KR102121361B1 - 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스 - Google Patents

사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스 Download PDF

Info

Publication number
KR102121361B1
KR102121361B1 KR1020187022746A KR20187022746A KR102121361B1 KR 102121361 B1 KR102121361 B1 KR 102121361B1 KR 1020187022746 A KR1020187022746 A KR 1020187022746A KR 20187022746 A KR20187022746 A KR 20187022746A KR 102121361 B1 KR102121361 B1 KR 102121361B1
Authority
KR
South Korea
Prior art keywords
location
geographic location
type
preset
target geographic
Prior art date
Application number
KR1020187022746A
Other languages
English (en)
Other versions
KR20180101472A (ko
Inventor
즈빈 류
페이 돤
보 정
Original Assignee
텐센트 테크놀로지(센젠) 컴퍼니 리미티드
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 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 filed Critical 텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Publication of KR20180101472A publication Critical patent/KR20180101472A/ko
Application granted granted Critical
Publication of KR102121361B1 publication Critical patent/KR102121361B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
    • H04L67/18—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • H04L51/32—
    • 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
    • H04L67/26—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications

Abstract

사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스가 개시되어 있다. 방법은 사용자가 인스턴트 메시징 애플리케이션 또는 소셜 네트워킹 애플리케이션에서 데이터를 송신하고 있을 때에 업로딩된 타겟 지리적 위치 및 대응하는 업로드 시간을 수신하는 단계 - 하나의 타겟 지리적 위치는 적어도 하나의 업로드 시간에 대응함 - ; 사전설정된 시간-위치 유형 맵핑 관계들을 취득하는 단계 - 각각의 사전설정된 위치 유형에서의 사전설정된 시간 범위에 대응하는 확률 값들은 시간-위치 유형 맵핑 관계들에서 정의됨 - ; 사전설정된 위치 유형들을 트래버싱하고, 트래버싱된 위치 유형들에 대응하는 타겟 지리적 위치의 업로드 시간의 확률 값들의 합을 계산하고, 각각의 사전설정된 위치 유형에서의 타겟 지리적 위치의 소속의 정도를 취득하는 단계; 및 각각의 사전설정된 위치 유형에서의 타겟 지리적 위치의 소속의 정도에 기초하여 타겟 지리적 위치의 위치 유형을 식별하는 단계를 포함한다.

Description

사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스
관련출원
이 출원은 그 전체적으로 참조로 포함되는, "METHOD AND APPARATUS FOR IDENTIFYING TYPES OF USER GEOGRAPHICAL LOCATIONS"라는 명칭이며, 2016년 6월 12일자의 중국 특허청에서의 중국 특허 출원 제201610410598.0호에 대한 우선권을 주장한다.
기술분야
이 출원은 컴퓨터 기술들의 분야에 관한 것으로, 특히, 사용자 지리적 위치들의 유형들을 식별하기 위한 방법 및 장치에 관한 것이다.
인터넷 기술들의 개발로, 위치 기반 서비스(location based service)(LBS)에 기초한 인터넷 플랫폼들 및 애플리케이션들이 더 보편적으로 되고 있다. 애플리케이션들에서, 사용자의 핸드헬드 디바이스(handheld device)는 통상적으로 글로벌 위치결정 시스템(Global Positioning System)(GPS) 장치로 구성된다. 핸드헬드 디바이스는 GPS 장비를 이용함으로써 사용자의 지리적 위치(통상적으로 사용자 위치의 위도 및 경도 정보)을 획득하고 그것을 서버로 업로딩하고, 그 다음으로, 서버는 사용자의 지리적 위치에 따라 대응하는 푸시 서비스(push service)를 제공한다. 콘텐츠(content)가 더 폭넓게 푸시되도록 하기 위하여, 서버는 통상적으로 사용자의 지리적 위치들을 예를 들어, 거주지, 작업장, 및 엔터테인먼트 장소의 유형들로 분류하고, 사용자의 지리적 위치들을 대응하는 유형으로 분류하고, 유형에 따라 콘텐츠 푸시(content push)를 수행할 필요가 있다.
사용자의 지리적 위치의 유형을 식별하기 위한 방법은 이 출원의 양태에 따라 제공되고, 상기 방법은,
사용자 단말이 인스턴트 메시징 애플리케이션(instant messaging application) 또는 소셜 네트워크 애플리케이션(social network application)으로 데이터를 송신할 때에 사용자 단말에 의해 업로딩된 타겟 지리적 위치 및 대응하는 업로딩 시간들을 수신하는 단계 - 하나의 타겟 지리적 위치는 적어도 하나의 업로딩 시간에 대응함 - ;
사전설정된 시간-위치 유형 맵핑 관계를 획득하는 단계 - 시간-위치 유형 맵핑 관계는 사전설정된 시간 간격들에 대응하는 사전설정된 위치 유형들 각각과 연관된 확률 값들을 정의함 - ;
사전설정된 위치 유형들을 트래버싱(traversing)하고, 타겟 지리적 위치의 업로딩 시간들에 대응하는 사전설정된 위치 유형들 각각의 확률 값들의 합을 계산하여, 타겟 지리적 위치가 사전설정된 위치 유형들 각각에 소속하는 정도들을 획득하는 단계; 및
타겟 지리적 위치가 사전설정된 위치 유형들 각각에 소속하는 정도들에 따라 타겟 지리적 위치의 위치 유형을 식별하는 단계를 포함한다.
사용자의 지리적 위치의 유형을 식별하기 위한 장치는 이 출원의 또 다른 양태에 따라 제공되고, 상기 장치는,
프로세서 및 메모리를 포함하고, 메모리는 프로세서에 의해 실행될 수 있는 명령 모듈들을 저장하고, 명령 모듈들은,
사용자 단말이 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션으로 데이터를 송신할 때에 사용자 단말에 의해 업로딩된 타겟 지리적 위치 및 대응하는 업로딩 시간들을 수신하도록 구성되는 지리적 위치 수집 모듈 - 하나의 타겟 지리적 위치는 적어도 하나의 업로딩 시간에 대응함 - ;
사전설정된 시간-위치 유형 맵핑 관계를 획득하도록 구성되는 맵핑 관계 획득 모듈 - 시간-위치 유형 맵핑 관계는 사전설정된 시간 간격들에 대응하는 사전설정된 위치 유형들 각각과 연관된 확률 값들을 정의함 - ;
사전설정된 위치 유형들을 트래버싱하고, 타겟 지리적 위치의 업로딩 시간들에 대응하는 사전설정된 위치 유형들 각각의 확률 값들의 합을 계산하여, 타겟 지리적 위치가 사전설정된 위치 유형들 각각에 소속하는 정도들을 획득하도록 구성되는 소속 정도 계산 모듈; 및
타겟 지리적 위치가 사전설정된 위치 유형들 각각에 소속하는 정도들에 따라 타겟 지리적 위치의 위치 유형을 식별하도록 구성되는 유형 식별 모듈을 포함한다.
이 출원의 실시예들에서 또는 관련된 기술에서 기술적 해결책들을 더 명확하게 설명하기 위하여, 다음은 실시예들 또는 관련된 기술을 설명하기 위하여 요구된 첨부 도면들을 간략하게 설명한다. 분명히, 다음의 설명에서의 첨부 도면들은 이 출원의 일부 실시예들을 단지 도시하고, 본 기술분야의 통상의 기술자는 창조적인 노력들 없이 이 첨부 도면들로부터 다른 도면들을 여전히 유도할 수도 있다.
도 1은 실시예에서의 사용자의 지리적 위치의 유형을 식별하기 위한 방법의 개략적인 플로우차트이고;
도 2는 실시예에서의 지리적 위치의 분포의 개략도이고;
도 3은 실시예에서의 부적절한 시간-위치 유형 맵핑 관계의 개략도이고;
도 4는 실시예에서의 사용자의 지리적 위치의 유형을 식별하기 위한 장치의 개략적인 구조도이고; 그리고
도 5는 실시예에서의 사용자의 지리적 위치의 유형을 식별하기 위한 방법을 수행하기 위한 컴퓨터 디바이스의 개략적인 구조도이다.
다음은 이 출원의 실시예들에서의 첨부 도면들을 참조하여 이 출원의 실시예들에서의 기술적 해결책들을 명확하게 그리고 완전하게 설명한다. 분명히, 설명된 실시예들은 실시예들의 전부가 아니라, 이 출원의 일부 실시예들이다. 창조적인 노력들 없이 이 출원의 실시예들에 기초하여 본 기술분야의 통상의 기술자에 의해 획득된 모든 다른 실시예들은 이 출원의 보호 범위 내에 속할 것이다.
이 출원의 실시예는 높은 정확도로 사용자의 지리적 위치의 유형을 식별하기 위한 방법을 제공한다. 컴퓨터 프로그램은 방법을 구현할 수도 있고, 컴퓨터 프로그램은 폰 노이만(Von Neumann) 아키텍처에 기초한 컴퓨터 시스템에서 작동할 수도 있다. 컴퓨터 프로그램은 LBS 서비스를 제공하는 인스턴트 메시징 애플리케이션, 소셜 네트워크 애플리케이션, 또는 온라인 투 오프라인(online to offline)(O2O) 애플리케이션의 서버 프로그램일 수도 있고, 방법을 수행하기 위한 컴퓨터 시스템은 인스턴트 메시징 애플리케이션, 소셜 네트워크 애플리케이션, 또는 O2O 애플리케이션의 서버 프로그램을 작동시키기 위한 서버 디바이스일 수도 있다.
이 방법의 애플리케이션 시나리오에서, 사용자 단말은 사용자 단말의 지리적 위치를 실시간으로 검출하기 위하여 GPS 장치로 구성될 수도 있다. 사용자 단말은 인스턴트 메시징 애플리케이션, 소셜 네트워크 애플리케이션, 또는 O2O 애플리케이션의 클라이언트를 추가로 설치하고, 그 애플리케이션들은 LBS 서비스에 기초한다. 서버는 다수의 위치 유형들, 예를 들어, 거주지, 작업장, 및 레크리에이션 영역과, 시간-위치 유형 맵핑 관계의 테이블로 구성될 수도 있다. 사용자 단말에 의해 업로딩된 지리적 위치에 대하여, 업로딩 시간이 획득되고, 맵핑 테이블은 사용자의 지리적 위치의 유형을 식별하기 위하여 질의된다.
구체적으로, 도 1에서 도시된 바와 같이, 사용자의 지리적 위치의 유형을 식별하기 위한 방법은,
단계(S102): 사용자 단말이 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션으로 데이터를 송신할 때에 사용자 단말에 의해 업로딩된 타겟 지리적 위치 및 대응하는 업로딩 시간을 수신하고, 하나의 타겟 지리적 위치는 적어도 하나의 업로딩 시간에 대응한다.
지리적 위치를 수집하는 서버는 사용자 단말이 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션으로 데이터를 송신하는 것을 검출함으로써 실현된다. 사용자 단말은 사용자가 사용자 생성된 콘텐츠를 업로딩할 때에 사용자 단말의 지리적 위치를 업로딩할 수도 있다. 예를 들어, 사용자가 사용자 단말을 이용함으로써 메시지를 또 다른 사용자에게 전송하거나, 사진을 업로딩하거나, 비디오를 서버로 업로딩할 때, 사용자 단말은 GPS 칩을 이용함으로써 획득된 지리적 위치를 업로딩된 데이터에 첨부할 수도 있다. 또 다른 예에서, 사용자가 이동 단말을 이용함으로써 지불을 수행할 때, 이동 단말은 사용자의 지리적 위치를 서버로 업로딩할 수도 있다.
이 실시예에서, 사용자가 긴 시간 기간(time period) 동안에 작은 범위에서 활동을 취할 때, 다수의 지리적 위치들은 다수의 시간들에 대하여 업로딩되고, 서버는 사용자 단말이 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션으로 데이터를 송신할 때에 사용자 단말에 의해 업로딩된 적어도 하나의 지리적 위치를 수신할 수 있다. 서버는 적어도 하나의 지리적 위치를 클러스터링(cluster)하여 타겟 지리적 위치를 획득할 수 있고, 타겟 지리적 위치의 업로딩 시간은 적어도 하나의 지리적 위치의 업로딩 시간이다.
예를 들어, 사용자가 하루 동안 공원에서 놀고 다수의 시간들에 대한 콘텐츠를 게시(publish)하기 위하여 사진들을 촬영하는 경우, 사용자는 정원에서의 다수의 지리적 위치들을 서버로 업로딩하고, 지리적 위치들 각각은 독립적인 업로딩 시간에 대응한다. 그러나, 서버에 대하여, 타겟 지리적 위치의 위치는 정밀한 위도 좌표 및 경도 좌표로 정확하게 표현될 필요가 없고, 영역은 타겟 지리적 위치의 위치를 표현하기에 충분히 정밀하다. 그것을 행하기 위하여, 업로딩된 다수의 지리적 위치들이 클러스터링될 수도 있다. 예를 들어, 도 2에서 도시된 바와 같이, 클러스터링은 업로딩된 지리적 위치들의 밀집 정도에 따라 수행될 수도 있고, 클러스터링에 의해 획득된 위치 영역은 타겟 지리적 위치로서 이용된다. 그러나, 클러스터링 지리적 위치들의 모든 업로딩 시간들은 여전히 예약되고, 즉, 업로딩된 지리적 위치들에 대응하는 업로딩 시간들은 타겟 지리적 위치의 업로딩 시간들로서 설정되고, 즉, 타겟 지리적 위치 및 업로딩 시간들은 일대다(one to more)의 관계일 수도 있고, 물리적인 의미는 사용자가 충분히 긴 시간 동안에 영역에서 체류하고 다수의 시간들에 대한 타겟 지리적 위치들을 업로딩한다는 것이다.
단계(S104): 사전설정된 시간-위치 유형 맵핑 관계를 획득하고, 시간-위치 유형 맵핑 관계는 사전설정된 시간 간격 동안에 사전설정된 위치 유형들 각각과 연관된 확률 값들을 정의한다.
서버는 다수의 위치 유형들, 예를 들어, 거주지, 작업장, 및 레크리에이션 영역을 미리 정의한다.
서버는 미리 다수의 시간 간격들, 예를 들어, 0시 내지 6시, 및 6시 내지 9시를 추가로 정의한다.
각각의 시간 간격에 대응하여, 각각의 사전설정된 위치 유형은 확률 값을 가진다. 예를 들어, 0시 내지 6시의 시간 간격 동안, "거주지" 위치 유형 하의 확률 값은 A로 설정될 수도 있고, "작업장" 위치 유형 하의 확률 값은 B로 설정될 수도 있고, "레크리에이션 영역" 위치 유형 하의 확률 값은 C로 설정될 수도 있다.
표 1에서 도시된 바와 같이, 표 1은 실시예에서 작업일에서의 시간-위치 유형 맵핑 관계의 맵핑 테이블을 나타낸다.
Figure 112018077956603-pct00001
테이블은 사전설정된 시간 기간 및 각각의 사전설정된 위치 유형 사이의 맵핑 관계 및 그 맵핑 확률 값을 표현하기 위하여 단지 이용되고, 실제적인 제품에서는, 서버가 본원에서와 같은 완전히 동일한 테이블을 필요로 하지 않는다는 것이 주목되어야 한다. 맵핑 관계는 다수의 데이터 구조들로 저장될 수 있다.
표 1로부터 알 수 있는 바와 같이, 서버 상에서의 사전-저장된 시간-위치 유형 맵핑 관계에서, 다수의 시간 간격들은 0 내지 6, 6 내지 9, 및 9 내지 12의 시간 간격들과 같이 미리 분할되고, 각각의 시간 간격에서, 각각의 위치 유형은 확률 값에 대응한다. 예를 들어, 0 내지 6의 시간 간격 동안, 거주지에서의 확률은 0.7이고, 작업장에서의 확률은 0.1이고, 레크리에이션 영역에서의 확률은 0.2이다. 이것은 오전 0시로부터 6시까지의 시간 간격 동안, 그것이 사용자가 거주지에서 휴식을 취할 큰 확률(70%의 확률), 작업장에서의 초과 작업(10%의 확률) 또는 레크리에이션 영역에서의 놀이(20%의 확률)의 작은 확률을 가진다는 것을 의미한다.
사전설정된 시간-위치 유형 맵핑 관계는 추가로, 다음의 조건들을 충족시킬 필요가 있다는 것이 주목되어야 한다:
1. 사용자에 의한 각각의 사전설정된 위치 유형 하에서의 동일한 시간 간격 t에 대응하는 확률 값들의 합은 1이고, 즉,
Figure 112018077956603-pct00002
이것은 사용자가 동시에 모든 사전설정된 위치 유형들 중의 하나에서 단지 존재할 수도 있고, 즉, 사용자는 거주지, 또는 작업장, 또는 레크리에이션 영역에 있고, 동시에 2개의 장소에서 존재하거나 흔적도 없이 사라질 수가 없다는 것을 의미한다.
2. 각각의 시간 간격에서의 동일한 위치 유형에 대응하는 확률 값들의 합은 1이 아니고, 즉,
Figure 112018077956603-pct00003
이것은 사용자가 시간-위치 유형 맵핑 관계가 의미없어질 경우에, 모든 시간 동안에 동일한 장소에서 존재되기가 불가능하다는 것을 의미한다.
도 3에서 도시된 바와 같이, 도 3은 올바르지 않게 설계되는 시간-위치 유형 맵핑 관계를 나타낸다. 도면에서의 소위 "거주지에서의 확률" 및 "작업장에서의 확률"의 합들은 양자 모두 정시에 1과 동일하다.
임의적으로, 서버 상에서 저장된 시간-위치 유형 맵핑 관계는 고유하지 않을 수도 있고, 상이한 시간-위치 유형 맵핑 관계들이 상이한 사용자들에 따라 미리 설계될 수도 있다. 즉, 서버는 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션에서의 로그인을 위하여 사용자 단말에 의해 이용되는 사용자 계정의 계정 유형을 획득할 수도 있고; 계정 유형에 대응하는 사전설정된 시간-위치 유형 맵핑 관계를 획득할 수도 있다.
예를 들어, 주간 근무(9시 내지 17시 동안에 작업)인 사용자의 시간테이블 및 야간 근무(22시 내지 다음날 이른 오전의 6시 동안에 작업)인 사용자의 시간테이블은 상이하다. 그러므로, 시간-위치 유형 맵핑 관계가 설계될 때, 0-6 시간 기간에서는, 주간 근무인 사용자에 대응하는 시간-위치 유형 맵핑 관계에서, 거주지에서의 확률이 상대적으로 큰 반면, 야간 근무인 사용자에 대응하는 시간-위치 유형 맵핑 관계에서, 작업장에서의 확률이 상대적으로 크다. 이러한 방법으로, 식별을 더 정확하게 하기 위하여, 상대적으로 현실적인 확률이 입증될 수도 있다.
또한, 서버는 업로딩 시간에 대응하는 사전설정된 시간 기간을 추가로 획득할 수도 있고, 업로딩 시간에 대응하는 시간 기간에 대응하는 사전설정된 시간-위치 유형 맵핑 관계를 획득할 수도 있다.
예를 들어, 작업일 또는 휴일에서, 사용자의 생활 습관들 및 관습들은 상이하여, 동일한 시간 간격 동안에, 거주지, 작업장, 또는 레크리에이션 영역의 확률은 상이한 것으로서 설계될 필요가 있다. 표 2를 참조하면, 표 2는 실시예에서의 휴일들에서의 시간-위치 유형 맵핑 관계의 맵핑 테이블을 나타낸다.
테이블은 사전설정된 시간 기간 및 각각의 사전설정된 위치 유형 사이의 맵핑 관계 및 그 맵핑 확률 값을 표현하기 위하여 단지 이용되고, 실제적인 제품에서는, 서버가 본원에서와 같은 완전히 동일한 테이블을 필요로 하지 않다는 것이 주목되어야 한다. 맵핑 관계는 다수의 데이터 구조들로 저장될 수도 있다.
Figure 112018077956603-pct00004
표 1 및 표 2의 비교로부터, 14 내지 18의 시간 간격 동안에는, 사용자가 작업일에 작업장에 있을 확률이 상대적으로 크고(70%의 확률), 휴일에는, 사용자가 레크리에이션 영역에 있을 확률이 상대적으로 크다(60%의 확률)는 것을 알 수 있다.
서버는 식별을 더 정확하게 하도록, 사용자가 사용자 습관들과 더 일치하는 지리적 위치의 위치 유형의 확률을 만들기 위하여 (평일 및 휴일과 같은) 상이한 시간 기간들에 대한 상이한 시간-위치 유형 맵핑 관계들을 이용한다.
단계(S106): 사전설정된 위치 유형들을 트래버싱하고, 타겟 지리적 위치의 업로딩 시간들에 대응하는 각각의 위치 유형의 확률 값들의 합을 계산하여, 각각의 개개의 사전설정된 위치 유형에 대한 사전설정된 유형에 소속하는 타겟 지리적 위치의 정도를 획득한다.
예를 들어, 표 2에서 도시된 바와 같은 휴일들에서의 시나리오에서는, 거주지의 위치 유형 하에서의 타겟 지리적 위치 L의 정도는:
Figure 112018077956603-pct00005
작업장의 위치 유형 하에서의 타겟 지리적 위치 L의 정도는:
Figure 112018077956603-pct00006
레크리에이션 영역의 위치 유형 하에서의 타겟 지리적 위치 L의 정도는:
Figure 112018077956603-pct00007
여기서, n은 타겟 지리적 위치 L의 업로딩 시간들의 총 수이고, j는 업로딩 시간들의 순서 번호이고, tj는 업로딩 시간이다.
단계(S108): 타겟 지리적 위치가 각각의 사전설정된 위치 유형에 소속하는 정도에 따라 타겟 지리적 위치의 위치 유형을 식별한다.
이 실시예에서는, 충분한 샘플들을 갖는 조건 하에서는, 즉, 타겟 지리적 위치에 대응하는 업로딩 시간의 수량이 임계치(threshold) 이상일 때, 각각의 사전설정된 위치 유형에 소속하는 타겟 지리적 위치의 확률은 통계적인 방법에 의해 획득될 수 있고, 그리고 구체적으로:
각각의 사전설정된 위치 유형에 소속하는 타겟 지리적 위치의 확률을 획득하기 위하여, 타겟 지리적 위치에 대응하는 업로딩 시간의 수량이 임계치 이상일 때, 각각의 사전설정된 위치 유형에 소속하는 타겟 지리적 위치의 정도들의 합이 계산되고, 정도들의 합에 대한, 타겟 지리적 위치가 각각의 사전설정된 위치 유형에 소속하는 정도의 비율이 계산된다. 타겟 지리적 위치의 위치 유형은 각각의 사전설정된 위치 유형에 소속하는 타겟 지리적 위치의 확률에 따라 식별된다.
예를 들어, 거주지의 위치 유형 하에서의 타겟 지리적 위치 L의 확률은:
Figure 112018077956603-pct00008
작업장의 위치 유형 하에서의 타겟 지리적 위치 L의 확률은:
Figure 112018077956603-pct00009
레크리에이션 영역의 위치 유형 하에서의 타겟 지리적 위치 L의 확률은:
Figure 112018077956603-pct00010
이 경우, 상대적으로 큰 확률을 가지는 위치 유형은 P(L은 거주지), P(L은 작업장), 및 R(L은 레크리에이션 영역)에서의 타겟 지리적 위치의 위치 유형으로서 선택될 수도 있다. 그리고 3개의 확률이 유사할 경우, 사용자는 주석작성(annotation)을 수동으로 수행하도록 촉구받을 수 있다.
샘플 수량이 상대적으로 작으므로, 타겟 지리적 위치에 대응하는 업로딩 시간들의 수량이 임계치 미만일 때, 상기한 방법의 신뢰성은 불충분하다. 그러므로, 타겟 지리적 위치가 각각의 사전설정된 위치 유형에 소속하는 정도 및 개개의 위치 유형들 하에서의 확률들의 합의 비율이 계산될 수 있고, 타겟 지리적 위치의 위치 유형은 비율에 따라 식별될 수 있다.
구체적으로, 타겟 지리적 위치 L의 거주지의 위치 유형 하에서의 확률들의 합에 대한 거주지의 위치 유형 하에서의 정도의 비율은:
Figure 112018077956603-pct00011
여기서, m은 모든 시간 간격들의 수량이고, i는 모든 사전설정된 시간 간격들의 순서 번호이고, ti는 시간 간격이다. 표 2에서 도시된 바와 같이, 그것은 "거주지에서의 확률"이 있는 행의 확률 값들의 합이다.
타겟 지리적 위치 L의 작업장의 위치 유형 하에서의 확률들의 합에 대한 작업장의 위치 유형 하에서의 정도의 비율은:
Figure 112018077956603-pct00012
타겟 지리적 위치 L의 레크리에이션 영역의 위치 유형 하에서의 확률들의 합에 대한 레크리에이션 영역의 위치 유형 하에서의 정도의 비율은:
Figure 112018077956603-pct00013
이 경우, 임계치보다 더 큰 가장 큰 비율에 대응하는 위치 유형은 R(L은 거주지), R(L은 작업장), 및 R(L은 레크리에이션 영역)에서의 타겟 지리적 위치의 위치 유형으로서 선택될 수도 있다. 게다가, 3개의 비율이 유사하고, 가장 큰 비율 값이 임계치 미만일 경우, 사용자는 주석작성을 수동적으로 수행하도록 촉구받을 수도 있다.
또한, 타겟 지리적 위치가 각각의 사전설정된 위치 유형에 소속하는 정도에 따라 타겟 지리적 위치의 위치 유형을 식별한 후, 서버는 추가로, 사용자 단말의 지리적 위치를 검출할 수도 있고, 사용자 단말에 의해 업로딩된 현재의 지리적 위치의 위치 유형을 검색할 수도 있고, 사용자 단말로 푸시하기 위한 위치 유형에 대응하는 데이터 콘텐츠를 선택할 수도 있다.
예를 들어, 타겟 지리적 위치 L이 레크리에이션 영역으로서 식별되고 사용자가 타겟 지리적 위치 L에서 위치될 때, 서버가 사용자의 현재의 위치를 검출할 경우, 그것은 사용자가 현재 레크리에이션 영역에 있는 것으로 식별될 수도 있다. 이 경우, 이 경우에 적용가능한 일부 쇼핑 안내 정보, 할인들 또는 광고 정보가 사용자에게 푸시될 수도 있다. 이러한 방법으로, 서버에 의해 푸시된 콘텐츠는 사용자가 현재 있는 환경과 더 관련될 수 있어서, 콘텐츠 푸싱(content pushing)은 더 정확하게 수행될 수 있다.
또한, 타겟 지리적 위치가 각각의 사전설정된 위치 유형에 대응하는 정도에 따라 타겟 지리적 위치의 위치 유형을 식별한 후, 서버는 각각의 사전설정된 위치 유형에 소속하는 지리적 위치의 분포를 계산할 수도 있고; 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션에서의 로그인을 위하여 사용자 단말에 의해 이용되는 사용자 계정을 획득할 수도 있고; 위치 유형에 소속하는 지리적 위치의 분포에 따라 사용자 계정의 신용 등급을 결정할 수도 있다.
예를 들어, 타겟 지리적 위치 L1이 사용자의 거주지로서 식별되고 중심 업무 지구(central business district)(생략하여 CBD)에 있을 경우, 자산 가치들이 타겟 지리적 위치 L1에서 상대적으로 높다는 것이 인터넷으로부터 취득된 데이터로부터 알려질 수 있으므로, 신용 조사 시스템의 서버는 사용자가 CBD에서 주택 자산을 가지는 것으로 결정할 수도 있고, 따라서, 상대적으로 높은 신용 등급을 사용자에게 배정하고; 이에 대응하여, 다수의 타겟 지리적 위치들이 사용자의 거주지들로서 모두 식별될 경우, 신용 조사 시스템의 서버는 사용자가 다수의 주택 자산들을 가질 수도 있고 상대적으로 높은 신용 등급을 부여받을 수도 있는 것으로 결정할 수도 있다. 그리고, 타겟 지리적 위치 L1이 사용자의 작업장으로서 식별되고 위치가 원격이고, 주위의 주택 가격이 상대적으로 낮은 L2가 사용자의 거주지로서 식별될 경우, 신용 조사 시스템의 서버는 사용자가 단지 CBD에서 작업하는 피고용인이고 상대적으로 낮은 거주지의 주택 가치를 결정할 수도 있어서, 사용자는 상대적으로 낮은 신용 등급을 단지 부여받는다.
기존의 기술에서, 점수화 모델이 사용자의 "신용"에 대한 양자화 점수를 부여하는 신용 조사 시스템을 확립하기 위하여, 사용자의 은행 잔고증명서(bank statement) 및 신용 이력의 데이터에 주로 기초하는 방식과 비교하여, 사용자의 지리적 위치의 유형을 참조한 상기한 신용 등급 설정 방식은 사용자의 실제적인 경제력을 결정하기 위하여 사용자의 수동적인 거동 레코드 및 활동 레코드를 이용한다. 따라서, 사용자가 종래의 신용 조사 시스템에서와 같이 (예를 들어, 상대적으로 높은 은행 잔고증명서의 거짓된 외관을 만들기 위하여 짧은 시간 동안에 많은 양의 돈을 예치하고 출금함으로써) 데이터를 날조하는 것이 방지될 수 있고, 그 결과 더욱 정확한 신용 등급을 얻게 된다.
상기한 방법은 실시간으로 연속적으로 획득된 지리적 위치 데이터 흐름을 프로세싱할 수도 있고, 서버 상에서의 이력 데이터 또는 결과와 조합하여, 원래의 지리적 위치 데이터, 또는 모든 레벨들의 프로세싱된 중간 데이터, 또는 하나 이상의 사용자들의 하나 이상의 이동 클라이언트들로부터 수신된 최종적인 결과를 철저하게 컴퓨팅한 후에 더 새로운 결과를 획득하기 위하여, 프로그래밍 언어 C/C++, Java 등을 이용함으로써 독립적인 애플리케이션 소프트웨어 또는 대형 소프트웨어 시스템에서의 전용 모듈로 기입된 후에 서버 엔드(server end) 상에서 작동할 수도 있고, 그 다음으로, 그것을 실시간 또는 비-실시간으로 이용하기 위하여 또 다른 애플리케이션 프로그램 또는 모듈로 출력할 수도 있다는 것이 주목되어야 한다. 대안적으로, 결과는 저장하기 위한 서버 엔드의 데이터베이스 또는 파일로 기입될 수도 있다.
상기한 방법은 다수의 서버들에 의해 구성된 분산되고 병렬화된 계산 플랫폼 상에서 추가로 구현될 수도 있고, 사람, 그룹, 또는 기업이 이용하기 위한 "지리적 위치 데이터 마이닝 플랫폼(geographical location data mining platform)"을 형성하기 위하여, 맞춤형 및 용이한 대화형 웹(Web) 인터페이스 또는 다양한 다른 UI 인터페이스들에 첨부될 수도 있다. 사용자는 유형 결정 결과를 획득하기 위하여 현존하는 데이터 패킷들을 "지리적 위치 데이터 마이닝 플랫폼"에 일괄적으로(in batches) 업로딩할 수도 있고, 유형 식별 결과를 계산하고 리프레시(refresh)하기 위하여 실시간 데이터 흐름을 "지리적 위치 데이터 마이닝 플랫폼"으로 송신할 수도 있다.
높은 정확도로 사용자의 지리적 위치의 유형을 식별하기 위한 장치는 이 출원의 실시예에서 추가로 제공된다. 도 4에서 도시된 바와 같이, 사용자의 지리적 위치의 유형을 식별하기 위한 상기한 장치는 지리적 위치 수집 모듈(102), 맵핑 관계 획득 모듈(104), 소속 정도 계산 모듈(106), 및 유형 식별 모듈(108)을 포함하고, 여기서,
지리적 위치 수집 모듈(102)은 사용자 단말이 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션에서 데이터를 송신할 때에 사용자 단말에 의해 업로딩된 타겟 지리적 위치 및 대응하는 업로딩 시간을 수신하도록 구성되고, 하나의 타겟 지리적 위치는 적어도 하나의 업로딩 시간에 대응하고;
맵핑 관계 획득 모듈(104)은 사전설정된 시간-위치 유형 맵핑 관계를 획득하도록 구성되고, 시간-위치 유형 맵핑 관계는 사전설정된 시간 간격이 각각의 사전설정된 위치 유형에 대응하는 확률 값을 정의하고;
소속 정도 계산 모듈(106)은 사전설정된 위치 유형들을 트래버싱하고, 타겟 지리적 위치의 업로딩 시간이 트래버싱된 위치 유형들에 대응하는 확률 값들의 합을 계산하여, 타겟 지리적 위치가 각각의 사전설정된 위치 유형에 소속하는 정도를 획득하도록 구성되고; 그리고
유형 식별 모듈(108)은 타겟 지리적 위치가 각각의 사전설정된 위치 유형에 소속하는 정도에 따라 타겟 지리적 위치의 위치 유형을 식별하도록 구성된다.
임의적으로, 실시예에서, 지리적 위치 수집 모듈(102)은 사용자 단말이 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션에서 데이터를 송신할 때에 사용자 단말에 의해 업로딩된 적어도 하나의 지리적 위치를 수신하고, 적어도 하나의 지리적 위치를 클러스터링하여, 타겟 지리적 위치를 획득하도록 추가로 구성되고, 여기서, 타겟 지리적 위치의 업로딩 시간은 적어도 하나의 지리적 위치의 개개의 업로딩 시간이다.
임의적으로, 실시예에서, 맵핑 관계 획득 모듈(104)은 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션에서의 로그인을 위하여 사용자 단말에 의해 이용되는 사용자 계정의 계정 유형을 획득하고; 계정 유형에 대응하는 사전설정된 시간-위치 유형 맵핑 관계를 획득하도록 추가로 구성된다.
임의적으로, 실시예에서, 맵핑 관계 획득 모듈(104)은 업로딩 시간에 대응하는 사전설정된 시간 기간을 획득하고, 업로딩 시간에 대응하는 시간 기간에 대응하는 사전설정된 시간-위치 유형 맵핑 관계를 획득하도록 추가로 구성된다.
임의적으로, 실시예에서, 사전설정된 시간-위치 유형 맵핑 관계에서는: 각각의 사전설정된 위치 유형 하에서의 동일한 시간 간격에 대응하는 확률 값들의 합은 1이고; 각각의 시간 간격에서의 동일한 위치 유형에 대응하는 확률 값들의 합은 1이 아니다.
임의적으로, 실시예에서, 유형 식별 모듈(108)은 타겟 지리적 위치에 대응하는 업로딩 시간의 수량이 임계치 이상일 때, 각각의 사전설정된 위치 유형에 소속하는 타겟 지리적 위치의 정도들의 합을 계산하고, 정도들의 합에 대한, 타겟 지리적 위치가 각각의 사전설정된 위치 유형에 소속하는 정도의 비율을 계산하여, 각각의 사전설정된 위치 유형에 소속하는 타겟 지리적 위치의 확률을 획득하고, 각각의 사전설정된 위치 유형에 소속하는 타겟 지리적 위치의 확률에 따라 타겟 지리적 위치의 위치 유형을 식별하도록 추가로 구성된다.
임의적으로, 실시예에서, 유형 식별 모듈(108)은 타겟 지리적 위치에 대응하는 업로딩 시간의 수량이 임계치 미만일 때, 타겟 지리적 위치가 각각의 사전설정된 위치 유형에 소속하는 정도와 개개의 위치 유형들 하에서의 확률들의 합의 비율을 계산하고, 비율에 따라 타겟 지리적 위치의 위치 유형을 식별하도록 추가로 구성된다.
임의적으로, 실시예에서, 도 4에서 도시된 바와 같이, 상기한 장치는 사용자 단말의 지리적 위치를 검출하고, 사용자 단말에 의해 업로딩된 지리적 위치의 위치 유형을 검색하고, 사용자 단말로 푸시하기 위한 위치 유형에 대응하는 데이터 콘텐츠를 선택하도록 구성되는 콘텐츠 푸시 모듈(110)을 더 포함한다.
임의적으로, 실시예에서, 도 4에서 도시된 바와 같이, 상기한 장치는 각각의 사전설정된 위치 유형에 소속하는 지리적 위치의 분포를 계산하고, 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션에서의 로그인을 위하여 사용자 단말에 의해 이용되는 사용자 계정을 획득하고, 위치 유형에 소속하는 지리적 위치의 분포에 따라 사용자 계정의 신용 등급을 결정하도록 구성되는 신용 평가 모듈(112)을 더 포함한다.
이 출원의 실시예들을 구현함으로써, 다음의 유익한 효과들이 획득된다:
사용자의 지리적 위치의 유형을 식별하기 위한 상기한 방법 및 장치에서는, 사용자의 매일의 활동들이 규칙적이므로, 사용자가 시간 간격 동안에 특정 위치 유형의 장소 상에 위치할 확률이 또한 어떤 규칙성을 가질 수도 있다. 그러므로, 서버는 시간-위치 유형 맵핑 관계를 사전설정하고, 시간-위치 유형 맵핑 관계는 사전설정된 시간 간격이 각각의 사전설정된 위치 유형에 대응하는 확률 값을 정의한다. 서버는 타겟 지리적 위치의 업로딩 시간에 따라 상기한 맵핑 관계로부터 각각의 위치 유형에 소속하는 타겟 지리적 위치의 정도를 검색할 수도 있어서, 서버는 정도에 따라 사용자의 지리적 위치의 유형을 식별할 수도 있다. 사용자의 지리적 위치의 유형은 이러한 방식으로 식별되고, 그 채택된 근거는 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션을 이용할 때에 사용자에 의해 수동적으로 생성된 활동 레코드이다. 그러므로, 날조된 성분들이 존재하지 않고, 식별 방식은 사용자의 매일 생활의 객관적인 규칙성에 기초한다. 그러므로, 식별의 정확도가 상대적으로 높다.
실시예에서, 도 5에서 도시된 바와 같이, 도 5는 사용자의 지리적 위치의 유형을 식별하기 위한 상기한 방법을 수행하기 위한 폰 노이만 아키텍처에 기초한 컴퓨터 시스템의 단말(10)을 나타낸다. 컴퓨터 시스템은 스마트폰, 태블릿 컴퓨터, 핸드헬드 컴퓨터, 노트북 컴퓨터, 또는 개인용 컴퓨터와 같은 단말 디바이스일 수도 있다. 구체적으로, 시스템 버스에 의해 접속되는 외부 입력 인터페이스(1001), 프로세서(1002), 메모리(1003), 및 출력 인터페이스(1004)가 포함될 수도 있다. 외부 입력 인터페이스(1001)는 임의적으로, 네트워크 인터페이스(10012)를 적어도 포함할 수도 있다. 메모리(1003)는 (하드 디스크, 광학 디스크, 또는 플로피 디스크와 같은) 외부 스토리지(10032) 및 내부 메모리(10034)를 포함할 수도 있다. 출력 인터페이스(1004)는 디스플레이 스크린(10042)과 같은 디바이스를 적어도 포함할 수도 있다.
이 실시예에서, 이 방법은 컴퓨터 프로그램에 기초하여 수행된다. 컴퓨터 프로그램의 프로그램 파일은 폰 노이만 아키텍처에 기초한 컴퓨터 시스템(10)의 상기한 외부 스토리지(10032)에서 저장되고, 작동될 때에 메모리(10034)로 로딩되고, 머신 코드로 컴파일링된 후에 실행하기 위하여 프로세서(1002)로 전달되어, 지리적 위치 수집 모듈(102), 맵핑 관계 획득 모듈(104), 소속 정도 계산 모듈(106), 및 유형 식별 모듈(108)은 폰 노이만 아키텍처에 기초한 컴퓨터 시스템(10)에서 논리적으로 형성된다. 게다가, 상기한 방법이 사용자의 지리적 위치의 유형을 식별하기 위한 프로세스를 수행하는 동안, 입력 파라미터들은 외부 입력 인터페이스(1001)를 통해 수신되고, 캐시(cache)를 위하여 메모리(1003)로 전달되고, 그 다음으로, 프로세싱되어야 할 프로세서(1002)로 입력되고, 프로세싱된 결과 데이터는 순차적으로 프로세싱되도록 메모리(1003)에서 캐시되고 저장되거나, 출력되도록 출력 인터페이스(1004)로 전송된다.
위에서 개시되는 것은 단지 이 출원의 실시예들의 예들이고, 확실히, 이 출원의 보호 범위를 제한하도록 의도된 것이 아니다. 그러므로, 본 개시내용의 청구항들에 따라 행해진 동등한 변형들은 이 출원의 범위 내에 속할 것이다.

Claims (18)

  1. 사용자의 지리적 위치의 유형을 식별하기 위한 방법으로서,
    사용자 단말이 인스턴트 메시징 애플리케이션(instant messaging application) 또는 소셜 네트워크 애플리케이션(social network application)으로 데이터를 송신할 때에 상기 사용자 단말에 의해 업로딩된 타겟 지리적 위치 및 대응하는 업로딩 시간들을 수신하는 단계 - 하나의 타겟 지리적 위치는 적어도 하나의 업로딩 시간에 대응함 -;
    사전설정된 시간-위치 유형 맵핑 관계를 획득하는 단계 - 상기 사전설정된 시간-위치 유형 맵핑 관계는 사전설정된 시간 간격들에 대응하는 사전설정된 위치 유형들 각각과 연관된 확률 값들을 정의함 -;
    상기 사전설정된 위치 유형들을 트래버싱(traversing)하는 단계,
    사전설정된 위치 유형에 대해, 상기 사전설정된 시간-위치 유형 맵핑 관계에 기초하여, 상기 사전설정된 위치 유형과 연관되고 상기 타겟 지리적 위치의 상기 업로딩 시간들에 대응하는 모든 확률 값들의 합을 계산하고, 상기 타겟 지리적 위치가 상기 사전설정된 위치 유형에 소속(belong)하는 정도로서 상기 합을 결정하는 단계;
    상기 타겟 지리적 위치에 대해, 상기 타겟 지리적 위치가 개개의 사전설정된 위치 유형들에 소속하는 정도들을 획득하는 단계; 및
    상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 정도들에 따라 상기 타겟 지리적 위치의 위치 유형을 식별하는 단계
    를 포함하는 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 사용자 단말이 상기 인스턴트 메시징 애플리케이션 또는 상기 소셜 네트워크 애플리케이션으로 상기 데이터를 송신할 때에 상기 사용자 단말에 의해 업로딩된 상기 타겟 지리적 위치를 수신하는 단계는, 상기 사용자 단말이 상기 인스턴트 메시징 애플리케이션 또는 상기 소셜 네트워크 애플리케이션으로 상기 데이터를 송신할 때에 상기 사용자 단말에 의해 업로딩된 적어도 하나의 지리적 위치를 수신하고, 상기 적어도 하나의 지리적 위치를 클러스터링하여, 상기 타겟 지리적 위치를 획득하는 단계를 더 포함하고, 상기 타겟 지리적 위치에 대응하는 상기 업로딩 시간들은 상기 적어도 하나의 지리적 위치의 개개의 업로딩 시간인 것을 특징으로 하는 방법.
  3. 제1항에 있어서,
    상기 사전설정된 시간-위치 유형 맵핑 관계를 획득하는 단계는,
    상기 인스턴트 메시징 애플리케이션 또는 상기 소셜 네트워크 애플리케이션에서의 로그인을 위하여 상기 사용자 단말에 의해 이용되는 사용자 계정의 계정 유형을 획득하는 단계; 및
    상기 계정 유형에 대응하는 상기 사전설정된 시간-위치 유형 맵핑 관계를 획득하는 단계
    를 더 포함하는 것을 특징으로 하는 방법.
  4. 제1항에 있어서,
    상기 사전설정된 시간-위치 유형 맵핑 관계를 획득하는 단계는, 상기 업로딩 시간들 각각에 대응하는 사전설정된 시간 기간(time period)을 획득하고, 상기 업로딩 시간들 각각에 대응하는 상기 사전설정된 시간 기간에 대응하는 사전설정된 시간-위치 유형 맵핑 관계를 획득하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  5. 제1항에 있어서,
    상기 사전설정된 시간-위치 유형 맵핑 관계를 획득함에 있어서,
    상기 사전설정된 위치 유형들 각각 하에서의 동일한 시간 간격에 대응하는 확률 값들의 합은 1이고;
    상기 시간 간격들 각각에서의 동일한 위치 유형에 대응하는 확률 값들의 합은 1이 아닌 것을 특징으로 하는 방법.
  6. 제1항에 있어서,
    상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들에 따라 상기 타겟 지리적 위치의 위치 유형을 식별하는 단계는:
    상기 타겟 지리적 위치에 대응하는 상기 업로딩 시간들의 수가 임계치 이상일 때, 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들의 합을 계산하고, 상기 정도들의 합에 대한, 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들의 비율들을 계산하는 단계, 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 확률들로서 상기 비율들을 결정하는 단계, 및 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 확률들에 따라 상기 타겟 지리적 위치의 상기 위치 유형을 식별하는 단계를 포함하는 것을 특징으로 하는 방법.
  7. 제1항에 있어서,
    상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들에 따라 상기 타겟 지리적 위치의 위치 유형을 식별하는 단계는, 상기 타겟 지리적 위치에 대응하는 상기 업로딩 시간들의 수가 임계치 미만일 때, 상기 개개의 사전설정된 위치 유형들과 연관된 확률 값들의 합에 대한, 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들의 비율들을 계산하고, 상기 비율들에 따라 상기 타겟 지리적 위치의 상기 위치 유형을 식별하는 단계를 포함하는 것을 특징으로 하는 방법.
  8. 제1항에 있어서,
    상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들에 따라 상기 타겟 지리적 위치의 위치 유형을 식별하는 단계 후에, 상기 방법은, 상기 사용자 단말의 지리적 위치를 검출하고, 상기 사용자 단말에 의해 업로딩된 상기 지리적 위치에 대응하는 위치 유형을 검색하고, 상기 사용자 단말로 푸시하기 위한 상기 위치 유형에 대응하는 데이터 콘텐츠를 선택하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  9. 제1항에 있어서,
    상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들에 따라 상기 타겟 지리적 위치의 위치 유형을 식별하는 단계 후에, 상기 방법은,
    상기 위치 유형에 소속하는 지리적 위치들의 분포를 계산하는 단계;
    상기 인스턴트 메시징 애플리케이션 또는 상기 소셜 네트워크 애플리케이션에서의 로그인을 위하여 상기 사용자 단말에 의해 이용되는 사용자 계정을 획득하는 단계; 및
    상기 위치 유형에 소속하는 상기 지리적 위치들의 상기 분포에 따라 상기 사용자 계정의 신용 등급(credit rating)을 결정하는 단계
    를 더 포함하는 것을 특징으로 하는 방법.
  10. 사용자의 지리적 위치의 유형을 식별하기 위한 장치로서,
    메모리 및 프로세서를 포함하고,
    상기 메모리는 상기 프로세서에 의해 실행될 수 있는 명령 모듈들을 저장하고,
    상기 명령 모듈들은,
    사용자 단말이 인스턴트 메시징 애플리케이션 또는 소셜 네트워크 애플리케이션으로 데이터를 송신할 때에 상기 사용자 단말에 의해 업로딩된 타겟 지리적 위치 및 대응하는 업로딩 시간들을 수신하도록 구성되는 지리적 위치 수집 모듈 - 하나의 타겟 지리적 위치는 적어도 하나의 업로딩 시간에 대응함 -;
    사전설정된 시간-위치 유형 맵핑 관계를 획득하도록 구성되는 맵핑 관계 획득 모듈 - 상기 사전설정된 시간-위치 유형 맵핑 관계는 사전설정된 시간 간격들에 대응하는 사전설정된 위치 유형들 각각과 연관된 확률 값들을 정의함 -;
    상기 사전설정된 위치 유형들을 트래버싱하고,
    사전설정된 위치 유형에 대해, 상기 사전설정된 시간-위치 유형 맵핑 관계에 기초하여, 상기 사전설정된 위치 유형과 연관되고 상기 타겟 지리적 위치의 상기 업로딩 시간들에 대응하는 모든 확률 값들의 합을 계산하고, 상기 타겟 지리적 위치가 상기 사전설정된 위치 유형에 소속하는 정도로서 상기 합을 결정하고,
    상기 타겟 지리적 위치가 개개의 사전설정된 위치 유형들에 소속하는 정도들을 획득하도록 구성되는 소속 정도 계산 모듈(belonging degree calculation module); 및
    상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들에 따라 상기 타겟 지리적 위치의 위치 유형을 식별하도록 구성되는 유형 식별 모듈
    을 포함하는 것을 특징으로 하는 장치.
  11. 제10항에 있어서,
    상기 지리적 위치 수집 모듈은 상기 사용자 단말이 상기 인스턴트 메시징 애플리케이션 또는 상기 소셜 네트워크 애플리케이션으로 상기 데이터를 송신할 때에 상기 사용자 단말에 의해 업로딩된 적어도 하나의 지리적 위치를 수신하고, 상기 적어도 하나의 지리적 위치를 클러스터링하여, 상기 타겟 지리적 위치를 획득하도록 더 구성되고, 상기 타겟 지리적 위치에 대응하는 상기 업로딩 시간들은 상기 적어도 하나의 지리적 위치의 개개의 업로딩 시간인 것을 특징으로 하는 장치.
  12. 제10항에 있어서,
    상기 맵핑 관계 획득 모듈은 상기 인스턴트 메시징 애플리케이션 또는 상기 소셜 네트워크 애플리케이션에서의 로그인을 위하여 상기 사용자 단말에 의해 이용되는 사용자 계정의 계정 유형을 획득하고; 상기 계정 유형에 대응하는 사전설정된 시간-위치 유형 맵핑 관계를 획득하도록 추가로 구성되는 것을 특징으로 하는 장치.
  13. 제10항에 있어서,
    상기 맵핑 관계 획득 모듈은 상기 업로딩 시간들 각각에 대응하는 사전설정된 시간 기간을 획득하고, 상기 업로딩 시간들 각각에 대응하는 상기 사전설정된 시간 기간에 대응하는 사전설정된 시간-위치 유형 맵핑 관계를 획득하도록 추가로 구성되는 것을 특징으로 하는 장치.
  14. 제10항에 있어서,
    사전설정된 시간-위치 유형 맵핑 관계를 획득함에 있어서,
    상기 사전설정된 위치 유형들 각각 하에서의 동일한 시간 간격에 대응하는 확률 값들의 합이 1이고;
    상기 시간 간격들 각각에서의 동일한 위치 유형에 대응하는 확률 값들의 합이 1이 아닌 것을 특징으로 하는 장치.
  15. 제10항에 있어서,
    상기 유형 식별 모듈은, 상기 타겟 지리적 위치에 대응하는 상기 업로딩 시간들의 수가 임계치 이상일 때, 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들의 합을 계산하고, 상기 정도들의 합에 대한, 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들의 비율들을 계산하고, 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 확률들로서 상기 비율들을 결정하며, 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 확률들에 따라 상기 타겟 지리적 위치의 상기 위치 유형을 식별하도록 추가로 구성되는 것을 특징으로 하는 장치.
  16. 제10항에 있어서,
    상기 유형 식별 모듈은 상기 타겟 지리적 위치에 대응하는 상기 업로딩 시간의 수가 임계치 미만일 때, 상기 개개의 사전설정된 위치 유형들과 연관된 확률 값들의 합에 대한, 상기 타겟 지리적 위치가 상기 개개의 사전설정된 위치 유형들에 소속하는 상기 정도들의 비율들을 계산하고, 상기 비율들에 따라 상기 타겟 지리적 위치의 상기 위치 유형을 식별하도록 추가로 구성되는 것을 특징으로 하는 장치.
  17. 제10항에 있어서,
    상기 장치는 상기 사용자 단말의 지리적 위치를 검출하고, 상기 사용자 단말에 의해 업로딩된 상기 지리적 위치에 대응하는 위치 유형을 검색하고, 상기 사용자 단말로 푸시하기 위한 상기 위치 유형에 대응하는 데이터 콘텐츠를 선택하도록 구성되는 콘텐츠 푸시 모듈(content pushing module)을 더 포함하는 것을 특징으로 하는 장치.
  18. 제10항에 있어서,
    상기 장치는 상기 위치 유형에 소속하는 지리적 위치들의 분포를 계산하고, 상기 인스턴트 메시징 애플리케이션 또는 상기 소셜 네트워크 애플리케이션에서의 로그인을 위하여 상기 사용자 단말에 의해 이용되는 사용자 계정을 획득하고, 상기 위치 유형에 소속하는 상기 지리적 위치들의 상기 분포에 따라 상기 사용자 계정의 신용 등급을 결정하도록 구성되는 신용 평가 모듈(credit evaluation module)을 더 포함하는 것을 특징으로 하는 장치.
KR1020187022746A 2016-06-12 2017-06-09 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스 KR102121361B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201610410598.0 2016-06-12
CN201610410598.0A CN106101224B (zh) 2016-06-12 2016-06-12 识别用户所在地理位置的类别的方法及装置
PCT/CN2017/087721 WO2017215523A1 (zh) 2016-06-12 2017-06-09 识别用户所在地理位置的类别的方法及装置

Publications (2)

Publication Number Publication Date
KR20180101472A KR20180101472A (ko) 2018-09-12
KR102121361B1 true KR102121361B1 (ko) 2020-06-10

Family

ID=57845145

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187022746A KR102121361B1 (ko) 2016-06-12 2017-06-09 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스

Country Status (6)

Country Link
US (1) US11252534B2 (ko)
EP (1) EP3471374B1 (ko)
JP (1) JP6689515B2 (ko)
KR (1) KR102121361B1 (ko)
CN (1) CN106101224B (ko)
WO (1) WO2017215523A1 (ko)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106101224B (zh) * 2016-06-12 2018-07-17 腾讯科技（深圳）有限公司 识别用户所在地理位置的类别的方法及装置
CN107103037B (zh) * 2017-03-22 2020-06-26 华为机器有限公司 一种地理区域的社会功能的识别方法与终端设备
CN108897757B (zh) * 2018-05-14 2023-08-22 平安科技（深圳）有限公司 一种照片存储方法、存储介质和服务器
CN109086323A (zh) * 2018-06-28 2018-12-25 上海中通吉网络技术有限公司 用户家庭和工作地址的确定方法和系统
CN109672715A (zh) * 2018-09-13 2019-04-23 深圳壹账通智能科技有限公司 用户常驻地判断方法、装置、设备及计算机可读存储介质
CN111126120B (zh) * 2018-11-01 2024-02-23 百度在线网络技术（北京）有限公司 城市区域分类方法、装置、设备和介质
CN111222056B (zh) * 2018-11-26 2023-07-25 中国移动通信集团重庆有限公司 相关用户的匹配方法、装置、设备和介质
CN109889370B (zh) * 2019-01-10 2021-12-21 中国移动通信集团海南有限公司 一种网络设备位置确定方法、装置及计算机可读存储介质
CN110730207B (zh) * 2019-09-06 2022-03-29 平安科技（深圳）有限公司 基于位置服务的位置识别方法、装置、设备及存储介质
CN110717006B (zh) * 2019-10-12 2022-09-20 广东小天才科技有限公司 用户学校位置的分析方法、系统、存储介质及电子设备
CN112560910B (zh) * 2020-12-02 2024-03-01 中国联合网络通信集团有限公司 用户分类方法和装置
CN112883815B (zh) * 2021-01-26 2022-11-29 首都师范大学 一种农机具自动监管方法、系统及服务器

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140221013A1 (en) 2013-02-06 2014-08-07 Andrea Vaccari Routine Estimation
US20140222570A1 (en) 2012-11-17 2014-08-07 Teoco Corporation System, Method, and Computer Program Product For Probabilistically Derived Predictive Location Based Targeted Promotion
WO2014161345A1 (en) 2013-04-03 2014-10-09 Tencent Technology (Shenzhen) Company Limited System and method for processing location data of target user
JP2015082137A (ja) 2013-10-21 2015-04-27 株式会社Ｎｔｔドコモ 滞留目的推定装置および滞留目的推定方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8265611B2 (en) * 2006-05-19 2012-09-11 Alcatel Lucent Traffic-synchronized location measurement
US9525653B2 (en) 2006-05-22 2016-12-20 Bank Of America Corporation Enhanced wireless short message service
US10163113B2 (en) * 2008-05-27 2018-12-25 Qualcomm Incorporated Methods and apparatus for generating user profile based on periodic location fixes
JP5665767B2 (ja) * 2009-12-09 2015-02-04 泰 四尾 情報配信装置、情報配信システム、情報配信方法、及びプログラム
US20110167073A1 (en) * 2010-01-04 2011-07-07 Rosenberg Erel system and method for in-depth analysis of location and time based patterns in cellular networks
JP5433472B2 (ja) * 2010-03-23 2014-03-05 日本電信電話株式会社 行動予測装置、方法及びプログラム
US8521128B1 (en) * 2011-12-09 2013-08-27 Google Inc. Method, system, and computer program product for obtaining crowd-sourced location information
CN103312755A (zh) * 2012-03-14 2013-09-18 腾讯科技（深圳）有限公司 基于地理位置的内容分享方法及装置
CN103729387A (zh) * 2012-10-16 2014-04-16 北京糯米网科技发展有限公司 数据推送方法及装置
CN103905978B (zh) * 2012-12-27 2018-03-23 中国电信股份有限公司 基于位置的信息推送方法、推送装置和网络
CN103248723B (zh) * 2013-04-10 2015-11-25 腾讯科技（深圳）有限公司 一种ip地址所在区域的确定方法及装置
US9443326B2 (en) * 2013-12-10 2016-09-13 Microsoft Technology Licensing, Llc Semantic place labels
CN103942853B (zh) * 2014-05-04 2016-02-03 青岛中瑞汽车服务有限公司 基于lbs数据库的汽车信息采集装置和风险分析方法
CN104796858B (zh) * 2015-03-23 2017-12-15 电子科技大学 一种位置服务中基于假位置和几何学的位置隐私保护方法
US10395519B2 (en) * 2015-08-11 2019-08-27 Telecom Italia S.P.A. Method and system for computing an O-D matrix obtained through radio mobile network data
CN105357638B (zh) * 2015-11-06 2019-10-22 百度在线网络技术（北京）有限公司 预测预定时刻的用户位置的方法和装置
CN106101224B (zh) * 2016-06-12 2018-07-17 腾讯科技（深圳）有限公司 识别用户所在地理位置的类别的方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140222570A1 (en) 2012-11-17 2014-08-07 Teoco Corporation System, Method, and Computer Program Product For Probabilistically Derived Predictive Location Based Targeted Promotion
US20140221013A1 (en) 2013-02-06 2014-08-07 Andrea Vaccari Routine Estimation
WO2014161345A1 (en) 2013-04-03 2014-10-09 Tencent Technology (Shenzhen) Company Limited System and method for processing location data of target user
US20150245173A1 (en) * 2013-04-03 2015-08-27 Tencent Technology (Shenzhen) Company Limited System and method for processing location data of target user
JP2015082137A (ja) 2013-10-21 2015-04-27 株式会社Ｎｔｔドコモ 滞留目的推定装置および滞留目的推定方法

Also Published As

Publication number Publication date
KR20180101472A (ko) 2018-09-12
EP3471374A4 (en) 2019-06-12
US20180270616A1 (en) 2018-09-20
US11252534B2 (en) 2022-02-15
WO2017215523A1 (zh) 2017-12-21
JP2019512764A (ja) 2019-05-16
JP6689515B2 (ja) 2020-04-28
CN106101224A (zh) 2016-11-09
CN106101224B (zh) 2018-07-17
EP3471374A1 (en) 2019-04-17
EP3471374B1 (en) 2020-07-22

Similar Documents

Publication Publication Date Title
KR102121361B1 (ko) 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스
US20190243595A1 (en) Graphical User Interface for Map Search
US10275530B2 (en) System and method for communal search
US8484224B1 (en) System and method for ranking geofeeds and content within geofeeds
US8874594B2 (en) Search with my location history
EP2820616B1 (en) Empirical expert determination and question routing system and method
US20120284333A1 (en) Collection and analysis of location data from location-aware mobile devices on a network
US9877162B2 (en) Systems and methods for generating a user location history
US20160171113A1 (en) Systems and Methods for Controlling Crawling Operations to Aggregate Information Sets With Respect to Named Entities
CN111212383B (zh) 区域常住人口数量的确定方法、装置、服务器和介质
Perera et al. Twitter analytics: Architecture, tools and analysis
KR20160100809A (ko) 목표 주소를 확정하기 위한 방법 및 장치
CN110618982B (zh) 一种多源异构数据的处理方法、装置、介质及电子设备
US9635507B2 (en) Mobile device analytics
CN111949834A (zh) 选址方法和选址平台
CN112861972B (zh) 一种展业区域的选址方法、装置、计算机设备和介质
Issa et al. Understanding the spatio-temporal characteristics of Twitter data with geotagged and non-geotagged content: two case studies with the topic of flu and Ted (movie)
CN103488525A (zh) 确定与情景相关的用户偏好
Yuan et al. Exploring the effectiveness of location‐based social media in modeling user activity space: A case study of Weibo
WO2014099384A1 (en) Determining contact opportunities
Lansley et al. Challenges to representing the population from new forms of consumer data
JP2014067306A (ja) サーバ装置、プログラム及び通信システム
CN106487825B (zh) 信息关联方法及装置
US10271188B2 (en) Systems and methods for communicating with a unique identifier
US20170169454A1 (en) Identifying business online social presence with name and address using spatial filters

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant