CN103052964A - 行为特征提取设备、行为特征提取***、行为特征提取方法以及行为特征提取程序 - Google Patents

行为特征提取设备、行为特征提取***、行为特征提取方法以及行为特征提取程序 Download PDF

Info

Publication number
CN103052964A
CN103052964A CN2011800384345A CN201180038434A CN103052964A CN 103052964 A CN103052964 A CN 103052964A CN 2011800384345 A CN2011800384345 A CN 2011800384345A CN 201180038434 A CN201180038434 A CN 201180038434A CN 103052964 A CN103052964 A CN 103052964A
Authority
CN
China
Prior art keywords
behavior
dwell point
type
stop
dates
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
Application number
CN2011800384345A
Other languages
English (en)
Inventor
大野岳夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
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 NEC Corp filed Critical NEC Corp
Publication of CN103052964A publication Critical patent/CN103052964A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Remote Sensing (AREA)
  • Game Theory and Decision Science (AREA)
  • Analytical Chemistry (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Telephonic Communication Services (AREA)

Abstract

从位置信息历史中提取用户的停留位置与行为类型之间的相关性。行为模式存储单元(202)存储来自多个停留点的停留点信息(212)，该多个停留点包括与第一行为类型对应的第一行为地点类型的停留点和与第二行为类型对应的第二行为地点类型的停留点。行为特征提取单元(302)参考停留点信息；提取在第一行为地点类型的停留点进行了停留的日子以作为第一行为类型的日子；在第一行为类型的任意日子，如果在与第一和第二行为地点类型的停留点不同的另一停留点进行了停留，则针对第一行为类型的日子而提取与在该另一停留点进行停留的相同时段期间在第一行为地点类型的停留点的停留频率；并且确定该另一停留点与第一行为类型之间的关系。

Description

行为特征提取设备、行为特征提取***、行为特征提取方法以及行为特征提取程序
技术领域
本发明涉及提取关于用户行为的特征信息的行为特征提取设备、行为特征提取***、行为特征提取方法以及行为特征提取程序。背景技术
近年来，通过配备有GPS(全球定位***)的终端，可以周期性地获取用户的位置信息。作为使用此类位置信息的服务，例如提供了如下服务，其诸如显示用户周围的地图或示出从当前位置去往目的地的路线。这些服务基于用户的当前位置信息而被提供。而且，作为更高级的服务，提出了基于用户位置信息的历史来提取用户的行为模式，并且基于所提取的行为模式来提供服务。
例如在专利文献1中，公开了一种情形估计设备，其定义针对行为状态(睡眠、工作、和不在办公室等)的情形转换模型，并且根据位置信息和时间信息来估计用户的当前情形。
为了提供与用户的行为状态相匹配的服务，有效的是知道关于各停留位置的作用。特别地，指示停留位置是否与工作相关的信息是重要的，因为它对于用户的行为状态具有很大影响。
在专利文献1公开的情形估计设备中，用户需要输入与各停留位置(例如，家庭区域和工作区域)相关的作用的信息，即，与各停留位置相关的用户行为类型(例如，私人和工作)的信息。然而，输入各停留位置的相关行为类型给用户造成了严重的负担。而且，对于向用户提供服务的运营商而言，需要基于如下假设来提供服务，即，已经针对停留位置而输入的行为类型不可更新或者可能是不准确的。
例如，在专利文献2中公开了一种方法，其中与各停留位置相关的行为类型由用户输入，但是与各停留位置相关的行为类型被自动提取。
在专利文献2中公开的行为历史分析设备基于用户的工作时段、噪声水平以及环境中的光照强度水平来估计用户的私人相关位置和业务相关位置。
[引用列表]
[专利文献]
[专利文献1]日本专利申请公开号2009-181476
[专利文献2]日本专利申请公开号2009-043057
发明内容
[技术问题]
在上述专利文献2中描述的行为历史分析设备中，存在一个问题，即，为了区分一个停留位置是私人相关位置还是业务相关位置，需要关于光照强度或噪音的信息以及用户的工作时段的信息，它们是位置信息之外的信息。
本发明的一个目的是提供一种可以从位置信息历史中提取停留位置与用户行为类型之间的相关性的行为特征提取设备、行为特征提取***、行为特征提取方法和行为特征提取程序。
[问题的解决方案]
根据本发明示例性方面的行为特征提取设备包括：行为模式存储装置，用于针对用户在多个停留点的每次停留而存储停留点信息，停留点信息包括指示停留点的停留点标识符、停留开始日期和时间以及停留结束日期和时间，多个停留点包括与第一行为类型对应的第一行为地点类型的停留点和与第二行为类型对应的第二行为地点类型的停留点；以及行为特征提取装置，用于通过参考从所行为模式存储装置获取的停留点信息来提取在第一行为地点类型的停留点进行过停留的一个或多个日子以作为与第一行为类型相关的日子，如果在与第一行为类型相关的一个或多个日子中在与第一行为地点类型和第二行为地点类型的停留点不同的另一停留点进行了停留，则针对与第一行为类型相关的一个或多个日子而计算与在该另一停留点了进行停留的时段相同的时段期间在第一行为地点类型的停留点的停留频率，以及基于计算出的停留频率来确定并且输出该另一停留点与第一行为类型之间的相关度。
根据本发明的示例性方面的行为特征提取方法包括：针对用户在多个停留点的每次停留而存储停留点信息，停留点信息包括指示停留点的停留点标识符、停留开始日期和时间以及停留结束日期和时间，多个停留点包括与第一行为类型对应的第一行为地点类型的停留点和与第二行为类型对应的第二行为地点类型的停留点；通过参考停留点信息来提取在第一行为地点类型的停留点进行过停留的一个或多个日子以作为与第一行为类型相关的日子；如果在与第一行为类型相关的一个或多个日子在与第一行为地点类型和第二行为地点类型的停留点不同的另一停留点进行了停留，则针对与第一行为类型的一个或多个日子而计算与在该另一停留点进行停留的时段相同的时段期间在第一行为地点类型的停留点的停留频率；以及基于计算出的停留频率来确定并且输出该另一停留点与第一行为类型之间的相关度。
根据本发明的示例性方面的计算机可读存储介质在其上记录有使得计算机执行一种方法的行为特征提取程序，该方法包括：针对用户在多个停留点的每次停留而存储停留点信息，停留点信息包括指示停留点的停留点标识符、停留开始日期和时间以及停留结束日期和时间，多个停留点包括与第一行为类型对应的第一行为地点类型的停留点和与第二行为类型对应的第二行为地点类型的停留点；通过参考停留点信息来提取在第一行为地点类型的停留点进行过停留的一个或多个日子以作为与第一行为类型相关的日子；如果在与第一行为类型相关的一个或多个日子在与第一行为地点类型和第二行为地点类型的停留点不同的另一停留点进行了停留，则针对与第一行为类型相关的一个或多个日子而计算与在该另一停留点进行停留的时段相同的时段期间在第一行为地点类型的停留点的停留频率；以及基于计算出的停留频率来确定并且输出该另一停留点与第一行为类型之间的相关度。
[本发明的有益效果]
本发明的一个效果是能够从位置信息历史中提取停留位置与用户行为类型之间的相关性。
附图说明
图1是示出了根据本发明第一示例性实施例的特征配置的框图；
图2是示出了根据本发明第一示例性实施例的行为特征提取***1的配置的框图；
图3是示出了根据本发明第一示例性实施例的终端100的位置信息获取处理的流程图；
图4是示出了根据本发明第一示例性实施例的行为模式提取设备200的行为模式提取处理的流程图；
图5是示出了根据本发明第一示例性实施例的行为特征提取设备300的行为特征提取处理的流程图；
图6是示出了根据本发明第一示例性实施例的停留点信息212的示例的图示；
图7是示出了根据本发明第一示例性实施例的各个时段在办公室停留点的停留时间长度的图示；
图8是示出了根据本发明第一示例性实施例的相关度信息312的示例的图示；
图9是示出了根据本发明第一示例性实施例的用于计算相关度(在办公室停留点的停留频率)的表达式的示例的图示；
图10是示出了根据本发明第二示例性实施例的行为特征提取设备300的行为特征提取处理的流程图；
图11是示出了根据本发明第二示例性实施例的停留点信息212的示例的图示；
图12是示出了根据本发明第二示例性实施例的工作日的周期模式的示例的图示；
图13是示出了根据本发明第二示例性实施例的各时段在办公室停留点的停留时间长度的图示；
图14是示出了根据本发明第二示例性实施例的相关度信息312的示例的图示；以及
图15是示出了根据本发明第二示例性实施例的用于计算相关度的表达式的示例的图示。
具体实施方式
首先，将描述根据本发明示例性实施例的行为模式数据211和生活行为模型。
在根据本发明示例性实施例的行为特性提取***1中，与用户一起移动的终端100周期性地获取位置信息。而且，行为模式提取设备200基于所获取的位置信息而提取停留点信息212以作为用户的行为模式数据211。停留点信息212是关于用户访问和停留过的停留点(位置)的信息。
接下来，用户的生活行为模型定义如下。
假设用户的行为被分类为至少两个行为类型，例如“工作”(第一行为类型)和“私人”(第二行为类型)。而且，假设在与每个行为类型对应的行为地点类型的停留点，用户进行属于相应行为类型的行为，使得在办公室的停留点(第一行为地点类型)进行属于“工作”的行为(第一行为类型)，并且在家庭停留点(第一行为地点类型)进行属于“私人”的行为(私人生活)(第二行为类型)。例如，用户的行为被分类为“工作”和“私人”两种行为类型，并且用户在办公室的停留点(办公室停留点)处进行工作，并且在家庭的停留点(家庭停留点)处具有私人生活。
这里，对于用户在办公室停留点停留的日子(工作日(与第一行为类型相关的日子))，可以估计：用户在具有在办公室停留点的高停留频率的时段期间曾停留的“与办公室停留点和家庭停留点不同的另一停留点”具有与工作相关的高可能性。
(第一示例性实施例)
接下来，将描述根据本发明的第一示例性实施例。
根据本发明的第一示例性实施例，假设第一行为类型为“工作”，与第一行为类型对应的第一行为地点类型是“办公室”，第二行为类型是“私人”，并且与第二行为类型对应的第二行为地点类型是“家庭”。换言之，用户的行为被分类为两个行为类型，“工作”和“私人”，并且用户在办公室停留点进行工作，在家庭停留点进行私人行为。对于用户的工作日(在办公室停留点(第一行为地点类型的停留点)进行了停留的日子)，如果在不同于办公室停留点和家庭停留点(第一和第二行为地点类型的停留点)的另一停留点进行了停留，行为特征提取***1计算与在该另一停留点进行停留的时段相同的时段期间在办公室停留点(第一行为地点类型的停留点)的停留频率，并且确定该另一停留点与“工作”(第一行为类型)之间的相关度。
首先，将描述根据本发明第一示例性实施例的配置。图2是示出了根据本发明第一示例性实施例的行为特征提取***1的配置。
参见图2，行为特征提取***1包括终端100、行为模式提取设备200、行为特征提取设备300和行为特征参***400。终端100和行为模式提取设备200、行为模式提取设备200和行为特征提取设备300、以及行为特征提取设备300和行为特征参***400通过网络(未在图中示出)连接并且可以彼此通信。
终端100是可与用户一起移动的信息终端。根据本发明的示例性实施例，终端100是蜂窝电话。此外，终端100可以不是蜂窝电话而是诸如PDA(个人数字助理)、个人计算机和车载导航***终端之类的信息终端。尽管图2中仅示出了一个终端100，但可以包括多个终端。终端100获取终端100的位置信息，并将其作为位置信息数据111输出。
这里，终端100包括位置信息获取单元101。位置信息获取单元101使用GPS获取终端100的位置信息。终端100包括天线，并且接收从GPS卫星(未示出)发送的无线电波。位置信息获取单元101基于从卫星接收到的无线电波来计算终端100的位置(定位点)。而且，位置信息获取单元101在计算定位点的同时获取定位时间。由位置信息获取单元101计算的定位点被用作终端100的位置。
注意，位置信息获取单元101可以不通过GPS而是例如从布置在特定位置(例如商店)处的RFID(无线射频标识)读取器的位置信息(该信息被给予该读取器)来获取定位点。而且，位置信息获取单元101可以通过由加速传感器或磁场传感器估计终端100的移动距离来获取定位点。而且，位置信息获取单元101可以在计算定位点的同时获取与定位点相关的其他信息，例如定位精度。
位置信息获取单元101周期性地计算定位点并且将位置信息数据111发送给行为模式提取设备200，该位置信息数据111包括指示定位点位置的位置信息、定位时间和定位精度信息。管理员或用户可以事先向位置信息获取单元101设置位置信息获取单元101计算定位点的时间间隔。而且，定位点的位置信息可被指示在预定的坐标轴上或者利用经度和纬度来指示。
行为模式提取设备200基于位置信息数据111提取终端100的行为模式数据11。
这里，行为模式提取设备200包括行为模式提取单元201和行为模式存储单元202。
行为模式提取单元201从终端100接收位置信息数据111，并且基于所接收到的位置信息数据111提取停留点信息212以作为终端100的行为模式数据211。这里，例如，如果位置被包括在预定的范围内，则行为模式提取单元201基于位置信息数据111而确定在预定时间期间获取的多个定位点的位置之一作为停留点。
而且，对于每一个终端100，行为模式提取单元201将提取的行为模式数据211存储在行为模式存储单元202中。此外，行为模式提取单元201将行为模式数据211发送到行为特征提取设备300。
图6是示出了根据本发明第一示例性实施例的停留点信息212的示例的图示。停留点信息212包括：用于标识每次停留的数据(停留数据)的停留数据标识符，用于识别停留的停留点的停留点标识符S 1到S 11，停留点的位置信息，以及停留的停留开始日期和时间以及停留结束日期和时间。这里，停留点标识符由行为模式提取单元201给予每个提取的停留点。
行为特征提取设备300基于行为模式数据211生成终端100的行为特征数据311。
这里，行为特征提取设备300包括行为模式参考单元301、行为特征提取单元302和行为特征存储单元303。
行为模式参考单元301从行为模式提取设备200接收行为模式数据211。
对于用户的工作日，如果在与办公室停留点和家庭停留点不同的另一停留点进行了停留，则行为特征提取单元302计算与停留在该另一停留点的时段相同的时段期间在办公室停留点的停留频率，并且确定该另一停留点与工作之间的相关度。
行为特征提取单元302将相关度存储在行为特征存储单元303中以作为相关度信息312。此外，行为特征提取单元302将包括相关度信息312的行为特征数据311发送到行为特征参***400。
图8是示出了根据本发明第一示例性实施例的相关度信息312的示例的图示。相关度信息312包括每个停留点与工作的相关度。
行为特征参***400是服务器，其上操作有使用用户的行为特征数据311的应用。这里，可以使用任何应用，只要该应用使用用户的行为特征数据311即可。例如，应用可以是基于在行为特征数据311中包括的相关度信息312而提供广告递送服务等的应用。
此外，终端100、行为模式提取设备200、行为特征提取设备300和行为特征参***400可以是分别根据程序进行操作的计算机。在这种情况下，终端100、行为模式提取设备200、行为特征提取设备300和行为特征参***400包括存储单元、处理单元、输入/输出单元和通信单元，它们未在图中示出，并且通过公共总线而电连接。存储单元包括ROM(只读存储器)、RAM(随机存取存储器)和闪存等，并且存储用于实现每个设备的功能的程序和数据。处理单元包括CPU(中央处理单元)，并且通过读取存储单元中的程序以及执行处理来实现每个设备的功能。输入/输出单元包括LCD(液晶显示器)、键盘、鼠标和扬声器等，并且是每个设备的管理员的输入/输出接口。通信单元执行无线通信或有线通信并且与其他设备通信。以此方式，实现了终端100、行为模式提取设备200、行为特征提取设备300和行为特征参***400。
注意，在根据本发明第一示例性实施例的行为特征提取***1中，行为特征提取设备300是与终端100、行为模式提取设备200和行为特征参***400不同的设备。然而，行为特征提取设备300与终端100、行为模式提取设备200和行为特征参***400中的一个或多个可以组成一个设备。例如，行为模式提取设备200和行为特征提取设备300可以组成一个设备。而且，可以将行为特征提取设备300的每个部件分配到物理上不同的位置并且其可以经由网络连接。而且，行为特征提取设备300可以包括行为模式存储单元202而不是由行为模式提取设备200包括行为模式存储单元202。换言之，图2中示出的行为特征提取***1的配置是示例性的，并且终端100、行为模式提取设备200、行为特征提取设备300和行为特征参***400中每一个中所包括的组件可以灵活地改变。
接下来，将描述根据本发明第一示例性实施例的行为特征提取***1的操作。
首先，将描述根据本发明第一示例性实施例的终端100的操作。图3是示出了根据本发明第一示例性实施例的终端100的位置信息获取处理的流程图。
终端100的位置信息获取单元101周期性地从卫星接收无线电波并且计算定位点(步骤S 101)。这里，当计算出定位点时，位置信息获取单元101同时获取定位精度信息以及定位时间(步骤S102)。位置信息获取单元101将包括定位点、定位精度信息和定位时间的位置信息数据111发送到行为模式提取设备200(步骤S103)。
接下来，将描述根据本发明第一示例性实施例的行为模式提取设备200的操作。图4是示出了根据本发明第一示例性实施例的行为模式提取设备200的行为模式提取处理的流程图。
行为模式提取设备200的行为模式提取单元201从终端100接收位置信息数据111(步骤S201)。行为模式提取单元201从发送自终端100的位置信息数据111提取停留点信息212(步骤S202)。行为模式提取单元201将提取的停留点信息存储在行为模式存储单元202中以作为行为模式数据211(步骤S203)。响应于从行为特征提取设备300接收的行为模式数据211的获取请求，行为模式提取设备200将行为模式数据211发送到行为特征提取设备300(步骤S204)。
接下来，将描述根据本发明第一示例性实施例的行为特征提取设备300的操作。图5是示出了根据本发明第一示例性实施例的行为特征提取设备300的行为特征提取处理的流程图。
首先，行为特征提取设备300的行为模式参考单元301从行为模式提取设备200接收行为模式数据211(步骤S301)。
例如，行为模式参考单元301接收图6中示出的作为行为模式数据211的停留点信息212。
这里，行为特征提取单元301基于用户或管理员事先输入的家庭和办公室的位置信息，获取家庭停留点和办公室停留点的停留点标识符。例如，如果输入的家庭的位置(例如，位置坐标、经度和纬度)存在于距停留点信息201中所包括的停留点位置的预定范围中，行为特征提取单元302使用该停留点的停留点标识符作为家庭停留点的停留点标识符。类似地，如果输入的办公室的位置存在于距停留点信息212中所包括的停留点位置的预定范围中时，行为特征提取单元302使用该停留点的停留点标识符作为办公室停留点的停留点标识符。
例如，在图6中所示的停留点信息212的情况下，行为特征提取单元302基于管理员输入的家庭位置信息(位置坐标(x1，y1))和办公室位置信息(位置坐标(x2，y2))而获取家庭停留点的停留点标识符s1和办公室停留点的停留点标识符s2。
注意，行为特征提取单元302可以通过分析停留点信息212来获取家庭停留点和办公室停留点的停留点标识符。在这种情况下，基于停留点信息212，行为特征提取单元302例如可以使用具有最长停留时间的停留点的停留点标识符作为家庭停留点的停留点标识符，并且使用具有次长停留时间的停留点的停留点标识符作为办公室停留点的停留点标识符。
接下来，行为特征提取单元302从行为模式参考单元301接收的停留点信息212中提取在办公室停留点停留过的日子作为工作日(步骤S302)。
例如，行为特征提取单元302从图6中所示的停留点信息212中提取3/15到19以及3/22到26作为工作日。
接下来，行为特征提取单元302参考停留点信息212，如果工作日中的一天曾经在不同于办公室停留点和家庭停留点的另一停留点进行过停留，则针对工作日的停留数据而计算与在该另一停留点进行停留的时段相同的时段期间在办公室停留点的停留频率(步骤S303)。而且，行为特征提取单元302将计算出的停留频率设置作为该另一停留点与工作之间的相关程度，并且将包括该相关程度的相关度信息312存储在行为特征存储单元303中(步骤S304)。
图9是示出了根据本发明第一示例性实施例的用于计算相关度(办公室停留点的停留频率)的表达式的示例的图示。这里，Rt表示在工作日的时段t期间进行了停留的停留点与工作的相关度，Ls表示时段t的时间长度，N表示在停留点信息212中包括的工作日的数目，以及Wtk表示在工作日k(k＝1到N)并且在时段t期间在办公室停留点的停留时间长度。
图7是示出了根据本发明第一示例性实施例的各个时段在办公室停留点的停留时间长度的图示。例如，如果用于计算停留频率的时段被设置为每三个小时，诸如从0:00到3:00、从3:00到6:00以及从6:00到9:00，则在图6中所示的停留点信息212中包括的在工作日3/15到19以及3/22到26中的各时段期间在办公室停留点的停留时间长度如图7中所示那样被计算。
在图6中所示的停留点信息212中包括的工作日3/15到19以及3/22到26，在具有停留点标识符s3、s4、s5、s10和s11的停留点进行过停留，这些停留点不同于办公室停留点(s2)和家庭停留点(s1)。对于具有停留点标识符s3的停留点，行为特征提取单元302使用图9中示出的表达式、基于在图7中所示的时段“从15:00到18:00”期间的停留时间长度，计算在该停留点进行了停留的时段“从15:00到18:00”期间在办公室停留点的停留频率。由此，计算出停留频率为0.87。类似地，行为特征提取单元302还针对具有停留点标识符s4、s5、s10和s11的停留点，计算分别在时段“从9:00到12:00”、“从12:00到15:00”、“从6:00到9:00”和“从18:00到21:00”在办公室停留点的停留频率。由此，针对具有停留点标识符s4、s5、s10和s11的停留点计算出停留频率分别为0.90、0.77、0和0.07。而且，行为特征提取单元302将计算出的停留频率设置为各停留点与工作之间的相关度，并且输出如图8中所示的相关度信息312。
注意，如果在多个时段期间进行了在特定停留点的停留，行为特征提取单元302可以针对各时段而计算在办公室停留点的停留频率，并且将停留频率的平均值设置为与工作的相关度。
接下来，响应于从行为特征参***400接收到的针对行为特征数据311的获取请求，行为特征提取单元302将包括相关度信息312的行为特征数据311发送到行为特征参***400(步骤S305)。
注意，行为特征提取设备300可以按照事先设置的时间间隔处周期性地执行步骤S301到S305的处理，或者响应于从行为特征参***400接收到的针对行为特征数据311的获取请求而执行所述处理。
此后，由行为特征参***400上的应用使用行为特征提取单元302所提取的行为特征数据311。
由此，完成了根据本发明第一示例性实施例的操作。
注意，根据本发明的第一示例性实施例，行为特征提取***1通过将“工作”定义为第一行为类型并且将“私人”定义为第二行为类型来计算用户的停留点与第一行为类型(“工作”)之间的相关度(第一行为类型相关度)。
然而，行为特征提取***1可以使用其他行为类型，只要用户的行为能够被分类即可。例如，当用户是学生时，行为特征提取***1可以通过将“学业”定义为第一行为类型并且将“私人”定义为第二行为类型，来计算用户的停留点和“学业”之间的相关度。在这种情况下，行为特征提取***1通过将“学校”定义为第一行为地点类型并且将“家庭”定义为第二行为地点类型，来计算停留点与“学业”之间的相关度。
而且，根据本发明的第一示例性实施例，行为特征提取单元302从停留点信息212中提取在办公室停留点进行过停留的日子作为工作日，并且针对所提取的工作日而计算每个时段在办公室停留点的停留频率。
然而，行为特征提取单元302可以从在办公室停留点进行了停留的日子中提取由管理员等事先指定的星期中的预定日子(例如从周一到周五)作为工作日。而且，行为特征提取单元302可以基于停留点信息212、针对星期中的每个日子而计算在办公室停留点的停留频率，并且可以从在办公室停留点进行了停留的日子中提取停留频率超过预定数值的星期中的日子作为工作日。由此，如果用户的通常(周期性的)工作日是星期中的特定日子，则可以从针对每个时段的在办公室停留点的停留频率的计算目标中排除如下停留数据并且改善相关性的计算精度，这些停留数据包括与常规工作日不同的停留开始时间和停留结束时间，例如进行了工作的非常规工作日(例如假日)的停留数据。
接下来，将描述本发明第一示例性实施例的特征配置。
图1是示出了根据本发明第一示例性实施例的特征配置的框图。
参见图1，行为特征提取设备300包括行为模式存储单元202和行为特征提取单元302。
对于用户在多个停留点(包括与第一行为类型对应的第一行为地点类型的停留点以及与第二行为类型对应的第二行为地点类型的停留点)的每次停留，行为模式存储单元202存储停留点信息212，停留点信息212包括：指示停留点的停留点标识符、停留开始日期和时间以及停留结束日期和时间。行为特征提取单元302通过参考从行为模式存储单元202获取的停留点信息212而提取在第一行为地点类型的停留点进行过停留的一个或多个日子作为与第一行为类型相关的日子；如果在与第一行为类型相关的一个或多个日子中在与不同于第一和第二行为地点类型的停留点的另一停留点进行了停留，则针对与第一行为类型相关的一个或多个日子而计算与在该另一停留点进行停留的时段相同的时段期间在第一行为地点类型的停留点的停留频率；并且基于计算出的停留频率确定和输出该另一停留点和第一行为类型之间的相关度。
根据本发明的第一示例性实施例，可以从位置信息历史中提取用户的停留位置与行为类型之间的相关性。原因在于：行为特征提取单元302通过参考停留点信息212而提取出在第一行为地点类型的停留点进行过停留的日子作为与第一行为类型相关的日子，并且如果在与第一行为类型相关的日子在不同于第一和第二行为地点类型的停留点的另一停留点进行了停留，则针对与第一行为类型相关的日子而计算与在该另一停留点进行停留的时段相同的时段期间在第一行为地点类型的停留点的停留频率，并且基于计算出的停留频率确定该另一停留点与第一行为类型之间的相关度。由此，例如可以从位置信息历史中提取指示用户的停留位置是否与工作具有相关性的信息。
而且，根据本发明第一示例性实施例，可以提取用户的停留位置与行为类型之间的相关性，而无关于用户进行与行为类型对应的行为的时段。原因在于：如上所述，行为特征提取单元302计算与在该另一停进行留点的时段相同的时段期间在与第一行为地点类型相关的停留点的停留频率，并且基于计算出的停留频率确定该另一停留点与第一行为类型之间的相关度。由此，例如，即使进行行为的时段(例如工作的时段)随用户而不同，也能够提取用户的停留位置与工作之间的相关性。
(第二示例性实施例)
接下来，将描述本发明的第二示例性实施例。
根据本发明第二示例性实施例，它与本发明第一示例性实施例的不同之处在于：行为特征提取单元302提取周期模式，周期模式是一种这样的模式，在该模式中在多天中出现在办公室停留点进行了停留的工作日(与第一行为类型相关的日子)以及未在办公室停留点进行停留的并非工作日(与第一行为类型不相关的日子)，并且行为特征提取单元302针对与周期模式中的工作日具有相同顺序的日子而计算办公室停留点的停留频率。
根据本发明第二示例性实施例的配置与根据本发明第一示例性实施例的配置相同。
接下来，将描述根据本发明第二示例性实施例的行为特征提取***1的操作。
根据本发明第二示例性实施例的终端100的操作和行为模式提取设备200的操作与本发明第一示例性实施例的终端100的操作和行为模式提取设备200的操作(图3和图4)相同。
接下来，将描述根据本发明第二示例性实施例的行为特征提取设备300的操作。图10是示出了根据本发明第二示例性实施例的行为特征提取设备300的行为特征提取处理的流程图。
首先，行为特征提取设备300的行为模式参考单元301从行为模式提取设备200接收行为模式数据211(步骤S401)。
图11是示出了根据本发明第二示例性实施例的停留点信息212的示例。例如，行为模式参考单元301接收图11中示出的停留点信息212作为行为模式数据211。
接下来，行为特征提取单元302从行为模式参考单元301接收的停留点信息212中提取在办公室停留点进行了停留的工作日与未在办公室停留点进行停留的并非工作日的周期模式(步骤S402)。这里，行为特征提取单元302检测包括一个或多个连续工作日的数目以及一个或多个连续非工作日的数目的模式的周期性，并且提取工作日和非工作日的周期模式。
图12是示出了根据本发明第二示例性实施例的工作日的周期模式的示例的图示。例如，行为特征提取单元302从图11中所示的停留点信息212提取如图12中所示的周期模式。在图12中所示的示例中，提取具有5天周期的周期模式，这5天包括工作日(4天)和非工作日(1天)。
接下来，行为特征提取单元302参考停留点信息212，如果在周期模式中的第i个工作日(1≤i≤周期模式中的工作日数目)之一在不同于办公室停留点和家庭停留点的另一停留点进行了停留，则针对周期模式中的第i个工作日的停留数据而计算与在该另一停留点进行停留的时段相同的时段期间在办公室停留点的停留频率(步骤S403)。而且，行为特征提取单元302将计算出的停留频率设置作为该另一停留点与工作之间的相关程度，并且将包括该相关程度的相关度信息312存储在行为特征存储单元303中(步骤S404)。
图15是示出了根据本发明第二示例性实施例的用于计算相关度(办公室停留点的停留频率)的表达式的图示。这里，Rit表示在工作日的周期模式中在第i个工作日之一的时段t期间进行过停留的停留点与工作之间的相关度，Lt表示时段t的时间长度，Ni表示在停留点信息212中包括的第i个工作日的数目，并且Witk表示在周期模式中的第i个工作日的工作日k(k＝1到Ni)并且在时段t期间在办公室停留点的停留时间长度。
图13是示出了根据本发明第二示例性实施例的针对各时段在办公室停留点的停留时间长度的图示。例如，在如图12所示的周期模式被提取的情况下，在图11中所示的停留点信息212中包括的周期模式中的第一工作日(3/15和3/20)、第二工作日(3/16和3/21)、第三工作日(3/17和3/22)以及第四工作日(3/18和3/23)中的各时段期间在办公室停留点的停留时间被计算，如图13所示。
图14是示出了根据本发明第二示例性实施例的相关度信息312的示例的图示。在图11中示出的停留点信息212中包括的周期模式中的第一工作日(3/15和3/20)，在不同于办公室停留点(s2)和家庭停留点(s 1)的、具有停留点标识符s3的停留点进行了停留。行为特征提取单元302使用图5中示出的表达式、基于在图7中所示的第一工作日(3/15和3/20)中的时段“从15:00到18:00”期间的停留时间长度，计算在具有停留点标识符s3的停留点进行了停留的时段“从15:00到18:00”期间在办公室停留点的停留频率。由此，计算出停留频率为0.67。类似地，行为特征提取单元302还针对具有停留点标识符s4、s5和s10的停留点，分别计算在第四工作日(3/18和3/23)的时段“从9:00到12:00”、第三工作日(3/17和3/22)的时段“从6:00到9:00”以及第一工作日(3/15和3/20)的时段“从18:00到21:00”期间在办公室停留点的停留频率。由此，对于具有停留点标识符s4、s5和s10的停留点，分别计算停留频率0.67、0.50和0.33。而且，行为特征提取单元302将计算出的停留频率设置为各停留点与工作之间的相关程度，并且输出相关度信息312，如图14中所示。
注意，如果在周期模式中的第i个工作日的多个时段期间在特定停留点进行了停留，行为特征提取单元302可以针对周期模式中的第i个工作日的各个时段而计算在办公室停留点的停留频率，并且将停留频率的平均值设置为与工作的相关度。
接下来，响应于从行为特征参***400接收的行为特征数据311的获取请求，行为特征提取单元302将包括相关度信息312的行为特征数据311发送到行为特征参***400(步骤S405)。
由此，完成了根据本发明第二示例性实施例的操作。
根据本发明第二示例性实施例，即使用户进行与行为类型对应的行为的时段随日子而不同，也能够提取用户的停留位置与行为类型之间的相关程度。原因在于：行为特征提取单元302通过参考停留点信息212提取周期模式，周期性模式是一种这样的模式，其中在多个日子中出现与第一行为类型相关的日子以及不与第一行为类型相关的日子，并且如果在周期模式中与第一行为类型相关的第i个日子之一在另一停留点进行了停留，则针对周期模式中的第一行为类型的第i个日子，计算在与在该另一停留点进行停留的时段相同的时段期间在第一行为地点类型的停留点的停留频率。由此，即使用户进行工作的时段随日子而不同(例如在用户轮班工作的情况下)，也能够提取用户的停留位置与工作之间的相关性。
尽管已经参照本发明的示例性实施例具体地示出和描述了本发明，但本发明并不限于这些实施例。本领域一般技术人员将理解的是，可以对本发明进行形式和细节上的各种修改，而不偏离由权利要求界定的本发明的精神和范围。
例如，在上述的示例性实施例中，行为模式提取设备200从终端100所获取的位置信息中提取行为模式数据211，并且行为特征提取设备300从行为模式数据211中提取行为特征数据311。然而，行为特征提取设备300可以从手工输入的行为模式数据211中提取行为特征数据311。
本申请基于并且要求于2010年8月4日提交的日本专利申请号2010-174960的权益，其全部内容通过引用方式在此并入。
工业实用性
根据本发明，它不仅可被应用于使用用户行为特征的信息递送，而且可被应用于在市场区域研究和交通量研究中的用户侦测数据的生成。
参考标号列表
Figure BPA00001674114600191

Claims (10)

1.一种行为特征提取设备，包括：
行为模式存储装置，用于针对用户在多个停留点的每次停留而存储停留点信息，所述停留点信息包括指示停留点的停留点标识符、停留开始日期和时间以及停留结束日期和时间，所述多个停留点包括与第一行为类型对应的第一行为地点类型的停留点以及与第二行为类型对应的第二行为地点类型的停留点；以及
行为特征提取装置，用于通过参考从所述行为模式存储装置获取的所述停留点信息而提取在所述第一行为地点类型的停留点进行了停留的一个或多个日子以作为与所述第一行为类型相关的日子，如果在与所述第一行为类型相关的所述一个或多个日子在与所述第一行为地点类型和所述第二行为地点类型的所述停留点不同的另一停留点进行了停留，则针对与所述第一行为类型相关的所述一个或多个日子而计算与在所述另一停留点进行所述停留的时段相同的时段期间在所述第一行为地点类型的所述停留点的停留频率，以及基于所述计算出的停留频率而确定并且输出所述另一停留点与所述第一行为类型之间的相关度。
2.根据权利要求1所述的行为特征提取设备，其中
所述第一行为类型是工作或学业，所述第一行为地点类型是办公室或学校，所述第二行为类型是私人，并且所述第二行为地点类型是家庭，以及
随着在所述另一停留点进行所述停留的所述相同时段期间在所述第一行为地点类型的所述停留点的所述停留频率增加，所述另一停留点与所述第一行为类型之间的所述相关度变大。
3.根据权利要求1或2所述的行为特征提取设备，其中
所述行为特征提取装置通过参考从所述行为模式存储装置获取的所述停留点信息而提取周期模式，所述周期模式是一种这样的模式，其中在多个日子中出现与所述第一行为类型相关的所述一个或多个日子和不是与所述第一行为类型相关的所述日子的一个或多个日子，并且如果在与所述周期模式中与所述第一行为类型相关的所述一个或多个日子相对应的一个或多个第i个日子(1≤i≤与所述周期模式内的所述第一行为类型相关的所述一个或多个日子的数目)在所述另一停留点进行了停留，则针对与所述周期模式内与所述第一行为类型相关的所述一个或多个日子相对应的所述第i个日子而计算在所述另一停留点进行所述停留的所述相同时段期间在所述第一行为地点类型的所述停留点的所述停留频率。
4.根据权利要求1或2所述的行为特征提取设备，其中
所述行为特征提取装置针对星期中的每个日子而计算在所述第一行为地点类型的所述停留点的停留频率，并且从在所述第一行为地点类型的所述停留点进行了所述停留的所述一个或多个日子中，提取与所述星期中的日子相对应的、对于所述星期中的每个日子的所述计算出的停留概率等于或大于预定值的一个或多个日子，作为与所述第一行为类型相关的所述日子。
5.一种行为特征提取***，包括：
根据权利要求1到4任一项所述的行为特征提取设备；以及
行为模式提取设备，用于基于指示所述用户的位置的定位点和定位时间提取所述停留点信息，所述提取的停留点信息由所述行为模式存储装置存储。
6.一种行为特征提取方法，包括：
针对用户在多个停留点的每次停留而存储停留点信息，所述停留点信息包括指示停留点的停留点标识符、停留开始日期和时间以及停留结束日期和时间，所述多个停留点包括与第一行为类型对应的第一行为地点类型的停留点以及与第二行为类型对应的第二行为地点类型的停留点；
通过参考所述停留点信息，提取在所述第一行为地点类型的停留点进行了停留的一个或多个日子作为与所述第一行为类型相关的日子；
如果在与所述第一行为类型相关的所述一个或多个日子在与所述第一行为地点类型和所述第二行为地点类型的所述停留点不同的另一停留点进行了停留，则针对与所述第一行为类型相关的所述一个或多个日子而计算与在所述另一停留点进行所述停留的时段相同的时段期间在所述第一行为地点类型的所述停留点的停留频率；以及
基于所述计算出的停留频率，确定并且输出所述另一停留点与所述第一行为类型之间的相关度。
7.一种计算机可读存储介质，在所述计算机可读存储介质上记录有使得计算机执行一种方法的行为特征提取程序，所述方法包括：
针对用户在多个停留点的每次停留存储停留点信息，所述停留点信息包括指示停留点的停留点标识符、停留开始日期和时间以及停留结束日期和时间，所述多个停留点包括与第一行为类型对应的第一行为地点类型的停留点以及与第二行为类型对应的第二行为地点类型的停留点；
通过参考所述停留点信息，提取在所述第一行为地点类型的停留点进行了停留的一个或多个日子作为与所述第一行为类型相关的日子；
如果在与所述第一行为类型相关的所述一个或多个日子在与所述第一行为地点类型和所述第二行为地点类型的所述停留点不同的另一停留点进行了停留，则针对与所述第一行为类型相关的所述一个或多个日子而计算与在所述另一停留点进行所述停留的时段相同的时段期间在所述第一行为地点类型的所述停留点的停留频率；以及
基于所述计算出的停留频率，确定并且输出所述另一停留点与所述第一行为类型之间的相关度。
8.根据权利要求7所述的计算机可读存储介质，在所述计算机可读存储介质上记录有使得所述计算机执行所述方法的所述行为特征提取程序，其中
所述第一行为类型是工作或学业，所述第一行为地点类型是办公室或学校，所述第二行为类型是私人，并且所述第二行为地点类型是家庭，以及
随着在所述另一停留点进行所述停留的所述相同时段期间在所述第一行为地点类型的所述停留点的所述停留频率增加，所述另一停留点与所述第一行为类型之间的所述相关度变大。
9.根据权利要求7或8所述的计算机可读存储介质，在所述计算机可读存储介质上记录有使得所述计算机执行所述方法的所述行为特征提取程序，其中
在确定所述相关度时，
通过参考所述停留点信息而提取周期模式，所述周期模式是一种模式，其中在多个日子中出现与所述第一行为类型相关的所述一个或多个日子和不是与所述第一行为类型相关的所述日子的一个或多个日子，以及
如果在与所述周期模式中与所述第一行为类型相关的所述一个或多个日子相对应的一个或多个第i个日子(1≤i≤与所述周期模式内的所述第一行为类型相关的所述一个或多个日子的数目)在所述另一停留点进行了停留，则针对与所述周期模式内与所述第一行为类型相关的所述一个或多个日子相对应的所述第i个日子而计算在所述另一停留点进行所述停留的所述相同时段期间在所述第一行为地点类型的所述停留点的所述停留频率。
10.根据权利要求7或8所述的计算机可读存储介质，在所述计算机可读存储介质上记录有使得所述计算机执行所述方法的所述行为特征提取程序，其中
在提取与所述第一行为类型相关的所述一个或多个日子时，
针对星期中的每个日子而计算在所述第一行为地点类型的所述停留点的停留频率，以及
从在所述第一行为地点类型的所述停留点进行了所述停留的所述一个或多个日子中，提取与所述星期中的日子相对应的、对于所述星期中的每个日子的所述计算出的停留概率等于或大于预定值的一个或多个日子，作为与所述第一行为类型相关的所述日子。
CN2011800384345A 2010-08-04 2011-08-02 行为特征提取设备、行为特征提取***、行为特征提取方法以及行为特征提取程序 Pending CN103052964A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2010-174960 2010-08-04
JP2010174960 2010-08-04
PCT/JP2011/068004 WO2012018131A1 (ja) 2010-08-04 2011-08-02 行動特徴抽出装置、行動特徴抽出システム、行動特徴抽出方法、及び行動特徴抽出プログラム

Publications (1)

Publication Number Publication Date
CN103052964A true CN103052964A (zh) 2013-04-17

Family

ID=45559624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011800384345A Pending CN103052964A (zh) 2010-08-04 2011-08-02 行为特征提取设备、行为特征提取***、行为特征提取方法以及行为特征提取程序

Country Status (5)

Country Link
US (1) US20130130214A1 (zh)
EP (1) EP2602750A4 (zh)
JP (1) JPWO2012018131A1 (zh)
CN (1) CN103052964A (zh)
WO (1) WO2012018131A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462156A (zh) * 2013-09-25 2015-03-25 阿里巴巴集团控股有限公司 一种基于用户行为的特征提取、个性化推荐方法和***
CN105847310A (zh) * 2015-01-13 2016-08-10 ***通信集团江苏有限公司 一种确定位置的方法及装置
CN105989127A (zh) * 2015-02-15 2016-10-05 阿里巴巴集团控股有限公司 一种进行信息推送的方法、装置与***
CN106649709A (zh) * 2016-12-20 2017-05-10 北京航空航天大学 一种基于数据挖掘的车辆停留行为模式预测与评估方法
CN110430068A (zh) * 2018-04-28 2019-11-08 华为技术有限公司 一种特征工程编排方法及装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6029864B2 (ja) * 2012-06-20 2016-11-24 株式会社ゼンリンデータコム 情報処理システム、情報処理方法及びプログラム
CN103970805B (zh) * 2013-02-05 2018-01-09 日电（中国）有限公司 移动模式挖掘设备和方法
CN103227821B (zh) 2013-04-03 2015-07-01 腾讯科技（深圳）有限公司 一种目标用户位置数据的处理方法及装置
US8965336B1 (en) * 2013-06-26 2015-02-24 Quantcast Corporation Quantifying mobility of mobile devices via a privacy preserving mobility metric
KR101944100B1 (ko) * 2018-10-16 2019-01-30 장봉석 행위패턴인식을 이용한 관리시스템
CN110647675B (zh) * 2019-08-07 2022-05-27 北京百度网讯科技有限公司 停留点识别及预测模型训练方法、装置及存储介质
CN110677815A (zh) * 2019-08-07 2020-01-10 北京百度网讯科技有限公司 停留点识别方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271527A (zh) * 2008-02-25 2008-09-24 北京理工大学 一种基于运动场局部统计特征分析的异常行为检测方法
JP2009043057A (ja) * 2007-08-09 2009-02-26 Nomura Research Institute Ltd 行動履歴分析装置及び方法
JP2009181210A (ja) * 2008-01-29 2009-08-13 Ntt Docomo Inc 表示制御方法、サーバ、表示装置及び通信システム
CN101739557A (zh) * 2010-01-26 2010-06-16 重庆大学 基于运动周期分析的人体异常行为识别方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6968334B2 (en) * 2001-05-15 2005-11-22 Nokia Corporation Method and business process to maintain privacy in distributed recommendation systems
US7984006B2 (en) * 2007-09-18 2011-07-19 Palo Alto Research Center Incorporated Learning a user's activity preferences from GPS traces and known nearby venues
JP5065069B2 (ja) 2008-01-31 2012-10-31 株式会社エヌ・ティ・ティ・ドコモ シチュエーション推定装置、及び、シチュエーション推定プログラム
JP2010174960A (ja) 2009-01-28 2010-08-12 Toyota Motor Corp 等速ジョイント
US8275649B2 (en) * 2009-09-18 2012-09-25 Microsoft Corporation Mining life pattern based on location history

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009043057A (ja) * 2007-08-09 2009-02-26 Nomura Research Institute Ltd 行動履歴分析装置及び方法
JP2009181210A (ja) * 2008-01-29 2009-08-13 Ntt Docomo Inc 表示制御方法、サーバ、表示装置及び通信システム
CN101271527A (zh) * 2008-02-25 2008-09-24 北京理工大学 一种基于运动场局部统计特征分析的异常行为检测方法
CN101739557A (zh) * 2010-01-26 2010-06-16 重庆大学 基于运动周期分析的人体异常行为识别方法及装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462156A (zh) * 2013-09-25 2015-03-25 阿里巴巴集团控股有限公司 一种基于用户行为的特征提取、个性化推荐方法和***
CN104462156B (zh) * 2013-09-25 2018-12-28 阿里巴巴集团控股有限公司 一种基于用户行为的特征提取、个性化推荐方法和***
US10178190B2 (en) 2013-09-25 2019-01-08 Alibaba Group Holding Limited Method and system for extracting user behavior features to personalize recommendations
CN105847310A (zh) * 2015-01-13 2016-08-10 ***通信集团江苏有限公司 一种确定位置的方法及装置
CN105989127A (zh) * 2015-02-15 2016-10-05 阿里巴巴集团控股有限公司 一种进行信息推送的方法、装置与***
CN106649709A (zh) * 2016-12-20 2017-05-10 北京航空航天大学 一种基于数据挖掘的车辆停留行为模式预测与评估方法
CN106649709B (zh) * 2016-12-20 2020-02-07 北京航空航天大学 一种基于数据挖掘的车辆停留行为模式预测与评估方法
CN110430068A (zh) * 2018-04-28 2019-11-08 华为技术有限公司 一种特征工程编排方法及装置
CN110430068B (zh) * 2018-04-28 2021-04-09 华为技术有限公司 一种特征工程编排方法及装置

Also Published As

Publication number Publication date
JPWO2012018131A1 (ja) 2013-10-28
EP2602750A1 (en) 2013-06-12
WO2012018131A1 (ja) 2012-02-09
EP2602750A4 (en) 2016-04-27
US20130130214A1 (en) 2013-05-23

Similar Documents

Publication Publication Date Title
CN103052964A (zh) 行为特征提取设备、行为特征提取***、行为特征提取方法以及行为特征提取程序
WO2011102541A1 (ja) 行動特徴抽出装置、行動特徴抽出システム、行動特徴抽出方法、及び行動特徴抽出プログラム
KR101979401B1 (ko) 방문 가능성에 기초한 부근의 목적지들의 정렬 및 위치 히스토리로부터의 장소들에 대한 미래의 방문들의 예측
EP3480561A1 (en) Navigation method, device, and system
CN109389416A (zh) 数字标示控制装置、数字标示控制方法以及记录介质
EP3451275B1 (en) Information processing device and method
CN102880991A (zh) 学生安全保障跟踪***及方法和学生安全保障跟踪装置
CN111178932A (zh) 用户地理画像生成方法、装置、计算机设备和存储介质
CN110599301B (zh) 车辆管理方法、装置、计算机设备和存储介质
CN103900592A (zh) 一种驾车出行的提醒方法及***
CN111698645B (zh) 位置信息获取方法、装置、计算机设备及存储介质
CN103649770A (zh) 移动设备的位置估计
JPWO2011046113A1 (ja) 行動類型抽出システム、装置、方法、プログラムを記憶した記録媒体
CN110674879B (zh) 一种标识匹配方法、装置、电子设备及可读存储介质
JP6363536B2 (ja) ユーザ属性推定装置、ユーザ属性推定システム、携帯端末及びユーザ属性推定方法
JP5300596B2 (ja) 行動推定装置、行動推定方法、及び行動推定プログラム
JP2011106996A (ja) 駐車場位置判定装置、駐車場位置判定方法、及びプログラム
CN108805512B (zh) 一种考勤信息记录方法及其设备、***
CN102984798A (zh) 基于位置精确定位方法
JP5491061B2 (ja) ユーザ管理方法及び情報処理システム
CN103034938A (zh) 行程管理***及方法
CN105390015B (zh) 实时公交跟踪的方法和装置
US20150304438A1 (en) Content distribution system, program, and content distribution method
CN106920389A (zh) 一种基于用户电信行为的交通状况控制方法及***
JP5934966B2 (ja) 位置情報履歴比較方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130417