CN113222000B - 一种根据位置动态创建和解散群组的方法及系统 - Google Patents

一种根据位置动态创建和解散群组的方法及系统 Download PDF

Info

Publication number
CN113222000B
CN113222000B CN202110492017.3A CN202110492017A CN113222000B CN 113222000 B CN113222000 B CN 113222000B CN 202110492017 A CN202110492017 A CN 202110492017A CN 113222000 B CN113222000 B CN 113222000B
Authority
CN
China
Prior art keywords
group
user
cluster
similarity
users
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
Application number
CN202110492017.3A
Other languages
English (en)
Other versions
CN113222000A (zh
Inventor
李向宁
肖凌峰
蔡宇旗
覃书农
廖永平
赵君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN202110492017.3A priority Critical patent/CN113222000B/zh
Publication of CN113222000A publication Critical patent/CN113222000A/zh
Application granted granted Critical
Publication of CN113222000B publication Critical patent/CN113222000B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04Real-time or near real-time messaging, e.g. instant messaging [IM]
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21Monitoring or handling of messages
    • H04L51/222Monitoring or handling of messages using geographical location information, e.g. messages transmitted or received in proximity of a certain spot or area

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种根据位置动态创建和解散群组的方法及系统,包括:服务器初始化空的群组集合;服务器以一定的频率通过用户所携带的移动设备的位置获取用户位置;服务器根据用户位置,寻找满足时间稳定度要求的用户聚集簇;服务器基于相似度阈值对比用户聚集簇与群组集合中的群组,根据对比结果执行群组的创建、解散、加入用户、移出用户等操作。本发明能够将地理位置相近的陌生人自动实现创建和解散群组、用户加入和退出群组,不需要在加入群组前主动搜索和筛选附近的用户群组,简化了用户的操作流程,减少了搜寻合适群组的时间,提高了用户体验。

Description

一种根据位置动态创建和解散群组的方法及系统
技术领域
本发明涉及网络通信领域的社交群组,特别地,涉及到一种关于移动设备的社交群组的创建和解散。
背景技术
在日常生活中,地理位置相近的人,如处于同一电影院的观众、乘坐同一列车的旅客、位于同一突发事件现场的目击者等,通常具有共同的关注点。这就意味着他们之间存在通过社交群组进行在线交流的需求。当前的智能设备如手机、手环等都具有位置定位功能,这使得位置相近的智能设备用户通过社交群组进行在线交流成为了可能。
现有的根据用户位置创建和解散社交群组的方法,一般需要用户主动发起创建和解散群组;当其他用户进入群组对应区域时,需要用户主动搜索和筛选附近的群组后才能申请加入群组;当用户离开群组对应区域时,需要用户主动申请退出群组,而用户主动创建、解散、加入、退出群组比较耗费用户的时间,影响用户的体验,因此需要一种自动执行上述操作的方法。
已公开专利《一种5G网络下自动建立群组的方法和系统》(专利号CN201910651213.3)提供了一种基于预设位置范围并结合位置管理功能实体建立群组会话的方法,此方法在自动建群的基础上考虑到了用户的位置信息,但此方法只能为处于预设位置范围内的用户自动建群,无法解决用户聚集区域不固定,聚集区域保持移动等情况下的自动建群、退群、加群、解散群等问题。
已公开专利《建立群组的方法、装置和计算机设备》(专利号CN202010443605.3)提供了一种基于目标用户与其它用户的关联关系建群方法,此方法通过用户的关系链确定与目标用户具有归属关系的用户组,进而创建群组。此方法基于目标用户与其他用户的社交关系创建群组,不能解决具有地理聚集关系的若干用户的自动建群、退群、加群、解散群等问题。
目前的自动创建和解散群组的相关技术无法解决用户在地理上聚集、聚集区域会发生变化、聚集的用户会发生变化的情况下的群组创建和解散问题。
发明内容
为解决现有技术中存在的上述缺陷,本发明提供一种根据位置动态创建和解散群组的方法和系统,通过时空聚类算法寻找用户聚集簇,对比用户聚集簇和现有群组的相似度,达到动态地执行创建、解散、加入、退出群组等操作的目的。
本发明提供了一种根据位置动态创建和解散群组的方法,包括下述步骤:
步骤1,初始化空,创建空的群组集合;
步骤2,以一定的频率通过用户所携带的移动设备获取用户位置;
步骤3,根据一段时间内的用户位置,寻找用户聚集簇;
步骤4,计算群组和用户聚集簇之间相似度,基于相似度阈值对比用户聚集簇与群组集合中的群组,根据对比结果以并行或串行的方式执行以下过程:
对于任意群组集合中的群组,若不存在与其相似度满足相似度阈值的用户聚集簇,则解散该群组;
对于任意群组集合中的群组,若存在与其相似度满足相似度阈值的用户聚集,则簇找到与该群组相似度最大的用户聚集簇,将处于该用户聚集簇而不处于该群组的用户加入该群组;
对于任意群组集合中的群组,若存在与其相似度满足相似度阈值的用户聚集,则簇找到与该群组相似度最大的用户聚集簇,将处于该群组而不处于该用户聚集簇的用户移出该群组;
对任意用户聚集簇,若不存在与其相似度满足相似度阈值的群组集合中的群组,则将该用户聚集簇内的用户创建为群组;
重复执行步骤2到步骤4,依此过程实现根据位置动态创建和解散群组。
优选的,所述用户位置,包括经纬度坐标、由经纬度加海拔组成的三维坐标,或以已知位置为原点的相对坐标。
优选的,所述用户聚集簇是指经过时空聚类算法计算得到的满足时间稳定度要求的用户集合。
优选的,所述步骤3寻找用户聚集簇,是指将一段时间内的用户位置信息作为包括Buddy-based Companion Discovery算法、The Clustering-and-Intersection Method算法、The Smart-and-Closed Algorithm算法的时空聚类算法的输入,聚类得到满足时间稳定度要求的用户聚集簇的过程。
优选的,所述时间稳定度为聚类对象在时空聚类算法中成簇,所需要保持的最短时间。
优选的,所述步骤4,具体包括以下步骤:
步骤41,遍历群组集合中的群组集合,分别计算每个群组与所有用户聚集簇相似度;
步骤42,判断对于每个群组,是否存在用户聚集簇,使该用户聚集簇与所述群组的相似度满足阈值;若不存在这样的用户聚集簇,则解散所述群组;若存在这样的用户聚集簇,则取与所述群组相似度最大的用户聚集簇,将该用户聚集簇标记为已建群组;将所述群组内不属于该用户聚集簇的用户移出所述群组,将该用户聚集簇内不在所述群组中的用户加入所述群组;
步骤43,对于所有没被标记为已建群组的用户聚集簇,为其中的用户创建群组。
优选的,所述步骤4,具体包括以下步骤:
步骤41,遍历当前用户聚集簇集合,分别计算每个用户聚集簇与所有群组的相似度;
步骤42,判断对于每个用户聚集簇,是否存在群组,使该群组与所述用户聚集簇的相似度满足阈值。若不存在这样的群组,则将所述用户聚集簇内的用户创建为群组;若存在这样的群组,则取与所述用户聚集簇相似度最大的群组,将该群组标记为待保留,将该群组内不属于所述用户聚集簇的用户移出该群组,将所述用户聚集簇内属于该群组的用户加入该群组;
步骤43,解散所有没被标记为待保留的群组。
优选的,所述步骤4,具体包括以下步骤:
步骤41,计算所有群组和所有用户聚集簇之间的相似度;
步骤42,基于相似度,建立群组和用户聚集簇之间的对应关系。具有对应关系的群组和用户聚集簇应该同时满足两个条件:二者的相似度满足相似度阈值;所述用户聚集簇是所有用户聚集簇中与所述群组相似度最大的那一个,同时所述群组是所有群组中与所述用户聚集簇相似度最大的那一个;
步骤43,以并行或串行的方式执行以下步骤:
对任意群组,若所述群组已经建立对应关系,则找到所述群组对应的用户聚集簇,将所述群组中不处于所述用户聚集簇的用户移出群组;
对任意群组,若所述群组未与任何用户聚集簇建立对应关系,则解散所述群组;
对任意用户聚集簇,若所述用户聚集簇未与任何群组建立对应关系,则将所述用户聚集簇内的用户创建为群组;
对任意用户聚集簇,若所述用户聚集簇已经建立对应关系,则找到所述用户聚集簇对应的群组,将所述用户聚集簇中不处于所述群组的用户加入所述群组。
优选的,所述步骤41,具体包括以下步骤:
步骤411,取群组和用户聚集簇的交集和并集;
步骤412,计算群组和用户聚集簇的相似度。
本发明进一步提供了一种根据位置动态创建和解散群组的系统,包括服务器和客户端;
客户端包括:采集模块,用于采集用户位置信息;
交互模块,用于把服务器或其他客户端传来的信息展示给用户,并接收用户输入的信息;
客户端传输模块,用于将采集模块获取的用户位置传给服务器,也用于将来自服务器的信息传给交互模块,或将交互模块获取的用户输入信息传给服务器;
服务器包括:处理模块,根据位置,寻找出用户聚集簇并执行群组的创建、解散、加入用户、移出用户等操作的软件模块;
服务器传输模块,用于将客户端传来的用户位置传给处理模块,或将来自不同客户端的消息转发给其他客户端;
所述客户端通过采集模块获取用户位置信息,通过客户端传输模块将该信息传输至交互模块,通过服务器传输模块将该信息传输至服务器处理模块,实现根据位置动态创建和解散群组。
本发明与现有技术相比具有以下的优势:
(1)本发明创建和解散群组的过程依赖于用户的地理位置以及时间位置,因此,群组内用户可以是陌生人。更重要的是,位置聚集的陌生人是有很大概率处于相同的活动中的,本发明能够将地理位置相近的陌生人组成群组,有利于同一活动现场的人们进行沟通和交流。
(2)本发明通过时空聚类方法和计算群组和用户聚集簇的相似度,实现一种根据位置动态创建和解散群组的系统。该系统能自动创建和解散群组,能自动管理用户加入和退出群组,不需要用户主动创建群组,也不需要在加入群组前主动搜索和筛选附近的用户群组。这简化了用户的操作流程,节省了用户搜寻合适群组所花费的时间,减少了沟通不活跃的用户和群组,提高了用户的体验。
(3)进一步的,通过改变创建群组、加入群组、退出群组、解散群组的执行顺序,给出三种创建和解散群组的优选方法,能使系统在面对真实复杂的实际情况更加地灵活有效,提高了系统的可靠性。其中,第一种与第二种方法通过串行执行步骤实现创建和解散群组,这两种方法占用计算资源较少,第三种创建和解散群组既能串行执行又能并行执行,并行执行时相比前面两种方法效率会大大提升。
附图说明
为了更清楚地说明本发明的实施例,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述的附图仅仅是本发明的一些实施例。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为本发明一种根据位置动态创建和解散群组的方法流程图;
图2为本发明一种根据位置动态创建和解散群组的方法的群组的创建、解散、加入用户、移出用户等操作流程图;
图3为本发明一种根据位置动态创建和解散群组的方法的相似度计算流程图;
图4为本发明一种根据位置动态创建和解散群组的系统结构图;
图5为本发明一种根据位置动态创建和解散群组的方法的示例图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。
如图1所示,本发明实施例提供的一种根据位置动态创建和解散群组的方法,具体包括如下步骤:
步骤1,初始化,创建空的群组集合G。
步骤2,以一定的频率通过用户所携带的移动设备获取用户位置。用户位置包括经纬度坐标、由经纬度加海拔组成的三维坐标,或以已知位置为原点的相对坐标。
步骤3,根据一段时间内的用户位置,寻找用户聚集簇。用户聚集簇是指经过时空聚类算法计算得到的满足时间稳定度要求的用户集合。寻找用户聚集簇,是指将一段时间内的用户位置信息作为包括Buddy-based Companion Discovery算法、The Clustering-and-Intersection Method算法、The Smart-and-Closed Algorithm算法的时空聚类算法的输入,聚类得到满足时间稳定度要求的用户聚集簇的过程,时间稳定度为聚类对象在时空聚类算法中成簇,所需要保持的最短时间。
步骤4,如图2所示,计算群组和用户聚集簇之间相似度,基于相似度阈值对比用户聚集簇与群组集合中的群组,根据对比结果以并行或串行的方式执行以下过程:
对于任意群组集合中的群组,若不存在与其相似度满足相似度阈值的用户聚集簇,则解散该群组;对于任意群组集合中的群组,若存在与其相似度满足相似度阈值的用户聚集,则簇找到与该群组相似度最大的用户聚集簇,将处于该用户聚集簇而不处于该群组的用户加入该群组;对于任意群组集合中的群组,若存在与其相似度满足相似度阈值的用户聚集,则簇找到与该群组相似度最大的用户聚集簇,将处于该群组而不处于该用户聚集簇的用户移出该群组;对任意用户聚集簇,若不存在与其相似度满足相似度阈值的群组集合中的群组,则将该用户聚集簇内的用户创建为群组。
在该步骤中,假定获取用户位置、寻找用户聚集簇的步骤已经完成,形成图5(1)所示的群组以及用户聚集簇,服务器经过如图5(2)所示的取交集并集、计算相似度的步骤,执行如图5(3)所示的加入群组、退出群组、解散群组、创建群组等操作。为叙述方便,图5中以黑点代指用户位置。本实施例对用户位置仅取二维坐标。
对于该步骤,可以设定有几种不同的实施方式,见图5所示。
在一个实施例中,具体包括以下步骤:
步骤41,计算所有群组gi∈G和所有用户聚集簇cj∈C之间的相似度,其中G为群组集合,C为用户聚集簇集合;
步骤42,判断是否存在用户聚集簇cj,使群组gi与用户聚集簇cj的相似度满足阈值,若不存在,则解散群组gi;若存在,则取与该群组相似度最大的用户聚集簇,将其标记为已建群组;将处于群组gi内而不处于用户聚集簇cj的用户移出群组;将处于用户聚集簇cj内而不处于群组gi中的用户加入该群组;
步骤43,对于所有没被标记为已建群组的用户聚集簇,将其中的用户创建为群组。
在另一个实施例中,具体包括以下步骤:
步骤41,计算所有群组gi∈G和所有用户聚集簇cj∈C之间的相似度,其中G为群组集合,C为用户聚集簇集合;
步骤42,判断是否存在群组gi,使gi与cj的相似度满足阈值,若不存在,则将用户聚集簇cj中的用户创建为群组,并将此群组加入到缓存群组集合G'中;若存在,则找到与用户聚集簇cj相似度最大的群组g,将处于用户聚集簇cj中而不处于相似度最大的群组g中的用户加入到相似度最大的群组g中;将处于相似度最大的群组g中而不处于用户聚集簇cj中的用户从相似度最大的群组g中移除;将相似度最大的群组g从群组集合G移至缓存群组集合G';
步骤43,将所有群组gi∈G解散,用缓存群组集合G'替换G。
在第三个实施例中,具体包括以下步骤:
步骤41,计算所有群组gi∈G和所有用户聚集簇cj∈C之间的相似度,其中G为群组集合,C为用户聚集簇集合;
步骤42,对任意群组gi∈G,判断是否存在用户聚集簇cj,使gi与cj的相似度满足阈值,若存在,则找到与群组gi相似度最大的用户聚集簇c,记录群组gi与用户聚集簇c的对应关系;
步骤43,以串行或并行的方式执行以下全部或部分步骤:
步骤43a,对任意群组gi∈G,若群组gi未与任何用户聚集簇cj∈C建立对应关系,则将其解散;
步骤43b,对任意群组gi∈G,若群组gi已经建立对应关系,则找到与其相似度最大的用户聚集簇c∈C,将处于群组gi而不处于用户聚集簇c的用户移出群组;
步骤43c,对任意用户聚集簇cj∈C,若cj已经建立对应关系,则找到与其对应的群组g∈G,将处于用户聚集簇cj而不处于相似度最大的群组g的用户加入群组g;
步骤43d,对任意用户聚集簇cj∈C,若cj未与任何群组gi∈G建立对应关系,则将用户聚集簇cj中的用户创建为群组,并将此群组加入到群组集合G中。
上述三个实施例中,步骤41如图3所示,具体为:
步骤411,遍历群组集合G,对任意群组gi∈G,分别取其与所有用户聚集簇cj∈C的交集和并集;
步骤412,使用公式计算所有群组gi∈G和所有用户聚集簇cj∈C之间的相似度:
式中,Sim为群组和用户聚集簇的相似度,g为待计算相似度的群组,c为待计算相似度的用户聚集簇,card(g∩c)为群组和用户聚集簇的交集中用户数目,card(g∪c)为群组和用户聚集簇的并集中用户数目。
步骤5,重复执行步骤2到步骤4,依此过程实现根据位置动态创建和解散群组。
本发明的方法是基于根据位置动态创建和解散群组系统的模块进行交互的。图4示出了一种根据位置动态创建和解散群组的系统的模块结构示意图。
该系统包括和服务端。
客户端包括:采集模块,见图4中401,获取用户位置并传给传输模块。交互模块,见图4中403,用于把客户端传输模块402中服务器或其他客户端传来的信息展示给用户,并把用户输入的信息发送给客户端传输模块402。客户端传输模块,见图4中402,用于将采集模块401获取的用户位置传给服务器,也用于将来自服务器传输模块404中传输的信息传给交互模块403,或将交互模块403获取的用户输入的信息传给服务器传输模块404。
服务器包括:处理模块,见图4中405,根据服务器传输模块404获得的用户位置,寻找出用户聚集簇,执行群组的创建、解散、加入用户、移出用户等操作。并把上述操作的消息传给服务器传输模块404。服务器传输模块,见图4中404,用于将客户端传来的用户位置传给处理模块405,也用于将群组创建或解散消息传给客户端传输模块402,或将来自在不同客户端传输模块的消息转发给其他客户端传输模块。
客户端通过采集模块获取用户位置信息,通过客户端传输模块将该信息传输至交互模块,通过服务器传输模块将该信息传输至服务器处理模块,实现根据位置动态创建和解散群组。
通过以上实施例可以确定,本发明提供一种根据位置动态创建和解散群组的系统及方法,通过时空聚类方法和计算群组和用户聚集簇的相似度动态创建和解散群组,并自动管理用户加入和退出群组,不需要用户主动创建群组,也不需要在加入群组前主动搜索和筛选附近的用户群组,为地理位置相近的人及时进行线上沟通提供极大的便利。
需要说明的是,上述实施例均为一种优选实施方式,不应成为对本发明一种根据位置动态创建和解散群组方法的限制。专业技术人员可以进一步,结合本文中所公开的实施例描述的各示例的模块以及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现本发明。专业技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种根据位置动态创建和解散群组的方法,其特征在于,包括下述步骤:
步骤1,初始化,创建空的群组集合;
步骤2,以一定的频率通过用户所携带的移动设备获取用户位置;
步骤3,根据一段时间内的用户位置,寻找用户聚集簇;
所述步骤3寻找用户聚集簇,是指将一段时间内的用户位置信息作为包括Buddy-basedCompanion Discovery算法、The Clustering-and-Intersection Method算法、The Smart-and-Closed Algorithm算法的时空聚类算法的输入,聚类得到满足时间稳定度要求的用户聚集簇的过程;
所述时间稳定度为,聚类对象在时空聚类算法中成簇,所需要保持的最短时间;
步骤4,计算群组和用户聚集簇之间相似度,基于相似度阈值对比用户聚集簇与群组集合中的群组,根据对比结果以并行或串行的方式执行以下过程:
对于任意群组集合中的群组,若不存在与其相似度满足相似度阈值的用户聚集簇,则解散该群组;
对于任意群组集合中的群组,若存在与其相似度满足相似度阈值的用户聚集,则簇找到与该群组相似度最大的用户聚集簇,将处于该用户聚集簇而不处于该群组的用户加入该群组;
对于任意群组集合中的群组,若存在与其相似度满足相似度阈值的用户聚集,则簇找到与该群组相似度最大的用户聚集簇,将处于该群组而不处于该用户聚集簇的用户移出该群组;
对任意用户聚集簇,若不存在与其相似度满足相似度阈值的群组集合中的群组,则将该用户聚集簇内的用户创建为群组;
所述步骤4,具体包括以下步骤:
步骤41,遍历群组集合中的群组集合,分别计算每个群组与所有用户聚集簇相似度;
步骤42,判断对于每个群组,是否存在用户聚集簇,使该用户聚集簇与所述群组的相似度满足阈值;若不存在这样的用户聚集簇,则解散所述群组;若存在这样的用户聚集簇,则取与所述群组相似度最大的用户聚集簇,将该用户聚集簇标记为已建群组;将所述群组内不属于该用户聚集簇的用户移出所述群组,将该用户聚集簇内不在所述群组中的用户加入所述群组;
步骤43,对于所有没被标记为已建群组的用户聚集簇,为其中的用户创建群组;
步骤5,重复执行步骤2到步骤4,依此过程实现根据位置动态创建和解散群组。
2.按照权利要求1所述的一种根据位置动态创建和解散群组的方法,其特征在于,所述用户位置,包括经纬度坐标、由经纬度加海拔组成的三维坐标,或以已知位置为原点的相对坐标。
3.按照权利要求1所述的一种根据位置动态创建和解散群组的方法,其特征在于,所述用户聚集簇是指经过时空聚类算法计算得到的满足时间稳定度要求的用户集合。
4.按照权利要求1所述的一种根据位置动态创建和解散群组的方法,其特征在于,所述步骤4,具体包括以下步骤:
步骤41,遍历当前用户聚集簇集合,分别计算每个用户聚集簇与所有群组的相似度;
步骤42,判断对于每个用户聚集簇,是否存在群组,使该群组与所述用户聚集簇的相似度满足阈值;若不存在这样的群组,则将所述用户聚集簇内的用户创建为群组;若存在这样的群组,则取与所述用户聚集簇相似度最大的群组,将该群组标记为待保留,将该群组内不属于所述用户聚集簇的用户移出该群组,将所述用户聚集簇内属于该群组的用户加入该群组;
步骤43,解散所有没被标记为待保留的群组。
5.按照权利要求1所述的一种根据位置动态创建和解散群组的方法,其特征在于,所述步骤4,具体包括以下步骤:
步骤41,计算所有群组和所有用户聚集簇之间的相似度;
步骤42,基于相似度,建立群组和用户聚集簇之间的对应关系;具有对应关系的群组和用户聚集簇应该同时满足两个条件:二者的相似度满足相似度阈值;所述用户聚集簇是所有用户聚集簇中与所述群组相似度最大的那一个,同时所述群组是所有群组中与所述用户聚集簇相似度最大的那一个;
步骤43,以并行或串行的方式执行以下步骤:
对任意群组,若所述群组已经建立对应关系,则找到所述群组对应的用户聚集簇,将所述群组中不处于所述用户聚集簇的用户移出群组;
对任意群组,若所述群组未与任何用户聚集簇建立对应关系,则解散所述群组;
对任意用户聚集簇,若所述用户聚集簇未与任何群组建立对应关系,则将所述用户聚集簇内的用户创建为群组;
对任意用户聚集簇,若所述用户聚集簇已经建立对应关系,则找到所述用户聚集簇对应的群组,将所述用户聚集簇中不处于所述群组的用户加入所述群组。
6.按照权利要求4-5任一项所述的一种根据位置动态创建和解散群组的方法,其特征在于,所述步骤41,具体包括以下步骤:
步骤411,取群组和用户聚集簇的交集和并集;
步骤412,计算群组和用户聚集簇的相似度,计算公式为:
式中,为群组和用户聚集簇的相似度,/>为群组,/>为用户聚集簇,/>为群组和用户聚集簇的交集中用户数目,/>为群组和用户聚集簇的并集中用户数目。
7.一种基于权利要求1-5任一项所述方法构建的根据位置动态创建和解散群组的系统,其特征在于,包括服务器和客户端;
所述客户端包括:
采集模块,用于获取用户位置信息;
交互模块,用于把服务器或其他客户端传来的信息展示给用户,并接收用户输入的信息;
客户端传输模块,用于将采集模块获取的用户位置传给服务器,也用于将来自服务器的信息传给交互模块,或将交互模块获取的用户输入信息传给服务器;
所述服务器包括:
处理模块,根据位置,寻找出用户聚集簇并执行群组的创建、解散、加入用户、移出用户等操作的软件模块;
服务器传输模块,用于将客户端传来的用户位置传给处理模块,或将来自不同客户端的消息转发给其他客户端;
所述客户端通过采集模块获取用户位置信息,通过客户端传输模块将该信息传输至交互模块,通过服务器传输模块将该信息传输至服务器处理模块,实现根据位置动态创建和解散群组。
CN202110492017.3A 2021-05-06 2021-05-06 一种根据位置动态创建和解散群组的方法及系统 Active CN113222000B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110492017.3A CN113222000B (zh) 2021-05-06 2021-05-06 一种根据位置动态创建和解散群组的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110492017.3A CN113222000B (zh) 2021-05-06 2021-05-06 一种根据位置动态创建和解散群组的方法及系统

Publications (2)

Publication Number Publication Date
CN113222000A CN113222000A (zh) 2021-08-06
CN113222000B true CN113222000B (zh) 2024-02-09

Family

ID=77091084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110492017.3A Active CN113222000B (zh) 2021-05-06 2021-05-06 一种根据位置动态创建和解散群组的方法及系统

Country Status (1)

Country Link
CN (1) CN113222000B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103686617A (zh) * 2013-12-23 2014-03-26 百度在线网络技术(北京)有限公司 创建即时通讯群组的方法及装置
WO2018040671A1 (zh) * 2016-08-31 2018-03-08 无锡知谷网络科技有限公司 活动目标群组的分类方法和电子设备
CN110457315A (zh) * 2019-07-19 2019-11-15 国家计算机网络与信息安全管理中心 一种基于用户轨迹数据的群体聚集模式分析方法和系统
CN112448825A (zh) * 2019-08-30 2021-03-05 腾讯科技(深圳)有限公司 会话创建方法、装置、终端及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103686617A (zh) * 2013-12-23 2014-03-26 百度在线网络技术(北京)有限公司 创建即时通讯群组的方法及装置
WO2018040671A1 (zh) * 2016-08-31 2018-03-08 无锡知谷网络科技有限公司 活动目标群组的分类方法和电子设备
CN110457315A (zh) * 2019-07-19 2019-11-15 国家计算机网络与信息安全管理中心 一种基于用户轨迹数据的群体聚集模式分析方法和系统
CN112448825A (zh) * 2019-08-30 2021-03-05 腾讯科技(深圳)有限公司 会话创建方法、装置、终端及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王海艳 ; 肖亦康 ; .基于密度峰值聚类的动态群组发现方法.计算机研究与发展.2018,(第02期),全文. *

Also Published As

Publication number Publication date
CN113222000A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN1277103C (zh) 用于完成组成员位置接近驱动的活动的方法和系统
US10565764B2 (en) Collaborative augmented reality system
Aloqaily et al. Energy-aware blockchain and federated learning-supported vehicular networks
CN104144520A (zh) 一种设备间建立连接的方法、装置与系统
CN108540936B (zh) 基于预测的隐私保护方法
WO2019144746A1 (zh) 一种业务管理的方法及相关设备
CN108881354A (zh) 一种推送信息存储方法、装置、服务器和计算机存储介质
US20210209162A1 (en) Method for processing identity information, electronic device, and storage medium
CN114128255A (zh) 使用混合边缘/云推理连同机器学习系统的视频会议
CN114500428B (zh) 导航分享方法及装置、电子设备、存储介质
CN110601891B (zh) 一种报警处理的方法以及相关装置
Manipriya et al. A collaborative framework for traffic information in vehicular adhoc network applications
CN113222000B (zh) 一种根据位置动态创建和解散群组的方法及系统
CN108521632B (zh) 基于Wi-Fi的实时社交关系发现系统及实现方法
Tortonesi et al. Software-defined and value-based information processing and dissemination in IoT applications
Zhao et al. Edge artificial intelligence in 6G systems: Theory, key techniques, and applications
CN108234471B (zh) 入群验证方法、装置、计算机装置及计算机可读存储介质
CN114692898A (zh) Mec联邦学习方法、装置及计算机可读存储介质
CN112836089B (zh) 运动轨迹的确认方法及装置、存储介质、电子装置
CN109327880B (zh) 一种基于社交距离的dtn网络路由方法
CN113642519A (zh) 一种人脸识别系统和人脸识别方法
Wu et al. A wireless peer-to-peer broadcast model for emergency vehicles using automotive networking
CN108737522A (zh) 一种消息的处理方法、装置和系统
CN108650172A (zh) 基于社交属性及有效用户计算的任务分发方法
Heutelbeck Context spaces-self-structuring distributed networks for contextual messaging and resource discovery

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