CN104391853B - Poi推荐方法、poi信息处理方法及服务器 - Google Patents
Poi推荐方法、poi信息处理方法及服务器 Download PDFInfo
- Publication number
- CN104391853B CN104391853B CN201410497492.XA CN201410497492A CN104391853B CN 104391853 B CN104391853 B CN 104391853B CN 201410497492 A CN201410497492 A CN 201410497492A CN 104391853 B CN104391853 B CN 104391853B
- Authority
- CN
- China
- Prior art keywords
- poi
- user
- social group
- information
- access
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种POI推荐方法、POI信息处理方法及服务器,所述POI推荐方法包括:根据用户生成内容获取社交群内各用户的用户活动的时空信息;依据所述时空信息确定所述社交群内用户活动的核心活动空间;根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;对所述POI访问信息进行分析,形成POI分析结果;及依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
Description
技术领域
本发明涉及互联网技术领域的信息处理技术,尤其涉及一种兴趣点(Point ofinterest,POI)推荐方法、POI信息处理方法及服务器。
背景技术
随着通信技术及电子技术的发展,越来越多的用户利用网络获取服务;具体如利用网络进行订餐等网络预定,之后到实体店进行消费;具体如基于POI的信息网络服务。
POI:Point of interest,POI信息是地理信息中的一个信息元,是基于地理信息的商铺、公共服务站点以及公交站等建筑或能够提供服务的服务站点的信息。通常每个所述POI信息可包括服务站点的名称和/或对应的代码、提供的服务类型以及交通路况等信息。
如何向精确的用户推荐其感兴趣的POI,以提高用户的使用满意度,同时使待推荐POI能够准确定位到其相应的目标用户群及提高推荐成功率,是现有技术待解决的问题。
发明内容
有鉴于此,本发明实施例期望提供一种POI推荐方法、POI信息处理方法及服务器。
为达到上述目的,本发明的技术方案是这样实现的:
本发明实施例第一方面提供一种POI推荐方法,所述方法包括:
根据用户生成内容获取社交群内各用户的用户活动的时空信息;
依据所述时空信息确定所述社交群内用户活动的核心活动空间;
根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
对所述POI访问信息进行分析,形成POI分析结果;
依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
优选地,
所述对所述POI信息进行分析,形成POI分析结果,包括:依据所述POI信息确定每一个POI在第一指定时间内的访问频次;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:依据所述访问频次选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
优选地,
所述对所述POI信息进行分析,形成POI分析结果,还包括:
依据所述POI信息确定每一个POI在第一指定时间内被访问频次的时间分布信息;
依据所述访问频次以及所述时间分布信息,确定访问热度;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:依据所述访问热度向所述社交群中的用户推荐POI。
优选地,
所述对所述POI信息进行分析,形成POI分析结果,还包括:
依据所述POI信息确定每一个POI在第一指定时间内的评价信息;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:依据所述访问频次及所述评价信息向所述社交群中的用户推荐POI。
优选地,
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:
依据所述POI分析结果,选择在所述核心活动空间内被所述社交群内已访问过的第一POI,向所述社交群内未访问过所述第一POI的用户推荐。
优选地,
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,还包括:
依据所述POI分析结果,选择在所述核心活动空间内且与所述第一POI满足预设相似度条件的第二POI,向所述社交群内的用户推荐。
优选地,
所述方法还包括:
依据所述时空信息对所述社交群中的用户活动进行空间聚类,将活动空间满足第一预设条件的用户形成聚类簇;
所述依据所述空间信息确定所述用户集合中所述用户的核心活动空间,包括:
依据所述第j个聚类簇内各用户的时空信息,获得第j个核心活动空间;
所述对所述POI访问信息进行分析,形成POI分析结果,包括:
对所述POI访问信息进行分析,形成于第j个聚类簇的第j POI分析结果;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:
依据所述第jPOI分析结果选择在所述第j个核心活动空间内的POI,向所述社交群中的用户推荐。
优选地,
所述依据所述时空信息确定所述社交群内用户活动的核心活动空间,包括:
依据所述时空信息确定所述社交群内用户的活动空间划分为若干个区域;
依据所述时空信息确定每一个所述区域的访问概率信息;
依据每一个所述区域的访问概率信息,确定所述核心活动空间。
优选地,
所述依据所述时空信息确定每一个所述区域的访问概率信息,包括:
依据所述时空信息,确定在第二指定时间内所述社交群内每一个用户在每一个区域内访问次数;
计算各用户在每一所述区域内的单用户访问概率;
依据所述单用户访问概率,确定每一所述区域的平均访问概率;
所述依据每一个所述区域的访问概率信息,确定所述核心活动空间,包括:依据所述平均访问概率,确定所述核心活动空间。
优选地,
所述还包括:
依据所述访问次数,确定所述核心活动空间内的访问频次;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:
判断所述核心活动空间内的访问频次是否满足预设频次条件;
当所述核心活动空间内的访问频次满足访问频次预设条件时,依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
本发明实施例第二方面提供一种POI信息处理方法,所述方法包括:
获取第三POI的POI信息;
将所述第三POI的访问用户进行聚类,形成聚类结果;
依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息;
依据所述第一用户属性信息将所述访问用户形成至少一个社交群。
优选地,
所述方法还包括:
在所述社交群内推荐所述社交群内用户已访问POI关联的POI。
优选地,
所述在所述社交群内推荐所述社交群内用户已访问POI关联的POI,包括:
在所述社交群内推荐与所述第三POI满足预设差异条件的第四POI。
优选地,
所述在所述社交群内推荐所述社交群内用户已访问POI关联的POI,包括:
获取所述社交群内用户的POI访问信息;
依据所述访问信息,确定待推荐的第五POI;
在所述社交群内各用户之间推荐所述第五POI。
优选地,
所述依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息,包括:
统计第三指定时间内所述第三POI的访问客户在指定属性的分布信息;
依据所述分布信息,确定对所述第三POI感兴趣用户的第一用户属性信息
本发明实施例第三方面提供一种服务器,所述服务器包括:
第一获取单元,用于根据用户生成内容获取社交群内各用户的用户活动的时空信息;
第一确定单元,用于依据所述时空信息确定所述社交群内用户活动的核心活动空间;
第二获取单元,用于根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
分析单元,用于对所述POI访问信息进行分析,形成POI分析结果;
第一推荐单元,用于依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
优选地,
所述分析单元,具体用于据所述POI信息确定每一个POI在第一指定时间内的访问频次;
所述第一推荐单元,用于依据所述访问频次选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
优选地,
所述分析单元,还用于依据所述POI信息确定每一个POI在第一指定时间内被访问频次的时间分布信息;及依据所述访问频次以及所述时间分布信息,确定访问热度;
所述第一推荐单元,具体用于依据所述访问热度向所述社交群中的用户推荐POI。
优选地,
所述分析单元,还用于依据所述POI信息确定每一个POI在第一指定时间内的评价信息;
所述第一推荐单元,具体用于依据所述访问频次及所述评价信息向所述社交群中的用户推荐POI。
优选地,
所述第一推荐单元,用于依据所述POI分析结果,选择在所述核心活动空间内被所述社交群内已访问过的第一POI,向所述社交群内未访问过所述第一POI的用户推荐。
优选地,
所述第一推荐单元,还用于依据所述POI分析结果,选择在所述核心活动空间内且与所述第一POI满足预设相似度条件的第二POI,向所述社交群内的用户推荐。
优选地,
所述服务器还包括:
第一聚类单元,还用于依据所述时空信息对所述社交群中的用户活动进行空间聚类,将活动空间满足第一预设条件的用户形成聚类簇;
所述第一确定单元,具体用于依据所述第j个聚类簇内各用户的时空信息,获得第j个核心活动空间;
所述分析单元,具体用于对所述POI访问信息进行分析,形成于第j个聚类簇的第jPOI分析结果;
所述第一推荐单元,具体用于依据所述第jPOI分析结果选择在所述第j个核心活动空间内的POI,向所述社交群中的用户推荐。
优选地,
所述第一确定单元,用于依据所述时空信息确定所述社交群内用户的活动空间划分为若干个区域;依据所述时空信息确定每一个所述区域的访问概率信息;及依据每一个所述区域的访问概率信息,确定所述核心活动空间。
优选地,
所述第一确定单元,具体用于依据所述时空信息,确定在第二指定时间内所述社交群内每一个用户在每一个区域内访问次数;计算各用户在每一所述区域内的单用户访问概率;依据所述单用户访问概率,确定每一所述区域的平均访问概率;及依据所述平均访问概率,确定所述核心活动空间。
优选地,
所述服务器,还包括:
第二确定单元,用于依据所述访问次数,确定所述核心活动空间内的访问频次;
所述第一推荐单元150,用于判断所述核心活动空间内的访问频次是否满足预设频次条件;及当所述核心活动空间内的访问频次满足访问频次预设条件时,依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
本发明实施例第四方面提供一种服务器,所述服务器包括:
第三获取单元,用于获取第三POI的POI信息;
第二聚类单元,用于将所述第三POI的访问用户进行聚类,形成聚类结果;
提取单元,用于依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息;
形成单元,用于依据所述第一用户属性信息将所述访问用户形成至少一个社交群。
优选地,
所述服务器还包括:
第二推荐单元,用于在所述社交群内推荐与所述社交群内用户已访问POI关联的POI。
优选地,
所述第二推荐单元,具体用于在所述社交群内推荐与所述第三POI满足预设差异条件的第四POI。
优选地,
所述第二推荐单元,还用于获取所述社交群内用户的POI访问信息;依据所述访问信息,确定待推荐的第五POI;及在所述社交群内各用户之间推荐所述第五POI。
优选地,
所述提取单元,具体用于统计第三指定时间内所述第三POI的访问客户在指定属性的分布信息;及依据所述分布信息,确定对所述第三POI感兴趣用户的第一用户属性信息。
本发明实施例所述的POI推荐方法及服务器,首先选择具有强社交关联的社交群内的用户作为待推荐用户,再根据用户已访问的POI信息来确定推荐的POI,根据已访问POI信息来确定POI,显然将知道该社交群内的用户有怎样的POI访问需求,提高了POI推荐成功率。本发明实施例所述的POI信息处理方法及服务器,依据POI来建立社交群;方便社交群内的用户进行POI访问的交流及向具有类似POI访问需求(具体如,POI推荐)用户集中推荐POI等操作,同样有利于提高POI推荐成功率等。
附图说明
图1为本发明实施例所述的POI推荐方法的流程示意图之一;
图2为本发明实施例所述的评价信息的示意图;
图3为基于本发明实施例所述的方法推荐POI的效果示意图;
图4为本发明实施例所述的核心活动空间的示意图之一;
图5为本发明实施例中所述的向社交群中用户推荐POI的流程示意图;
图6为本发明实施例所述的核心活动空间的示意图之二;
图7为本发明实施例所述的POI推荐方法的流程示意图之二;
图8为本发明实施例所述的核心活动空间的确定示意图之一;
图9a为本发明实施例所述的POI信息处理方法的流程示意图之一;
图9b为本发明实施例所述的POI信息处理方法的流程示意图之二;
图10为本发明实施例所述的指定属性的分布信息示意图之一;
图11为本发明实施例所述的指定属性的分布信息示意图之二;
图12为本发明实施例所述的服务器的结构示意图之一;
图13为本发明实施例所述的服务器的结构示意图之二;
图14为本发明实施例所述的服务器、客户端之间的信息交互示意图;
图15为本发明实施例所述的服务器的结构示意图之三。
具体实施方式
以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。
方法实施例一:
如图1所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S110:根据用户生成内容获取社交群内各用户的用户活动的时空信息;
步骤S120:依据所述时空信息确定所述社交群内用户活动的核心活动空间;
步骤S130:根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
步骤S140:对所述POI访问信息进行分析,形成POI分析结果;
步骤S150:依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述的POI具体对应的可以是餐馆、电影院、商场或景点等于地点。
所述用户生成内容(Users Generate Content,UGC)为依据用户操作形成的信息,具体如用户在互连网的网络应用和/或网页操作形成的信息。具体如用户登录预定网页、如O2O(线上预定线下消费)网页。
所述用户生成内容具体记载有用户操作的时间、操作内容、操作对象以及操作反馈等信息。
在具体的实现过程中,不同的用户有不同的喜好,就会喜欢或选择访问不同的POI,从而将有不同的POI访问需求。具体如有的用户喜欢关顾湘菜馆、有的用户喜欢光顾粤菜馆;有的用户喜欢逛品牌店、有的用户喜欢各种平价店。而具体哪家湘菜馆的味道最正宗、哪家粤菜做的好,需要由用户的实际光顾热度以及评价来判断。且有同样的POI访问需求的用户可能由于所在地不一样或者生活作息不一样,具有相同POI访问需求的用户对访问哪一家POI更加方便也不一样。
基于上述特点,可知在推荐推荐POI时,只有推荐了满足用户POI访问需求的POI才能提高推荐成功率以及接受度。
如何确定向用户推荐的POI是用户感兴趣的POI,是满足用户POI访问需求的POI了,在本实施例中,首先选择社交群;所述社交群具体可以是QQ群、微信群、人人网的校友群、同学录、facebook的好友群等。所述社交群为至少两个用户构成的用户集合;一般社交群内的用户基于某一种社交关系形成了用户集合,具体如同学群,基于同学关系;同事群基于同事关系、好友群基于朋友关系、亲属群基于亲属关系等。通俗的来将社交群中的用户之间具有强社交关系,他们的生活通常彼此牵连和彼此影响,通常会一起吃饭、看电影、旅游等,这些将导致他们具有相同或相似的POI访问需求。
然而一个社交群具体有怎样的POI访问需求及将访问哪些POI了;具体如何确定一个社交群的POI访问需求以及将访问哪些POI了,在本实施例中将获取社交群用户活动的时空信息。所述时空信息包括时间信息以及空间信息。
假设所述时空信息具体包括:xxxx年xx月xx日xx时xx分,访问了北京市海淀区xx影院等;其中,所述时间信息为xxxx年xx月xx日xx时xx分,空间信息为北京市海淀区xx影院;此外所述时空信息中还可能包括了用户的操作信息,具体如访问、预定或签到等信息。
所述时空信息具体可能包括以下至少其中之一:
第一:用户登录网络服务器产生的时空信息,如用户在公司还是在家里登录的网络服务器的信息;具体如,用户登录网络服务器的时间、IP地址、地理位置(地理名称或经纬度信息)等。
第二:用户访问POI的信息形成的时空信息,如用户访问的POI;如用户签到的POI的名称、地理位置以及签到时间等。
用户上传的出行轨迹对应的时空信息(如用户随身写到的电子设备的通过定位传感器获得用户出行信息,如从公司到家里或从学校到宿舍等);具体可包括起始位置、终止位置、沿途经过的区域;这些信息都可以以地理名称或经纬度信息来表征。
在具体的实现过程中所述时空信息包括很多种,在此就不再一一举例了。
一个社交群是由多个用户构成,每一个社交群中的用户的活动空间不尽相同,但是可能基于社交关系会形成一个核心活动空间,具体如基于同学关系形成的群,核心活动空间可能将以学校为中心,基于同事关系形成的群,核心活动空间可能将以公司为中心。故在本实施例中将根据所述时空信息确定用户活动的核心活动空间;具体核心活动空间的覆盖范围有多大,具体如何确定所述核心活动空间,具体的可以根据所述时空信息中的空间信息确定用户活动过的范围,依据所述时空信息可以确定出用户活动的频繁度,依据所述活动过的范围以及频繁度,选择频繁度满足预设需求的区域作为所述核心活动空间。在具体的实现过程中,还可以简单的根据社交群填写的信息来确定,但是相对于本实施例提供的基于用户活动的时空信息确定的核心活动空间精确度低。
具体该社交群内的用户会喜欢访问什么样类型的POI,本实施例中将根据用户生成内容获取用户访问记录,进而可以获得POI访问信息。所述POI访问信息,通常包括被访问的POI的属性信息,具体若是餐厅,具体是西餐厅、中餐厅、哪一类型的餐厅;在餐厅的点餐信息,如点的是甜点还是正餐,点的菜式等信息。
这些POI信息直接反应了用户的喜好以及POI访问需要,故在本实施例中可以对所述POI访问信息进行分析,形成POI分析结果;所述POI分析结果至少能反映出社交群中大多数用户的POI访问需求,从而在步骤S150中根据POI分析结果选择在核心活动空间内的POI,向所述社交群中的用户推荐,依据本实施例所述方法推荐的POI显然更能贴近用户的POI访问需求,被接收的几率更高,从而能提高接收的成功率,并提高用户使用满意度。
方法实施例二:
如图1所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S110:根据用户生成内容获取社交群内各用户的用户活动的时空信息;
步骤S120:依据所述时空信息确定所述社交群内用户活动的核心活动空间;
步骤S130:根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
步骤S140:对所述POI访问信息进行分析,形成POI分析结果;
步骤S150:依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述步骤S140具体可包括:依据所述POI信息确定每一个POI在第一指定时间内的访问频次;
所述S150具体可包括:依据所述访问频次选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
在具体的实现过程中,可以根据所述POI访问信息,逐个分析社交群内用户感兴趣POI的属性信息,具体如中餐厅还是西餐厅,以形成POI分析结果,根据所述POI分析结果中的POI的属性信息来推荐POI。然而在本实施例中为了简化分析,分析的是POI访问频次。
具体的如社交群中的各用户,在第一指定时间(具体如半个月、1个月、一个季度或半年内)访问POI的信息,可以通过统计在第一指定时间内的对各个POI访问频次的统计,可以知道社交群内的用户最喜欢访问的POI是哪些,从而确定出所述社交群内大多数用户的POI访问需求。
在本实施例中简单的通过统计POI的访问频次,来确定社交群内用户可能喜欢访问什么样的POI,简化了信息处理;且依据访问频次来确定用户的POI访问需求,且精确度高。
方法实施例三:
如图1所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S110:根据用户生成内容获取社交群内各用户的用户活动的时空信息;
步骤S120:依据所述时空信息确定所述社交群内用户活动的核心活动空间;
步骤S130:根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
步骤S140:对所述POI访问信息进行分析,形成POI分析结果;
步骤S150:依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述步骤S140具体可包括:依据所述POI信息确定每一个POI在第一指定时间内的访问频次;
所述S150具体可包括:依据所述访问频次选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述按照预设策略对所述POI信息进行分析,形成POI分析结果,还包括:
依据所述POI信息确定每一个POI在第一指定时间内被访问频次的时间分布信息;
依据所述访问频次以及所述时间分布信息,确定访问热度;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:依据所述访问热度向所述社交群中的用户推荐POI。
在第一指定时间内,假设POI A和POI B的访问频次是一样的,但是社交群中每天都有用户访问POI A;而POI B被社交群中的用户访问的时间很集中。这种情况表明,用户对POI A的喜好是具有持久性的,而对POI B的访问,可能是POI在访问集中的时间段内有优惠活动等影响POI访问量的因素出现。
故在本实施例中引入了时间分布信息,所述时间分布信息可以用户时间分布概率来量化表征。所述时间分布概率可以为第一指定时间内每一个时间单元的访问次数与第一指定时间内的总访问次数的比值;具体如,在第一指定时间内,POIA被访问了1000次,其中,2014年9月10日被访问的次数为56次,则在2014年9月10日这一天的时间分布概率可为56/1000次;所述时间单元为对应的时长为小于所述第一指定时间对应的时长的时间单元,具体如1天、2天或1周等。
本实施例中将进一步根据所述访问频次及时间分布信息,确定访问热度;具体的可以是访问热度其中,所述f为所述访问频次、所述p(t)为表征时间分布信息的时间分布函数,具体如分布概率。在具体的实现过程中,不局限于上述函数关系。
本实施例通过访问热度来确定向用户推荐的POI,能够进一步精确的获取用户的POI访问需求,从而能再次提高用户的接收POI的几率。
方法实施例四:
如图1所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S110:根据用户生成内容获取社交群内各用户的用户活动的时空信息;
步骤S120:依据所述时空信息确定所述社交群内用户活动的核心活动空间;
步骤S130:根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
步骤S140:对所述POI访问信息进行分析,形成POI分析结果;
步骤S150:依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述步骤S140具体可包括:依据所述POI信息确定每一个POI在第一指定时间内的访问频次;
所述S150具体可包括:依据所述访问频次选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述按照预设策略对所述POI信息进行分析,形成POI分析结果,还包括:
依据所述POI信息确定每一个POI在第一指定时间内的评价信息;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:依据所述访问频次及所述评价信息向所述社交群中的用户推荐POI。
用户访问了一个POI之后,可能还会将访问POI形成用户评价上传到网络。在图2中,huang 1077及224135都是标识用户的用户名或用户ID;其中图示中的五角星表示的用户打出的评分值;3分、5分是与所述5角星对应的分值;在图2中包括用户文字描述的用户体验感受,如“感觉不错”、“非常不错、下次再光顾”等。
在本实施例中还将包括评价信息,具体包括所述评分值,用户文字描述等。通常评分值越高,表明用户满意度越高,显然也从另一个侧面反映了用户的POI访问需求;文字描述直接的给出了用户的访问主观感受,通过关键字提取的方式可以获得用户具体评价。
故在本实施例中将结合评价信息及访问频次,共同确定向用户推荐的POI,以提高用户接收推荐的几率。
方法实施例五:
如图1所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S110:根据用户生成内容获取社交群内各用户的用户活动的时空信息;
步骤S120:依据所述时空信息确定所述社交群内用户活动的核心活动空间;
步骤S130:根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
步骤S140:对所述POI访问信息进行分析,形成POI分析结果;
步骤S150:依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述步骤S150,包括:
依据所述POI分析结果,选择在所述核心活动空间内被所述社交群内已访问过的第一POI,向所述社交群内未访问过所述第一POI的用户推荐。
具体如社交群中100个用户;其中,有50个用户访问了POI C,且POI C是社交群内访问频次排在第一位的POI,而用户A没有访问过POI C,此前用户A可能从社交群中其他用户口中有听说过POI C,只是一直没有访问过,若向用户A推荐POI C,用户A可能立马就会接收。
在具体的实现过程中,所述步骤S150可包括:
依据所述POI分析结果,选择在所述核心活动空间内被所述社交群内已访过的第一POI(所述POI C);
生成所述第一POI的推荐信息;
将所述POI信息发送到客户端,并在客户端显示。
图3为在客户端显示所述信息的示意图;其中,客户端的用户与小A和小B为同一社交群的用户,在推荐信息中显示社交群中的部分访问过所述POI C的用户,当被推荐的用户看到自己熟知的朋友后,接收推荐的几率将更大。
在具体的实现过程中,还可能统计与被推荐用户通过社交网络互动最为频繁的用户显示在推荐信息中。
本实施例在上述实施例的基础上,限定了将社交群中的已访问过的第一POI,推荐给群内未访问过第一POI的用户,再次提高了用户接收POI推荐的几率。
方法实施例六:
如图1所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S110:根据用户生成内容获取社交群内各用户的用户活动的时空信息;
步骤S120:依据所述时空信息确定所述社交群内用户活动的核心活动空间;
步骤S130:根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
步骤S140:对所述POI访问信息进行分析,形成POI分析结果;
步骤S150:依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述步骤S150,包括:
依据所述POI分析结果,选择在所述核心活动空间内且与所述第一POI满足预设相似度条件的第二POI,向所述社交群内的用户推荐。
在具体的实现过程中,所述步骤S150包括确定第一POI与第二POI的相似度的步骤。具体如所述第一POI和第二POI都对应有POI属性信息,具体如POI的业务范围、POI类型或风格等属性参数;在计算相似度时,可以将向第一POI和第二POI相对应的属性进行比较,获得两者的相似性;并累计所有属性的相似度,得到第一POI和第二POI的整体相似度。在通过阈值判断或相似度排序等方式确定与所述第一POI最相似的第二POI,并向用户推荐。
在确定第一POI与第二POI的相似度之前,还包括获取第二POI的POI属性信息的步骤,具体可以从POI库中获取所述第一POI和第二POI;所述POI信息包括POI的名称、POL类型、POI的平均消费水平、POI的地理位置、POI开放时间及POI的可达交通方式以及各种交通方式对应的时间表等信息。
在具体的实现过程中,为了方便POI的推荐,还可以为社交群建立一个POI库;所述POI库中存储有社交群内用户经常访问的POI对应的POI信息。
本实施例不同于上一实施例的是:本实施例中还向社交群中用户推荐用户未访问过的第二POI,且同样的能够保证较高的接受度及成功推荐率。
在本发明实施例所述步骤S150中,在向用户推荐POI之前,还包括确定待推荐的用户,具体如图4所示,依据社交群内各用户的时空信息确定出社交群的活动空间及核心活动空间,为了进一步提高POI推荐成功率及接受度,在推荐POI时,还确定向群内那些用户推荐POI;如图5所示,所述步骤S150具体可包括:
步骤S151:依据每一个用户的中心活动空间;具体如用户公司和住宿都在北京市海淀区五道口,通常用户的中心活动空间也为北京市海淀区五道口;
步骤S152:确定中心活动空间位于核心活动空间的用户;
步骤S153:依据所述POI分析结果,向中心活动空间位于所述核心活动空间的用户,推荐位于所述核心活动空间内POI。
具体如4中,用户B的中心活动空间、用户C的中心活动空间以及用户D的中心活动空间,均在在社交群的核心活动空间内,而用户A的中心活动空间不在社交群的核心活动空间内,故选择位于核心活动空间内的POI向社交群内的用户推荐时,首先排除用户A,选择向用户C、用户B以及用户D推荐。
在上一实施例及本实施例基础上,步骤S150在推荐POI之前还确定出哪些用户的中心活动空间是位于核心活动空间内,向中心活动空间位于核心活动空间内的用户推荐位于核心活动空间内的POI,当用户通过客户端接收到POI推荐信息后,发现该POI位于其经常活动的范围内,显然接收的几率会更高。
具体的如何确定用户的中心活动空间,可以参见社交群的核心活动空间的确定。
方法实施例七:
如图1所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S110:根据用户生成内容获取社交群内各用户的用户活动的时空信息;
步骤S120:依据所述时空信息确定所述社交群内用户活动的核心活动空间;
步骤S130:根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
步骤S140:对所述POI访问信息进行分析,形成POI分析结果;
步骤S150:依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述方法还包括:
依据所述时空信息对所述社交群中的用户活动进行空间聚类,将活动空间满足第一预设条件的用户形成聚类簇。
所述步骤S130可包括:
依据所述第j个聚类簇内各用户的时空信息,获得第j个核心活动空间;
如图6所示,根据用户的时空信息,可以确定出社交群活动空间,在通过聚类得到了4个聚类簇中每一个聚类簇的核心活动空间。在图6中,第1个聚类簇对应了第1个核心活动空间、第2个聚类簇对应了第2个核心活动空间、第3个聚类簇对应了第3个核心活动空间且第4个聚类簇对应了第4个核心活动空间。
所述步骤S150可包括:
对所述POI访问信息进行分析,形成于第j个聚类簇的第j POI分析结果;
所述步骤S160包括:
依据所述第jPOI分析结果选择在所述第j个核心活动空间内的POI,向所述社交群中的用户推荐。
对应每一个聚类簇形成一个POI分析结果再分别推荐POI,显然这样能够再一次提高推荐成功率。
具体如大学社交群,大学毕业后大家分布在各个地方,譬如社交群包括100个用户,其中45个留在北京海淀区,13个在北京朝阳区、26个在深圳福田区,其他用户分散分布,此时该用户群至少可以形成3个聚类簇;对应这些聚类簇的核心活动空间可为北京海淀区、北京朝阳区及深圳福田区。
在具体推荐POI时分别以聚类簇为单位进行信息处理及POI推荐。
本实施例中通过聚类处理,能够再次提高推荐的成功率。
方法实施例八:
如图7所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S110:根据用户生成内容获取社交群内各用户的用户活动的时空信息;
步骤S120:依据所述时空信息确定所述社交群内用户活动的核心活动空间;所述步骤S120具体包括:步骤S121:依据所述时空信息确定所述社交群内用户的活动空间划分为若干个区域;步骤S122:依据所述时空信息确定每一个所述区域的访问概率信息;及步骤S123:依据每一个所述区域的访问概率信息,确定所述核心活动空间;
步骤S130:根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
步骤S140:对所述POI访问信息进行分析,形成POI分析结果;
步骤S150:依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
在本实施例中具体提供了一种如何确定核心活动空间的方法,通过访问概率信息确定所述核心活动频率,具有计算简便且能够精确获得核心活动空间的优点。
所述步骤S122息的具体实现方式有多种,以下提供两种优选方式:
第一种:
统计各个区域的访问频次;
获得每一区域的访问频次与社交群的活动空间的总访问频次的比值,得到所述访问概率。
第二种:
依据所述时空信息,确定在第二指定时间内所述社交群内每一个用户在每一个区域内访问次数;
计算各用户在每一所述区域内的单用户访问概率;
依据所述单用户访问概率,确定每一所述区域的平均访问概率;
所述第二指定时间可为实现指定的时间,具体可以为1个月、3个月或半年,通常一个社交群的核心活动空间变化相对于用户对POI的访问的变化率小,故通常所述第二指定时间对应的时长可以比所述第一指定时长对应的时长,优选地为第二指定时间和第一指定时间的截止时间点相同,优选为当前时间。
第一种方式具有计算量小及求解简单的优点,第二种方式的求解,通过各用户访问概率的加权求和获得的访问概率,避免了访问频次高的个别用户对社交群内核心活动空间的确定的不精确影响,从而提高了精确度。具体如社交群内包括50个用户,在第一指定时间的POI访问次数为200次,其中,150次发生在5个用户的访问行为中。其他45个客户也有50次访问,且集中在一个预定区域内,可以是由于5个客户有150次访问分布在其他地方,若直接以每一个区域的访问概率为确定社交群的核心活动空间的依据,会导致其中45个人经常活动的区域出现不在核心活动空间内的现象,故采用第二种方法以单个用户的在各个区域访问概率为依据来确定所述核心访问空间的精确度更高。
以下提供一个基于第二种方式的核心活动空间的确定示例,如图8所示,具体包括:
步骤S1:获取用户活动的位置信息;所述位置信息可以从(客户端IP地址、用户活动位置的地名、访问过的POI、经纬度坐标)信息中获得;优选为将所述位置信息转换成经纬度。
步骤S2:将社交群内各用户活动的活动空间对应的地图网格化,形成规则格网;所述规格网格即为上述的区域;具体如,形成30″*30″(近似于1km*1km)的网格;
步骤S3:计算社交群内第x个用户Ux的在第k个网格的访问概率px(k);在具体的实现过程中,可以形成访问三元组{<L(k),px(k),wx(k)>}其中,所述L(k)可以为第k个网格中心点的坐标;所述wx(k)为第x个Ux在第k个网格的访问频次。
步骤S4:依据以下公式计算各个区域的平均访问概率;
所述N为社交群内用户总数;
其中,所述为第k个网格的访问概率。
步骤S5:依据所述访问概率,确定核心活动区域。具体的如,利用空间插值法,以插值半径R0及给定的访问概率阈值确定核心活动空间的边界Wcore;边界Wcore以内的区域即为所述核心活动空间。所述空间插值法可为反距离插值算法或普通克里金插值算法;所述插值半径为预先设置的半径,具体如30″等。
本实施例提具体如何确定核心活动空间的方法,本实施例中用于确定社交群中核心活动空间的方式,也可以用于上述实施例中用户的中心活动空间的确定以及聚类簇对应的核心活动空间的确定。
方法实施例九:
如图7所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S110:根据用户生成内容获取社交群内各用户的用户活动的时空信息;
步骤S120:依据所述时空信息确定所述社交群内用户活动的核心活动空间;所述步骤S120具体包括:步骤S121:依据所述时空信息确定所述社交群内用户的活动空间划分为若干个区域;步骤S122:依据所述时空信息确定每一个所述区域的访问概率信息;及步骤S123:依据每一个所述区域的访问概率信息,确定所述核心活动空间;
步骤S130:根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
步骤S140:对所述POI访问信息进行分析,形成POI分析结果;
步骤S150:依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述步骤S122具体可包括:
依据所述时空信息,确定在第二指定时间内所述社交群内每一个用户在每一个区域内访问次数;
计算各用户在每一所述区域内的单用户访问概率;
依据所述单用户访问概率,确定每一所述区域的平均访问概率;
所述还包括:
依据所述访问次数,确定所述核心活动空间内的访问频次;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:
判断所述核心活动空间内的访问频次是否满足预设频次条件;
当所述核心活动空间内的访问频次满足访问频次预设条件时,依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
假设所述第二指定时长为1个月;第一社交群的核心活动空间内的访问频次为3次,第二社交群的核心活动空间内的访问频次为50次,显然第一社交群内访问频次的较少,显然第二社交群的用户在生活、工作及学习过程中,更加依赖社交群以及网络,更加能够接收POI的推荐。
故在本实施例中为了进一步提高用户的接收POI推荐的几率,在上一实施例的基础上,在所述步骤S5之后,所述方法还包括:
步骤S6:计算第x个Ux在各个网格的访问频次Ωx,依据Ωx确定所述核心活动空间内的访问频次。、
方法实施例十:
如图9a所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S210:获取第三POI的POI信息;
步骤S220:将所述第三POI的访问用户进行聚类,形成聚类结果;
步骤S230:依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息;
步骤S240:依据所述第一用户属性信息将所述访问用户形成至少一个社交群。
每一个营业一段时间后,将会形成其对应的用户群,这些用户群往往具有很多类似的属性信息,具体如年龄段、消费水准以及POI的主要覆盖范围等。
在本实施例中所述第三POI可以为任意一个POI,在所述步骤S220中的聚类包括主要覆盖范围、用户消费水准及用户年龄段等信息。
将访问过同一个POI的用户,形成至少一个社交群。具体的如有些用户喜欢工作日访问餐厅A;有的喜欢非工作日访问餐厅A;工作日访问餐厅A的用户大多是在餐厅A附近工作的人群;非工作日访问餐厅A的用户大多是住在餐厅A附近的用户,为了方便推荐POI,可以形成两个群,以便分时间段的为两个用户群推荐的POI。
再比如访问过第三POI的用户若有3000个;其中500个的消费水平为第一档;600个为第二档的;显然根据用户的消费水平的不同也可以分为两个群;在后续向社交群内的用户推荐与第三POI相似的第四POI时可以依据用户的消费水平来进行区分;由于具有相同的消费水平的用户的可能更具有相似性,在后续访问餐厅A的过程中,可能会出现拼桌的现象以及大家一起约好一同访问一个POI等,显然将这些用户推荐为一个社交群,能够使得群内的用户的相似性更高,从而POI的访问需求的相似性也越高,从而能够方便POI的推荐。在具体的实现过程中,所述社交群不局限于用于进行POI推荐,所述社交群内的用户还可以通过所述社交群,交流POI访问感受、相互推荐POI或或者交流与POI访问不相关联的信息等。
本实施例将访问过同样POI的用户建立社交群,方便了有相同或相似POI访问需求的用户通过所述社交群进行交流,从而能够活跃关于POI访问的交流以及用户之间的交流。
在具体的实现中,如图9b所述方法还可包括:
步骤S250:在所述社交群内推荐与所述社交群内用户已访问POI关联的POI。所述社交群内用户已访问POI包括为所建立的社交群中用户访问过的POI;具体如,所述第三POI。
本实施例提供了一种POI的推荐方法,与方法实施例一一样同样是基于在社交群这种强关联关系的POI推荐,不同的是本实施例所述的社交群是基于用户访问同一个POI形成的;但是同样的具有能够提高POI推荐成功率的优点。
所述步骤S250可包括:
在所述社交群内推荐与所述第三POI满足预设差异条件的第四POI。
所述POI的差异可以通过第三POI和第四POI的属性信息的比较来确定,也可以将所述第三POI和第四POI的属性信息转换成包括多个元素的向量;通过向量之间的距离,或聚类运算等方式来确定第三POI和第四POI的差异性,当第三POI和第四POI的相似越小,则用户访问第四POI的满意度可能与访问第三POI的满意度相当。
所述步骤S250还可包括:
获取所述社交群内用户的POI访问信息;
依据所述访问信息,确定待推荐的第五POI;
在所述社交群内各用户之间推荐所述第五POI。
基于第三POI形成的社交群,除了访问第三POI外,还会方位其他POI将形成所述POI访问信息,依据所述POI访问信息,可以确定社交群内用户可能会访问过哪些POI或可能会对哪些POI感兴趣。
具体如何确定所述第五POI,可以参见本发明实施例一至方法实施例九,在此就不再做进一步详细的阐述了。
方法实施例十一:
如图9a所示,本实施例提供一种POI推荐方法,所述方法包括:
步骤S210:获取第三POI的POI信息;
步骤S220:将所述第三POI的访问用户进行聚类,形成聚类结果;
步骤S230:依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息;
步骤S240:依据所述第一用户属性信息将所述访问用户形成至少一个社交群。
所述步骤S230可包括:
统计第三指定时间内所述第三POI的访问客户在指定属性的分布信息;
依据所述分布信息,确定对所述第三POI感兴趣用户的第一用户属性信息。
所述分布信息可以用分布概率来量化,还可以用户的个数来量化等。
具体如图10中统计了访问第三POI的用户的年龄,由图示可知访问用户的年纪在18-23岁以及23-28岁这两个年龄段。如图11所示,访问用户的消费水平集中在第二档和第三档之间;根据图10和图11在年纪和消费水平这两个指定属性的分布信息,可以知道所述第一用户属性信息。
将访问过第三POI的访问用户可以4个社交群;第一个社交群的年纪在18-23岁之间,消费水平为第二档;第二个社交群的年纪在23-28之间,消费水平为第三档;第三个社交群的年纪在23-28岁之间,消费水平为第二档;第四个社交群的年纪在18-23岁之间,消费水平为第三档。在具体的实现过程中,还可以直接进行一个相对较大的社交群,该社交群内的用户年纪在18至28岁,然后消费水平为第二档和第三档。
在具体的实现过程中,还可以根据结合3个指定属性或3个以上的指定属性的分布信息来确定形成所述社交群。
本实施例中提供了一种具体如何形成所述社交群的方法,具有实现简单,能够精确获得具有相同访问需求的社交群,能够便于后续POI的推荐,以能提高POI推荐成功率。
设备实施例一:
如图12所示,本实施例提供一种服务器,所述服务器包括:
第一获取单元110,用于根据用户生成内容获取社交群内各用户的用户活动的时空信息;
第一确定单元120,用于依据所述时空信息确定所述社交群内用户活动的核心活动空间;
第二获取单元130,用于根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
分析单元140,用于对所述POI访问信息进行分析,形成POI分析结果;
第一推荐单元150,用于依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述第一获取单元110的具体结构根据所述获取所述时空信息的方式的不同而不同,通过查询存储介质,则所述第一获取单元110可能包括存储介质以及查询所述存储介质的处理器;若从客户端接收或从用户生成内容服务器中接收,则所述第一获取单元110包括通信接口。所述通信接口具体可以是有线通信接口或无线通信接口;有线通信接口如双绞线通信接口;所述无线通信接口具体可以是收发天线等结构。
所述第一确定单元120、分析单元130以及第一推荐单元150的具体结构可对应于处理器。所述处理器具体可以为中央处理器CPU、微处理器MCU、数字信号处理器DSP或可编程逻辑器件PLC等具有处理功能的电子元器件或电子元器件的集合。其中,所述可执行代码存储在存储介质中,所述处理器可以通过总线等通信接口与所述存储介质中相连,在执行对应的解析功能及生成所述第一播放提示信息时,从所述存储介质中读取并运行所述可执行代码。所述存储介质用于存储所述可执行代码的部分优选为非瞬间存储介质。
所述第一确定单元120、分析单元130以及第一推荐单元150,可以分别包括不同的处理器,也可以集成对应同一处理器;当所述第一确定单元120、分析单元130以及第一推荐单元150集成对应于同一处理器时,所述处理器采用不同的时分处理或并发线程来处理不同单元的信息。
图13提供了本实施例所述的服务器另一种结构图;如图13所示,所述服务器包括处理器302、存储介质304以及至少一个外部通信接口301;所述处理器302、存储介质304以及外部通信接口301均通过总线303连接。所述处理器302可为微处理器、中央处理器、数字信号处理器或可编程逻辑阵列等具有处理功能的电子元器件。
所述外部通信接口301用于与其他电子设备进行信息交互,例如与客户端进行通信,与其他网络服务器进行通信。所述总线303为服务器内部的连接部件。
所述处理器302,通过运行可执行指令,控制所述外部通信接口、存储介质以及总线之间的信息交互以及所述处理器302内部的信息处理,实现上述各个单元的功能。
如图14所示,本实施例中用于推荐POI的服务器可称为推荐服务器,推荐服务器可以将所述用户内容存在其存储介质内,也可以从客户端或用户内容服务器中通过图13所示的外部通信接口301来接收;所述推荐服务器的第一推荐单元将形成推荐信息,并将所述推荐信息通过所述外部通信接口301发送到客户端。当所述用户生成内容存储在客户端或用户内容生成服务器时,所述推荐服务器内的存储数据量小的特点。当将所述用户生成内容存储在推荐服务器时,则所述推荐服务器与客户端等外设的信息交互量小,具体如何设置可以根据当前网络的硬件配置来确定。
本实施例所述的服务器为方法实施例一所述的POI推荐方法,提供了实现硬件,能用于实现方法实施例一中任意所述的技术方案;同样的具有推荐成功率高的优点。
设备实施例二:
如图12所示,本实施例提供一种服务器,所述服务器包括:
第一获取单元110,用于根据用户生成内容获取社交群内各用户的用户活动的时空信息;
第一确定单元120,用于依据所述时空信息确定所述社交群内用户活动的核心活动空间;
第二获取单元130,用于根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
分析单元140,用于对所述POI访问信息进行分析,形成POI分析结果;
第一推荐单元150,用于依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
本实施例分析单元具体统计的访问频次,第一推荐单元具体依据所述访问频次确选择在核心活动空间内的POI向社交群中的用户推荐;在实施例中具体限定了推荐POI,在具有推荐成功率高的优点的同时,还具有实现简便的优点。
在本实施例中为了进一步精确的获得用户的POI访问需求,以便提高POI推荐成功率,本实施例还将在上述实施例的基础上,进一步提供两种优选结构:
第一种:
所述分析单元140,还用于依据所述POI信息确定每一个POI在第一指定时间内被访问频次的时间分布信息;及依据所述访问频次以及所述时间分布信息,确定访问热度;
所述第一推荐单元150,具体用于依据所述访问热度向所述社交群中的用户推荐POI。
第二种:
所述分析单元140,还用于依据所述POI信息确定每一个POI在第一指定时间内的评价信息;
所述第一推荐单元150,具体用于依据所述访问频次及所述评价信息向所述社交群中的用户推荐POI。
本实施例在访问频次的基础上,还引入了时间分布信息和评价信息来确定待推荐的POI,时间分布信息和评价信息从不同的维度反映了用户POI访问需求,能再次提高推荐成功率以及用户满意度。
设备实施例三:
如图12所示,本实施例提供一种服务器,所述服务器包括:
第一获取单元110,用于根据用户生成内容获取社交群内各用户的用户活动的时空信息;
第一确定单元120,用于依据所述时空信息确定所述社交群内用户活动的核心活动空间;
第二获取单元130,用于根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
分析单元140,用于对所述POI访问信息进行分析,形成POI分析结果;
第一推荐单元150,用于依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述第一推荐单元150推荐POI的方式有多种,对应的结构也有多种,从而服务器与客户端的交互方式也不同;在具体的实现过程中所述服务器与客户端之间通过网络连接,所述网络可以是有线网或无线网。
以下提供两种所述第一推荐单元150的优选结构;
第一种:所述第一推荐单元150,用于依据所述POI分析结果,选择在所述核心活动空间内被所述社交群内已访问过的第一POI,向所述社交群内未访问过所述第一POI的用户推荐。
第二种:所述第一推荐单元150,还用于依据所述POI分析结果,选择在所述核心活动空间内且与所述第一POI满足预设相似度条件的第二POI,向所述社交群内的用户推荐。
本实施例为方法实施例中所述的POI推荐提供了具体的实现硬件,所述服务器具体可以是QQ网购服务器/或微信订购服务器。
设备实施例四:
如图12所示,本实施例提供一种服务器,所述服务器包括:
第一获取单元110,用于根据用户生成内容获取社交群内各用户的用户活动的时空信息;
第一确定单元120,用于依据所述时空信息确定所述社交群内用户活动的核心活动空间;
第二获取单元130,用于根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
分析单元140,用于对所述POI访问信息进行分析,形成POI分析结果;
第一推荐单元150,用于依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述服务器还包括第一聚类单元;所述第一聚类单元,还用于依据所述时空信息对所述社交群中的用户活动进行空间聚类,将活动空间满足第一预设条件的用户形成聚类簇;
所述第一确定单元120,具体用于依据所述第j个聚类簇内各用户的时空信息,获得第j个核心活动空间;
所述分析单元140,具体用于对所述POI访问信息进行分析,形成于第j个聚类簇的第j POI分析结果;
所述第一推荐单元150,具体用于依据所述第jPOI分析结果选择在所述第j个核心活动空间内的POI,向所述社交群中的用户推荐。
所述第一聚类单元具体可以通过K-meas聚类、基于密度聚类或基于距离的聚类等方法来进行举了。所述第一聚类单元的具体结构同样的包括处理器,且所述第一聚类单元包括的处理器可以与第一推荐单元150和/或第一确定单元120等集成对应同一个处理器。
本实施例所述的POI为上述方法实施例所述的POI推荐方法,提供了实现硬件;同样的具有POI推荐成功率高及用户使用满意度高的优点。
设备实施例五:
如图12所示,本实施例提供一种服务器,所述服务器包括:
第一获取单元110,用于根据用户生成内容获取社交群内各用户的用户活动的时空信息;
第一确定单元120,用于依据所述时空信息确定所述社交群内用户活动的核心活动空间;
第二获取单元130,用于根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
分析单元140,用于对所述POI访问信息进行分析,形成POI分析结果;
第一推荐单元150,用于依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述第一确定单元120,用于依据所述时空信息确定所述社交群内用户的活动空间划分为若干个区域;依据所述时空信息确定每一个所述区域的访问概率信息;及依据每一个所述区域的访问概率信息,确定所述核心活动空间。
本实施例中所述第一确定单元120的具体结构参见上述实施例,在此就不再赘述了。本实施例具体限定了所述第一确定单元120是依据访问概率信息确定核心活动空间,为方法实施例中所述的POI推荐方法提供了实现硬件。
设备实施例六:
如图12所示,本实施例提供一种服务器,所述服务器包括:
第一获取单元110,用于根据用户生成内容获取社交群内各用户的用户活动的时空信息;
第一确定单元120,用于依据所述时空信息确定所述社交群内用户活动的核心活动空间;
第二获取单元130,用于根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
分析单元140,用于对所述POI访问信息进行分析,形成POI分析结果;
第一推荐单元150,用于依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
所述服务器,还包括:
第二确定单元,用于依据所述访问次数,确定所述核心活动空间内的访问频次;
所述第一推荐单元150,用于判断所述核心活动空间内的访问频次是否满足预设频次条件;及当所述核心活动空间内的访问频次满足访问频次预设条件时,依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
本实施例中所述的服务器还包括第二确定单元,所述第二确定单元的具体结构同样的可对应各种形式的处理器。
本实施例所述第一推荐单元150相对于上述任意实施例所述的服务器,在推荐POI时,将首先判断该社交群的每一个核心活动空间的访问频次是否达到的预设条件,具体如达到预设阈值等;在确定是否需要在社交群或聚类簇内的用户之间推荐POI,以再次提高POI推荐接受度及用户使用满意度。
设备实施例七:
如图15所示,本实施例提供一种服务器,所述服务器包括:
所述服务器包括:
第三获取单元210,用于获取第三POI的POI信息;
第二聚类单元220,用于将所述第三POI的访问用户进行聚类,形成聚类结果;
提取单元230,用于依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息;
形成单元240,用于依据所述第一用户属性信息将所述访问用户形成至少一个社交群。
所述第三POI的POI信息可以从POI库中获取;所述POI库为各个POI的POI信息的数据库。
所述形成单元240单元形成的社交群,能够便于社交群内的用户进行各种形式的交流,如交流POI访问感受等;还便于POI推荐过程中,以社交群为单位,在社交群内推荐POI等。
在一些例子中,所述服务器还包括:
第二推荐单元,用于在所述社交群内推荐所述社交群内用户已访问POI关联的POI。
所述第三获取单元210的具体结构根据获取方式不同而不同,如从POI库中查询所述信息,则所述第三获取单元210包括各种形式的外部通信接口;当所述服务器中的部分存储介质即为所述POI库,则所述第三获取单元210为处理器等能访问所述存储介质的信息结构。
所述提取单元220、形成单元240及第二推荐单元的具体结构也包括处理器和存储介质;所述存储介质上存储有计算机可执行指令;所述处理器通过数据总线等服务器的内部通信接口与存储介质相连,所述处理器读取并运行所述计算机可执行指令,既能实现上述各个单元的功能。
本实施例所述的服务器的具体结构,也可以是如图13中所示的由处理器301、存储介质304、总线303以及外部通信接口301等结构,本发明实施例中所述的服务器为方法实施例十所述的POI推荐方法提供了实现硬件,同样的具有能够提高POI推荐成功率以及用户使用满意度的优点。
设备实施例八:
如图15所示,本实施例提供一种服务器,所述服务器包括:
所述服务器包括:
第三获取单元210,用于获取第三POI的POI信息;
第二聚类单元220,用于将所述第三POI的访问用户进行聚类,形成聚类结果;
提取单元230,用于依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息;
形成单元240,用于依据所述第一用户属性信息将所述访问用户形成至少一个社交群;
第二推荐单元,用于在所述社交群内推荐所述社交群内用户已访问POI关联的POI。
具体地,所述第二推荐单元推荐POI的方式有多种,对应的结构也不同;以下提供两种优选结构:
第一种:所述第二推荐单元,具体用于在所述社交群内推荐与所述第三POI满足预设差异条件的第四POI。
第二种:所述第二推荐单元,还用于获取所述社交群内用户的POI访问信息;依据所述访问信息,确定待推荐的第五POI;及在所述社交群内各用户之间推荐所述第五POI。
所述第二推荐单元的具体结构可以参见上述设备实施例,在此就不再详细阐述了。在具体的实现过程中,所述第二推荐单元将通过所述服务器内的外部通信接口将推荐所述第四POI和/或第五POI的推荐信息发送到客户端。
综合上述,本实施例所述的服务器在上述任意所述实施例的基础上,具体限定了第二推荐单元如何确定向社交群内推荐的POI;同样的具有推荐成功率高以及用户满意度高的优点。
设备实施例九:
如图15所示,本实施例提供一种服务器,所述服务器包括:
所述服务器包括:
第三获取单元210,用于获取第三POI的POI信息;
第二聚类单元220,用于将所述第三POI的访问用户进行聚类,形成聚类结果;
提取单元230,用于依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息;
形成单元240,用于依据所述第一用户属性信息将所述访问用户形成至少一个社交群。
所述提取单元230,具体用于统计第三指定时间内所述第三POI的访问客户在指定属性的分布信息;及依据所述分布信息,确定对所述第三POI感兴趣用户的第一用户属性信息。
所述提取单元230的具体结构可包括计数器,用于计数每一指定信息的访问客户数,进而获得所述分布信息;所述分布信息直接用户分布数或分布概率来量化表示。所述提取单元230的具体结构还包括信息处理器;所述信息处理器可为数字信号处理器、中央处理器、微处理器或可编程逻辑处理器PLC等结构。
本实施例所述的服务器依据指定属性的分布信息来确定对第三POI感兴趣用户的第一用户属性信息,具有服务器结构简单及实现简单的优点。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (30)
1.一种POI推荐方法,其特征在于,所述方法包括:
根据用户生成内容获取社交群内各用户的用户活动的时空信息;
依据所述时空信息确定所述社交群内用户活动的核心活动空间,其中,所述核心活动空间为:所述社交群内用户的活动范围中活动的频繁度满足预设需求的活动区域;
根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
对所述POI访问信息进行分析,形成POI分析结果;
依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
2.根据权利要求1所述的方法,其特征在于,
所述对所述POI信息进行分析,形成POI分析结果,包括:依据所述POI信息确定每一个POI在第一指定时间内的访问频次;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:依据所述访问频次选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
3.根据权利要求2所述的方法,其特征在于,
所述对所述POI信息进行分析,形成POI分析结果,还包括:
依据所述POI信息确定每一个POI在第一指定时间内被访问频次的时间分布信息;
依据所述访问频次以及所述时间分布信息,确定访问热度;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:依据所述访问热度向所述社交群中的用户推荐POI。
4.根据权利要求2所述的方法,其特征在于,
所述对所述POI信息进行分析,形成POI分析结果,还包括:
依据所述POI信息确定每一个POI在第一指定时间内的评价信息;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:依据所述访问频次及所述评价信息向所述社交群中的用户推荐POI。
5.根据权利要求1所述的方法,其特征在于,
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:
依据所述POI分析结果,选择在所述核心活动空间内被所述社交群内已访问过的第一POI,向所述社交群内未访问过所述第一POI的用户推荐。
6.根据权利要求5所述的方法,其特征在于,
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,还包括:
依据所述POI分析结果,选择在所述核心活动空间内且与所述第一POI满足预设相似度条件的第二POI,向所述社交群内的用户推荐。
7.根据权利要求1所述的方法,其特征在于,
所述方法还包括:
依据所述时空信息对所述社交群中的用户活动进行空间聚类,将活动空间满足第一预设条件的用户形成聚类簇;
所述依据所述空间信息确定所述用户集合中所述用户的核心活动空间,包括:
依据第j个所述聚类簇内各用户的时空信息,获得第j个核心活动空间;
所述对所述POI访问信息进行分析,形成POI分析结果,包括:
对所述POI访问信息进行分析,形成于第j个聚类簇的第j POI分析结果;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:
依据所述第jPOI分析结果选择在所述第j个核心活动空间内的POI,向所述社交群中的用户推荐。
8.根据权利要求1所述的方法,其特征在于,
所述依据所述时空信息确定所述社交群内用户活动的核心活动空间,包括:
依据所述时空信息确定所述社交群内用户的活动空间划分为若干个区域;
依据所述时空信息确定每一个所述区域的访问概率信息;
依据每一个所述区域的访问概率信息,确定所述核心活动空间。
9.根据权利要求8所述的方法,其特征在于,
所述依据所述时空信息确定每一个所述区域的访问概率信息,包括:
依据所述时空信息,确定在第二指定时间内所述社交群内每一个用户在每一个区域内访问次数;
计算各用户在每一所述区域内的单用户访问概率;
依据所述单用户访问概率,确定每一所述区域的平均访问概率;
所述依据每一个所述区域的访问概率信息,确定所述核心活动空间,包括:依据所述平均访问概率,确定所述核心活动空间。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
依据所述访问次数,确定所述核心活动空间内的访问频次;
所述依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐,包括:
判断所述核心活动空间内的访问频次是否满足预设频次条件;
当所述核心活动空间内的访问频次满足访问频次预设条件时,依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
11.一种POI信息处理方法,其特征在于,
所述方法包括:
获取第三POI的POI信息;
将所述第三POI的访问用户进行聚类,形成聚类结果;
依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息;
依据所述第一用户属性信息将所述访问用户形成至少一个社交群。
12.根据权利要求11所述的方法,其特征在于,
所述方法还包括:
在所述社交群内推荐所述社交群内用户已访问POI关联的POI。
13.根据权利要求12所述的方法,其特征在于,
所述在所述社交群内推荐所述社交群内用户已访问POI关联的POI,包括:
在所述社交群内推荐与所述第三POI满足预设差异条件的第四POI。
14.根据权利要求12所述的方法,其特征在于,
所述在所述社交群内推荐所述社交群内用户已访问POI关联的POI,包括:
获取所述社交群内用户的POI访问信息;
依据所述访问信息,确定待推荐的第五POI;
在所述社交群内各用户之间推荐所述第五POI。
15.根据权利要求14所述的方法,其特征在于,
所述依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息,包括:
统计第三指定时间内所述第三POI的访问客户在指定属性的分布信息;
依据所述分布信息,确定对所述第三POI感兴趣用户的第一用户属性信息。
16.一种服务器,其特征在于,所述服务器包括:
第一获取单元,用于根据用户生成内容获取社交群内各用户的用户活动的时空信息;
第一确定单元,用于依据所述时空信息确定所述社交群内用户活动的核心活动空间,其中,所述核心活动空间为:所述社交群内用户的活动范围中活动的频繁度满足预设需求的活动区域;
第二获取单元,用于根据所述用户生成内容获取所述社交群中每一个用户的POI访问信息;
分析单元,用于对所述POI访问信息进行分析,形成POI分析结果;
第一推荐单元,用于依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
17.根据权利要求16所述的服务器,其特征在于,
所述分析单元,具体用于据所述POI信息确定每一个POI在第一指定时间内的访问频次;
所述第一推荐单元,用于依据所述访问频次选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
18.根据权利要求17所述的服务器,其特征在于,
所述分析单元,还用于依据所述POI信息确定每一个POI在第一指定时间内被访问频次的时间分布信息;及依据所述访问频次以及所述时间分布信息,确定访问热度;
所述第一推荐单元,具体用于依据所述访问热度向所述社交群中的用户推荐POI。
19.根据权利要求17所述的服务器,其特征在于,
所述分析单元,还用于依据所述POI信息确定每一个POI在第一指定时间内的评价信息;
所述第一推荐单元,具体用于依据所述访问频次及所述评价信息向所述社交群中的用户推荐POI。
20.根据权利要求16所述的服务器,其特征在于,
所述第一推荐单元,用于依据所述POI分析结果,选择在所述核心活动空间内被所述社交群内已访问过的第一POI,向所述社交群内未访问过所述第一POI的用户推荐。
21.根据权利要求20所述的服务器,其特征在于,
所述第一推荐单元,还用于依据所述POI分析结果,选择在所述核心活动空间内且与所述第一POI满足预设相似度条件的第二POI,向所述社交群内的用户推荐。
22.根据权利要求16所述的服务器,其特征在于,
所述服务器还包括:
第一聚类单元,还用于依据所述时空信息对所述社交群中的用户活动进行空间聚类,将活动空间满足第一预设条件的用户形成聚类簇;
所述第一确定单元,具体用于依据第j个所述聚类簇内各用户的时空信息,获得第j个核心活动空间;
所述分析单元,具体用于对所述POI访问信息进行分析,形成于第j个聚类簇的第j POI分析结果;
所述第一推荐单元,具体用于依据所述第jPOI分析结果选择在所述第j个核心活动空间内的POI,向所述社交群中的用户推荐。
23.根据权利要求16所述的服务器,其特征在于,
所述第一确定单元,用于依据所述时空信息确定所述社交群内用户的活动空间划分为若干个区域;依据所述时空信息确定每一个所述区域的访问概率信息;及依据每一个所述区域的访问概率信息,确定所述核心活动空间。
24.根据权利要求23所述的服务器,其特征在于,
所述第一确定单元,具体用于依据所述时空信息,确定在第二指定时间内所述社交群内每一个用户在每一个区域内访问次数;计算各用户在每一所述区域内的单用户访问概率;依据所述单用户访问概率,确定每一所述区域的平均访问概率;及依据所述平均访问概率,确定所述核心活动空间。
25.根据权利要求23所述的服务器,其特征在于,
所述服务器,还包括:
第二确定单元,用于依据所述访问次数,确定所述核心活动空间内的访问频次;
所述第一推荐单元150,用于判断所述核心活动空间内的访问频次是否满足预设频次条件;及当所述核心活动空间内的访问频次满足访问频次预设条件时,依据所述POI分析结果选择在所述核心活动空间内的POI,向所述社交群中的用户推荐。
26.一种服务器,其特征在于,
所述服务器包括:
第三获取单元,用于获取第三POI的POI信息;
第二聚类单元,用于将所述第三POI的访问用户进行聚类,形成聚类结果;
提取单元,用于依据所述聚类结果,提取对所述第三POI感兴趣用户的第一用户属性信息;
形成单元,用于依据所述第一用户属性信息将所述访问用户形成至少一个社交群。
27.根据权利要求26所述的服务器,其特征在于,
所述服务器还包括:
第二推荐单元,用于在所述社交群内推荐与所述社交群内用户已访问POI关联的POI。
28.根据权利要求27所述的服务器,其特征在于,
所述第二推荐单元,具体用于在所述社交群内推荐与所述第三POI满足预设差异条件的第四POI。
29.根据权利要求27所述的服务器,其特征在于,
所述第二推荐单元,还用于获取所述社交群内用户的POI访问信息;依据所述访问信息,确定待推荐的第五POI;及在所述社交群内各用户之间推荐所述第五POI。
30.根据权利要求26所述的服务器,其特征在于,
所述提取单元,具体用于统计第三指定时间内所述第三POI的访问客户在指定属性的分布信息;及依据所述分布信息,确定对所述第三POI感兴趣用户的第一用户属性信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410497492.XA CN104391853B (zh) | 2014-09-25 | 2014-09-25 | Poi推荐方法、poi信息处理方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410497492.XA CN104391853B (zh) | 2014-09-25 | 2014-09-25 | Poi推荐方法、poi信息处理方法及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104391853A CN104391853A (zh) | 2015-03-04 |
CN104391853B true CN104391853B (zh) | 2018-09-04 |
Family
ID=52609757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410497492.XA Active CN104391853B (zh) | 2014-09-25 | 2014-09-25 | Poi推荐方法、poi信息处理方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104391853B (zh) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657506A (zh) * | 2015-03-13 | 2015-05-27 | 百度在线网络技术(北京)有限公司 | 一种基于用户场景的数据处理方法和装置 |
CN104933157A (zh) * | 2015-06-26 | 2015-09-23 | 百度在线网络技术(北京)有限公司 | 用于获取用户属性信息的方法、装置及服务器 |
CN104965915B (zh) * | 2015-07-06 | 2018-08-24 | 无锡天脉聚源传媒科技有限公司 | 一种用户访问行为数据的处理方法和*** |
CN106909560B (zh) * | 2015-12-23 | 2021-01-12 | 香港中文大学 | 兴趣点排序方法 |
CN106017488B (zh) * | 2016-03-02 | 2019-05-21 | 电子科技大学 | 一种基于兴趣点的群体出行路径导引方法 |
CN105740473B (zh) * | 2016-03-14 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 用户生成内容展示方法和装置 |
CN107203519A (zh) * | 2016-03-16 | 2017-09-26 | 百度在线网络技术(北京)有限公司 | 资源处理方法及装置 |
CN106230911A (zh) * | 2016-07-25 | 2016-12-14 | 腾讯科技(深圳)有限公司 | 一种播放数据推荐方法、兴趣标签确定方法及相关设备 |
CN108628896B (zh) * | 2017-03-22 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 签到行为热度处理方法及装置 |
CN107085599B (zh) * | 2017-03-31 | 2021-05-14 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107169012B (zh) * | 2017-03-31 | 2021-03-19 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107169005B (zh) * | 2017-03-31 | 2021-02-19 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107085600B (zh) * | 2017-03-31 | 2021-05-14 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107169014B (zh) * | 2017-03-31 | 2021-03-19 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107133263B (zh) * | 2017-03-31 | 2021-06-11 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107193861B (zh) * | 2017-03-31 | 2021-05-14 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107180073B (zh) * | 2017-03-31 | 2021-03-19 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107169015B (zh) * | 2017-03-31 | 2021-02-19 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107220308B (zh) * | 2017-05-11 | 2021-07-20 | 百度在线网络技术(北京)有限公司 | Poi的合理性的检测方法及装置、设备及可读介质 |
CN107562787B (zh) * | 2017-07-31 | 2020-11-13 | 北京三快在线科技有限公司 | 一种poi编码方法及装置、poi推荐方法,电子设备 |
CN107704517A (zh) * | 2017-08-31 | 2018-02-16 | 湖南大学 | 一种基于本地轨迹的兴趣点推荐方法 |
CN108876509B (zh) * | 2018-05-11 | 2022-07-05 | 上海赢科信息技术有限公司 | 利用poi分析用户标签的方法及*** |
CN109040289A (zh) * | 2018-08-27 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 兴趣点信息推送方法、服务器、终端和存储介质 |
CN110955820A (zh) * | 2018-09-22 | 2020-04-03 | 北京微播视界科技有限公司 | 一种媒体信息兴趣点推荐方法、装置、服务器及存储介质 |
CN109670853B (zh) * | 2018-09-25 | 2023-09-19 | 平安科技(深圳)有限公司 | 用户特征数据的确定方法、装置、设备及可读存储介质 |
CN110309434B (zh) * | 2018-10-10 | 2023-10-13 | 腾讯大地通途(北京)科技有限公司 | 一种轨迹数据处理方法、装置以及相关设备 |
TWI698825B (zh) * | 2019-01-25 | 2020-07-11 | 中華電信股份有限公司 | 藉由預測顧客到訪率提供行銷服務之方法及系統 |
CN110362740B (zh) * | 2019-06-10 | 2022-03-08 | 河海大学 | 一种水利门户信息混合推荐方法 |
CN110347936A (zh) * | 2019-06-21 | 2019-10-18 | 上海淇馥信息技术有限公司 | 基于lbs信息的数据挖掘方法、装置、***和记录介质 |
CN115168711A (zh) * | 2019-11-18 | 2022-10-11 | 百度在线网络技术(北京)有限公司 | 兴趣点选择方法、装置、电子设备及存储介质 |
CN111242821A (zh) * | 2019-12-30 | 2020-06-05 | 重庆特斯联智慧科技股份有限公司 | 一种基于大数据的物联人口管理方法、***和存储介质 |
CN112650932B (zh) * | 2021-01-04 | 2022-09-23 | 重庆邮电大学 | 一种融合社交和位置关系的神经协同过滤poi推荐方法 |
CN112801749B (zh) * | 2021-02-04 | 2022-10-14 | 重庆邮电大学 | 融合用户连续签到行为序列上下文特征的兴趣点推荐方法 |
CN112948717B (zh) * | 2021-05-13 | 2021-08-20 | 北京电信易通信息技术股份有限公司 | 一种基于多因素约束的海量空间poi搜索方法及*** |
CN113190640B (zh) * | 2021-05-20 | 2023-02-07 | 拉扎斯网络科技(上海)有限公司 | 兴趣点数据处理方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063458A (zh) * | 2010-10-12 | 2011-05-18 | 百度在线网络技术(北京)有限公司 | 用于在计算机网络的网络设备中进行用户聚类的方法和设备 |
CN102542489A (zh) * | 2011-12-27 | 2012-07-04 | 纽海信息技术(上海)有限公司 | 一种基于用户兴趣关联的推荐方法 |
CN102594905A (zh) * | 2012-03-07 | 2012-07-18 | 南京邮电大学 | 一种基于场景的社交网络位置兴趣点推荐方法 |
CN103023944A (zh) * | 2011-09-27 | 2013-04-03 | 腾讯科技(深圳)有限公司 | 一种sns网络中推送关联用户的方法及*** |
CN103164480A (zh) * | 2011-12-13 | 2013-06-19 | 北京千橡网景科技发展有限公司 | 用于在社交网络中推荐兴趣点的方法和设备 |
CN103164804A (zh) * | 2011-12-16 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种个性化的信息推送方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9593957B2 (en) * | 2010-06-04 | 2017-03-14 | Microsoft Technology Licensing, Llc | Searching similar trajectories by locations |
-
2014
- 2014-09-25 CN CN201410497492.XA patent/CN104391853B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063458A (zh) * | 2010-10-12 | 2011-05-18 | 百度在线网络技术(北京)有限公司 | 用于在计算机网络的网络设备中进行用户聚类的方法和设备 |
CN103023944A (zh) * | 2011-09-27 | 2013-04-03 | 腾讯科技(深圳)有限公司 | 一种sns网络中推送关联用户的方法及*** |
CN103164480A (zh) * | 2011-12-13 | 2013-06-19 | 北京千橡网景科技发展有限公司 | 用于在社交网络中推荐兴趣点的方法和设备 |
CN103164804A (zh) * | 2011-12-16 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种个性化的信息推送方法及装置 |
CN102542489A (zh) * | 2011-12-27 | 2012-07-04 | 纽海信息技术(上海)有限公司 | 一种基于用户兴趣关联的推荐方法 |
CN102594905A (zh) * | 2012-03-07 | 2012-07-18 | 南京邮电大学 | 一种基于场景的社交网络位置兴趣点推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104391853A (zh) | 2015-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104391853B (zh) | Poi推荐方法、poi信息处理方法及服务器 | |
CN104408043B (zh) | 一种信息处理方法及服务器 | |
EP2820616B1 (en) | Empirical expert determination and question routing system and method | |
CN103514204B (zh) | 信息推荐方法和装置 | |
CN105791085B (zh) | 在位置社交网络中基于位置与时间的好友推荐方法 | |
US10275530B2 (en) | System and method for communal search | |
JP6374863B2 (ja) | モバイルアプリケーションのユーザの関心プロファイル | |
CN108369586A (zh) | 用于检测网络中的交互和影响的***和方法 | |
CN106776930B (zh) | 一种融入时间和地理位置信息的地点推荐方法 | |
Hagedoorn et al. | Socioeconomic position, population density and site‐specific cancer mortality: A multilevel analysis of Belgian adults, 2001–2011 | |
Thulin et al. | The Internet and desire to move: The role of virtual practices in the inspiration phase of migration | |
CN109241454A (zh) | 一种将社交网络和图像内容融合的兴趣点推荐方法 | |
CN108764485A (zh) | 计算建议工具中的兴趣度推荐 | |
US9262481B1 (en) | Determining popular venues | |
US20150170455A1 (en) | System and Method for Scoring Points of Interest in a Parallel Reality Game | |
CN104756143A (zh) | 获得事件评论 | |
US20170214752A1 (en) | Systems and methods for providing geographically delineated content author information | |
JP5710576B2 (ja) | 行程表生成装置、行程表生成方法および行程表生成プログラム | |
Chen | A pilot study of the co-creation experience in traditional Cantonese teahouses in Hong Kong | |
KR20120100137A (ko) | 다중 사용자 그룹에 대한 다중 사용자의 선호도를 고려한 의사 결정을 위한 방법 및 장치 | |
CN106971345A (zh) | 一种基于位置社交网络的地点推荐方法 | |
CN106447425A (zh) | 一种生活服务信息推荐方法和装置 | |
CN109284449A (zh) | 兴趣点的推荐方法和装置 | |
Shi et al. | The association between spatial attributes and neighborhood characteristics based on Meituan take-out data: Evidence from shanghai business circles | |
Qiao et al. | Recommending nearby strangers instantly based on similar check-in behaviors |
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 |