CN104156897B - 基于情景感知的室内导览*** - Google Patents
基于情景感知的室内导览*** Download PDFInfo
- Publication number
- CN104156897B CN104156897B CN201410360032.2A CN201410360032A CN104156897B CN 104156897 B CN104156897 B CN 104156897B CN 201410360032 A CN201410360032 A CN 201410360032A CN 104156897 B CN104156897 B CN 104156897B
- Authority
- CN
- China
- Prior art keywords
- user
- subsystem
- information
- article
- mobile phone
- 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.)
- Expired - Fee Related
Links
- 238000000605 extraction Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 230000003542 behavioural effect Effects 0.000 claims description 6
- 239000012141 concentrate Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于情景感知的室内导览***，包括手机端与服务器，所述服务器端包括情景感知子***、推荐子***和导航子***三部分，三个子***公用一个数据库，情景感知子***一方面负责采集用户情景信息提供基于位置的消息推送服务，另一方面，将底层情景信息经处理提取高层信息存储在数据库中，作为推荐子***的数据源，推荐***会根据用户具体情景调用相应推荐算法，再将推荐结果推送到手机端，推荐结果还会作为导航子***的路线规划依据，导航子***将用户行程列表中的展品作为路线必经地点，再结合用户具体情景进行路线规划，最后，将最佳路线推送到手机端。
Description
技术领域
本发明属于物联网技术领域，涉及一种基于情景感知的室内导览***。
背景技术
不同于互联网以信息传输为主，物联网不仅包含信息传输，智能信息处理和融合也是物联网的重要特征之一，它贯穿物联网采集、控制、传输和上层应用的整个“物物相连”过程。随着计算机和传感器技术的迅速发展，遍布环境的计算资源使得情景感知易于实现。作为物联网智能信息处理最关键的情景感知能够做到在用户不发出服务请求的情况下自主判断何时提供以及提供何种服务。情景感知技术简化了用户和网络的交互，提升了用户体验，因此得到了广泛的关注，各领域学者也将情景感知技术融入到生活中的方方面面，其中旅游业被认为最具发展潜力。
由于智能移动设备日益普及，移动推荐***具有普适性和个性化两种特性，目前已成为推荐***研究领域的研究热点之一。国外许多大学和研究机构对移动推荐展开了深入研究。
随着旅游业的发展，散客“个性化”自助游将成为未来旅游市场的发展主流，根据“携程网”最近一次问卷调查显示，84.3％的出游者表示会以自助游的方式出行。在旅游过程中，自助旅游者对信息和相关旅游服务的需求往往多于团队游客，因此，随时随地满足旅行者的需求，为旅行者提供快捷便利的信息，将成为一项重要课题。
近年来智能手机的普及率越来越高，网络流量监测机构comScore发布的《comScore2010移动年综述》中，美国和欧洲的智能手机使用率已经分别达到27％和31％。同时，全球卫星导航***得到迅速发展，继美国的全球定位***、俄罗斯的GLONASS***、欧盟退出的“伽利略”计划后，中国的北斗卫星导航定位***也在不断发展。在这样的背景下，国内外已经退出了一些以手机为平台的移动旅游服务。
目前的旅游信息普遍存在很多问题，主要体现在两个方面：一是缺少个性化，现有的旅游信息***很少或者完全不考虑用户个人的偏好，推荐给不同身份和不同兴趣的用户都是同样的内容，而且现在各景点用的专用导览机基本采用的是布设射频发射基站，采用定制的导览机，专物专用且功能单一，难于升级。二是缺少应变性，现有旅游信息***基本都是一成不变的很少考虑外部环境的变化，比如根据场馆空气质量或人流密集度为游客推荐较为舒适的游览路线。
如果在旅游过程中能够实时的知道旅行者的个人偏好和所处环境，通过情景感知计算不断获取用户位置、周围人群及事物的信息，以及这些事物随着时间的变化状态，那么就可以依据用户行为及所处环境为用户提供即时有效的服务。
发明内容
本发明的目的在于克服上述技术存在的缺陷，提供一种基于情景感知的室内导览***，该***以游客的智能手机为平台，充分利用已有资源来提高游客接待水平和服务质量，在室内实现旅客游览展品时的自动讲解，私人定制游览路线，实时挖掘游客潜在的兴趣爱好并推荐可能感兴趣的展品，为游客提供更加个性化的智能服务。其具体技术方案为：
一种基于情景感知的室内导览***，包括手机端与服务器，所述服务器端包括情景感知子***、推荐子***和导航子***三部分，三个子***公用一个数据库，情景感知子***一方面负责采集用户情景信息提供基于位置的消息推送服务，另一方面，将底层情景信息经处理提取高层信息存储在数据库中，作为推荐子***的数据源，推荐***会根据用户具体情景调用相应推荐算法，再将推荐结果推送到手机端，推荐结果还会作为导航子***的路线规划依据，导航子***将用户行程列表中的展品作为路线必经地点，再结合用户具体情景进行路线规划，最后，将最佳路线推送到手机端：
数据库：负责存储物品的详细信息，用户历史行为数据，场所的地图信息，场所各区域人流密度信息；
情景感知子***：负责获取用户的情景信息，此处情景信息包括用户的位置，身边的人数，在某一物品旁的逗留时间，用户的个人喜好，还负责即时扑捉用户兴趣变化，继续为用户提供个***；
推荐子***：根据用户历史行为数据和用户个人喜好为用户推荐物品列表；
导航子***：通过将推荐子***形成的推荐物品列表整合排序，为用户选择一条最佳的游览路线，在浏览过程中，如果情景感知子***发现用户的兴趣发生变化，该模块会根据用户兴趣和当前位置动态调整游览路线。
优选地，所述情景感知子***还提供以一种基于位置的消息推送服务，该服务基于用户当前位置，判断用户是否在观看展品，且观看的是哪一件展品，然后推送该展品的详细信息，包括文本信息与语音信息，实现多媒体信息服务。
优选地，所述基于位置的消息推送过程见下步骤：
1)智能手机端软件定时向服务器上报用户的位置信息；
2)服务器收到位置信息后，与数据库中地图匹配，找到附近的物品信息；
3)比较用户当前位置与附近各物品之间的距离，找到最近的物品信息；
4)将3)中找到的物品信息推送给智能手机端。
优选地，所述推荐子***的推荐过程见下步骤：
1)用户兴趣建模
协同过滤算法采用用户-项目评分矩阵实现用户兴趣的建模，个体用户所有已评分数据与未评分数据共同构成该用户的评分向量，***中所有用户的评分向量共同按行构成用户-项目评分矩阵；对于具有m个用户，n个项目的协同推荐***，其用户-项目评分矩阵；
用户对项目的评分通过显示或隐式收集方式获得；
2)相似度计算方法
3)求最近邻居集
采用固定数量的邻居集的方法选取最近邻居集；在本***中设定邻居集大小为5，即选取与指定用户1或物品1相似度最小的5个邻居节点；
4)形成推荐列表
将3)中得到的最近邻居集中各邻居感兴趣的且指定用户1未游览过的物品形成推荐列表。
优选地，所述导航子***的工作过程步骤如下：
1)确定用户当前位置；
2)获取场所地图，查询得到推荐列表中各物品的具***置以及场所中各区域的人流密度；
3)根据用户当前位置，将推荐列表中的物品按照与用户当前位置距离大小进行排序：位置近的物品在该列表中的位置靠前，形成物品推荐列表；
4)采用A*算法并根据各区域的人流密度对游览路线人性化规划，最终形成路线坐标，并发送到用户智能手机上。
与现有技术相比，本发明的有益效果为：本发明以游客的智能手机为平台，充分利用已有资源来提高游客接待水平和服务质量，在室内实现旅客游览展品时的自动讲解，私人定制游览路线，实时挖掘游客潜在的兴趣爱好并推荐可能感兴趣的展品，为游客提供更加个性化的智能服务。
附图说明
图1是基于情景感知的室内导览***的结构图；
图2是基于情景感知的室内导览***的工作流程图；
图3是情景感知子***架构图；
图4是用户-项目评分矩阵；
图5是最近邻居集算法示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案作进一步详细地说明。
本发明一种基于情景感知的室内导览***的总体框架如图1所示：
各组成部分的功能描述：
数据库：负责存储物品的详细信息，用户历史行为数据，场所的地图信息，场所各区域人流密度信息。
情景感知子***：负责获取用户的情景信息，此处情景信息包括用户的位置，身边的人数，在某一物品旁的逗留时间，用户的个人喜好。该模块还负责即时扑捉用户兴趣变化(通过用户在某一物品旁的逗留时间)，继续为用户提供个***。
推荐子***：该模块根据用户历史行为数据和用户个人喜好为用户推荐物品列表。
导航子***：该模块通过将推荐子***形成的推荐物品列表整合排序，为用户选择一条最佳的游览路线。在浏览过程中，如果情景感知子***发现用户的兴趣发生变化，该模块会根据用户兴趣和当前位置动态调整游览路线。
其详细过程如图2所示：
本发明一种基于情景感知的室内导览***的各模块详细介绍如下：
情景感知子***：
1.情景感知是如何利用环境中的情景信息辅助决策优化的一种计算模式，需要解决的问题主要是：情景信息采集和情景信息处理。子***采用三层结构设计，情景采集层主要实现情景信息的实时获取，情景处理层负责将情景信息分类，应用相关规则推理进行用户模型与兴趣模型更新，经过处理的情景信息在情景表示层转化为***学习到的一条知识，将该情景知识进行合理表示存储在数据库中，这种情景知识可以作为其他子***的数据源。根据不同的场合，***收集的情景信息也不同。详细设计如图3所示。
2.情景感知子***还提供以一种基于位置的消息推送服务，该服务基于用户当前位置，判断用户是否在观看展品，且观看的是哪一件展品，然后推送该展品的详细信息，包括文本信息与语音信息，实现多媒体信息服务。
基于位置的消息推送过程见下步骤：
1.智能手机端软件定时向服务器上报用户的位置信息；
2.服务器收到位置信息后，与数据库中地图匹配，找到附近的物品信息；
3.比较用户当前位置与附近各物品之间的距离，找到最近的物品信息。
4.将3中找到的物品信息推送给智能手机端。
推荐子***
推荐子***旨在利用情景感知得到的用户兴趣和用户当前的位置信息为用户做出个性化的推荐。
推荐子***采用协同过滤算法和基于内容的推荐算法的混合推荐算法实现为用户个性化推荐。
推荐过程见下步骤：
1.用户兴趣建模
协同过滤算法采用用户-项目评分矩阵实现用户兴趣的建模，个体用户所有已评分数据与未评分数据共同构成该用户的评分向量，***中所有用户的评分向量共同按行构成用户-项目评分矩阵。对于具有m个用户，n个项目的协同推荐***，其用户-项目评分矩阵R(m*n)。如图4所示。
用户对项目的评分可以通过显示或隐式收集方式获得，
2.相似度计算方法
确定目标用户的邻居用户是协同过滤的一个关键点，主流***一般通过特定的相似度计算方法来实现用户间相关性的度量，本***采用皮尔森相关系数作为相似度的度量标准。
基于皮尔森相关性的相似度(Pearson correlation-based similarity)中的皮尔森相关系数反应了两个变量之间的线性相关程度，它的取值在[-1，1]之间。当两个变量的线性关系增强时，相关系数趋于1或-1；当一个变量增大，另一个变量也增大时，表明它们之间是正相关的，相关系数大于0；如果一个变量增大，另一个变量却减小，表明它们之间是负相关的，相关系数小于0；如果相关系数等于0，表明它们之间不存在线性相关关系。
3.求最近邻居集
如图5所示，本***采用固定数量的邻居集(K-neighborhoods neighborhoods，KNN)的方法选取最近邻居集。在本***中设定邻居集大小为5，即选取与指定用户1或物品1相似度最小的5个邻居节点。在此注意的是，本***可灵活修改改变K值来适应不同需求的推荐服务。
4.形成推荐列表
将3中得到的最近邻居集中各邻居感兴趣的且指定用户1未游览过的物品形成推荐列表。
内容过滤
通过基于内容的推荐算法，将4中得到推荐列表进行内容过滤，形成最终推荐列表，推送到用户终端和导航子***。
导航子***
导航子***旨在利用推荐子***发送过来的推荐列表为用户形成游览路线，并最终显示到客户端。
其过程步骤如下：
1.确定用户当前位置；
2.获取场所地图，查询得到推荐列表中各物品的具***置以及场所中各区域的人流密度；
3.根据用户当前位置，将推荐列表中的物品按照与用户当前位置距离大小进行排序：位置近的物品在该列表中的位置靠前，形成物品推荐列表。
4.采用A*算法并根据各区域的人流密度对游览路线人性化规划，最终形成路线坐标，并发送到用户智能手机上。
该***主要为旅游场所-室内区域的导览。同时值得注意的是，路线规划不是一次性的，而是动态的。如用户在浏览过程中在某一未被推荐的物品前停留时间较长，智能手机终端就能扑捉到用户兴趣发生变化，此时手机终端就会将用户兴趣提交到情景感知子***，从而再次执行图2中的导览过程为用户形成新的推荐路线。
以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (1)
1.一种基于情景感知的室内导览***，其特征在于，包括手机端与服务器，所述服务器端包括情景感知子***、推荐子***和导航子***三部分，三个子***公用一个数据库，情景感知子***一方面负责采集用户情景信息提供基于位置的消息推送服务，另一方面，将底层情景信息经处理提取高层信息存储在数据库中，作为推荐子***的数据源，推荐子***会根据用户具体情景调用相应推荐算法，再将推荐结果推送到手机端，推荐结果还会作为导航子***的路线规划依据，导航子***将用户行程列表中的展品作为路线必经地点，再结合用户具体情景进行路线规划，最后，将最佳路线推送到手机端：
数据库：负责存储物品的详细信息，用户历史行为数据，场所的地图信息，场所各区域人流密度信息；
情景感知子***：负责获取用户的情景信息，此处情景信息包括用户的位置，身边的人数，在某一物品旁的逗留时间，用户的个人喜好，还负责即时扑捉用户兴趣变化，继续为用户提供个***；
推荐子***：根据用户历史行为数据和用户个人喜好为用户推荐物品列表；
导航子***：通过将推荐子***形成的推荐物品列表整合排序，为用户选择一条最佳的游览路线，在浏览过程中，如果情景感知子***发现用户的兴趣发生变化，导航子***会根据用户兴趣和当前位置动态调整游览路线；
所述情景感知子***还提供以一种基于位置的消息推送服务，该服务基于用户当前位置，判断用户是否在观看展品，且观看的是哪一件展品，然后推送该展品的详细信息，包括文本信息与语音信息，实现多媒体信息服务；
所述基于位置的消息推送过程见下步骤：
1)智能手机端软件定时向服务器上报用户的位置信息；
2)服务器收到位置信息后，与数据库中地图匹配，找到附近的物品信息；
3)比较用户当前位置与附近各物品之间的距离，找到最近的物品信息；
4)将3)中找到的物品信息推送给智能手机端；
所述推荐子***的推荐过程见下步骤：
1)用户兴趣建模
协同过滤算法采用用户-项目评分矩阵实现用户兴趣的建模，个体用户所有已评分数据与未评分数据共同构成该用户的评分向量，***中所有用户的评分向量共同按行构成用户-项目评分矩阵；对于具有m个用户，n个项目的协同推荐***，其用户-项目评分矩阵；
用户对项目的评分通过显示或隐式收集方式获得；
2)相似度计算方法
3)求最近邻居集
采用固定数量的邻居集的方法选取最近邻居集；在本***中设定邻居集大小为5，即选取与指定用户1或物品1相似度最小的5个邻居节点；
4)形成推荐列表
将3)中得到的最近邻居集中各邻居感兴趣的且指定用户1未游览过的物品形成推荐列表；
所述导航子***的工作过程步骤如下：
1)确定用户当前位置；
2)获取场所地图，查询得到推荐列表中各物品的具***置以及场所中各区域的人流密度；
3)根据用户当前位置，将推荐列表中的物品按照与用户当前位置距离大小进行排序：位置近的物品在该列表中的位置靠前，形成物品推荐列表；
4)采用A*算法并根据各区域的人流密度对游览路线人性化规划，最终形成路线坐标，并发送到用户智能手机上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410360032.2A CN104156897B (zh) | 2014-07-24 | 2014-07-24 | 基于情景感知的室内导览*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410360032.2A CN104156897B (zh) | 2014-07-24 | 2014-07-24 | 基于情景感知的室内导览*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104156897A CN104156897A (zh) | 2014-11-19 |
| CN104156897B true CN104156897B (zh) | 2018-05-29 |
Family
ID=51882388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410360032.2A Expired - Fee Related CN104156897B (zh) | 2014-07-24 | 2014-07-24 | 基于情景感知的室内导览*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104156897B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104598537A (zh) * | 2014-12-30 | 2015-05-06 | 小米科技有限责任公司 | 目标物信息推荐方法和装置 |
| CN105095987A (zh) * | 2015-06-30 | 2015-11-25 | 北京奇虎科技有限公司 | 一种购物导航方法及用于购物导航的服务器、客户端 |
| CN105139301B (zh) * | 2015-08-13 | 2019-04-12 | 法信维途(厦门)信息技术有限公司 | 一种基于bp神经网络的导游方法 |
| CN105278532B (zh) * | 2015-11-04 | 2018-09-07 | 中国科学技术大学 | 个性化机器人导游导览自主解说方法 |
| CN105447185B (zh) * | 2015-12-15 | 2018-11-16 | 西安电子科技大学 | 基于知识与位置的个性化旅游景点推荐方法 |
| CN105589975B (zh) * | 2016-02-05 | 2018-04-24 | 腾讯科技（深圳）有限公司 | 信息推荐方法及装置 |
| CN106779288A (zh) * | 2016-11-17 | 2017-05-31 | 哈尔滨工程大学 | 一种基于计算智能的海洋平台重量控制***及控制方法 |
| CN109218049B (zh) | 2017-06-30 | 2021-10-26 | 华为技术有限公司 | 一种控制方法、相关设备以及*** |
| CN107391605A (zh) * | 2017-06-30 | 2017-11-24 | 北京奇虎科技有限公司 | 基于地理位置的信息推送方法、装置及移动终端 |
| CN110459203B (zh) * | 2018-05-03 | 2022-04-15 | 百度在线网络技术（北京）有限公司 | 一种智能语音导游方法、装置、设备及存储介质 |
| CN109166225A (zh) * | 2018-10-19 | 2019-01-08 | 沈洁 | 一种智能多媒体导览*** |
| SG11202111620SA (en) * | 2019-04-29 | 2021-11-29 | Grabtaxi Holdings Pte Ltd | Communications server apparatus, methods and communications systems for recommending one or more points-of-interest for a transport-related service to a user |
| CN110472139A (zh) * | 2019-07-16 | 2019-11-19 | 浙江大学城市学院 | 一种基于情景感知信息的个性化推荐与导览***及控制方法 |
| CN113680070A (zh) * | 2021-08-26 | 2021-11-23 | 网易（杭州）网络有限公司 | 虚拟交互对象浏览方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915518A (zh) * | 2012-08-29 | 2013-02-06 | 太原理工大学 | 一种面向智能校园服务的情景感知*** |
| CN103886484A (zh) * | 2014-03-14 | 2014-06-25 | 河海大学常州校区 | 一种用于大型商业街区的导购*** |
-
2014
- 2014-07-24 CN CN201410360032.2A patent/CN104156897B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915518A (zh) * | 2012-08-29 | 2013-02-06 | 太原理工大学 | 一种面向智能校园服务的情景感知*** |
| CN103886484A (zh) * | 2014-03-14 | 2014-06-25 | 河海大学常州校区 | 一种用于大型商业街区的导购*** |
Non-Patent Citations (2)
| Title |
|---|
| "基于Windows Mobile的校园移动向导***的设计";杨青青 等;《中国教育信息化》;20101231(第17期);49-51 * |
| "电子商务协同过滤稀疏性研究：一个分类视角";李聪 等;《管理工程学报》;20111231;第25卷(第1期);94-101 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104156897A (zh) | 2014-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104156897B (zh) | 基于情景感知的室内导览*** | |
| Yin et al. | Modeling location-based user rating profiles for personalized recommendation | |
| Li et al. | Big data in tourism research: A literature review | |
| Yin et al. | LCARS: A spatial item recommender system | |
| KR101213857B1 (ko) | 가상 세계 | |
| CN105532030B (zh) | 用于分析目标实体的移动的装置、***和方法 | |
| KR101213868B1 (ko) | 가상 세계 | |
| Zheng et al. | Collaborative location and activity recommendations with gps history data | |
| US8612134B2 (en) | Mining correlation between locations using location history | |
| CN102308184B (zh) | 地图上的基于实体的搜索结果和集群 | |
| CN103631954B (zh) | 个性化推荐方法及装置 | |
| US9014726B1 (en) | Systems and methods for recommending photogenic locations to visit | |
| CN104504064A (zh) | 一种信息推荐方法和装置 | |
| US20150278860A1 (en) | Dynamically determining a search radius to select online content | |
| JP7197930B2 (ja) | ロケーションベースの個人用コンテンツを提供する方法及びシステム | |
| CN101427104A (zh) | 虚拟地球 | |
| CN102224498A (zh) | 用于向移动设备提供位置相关内容的计算机实现的方法 | |
| CN111143679A (zh) | 一种基于大数据的数字化智慧旅游控制***及方法 | |
| KR102068788B1 (ko) | 사용자 타겟 서비스를 제공하는 서버 및 그 서비스 제공방법 | |
| Zheng et al. | Location-based social networks: Locations | |
| CN114240528A (zh) | 一种用于乡村旅游的交互式景区导视*** | |
| WO2017007651A1 (en) | Systems and methods to facilitate submission of user images descriptive of locations | |
| Talpur et al. | A study of tourist sequential activity pattern through location based social network (LBSN) | |
| CN103399900A (zh) | 基于位置服务的图片推荐方法 | |
| CN116823535B (zh) | 一种基于多模态大模型的行程规划及智能导览*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180529 |