CN115774809A - 信息推送方法、装置以及计算机可读存储介质 - Google Patents
信息推送方法、装置以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115774809A CN115774809A CN202111039201.9A CN202111039201A CN115774809A CN 115774809 A CN115774809 A CN 115774809A CN 202111039201 A CN202111039201 A CN 202111039201A CN 115774809 A CN115774809 A CN 115774809A
- Authority
- CN
- China
- Prior art keywords
- target
- information
- user
- image
- track
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种信息推送方法、装置以及计算机可读存储介质,可以应用于云技术、AI、智慧交通、车载等各种场景。可以采集目标终端的位置信息;获取与目标终端关联的目标对象的目标对象分类,其中,目标对象分类由目标对象的静态对象分类及动态对象分类融合得到,动态对象分类由目标对象的历史信息构建得到;识别位置信息对应的目标标签集合;基于目标对象分类及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。以此,通过采集目标终端的位置信息,并获取更贴近用户的习惯特性的目标对象分类,结合目标对象分类及位置信息的目标标签集合确定所推送的信息,以使得所推送的信息更贴合用户的需求,提高推送信息时的准确性。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种信息推送方法、装置以及计算机可读存储介质。
背景技术
随着信息技术的发展,信息推送服务给用户带来了丰富的体验。为了使得所推送的信息贴合用户的需求,相关技术通过构建待推荐用户的相应数据的用户画像,如,根据用户的属性信息创建对应的用户画像,从而,基于创建的用户画像进行信息推送。
在对现有技术的研究和实践过程中,本申请的发明人发现现有技术在构建用户画像时,是根据用户属性信息等表面信息进行画像创建,其所构建的用户画像属于表面的静态画像,即所构建的用户画像缺乏潜在的特性,从而,使得所推送的信息与用户需求的贴合度较低,影响推送信息时的准确性。
发明内容
本申请实施例提供一种信息推送方法、装置以及计算机可读存储介质。可提高推送信息时的准确性。
本申请实施例提供一种信息推送方法,包括:
采集目标终端的位置信息;
获取与所述目标终端关联的目标用户的目标用户画像,其中,所述目标用户画像由所述目标用户的静态用户画像及动态用户画像融合得到,所述动态用户画像由所述目标用户的历史位移信息构建得到;
识别所述位置信息对应的目标标签集合;
基于所述目标用户画像及目标标签集合,确定待推荐信息,并将所述待推荐信息推送至所述目标终端。
相应的,本申请实施例提供一种信息推送装置,包括:
采集单元,用于采集目标终端的位置信息;
获取单元,用于获取与所述目标终端关联的目标用户的目标用户画像,其中,所述目标用户画像由所述目标用户的静态用户画像及动态用户画像融合得到,所述动态用户画像由所述目标用户的历史位移信息构建得到;
识别单元,用于识别所述位置信息对应的目标标签集合;
确定单元,用于基于所述目标用户画像及目标标签集合,确定待推荐信息,并将所述待推荐信息推送至所述目标终端。
在一些实施例中,所述信息推送装置还包括构建单元,用于:
采集目标终端信息及对应的目标用户信息,并根据所述目标终端信息及对应的目标用户信息生成目标用户的静态用户画像;
获取目标终端的历史位移信息,并根据所述目标终端的历史位移信息确定所述目标用户的动态用户画像;
对所述静态用户画像及动态用户画像进行融合,得到所述目标用户的目标用户画像。
在一些实施例中,所述构建单元,还用于:
从所述目标终端的历史位移信息中提取目标时段的位移数据;
根据所述目标时段的位移数据确定所述目标用户的位置属性标签集合;
根据所述位置属性标签集合构建所述目标用户的动态用户画像。
在一些实施例中,所述构建单元,还用于:
将所述目标时段的位移数据转换为位移轨迹图像;
从所述位移轨迹图像中提取符合预设轨迹点密度规则的目标轨迹子图像;
通过预设的分类决策树对所述目标轨迹子图像中的轨迹点数据进行分类处理,得到所述目标轨迹子图像对应的位置属性标签;
根据所述位置属性标签确定所述目标用户的位置属性标签集合。
在一些实施例中,所述构建单元,还用于:
识别所述目标时段的位移轨迹图像中位移轨迹点数据;
对所述位移轨迹点数据进行聚类,得到聚类后的位移轨迹点数据;
对所述聚类后的位移轨迹点数据进行采样,得到目标轨迹点数据;
根据所述目标轨迹点数据生成对应的轨迹缓冲图像,并从所述轨迹缓冲图像中提取符合预设轨迹点密度规则的目标轨迹子图像。
在一些实施例中,所述构建单元,还用于:
对所述轨迹缓冲图像进行轨迹点识别,得到轨迹点识别结果;
根据所述轨迹点识别结果确定所述轨迹缓冲图像中符合预设轨迹点密度规则的目标图像区域;
从所述轨迹缓冲图像中提取所述目标图像区域,得到目标轨迹子图像。
在一些实施例中,所述构建单元,还用于:
获取所述位置属性标签集合中每个位置属性标签的概率值;
当检测到所述位置属性标签的概率值小于预设标签概率阈值时,将所述小于所述预设标签概率阈值的位置属性标签确定为待确定位置标签,并确定所述待确定位置标签对应的目标位置;
从所述目标终端的历史位移信息中提取所述目标位置对应的环境图像集合,所述环境图像集合包含多个环境图像;
根据所述多个环境图像确定所述目标位置对应的目标位置属性标签;
利用所述目标位置属性标签对所述位置属性标签集合进行更新,并根据更新后的位置属性标签集合构建所述目标用户的动态用户画像。
在一些实施例中,所述构建单元,还用于:
对所述多个环境图像进行图像语义识别,得到所述多个环境图像对应的目标环境标识;
根据所述目标环境标识确定所述目标位置对应的目标位置属性标签。
此外,本申请实施例还提供一种计算机设备,包括处理器和存储器,所述存储器存储有应用程序,所述处理器用于运行所述存储器内的应用程序实现本申请实施例提供的信息推送方法中的步骤。
此外,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行本申请实施例所提供的任一种信息推送方法中的步骤。
此外,本申请实施例还提供一种计算机程序,所述计算机程序包括计算机指令,所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本申请实施例所提供的任一种信息推送方法中的步骤。
本申请实施例可以应用于云技术、AI、智慧交通、车载等各种场景,具体可以采集目标终端的位置信息;获取与目标终端关联的目标用户的目标用户画像,其中,目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,动态用户画像由目标用户的历史位移信息构建得到;识别位置信息对应的目标标签集合;基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。由此可得,本申请实施例通过实时采集目标终端的位置信息,以便于后续根据实时的位置信息进行信息推送;以及获取目标用户的目标用户画像,由于该目标用户画像由静态用户画像及动态用户画像融合得到,可使得目标用户画像更贴近用户的习惯特性;进而,结合目标用户画像及目标终端的位置信息,以确定所推送的信息,并向用户的终端进行信息推送,以使得所推送的信息更贴合用户的需求,提高推送信息时的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的信息推送系统的场景示意图;
图2是本申请实施例提供的信息推送方法的步骤流程示意图;
图3是本申请实施例提供的信息推送方法的又一步骤流程示意图;
图4是本申请实施例提供的动态用户画像构建方法的方框流程示意图;
图5是本申请实施例提供的信息推送装置的结构示意图;
图6是本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种信息推送方法、装置以及计算机可读存储介质。具体地,本申请实施例将从信息推送装置的角度进行描述,该信息推送装置具体可以集成在计算机设备中,该计算机设备可以是服务器,也可以是终端等设备。其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
本申请实施例提供的方案涉及人工智能的信息推送等技术,具体通过如下实施例进行说明:
例如,参见图1,为本申请实施例提供的信息推送系统的场景示意图。该场景可以应用于云技术、AI、智慧交通、车载等各种场景,包括终端10和服务器20,该终端10与服务器20之间通过无线通信连接,实现数据交互。
终端10或终端10上的目标应用可以用于实时获取位置信息,该位置信息可以包括各个位置的轨迹点信息(地理位置或地址信息)、各个轨迹点信息对应的环境图像信息及各个轨迹点信息组成的位移轨迹信息等。通过终端10将该位置信息发送至服务器20;以及还用于获取终端10的目标终端信息和对应的目标用户信息,并将该目标终端信息和对应的目标用户信息发送至服务器20;以使得服务器20做出相应的数据处理,如生成目标用户画像、确定待推荐信息及推送信息等。
服务器20可以采集目标终端(终端10)的位置信息;获取与目标终端关联的目标用户的目标用户画像,其中,目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,动态用户画像由目标用户的历史位移信息构建得到;识别位置信息对应的目标标签集合;基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端,即返回终端10。
其中,信息推送可以包括生成目标用户画像、采集目标终端的位置信息、获取相应的目标用户画像、确定待推荐信息及发送待推荐信息等处理方式。
以下分别进行详细说明。需说明的是,以下实施例的顺序不作为对实施例优选顺序的限定。
在本申请实施例中,将从信息推送装置的角度进行描述,以该信息推送装置具体可以集成在计算机设备如终端或服务器中。参见图2,图2为本申请实施例提供的一种信息推送方法的步骤流程示意图,本申请实施例以信息推送装置具体集成在服务器上为例,服务器上的处理器执行信息处理方法对应的程序时,具体流程如下:
101、采集目标终端的位置信息。
其中,该目标终端可以是移动终端或某些载体上所安装的终端设备。该终端可以具有记录位移信息的功能,通过该目标终端可以记录固定地点的周围环境信息及运动过程中的位移轨迹信息;此外,该目标终端还可以具有通信功能,可以实现与服务器进行数据交互,具体的,目标终端可以基于自身的通信功能,将记录的固定地点的周围环境信息和/或运动过程中的位移轨迹信息发送至服务器。需要说明的是,还可以通过在目标终端上安装专门用于与服务器交互的目标应用,通过目标应用将终端获取的信息数据发送至服务器。
例如,以汽车的行车记录仪作为目标终端为例,行车记录仪实时获取用户在驾驶和/或停留过程中的位置信息、周边环境信息以及位移轨迹信息等,并通过该行程记录仪将以上信息实时发送至服务器。需要说明的是,还可以通过在目标终端上安装专门用于与服务器交互的目标应用,通过目标应用将行车记录仪获取的信息数据发送至服务器。
其中,该位置信息可以是目标终端在当前时刻所记录的物理地址信息,其可实时反映终端用户在各个时刻的地理位置,以及反映终端用户的行程信息。例如,假设目标终端的目标应用处于启动状态,通过终端后台运行该目标应用,以实时记录用户在各个时刻的地理位置。进而,以便于终端后续对该位置信息进行查询利用,或终端将记录的位置信息发送至服务器进行相应的处理。
为了确保推送的信息有效性以及符合用户的需求,本申请实施例可以结合位置信息确定所要推送的待推荐信息。具体的,本申请实施例可以结合用户实时的位置信息,确定待推荐信息。其中,采集目标终端的位置信息可以包括:接收目标终端发送的位置信息。以便于后续结合目标终端的位置信息确定所要推送的待推荐信息,确保后续推送的待推荐信息的有效性,如使得待推荐信息(如线下奶茶门店信息)能够符合目标终端当前的位置信息,以及符合用户的需求。
在一些实施方式中,步骤“采集目标终端的位置信息”,还可以包括:获取目标终端关联的目标用户的目标账号信息;从位移信息库中获取目标账户信息对应的历史位移信息;从历史位移信息中提取目标时刻对应的位置信息。此外,还可以包括:从位移信息库中获取目标终端的标识对应的历史位移信息,从历史位移信息中提取目标时刻对应的位置信息。需要说明的是,以上的目标时刻可以是前1秒、前10秒或前1分钟等。
通过以上方式,可以获取目标终端的位置信息,以便于后续结合目标终端的位置信息确定所要推送的待推荐信息,确保后续的待推荐信息的有效性,如使得待推荐信息(如线下奶茶门店信息)能够符合目标终端当前的位置信息,以及符合用户的需求。
102、获取与目标终端关联的目标用户的目标用户画像。
其中,该目标用户画像可以是根据用户的相应数据构建的用户信息模型。具体的,该目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,该静态用户画像可以由目标终端信息及目标终端对应的目标用户的用户信息生成,而动态用户画像可以由目标用户的位移信息(如历史位移信息)生成。
为了获取目标终端对应的目标用户的目标用户画像,本申请实施例可以基于目标用户的目标账号信息获取对应的目标用户画像。具体的,目标用户画像的获取方式可以为:根据目标终端的标识确定对应的目标用户的目标账号信息,从预设画像数据库中匹配目标账号信息对应的目标用户画像,该预设画像数据库中包含账号信息与用户画像之间的对应关系。此外,本申请实施例还可根据目标终端的标识获取对应的目标用户的目标用户画像。
在一些实施方式中,步骤“获取与目标终端关联的目标用户的目标用户画像”之前,可以包括:
(1)采集目标终端信息及对应的目标用户信息,并根据目标终端信息及对应的目标用户信息生成目标用户的静态用户画像。
其中,该目标终端信息可以是目标终端和/或目标终端所在载体的属性信息,如目标终端的品牌、产品型号、标识、形状、配置等,和/或目标终端所在载体的品牌、产品信号、标识、配置、功率等。例如,以车载设备作为目标终端为例,如行车记录仪,则目标终端信息可以包括车载设备的品牌、产品型号、标识、形状、配置等,以及车辆的品牌、产品信号、标识、配置、功率、排量等。
其中,该目标用户信息可以是终端用户的基本信息,如该目标用户信息可以包括用户的性别、年龄、职业、教育程度等。
其中,该静态用户画像可以是根据终端信息及用户信息等静态数据所构建的用户信息模型,其可包含终端信息及终端用户的基本信息。
为了生成目标用户的静态用户画像,本申请实施例需要先采集目标终端信息及对应的目标用户信息,并根据目标终端信息及对应的目标用户信息生成目标用户的静态用户画像。具体的,可以从静态信息库中获取目标终端标识对应的目标终端信息,以及从静态信息库中获取预先储存的目标用户信息,需要说明的是,当用户通过目标终端进行注册时,可以填写目标终端信息以及个人的目标用户信息,从而在服务器的静态信息库中进行储存,以便于后续的数据调用;进一步的,对获取到的目标终端信息及对应的目标用户信息进行整合,并构建目标用户的静态用户画像。以此,以便于后续将静态用户画像用于信息推荐或其他用途。
(2)获取目标终端的历史位移信息,并根据目标终端的历史位移信息确定目标用户的动态用户画像。
其中,该历史位移信息可以是目标终端任意历史时间段内的位移数据,该历史位移信息可以反映目标终端对应的用户在任意历史时间段内的位移轨迹及停留过的地点;该历史位移信息可以包括任意历史时段的位移轨迹数据、历史时刻的位置信息和对应的环境信息等。
其中,该动态用户画像可以是终端用户的动态数据所构建的用户信息模型,如由终端用户的操作数据、位移数据等动态数据生成。例如,在申请实施例中,可以根据位移轨迹数据构建用户画像,该用户画像可反映用户对某一地理位置的习惯偏好以及在地理位置的活动的习惯偏好。
为了获取目标用户的动态用户画像,本申请实施例需要预先获取目标终端的历史位移信息,如,获取目标终端的历史位移信息的方式可以为:从预设位移信息数据库中获取目标终端的标识对应的历史位移信息。进而,根据目标终端的历史位移信息确定目标用户的动态用户画像。以此,实现对终端用户(本申请实施例中的目标用户)进行动态数据挖掘,并构建动态用户画像,以便于后续将动态用户画像用于信息推送或其他用途。
(3)对静态用户画像及动态用户画像进行融合,得到目标用户的目标用户画像。
为了得到目标用户的目标用户画像,本申请实施例在得到静态用户画像及动态用户画像后,可以将静态用户画像及动态用户画像进行融合,以得到目标用户的目标用户画像。以此,可将包含静态用户画像及动态用户画像的目标用户画像用于确定后续的待推荐信息,提高后续向用户推荐信息时的准确性。
在一些实施方式中,步骤“根据目标终端的历史位移信息确定目标用户的动态用户画像”,可以包括:
(2.1)从目标终端的历史位移信息中提取目标时段的位移数据。
其中,该位移数据可以是终端用户在位移时所产生的轨迹数据,其可包括多个轨迹点数据,每一轨迹点数据与位移过程中的相应时刻对应,即每一时刻可产生一个轨迹点数据。例如,终端用户在行程中,目标终端实时获取目标用户的轨迹点数据,并实时将轨迹点数据发送至服务器;使得服务器基于每一轨迹点数据的时间戳,将任意相邻的轨迹点数据进行拼接,以得到用户在历史时间的位移轨迹数据。
其中,该目标时段可以是历史时间内的预设时段,在本申请实施例中,该目标时段可表示在研究终端用户(关联用户)的活动习惯或偏好所涉及数据的时间段。在研究及构建用户画像时,可选取目标时段对应的位移数据,该目标时段可以为过去1天、1周、1个月等,本申请实施例不作具体限定。
需要说明的是,由于每一目标终端所产生的历史位移数据量较大,假若以目标终端对应的全部位移数据作为研究及构建用户画像时的研究数据,不仅占用服务器大量的系统资源,如内存,且需要耗费大量的时间成本。此外,由于目标终端所产生的历史位移数据中可能存在部分数据的时间间隔过久,如5年前或10年前的位移数据,随着时间的推移,终端用户对某一地理位置的习惯偏好及在该地理位置所从事的活动的习惯偏好可能会改变,假若以所有历史位移数据作为研究及构建用户画像时的研究数据,可能会导致所构建的用户画像不贴合用户的习惯偏好,进而,导致在进行信息推送时的准确性较低,影响用户体验。
为了得到预期效果对应的研究数据(位移数据),本申请实施例需要从目标终端的历史位移信息中提取目标时段的位移数据,其中,该目标时段可以为1天前、1周前、1个月前、3个月前或1年前等等。具体的,在获取目标终端的历史位移信息后,从历史位移信息中提取该目标时段对应的位移数据。以便于后续根据该目标时段的位移数据对用户画像的动态部分进行研究,如实现对目标终端的目标用户的地理位置的习惯偏好及在该地理位置的活动习惯偏好进行研究,以构建对应的动态用户画像,使得后续推送的信息更加贴合目标用户的习惯偏好,提高后续信息推送时的准确性。
(2.2)根据目标时段的位移数据确定目标用户的位置属性标签集合。
其中,该位置属性标签集合为包含一个或多个位置属性子标签的数据集。该位置属性子标签可以是某一地理位置区域的属性标签,其可反映目标用户对某一地理位置或某一区域的习惯和/或偏好。例如,当目标终端的目标用户经常在住宅区停留较多的时间,可以确定该住宅区相对于目标用户而言的位置属性子标签为“家”或“住宅”等相类似的标签,又如,当目标终端的目标用户经常在购物广场停留或附近活动时,可以确定该购物广场相对于目标用户而言的位置属性子标签为“休闲”或“购物”等。
为了获取目标用户的位置属性标签集合,本申请实施例需要根据目标时段的位移数据确定目标用户所有的位置属性子标签,进而,根据所有的位置属性子标签确定目标用户的位置属性标签集合,以此,可根据位置属性标签集合获悉用户的常驻地理位置,以对目标用户的地理位置及在该地理位置的活动习惯偏好进行研究,从而实现在目标用户的动态数据上进行研究,以便于后续构建目标用户的动态用户画像。
在一些实施方式中,步骤“根据目标时段的位移数据确定目标用户的位置属性标签集合”,可以包括:
(2.2.1)将目标时段的位移数据转换为位移轨迹图像。
其中,该位移轨迹图像可以是包含位移轨迹样式的图像,即以图像形式对位移轨迹进行展示,通过该位移轨迹图像可以了解每一位移轨迹点的分布情况。
为了得到包含位移数据的位移轨迹图像,本申请实施例在得到目标时段的位移数据后,可将位移数据转换为位移轨迹图像。具体的,识别目标时段的位移数据中包含的多个轨迹点数据;获取每一轨迹点数据中的地址信息,以及获取每一轨迹点数据中的时间戳;根据每一轨迹点数据中的地址信息截取预设地图中的目标子图像;在目标子图像中对每一轨迹点数据中的地址信息进行轨迹点标记,得到包含多个轨迹点的目标轨迹点图像;基于每一轨迹点数据中的时间戳的先后顺序,依次建立目标轨迹点图像中任意相邻的两个轨迹点之间轨迹路线,得到位移轨迹图像,其中,该位移轨迹图像包含目标用户在目标时段内连续的位移轨迹,即各个轨迹点之间按照相应的时间戳顺序依次通过轨迹路线串接得到位移轨迹图像中的位移轨迹。
此外,还可通过数据图像转换工具将位移数据转换为位移轨迹图像,此处不做限定。
通过以上方式,将目标时段的位移数据转换为位移轨迹图像,以通过图像形式对位移轨迹进行展示,以获悉每一位移轨迹点的分布情况,以及用于后续的用户画像构建。
(2.2.2)从位移轨迹图像中提取符合预设轨迹点密度规则的目标轨迹子图像。
其中,该预设轨迹点密度规则可以是轨迹点密度的限定规则,用于选取符合轨迹点密度要求的图像区域作为轨迹子图像。例如,预设轨迹点密度规则可以是选取位移轨迹图像中密度最大的目标图像区域,还可以是选取位移轨迹图像中前三个较大密度对应的图像区域,或预设轨迹点密度规则可以是选取大于预设轨迹点数量阈值的图像区域,此处不做具体限定。
其中,该目标轨迹子图像可以是位移轨迹中时间戳相邻的两个轨迹点之间的距离较小或重叠的图像,即该目标轨迹子图像中所包含的轨迹点的密度较大,且该目标轨迹子图像包含的轨迹点数量较多。通过该目标轨迹子图像可以反映目标终端的目标用户在相应的地理位置停留一定的时间,以此,可将该目标轨迹子图像包含的信息作为研究数据,以便于了解目标终端的目标用户对地理位置的习惯偏好以及在该地理位置进行的活动习惯偏好,从而构建对应的动态用户画像。
为了得到作为研究数据的目标轨迹子图像,本申请实施例在得到目标时段对应的位移轨迹图像后,可从位移轨迹图像中获取符合预设轨迹点密度规则的目标轨迹子图像,具体的,可对位移轨迹图像中的轨迹点进行识别,得到轨迹点识别结果,基于该轨迹点识别结果,对位移轨迹图像中符合预设轨迹点密度规则的图像区域进行剪切,得到对应的目标轨迹子图像。需要说明的是,本申请实施例可以从位移轨迹图像中获取一个或多个目标轨迹子图像。以此,可将该目标轨迹子图像作为研究数据,以便于了解目标终端的目标用户对地理位置的习惯偏好以及在该地理位置进行的活动习惯偏好,从而构建对应的动态用户画像。
其中,步骤“从位移轨迹图像中提取符合预设轨迹点密度规则的目标轨迹子图像”,可以包括:
(2.2.2.1)识别目标时段的位移轨迹图像中位移轨迹点数据;
(2.2.2.2)对位移轨迹点数据进行聚类,得到聚类后的位移轨迹点数据;
(2.2.2.3)对聚类后的位移轨迹点数据进行采样,得到目标轨迹点数据;
(2.2.2.4)根据目标轨迹点数据生成对应的轨迹缓冲图像,并从轨迹缓冲图像中提取符合预设轨迹点密度规则的目标轨迹子图像。
需要说明的是,位移轨迹图像可包含高精度的轨迹数据,在生成高精度的轨迹数据时,每一轨迹点数据的间隔时间可以为一秒,即一秒产生一个轨迹点,因此,高精度的轨迹数据对应的数据量较大。
为了从位移轨迹图像中获取精简的轨迹数据,本申请实施例通过对位移轨迹图像中的轨迹数据进行去噪声和压缩处理。具体的,识别目标时段的位移轨迹图像中的位移轨迹点数据,并对位移轨迹点数据进行聚类处理,以实现对位移轨迹点数据中的噪声数据、无效数据进行过滤,得到过滤后的位移轨迹点数据,即聚类后的位移轨迹点数据。进一步的,对聚类后的位移轨迹点数据进行压缩处理,例如,通过对聚类后的位移轨迹点数据进行采样处理,采样方式具体可以为根据预设采样规则进行均匀采样,如每5个轨迹点数据进行一次采样,或10个轨迹点数据进行一次采样,此处不做限定;采样方式具体还可以为通过道格拉斯普克发法对聚类后的位移轨迹点数据进行采样处理;通过以上采样方式,可得到采样后的目标轨迹点数据,需要说明的是,经过采样处理后,得到多个目标轨迹点数据,本申请实施例对采样后的目标轨迹点数据的具体数量不做限定。
需要说明的是,目标终端在生成轨迹点数据时,可能会由于网络信号延时、信号弱、卡顿等因素造成多个具有误差的轨迹点数据,当这些具有误差的轨迹点数据在上传至服务器后,服务器对上传的轨迹点数据进行相应处理,得到位移轨迹图像,而具有误差的轨迹点数据对应的部分位移轨迹可能会存在脱离位移轨迹图像中的道路的现象,如该部分位移轨迹偏离图像中的轨道并展示在建筑物中。此外,造成部分位移轨迹偏离的因素还可能包括对位移轨迹点数据进行聚类、采样处理,由于对位移轨迹点数据进行聚类、采样等处理时,会去除部分轨迹点数据,且在根据聚类、采样等处理后的目标轨迹点数据生成对应的位移轨迹时,通过以直线路径将相邻的轨迹点进行连接,从而可能会导致后续的位移轨迹图像中部分位移轨迹偏离位移轨迹图像中的道路的现象。
为了确保采样处理后所有的目标轨迹点数据得到充分利用,本申请实施例在得到采样处理后的多个目标轨迹点数据后,根据所有的目标轨迹点数据生成对应的轨迹缓冲图像。以此,使得每个目标轨迹点数据对应的轨迹点和相连的轨迹路径在图像中具有相应的缓冲区域,避免由于位移轨迹图像中的部分位移轨迹脱离位移轨迹图像中的道路而摒弃,确保目标轨迹点数据的充分利用。
进一步的,为了得到作为研究数据的目标轨迹子图像,本申请实施例可从位移轨迹图像中获取符合预设轨迹点密度规则的目标轨迹子图像,如对位移轨迹图像中符合预设轨迹点密度规则的图像区域进行剪切,得到对应的目标轨迹子图像。需要说明的是,本申请实施例可以从位移轨迹图像中获取一个或多个目标轨迹子图像。
在一些实施方式中,步骤“从轨迹缓冲图像中提取符合预设轨迹点密度规则的目标轨迹子图像”,可以包括:对轨迹缓冲图像进行轨迹点识别,得到轨迹点识别结果;根据轨迹点识别结果确定轨迹缓冲图像中符合预设轨迹点密度规则的目标图像区域;从轨迹缓冲图像中提取目标图像区域,得到目标轨迹子图像。
具体的,可通过预设的图像识别工具或预设的分析函数对轨迹缓存图像进行轨迹点识别,得到轨迹点识别结果,该轨迹点识别结果可以包含轨迹缓冲图像中每一图像区域包含的轨迹点的密度信息(如密度值),例如,通过核密度分析函数(kernel densityestimation)对轨迹缓存图像进行轨迹点识别,得到轨迹点识别结果;进一步的,根据轨迹点识别结果确定轨迹缓冲图像中符合预设轨迹点密度规则的目标图像区域,如从轨迹点识别结果中获取轨迹缓冲图像中每一图像区域的轨迹点密度值,将每一图像区域的轨迹点密度值与预设轨迹点密度规则中的预设轨迹点密度阈值进行对比,将轨迹点密度值大于预设轨迹点密度阈值的图像区域确定为目标图像区域;最后,对轨迹缓冲图像中确定的目标图像区域进行剪切,得到每一目标图像区域对应的目标轨迹子图像。
以此,可将该目标轨迹子图像作为研究数据,以便于了解目标终端的目标用户对地理位置的习惯偏好以及在该地理位置进行的活动习惯偏好,从而构建对应的动态用户画像。
(2.2.3)通过预设的分类决策树对目标轨迹子图像中的轨迹点数据进行分类处理,得到目标轨迹子图像对应的位置属性标签。
需要说明的是,该预设的分类决策树可以根据开源网站的属性标签(Point ofInterest,POI)数据构建的位置属性标签分类决策树,该预设的分类决策树用于对每个地理位置或区域的位置属性标签进行识别和分类。
为了得到目标轨迹子图像对应的位置属性标签,本申请实施例在得到目标图像后,可通过预设的分类决策树对目标轨迹子图像中的轨迹点数据进行分类处理,得到目标轨迹子图像对应的位置属性标签。具体的,获取目标轨迹子图像中所包含的多个轨迹点数据;通过预设的分类决策树对每个预设的分类决策树进行分类处理,得到每个轨迹点数据对应的位置属性子标签,即得到目标轨迹子图像对应的多个位置属性子标签;根据多个位置属性子标签确定目标轨迹子图像对应的位置属性标签,例如,对多个位置属性子标签进行属性分类,得到每一属性类别对应的位置属性子标签,计算每一属性类别对应的属性子标签的数与多个位置属性子标签的总数之间的占比,得到每一属性类别对应的概率值,将概率值最大的属性类别对应的位置属性子标签确定为目标轨迹子图像对应的位置属性标签。以此,以便于后续将得到目标轨迹子图像对应的位置属性标签用于构建目标终端的目标用户的动态用户画像。
(2.2.4)根据位置属性标签确定目标用户的位置属性标签集合。
其中,该位置属性标签集合为包含一个或多个位置属性子标签的数据集。该位置属性子标签可以是某一地理位置区域的属性标签,其可反映目标用户对某一地理位置或某一区域的习惯和/或偏好。
需要说明的是,在目标时段的位移数据对应的位移轨迹图像中,可提取符合预设轨迹点密度规则的多个目标轨迹子图像,通过预设的分类决策树对每个目标轨迹子图像中的轨迹点数据进行分类处理,得到每一目标轨迹子图像对应的位置属性标签,此时,可得到位移轨迹图像对应的多个位置属性标签。
为了得到目标时段的位移数据对应的位置属性标签集合,本申请实施例在得到每个目标轨迹子图像对应的位置属性标签后,根据所有的位置属性标签生成目标用户的位置属性标签集合,即得到目标时段的位移数据对应的位置属性标签集合。以此,可根据位置属性标签集合获悉用户的常驻地理位置,以对目标用户的地理位置及在该地理位置的活动习惯偏好进行研究,从而实现在目标用户的动态数据上进行研究,以便于后续构建目标用户的动态用户画像。
(2.3)根据位置属性标签集合构建目标用户的动态用户画像。
其中,该动态用户画像可以是终端用户的动态数据所构建的用户信息模型,如由终端用户的位移数据等动态数据生成,其反映用户对某一地理位置的习惯偏好以及在地理位置的活动的习惯偏好。
为了得到目标用户的动态用户画像,本申请实施例在得到目标用户的位置属性标签集合后,可根据位置属性标签集合构建目标用户的动态用户画像。以此,实现根据目标用户的地理位置习惯偏好和在该地理位置的活动习惯偏好特性构建对应的动态用户画像,以便于后续将动态用户画像用于信息推送或其他用途。
在一些实施方式中,步骤“根据位置属性标签集合构建目标用户的动态用户画像”,可以包括:
(2.3.1)获取位置属性标签集合中每个位置属性标签的概率值。
其中,该概率值表示目标轨迹子图像对应的地理位置区域中属于该位置属性标签的概率。需要说明的是,在现实的地理位置区域中,如某一民用住房小区,该小区可包括一座幼儿园、几家线下商店以及大量的住宅建筑,可分别计算“幼儿园”、“线下商店”及“住宅建筑”在该地理位置区域中的概率值,具体可根据建筑物的数量进行计算,此处不做限定。可以理解的是,该地理位置区域主要用途为民用住宅,则“住宅建筑”的概率值远大于“幼儿园”和“线下商店”的概率值,因此,该地理位置区域对应的位置属性标签为“家”,而非“幼儿园”对应的“学校”或“教育”,且非“线下商店”对应的“休闲”或“商业”。
需要说明的是,位置属性标签集合中每个位置属性标签都具有对应的概率值。具体的,由于每个位置属性标签可有多个位置属性子标签确定,则每个位置属性标签的概率值可为对应的多个位置属性子标签中某一位置属性子标签的概率值,即该概率值为在确定位置属性标签时已经确定的。
本申请实施例为了确保位置属性标签集合中每个位置属性标签的准确性,需要获取位置属性标签集合中每个位置属性标签的概率值,以便于后续基于该概率值判断相应的位置属性标签是否与目标终端所关联的目标用户的实际所偏好的地理位置相对应,提高后续生成动态用户画像的准确性。
(2.3.2)当检测到位置属性标签的概率值小于预设标签概率阈值时,将小于预设标签概率阈值的位置属性标签确定为待确定位置标签,并确定待确定位置标签对应的目标位置。
其中,该预设标签概率阈值用于筛选需要重新确认的位置属性标签。例如,当检测到位置属性标签的概率值大于或等于预设标签概率阈值时,可直接将大于或等于预设标签概率阈值对应的位置属性标签用于构建动态用户画像;当检测到位置属性标签的概率值小于预设标签概率阈值时,说明该小于预设标签概率阈值的位置属性标签的准确度有偏差,需要进一步对相应地理位置的位置属性标签进行重新确定。
例如,预先设定该预设标签概率阈值为90%,当某一位置属性标签的概率值大于或等于90%时,确定该位置属性标签是准确的,可将该位置属性标签用于用于构建动态用户画像;当某一位置属性标签的概率值小于90%时,将该位置属性标签确定为待确定位置标签,并确定待确定位置标签对应的目标位置,以对该目标位置的位置属性标签作进一步确定。
(2.3.3)从目标终端的历史位移信息中提取目标位置对应的环境图像集合,环境图像集合包含多个环境图像。
其中,该环境图像可以是目标位置的周围环境的图像。该环境图像由目标终端在目标位置自动对的周围环境进行平面采集得到,并在采集完成后,目标终端会实时将该环境图像与对应的轨迹点数据一起上传至服务器进行储存。
(2.3.4)根据多个环境图像确定目标位置对应的目标位置属性标签。
需要说明得是,该环境图像包含目标位置周边的环境信息,如路标、广告牌、街景、建筑物、建筑物上的标记(如名称、图标、招牌等)等,根据该环境图像所包含的环境信息可以确定目标用户在目标位置所从事的活动习惯偏好,因此,以基于环境图像所包含的环境信息可确定目标用户在目标位置的位置属性标签。
例如,在位置属性标签集合中,小于预设标签概率阈值的位置属性标签为“办公”,说明该位置属性标签对应的目标位置主要属于办公区域,其可包含大量的办公楼群,但是,该办公区域还可包括个别休闲区,如包含奶茶门店、便利店、购物超市等。为了进一步确定目标用户对该目标位置的区域的习惯偏好以及在该区域的活动习惯偏好,需要根据该目标位置对应的多个环境图像进行确定,示例性的,目标终端所采集的环境图像包含的环境信息为奶茶门店和奶茶门店的标记,说明目标用户在该目标位置区域时实际的位置属性标签为“休闲”,而并非“办公”,由此,可将“休闲”确为目标用户在该目标位置对应的目标位置属性标签。
在一些实施方式中,步骤“根据多个环境图像确定目标位置信息对应的目标位置属性标签”,可以包括:对多个环境图像进行图像语义识别,得到多个环境图像对应的目标环境标识;根据目标环境标识确定目标位置对应的目标位置属性标签。
具体的,可以通过预设识别模型分别对多个环境图像进行图像语义识别,得到多个环境图像对应的目标环境标识,其中,该预设识别模型可以为预先训练得到的图文识别模型。进一步的,根据多个环境图像对应的目标环境标识确定目标用户在目标位置时的目标位置属性标签。
(2.3.5)利用目标位置属性标签对位置属性标签集合进行更新,并根据更新后的位置属性标签集合构建目标用户的动态用户画像。
为得到准确的位置属性标签集合,本申请实施例在重新确定目标位置的目标位置属性标签后,将重新确定的目标位置属性标签替换位置属性标签集合中小于预设标签概率阈值的位置属性标签,实现对位置属性标签集合进行更新,得到更新后的位置属性标签集合。进而,根据更新后的位置属性标签集合所包含的位置属性标签构建目标用户的动态用户画像。
通过以上方式,实现根据目标用户的地理位置习惯偏好和在该地理位置的活动习惯偏好特性构建对应的动态用户画像,以便于后续将动态用户画像与本申请实施例中的静态用户画像进行融合,得到目标用户画像,从而根据该目标用户画像确定目标用户的感兴趣的信息,提高后续推荐信息时的准确性。
103、识别位置信息对应的目标标签集合。
其中,该位置信息是目标终端在当前时刻所记录的物理地址信息,其可实时反映终端用户在当前时刻的地理位置,以及反映终端用户的行程信息。需要说明的是,该位置信息不限于表示目标用户当前所在的具体位置,还可用于标识目标用户当前所在位置周围的预设范围区域,例如,表示目标用户当前所在位置周围3公里内的商业区、住宅区、行政区域或办公区域等等,此处不做具体的限定。
其中,该目标标签集合可以包含一个或多个目标位置属性子标签,表示当前的位置信息对应的具体位置或位置区域所属的位置属性。例如,当前的位置信息对应的位置区域包含办公区、休闲区、商业区等,则对应的目标标签集合可包括办公、休闲、商业等目标位置属性子标签。需要说明的是,目标位置属性子标签还可以是进一步细化的属性标签,如奶茶店、超市、商场、办公楼、游乐场等,此处不做限定。
需要说明的是,在确定所要推送的推荐信息之前,可根据当前位置所包含的目标位置属性子标签,以便于后续根据目标位置属性子标签确定目标用户当前所在的位置能够提供的服务;进而,以便于后续根据当前位置所包含的一个或多个目标位置属性子标签及目标用户画像确定推荐信息。
为了获悉目标用户当前位置所包含的服务,本申请实施例可根据预设范围规则截取位置信息对应的目标位置区域图像,并通过预设的分类决策树对目标位置区域图像中数据进行分类处理,得到该目标位置区域图像对应的目标标签集合,其中,该目标标签集合包含多个目标位置属性子标签。以此,可根据目标标签集合所包含多个目标位置属性子标签,获悉当前位置信息对应的位置可提供的服务,以便于后续基于当前位置所提供的服务及目标用户画像确定推荐信息。
104、基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。
其中,该待推荐信息可以是目标用户感兴趣的信息。例如,该待推荐信息可以是某商品的优惠信息、某商品的名店信息、职业相关的文章、教育资源信息、目标终端的品牌信息、目标终端的软件更新信息等等,具体根据目标用户画像及目标终端当前所在的位置信息确定。
为了得到目标用户的待推荐信息,本申请实施例在获取到目标用户画像以及目标终端当前的位置信息后,基于目标用户画像及当前的位置信息对应的目标标签集合,确定目标用户的待推荐信息。具体的,获取目标标签集合中所包含一个或多个目标位置属性子标签;将获取到的目标位置属性子标签与目标用户画像所包含的位置属性标签进行匹配;将与目标用户画像中相应的位置属性标签相匹配的目标位置属性子标签确定为推荐属性标签;查找该推荐属性标签对应的信息,并将该推荐属性标签对应的信息确定为待推荐信息。
在一些实施方式中,步骤“将获取到的目标位置属性子标签与目标用户画像所包含的位置属性标签进行匹配”之后,可以包括:当检测到与目标用户画像中相应的位置属性标签相匹配的目标位置属性子标签的数量为多个时,获取位置信息对应的目标时间,并分别将与目标用户画像中相应的位置属性标签相匹配的目标位置属性子标签确定为候选属性标签,得到多个候选属性标签;获取目标用户画像中所包含的每一位置属性标签对应的时间,并根据每一位置属性标签对应的时间、目标时间及多个候选属性标签确定推荐属性标签;查找该推荐属性标签对应的信息,并将该推荐属性标签对应的信息确定为待推荐信息。以此,在目标用户当前所在的位置区域包含与目标用户画像匹配的多个目标位置属性子标签时,获取目标用户画像包含的各位置属性标签的时间,以获悉目标用户在历史时段对相应的地理位置及在该地理位置的活动偏好,进而,结合当前的目标时间,以确定目标用户在当前的位置信息及目标时间内的推荐属性标签,以便于根据该推荐属性标签确定推荐信息,并进行推荐信息的推送,提高信息推荐的准确性。
此外,当检测到与目标用户画像中相应的位置属性标签相匹配的目标位置属性子标签的数量为多个时,还可分别将与目标用户画像中相应的位置属性标签相匹配的目标位置属性子标签确定为推荐属性标签,即得到多个推荐属性标签,进而,分别查找每一推荐属性标签对应的推荐信息,并同时或先后向目标用户对应的目标终端进行推荐信息的推送。以此,实现多个推荐信息的推送,以供目标用户选择,提高用户的体验。
在本申请实施例中,为了使得用户画像更贴合终端用户的习惯特性,通过将静态用户画像与动态用户画像相结合,以预先建立目标用户画像。具体的,首先,根据目标终端信息及对应的目标用户信息生成目标用户的静态用户画像;然后,获取目标终端的历史位移信息,从历史位移信息中提取目标时段的位移数据,以基于该目标时段的位移数据确定目标用户的位置属性标签集合,进而,根据该目标用户的位置属性标签集合构建对应的目标用户画像,以实现根据位置属性标签集合获悉用户的常驻地理位置,并构建目标用户的动态用户画像;最后,将静态用户画像与动态用户画像进行融合,得到融合后的目标用户画像。以此,使得后续可根据目标用户画像了解目标用户对目标地理位置的习惯偏好以及在目标地理位置进行活动的习惯偏好,以便于后续确定所要推荐的信息。
需要说明的是,为了避免随着时间的推移而用户的习惯偏好发生改变的现象,从而导致构建的目标用户画像不太贴合用户近期的活动习惯偏好。本申请实施例在构建目标用户的动态用户画像时,通过从目标终端对应的历史位移信息中选取目标时段的位移数据作为研究数据,可使得后续所研究及构造的用户画像更贴合用户近期的活动习惯偏好。进一步的,从目标时段的位移数据中确定一个或多个具有高密度轨迹点的目标轨迹子图像,并通过分类决策树对该目标轨迹子图像的轨迹点数据进行分类,以确定目标轨迹子图像对应的位置属性标签。此外,根据确定的位置属性标签构建目标用户对应的动态用户画像。通过以上方式,通过确定的位置属性标签获悉用户的常驻地理位置,以对目标用户的地理位置及在该地理位置的活动习惯偏好进行研究,从而实现在目标用户的动态数据上进行研究,构建目标用户的动态用户画像。
进一步的,基于目标用户画像及目标终端实时的位置信息,确定目标用户感兴趣的待推荐信息,并向目标用户的目标终端进行信息推送,以使得所推送的信息更贴合用户的需求,提高推送信息时的准确性。
由上可知,本申请实施例可以应用于云技术、AI、智慧交通、车载等各种场景。具体的,可以采集目标终端的位置信息;获取与目标终端关联的目标用户的目标用户画像,其中,目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,动态用户画像由目标用户的历史位移信息构建得到;识别位置信息对应的目标标签集合;基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。由此可得,本申请实施例通过实时采集目标终端的位置信息,以便于后续根据实时的位置信息进行信息推送;以及获取目标用户的目标用户画像,由于该目标用户画像由静态用户画像及动态用户画像融合得到,可使得目标用户画像更贴近用户的习惯特性;进而,结合目标用户画像及目标终端的位置信息,以确定所推送的信息,并向用户的终端进行信息推送,以使得所推送的信息更贴合用户的需求,提高推送信息时的准确性。
根据上面实施例所描述的方法,以下将举例作进一步详细说明。
本申请实施例可以应用于云技术、AI、智慧交通、车载等各种场景。具体的,本申请实施例以信息推送装置为例,对本申请实施例提供的信息推送方法作进一步叙述。
参见图3,图3是本申请实施例提供的信息推送方法的另一步骤流程示意图,图4是本申请实施例提供的动态用户画像构建方法的方框流程示意图;为了便于理解,请一并结合图3和图4,对本申请实施例进行描述。
在本申请实施例中,将从信息推送装置的角度进行描述,该信息推送装置具体可以集成在计算机设备如服务器中,服务器上的处理器执行信息推送方法对应的程序时,该信息推送方法的具体流程如下:
201、采集目标终端信息及对应的目标用户信息,并根据目标终端信息及对应的目标用户信息生成目标用户的静态用户画像。
其中,该目标终端可以是移动终端或某些载体上所安装的终端设备。该终端可以具有记录位移信息的功能,通过该目标终端可以记录固定地点的周围环境信息及运动过程中的位移轨迹信息;此外,该目标终端还可以具有通信功能,可以实现与服务器进行数据交互,具体的,目标终端可以基于自身的通信功能,将记录的固定地点的周围环境信息和/或运动过程中的位移轨迹信息发送至服务器。需要说明的是,还可以通过在目标终端上安装专门用于与服务器交互的目标应用,通过目标应用将终端获取的信息数据发送至服务器。例如,以汽车的行车记录仪作为目标终端为例,行车记录仪实时获取用户在驾驶和/或停留过程中的位置信息、周边环境信息以及位移轨迹信息等,并通过该行程记录仪将以上信息实时发送至服务器。需要说明的是,还可以通过在目标终端上安装专门用于与服务器交互的目标应用,通过目标应用将行车记录仪获取的信息数据发送至服务器。
其中,该目标终端信息可以是目标终端和/或目标终端所在载体的属性信息,如目标终端的品牌、产品型号、标识、形状、配置等,和/或目标终端所在载体的品牌、产品信号、标识、配置、功率等。例如,以车载设备作为目标终端为例,如行车记录仪,则目标终端信息可以包括车载设备的品牌、产品型号、标识、形状、配置等,以及车辆的品牌、产品信号、标识、配置、功率、排量等。
其中,该目标用户信息可以是终端用户的基本信息,如该目标用户信息可以包括用户的性别、年龄、职业、教育程度等。
其中,该静态用户画像可以是根据终端信息及用户信息等静态数据所构建的用户信息模型,其可包含终端信息及终端用户的基本信息。
为了生成目标用户的静态用户画像,本申请实施例从静态信息库中获取目标终端标识对应的目标终端信息,以及从静态信息库中获取预先储存的目标用户信息,需要说明的是,当用户通过目标终端进行注册时,可以填写目标终端信息以及个人的目标用户信息,从而在服务器的静态信息库中进行储存,以便于后续的数据调用;进一步的,对获取到的目标终端信息及对应的目标用户信息进行整合,并构建目标用户的静态用户画像。
202、获取目标终端的历史位移信息,并根据目标终端的历史位移信息确定目标用户的动态用户画像。
其中,该历史位移信息可以是目标终端任意历史时间段内的位移数据,该历史位移信息可以反映目标终端对应的用户在任意历史时间段内的位移轨迹及停留过的地点;该历史位移信息可以包括任意历史时段的位移轨迹数据、历史时刻的位置信息和对应的环境信息等。
其中,该动态用户画像可以是终端用户的动态数据所构建的用户信息模型,如由终端用户的操作数据、位移数据等动态数据生成。例如,在申请实施例中,可以根据位移轨迹数据构建用户画像,该用户画像可反映用户对某一地理位置的习惯偏好以及在地理位置的活动的习惯偏好。
为了构建目标用户的动态用户画像,本申请实施例从目标终端的历史位移信息中提取目标时段的位移数据,根据目标时段的位移数据确定目标用户的位置属性标签集合,根据位置属性标签集合构建目标用户的动态用户画像。
具体的,该确定目标用户的位置属性标签集合的过程可以包括:将目标时段的位移数据转换为位移轨迹图像;识别目标时段的位移轨迹图像中位移轨迹点数据;对位移轨迹点数据进行聚类,得到聚类后的位移轨迹点数据;对聚类后的位移轨迹点数据进行采样,得到目标轨迹点数据;根据目标轨迹点数据生成对应的轨迹缓冲图像;对轨迹缓冲图像进行轨迹点识别,得到轨迹点识别结果;根据轨迹点识别结果确定轨迹缓冲图像中符合预设轨迹点密度规则的目标图像区域;从轨迹缓冲图像中提取目标图像区域,得到目标轨迹子图像;通过预设的分类决策树对目标轨迹子图像中的轨迹点数据进行分类处理,得到目标轨迹子图像对应的位置属性标签;根据位置属性标签确定目标用户的位置属性标签集合。
例如,以智能车载设备(如行车记录仪)作为目标终端为例,该智能车载设备可以实时采集位移轨迹信息,如轨迹点数据,并将采集的轨迹点数据实时上传至服务器,而服务器在根据接收到并存储的位移轨迹数据构建动态用户画像。具体的,服务器根据智能车载设备的标识信息获取目标时段的位移数据;对于获取到的高精轨迹数据(地图上一秒一个点,数据量很大)需要进行轨迹数据的预处理(去噪、压缩),例如利用聚类算法中的DBSCAN聚类算法对目标时段的位移数据进行聚类处理,以实现去除噪声和无效的数据,且通过均匀抽样法和/或道格拉斯普克法对聚类后的位移数据抽样,实现压缩处理,得到处理后的目标轨迹点数据。然后,利用Arcgis相关工具生成目标轨迹点数据对应的轨迹缓冲图像特征,并采用核密度分析函数对轨迹缓冲图像进行轨迹点密度分析,并给予分析结果提取轨迹缓冲图像中符合预设轨迹点密度规则的目标轨迹子图像。接着,通过预先建立的属性标签分类决策树对目标轨迹子图像中的轨迹点数据进行分类处理,得到目标轨迹子图像对应的位置属性标签,其中在建立该属性标签分类决策树时,通过结合从开源网站中的现有地图数据中所获取的属性标签(Point of Interest,POI)数据,依据国家对POI的分类标准,构建各个位置区域的属性标签分类决策树。最后,根据确定的位置属性标签集合构建目标用户的动态用户画像。
需要说明的是,为了进一步提高构建动态用户画像的准确性,以使得所构建的动态用户画像更贴合目标用户的出行习惯特性,对于位置属性标签集合中概率值小于预设标签概率阈值的位置属性标签,需要进一步进行确认。具体的,获取概率值小于预设标签概率阈值的位置属性标签对应的目标位置,该目标位置对应的区域属于位置属性标签模糊区域,需要对该区域的位置属性标签进行重新确认。例如,从目标终端的历史位移信息中提取目标位置对应的环境图像集合,通过预训练好的图像语义分割模型(全卷积网络FCN,以及SegNet方法)对环境图像集合中多个环境图像进行语义分割,得到图像识别结果,该环境图像包含目标位置周边的环境信息,如路标、广告牌、街景、建筑物、建筑物上的标记(如名称、图标、招牌等)等,其中,该SegNet是有编码器和解码器构成的全卷积神经网络,属于一种高效的像素级的语义分割框架;基于该图像识别结果重新确定目标位置对应的目标位置属性标签,以此,实现进一步细化所偏好地域的POI类型属性以及具体的地址解析,以精确地确定目标用户在目标位置时的行为特性,如“休闲--喝奶茶、购物等”。最后,利用该目标位置属性标签对位置属性标签集合进行更新,得到更新后的位置属性标签集合,并利用更新后的位置属性标签集合构建目标用户的动态用户画像。
203、对静态用户画像及动态用户画像进行融合,得到目标用户的目标用户画像。
为了得到目标用户的目标用户画像,本申请实施例在得到静态用户画像及动态用户画像后,可以将静态用户画像及动态用户画像进行融合,以得到目标用户的目标用户画像。
通过以上方式,可实现将静态用户画像与动态用户画像融合得到目标用户画像,以便于后续基于目标用户画像结合实时定位信息,给用户提供个性化的推荐服务,提高向用户推荐信息时的准确性。
204、采集目标终端的位置信息。
其中,该位置信息可以是目标终端在当前时刻所记录的物理地址信息,其可实时反映终端用户在各个时刻的地理位置,以及反映终端用户的行程信息。例如,假设目标终端的目标应用处于启动状态,通过终端后台运行该目标应用,以实时记录用户在各个时刻的地理位置。进而,以便于终端后续对该位置信息进行查询利用,或终端将记录的位置信息发送至服务器进行相应的处理。
为了确保推送的信息有效性以及符合用户的需求,本申请实施例可以结合位置信息确定所要推送的待推荐信息。其中,采集目标终端的位置信息可以包括:获取目标终端的目标用户的目标账号信息;从位移信息库中获取目标账户信息对应的历史位移信息;从历史位移信息中提取目标时刻对应的位置信息。此外,还可以包括:从位移信息库中获取目标终端的标识对应的历史位移信息,从历史位移信息中提取目标时刻对应的位置信息。需要说明的是,以上的目标时刻可以是前1秒、前10秒或前1分钟等。以此,以便于后续结合目标终端的位置信息确定所要推送的待推荐信息,确保后续推送的待推荐信息的有效性,如使得待推荐信息(如线下奶茶门店信息)能够符合目标终端当前的位置信息,以及符合用户的需求。
205、获取与目标终端关联的目标用户的目标用户画像。
其中,该目标用户画像可以是根据用户的相应数据构建的用户信息模型。具体的,该目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,该静态用户画像可以由目标终端信息及目标终端对应的目标用户的用户信息生成,而动态用户画像可以由目标用户的位移信息(如历史位移信息)生成。
为了获取目标终端对应的目标用户的目标用户画像,本申请实施例可以基于目标用户的目标账号信息获取对应的目标用户画像。具体的,目标用户画像的获取方式可以为:根据目标终端的标识确定对应的目标用户的目标账号信息,从预设画像数据库中匹配目标账号信息对应的目标用户画像,该预设画像数据库中包含账号信息与用户画像之间的对应关系。此外,本申请实施例还可根据目标终端的标识获取对应的目标用户的目标用户画像。
206、基于目标用户画像及目标终端的位置信息,确定待推荐信息。
其中,该待推荐信息可以是目标用户感兴趣的信息。例如,该待推荐信息可以是某商品的优惠信息、某商品的名店信息、职业相关的文章、教育资源信息、目标终端的品牌信息、目标终端的软件更新信息等等,具体根据目标用户画像及目标终端当前所在的位置信息确定。
为了得到目标用户的待推荐信息,本申请实施例在得到目标终端的位置信息及目标用户画像后,识别位置信息对应的目标标签集合,基于目标用户画像及目标标签集合,确定待推荐信息。
具体的,根据预设范围规则截取位置信息对应的目标位置区域图像,并通过预设的分类决策树对目标位置区域图像中数据进行分类处理,得到该目标位置区域图像对应的目标标签集合,其中,该目标标签集合包含多个目标位置属性子标签;将获取到的目标位置属性子标签与目标用户画像所包含的位置属性标签进行匹配;将与目标用户画像中相应的位置属性标签相匹配的目标位置属性子标签确定为推荐属性标签;查找该推荐属性标签对应的信息,并将该推荐属性标签对应的信息确定为待推荐信息。
通过以上方式,依据其目标用户画像的标签,服务供应商可以为目标用户提供基于用户特征的个性化推荐。具体的,通过常驻地标签了解用户居住、公司、购物所在地等,更进一步可以通过经纬度坐标反地理编码等得出详细的属性标签信息,针对不同的用户在不同的时段所处的位置,服务供应商可以给出更细粒度的个性化推荐服务及参考决策支持,增强用户对产品及服务的归属感,提升用户体验。
207、将待推荐信息推送至目标终端。
通过执行步骤201-207,可基于人车关系的绑定,实现根据车载智能设备的属性与所获取的车辆驾驶人的基本属性结合,构建车辆驾驶人的静态用户画像,然后基于历史位移数据构建驾驶人的动态用户画像,将静态用户画像与动态用户画像融合得到目标用户画像,以便于后续基于目标用户画像结合实时定位信息,在用户使用相关应用产品时,给用户提供个性化的推荐服务。
如图4所示,为本申请实施例提供的动态用户画像构建方法的方框流程示意图。在本申请实施例中,通过执行步骤201-203,以实现如图4中的流程,具体的,图4所示的动态用户画像构建方法流程具体如下:
301、获取目标终端的目标时段的位移数据;对位移数据进行DBSCAN聚类算法对目标时段的位移数据进行聚类处理,以实现去除噪声和无效的数据;且通过均匀抽样法和/或道格拉斯普克法对聚类后的位移数据进行抽样,实现压缩处理,得到处理后的目标轨迹点数据。
302、利用Arcgis相关工具生成目标轨迹点数据对应的轨迹缓冲图像特征,并采用核密度分析函数对轨迹缓冲图像进行轨迹点密度分析,并给予分析结果提取轨迹缓冲图像中符合预设轨迹点密度规则的目标轨迹子图像;并通过预先建立的属性标签分类决策树对目标轨迹子图像中的轨迹点数据进行分类处理,得到目标轨迹子图像对应的位置属性标签,并构建对应的位置属性标签集合。
303、对于位置属性标签集合中概率值小于预设标签概率阈值的位置属性标签,将该属性标签对应的目标位置确定为位置属性标签模糊区域;通过对目标终端上传的历史位移信息中的视频流进行图像截帧,得到该目标位置对应的环境图像集合;进而基于SegNet框架中的全卷积网络(FCN)对环境图像集合中的多个环境图像进行语义分割,得到图像识别结果;根据该图像识别结果结合目标位置的信息(如经纬度、地址等)确定具体的目标位置属性标签。
304、利用该目标位置属性标签对位置属性标签集合进行更新,得到更新后的位置属性标签集合。
305、利用更新后的位置属性标签集合构建目标用户的动态用户画像。
通过以上流程,在得到动态用户画像后,可以对动态用户画像进行出行特效划分识别,得到目标用户的出行行为特性和出行偏好特性。以此,实现通过动态用户画像中的出行目的特性、常驻地标签实现对不同的单个驾驶人用户进行精准定位,进而实现对驾驶人用户群体的划分,无论是按照出行目的特性划分为:上班族、营运为主和其他,还是用户常驻地标签的划分为:办公为主、热爱购物等。此外,对于具有相同出行画像的群体之间的用户资源进行整合利用,从而实现类似群体之间的精准推荐。
由以上可知,本申请实施例可以应用于云技术、AI、智慧交通、车载等各种场景。具体的,可以采集目标终端的位置信息;获取与目标终端关联的目标用户的目标用户画像,其中,目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,动态用户画像由目标用户的历史位移信息构建得到;识别位置信息对应的目标标签集合;基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。由此可得,本申请实施例通过实时采集目标终端的位置信息,以便于后续根据实时的位置信息进行信息推送;以及获取目标用户的目标用户画像,由于该目标用户画像由静态用户画像及动态用户画像融合得到,可使得目标用户画像更贴近用户的习惯特性;进而,结合目标用户画像及目标终端的位置信息,以确定所推送的信息,并向用户的终端进行信息推送,以使得所推送的信息更贴合用户的需求,提高推送信息时的准确性。
为了更好地实施以上方法,本申请实施例还提供一种信息推送装置,该信息推送装置可以集成在网络设备,比如服务器或终端等设备中,该终端可以包括平板电脑、笔记本电脑和/或个人计算机等。
例如,如图5所示,该信息推送装置可以包括采集单元501、获取单元502、识别单元503和确定单元504。
采集单元501,用于采集目标终端的位置信息;
获取单元502,用于获取与目标终端关联的目标用户的目标用户画像,其中,目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,动态用户画像由目标用户的历史位移信息构建得到;
识别单元503,用于识别位置信息对应的目标标签集合;
确定单元504,用于基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。
在一些实施例中,信息推送装置还包括构建单元,具体用于:采集目标终端信息及对应的目标用户信息,并根据目标终端信息及对应的目标用户信息生成目标用户的静态用户画像;获取目标终端的历史位移信息,并根据目标终端的历史位移信息确定目标用户的动态用户画像;对静态用户画像及动态用户画像进行融合,得到目标用户的目标用户画像。
在一些实施例中,构建单元,还用于:从目标终端的历史位移信息中提取目标时段的位移数据;根据目标时段的位移数据确定目标用户的位置属性标签集合;根据位置属性标签集合构建目标用户的动态用户画像。
在一些实施例中,构建单元,还用于:将目标时段的位移数据转换为位移轨迹图像;从位移轨迹图像中提取符合预设轨迹点密度规则的目标轨迹子图像;通过预设的分类决策树对目标轨迹子图像中的轨迹点数据进行分类处理,得到目标轨迹子图像对应的位置属性标签;根据位置属性标签确定目标用户的位置属性标签集合。
在一些实施例中,构建单元,还用于:识别目标时段的位移轨迹图像中位移轨迹点数据;对位移轨迹点数据进行聚类,得到聚类后的位移轨迹点数据;对聚类后的位移轨迹点数据进行采样,得到目标轨迹点数据;根据目标轨迹点数据生成对应的轨迹缓冲图像,并从轨迹缓冲图像中提取符合预设轨迹点密度规则的目标轨迹子图像。
在一些实施例中,构建单元,还用于:对轨迹缓冲图像进行轨迹点识别,得到轨迹点识别结果;根据轨迹点识别结果确定轨迹缓冲图像中符合预设轨迹点密度规则的目标图像区域;从轨迹缓冲图像中提取目标图像区域,得到目标轨迹子图像。
在一些实施例中,构建单元,还用于:获取位置属性标签集合中每个位置属性标签的概率值;当检测到位置属性标签的概率值小于预设标签概率阈值时,将小于预设标签概率阈值的位置属性标签确定为待确定位置标签,并确定待确定位置标签对应的目标位置;从目标终端的历史位移信息中提取目标位置对应的环境图像集合,环境图像集合包含多个环境图像;根据多个环境图像确定目标位置对应的目标位置属性标签;利用目标位置属性标签对位置属性标签集合进行更新,并根据更新后的位置属性标签集合构建目标用户的动态用户画像。
在一些实施例中,构建单元,还用于:对多个环境图像进行图像语义识别,得到多个环境图像对应的目标环境标识;根据目标环境标识确定目标位置对应的目标位置属性标签。
在一些实施例中,确定单元504,还用于:根据目标终端的位置信息获取当前的位置信息对应的区域内所包含一个或多个位置属性子标签;将获取到的位置属性子标签与目标用户画像所包含的位置属性标签进行匹配;在检测到与目标用户画像中相应的位置属性标签相匹配的位置属性子标签时,将与目标用户画像中相应的位置属性标签相匹配的位置属性子标签确定为推荐属性标签;查找该推荐属性标签对应的信息,并将该推荐属性标签对应的信息确定为待推荐信息。
由以上可知,本申请实施例可以应用于云技术、AI、智慧交通、车载等各种场景。具体的,可以通过采集单元501采集目标终端的位置信息;通过获取单元502获取与目标终端关联的目标用户的目标用户画像,其中,目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,动态用户画像由目标用户的历史位移信息构建得到;通过识别单元503识别位置信息对应的目标标签集合;通过确定单元504基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。由此可得,本申请实施例通过实时采集目标终端的位置信息,以便于后续根据实时的位置信息进行信息推送;以及获取目标用户的目标用户画像,由于该目标用户画像由静态用户画像及动态用户画像融合得到,可使得目标用户画像更贴近用户的习惯特性;进而,结合目标用户画像及目标终端的位置信息,以确定所推送的信息,并向用户的终端进行信息推送,以使得所推送的信息更贴合用户的需求,提高推送信息时的准确性。
本申请实施例还提供一种计算机设备,如图6所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器601、一个或一个以上计算机可读存储介质的存储器602、电源603和输入单元604等部件。本领域技术人员可以理解,图6中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器601是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器602内的软件程序和/或模块,以及调用存储在存储器602内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器601可包括一个或多个处理核心;优选的,处理器601可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器601中。
存储器602可用于存储软件程序以及模块,处理器601通过运行存储在存储器602的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器602可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机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,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器602还可以包括存储器控制器,以提供处理器601对存储器602的访问。
计算机设备还包括给各个部件供电的电源603,优选的,电源603可以通过电源管理系统与处理器601逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源603还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元604,该输入单元604可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本申请实施例中,计算机设备中的处理器601会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中,并由处理器601来运行存储在存储器602中的应用程序,从而实现各种功能,如下:
采集目标终端的位置信息;获取与目标终端关联的目标用户的目标用户画像,其中,目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,动态用户画像由目标用户的历史位移信息构建得到;识别位置信息对应的目标标签集合;基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。
以上各个操作的具体实施可参见前面的实施例,在此不作赘述。
由以上可知,本申请实施例可以应用于云技术、AI、智慧交通、车载等各种场景。具体的,可以采集目标终端的位置信息;获取与目标终端关联的目标用户的目标用户画像,其中,目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,动态用户画像由目标用户的历史位移信息构建得到;识别位置信息对应的目标标签集合;基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。由此可得,本申请实施例通过实时采集目标终端的位置信息,以便于后续根据实时的位置信息进行信息推送;以及获取目标用户的目标用户画像,由于该目标用户画像由静态用户画像及动态用户画像融合得到,可使得目标用户画像更贴近用户的习惯特性;进而,结合目标用户画像及目标终端的位置信息,以确定所推送的信息,并向用户的终端进行信息推送,以使得所推送的信息更贴合用户的需求,提高推送信息时的准确性。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种信息推送方法中的步骤。例如,该指令可以执行如下步骤:
采集目标终端的位置信息;获取与目标终端关联的目标用户的目标用户画像,其中,目标用户画像由目标用户的静态用户画像及动态用户画像融合得到,动态用户画像由目标用户的历史位移信息构建得到;识别位置信息对应的目标标签集合;基于目标用户画像及目标标签集合,确定待推荐信息,并将待推荐信息推送至目标终端。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令,可以执行本申请实施例所提供的任一种信息推送方法中的步骤,因此,可以实现本申请实施例所提供的任一种信息推送方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种信息推送方法、装置以及计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种信息推送方法,其特征在于,包括:
采集目标终端的位置信息;
获取与所述目标终端关联的目标用户的目标用户画像,其中,所述目标用户画像由所述目标用户的静态用户画像及动态用户画像融合得到,所述动态用户画像由所述目标用户的历史位移信息构建得到;
识别所述位置信息对应的目标标签集合;
基于所述目标用户画像及目标标签集合,确定待推荐信息,并将所述待推荐信息推送至所述目标终端。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述目标终端关联的目标用户的目标用户画像之前,包括:
采集目标终端信息及对应的目标用户信息,并根据所述目标终端信息及对应的目标用户信息生成目标用户的静态用户画像;
获取目标终端的历史位移信息,并根据所述目标终端的历史位移信息确定所述目标用户的动态用户画像;
对所述静态用户画像及动态用户画像进行融合,得到所述目标用户的目标用户画像。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标终端的历史位移信息确定目标用户的动态用户画像,包括:
从所述目标终端的历史位移信息中提取目标时段的位移数据;
根据所述目标时段的位移数据确定所述目标用户的位置属性标签集合;
根据所述位置属性标签集合构建所述目标用户的动态用户画像。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标时段的位移数据确定所述目标用户的位置属性标签集合,包括:
将所述目标时段的位移数据转换为位移轨迹图像;
从所述位移轨迹图像中提取符合预设轨迹点密度规则的目标轨迹子图像;
通过预设的分类决策树对所述目标轨迹子图像中的轨迹点数据进行分类处理,得到所述目标轨迹子图像对应的位置属性标签;
根据所述位置属性标签确定所述目标用户的位置属性标签集合。
5.根据权利要求4所述的方法,其特征在于,所述从所述位移轨迹图像中提取符合预设轨迹点密度规则的目标轨迹子图像,包括:
识别所述目标时段的位移轨迹图像中位移轨迹点数据;
对所述位移轨迹点数据进行聚类,得到聚类后的位移轨迹点数据;
对所述聚类后的位移轨迹点数据进行采样,得到目标轨迹点数据;
根据所述目标轨迹点数据生成对应的轨迹缓冲图像,并从所述轨迹缓冲图像中提取符合预设轨迹点密度规则的目标轨迹子图像。
6.根据权利要求5所述的方法,其特征在于,所述从所述轨迹缓冲图像中提取符合预设轨迹点密度规则的目标轨迹子图像,包括:
对所述轨迹缓冲图像进行轨迹点识别,得到轨迹点识别结果;
根据所述轨迹点识别结果确定所述轨迹缓冲图像中符合预设轨迹点密度规则的目标图像区域;
从所述轨迹缓冲图像中提取所述目标图像区域,得到目标轨迹子图像。
7.根据权利要求3所述的方法,其特征在于,所述根据所述位置属性标签集合构建所述目标用户的动态用户画像,包括:
获取所述位置属性标签集合中每个位置属性标签的概率值;
当检测到所述位置属性标签的概率值小于预设标签概率阈值时,将所述小于所述预设标签概率阈值的位置属性标签确定为待确定位置标签,并确定所述待确定位置标签对应的目标位置;
从所述目标终端的历史位移信息中提取所述目标位置对应的环境图像集合,所述环境图像集合包含多个环境图像;
根据所述多个环境图像确定所述目标位置对应的目标位置属性标签;
利用所述目标位置属性标签对所述位置属性标签集合进行更新,并根据更新后的位置属性标签集合构建所述目标用户的动态用户画像。
8.根据权利要求7所述的方法,其特征在于,所述根据所述多个环境图像确定所述目标位置信息对应的目标位置属性标签,包括:
对所述多个环境图像进行图像语义识别,得到所述多个环境图像对应的目标环境标识;
根据所述目标环境标识确定所述目标位置对应的目标位置属性标签。
9.一种信息推送装置,其特征在于,包括:
采集单元,用于采集目标终端的位置信息;
获取单元,用于获取与所述目标终端关联的目标用户的目标用户画像,其中,所述目标用户画像由所述目标用户的静态用户画像及动态用户画像融合得到,所述动态用户画像由所述目标用户的历史位移信息构建得到;
识别单元,用于识别所述位置信息对应的目标标签集合;
确定单元,用于基于所述目标用户画像及目标标签集合,确定待推荐信息,并将所述待推荐信息推送至所述目标终端。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质为计算机可读并存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至8任一项所述的信息推送方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111039201.9A CN115774809A (zh) | 2021-09-06 | 2021-09-06 | 信息推送方法、装置以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111039201.9A CN115774809A (zh) | 2021-09-06 | 2021-09-06 | 信息推送方法、装置以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115774809A true CN115774809A (zh) | 2023-03-10 |
Family
ID=85387373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111039201.9A Pending CN115774809A (zh) | 2021-09-06 | 2021-09-06 | 信息推送方法、装置以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115774809A (zh) |
-
2021
- 2021-09-06 CN CN202111039201.9A patent/CN115774809A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Big data in tourism research: A literature review | |
AU2017399729B2 (en) | Trajectory analysis with mode of transport analysis | |
CN106570722B (zh) | 一种智能推荐系统及智能推荐方法 | |
CN106462627B (zh) | 根据多个位置数据报告分析语义地点和相关数据 | |
US8504512B2 (en) | Identifying geospatial patterns from device data | |
CN104796481B (zh) | 一种音频视频智能选择方法 | |
Deng et al. | Geospatial big data: New paradigm of remote sensing applications | |
US20180245925A1 (en) | Information prompting method for public place and mobile service terminal | |
CN101542516A (zh) | 基于位置的、内容定向的信息 | |
CN103546447A (zh) | 信息展示方法和系统、客户端、服务器 | |
KR20100002756A (ko) | 매트릭스 블로깅 시스템 및 서비스 제공 방법 | |
CN111143679A (zh) | 一种基于大数据的数字化智慧旅游控制系统及方法 | |
CN111372192B (zh) | 信息推荐方法、装置、终端及存储介质 | |
CN103631888B (zh) | 基于位置的多数据源的数据搜索方法和装置 | |
Gartner et al. | Location based services and telecartography | |
CN112241489B (zh) | 信息推送方法、装置、可读存储介质和计算机设备 | |
CN105704675A (zh) | 一种景区信息的处理方法及装置 | |
CN106487828B (zh) | 新闻推送方法及装置 | |
Andrienko et al. | (So) Big Data and the transformation of the city | |
CN108733692A (zh) | 一种社交信息推荐方法和装置 | |
CN111339409A (zh) | 地图展示方法与系统 | |
CN113899355A (zh) | 地图更新方法、装置、云端服务器和共享骑行设备 | |
CN115907423A (zh) | 一种智慧旅游服务系统 | |
CN103337026A (zh) | 利用嵌入式地图的广告系统和方法 | |
CN104182486A (zh) | 电子地图展现方法和装置 |
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 |