CN111523031B - 用于推荐兴趣点的方法和装置 - Google Patents
用于推荐兴趣点的方法和装置 Download PDFInfo
- Publication number
- CN111523031B CN111523031B CN202010320453.8A CN202010320453A CN111523031B CN 111523031 B CN111523031 B CN 111523031B CN 202010320453 A CN202010320453 A CN 202010320453A CN 111523031 B CN111523031 B CN 111523031B
- Authority
- CN
- China
- Prior art keywords
- interest
- user group
- user
- target
- points
- 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 53
- 230000015654 memory Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了用于推荐兴趣点的方法和装置,涉及计算机技术领域。该方法包括:获取至少一个用户的用户设备信息,并根据该用户设备信息将至少一个用户划分为至少一个用户组;获取用户在预设时间段内的位置相关信息,根据上述用户组内各用户的位置相关信息确定各用户组的常驻区域、以及各用户组对常驻区域内的兴趣点的兴趣度信息;基于常驻区域为同一目标区域的各用户组对目标区域内的兴趣点的兴趣度信息,确定出目标用户组的相似用户组;基于目标用户组和目标用户组的相似用户组对目标区域内的兴趣点的兴趣度信息确定出向目标用户组推荐的目标兴趣点。采用本方法可以实现向用户组推荐兴趣点的功能。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及大数据技术领域,尤其涉及用于推荐兴趣点的方法和装置。
背景技术
兴趣点推荐技术是通过大数据智能匹配出符合用户喜好或习惯的兴趣点,并向需求方推荐兴趣点的技术。现有的兴趣点推荐技术主要是针对个人用户出行,针对用户组的兴趣点推荐技术往往是将针对个人用户的推荐技术进行简单复用。
由于个人出行的需求与用户组出行的需求不同,将针对个人用户的兴趣点推荐技术用于向用户组推荐兴趣点会造成推荐结果不准确的问题。
发明内容
提供了一种用于推荐兴趣点的方法、装置、电子设备以及计算机可读存储介质。
根据第一方面,提供了一种用于推荐兴趣点的方法,该方法包括:获取至少一个用户的用户设备信息,并根据该用户设备信息将该至少一个用户划分为至少一个用户组;获取该用户在预设时间段内的位置相关信息,根据该用户组内各用户的位置相关信息确定各用户组的常驻区域、以及各用户组对该常驻区域内的兴趣点的兴趣度信息;基于常驻区域为同一目标区域的各用户组对该目标区域内的兴趣点的兴趣度信息,确定出目标用户组的相似用户组;基于该目标用户组和该目标用户组的相似用户组对该目标区域内的兴趣点的兴趣度信息,确定出向该目标用户组推荐的目标兴趣点。
根据第二方面,提供了一种用于推荐兴趣点的装置,该装置包括:分组单元,被配置为获取至少一个用户的用户设备信息,并根据该用户设备信息将该至少一个用户划分为至少一个用户组;信息度获取单元,被配置为获取该用户在预设时间段内的位置相关信息,根据该用户组内各用户的该位置相关信息确定各用户组的常驻区域、以及各用户组对该常驻区域内的兴趣点的兴趣度信息;相似组获取单元,被配置为基于常驻区域为同一目标区域的各用户组对该目标区域内的兴趣点的兴趣度信息,确定出目标用户组的相似用户组;推荐单元,被配置为基于该目标用户组和该目标用户组的相似用户组对该目标区域内的兴趣点的兴趣度信息,确定出向该目标用户组推荐的目标兴趣点。
根据第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器:存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面提供的用于推荐兴趣点的方法。
根据第四方面,本公开的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,程序被处理器执行时实现第一方面提供的用于推荐兴趣点的方法。
本公开提供的用于推荐兴趣点的方法、装置通过分析目标用户组的常驻区域、目标用户组的相似用户组,并根据该常驻区域以及该相似用户组向目标用户组推荐兴趣点,从而实现了向用户组推荐兴趣点的功能。
根据本申请的技术解决了缺乏针对用户组的兴趣点推荐技术的问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请的实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于推荐兴趣点的方法的一个实施例的流程图;
图3是根据本申请的用于推荐兴趣点的方法的一个应用场景的示意图;
图4是根据本申请的用于推荐兴趣点的方法的又一个实施例的流程图;
图5是根据本申请的用于推荐兴趣点的装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的用于推荐兴趣点的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本申请的用于推荐兴趣点的方法或用于推荐兴趣点的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种接收推送服务的客户端应用,例如地图类应用、搜索类应用等。
终端设备101、102、103可以是具有显示屏并且支持接收推送服务的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExperts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持接收推送服务的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio LayerIV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如定位服务器。定位服务器可以对终端设备101、102、103进行定位,获取终端设备101、102、103的定位数据。又例如,服务器105可以是提供推荐服务的服务器。提供推荐服务的服务器可以获取终端设备101、102、103的定位数据,基于定位数据分析用户的出行偏好,针对性地向终端设备101、102、103的用户推荐信息。
需要说明的是,本公开的实施例所提供用于推荐兴趣点的方法一般由服务器105执行,相应地,用于推荐兴趣点的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于推荐兴趣点的方法的一个实施例的流程200。用于推荐兴趣点的方法,包括以下步骤:
步骤201,获取至少一个用户的用户设备信息,并根据用户设备信息将至少一个用户划分为至少一个用户组。
在本实施例中,用于推荐兴趣点的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户的终端设备中获取用户设备信息,该用户设备信息可以包括用户设备的标识以及用户设备连接无线网络的网络信息。其中,用户设备的标识是用户设备身份识别码,可以是移动设备的国际移动设备识别码(InternationalMobile Equipment Identity,IMEI),或者手机号码等可以标识用户设备身份的信息;用户设备连接无线网络的网络信息是用户设备所连接到的无线网络的身份标识信息,可以是无线网络的媒体接入层地址(media access control,MAC),无线网络的网络名,或者无线网络的IP地址等可以标识无线网络身份的信息。
在本实施例中,服务器可以通过无线网络的网络信息,将网络信息相同、或者网络信息之间的相似度达到相似阈值的用户设备所对应的用户划分为同一个用户组,在分组时,可以使用用户设备的标识代表对应的用户设备。例如,将连接到IP地址连续的无线网络的用户设备对应的用户归为一个用户组,或者将连接的IP地址的网络号部分相同的用户设备归为同一个用户组、或者将具有相同无线网络的网络名的用户设备对应的用户归为同一个组。
步骤202,获取该用户在预设时间段内的位置相关信息,根据用户组内各用户的位置相关信息确定各用户组的常驻区域、以及各用户组对常驻区域内的兴趣点的兴趣度信息。
在本实施例中,用户在预设时间段内的位置相关信息可以由服务器通过用户设备上的定位程序以及搜索程序获取到的数据处理后得到。具体的,服务器可以通过用户设备上的定位程序获取用户在预设时间段内的到访的兴趣点,服务器还可以通过用户设备上的搜索程序获取用户在预设时间段内的搜索的兴趣点,之后服务器针对每一个兴趣点统计预设时间段内的到访以及搜索的次数、评价或者向往程度,得到每一个兴趣点的访问记录。
针对每一个用户组,将各用户访问过的兴趣点按照该兴趣点被用户组内各用户访问记录进行排序,以确定该用户组经常访问的兴趣点。其中,访问记录可以仅通过次数的累积来确定,也可以将对兴趣点的评价或者向往程度纳入考量因素,使评价高或者向往程度高的兴趣点的访问记录排序高。
根据这些用户组经常访问的兴趣点的地理位置或所属商圈位置确定该用户组的常驻区域,例如,用户经常访问的兴趣点为颐和园、圆明园、中关村,则可以确定北京市海淀区是用户的常驻区域。之后,根据该兴趣点被用户组内各用户访问记录,确定该兴趣点的访问热度,访问记录越高相应的访问热度越高。针对该常驻区域,根据该常驻区域内各用户组经常访问的兴趣点以及其对应的兴趣点访问热度,确定各用户组对该常驻区域内的兴趣点的兴趣度信息,其中,兴趣度信息包括常驻区域内各用户组经常访问的兴趣点信息以及对应的兴趣点访问热度信息,可以是包含兴趣点及评分的集合,其中评分代表兴趣点的访问热度;可以是包含兴趣点及权重的集合,其中权重代表兴趣点的访问热度;可以是兴趣点根据其访问热度排序的集合,其中兴趣点所在的位置序号代表兴趣点的访问热度;可以是访问热度的集合,其中访问热度的位置序号代表对应兴趣点;或者是其他包括兴趣点及其访问热度的表达形式。
步骤203,基于常驻区域为同一目标区域的各用户组对该目标区域内的兴趣点的兴趣度信息,确定出目标用户组的相似用户组。
在本实施例中,首先确定目标用户组的常驻区域,以及目标用户组在该常驻区域内经常访问的兴趣点,然后,根据该常驻区域内的各用户组对常驻区域内的兴趣点的兴趣度信息,若用户组经常访问的兴趣点与目标用户组经常访问的兴趣点之间的相似度满足预设相似度条件,或者用户组经常访问的兴趣点与目标用户组经常访问的兴趣点之间有较大范围的重叠,则确定该用户组为目标用户组的相似用户组。例如,目标用户组的常驻区域为北京,并且在该常驻区域内经常访问的兴趣点是购物中心a、公园b、餐厅c,常驻区域为北京的用户组A经常访问的兴趣点是购物中心a和公园b,常驻区域为北京的用户组B经常访问的兴趣点是购物中心a、公园b、餐厅c,常驻区域为北京的用户组C经常访问的兴趣点是购物中心a、公园d。那么,在预设相似度条件为2/3重合即为相似的前提下,用户组A、用户组B可以确定为目标用户组的相似用户组。
步骤204,基于该目标用户组和该目标用户组的相似用户组对该目标区域内的兴趣点的兴趣度信息,确定出向该目标用户组推荐的目标兴趣点。
在本实施例中,通过相似用户组对目标区域内的兴趣点的兴趣度信息,获取相似用户组在目标区域内访问的兴趣点以及对应的访问热度。例如,可以根据相似用户组的访问的兴趣点以及对应的访问热度确定出相似用户组在目标区域内经常访问的一个或多个兴趣点,并将这些相似用户组经常访问的兴趣点作为目标兴趣点推荐给目标用户。
可选地,若目标用户组在目标区域内有多个相似用户组,则通过相似用户组对该目标区域内的兴趣点的兴趣度信息,获取每个相似用户组在目标区域内访问的兴趣点以及对应的访问热度,融合每个相似用户对兴趣点的访问热度,选出访问热度较高的至少一个兴趣点作为目标兴趣点推荐给目标用户组。
本公开的上述实施例提供的方法通过将用户组内各用户的需求以及关注点纳入兴趣点推荐的考量因素,实现了针对用户组的兴趣点推荐。
继续参见图3,图3是根据本实施例的用于推荐兴趣点的方法的应用场景的一个示意图。在图3的应用场景中,一位家庭成员想要通过推荐软件获取一个其家庭出行的地点推荐;后台服务器首先获取该家庭成员的设备信息,并根据设备信息确定该家庭成员的家庭组;然后获取该家庭组中每一位家庭成员在最近一段时间内的位置相关信息,并根据该位置相关信息,确定该家庭组的常驻区域,以及该常驻区域内其他家庭组对该常驻区域兴趣点的兴趣度信息;之后根据上述兴趣度信息确定该家庭组在该常驻区域内的相似家庭组,并根据相似家庭组对该常驻区域兴趣点的兴趣度信息选出目标兴趣点;最后,后台服务器将目标兴趣点推送给请求获得出行推荐的家庭成员。
本公开的上述实施例提供的方法通过将家庭组内各家庭成员的需求以及关注点纳入兴趣点推荐的考量因素,实现了针对家庭组的兴趣点推荐。
进一步参考图4,其示出了用于推荐兴趣点的方法的又一个实施例的流程400。该用于推荐兴趣点的方法的流程400,包括以下步骤:
步骤401,获取至少一个用户的用户设备信息,用户设备信息包括用户设备连接的无线网络接入点的信息,将连接相同无线网络接入点的用户设备对应的用户划分为同一个用户组。
在本实施例中,获取用户的用户设备信息包括获取用户设备连接的无线网络接入点信息,并根据该接入点信息将连接相同无线网络接入点的用户设备对应的用户划分为同一个用户组。例如,首先,获取每一个用户的设备信息,可以用devicei代表用户i的设备,macj代表无线网络接入点j的特征,那么(devicei,macj)则代表用户i的设备的无线网络接入点信息。将具有相同mac值的设备划分入同一个用户组,用户组可以用数学表达式(homeh,device1,device2,…,devicei)来表示,其中,homeh代表该用户组是编号为h的家庭用户组。
步骤402,获取用户组内各用户在预设时间段内的地理位置访问数据,其中,地理位置访问数据包括访问的兴趣点及访问兴趣点的频次。
在本实施例中,获取用户组内各用户在预设时间段内的地理位置访问数据,包括访问的兴趣点以及访问该兴趣点的频次,其中,访问指的是实地到达和/或通过用户设备进行过检索。获取用户的地理位置访问数据可以通过对用户设备的定位,用户使用设备进行电子支付的地址戳信息,用户使用设备地图软件、购物软件或交通出行软件的检索记录等。
步骤403,根据所述用户组内各用户对访问的各兴趣点的访问频次的统计结果,确定所述用户组对各兴趣点的访问热度以及所述用户组的常驻区域。
在本实施例中,对用户组内各用户对访问的同一个兴趣点的访问频次进行累加,得到该用户组对这个兴趣点的访问热度,通过上述统计方法,得到该用户组访问过的各兴趣点的访问热度,选取访问热度排在前预设数目的兴趣点,并根据这些兴趣点的地理位置或所属商圈位置确定该用户组的常驻区域。
可选地,上述用户组的常驻区域还可以通过如下方法确定:根据用户访问的各兴趣点所属的行政区域,对该用户组对至少两级行政区域的兴趣点的访问频次进行统计,根据统计结果确定该用户组的常驻的至少两个不同级别的行政区域。
在本实施例中,根据用户访问过的兴趣点所属的行政区域(省、市、县、乡镇、街区),首先,将各兴趣点映射到不同级别的行政区域内;然后,以行政区域级别为单位,将用户组对各个兴趣点的访问频次进行统计;最后根据统计结果,构建不同行政区域级别的常驻区域。例如,首先,用户i在统计周期t内访问的兴趣点用序列形式表示为那么,将各个兴趣点映射到街区级别的各区域,可以表示为/>然后,统计周期t内用户组内各用户对街道级别的各区域的访问频次,并对用户组内各个用户对同一街道级别的区域的访问频次进行累加;最后根据各街道级别的区域对应的频次累加结果选出街道级别的热门区域作为该用户组的街道级别常驻区域。根据上述方法,还可以构建用户组的省级常驻区域、市级常驻区域、县级常驻区域以及乡镇级常驻区域。构建不同行政区域级别的常驻区域,可以根据不同行政区域级别的常驻区域向用户组推荐兴趣点,提高推荐的位置精确度,进而提高兴趣点推荐的准确性。
步骤404,根据用户组的常驻区域以及用户组对各兴趣点的访问热度,生成各用户组对该常驻区域内的兴趣点的兴趣度信息。
在本实施例中,根据用户组内各用户对访问的各兴趣点的访问频次的统计结果,确定该用户组对各个兴趣点的权重,访问频次越高则权重越大。在具体实施过程中可以用向量、矩阵等数学表达方式进行表征。
例如,通过(devicei,poij,t)表示用户i在统计时间t内访问了兴趣点poij,根据用户组内,各用户对同一个poij访问的数量,给予这个poij不同的权重,权重越高表示该用户组对该poi的访问人数越多,可以用L={(poi1,w1),(poi2,w2),…,(poik,wk)}表示该用户组对各兴趣点的访问热度,即,用户组特征向量。其中w代表权重值,k代表兴趣点的编号。
可选地,当兴趣点映射到省、市、县、乡镇、街道等不同行政区域级别时,所生成的用户组对常驻区域内的兴趣点的兴趣度信息也分为不同的行政区域级别。
步骤405,基于常驻区域为同一目标区域的各用户组对该目标区域内的兴趣点的兴趣度信息,确定出目标用户组的相似用户组。
本实施例的步骤405与前述实施例的步骤203一致,步骤405的具体实现方式可以参考前述实施例中步骤203的描述,此处不再赘述。
在本实施例的一些可选的实现方式中,可以基于常驻区域为同一目标区域的各用户组的用户组特征向量构建所述常驻区域的用户组特征矩阵,即根据同一个常驻区域内的各用户组的用户组特征向量构建该常驻区域的用户组特征矩阵,然后基于所述常住区域的用户组特征矩阵,采用协同过滤算法,确定所述目标用户组的相似用户组。
常驻区域内各用户组的用户组特征向量可以是:
根据用户组特征向量中各个用户组对兴趣点的权重值,可以得出该常驻区域的用户组特征矩阵:
其中,win表示用户组i对兴趣点n的权重值。需要说明的是,在确定用户组特征矩阵时,若某个用户组没有访问过某个兴趣点(即,该用户组的用户组特征向量中没有该兴趣点以及对应的兴趣点权重值),则在用户组特征矩阵中,对应位置的win值为0。
然后,可以用基于用户的协同过滤算法,对各个常驻区域的用户组特征矩阵进行运算,得到目标用户组的相似用户组,以及目标用户组与各个相似用户组的相似度。
可选地,当兴趣点映射到省、市、县、乡镇、街道等不同行政区域级别时,所生成的用户组特征矩阵分为不同的行政区域级别,相应的相似用户组分为不同行政区域级别下的相似用户组。
步骤406,基于目标用户组和目标用户组的相似用户组对目标区域内的兴趣点的兴趣度信息,确定出向目标用户组推荐的目标兴趣点。
本实施的步骤406与前述实施例的步骤204一致,步骤406的具体实现方式可以参考前述实施例中步骤204的描述,此处不再赘述。
将目标用户组的相似用户组对目标区域内的兴趣点的兴趣度信息作为兴趣点推荐的考量因素,可以使推荐的结果更客观,进而提高兴趣点推荐的准确性。另外,当目标用户的用户数据较少时,可以根据相似用户组的数据向目标用户组进行准确的推荐。
在上述结合图2和图4描述的实施例的一些可选的实现方式中,可以按照如下方式确定出向目标用户组推荐的目标兴趣点:首先,根据该目标用户组的相似用户组对该目标区域内的兴趣点的兴趣度信息,确定待选兴趣点以及该待选兴趣点对应的访问热度,然后根据待选兴趣点对应的访问热度以及目标用户组与相似用户组的相似度,确定目标兴趣点。
具体地,通过相似用户组对目标区域内的兴趣点的兴趣度信息,获取相似用户组在目标区域内访问的兴趣点以及对应的访问热度,若只有一个相似用户组,则根据该相似用户组的访问的兴趣点以及对应的访问热度确定出该相似用户组在目标区域内经常访问的一个或多个兴趣点,并将这些相似用户组经常访问的兴趣点作为待选兴趣点。
若目标用户组在目标区域内有多个相似用户组,则通过相似用户组对该目标区域内的兴趣点的兴趣度信息,获取每个相似用户组在目标区域内访问的兴趣点以及对应的访问热度,融合每个相似用户对兴趣点的访问热度,选出访问热度较高的至少一个兴趣点作为待选兴趣点,融合后的访问热度为待选兴趣点的访问热度,其中,融合操作可以是叠加计算、也可以是其他累积形式的计算方法。
接着,根据待选兴趣点对应的访问热度,以及这个待选兴趣点对应的相似用户组与目标用户组的相似度,选出最终的目标兴趣点。例如,使用User-Based协同过滤算法,找出与目标用户组相似度最高的K个用户组;然后,得到这K个用户组的兴趣点对推荐权重的集合P={(p1,y1),(p2,y2),…,(pn,yn)},其中,p代表待推荐兴趣点,集合P中的待推荐兴趣点可以属于不同行政区域级别,y代表推荐权重,该推荐权重可以根据用户组的相似度与待选兴趣点的访问热度计算得出,例如: rk代表用户组k与目标用户组的相似度,wkn代表k用户对待选兴趣点n的访问热度;最终,根据待选兴趣点集合P中各个待选兴趣点pn对应的最终权值yn,对pn进行排序,选出排序高的待选兴趣点向目标用户组进行推荐。
在本实施例中,通过使用所属常住地的热门兴趣点进行推荐,可以解决由于目标用户组用户数据过少时的冷启动问题。
可选地,当用户组的常驻区域包括用户组的常驻的至少两个不同级别的行政区域,目标区域包括至少两个不同级别的目标行政区域时,根据待选兴趣点对应的访问热度以及目标用户组与相似用户组的相似度,确定目标兴趣点可以通过如下方式实现:根据各级别的目标行政区域内的待选兴趣点的访问热度以及目标用户组与相似用户组的相似度,分别确定各级别的目标行政区域的目标兴趣点。
在本实施例中,可以根据各级别的目标行政区域内的待选兴趣点的访问热度以及目标用户组与相似用户组的相似度,针对各级别的目标行政区域确定目标兴趣点。并且根据各级别行政区域的目标兴趣点确定出最终的目标兴趣点。
例如,根据待选兴趣点的行政区域级别权值,确定待选兴趣点集合P′={(p1,y1*l1),(p2,y2*l2),…,(pn,yn*ln)},其中,p代表兴趣点、y代表推荐权重、l代表行政区域级别权值,街区级别、乡镇级别、县级、市级以及省级行政区域的级别权值可以赋值为,lblock:ltown:lcounty:lcity:lprov=5:4:3:2:1。最终,根据待选兴趣点集合P′中各个待选兴趣点pn对应的最终权值yn*ln,对pn进行排序,选出排序高的待选兴趣点向目标用户组进行推荐。通过引入兴趣点的行政区域级别权值作为兴趣点推荐排序的参考,使行政区域级别更低、地理位置更具体的待选兴趣点更容易被筛选出来,进而提高推荐的兴趣点的位置精确度。另外,由于不同行政区域级别兴趣点对应的交通便利度不同,通过调整兴趣点行政区域级别权值,可以使符合用户组出行需求的兴趣点更易被选出,可以提高用户组的出行舒适度以及满意度。
本公开的上述实施例提供的方法通过将家庭组内各家庭成员的需求以及关注点纳入兴趣点推荐的考量因素,实现了针对家庭组的兴趣点推荐,并且由于将兴趣点的行政区域级别作为推荐兴趣点的考量因素,使推荐的兴趣点的地理位置精确度较高。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于推荐兴趣点的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于推荐兴趣点的装置500包括:分组单元501,获取单元502,确定单元503,推荐单元504。其中,分组单元501配置用于获取至少一个用户的用户设备信息,并根据该用户设备信息将该至少一个用户划分为至少一个用户组;获取单元502配置用于获取该用户在预设时间段内的位置相关信息,根据该用户组内各用户的该位置相关信息确定各该用户组的常驻区域、以及各该用户组对该常驻区域内的兴趣点的兴趣度信息;确定单元503配置用于基于常驻区域为同一目标区域的各用户组对该目标区域内的兴趣点的兴趣度信息,确定出目标用户组的相似用户组;推荐单元504配置用于基于该目标用户组和该目标用户组的相似用户组对该目标区域内的兴趣点的兴趣度信息,确定出向该目标用户组推荐的目标兴趣点。
本公开的上述实施例提供的装置通过将用户组内各用户的需求以及关注点纳入兴趣点推荐的考量因素,实现了针对用户组的兴趣点推荐。
在一个实施例中,分组单元配置用于将连接相同无线网络接入点的用户设备对应的用户划分为同一个用户组。
在一个实施例中,获取单元502,包括:地理位置访问数据获取模块,配置用于获取上述用户组内各用户在预设时间段内的地理位置访问数据,其中,地理位置访问数据包括访问的兴趣点及访问兴趣点的频次;常驻区域确定模块,配置用于根据上述用户组内各用户对访问的各兴趣点的访问频次的统计结果,确定用户组对各兴趣点的访问热度以及用户组的常驻区域;兴趣度信息确定模块,配置用于根据上述用户组的常驻区域以及用户组对各兴趣点的访问热度,生成各用户组对常驻区域内的兴趣点的兴趣度信息。
在一个实施例中,用户组对常驻区域内的兴趣点的兴趣度信息包括:表征用户组对常驻区域内的各兴趣点的兴趣度信息的用户组特征向量;以及确定单元包括:构建模块,配置用于基于常驻区域为同一目标区域的各用户组的用户组特征向量构建该常驻区域的用户组特征矩阵;确定子模块,配置用于基于该常住区域的用户组特征矩阵,采用协同过滤算法,确定目标用户组的相似用户组。
在一个实施例中,常驻区域确定模块,包括:访问热度确定模块,被配置为根据用户组内各用户对访问的各兴趣点的访问频次的统计结果,确定用户组对各兴趣点的访问热度;分级常驻区域确定模块,被配置为根据用户访问的各兴趣点所属的行政区域,对该用户组对至少两级行政区域的兴趣点的访问频次进行统计,根据统计结果确定该用户组的常驻的至少两个不同级别的行政区域。
在一个实施例中,推荐单元504,包括:待选兴趣点及热度确定模块,被配置为根据目标用户组的相似用户组对目标区域内的兴趣点的兴趣度信息,确定待选兴趣点以及该待选兴趣点对应的访问热度;目标兴趣点确定模块,被配置为根据上述待选兴趣点对应的访问热度以及目标用户组与相似用户组的相似度,确定目标兴趣点。
在一个实施例中,用户组的常驻区域包括用户组的常驻的至少两个不同级别的行政区域,目标区域包括至少两个不同级别的目标行政区域;待选兴趣点及热度确定模块,包括:分级待选兴趣点及热度确定模块,被配置为根据目标用户组的相似用户组对各级别的目标行政区域内的兴趣点的兴趣度信息,分别确定各级别的目标行政区域内的待选兴趣点以及待选兴趣点的访问热度;目标兴趣点确定模块,包括:分级目标兴趣点确定模块,被配置为根据各级别的目标行政区域内的待选兴趣点的访问热度以及目标用户组与相似用户组的相似度,分别确定各级别的目标行政区域的目标兴趣点。
上述装置500中的各单元与参考图2和图4描述的方法中的步骤相对应。由此上文针对用于兴趣点推荐的方法描述的操作、特征及所能达到的技术效果同样适用于装置500及其中包含的单元,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的用于推荐兴趣点的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,该存储器存储有可由至少一个处理器执行的指令,以使该至少一个处理器执行本申请所提供的用于推荐兴趣点的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的推荐兴趣点的方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的用于推荐兴趣点的方法对应的程序指令/模块(例如,附图5所示的分组单元501、获取单元502、确定单元503、推荐单元504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于推荐兴趣点的方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据用于推荐兴趣点的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至用于推荐兴趣点的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于推荐兴趣点的方法的电子设备还可以包括:输入装置603、输出装置604以及总线605。处理器601、存储器602、输入装置603和输出装置604可以通过总线605或者其他方式连接,图6中以通过总线605连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与用于推荐兴趣点的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (16)
1.一种用于推荐兴趣点的方法,其中,包括:
获取至少一个用户的用户设备信息,并根据所述用户设备信息将所述至少一个用户划分为至少一个用户组;
获取所述用户在预设时间段内的位置相关信息,根据所述用户组内各用户的所述位置相关信息确定各所述用户组的常驻区域、以及各所述用户组对所述常驻区域内的兴趣点的兴趣度信息;
基于常驻区域为同一目标区域的各用户组对所述目标区域内的兴趣点的兴趣度信息,确定出目标用户组的相似用户组;
基于所述目标用户组和所述目标用户组的相似用户组对所述目标区域内的兴趣点的兴趣度信息,确定出向所述目标用户组推荐的目标兴趣点。
2.根据权利要求1所述的方法,其中,所述用户设备信息包括用户设备连接的无线网络接入点的信息;
所述根据所述用户设备信息将所述至少一个用户划分为至少一个用户组,包括:
将连接相同无线网络接入点的用户设备对应的用户划分为同一个用户组。
3.根据权利要求1所述的方法,其中,所述获取所述用户在预设时间段内的位置相关信息,根据所述用户组内各用户的所述位置相关数据确定各所述用户组的常驻区域、以及各所述用户组对所述常驻区域内的兴趣点的兴趣度信息,包括:
获取所述用户组内各用户在所述预设时间段内的地理位置访问数据,其中,所述地理位置访问数据包括访问的兴趣点及访问兴趣点的频次;
根据所述用户组内各用户对访问的各兴趣点的访问频次的统计结果,确定所述用户组对各兴趣点的访问热度以及所述用户组的常驻区域;
根据所述用户组的常驻区域以及所述用户组对各兴趣点的访问热度,生成各所述用户组对所述常驻区域内的兴趣点的兴趣度信息。
4.根据权利要求3所述的方法,其中,所述用户组对所述常驻区域内的兴趣点的兴趣度信息包括:表征所述用户组对常驻区域内的各兴趣点的兴趣度信息的用户组特征向量;以及
所述基于常驻区域为同一目标区域的各用户组对所述目标区域内的兴趣点的兴趣度信息,确定出目标用户组的相似用户组,包括:
基于常驻区域为同一目标区域的各用户组的用户组特征向量构建所述常驻区域的用户组特征矩阵;
基于所述常驻区域的用户组特征矩阵,采用协同过滤算法,确定所述目标用户组的相似用户组。
5.根据权利要求3所述的方法,其中,所述根据所述用户组内各用户对访问的各兴趣点的访问频次的统计结果,确定所述用户组对各兴趣点的访问热度以及所述用户组的常驻区域,包括:
根据用户组内各用户对访问的各兴趣点的访问频次的统计结果,确定用户组对各兴趣点的访问热度;
根据用户访问的各兴趣点所属的行政区域,对所述用户组对至少两级行政区域的兴趣点的访问频次进行统计,根据统计结果确定所述用户组的常驻的至少两个不同级别的行政区域。
6.根据权利要求1-5任一项所述的方法,其中,所述基于所述目标用户组和所述目标用户组的相似用户组对所述目标区域内的兴趣点的兴趣度信息,确定出向所述目标用户组推荐的目标兴趣点,包括:
根据所述目标用户组的相似用户组对所述目标区域内的兴趣点的兴趣度信息,确定待选兴趣点以及所述待选兴趣点对应的访问热度;
根据所述待选兴趣点对应的所述访问热度以及所述目标用户组与所述相似用户组的相似度,确定所述目标兴趣点。
7.根据权利要求6所述的方法,其中,所述用户组的常驻区域包括所述用户组的常驻的至少两个不同级别的行政区域,所述目标区域包括至少两个不同级别的目标行政区域;以及
所述根据所述目标用户组的相似用户组对所述目标区域内的兴趣点的兴趣度信息,确定待选兴趣点以及所述待选兴趣点对应的所述访问热度,包括:
根据目标用户组的相似用户组对各级别的所述目标行政区域内的兴趣点的兴趣度信息,分别确定各级别的目标行政区域内的待选兴趣点以及待选兴趣点的访问热度;
所述根据所述待选兴趣点对应的所述访问热度以及所述目标用户组与所述相似用户组的相似度,确定所述目标兴趣点,包括:
根据各级别的目标行政区域内的待选兴趣点的访问热度以及所述目标用户组与所述相似用户组的相似度,分别确定各级别的目标行政区域的目标兴趣点。
8.一种用于推荐兴趣点的装置,其中,包括:
分组单元,被配置为获取至少一个用户的用户设备信息,并根据所述用户设备信息将所述至少一个用户划分为至少一个用户组;
获取单元,被配置为获取所述用户在预设时间段内的位置相关信息,根据所述用户组内各用户的所述位置相关信息确定各所述用户组的常驻区域、以及各所述用户组对所述常驻区域内的兴趣点的兴趣度信息;
确定单元,被配置为基于常驻区域为同一目标区域的各用户组对所述目标区域内的兴趣点的兴趣度信息,确定出目标用户组的相似用户组;
推荐单元,被配置为基于所述目标用户组和所述目标用户组的相似用户组对所述目标区域内的兴趣点的兴趣度信息,确定出向所述目标用户组推荐的目标兴趣点。
9.根据权利要求8所述的装置,其中,所述用户设备信息包括用户设备连接的无线网络接入点的信息;
所述分组单元被配置为:
将连接相同无线网络接入点的用户设备对应的用户划分为同一个用户组。
10.根据权利要求8所述的装置,其特征在于,所述获取单元包括:
地理位置访问数据获取模块,被配置为获取所述用户组内各用户在所述预设时间段内的地理位置访问数据,其中,所述地理位置访问数据包括访问的兴趣点及访问兴趣点的频次;
常驻区域确定模块,被配置为根据所述用户组内各用户对访问的各兴趣点的访问频次的统计结果,确定所述用户组对各兴趣点的访问热度以及所述用户组的常驻区域;
兴趣度信息确定模块,被配置为根据所述用户组的常驻区域以及所述用户组对各兴趣点的访问热度,生成各所述用户组对所述常驻区域内的兴趣点的兴趣度信息。
11.根据权利要求10所述的装置,其中,所述用户组对所述常驻区域内的兴趣点的兴趣度信息包括:表征所述用户组对常驻区域内的各兴趣点的兴趣度信息的用户组特征向量;以及
所述确定单元包括:
构建模块,被配置为基于常驻区域为同一目标区域的各用户组的用户组特征向量构建所述常驻区域的用户组特征矩阵;
确定子模块,被配置为基于所述常驻区域的用户组特征矩阵,采用协同过滤算法,确定所述目标用户组的相似用户组。
12.根据权利要求10所述的装置,其中,所述常驻区域确定模块,包括:
访问热度确定模块,被配置为根据用户组内各用户对访问的各兴趣点的访问频次的统计结果,确定用户组对各兴趣点的访问热度;
分级常驻区域确定模块,被配置为根据用户访问的各兴趣点所属的行政区域,对所述用户组对至少两级行政区域的兴趣点的访问频次进行统计,根据统计结果确定所述用户组的常驻的至少两个不同级别的行政区域。
13.根据权利要求8-12任一项所述的装置,其中,所述推荐单元,包括:
待选兴趣点及热度确定模块,被配置为根据所述目标用户组的相似用户组对所述目标区域内的兴趣点的兴趣度信息,确定待选兴趣点以及所述待选兴趣点对应的访问热度;
目标兴趣点确定模块,被配置为根据所述待选兴趣点对应的所述访问热度以及所述目标用户组与所述相似用户组的相似度,确定所述目标兴趣点。
14.根据权利要求13所述的装置,其中,所述用户组的常驻区域包括所述用户组的常驻的至少两个不同级别的行政区域,所述目标区域包括至少两个不同级别的目标行政区域;以及
所述待选兴趣点及热度确定模块,被配置为根据目标用户组的相似用户组对各级别的所述目标行政区域内的兴趣点的兴趣度信息,分别确定各级别的目标行政区域内的待选兴趣点以及待选兴趣点的访问热度;
所述目标兴趣点确定模块被配置为,根据各级别的目标行政区域内的待选兴趣点的访问热度以及所述目标用户组与所述相似用户组的相似度,分别确定各级别的目标行政区域的目标兴趣点。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010320453.8A CN111523031B (zh) | 2020-04-22 | 2020-04-22 | 用于推荐兴趣点的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010320453.8A CN111523031B (zh) | 2020-04-22 | 2020-04-22 | 用于推荐兴趣点的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523031A CN111523031A (zh) | 2020-08-11 |
CN111523031B true CN111523031B (zh) | 2023-03-31 |
Family
ID=71903653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010320453.8A Active CN111523031B (zh) | 2020-04-22 | 2020-04-22 | 用于推荐兴趣点的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523031B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115225B (zh) * | 2020-09-25 | 2024-03-01 | 北京百度网讯科技有限公司 | 一种推荐感兴趣区域方法、装置、设备和介质 |
CN112861026B (zh) * | 2021-02-07 | 2022-02-25 | 贝壳找房(北京)科技有限公司 | 用户偏好挖掘方法、装置、介质和电子设备 |
CN113360590B (zh) * | 2021-06-22 | 2024-03-12 | 北京百度网讯科技有限公司 | 兴趣点信息的更新方法、装置、电子设备及存储介质 |
CN113761381B (zh) * | 2021-09-23 | 2023-08-08 | 北京百度网讯科技有限公司 | 兴趣点推荐的方法、装置、设备以及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010126973A1 (en) * | 2009-04-29 | 2010-11-04 | Amazon Technologies, Inc. | Generating recommendations based on similarities between location information of multiple users |
WO2011072745A1 (en) * | 2009-12-17 | 2011-06-23 | Tomtom International B.V. | Dynamic point of interest suggestion |
US8782034B1 (en) * | 2011-08-17 | 2014-07-15 | Google Inc. | Utilizing information about user-visited places to recommend novel spaces to explore |
CN103995907A (zh) * | 2014-06-13 | 2014-08-20 | 北京奇艺世纪科技有限公司 | 一种访问用户的确定方法 |
CN105740401A (zh) * | 2016-01-28 | 2016-07-06 | 北京理工大学 | 一种基于个体行为和群体兴趣的兴趣地点推荐方法及装置 |
CN106254486A (zh) * | 2016-08-12 | 2016-12-21 | 东北大学 | 一种基于位置推荐的光无线混合虚拟网络嵌入方法及系统 |
CN107679053A (zh) * | 2017-06-12 | 2018-02-09 | 平安科技(深圳)有限公司 | 地点推荐方法、装置、计算机设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140040761A1 (en) * | 2012-08-03 | 2014-02-06 | Google Inc. | Providing an update associated with a user-created point of interest |
US10831827B2 (en) * | 2016-04-01 | 2020-11-10 | International Business Machines Corporation | Automatic extraction of user mobility behaviors and interaction preferences using spatio-temporal data |
-
2020
- 2020-04-22 CN CN202010320453.8A patent/CN111523031B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010126973A1 (en) * | 2009-04-29 | 2010-11-04 | Amazon Technologies, Inc. | Generating recommendations based on similarities between location information of multiple users |
CN102414712A (zh) * | 2009-04-29 | 2012-04-11 | 亚马逊科技公司 | 根据多个用户的地址信息之间的相似性产生推荐 |
CN107644367A (zh) * | 2009-04-29 | 2018-01-30 | 亚马逊科技公司 | 根据多个用户的地址信息之间的相似性产生推荐 |
WO2011072745A1 (en) * | 2009-12-17 | 2011-06-23 | Tomtom International B.V. | Dynamic point of interest suggestion |
US8782034B1 (en) * | 2011-08-17 | 2014-07-15 | Google Inc. | Utilizing information about user-visited places to recommend novel spaces to explore |
CN103995907A (zh) * | 2014-06-13 | 2014-08-20 | 北京奇艺世纪科技有限公司 | 一种访问用户的确定方法 |
CN105740401A (zh) * | 2016-01-28 | 2016-07-06 | 北京理工大学 | 一种基于个体行为和群体兴趣的兴趣地点推荐方法及装置 |
CN106254486A (zh) * | 2016-08-12 | 2016-12-21 | 东北大学 | 一种基于位置推荐的光无线混合虚拟网络嵌入方法及系统 |
CN107679053A (zh) * | 2017-06-12 | 2018-02-09 | 平安科技(深圳)有限公司 | 地点推荐方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
王榆圣.位置社交网络的兴趣点推荐算法研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2020,全文. * |
陶永才 等.基于用户签到行为的群组兴趣点推荐模型.《小型微型计算机系统》.2018,第39卷(第39期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111523031A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111538904B (zh) | 用于推荐兴趣点的方法和装置 | |
CN111523031B (zh) | 用于推荐兴趣点的方法和装置 | |
US11758501B2 (en) | System and method for matching using location information | |
US10511933B2 (en) | Travel recommendations on online social networks | |
CN110726418B (zh) | 兴趣点区域确定方法、装置、设备及存储介质 | |
CN106537384B (zh) | 使用指示用户位置的数据的逆向ip数据库 | |
Husain et al. | A framework of a personalized location-based traveler recommendation system in mobile application | |
US20170046802A1 (en) | Travel Itinerary Generation on Online Social Networks | |
CN109409612B (zh) | 一种路径规划方法、服务器及计算机存储介质 | |
JP7159405B2 (ja) | 地図情報表示方法、装置、電子デバイス及び記憶媒体 | |
US20130122937A1 (en) | String Based Travel System and Methods Thereof | |
US12026190B2 (en) | Access points for maps | |
CN112559901B (zh) | 资源推荐的方法、装置、电子设备、存储介质及计算机程序产品 | |
CN111737382A (zh) | 地理位置点的排序方法、训练排序模型的方法及对应装置 | |
CN112115387B (zh) | 兴趣点poi推荐模型的训练方法、装置和电子设备 | |
KR101523192B1 (ko) | 소셜 검색 시스템 및 기법 | |
CN112559876A (zh) | 地图搜索结果的展现方法、装置、设备及存储介质 | |
CN111625724A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN111241225A (zh) | 常驻区域变更的判断方法、装置、设备及存储介质 | |
CN115456691A (zh) | 线下广告位的推荐方法、装置、电子设备及存储介质 | |
Bok et al. | A Social Search Scheme Considering User Preferences and Popularities in Mobile Environments | |
WO2018048554A1 (en) | Outputting content based on interests of other users | |
CN112861023A (zh) | 地图信息处理方法、装置、设备、存储介质及程序产品 | |
US11490232B2 (en) | Location-based conversation identifier | |
CN113836252B (zh) | 用于确定地理坐标的方法和装置 |
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 |