质量的方法和装置 |
CN108282860A (zh) * | 2017-01-05 | 2018-07-13 | 中国移动通信集团山西有限公司 | 数据处理方法及装置 |
US20180270616A1 (en) * | 2016-06-12 | 2018-09-20 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for identifying types of user geographical locations |
CN108566618A (zh) * | 2018-04-04 | 2018-09-21 | 广州杰赛科技股份有限公司 | 获取用户驻留规律的方法、装置、设备及存储介质 |
-
2018
- 2018-11-26 CN CN201811415220.5A patent/CN111222056B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150067741A1 (en) * | 2012-04-16 | 2015-03-05 | Zte Corporation | Method and device for receiving television wireless broadcast signal |
JP2013235323A (ja) * | 2012-05-07 | 2013-11-21 | Hitachi Solutions Ltd | ロケーション管理システム |
CN103116696A (zh) * | 2013-01-16 | 2013-05-22 | 上海美慧软件有限公司 | 基于稀疏采样的手机定位数据的人员常驻地点识别方法 |
CN104156489A (zh) * | 2014-08-29 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于司机轨迹进行司机常驻点挖掘的方法 |
US20180270616A1 (en) * | 2016-06-12 | 2018-09-20 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for identifying types of user geographical locations |
CN108282860A (zh) * | 2017-01-05 | 2018-07-13 | 中国移动通信集团山西有限公司 | 数据处理方法及装置 |
CN106685809A (zh) * | 2017-02-24 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 一种社交圈子的生成方法和装置 |
CN107995594A (zh) * | 2017-11-28 | 2018-05-04 | 中国联合网络通信集团有限公司 | 一种确定lte网络覆盖质量的方法和装置 |
CN108566618A (zh) * | 2018-04-04 | 2018-09-21 | 广州杰赛科技股份有限公司 | 获取用户驻留规律的方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
吴迪: "基于海量移动应用位置数据的研究与应用" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269658A (zh) * | 2021-07-16 | 2021-08-17 | 北京达佳互联信息技术有限公司 | 核心数据的生产时长的预估方法、装置、设备及存储介质 |
CN113269658B (zh) * | 2021-07-16 | 2022-01-21 | 北京达佳互联信息技术有限公司 | 核心数据的生产时长的预估方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111222056B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6393294B1 (en) | Location determination using RF fingerprinting | |
KR101510458B1 (ko) | 위치정보 표현방법, 위치정보 처리방법, 위치정보모델 생성방법, 및 위치정보처리장치 | |
CN106055607B (zh) | 用户到访预测模型建立、用户到访预测方法和装置 | |
Neidhardt et al. | Estimating locations and coverage areas of mobile network cells based on crowdsourced data | |
CN105635969A (zh) | 一种信息推送方法和信息推送服务器 | |
CN113099384A (zh) | 一种室内定位方法、装置、设备及计算机存储介质 | |
JP6706865B2 (ja) | 位置検知システム及び携帯端末 | |
CN111222056B (zh) | 相关用户的匹配方法、装置、设备和介质 | |
JP5521085B1 (ja) | 情報分類装置及びプログラム | |
Kim et al. | A design of irregular grid map for large-scale Wi-Fi LAN fingerprint positioning systems | |
CN110672086B (zh) | 场景识别方法、装置、设备及计算机可读介质 | |
JP5572245B1 (ja) | 情報生成装置及びプログラム | |
JP5577424B1 (ja) | 位置提供装置、プログラム及び情報提供システム | |
WO2019202782A1 (ja) | 訪問先推定装置および訪問先推定方法 | |
Vongsuteera et al. | Adaptive indoor localization system for large-scale area | |
CN112566013B (zh) | 目标设备的定位方法、装置、设备及计算机存储介质 | |
WO2012028903A1 (en) | Localization based on individual location patterns | |
JP5775952B2 (ja) | 情報生成装置及びプログラム | |
Adhikari et al. | IntelligShop: enabling intelligent shopping in malls through location-based augmented reality | |
CN109874170B (zh) | 地理坐标系盲检测方法、装置、设备及介质 | |
CN111314850B (zh) | 门店与用户的匹配方法、装置、设备和介质 | |
Wu et al. | Infrastructureless signal source localization using crowdsourced data for smart-city applications | |
CN107241693B (zh) | 一种大数据环境下无坐标传感器位置确定方法 | |
JPWO2019216046A1 (ja) | 情報処理装置 | |
KR20200114456A (ko) | 와이파이 핑거프린트 기반 위치인식용 라디오맵 자동 업데이트 방법 |
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 |