JP6540314B2 - 施設推定方法、デバイス及びプログラム - Google Patents
施設推定方法、デバイス及びプログラム Download PDFInfo
- Publication number
- JP6540314B2 JP6540314B2 JP2015143846A JP2015143846A JP6540314B2 JP 6540314 B2 JP6540314 B2 JP 6540314B2 JP 2015143846 A JP2015143846 A JP 2015143846A JP 2015143846 A JP2015143846 A JP 2015143846A JP 6540314 B2 JP6540314 B2 JP 6540314B2
- Authority
- JP
- Japan
- Prior art keywords
- facility
- social
- message
- facilities
- training
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Computational Linguistics (AREA)
- Information Transfer Between Computers (AREA)
Description
本発明は、ソーシャルメッセージの位置情報の推定精度を向上させることを目的とする。
Tiはuiによって投稿された位置情報タグを付されたソーシャルメッセージのセットを示し、以下の記号は、位置情報タグを付されたソーシャルメッセージと施設との間のマンハッタン距離を示し、
εは、デフォルト値10−9によるアンダーフローを回避するために加算されている。
●オペレーティングシステム207。オペレーティングシステム207は様々な基本サーバシステムサービスを扱い、ハードウェア依存タスクを実行するプロシージャを含む。
●通信モジュール209。通信モジュール209は、インターネット、他のワイドエリアネットワーク、ローカルエリアネットワーク、及び、メトロポリタンエリアネットワークなどの一つもしくは複数の通信ネットワーク(有線もしくは無線)を介して、他のサーバもしくはコンピュータにサーバ104を接続するために使用される。いくつかの実装において、通信モジュール209はサーバインターフェイス110の部分である。
●分類モジュール215。分類モジュール215は、実装のいくつかによって、施設推定を自動化するための、ソーシャルメッセージ及び施設の大規模な一覧を使用して、メディアファイル分類システムを訓練する構成要素(例えば、一つもしくは複数の分類器238)を含む。
●データストレージ217。データストレージ217は、以下のデータを含む、分類モジュール114を実行するための分類データ232を記憶する。
○訓練データ234。訓練データ234は、実装のいくつかによって分類モジュール114を訓練するために使用され得る符号化されたソーシャルメッセージと施設との対のデータセットを含む。実装のいくつかにおいて、訓練データ234はソーシャルメッセージ124及び施設データ126のサブセットである。
○ソーシャルメッセージデータ248。ソーシャルメッセージデータ248は実装のいくつかによる外部サービス122から収集され符号化されたソーシャルメッセージを含む。
○施設データ230。施設データ230は、実装のいくつかによって外部サービス122から収集され符号化された施設を含む。
●オペレーティングシステム316。オペレーティングシステム316は様々な基本システムサービスを扱うための及びハードウェア依存タスクを実行するためのプロシージャを含む。
●ネットワーク通信モジュール318。ネットワーク通信モジュール318は一つもしくは複数のネットワークインターフェイス304(有線または無線)を介して、一つもしくは複数の通信ネットワーク108に接続されている他の計算処理デバイス(例えば、サーバ104及び外部サービス122)にクライアント102を接続する。
●提示モジュール320。提示モジュール320は、ユーザインターフェイス310に関連付けられている一つもしくは複数の出力デバイス312(例えば、ディスプレイ、スピーカなど)を介して、クライアント102で情報の提示(例えば、ソーシャルネットワーキングプラットフォームのためのユーザインターフェイス、ウィジェット、ウェブページ、ゲーム、及び/もしくはアプリケーション、音声及び/もしくはビデオコンテンツ、テキスト及び/もしくはスキャンするための符号化画像の表示)を可能とする。
●入力処理モジュール322。入力処理モジュール322は、一つもしくは複数の入力デバイス314の1つから一つもしくは複数のユーザ入力もしくはインタラクションを検出し、検出されたユーザ入力もしくはインタラクションを解釈する(例えば、クライアントのカメラによってスキャンされる符号化画像を処理する)。
●一つもしくは複数のアプリケーション326−1〜326−N。一つもしくは複数のアプリケーション326−1〜326−N(例えば、カメラモジュール、センサモジュール、ゲーム、アプリケーションマーケットプレイス、ペイメントプラットフォーム、ソーシャルネットワークプラットフォーム及び/もしくは様々なユーザオペレーションを含む他のアプリケーション)は、クライアント102によって実行される。
●クライアント側モジュール352。クライアント側モジュール352は、以下を含むクライアント側データ処理及び機能を提供する。
○通信システム332。通信システム332は、エンティティプロファイリングのリクエストを生成し送信し、ショートメッセージ及び/もしくはインスタントメッセージアプリケーションを含むメッセージを送信する。
●クライアントデータ340。クライアントデータ340は以下を含むクライアントに関連付けられているユーザのデータを記憶する。
○ユーザプロファイルデータ342。ユーザプロファイルデータ342はクライアント102のユーザと関連付けられている一つもしくは複数のユーザアカウントを記憶する。ユーザアカウントデータは一つもしくは複数のユーザアカウント、ユーザアカウントの各々のログイン証明書、ユーザアカウントの各々に関連付けられている支払いデータ(例えば、リンクされているクレジットカード情報、アプリケーションクレジットもしくはギフトカードバランス、請求先住所、配送先住所など)、ユーザアカウントの各々の顧客パラメータ(例えば、年齢、位置、趣味など)、ユーザアカウントの各々のソーシャルネットワークコンタクト)を含む。
○ユーザデータ344。ユーザデータ344は、クライアント102のユーザアカウントの各々の使用データを記憶する。
このメタパスのセマンティックな意味は、ツイート及び施設がチップスを介して共通のワードを共有する、ということである。リンクタイプ「contain-1」は「contain(含む)」と反対の関係を示す。メタパスを介して接続されているツイート及び施設は、相関関係を有さないものよりリンクされている可能性が高いと看做され得る。
一方、以下のメタパスは、ともだちが施設にチェックインしたツイッターユーザによって投稿されたツイートを示す。
これにより、ツイート及び施設の間の関係は、異なるセマンティックな意味を有する異なるメタパスによって記述され得る。
したがって、図7に示されるメタパスの4つのパスは抽出され図8に示される。
図8に示されるように、ともだちの情報にレバレッジするメタパスがFRIENDPATHとして示される。INTERESTPATH(関心パス)は、フォースクエアカテゴリを介してツイートと施設との間の関係を拡張する。ユーザの関心を考慮に入れると、ユーザは、関心をひく同様の施設でツイートする傾向があると仮定される。例えば、vpはロスアルトスのChef Chuであり、vqはマウンテンビューのCooking Papaであり、両方ともチャイニーズレストランのカテゴリに属する。直感的に、ユーザuiがvqでのチェックインを有する場合、チャイニーズフードが好きであることを示し、tiは、接続を有さない施設よりvpでuiによって投稿される可能性が高い。図7のリンクタイプによって示されるように、フォースクエアから収集されたデータにおいて、施設の各々は、429のカテゴリの1つに関連付けられる。以下のメタパスは、tiが、vpと同様のカテゴリを共有する施設でチェックインを有するユーザによって投稿されたか否か効率的に検出することが可能である。
メタパスのタイプは、図8のINTERESTPATHとして示される。
接続を有さない施設より、tiは、同様のテキストコンテンツを共有するvpと関連付けられている可能性が高い、と考えられる。
以下の記号は、位置情報を付されたツイートと施設との間のマンハッタン距離を示す。∈はデフォルト値10−9のアンダーフローを回避するために加算される。
Niはuiのともだちであるユーザのセットであり、Tkはukによるツイートである。
Tはテストツイートのセットである。
以下の識別関数は、実際の施設が推定された施設のセット内で適合し得るか否かチェックすることができる。
Vestj(ti)は、確かさが低減する順序で、tiについて予測されたj番目の施設である。
●ツイートの施設推定(VIT)は全ての候補施設を列挙する。
●VIT(パス)は、図8で定義されるようにメタパスを介してツイートに接続される施設を列挙するだけである。
●VIT(ランダム)はツイートの各々についてVIT(パス)と同数の施設をランダムにサンプリングする。
図13(b)は、ツイートの約50%について、VITによる上位20の予測において、実際の施設が適切に識別されることを示す。図8のメタパスにレバレッジすることにより、VIT(パス)は、ErrDist@kのVITによる比較可能な結果に到達し、ツイートの40%について上位20の予測の実際の施設を識別することが可能である。VIT(パス)のツイートの各々について列挙される施設の平均数は、データセットにおいて1,571であり、VITより小さい。正確さと効率との間のVITについてトレードオフを示す。施設を列挙する処理は、ほとんどのツイートについて促進され得る。ツイートに関連付けられている実際の施設は、通常、構築されたネットワークに埋め込まれているユーザのソーシャルアクティビティに関連するためである。VIT(ランダム)より性能がたいへん優れていることをVIT(パス)によって確認することができる。
Tiはuiによって投稿された位置情報タグを付されたソーシャルメッセージのセットを示す。εはデフォルト値10−9によるアンダーフローを回避するために加算される。
102 クライアント
104 サーバ
108 通信ネットワーク
122 外部サービス
202 CPU
215 分類モジュール
238 分類器
Claims (18)
- ソーシャルメッセージから施設を推定する方法であって、
一つもしくは複数のプロセッサ及び前記プロセッサによって実行される命令を記憶するメモリを含むコンピュータシステムが、
施設一覧を呼び出し、ソーシャルメッセージが前記施設一覧の施設にリンクされているか否かを予測する分類器を訓練し、
新ソーシャルメッセージを受信し、
前記施設一覧の施設各々について、
前記新ソーシャルメッセージについて、特定施設への対応メタパスを識別し、
訓練された前記分類器のための特徴ベクトルとして前記対応メタパスを符号化し、
前記特徴ベクトルの要素各々は前記特定施設と新ソーシャルメッセージとの間の接続のタイプ各々に基づく測定値を含み、
前記施設一覧の施設各々について、前記新ソーシャルメッセージが前記施設にリンクされているか否か示すスコアを前記訓練された分類器によって計算し、
前記スコアに基づいて、前記新ソーシャルメッセージについて、予測施設として少なくとも1つの候補施設を識別し、前記新ソーシャルメッセージと前記予測施設とを関連付ける、
方法。 - 前記ソーシャルメッセージが施設一覧の施設にリンクされているか否かを予測する分類器を訓練することは、
訓練ソーシャルメッセージのセットを呼び出し、
複数のソーシャルメッセージ及び施設の対を取得し、
前記ソーシャルメッセージ及び施設の対の各々は 訓練ソーシャルメッセージのセットの訓練ソーシャルメッセージ及び施設一覧の施設を含み、
複数の前記ソーシャルメッセージ及び施設の対の1つについて、
ラベルとして、対の訓練ソーシャルメッセージの各々を符号化し、
前記ラベルは、訓練ソーシャルメッセージが施設にリンクされているか否か示し、
前記訓練ソーシャルメッセージの各々について、対の施設の各々への対応訓練メタパスを識別し、
対応訓練特徴ベクトルに前記対応訓練メタパスを符号化し、
前記対応訓練特徴ベクトルの要素の各々は、対の施設の各々に接続されている訓練ソーシャルメッセージの各々のタイプの各々に基づく測定値を含み、
符号化された前記ラベル及び訓練特徴ベクトルを、訓練のために前記分類器に与える、
請求項1に記載の方法。 - 新ソーシャルメッセージについて、前記特定施設に対応メタパスを識別することは、
エンティティのタイプ及びメッセージ一覧及び施設一覧から抽出された関係に基づいて、ソーシャルネットワークスキーマとしてソーシャルグラフを取得し、
前記エンティティのタイプの各々は前記ソーシャルネットワークスキーマのノードのタイプとして示され、
前記エンティティの間の関係は異なるタイプのリンクとして示され、
前記ソーシャルグラフ、新ソーシャルメッセージのコンテンツ及び/もしくはユーザが書いた新ソーシャルメッセージ及び/もしくはユーザのソーシャルともだちに基づいて、
前記新ソーシャルメッセージについて、前記特定施設に新ソーシャルメッセージを接続する対応メタパスを識別し、
前記対応メタパスの各々はリンクタイプのシーケンスを含むソーシャルネットワークのパスのタイプを含む、 請求項1または請求項2に記載の方法。 - メタパスは、施設へのユーザのソーシャルメッセージに直接関連するEGOPATH、ともだちを介した施設へのユーザのソーシャルメッセージに関連するFRIENDPATH、施設カテゴリを介してソーシャルメッセージ及び施設の間の関係を拡張するINTERESTPATH、及び施設に関するソーシャルメッセージのコンテンツをモデル化するTEXTPATHの一つもしくは複数を含む請求項1〜請求項3の何れか1項に記載の方法。
- 前記測定値は位置情報タグを付されていないメッセージを投稿したユーザの位置情報タグを付したソーシャルメッセージ及び施設の各々の間の最短距離を測定する施設vpでユーザuiによって投稿されたツイートtiについてのEGOGEOスコアである、
請求項1〜請求項4の何れか1項に記載の方法。 - 前記測定値は、以下の式によって計算され、
Tiはuiによって投稿された位置情報タグを付されたソーシャルメッセージのセットを示し、
以下の記号は、位置情報タグを付されたソーシャルメッセージと施設との間のマンハッタン距離を示し、
εは、デフォルト値10−9によるアンダーフローを回避するために加算された、
請求項1〜請求項5の何れか1項に記載の方法。 - 前記測定値は新ソーシャルメッセージを投稿したユーザのともだちの位置情報タグを付されたソーシャルメッセージ及び施設の各々の間の最短距離を測定するFRIENDGEOスコアである、
請求項1〜請求項6の何れか1項に記載の方法。 - 前記測定値は、以下の式によって計算されるFRIENDGEOスコアである、
請求項1〜請求項7の何れか1項に記載の方法。 - 分類器は線形カーネル及びデフォルトパラメータを有するサポートベクターマシン(SVM)であり、
前記分類器の出力として確率推定が利用可能である、
請求項1〜請求項8の何れか1項に記載の方法。 - スコアに基づいて、予測施設として少なくとも1つの候補施設を識別することは、
確率として示される最高スコアを有する少なくとも1つの候補施設を前記予測施設として識別する、
ことを含む、
請求項1〜請求項9の何れか1項に記載の方法。 - 所定の領域、施設のタイプ、施設名、ユーザによる嗜好、施設推定の履歴、もしくはソーシャルメッセージに関連付けられている地理的座標からの距離の少なくとも1つに基づいて、施設の一覧が選択される、請求項1〜請求項10の何れか1項に記載の方法。
- 新ソーシャルメッセージは位置情報タグを付されていない、請求項1〜請求項11の何れか1項に記載の方法。
- メモリと、
一つもしくは複数のプロセッサと、
一つもしくは複数の前記プロセッサによって実行される、メモリに記憶されている一つもしくは複数のプログラムと、
を含み、
一つもしくは複数の前記プログラムは、
施設一覧を呼び出し、ソーシャルメッセージが前記施設一覧の施設にリンクされているか否か予測する分類器を訓練し、
新ソーシャルメッセージを受信し、
前記施設一覧の施設の各々について、
前記新ソーシャルメッセージについて、特定施設への対応メタパスを識別し、
訓練された前記分類器のために特徴ベクトルとして前記対応メタパスを符号化し、
前記特徴ベクトルの要素の各々は前記特定施設と新ソーシャルメッセージとの間の接続のタイプ各々に基づく測定値を含み、
前記施設一覧の施設の各々について、前記新ソーシャルメッセージが施設にリンクされているか否かを示すスコアを訓練された前記分類器によって計算し、
前記スコアに基づいて、前記新ソーシャルメッセージについて予測施設として少なくとも1つの候補施設を識別し、前記新ソーシャルメッセージと前記予測施設とを関連付ける、
命令を含む、
デバイス。 - ソーシャルメッセージが施設一覧の施設にリンクされているか否か予測する分類器を訓練することは、
訓練ソーシャルメッセージのセットを呼び出し、
複数のソーシャルメッセージ及び施設の対を取得し、 複数の前記ソーシャルメッセージ及び施設の対の各々は、前記訓練ソーシャルメッセージのセットからの訓練ソーシャルメッセージ及び前記施設一覧からの施設を含み、
複数の前記ソーシャルメッセージ及び施設の対の1つについて、
ラベルとして対の訓練ソーシャルメッセージの各々を符号化し、
前記ラベルは訓練メッセージが施設にリンクされているか否かを示し、
前記訓練ソーシャルメッセージの各々について、対の施設の各々への対応する訓練メタパスを識別し、
対応訓練特徴ベクトルに対応訓練メタパスを符号化し、
前記対応訓練特徴ベクトルの要素の各々は対の施設の各々に接続されている前記訓練ソーシャルメッセージの各々のタイプの各々に基づく測定値を含み、
訓練のために符号化された前記ラベル及び訓練特徴ベクトルを分類器に与える、
請求項13に記載のデバイス。 - 新ソーシャルメッセージについて、特定施設への対応メタパスを識別することは、
エンティティのタイプ及びメッセージ一覧及び施設一覧から抽出された関係に基づいて、ソーシャルネットワークスキーマとしてソーシャルグラフを取得し、
前記エンティティのタイプの各々は、前記ソーシャルネットワークスキーマのノードのタイプとして示され、前記エンティティの間の関係はリンクの異なるタイプとして示され、ソーシャルグラフ、新ソーシャルメッセージのコンテンツ及び/もしくはユーザが書いた新ソーシャルメッセージ及び/もしくはユーザのソーシャルともだちに基づいて、
前記新ソーシャルメッセージについて、前記特定施設に新ソーシャルメッセージを接続する対応メタパスを識別し、
前記対応メタパスの各々は、リンクタイプのシーケンスを含む、ソーシャルネットワーク内のパスのタイプを示す、
請求項13または請求項14に記載のデバイス。 - メタパスは、施設にユーザのソーシャルメッセージを直接関連付けるEGOPATH、ともだちを介して施設にユーザのソーシャルメッセージを関連付けるFRIENDPATH、施設のカテゴリを介して、ソーシャルメッセージ及び施設の間の関係を拡張するINTERESTPATH、及び、施設についてのソーシャルメッセージのコンテンツをモデル化するTEXTPATHの一つもしくは複数を含む、
請求項13〜請求項15の何れか1項に記載のデバイス。 - 前記新ソーシャルメッセージは位置情報タグを付されていない、請求項13〜請求項16の何れか1項に記載のデバイス。
- 施設一覧を呼び出し、ソーシャルメッセージが前記施設一覧の施設にリンクされているか否か予測する分類器を訓練し、
位置情報タグを付されていない新ソーシャルメッセージを受信し、
前記施設一覧の施設の各々について、
前記新ソーシャルメッセージについて、特定施設への対応メタパスを識別し、
訓練された前記分類器のために特徴ベクトルとして対応メタパスを符号化し、
前記特徴ベクトルの要素の各々は前記特定施設と新ソーシャルメッセージとの間の接続のタイプ各々に基づく測定値を含み、
前記施設一覧の施設の各々について、新ソーシャルメッセージが施設にリンクされているか否か示すスコアを訓練された前記分類器によって計算し、
前記スコアに基づいて、新ソーシャルメッセージについて予測施設として少なくとも1つの候補施設を識別し、前記新ソーシャルメッセージと前記予測施設とを関連付ける、
処理をコンピュータに実行させるためのプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/664,734 US10395179B2 (en) | 2015-03-20 | 2015-03-20 | Methods and systems of venue inference for social messages |
US14/664,734 | 2015-03-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016177764A JP2016177764A (ja) | 2016-10-06 |
JP6540314B2 true JP6540314B2 (ja) | 2019-07-10 |
Family
ID=56925152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015143846A Active JP6540314B2 (ja) | 2015-03-20 | 2015-07-21 | 施設推定方法、デバイス及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10395179B2 (ja) |
JP (1) | JP6540314B2 (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10073822B2 (en) | 2016-05-04 | 2018-09-11 | Adobe Systems Incorporated | Method and apparatus for generating predictive insights for authoring short messages |
US11405696B2 (en) * | 2016-08-17 | 2022-08-02 | International Business Machines Corporation | System and method for targeting mass media ads on the television to given physical locations using online activity profiles at the locations |
US20180129929A1 (en) * | 2016-11-09 | 2018-05-10 | Fuji Xerox Co., Ltd. | Method and system for inferring user visit behavior of a user based on social media content posted online |
US10121190B2 (en) * | 2016-12-22 | 2018-11-06 | Capital One Services, Llc | System and method of sharing an augmented environment with a companion |
JP6403842B1 (ja) * | 2017-07-13 | 2018-10-10 | ヤフー株式会社 | 情報処理装置、コンテンツ提供システム、情報処理方法、およびプログラム |
US9980100B1 (en) | 2017-08-31 | 2018-05-22 | Snap Inc. | Device location based on machine learning classifications |
CN109635989B (zh) * | 2018-08-30 | 2022-03-29 | 电子科技大学 | 一种基于多源异构数据融合的社交网络链路预测方法 |
CN111507788B (zh) * | 2019-01-31 | 2023-07-14 | 阿里巴巴华北技术有限公司 | 数据推荐方法、装置、存储介质及处理器 |
US10863316B1 (en) * | 2019-03-18 | 2020-12-08 | Facebook, Inc. | Predicting a physical location of an online system user from multiple candidate physical locations based on a geographic location of a client device associated with the user |
US11200587B2 (en) * | 2019-08-09 | 2021-12-14 | International Business Machines Corporation | Facilitating use of select hyper-local data sets for improved modeling |
CN110837930B (zh) * | 2019-11-07 | 2023-09-19 | 腾讯科技(深圳)有限公司 | 一种选址方法、装置、设备及存储介质 |
US11057322B1 (en) * | 2019-12-20 | 2021-07-06 | Twitter, Inc. | Ranking messages of conversation graphs in a messaging platform using machine-learning signals |
US11516155B1 (en) | 2019-12-20 | 2022-11-29 | Twitter, Inc. | Hard and soft ranking messages of conversation graphs in a messaging platform |
US20210248461A1 (en) * | 2020-02-11 | 2021-08-12 | Nec Laboratories America, Inc. | Graph enhanced attention network for explainable poi recommendation |
US11232135B2 (en) * | 2020-04-02 | 2022-01-25 | Shantanu Bhattacharyya | Methods and system of using N-gram analysis to discover points of interest in a given geographic region |
CN111476322B (zh) * | 2020-05-22 | 2022-05-20 | 哈尔滨工程大学 | 一种基于特征优化的元路径挖掘方法 |
CN111738447B (zh) * | 2020-06-22 | 2022-07-29 | 东华大学 | 基于时空关系学习的移动社交网络用户关系推断方法 |
CN111832724B (zh) * | 2020-07-14 | 2023-03-28 | 西北工业大学 | 一种基于深度神经网络的异构网络推荐方法 |
CN112364219A (zh) * | 2020-10-26 | 2021-02-12 | 北京五八信息技术有限公司 | 内容发布方法、装置、电子设备及存储介质 |
US20220318653A1 (en) * | 2021-03-31 | 2022-10-06 | Fujitsu Limited | Social media content recommendation |
CN115033804B (zh) * | 2022-06-06 | 2024-02-27 | 西北工业大学 | 一种基于随机生长的社交网络关键转发者检测方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005108230A (ja) | 2003-09-25 | 2005-04-21 | Ricoh Co Ltd | オーディオ/ビデオコンテンツ認識・処理機能内蔵印刷システム |
US7716162B2 (en) * | 2004-12-30 | 2010-05-11 | Google Inc. | Classification of ambiguous geographic references |
WO2010148415A1 (en) | 2009-06-19 | 2010-12-23 | Blekko, Inc. | Scalable cluster database |
US8200247B1 (en) | 2010-02-08 | 2012-06-12 | Google Inc. | Confirming a venue of user location |
DE202011110872U1 (de) | 2010-02-09 | 2017-01-18 | Google Inc. | Geokodierte Kommentare in einem Messaging-Dienst |
CN102348050A (zh) | 2010-08-03 | 2012-02-08 | 国基电子(上海)有限公司 | 数码照相设备及其获取地理标签的方法 |
US9530167B2 (en) | 2011-08-12 | 2016-12-27 | Facebook, Inc. | Coefficients attribution for different objects based on natural language processing |
US8990327B2 (en) | 2012-06-04 | 2015-03-24 | International Business Machines Corporation | Location estimation of social network users |
US9262438B2 (en) | 2013-08-06 | 2016-02-16 | International Business Machines Corporation | Geotagging unstructured text |
US20170109615A1 (en) | 2015-10-16 | 2017-04-20 | Google Inc. | Systems and Methods for Automatically Classifying Businesses from Images |
-
2015
- 2015-03-20 US US14/664,734 patent/US10395179B2/en active Active
- 2015-07-21 JP JP2015143846A patent/JP6540314B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016177764A (ja) | 2016-10-06 |
US20160275401A1 (en) | 2016-09-22 |
US10395179B2 (en) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6540314B2 (ja) | 施設推定方法、デバイス及びプログラム | |
JP6575335B2 (ja) | ソーシャルメディアメッセージ及び施設の間のリンクを推定する方法、コンピュータシステム、及びプログラム | |
JP6784308B2 (ja) | 施設特性を更新するプログラム、施設をプロファイリングするプログラム、コンピュータ・システム、及び施設特性を更新する方法 | |
JP6759844B2 (ja) | 画像を施設に対して関連付けるシステム、方法、プログラム及び装置 | |
JP6145576B2 (ja) | オンライン・ソーシャル・ネットワークにおける大規模ページ推薦 | |
US20180144256A1 (en) | Categorizing Accounts on Online Social Networks | |
JP6911603B2 (ja) | ユーザによって訪問される施設のカテゴリの予測モデルを生成する方法、プログラム、サーバ装置、及び処理装置 | |
US20150032535A1 (en) | System and method for content based social recommendations and monetization thereof | |
US10412037B2 (en) | Methods and systems for providing notifications to users of a social networking service | |
WO2018175750A1 (en) | Intelligent visual object management system | |
WO2019169964A1 (zh) | 一种资源和营销推荐方法、装置及电子设备 | |
Cao et al. | Inferring crowd-sourced venues for tweets | |
US20130227026A1 (en) | Location profiles | |
US20230325947A1 (en) | Automatic analysis of digital messaging content method and apparatus | |
JP2016525236A (ja) | 拡張現実コンテンツを選別するための方法、装置、およびシステム | |
CN112241489A (zh) | 信息推送方法、装置、可读存储介质和计算机设备 | |
TW201903705A (zh) | 用於基於種子監督學習提供推薦的系統和方法 | |
US20170249381A1 (en) | Member quality score | |
US20220239620A1 (en) | Estimating device, estimating method, and estimating program | |
US10455031B2 (en) | Systems and methods to determine location recommendations | |
US11550859B2 (en) | Analytics system entity resolution | |
Saluwadana et al. | A Mobile App for Location Based Customer Notifications About Sales Offers | |
WO2023105568A1 (ja) | 情報提供装置、情報提供方法及びプログラム | |
JP7146037B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2024073786A (ja) | 処理装置、処理方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180228 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190312 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190423 |
|
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: 20190514 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190527 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6540314 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |