CN104679787B - 兴趣信息的统计方法及装置 - Google Patents
兴趣信息的统计方法及装置 Download PDFInfo
- Publication number
- CN104679787B CN104679787B CN201310636603.6A CN201310636603A CN104679787B CN 104679787 B CN104679787 B CN 104679787B CN 201310636603 A CN201310636603 A CN 201310636603A CN 104679787 B CN104679787 B CN 104679787B
- Authority
- CN
- China
- Prior art keywords
- keywords
- hotspot
- unit
- interest information
- acquiring
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开了一种兴趣信息的统计方法及装置,涉及信息技术领域,可以提高兴趣信息的统计覆盖率。所述方法包括:首先获取用户设备对应的坐标信息,然后根据用户设备对应的坐标信息,获取用户设备对应的各个热点的关键词,最后将各个热点的关键词配置为用户设备对应的兴趣信息。本发明实施例适用于对用户的兴趣信息进行统计。
Description
技术领域
本发明涉及信息技术领域,特别涉及一种兴趣信息的统计方法及装置。
背景技术
随着信息技术的不断发展,智能化获取用户的兴趣信息越来越重要。其中,兴趣信息可以为购物信息、美食信息、健身信息等,智能化获取用户的兴趣信息是指在用户通过UE(User Equipment,用户设备)上报的各类信息中,获取该用户的兴趣信息。
目前,服务器通过UE在社交网络中发布的文本信息,获取UE对应的兴趣信息。其中,文本信息包括:状态信息、评论信息、标签信息等。然而,通过文本信息获取UE对应的兴趣信息,由于服务器仅根据社交网络中用户主动提交的文本信息获取UE对应的兴趣信息,从而导致兴趣信息的统计覆盖率较低。
发明内容
本发明实施例提供一种兴趣信息的统计方法及装置,可以提高兴趣信息的统计覆盖率。
本发明实施例采用的技术方案为:
第一方面,本发明实施例提供一种兴趣信息的统计方法,包括:
获取用户设备UE对应的坐标信息;
根据所述UE对应的坐标信息,获取所述UE对应的各个热点的关键词;
将所述各个热点的关键词配置为所述UE对应的兴趣信息。
在第一方面的第一种实现方式中,所述根据所述UE对应的坐标信息,获取所述UE对应的各个热点的关键词的步骤包括:
获取与所述UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点及所述各个热点的关键词。
结合第一方面或者第一方面的第一种实现方式,在第一方面的第二种实现方式中,所述获取与所述UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点及所述各个热点的关键词的步骤之后,还包括:
对所述各个热点的关键词进行排序,并生成所述UE对应的关键词列表;
获取所述UE对应的关键词列表中的前N个关键词,其中,N为大于或者等于1的整数;
所述将所述各个热点的关键词配置为所述UE对应的兴趣信息的步骤包括:
将所述UE对应的关键词列表中的前N个关键词配置为所述UE对应的兴趣信息。
结合第一方面或者第一方面的第一种实现方式,或者第一方面的第二种实现方式,在第一方面的第三种实现方式中,所述对所述各个热点的关键词进行排序的步骤之前,还包括:
按照词频-逆向文件频率TF-IDF算法,计算所述各个热点的关键词分别对应的权重值;
所述对所述各个热点的关键词进行排序的步骤包括:
将所述各个热点的关键词按照权重值由高到低的顺序进行排序。
结合第一方面或者第一方面的第一种实现方式,或者第一方面的第二种实现方式,或者第一方面的第三种实现方式,在第一方面的第四种实现方式中,所述按照词频-逆向文件频率TF-IDF算法,计算所述各个热点的关键词分别对应的权重值的步骤之前,还包括:
获取各个UE分别对应的关键词列表;
所述按照词频-逆向文件频率TF-IDF算法,计算所述各个热点的关键词分别对应的权重值的步骤包括:
根据所述各个UE对应的关键词列表,按照TF-IDF算法,计算所述各个热点的关键词分别对应的权重值。
第二方面,本发明提实施例供一种兴趣信息的统计装置,包括:
获取单元,用于获取用户设备UE对应的坐标信息;
所述获取单元,还用于根据所述UE对应的坐标信息,获取所述UE对应的各个热点的关键词;
配置单元,用于将所述获取单元获取的所述各个热点的关键词配置为所述UE对应的兴趣信息。
在第二方面的第一种实现方式中,
所述获取单元,还用于获取与所述UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点及所述各个热点的关键词。
结合第二方面或者第二方面的第一种实现方式,在第二方面的第二种实现方式中,所述装置还包括:
排序单元,用于对所述获取单元获取的所述各个热点的关键词进行排序;
生成单元,用于生成所述排序单元排序之后的所述UE对应的关键词列表;
所述获取单元,还用于获取所述生成单元生成的所述UE对应的关键词列表中的前N个关键词,其中,N为大于或者等于1的整数;
所述配置单元,还用于将所述获取单元获取的所述UE对应的关键词列表中的前N个关键词配置为所述UE对应的兴趣信息。
结合第二方面或者第二方面的第一种实现方式,或者第二方面的第二种实现方式,在第二方面的第三种实现方式中,所述装置还包括:
计算单元,用于按照词频-逆向文件频率TF-IDF算法,计算所述获取单元获取的所述各个热点的关键词分别对应的权重值;
所述排序单元,还用于将所述各个热点的关键词按照所述计算单元计算的权重值由高到低的顺序进行排序。
结合第二方面或者第二方面的第一种实现方式,或者第二方面的第二种实现方式,或者第二方面的第三种实现方式,在第二方面的第四种实现方式中,
所述获取单元,还用于获取各个UE分别对应的关键词列表;
所述计算单元,还用于根据所述获取单元获取的所述各个UE对应的关键词列表,按照TF-IDF算法,计算所述各个热点的关键词分别对应的权重值。
本发明实施例提供的兴趣信息的统计方法及装置,首先获取用户设备UE对应的坐标信息,然后根据UE对应的坐标信息,获取UE对应的各个热点的关键词,最后将各个热点的关键词配置为UE对应的兴趣信息。与目前通过文本信息获取UE对应的兴趣信息相比,本发明实施例根据UE对应的实时位置,推测UE对应的各个热点,从而可以实时获取UE对应的兴趣信息,进而可以提高兴趣信息的统计覆盖率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的一种兴趣信息的统计方法流程图;
图2为本发明实施例一提供的一种兴趣信息的统计装置的结构示意图;
图3为本发明实施例一提供的一种服务器的结构示意图;
图4为本发明实施例二提供的一种兴趣信息的统计方法流程图;
图5为本发明实施例二提供的一种兴趣信息的统计装置的结构示意图;
图6为本发明实施例二提供的一种服务器的结构示意图;
图7为本发明实施例二提供的一种坐标信息与热点的对应关系示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
为使本发明技术方案的优点更加清楚,下面结合附图和实施例对本发明作详细说明。
实施例一
本发明实施例提供一种兴趣信息的统计方法,如图1所示,所述方法包括:
101、服务器获取用户设备UE对应的坐标信息。
其中,坐标信息可以为用户实时位置对应的经度值及纬度值。在本发明实施例中,运营商根据基站位置及基站与UE之间的距离,获取UE对应的坐标信息。
对于本发明实施例,步骤101具体可以为,若UE在预设半径对应的圆域内停留时间大于或者等于预设时间,则服务器获取圆域的圆心对应的经度值及纬度值作为UE对应的坐标信息。其中,预设半径及预设时间可以由服务器进行配置,也可以由用户通过UE进行配置,本发明实施例不做限定。例如,预设半径可以为300米、350米、500米等;预设时间可以为1分钟、2分钟、4分钟等。
102、服务器根据UE对应的坐标信息,获取UE对应的各个热点的关键词。
其中,热点及热点的的关键词可以由服务器通过地图***进行获取。例如,热点可以为商场、国家体育场、清华大学等,热点商场对应的关键词可以为商场、美食、购物、娱乐等,热点国家体育场对应的关键词可以为国家体育场、鸟巢、奥林匹克公园等,热点清华大学对应的关键词可以为清华大学、教育、高等学府、清华园等。在本发明实施例中,坐标信息对应的热点可以为一个,也可以为多个,本发明实施例不做限定。
对于本发明实施例,服务器通过获取坐标信息附近的各个热点,能够避免由于用户轨迹稀疏造成获取的热点较少的情况,从而可以提高兴趣信息的统计覆盖率。
103、服务器将各个热点的关键词配置为UE对应的兴趣信息。
其中,兴趣信息可以用于推测用户的兴趣。例如,兴趣信息可以为:美食、火锅、川菜、健身、游泳、水立方等。
进一步地,作为图1所示方法的具体实现,本发明实施例提供了一种兴趣信息的统计装置,如图2所示,所述装置的实体可以为服务器,所述装置包括:获取单元21、配置单元22。
获取单元21,用于获取用户设备UE对应的坐标信息。
获取单元21,还用于根据UE对应的坐标信息,获取UE对应的各个热点的关键词。
配置单元22,用于将获取单元21获取的各个热点的关键词配置为UE对应的兴趣信息。
再进一步地,所述兴趣信息的统计装置的实体可以为服务器,如图3所示,所述服务器可以包括:处理器31、输入设备32、输出设备33、存储器34,所述输入设备32、输出设备33及存储器34分别与处理器31相连接。
处理器31,用于获取用户设备UE对应的坐标信息。
处理器31,还用于根据UE对应的坐标信息,获取UE对应的各个热点的关键词。
处理器31,还用于将各个热点的关键词配置为UE对应的兴趣信息。
需要说明的是,本发明实施例中提供的兴趣信息的统计装置中各功能单元所对应的其他相应描述,可以参考图1中的对应描述,在此不再赘述。
本发明实施例提供的兴趣信息的统计方法及装置,首先获取用户设备UE对应的坐标信息,然后根据UE对应的坐标信息,获取UE对应的各个热点的关键词,最后将各个热点的关键词配置为UE对应的兴趣信息。与目前通过文本信息获取UE对应的兴趣信息相比,本发明实施例根据UE对应的实时位置,推测UE对应的各个热点,从而可以实时获取UE对应的兴趣信息,进而可以提高兴趣信息的统计覆盖率。
实施例二
本发明实施例提供一种兴趣信息的统计方法,如图4所示,所述方法包括:
401、服务器获取用户设备UE对应的坐标信息。
其中,坐标信息可以为用户实时位置对应的经度值及纬度值。在本发明实施例中,运营商根据基站位置及基站与UE之间的距离,获取UE对应的坐标信息。
对于本发明实施例,步骤401具体可以为,若UE在预设半径对应的圆域内停留时间大于或者等于预设时间,则服务器获取圆域的圆心对应的经度值及纬度值作为UE对应的坐标信息。其中,预设半径及预设时间可以由服务器进行配置,也可以由用户通过UE进行配置,本发明实施例不做限定。例如,预设半径可以为200米、300米、400米等;预设时间可以为1分钟、3分钟、5分钟等。
402、服务器获取与UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点及各个热点的关键词。
其中,预设阈值用于获取坐标信息对应的各个热点位置,预设阈值可以由服务器进行配置。例如,预设阈值可以为500米、600米、800米等。
对于本发明实施例,热点可以由服务器通过地图***进行获取。例如,热点可以为王府井大街、北京大学、南锣鼓巷等。
例如图7所示,点O为UE对应的坐标信息,D为预设阈值,与UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点包括:天安门广场、中山公园及故宫博物院。
对于本发明实施例,服务器通过获取与UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点,能够避免由于用户轨迹稀疏造成获取的热点位置较少的情况,从而可以提高兴趣信息的统计覆盖率。
对于本发明实施例,UE对应的坐标信息可以为一个或者多个,与UE对应的坐标信息之间的距离小于或者等于预设阈值的热点可以为一个或者多个,服务器可以首先根据公式获取第i个坐标信息对应的第j个热点的关键词集合;然后根据公式Ti=Ti 1∪Ti 2∪…∪Ti p,获取第i个坐标信息对应的关键词集合;最后根据公式T=T1∪T2∪…∪Ts,获取UE对应的关键词集合。
其中,Ti j为第i个坐标信息对应的第j个热点的关键词集合,为第i个坐标信息对应的第j个热点中包括的第k个关键词,为第i个坐标信息对应的第j个热点中包括的关键词个数,Ti为第i个坐标信息的关键词集合,p为第i个坐标信息对应的热点个数,T为UE对应的关键词集合,s为UE对应的坐标信息个数。在本发明实施例中,各个热点的关键词即UE对应的关键词集合。
403、服务器获取各个UE分别对应的关键词列表。
对于本发明实施例,各个UE分别对应的关键词列表可以由服务器预先进行生成并保存。
404、服务器根据各个UE对应的关键词列表,按照TF-IDF算法,计算各个热点的关键词分别对应的权重值。
其中,TF(term frequency,词频)指关键词在关键词列表中出现的频率;IDF(inverse document frequency,逆向文件频率)用于度量关键词对应的普遍重要性。
具体地,服务器可以首先通过关键词列表中某个关键词出现的次数除以关键词列表中全部关键词出现的总次数,获取该关键词对应的TF值,然后通过将UE总数除以包括给该关键词的UE个数,并将结果取对数,获取该关键词对应的IDF值,最后通过将关键词对应的TF值与关键词对应的IDF值进行相乘,获取该关键词对应的权重值。
例如,UE总数为1000,某个UE对应的关键词列表中全部关键词出现的总次数为5000,某个关键词在关键词列表中出现的次数为300,对应的关键词列表中包括该关键词的UE总数为10,则该关键词对应的TF值为0.06,该关键词对应的IDF值为2,进一步地,该关键词对应的权重值为0.12。
405、服务器将各个热点的关键词按照权重值由高到低的顺序进行排序,并生成UE对应的关键词列表。
对于本发明实施例,若各个热点的关键词中存在多个关键词对应的权重值相同的情况,则可以按照任意顺序对这些权重值相同的关键词进行排序,本发明实施例不做限定。例如,可以按照TF值由高到低的顺序对权重值相同的关键词进行排序,也可以按照IDF值由高到低的顺序对权重值相同的关键词进行排序。
406、服务器获取UE对应的关键词列表中的前N个关键词。
其中,N为大于或者等于1的整数。例如,N可以为100、120或者150等。
407、服务器将UE对应的关键词列表中的前N个关键词配置为UE对应的兴趣信息。
对于本发明实施例,通过将UE对应的关键词列表中的前N个关键词配置为UE对应的兴趣信息,能够避免将UE对应的关键词列表中全部关键词配置为UE对应的兴趣信息时,存在UE对应的兴趣信息过多的情况,从而可以降低兴趣信息的配置复杂度。
进一步地,作为图4所示方法的具体实现,本发明实施例提供了一种兴趣信息的统计装置,如图5所示,所述装置的实体可以为服务器,所述装置包括:获取单元51、配置单元52。
获取单元51,用于获取用户设备UE对应的坐标信息。
获取单元51,还用于根据UE对应的坐标信息,获取UE对应的各个热点的关键词。
配置单元52,用于将获取单元51获取的各个热点的关键词配置为UE对应的兴趣信息。
获取单元51,还用于获取与UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点及各个热点的关键词。
所述装置还可以包括:排序单元53、生成单元54。
排序单元53,用于对获取单元51获取的各个热点的关键词进行排序。
生成单元54,用于生成排序单元53排序之后的UE对应的关键词列表。
获取单元51,还用于获取生成单元54生成的UE对应的关键词列表中的前N个关键词。
其中,N为大于或者等于1的整数。
配置单元52,还用于将获取单元51获取的UE对应的关键词列表中的前N个关键词配置为UE对应的兴趣信息。
所述装置还可以包括:计算单元55。
计算单元55,用于按照词频-逆向文件频率TF-IDF算法,计算获取单元51获取的各个热点的关键词分别对应的权重值。
排序单元53,还用于将各个热点的关键词按照计算单元55计算的权重值由高到低的顺序进行排序。
获取单元51,还用于获取各个UE分别对应的关键词列表。
计算单元55,还用于根据获取单元51获取的各个UE对应的关键词列表,按照TF-IDF算法,计算各个热点的关键词分别对应的权重值。
再进一步地,所述兴趣信息的统计装置的实体可以为服务器,如图6所示,所述服务器可以包括:处理器61、输入设备62、输出设备63、存储器64,所述输入设备62、输出设备63及存储器64分别与处理器61相连接。
处理器61,用于获取用户设备UE对应的坐标信息。
处理器61,还用于根据UE对应的坐标信息,获取UE对应的各个热点的关键词。
处理器61,还用于将各个热点的关键词配置为UE对应的兴趣信息。
处理器61,还用于获取与UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点及各个热点的关键词。
处理器61,还用于对各个热点的关键词进行排序。
处理器61,还用于生成关键词列表。
处理器61,还用于获取UE对应的关键词列表中的前N个关键词。
其中,N为大于或者等于1的整数。
处理器61,还用于将UE对应的关键词列表中的前N个关键词配置为UE对应的兴趣信息。
处理器61,还用于按照词频-逆向文件频率TF-IDF算法,计算各个热点的关键词分别对应的权重值。
处理器61,还用于将各个热点的关键词按照权重值由高到低的顺序进行排序。
处理器61,还用于获取各个UE分别对应的关键词列表。
处理器61,还用于根据各个UE对应的关键词列表,按照TF-IDF算法,计算各个热点的关键词分别对应的权重值。
需要说明的是,本发明实施例中提供的兴趣信息的统计装置中各功能单元所对应的其他相应描述,可以参考图4中的对应描述,在此不再赘述。
本发明实施例提供的兴趣信息的统计方法及装置,首先获取用户设备UE对应的坐标信息,然后根据UE对应的坐标信息,获取UE对应的各个热点的关键词,最后将各个热点的关键词配置为UE对应的兴趣信息。与目前通过文本信息获取UE对应的兴趣信息相比,本发明实施例根据UE对应的实时位置,推测UE对应的各个热点,从而可以实时获取UE对应的兴趣信息,进而可以提高兴趣信息的统计覆盖率。
本发明实施例提供的兴趣信息的统计装置可以实现上述提供的方法实施例,具体功能实现请参见方法实施例中的说明,在此不再赘述。本发明实施例提供的兴趣信息的统计方法及装置可以适用于对用户的兴趣信息进行统计,但不仅限于此。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
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,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (6)
1.一种兴趣信息的统计方法,其特征在于,包括:
获取用户设备UE对应的坐标信息;
根据所述UE对应的坐标信息,获取与所述UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点及所述各个热点的关键词;
将所述各个热点的关键词进行排序,并生成所述UE对应的关键词列表;
获取所述UE对应的关键词列表中的前N个关键词,其中,N为大于或者等于1的整数;
将所述UE对应的关键词列表中的前N个关键词配置为所述UE对应的兴趣信息所述兴趣信息用于推测用户的兴趣。
2.根据权利要求1所述的兴趣信息的统计方法,其特征在于,所述将所述各个热点的关键词进行排序的步骤之前,还包括:
按照词频-逆向文件频率TF-IDF算法,计算所述各个热点的关键词分别对应的权重值;
所述将所述各个热点的关键词进行排序的步骤包括:
将所述各个热点的关键词按照权重值由高到低的顺序进行排序。
3.根据权利要求2所述的兴趣信息的统计方法,其特征在于,所述按照词频-逆向文件频率TF-IDF算法,计算所述各个热点的关键词分别对应的权重值的步骤之前,还包括:
获取各个UE分别对应的关键词列表;
所述按照词频-逆向文件频率TF-IDF算法,计算所述各个热点的关键词分别对应的权重值的步骤包括:
根据所述各个UE对应的关键词列表,按照TF-IDF算法,计算所述各个热点的关键词分别对应的权重值。
4.一种兴趣信息的统计装置,其特征在于,包括:
获取单元,用于获取用户设备UE对应的坐标信息;
所述获取单元,还用于根据所述UE对应的坐标信息,获取与所述UE对应的坐标信息之间的距离小于或者等于预设阈值的各个热点及所述各个热点的关键词;
排序单元,用于对所述获取单元获取的所述各个热点的关键词进行排序;
生成单元,用于生成所述排序单元排序之后的所述UE对应的关键词列表;
所述获取单元,还用于获取所述生成单元生成的所述UE对应的关键词列表中的前N个关键词,其中,N为大于或者等于1的整数;
配置单元,还用于将所述获取单元获取的所述UE对应的关键词列表中的前N个关键词配置为所述UE对应的兴趣信息;
所述排序单元,还用于将所述各个热点的关键词按照计算单元计算的权重值由高到低的顺序进行排序。
5.根据权利要求4所述的兴趣信息的统计装置,其特征在于,所述装置还包括:
计算单元,用于按照词频-逆向文件频率TF-IDF算法,计算所述获取单元获取的所述各个热点的关键词分别对应的权重值;
所述排序单元,还用于将所述各个热点的关键词按照所述计算单元计算的权重值由高到低的顺序进行排序。
6.根据权利要求5所述的兴趣信息的统计装置,其特征在于,
所述获取单元,还用于获取各个UE分别对应的关键词列表;
所述计算单元,还用于根据所述获取单元获取的所述各个UE对应的关键词列表,按照TF-IDF算法,计算所述各个热点的关键词分别对应的权重值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310636603.6A CN104679787B (zh) | 2013-11-27 | 2013-11-27 | 兴趣信息的统计方法及装置 |
CN202011588377.5A CN113051467A (zh) | 2013-11-27 | 2013-11-27 | 兴趣信息的统计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310636603.6A CN104679787B (zh) | 2013-11-27 | 2013-11-27 | 兴趣信息的统计方法及装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011588377.5A Division CN113051467A (zh) | 2013-11-27 | 2013-11-27 | 兴趣信息的统计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104679787A CN104679787A (zh) | 2015-06-03 |
CN104679787B true CN104679787B (zh) | 2021-01-01 |
Family
ID=53314841
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310636603.6A Active CN104679787B (zh) | 2013-11-27 | 2013-11-27 | 兴趣信息的统计方法及装置 |
CN202011588377.5A Pending CN113051467A (zh) | 2013-11-27 | 2013-11-27 | 兴趣信息的统计方法及装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011588377.5A Pending CN113051467A (zh) | 2013-11-27 | 2013-11-27 | 兴趣信息的统计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN104679787B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106257448A (zh) | 2015-06-19 | 2016-12-28 | 阿里巴巴集团控股有限公司 | 一种关键词的展示方法和装置 |
CN108628832B (zh) * | 2018-05-08 | 2022-03-18 | 中国联合网络通信集团有限公司 | 一种信息情报关键字获取方法及装置 |
CN111475601A (zh) * | 2020-04-09 | 2020-07-31 | 云南电网有限责任公司电力科学研究院 | 一种电力工单热点主题获取方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064924A (zh) * | 2012-12-17 | 2013-04-24 | 浙江鸿程计算机***有限公司 | 一种基于地理标注照片挖掘的旅游地点情境化推荐方法 |
CN103150309A (zh) * | 2011-12-07 | 2013-06-12 | 清华大学 | 一种空间方向感知地图兴趣点搜索方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456055B (zh) * | 2010-10-28 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 兴趣点检索的方法及装置 |
-
2013
- 2013-11-27 CN CN201310636603.6A patent/CN104679787B/zh active Active
- 2013-11-27 CN CN202011588377.5A patent/CN113051467A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150309A (zh) * | 2011-12-07 | 2013-06-12 | 清华大学 | 一种空间方向感知地图兴趣点搜索方法和*** |
CN103064924A (zh) * | 2012-12-17 | 2013-04-24 | 浙江鸿程计算机***有限公司 | 一种基于地理标注照片挖掘的旅游地点情境化推荐方法 |
Non-Patent Citations (1)
Title |
---|
IR-Tree: An Efficient Index for Geographic Document Search;Zhisheng Li等;《IEEE Transactions on Knowledge and Data Engineering》;20110430;第23卷(第4期);第585-599页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113051467A (zh) | 2021-06-29 |
CN104679787A (zh) | 2015-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mestav et al. | Bayesian state estimation for unobservable distribution systems via deep learning | |
CA2854874C (en) | Method and server for searching for nearby user in social networking services | |
CN104424235B (zh) | 实现用户信息聚类的方法和装置 | |
CN103795613B (zh) | 一种在线社交网络中朋友关系预测的方法 | |
CN106303955A (zh) | 用于对无线热点和poi进行匹配的方法和装置 | |
CN105488044A (zh) | 数据处理的方法和设备 | |
CN108882174B (zh) | 移动终端定位方法、装置、电子设备及存储介质 | |
Kabaila et al. | Model‐averaged confidence intervals | |
CN105426502A (zh) | 基于社交网络的人物信息搜索与关系网绘制的方法 | |
CN113379176B (zh) | 电信网络异常数据检测方法、装置、设备和可读存储介质 | |
CN104077412B (zh) | 一种基于多Markov链的微博用户兴趣预测方法 | |
CN104376083B (zh) | 一种基于关注关系和多用户行为的图推荐方法 | |
CN108230016B (zh) | 一种农产品市场价格传递分析方法及分析装置 | |
CN104679787B (zh) | 兴趣信息的统计方法及装置 | |
Alizadeh Noughabi et al. | An entropy test for the Rayleigh distribution and power comparison | |
Yao et al. | A spatial co-location mining algorithm that includes adaptive proximity improvements and distant instance references | |
CN103646035B (zh) | 一种基于启发式方法的信息搜索方法 | |
JP2015170338A (ja) | 滞留点抽出方法、滞留点抽出装置及び滞留点抽出プログラム | |
CN106528559A (zh) | 一种位置信息的提供方法和设备 | |
Nafar et al. | A new parameter estimation algorithm for metal oxide surge arrester | |
CN104933082B (zh) | 评价信息处理方法及其装置 | |
Yuan et al. | Location recommendation algorithm based on temporal and geographical similarity in location-based social networks | |
KR20170054167A (ko) | 공간 정보를 사용한 sns 봇 검출 방법 | |
Yuan et al. | Research on group POIs recommendation fusion of users' gregariousness and activity in LBSN | |
Wang et al. | Optimum VDBSCAN (O-VDBSCAN) for identifying downtown areas |
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 |