JP2016018237A - 訪問poi推定装置およびその動作方法 - Google Patents
訪問poi推定装置およびその動作方法 Download PDFInfo
- Publication number
- JP2016018237A JP2016018237A JP2014138548A JP2014138548A JP2016018237A JP 2016018237 A JP2016018237 A JP 2016018237A JP 2014138548 A JP2014138548 A JP 2014138548A JP 2014138548 A JP2014138548 A JP 2014138548A JP 2016018237 A JP2016018237 A JP 2016018237A
- Authority
- JP
- Japan
- Prior art keywords
- poi
- score
- visit
- visited
- parameter
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】重みパラメータ推定部11は、滞留点候補DB4における確信度、遷移スコアDB7におけるスコア、訪問POI数スコアDB8におけるスコア、ならびに、カテゴリ滞在時間パラメータDB9におけるパラメータを用いた整数計画問題のコードを生成し、コードの解と訪問POIDB5を用いて解の評価値を求め、評価値が高まるように重みパラメータを変更する。同時推定部13は、最後に求められた重みパラメータを用いて同じ整数計画問題のコードを生成し、コードの解を求め、ユーザが滞留した滞留点と訪問したPOIを解に基づいて推定する。
【選択図】図1
Description
図1に示すように、本実施の形態に係る訪問POI推定装置は、ユーザが訪問するPOI(Point Of Interest)を推定する装置であって、GPSログデータベース(以下、データベースをDBと略す)1、POIDB2、滞留点候補抽出部3、滞留点候補DB4、訪問POIDB5、パラメータ計算部6、遷移スコアDB7、訪問POI数スコアDB8、カテゴリ滞在時間パラメータDB9、重みパラメータ評価値DB10、重みパラメータ推定部11、重みパラメータDB12、同時推定部13および推定結果DB14を備える。POIは、訪問対象となる場所であり、例えば、店舗である。
(T1)まず、滞留点候補抽出部3が滞留点候補DB4を生成する。
(T3)次に、パラメータ計算部6が遷移スコアDB7、訪問POI数スコアDB8、カテゴリ滞在時間パラメータDB9を生成する。
(T5)次に、パラメータ推定部11が重みパラメータDB12を生成する。
(T7)次に、同時推定部13が推定結果DB14を生成し、処理を終える。
(S1−1)滞留点候補抽出部3は、GPSログDB1を読み込み、滞留点を抽出する。この滞留点の抽出には、例えば、非特許文献1や非特許文献2記載の方法を用いることができる。この際、網羅的に滞留点候補を抽出するため、誤検出を許容しても可能な限り多くの滞留点候補を抽出するようなパラメータを利用する。これにより、各滞留点候補につき、中心経度、中心緯度、開始ID、終了ID、滞留時間などが得られる。
パラメータ計算部6は、POIDB2と訪問POIDB5を入力として受け取り、遷移確率DB7、訪問POI数スコアDB8、カテゴリ滞在時間パラメータDB9を出力する。
(S2−1)パラメータ計算部6は、訪問POIDB5から未処理の連接POIを取得する。連接POIとは、例えば、同一系列においてPOI「A」を訪問したあとにPOI「B」を訪問した場合のABのペアを表す。その他にも、Aの直後に訪問したPOIのみを対象にすることもできる。ここで同一系列は、例えば同じ日付を用いる。その他にも事前に設定された時刻で区切るなどの方法を用いることができる。本実施例では1日を1系列とする例を用いる。
(S2−1−b)各Fromカテゴリを対象に(S2−1−c)の処理を行う。
である連接POIを取得して総数を求める。これをNCFromとする。また、当該CFromを用いて取得された連接POIのうち、各Toカテゴリが含まれる数をそれぞれNCFrom→CToとする。条件付き確率P(CTo/CFrom)は、例えば、(NCFrom→CTo)/NCFromによって計算することができる。訪問がない場合にスコアがゼロになることを防ぐため、例えば予め設定した係数βを用いて、(NCFrom→CTo+β)/(NCFrom+β|CTo|)によって計算することもできる。ここで|CTo|は、Toカテゴリの異なり数(種類数)である。以上の処理によって条件付き確率P(Toカテゴリ/Fromカテゴリ)を求める。
(S2−3)結果を遷移確率DB7に出力する。
そして、各訪問POI数スコアを訪問POI数スコアDB8に出力する。
(S3−1)まず、重みパラメータ推定部11は、重みパラメータw1、w2、w3、w4、w5を初期化する。例えば、それぞれを1とする。
・pi(i=1,…,N):滞留点候補iの滞留点らしさを表す重み係数。piの計算には、例えば滞留点候補DB4の確信度を用いることができる。
つまり、訪問POI数スコアDB8において、滞留点数mの同数の訪問POI数に対応するスコアをαmとして利用する。
(S3−7−1)重みパラメータ推定部11は、推定結果集合Rと訪問POIDB5を用いて評価値を計算する。
評価値は、訪問POIDB5内にある中心経度および中心緯度の組数を推定結果集合R内にある中心経度および中心緯度の組数との比較で示す値(正解率)、正解率をある系列に限って求めたものなどである。
(S3−7−3)変数k =1とする。
(S3−7−5)変数k=k+1とする。
(S3−7−1)において訪問POIDB5に格納されたデータに対する評価値を計算し、(S3−7−4)において、それが前回の評価値より高い(向上している)か否かを判定し、現在の重みパラメータが良いのかという結果が得られる。その結果から、現在の変数kの変化方向(増加か減少か)で効果が得られているか判断することができる。そのため、評価値が向上している場合には、変数kを維持する。
(S3−8)重みパラメータ推定部11は、重みパラメータの収束判定を行う。重みパラメータ推定部11は、例えば、前回の重みパラメータとの差分が予め設定した閾値以下なら、または重みパラメータが予め設定した回数変更されたなら、重みパラメータは収束したと判定する。収束したと判定されたなら、(S3−9)に進み、そうでない場合は、S3−2に戻る。
同時推定部13は、POIDB2、滞留点候補DB4、遷移確率DB7、訪問POI数スコアDB8、カテゴリ滞在時間パラメータDB9を入力として、推定結果DB14を出力する。
(S4−1)同時推定部13は、滞留点候補DB4から未処理の系列を選択する。ここで系列は予め設定した単位を用いることができる。たとえば午前0時を区切りとする1日単位であったり、予め開始終了の時刻を設定した朝、昼、晩という単位を用いることができる。ここでは1日を単位とする例で説明する。
=1(i=1,…,N)である滞留点候補iを滞留点として抽出し、また、xik=1(i=1,…,N,k=1,…,K)であるPOIkを当該滞留点において訪問したPOIとして解釈し、例えば、これらPOIに関する情報を推定結果DB14に出力する。
(S3−5)未処理の系列がある場合は(S3−1)に戻り、そうでない場合には処理を終了する。
2 POIDB
3 滞留点候補抽出部
4 滞留点候補DB
5 訪問POIDB
6 パラメータ計算部
7 遷移スコアDB
8 訪問POI数スコアDB
9 カテゴリ滞在時間パラメータDB
10 重みパラメータ評価値DB
11 重みパラメータ推定部
12 重みパラメータDB
13 同時推定部
14 推定結果DB
Claims (4)
- ユーザが滞留した滞留点と訪問したPOIを推定する訪問POI推定装置であって、
滞留点候補の滞留点らしさを表す確信度を格納する滞留点候補DB(4)と、
ユーザが実際に訪問したPOIの情報を格納する訪問POIDB(5)と、
あるPOIを訪問したのちに別のPOIを訪問する確率に基づいたスコアを格納する遷移スコアDB(7)と、
1つの系列において訪問されるPOIの数のもっともらしさを表すスコアを格納する訪問POI数スコアDB(8)と、
POIのカテゴリごとに当該カテゴリのPOIでの滞在時間のパラメータを格納するカテゴリ滞在時間パラメータDB(9)と、
前記滞留点候補DB(4)に格納された確信度、前記遷移スコアDB(7)に格納されたスコア、前記訪問POI数スコアDB(8)に格納されたスコア、前記カテゴリ滞在時間パラメータDB(9)に格納されたパラメータ、ならびに、重みパラメータを用いた整数計画問題のコードを生成し、前記コードの解を求め、前記解と前記訪問POIDB(5)を用いて前記解の評価値を求め、前記評価値が高まるように前記重みパラメータを変更しながら評価値を繰り返し求める重みパラメータ推定部(11)と、
前記重みパラメータと前記評価値が格納される重みパラメータ評価値DB(10)と、
前記滞留点候補DB(4)に格納された確信度、前記遷移スコアDB(7)に格納されたスコア、前記訪問POI数スコアDB(8)に格納されたスコア、前記カテゴリ滞在時間パラメータDB(9)に格納されたパラメータ、ならびに、最後に求められた重みパラメータを用いて前記整数計画問題のコードを生成し、当該コードの解を求め、前記ユーザが滞留した滞留点と前記訪問したPOIを当該解に基づいて推定する同時推定部(13)と
を備えることを特徴とする訪問POI推定装置。 - 前記整数計画問題のコードは、
w1、w2、w3、w4、w5は、それぞれ重みパラメータであり、
si(i=1,…,N)は、滞留点候補iが滞留点であるかを表す変数であり、Nは滞留点候補iの総数を表すものであり、
xik(i=1,…,N,k=1,…,K)は、滞留点候補iにおいて訪問したPOIがkであることを表す変数であり、KはPOIの総種類数を表すものであり、
Tij(i=1,…,N−1,j=i+1,…,N)は、滞留点候補iから滞留点候補jに対して遷移が存在することを表す変数であり、
tijkl(i=1,…,N−1,j=i+1,…,N,k=1,…,K,l=1,…,K)は、滞留点候補iにおいてPOIkを訪問し、滞留点候補jにおいてPOIlを訪問したことを表す変数であり、
pi(i=1,…,N)は、滞留点候補iの滞留点らしさを表す重み係数であり、piの計算には、滞留点候補DB4の確信度を用い、
qik(i=1,…,N,k=1,…,K)は、滞留点候補iにおいてあるPOI(訪問POI候補という)kを訪問する確からしさを表す重み係数であり、qikの計算には、カテゴリ滞在時間パラメータDB(9)のパラメータを用い、
rkl(i=1,…,N,k=1,…,K,l=1,…,K)は、訪問POI候補kを訪問した後にPOIlを訪問する確からしさを表す重み係数であり、rklの計算には、遷移スコアDB(7)のスコアを用い、
αm(m=1,…,N)は、系列の滞留点数mの確からしさを表す重み係数であり、αmには、訪問POI数スコアDB(8)に格納されたスコアを用いる
ことを特徴とする請求項1記載の訪問POI推定装置。 - ユーザが滞留した滞留点と訪問したPOIを推定する訪問POI推定装置の動作方法であって、
前記訪問POI推定装置は、
滞留点候補の滞留点らしさを表す確信度を格納する滞留点候補DB(4)と、ユーザが実際に訪問したPOIの情報を格納する訪問POIDB(5)と、あるPOIを訪問したのちに別のPOIを訪問する確率に基づいたスコアを格納する遷移スコアDB(7)と、1つの系列において訪問されるPOIの数のもっともらしさを表すスコアを格納する訪問POI数スコアDB(8)と、POIのカテゴリごとに当該カテゴリのPOIでの滞在時間のパラメータを格納するカテゴリ滞在時間パラメータDB(9)と、前記重みパラメータと前記評価値が格納される重みパラメータ評価値DB(10)とを備え、
前記動作方法は、
前記訪問POI推定装置の重みパラメータ推定部(11)が、前記滞留点候補DB(4)に格納された確信度、前記遷移スコアDB(7)に格納されたスコア、前記訪問POI数スコアDB(8)に格納されたスコア、前記カテゴリ滞在時間パラメータDB(9)に格納されたパラメータ、ならびに、重みパラメータを用いた整数計画問題のコードを生成し、前記コードの解を求め、前記解と前記訪問POIDB(5)を用いて前記解の評価値を求め、前記評価値が高まるように前記重みパラメータを変更しながら評価値を繰り返し求め、
前記訪問POI推定装置の同時推定部(13)が、前記滞留点候補DB(4)に格納された確信度、前記遷移スコアDB(7)に格納されたスコア、前記訪問POI数スコアDB(8)に格納されたスコア、前記カテゴリ滞在時間パラメータDB(9)に格納されたパラメータ、ならびに、最後に求められた重みパラメータを用いて前記整数計画問題のコードを生成し、当該コードの解を求め、前記ユーザが滞留した滞留点と前記訪問したPOIを当該解に基づいて推定する
ことを特徴とする訪問POI推定装置の動作方法。 - 請求項1または2記載の訪問POI推定装置としてコンピュータを機能させるためのコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014138548A JP6190331B2 (ja) | 2014-07-04 | 2014-07-04 | 訪問poi推定装置およびその動作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014138548A JP6190331B2 (ja) | 2014-07-04 | 2014-07-04 | 訪問poi推定装置およびその動作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016018237A true JP2016018237A (ja) | 2016-02-01 |
JP6190331B2 JP6190331B2 (ja) | 2017-08-30 |
Family
ID=55233454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014138548A Active JP6190331B2 (ja) | 2014-07-04 | 2014-07-04 | 訪問poi推定装置およびその動作方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6190331B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659433A (zh) * | 2019-08-01 | 2020-01-07 | 北京百度网讯科技有限公司 | Poi价值评估的方法、装置、设备和计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10134027A (ja) * | 1996-10-29 | 1998-05-22 | Toyota Motor Corp | 販売予測支援方法およびその装置 |
JP2008014743A (ja) * | 2006-07-05 | 2008-01-24 | Japan Advanced Institute Of Science & Technology Hokuriku | 移動体位置推定システム、及び、移動体位置推定方法 |
JP2012164227A (ja) * | 2011-02-08 | 2012-08-30 | Nippon Telegr & Teleph Corp <Ntt> | 行動及び属性推定装置及び方法及びプログラム |
-
2014
- 2014-07-04 JP JP2014138548A patent/JP6190331B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10134027A (ja) * | 1996-10-29 | 1998-05-22 | Toyota Motor Corp | 販売予測支援方法およびその装置 |
JP2008014743A (ja) * | 2006-07-05 | 2008-01-24 | Japan Advanced Institute Of Science & Technology Hokuriku | 移動体位置推定システム、及び、移動体位置推定方法 |
JP2012164227A (ja) * | 2011-02-08 | 2012-08-30 | Nippon Telegr & Teleph Corp <Ntt> | 行動及び属性推定装置及び方法及びプログラム |
Non-Patent Citations (1)
Title |
---|
数原 良彦: "整数計画法を用いたGPSログからの滞留点と訪問POIの同時推定", 情報処理学会 研究報告 データベースシステム(DBS) 2013−DBS−158 [ONLINE], JPN6017028660, 19 November 2013 (2013-11-19), ISSN: 0003609780 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659433A (zh) * | 2019-08-01 | 2020-01-07 | 北京百度网讯科技有限公司 | Poi价值评估的方法、装置、设备和计算机存储介质 |
US11468349B2 (en) | 2019-08-01 | 2022-10-11 | Beijing Baidu Netcom Science And Technology Co., Ltd. | POI valuation method, apparatus, device and computer storage medium |
Also Published As
Publication number | Publication date |
---|---|
JP6190331B2 (ja) | 2017-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11645581B2 (en) | Meaningfully explaining black-box machine learning models | |
Foody et al. | Accurate attribute mapping from volunteered geographic information: issues of volunteer quantity and quality | |
Tong et al. | A linear road object matching method for conflation based on optimization and logistic regression | |
JP6162781B2 (ja) | 新しい興味のある地点の位置を決定する方法及び装置 | |
KR101524971B1 (ko) | 개인 성향 예측 방법 및 그 장치 | |
CN109460520B (zh) | 基于地理-社会关系与深隐式兴趣挖掘的兴趣点推荐方法 | |
CN109858683B (zh) | 确定店铺的营业状态的方法、装置、电子设备及存储介质 | |
CN113139140B (zh) | 基于时空感知gru并结合用户关系偏好的旅游景点推荐方法 | |
Chehreghan et al. | A geometric-based approach for road matching on multi-scale datasets using a genetic algorithm | |
CN114462616A (zh) | 用于防止敏感数据在线公开的机器学习模型 | |
WO2018188509A1 (zh) | 楼盘信息处理方法、装置、计算机设备及存储介质 | |
JP2016177377A (ja) | 学習装置、学習方法、及び学習プログラム | |
Zhang et al. | An improved probabilistic relaxation method for matching multi-scale road networks | |
CN115296984A (zh) | 异常网络节点的检测方法及装置、设备、存储介质 | |
JP6126516B2 (ja) | 訪問poi推定装置 | |
CN115774819A (zh) | 一种基于层次循环神经网络的兴趣点推荐方法及系统 | |
JP6744767B2 (ja) | 人流予測装置、パラメータ推定装置、方法、及びプログラム | |
İlhan | An Application On mobile devices with android and IOS operating systems using google maps APIs for the traveling salesman problem | |
Liu et al. | Enhancing fine-grained intra-urban dengue forecasting by integrating spatial interactions of human movements between urban regions | |
CN112883133B (zh) | 基于时序数据和功能演变数据的流量预测方法 | |
Aung et al. | A novel bidirectional LSTM deep learning approach for COVID-19 forecasting | |
CN107909498B (zh) | 基于最大化接受者操作特征曲线下方面积的推荐方法 | |
JP6190331B2 (ja) | 訪問poi推定装置およびその動作方法 | |
JP6591638B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Frisén et al. | Semiparametric estimation of outbreak regression |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160913 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170724 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170801 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170804 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6190331 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |