CN105516928A - 一种基于位置人群特征的位置推荐方法和*** - Google Patents
一种基于位置人群特征的位置推荐方法和*** Download PDFInfo
- Publication number
- CN105516928A CN105516928A CN201610030493.2A CN201610030493A CN105516928A CN 105516928 A CN105516928 A CN 105516928A CN 201610030493 A CN201610030493 A CN 201610030493A CN 105516928 A CN105516928 A CN 105516928A
- Authority
- CN
- China
- Prior art keywords
- mobile subscriber
- label
- crowd characteristic
- data
- base station
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000011664 signaling Effects 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims description 10
- 238000003064 k means clustering Methods 0.000 claims description 3
- 235000012054 meals Nutrition 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/487—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于位置人群特征的位置推荐方法和***。所述方法包括:S1,将待测区域中所有的基站扇区网格化,并对网格进行标识;S2,采集待测区域的全量用户实时信令数据,并根据信令数据找出在网格化区域中出现的移动用户;S3,给每个网格中出现的移动用户打上标签,并统计每个网格标识下每个网格具有各类标签的用户数量;S4,根据S3的统计结果将每个基站扇区中的移动用户聚类,得到基站扇区的位置人群特征;S5,根据位置人群特征为营销活动选址提供位置推荐信息。本发明一种基于位置人群特征的位置推荐方法和***,解决了现有技术中存在的需要线下人工采集数据,造成效率低且准确度不高的问题。
Description
技术领域
本发明涉及营销活动选址,具体涉及一种基于位置人群特征的位置推荐方法和***。
背景技术
针对营销活动、线下选址、人群聚类等一系列策划方案活动,传统方法都是采取市场调研法,即通过线下人工采集几个微观的市场因素,包括测量人群密度、人群特点、调研收入消费水平以及人群偏好等。但是调研法通常耗时长,人力物力消耗严重,且某些市场因素难以保证准确,覆盖面低。随着移动互联网的迅速普及和信息技术的迅速发展,这类信息已经可以处理和加工、应用模型、挖掘分析。
在现有技术中,一种是根据标准人体模板数据库中的信息扫描获得当前帧视频图像中的人体模板,然后判断获取到的人体模板的前行方向是朝向第一方向还是第二方向,当判定上述人体模板的前行方向为第一方向时将第一方向计数加一,当判定上述人体模板的前行方向为第二方向时将第二方向计数加一,经过上述步骤可以准确的统计监控通道内的来往人数,不会因为人流量较大而造成统计误差,也不需要破坏地面同时降低了监控成本。而这种方法,最主要的缺点是需要专门视频捕获设备,整体投入大,实施周期长,同时不利于大面积推广。再者,这种技术只简单的解决了人流数量统计的问题,对于人流中的个体行为无法分析。
另一种是通过对GIS***功能特点和在实践中的运用,结合超市在中国地区的发展态势和面临的激烈竞争。分析了GIS***对超市选址的直观性、信息量统计的便捷性。提出了连锁超市的选址销售模型提出的解决选址模型的思路,即在GIS地理信息***的支持下,对提取的指标和建立的模型用可视化的方法来清晰、直观地解决选址问题。
这种通过GIS技术的应用进行选址推荐,可以直观的展现所有地理位置信息的优劣对比,但在当今商业竞争逐步激烈,甚至白热化的情况下,不结合受众群体或潜在客户的日常行为和消费习惯进行综合分析判断,其推荐的精度会非常的低。
发明内容
本发明所要解决的技术问题是提供一种基于位置人群特征的位置推荐方法和***,解决了现有技术中存在的需要线下人工采集数据,造成效率低且准确度不高的问题。
本发明解决上述技术问题的技术方案如下:一种基于位置人群特征的位置推荐方法,包括:
S1,将待测区域中所有的基站扇区网格化,并对网格进行标识;
S2,采集待测区域的实时信令数据,并根据所述信令数据找出在网格化区域中出现的移动用户;
S3,给每个网格中出现的移动用户打上标签,并统计每个网格标识下所述每个网格具有各类标签的用户数量;
S4,根据S3的统计结果将每个所述基站扇区中的移动用户聚类,得到所述基站扇区的位置人群特征;
S5,根据所述位置人群特征为营销活动选址提供位置推荐信息。
本发明的有益效果是:通过采集移动通信基站信息,得到客户实时位置,通过统计,可以快速得到某地点或地域的人流量情况,基于位置打上标签;将移动用户进行聚类,形成此位置的人群特征;基于此位置的人群特征,提供给业务推荐的依据,可以不受区域范围限制。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步,所述步骤S3给每个网格中出现的移动用户打上标签的具体实现如下:
S31,获取在网格化区域中出现的所述移动用户的互联网日志,找出所述移动用户的偏好数据;
S32,将所述移动用户的偏好数据与在运营商业务支撑***中预存的相关数据结合,形成位置特征标签集;
S33,根据所述位置特征标签集给每个网格上出现的移动用户打上相应标签。
采用上述进一步方案的有益效果是:将电信运营商的用户位置数据和上网行为数据进行相结合,同时结合用户的以往通信业务数据和使用手机终端的相关信息,能够结合受众群体或潜在客户的日常的互联网上网行为和消费习惯,从时间空间和受众群体性特征三个维度进行综合分析判断,立体的刻画和推荐位置的方法,使得位置推荐的精度高。
进一步,所述S31中所述偏好数据包括所述移动用户在互联网上的信息访问偏好和搜索关注偏好。
进一步,所述步骤S32中运营商业务支撑***中预存的所述关数据包括基本信息、标签数据和码表。
进一步,所述基本信息包括性别、年龄、终端相关信息、套餐和业务使用量;
所述标签数据包括高流量用户、换机需求用户和商旅人士;
所述码表包括基站扇区编码、物理位置、经纬度和辐射半径。
进一步,所述位置特征标签集包括高流量类标签、身份类标签、收入类标签和偏好类标签。
进一步,所述步骤S4中采用k-means聚类方法进行聚类。
本发明解决上述技术问题的另一种技术方案如下:一种基于位置人群特征的位置推荐***,包括:
网格化模块,用于将待测区域中所有的基站扇区网格化,并对网格进行标识;
获取模块,用于采集待测区域的实时信令数据,并根据所述信令数据找出在网格化区域中出现的移动用户;
打标模块,用于给每个网格中出现的移动用户打上标签,并统计每个网格标识下所述每个网格具有各类标签的用户数量;
聚类模块,用于根据S3的统计结果将每个所述基站扇区中的移动用户聚类,得到所述基站扇区的位置人群特征;
位置推荐模块,用于根据所述位置人群特征为营销活动选址提供位置推荐信息。
本发明的有益效果是:通过网格化模块将地理区域网格化,获取模块采集移动通信基站信息,得到客户实时位置,通过统计,可以快速得到某地点或地域的人流量情况,打标模块基于位置打上个体用户的各种以上的标签;聚类模块将个体用户进行聚类,形成此位置的人群特征;从而基于此位置的人群特征,提供给业务推荐的依据,可以实现不受区域范围限制。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步,所述打标模块包括:
偏好数据获取单元,用于获取在网格化区域中出现的所述移动用户的互联网日志,找出所述移动用户的偏好数据;
标签集获取单元,用于将所述移动用户的偏好数据与在运营商业务支撑***中预存的相关数据结合,形成位置特征标签集。
采用上述进一步方案的有益效果是:标签集获取单元将电信运营商的用户位置数据和上网行为数据进行相结合,同时结合用户的以往通信业务数据和使用手机终端的相关信息,能够结合受众群体或潜在客户的日常的互联网上网行为和消费习惯,从时间空间和受众群体性特征三个维度进行综合分析判断,立体的刻画和推荐位置的方法,使得位置推荐的精度高。
进一步,所述位置特征标签集包括高流量类标签、身份类标签、收入类标签和偏好类标签。
附图说明
图1为本发明一种基于位置人群特征的位置推荐方法的流程示意图;
图2为本发明一种基于位置人群特征的位置推荐***的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种基于位置人群特征的位置推荐方法,包括:
S1,将待测区域中所有的基站扇区网格化,并对网格进行标识;
S2,采集待测区域的移动用户实时信令数据,并根据所述信令数据找出在网格化区域中出现的移动用户;其中,以日为单位分析信令数据,找出网格化区域中出现的移动用户;
S3,给每个网格中出现的移动用户打上标签,并统计每个网格标识下所述每个网格具有各类标签的用户数量;
S4,根据S3的统计结果将每个所述基站扇区中的移动用户聚类,得到所述基站扇区的位置人群特征;
S5,根据所述位置人群特征为营销活动选址提供位置推荐信息。
所述步骤S3给每个网格中出现的移动用户打上标签的具体实现如下:S31,获取在网格化区域中出现的所述移动用户的互联网日志,找出所述移动用户的偏好数据;其中,以月为单位获取在网格化区域中出现的移动用户的互联网日志并对DPI进行分析;所述步骤S31中所述偏好数据包括所述移动用户在互联网上的信息访问偏好和搜索关注偏好。
S32,将所述移动用户的偏好数据与在运营商业务支撑***中预存的相关数据结合,形成位置特征标签集;所述步骤S32中运营商业务支撑***中预存的所述关数据包括基本信息、标签数据和码表。
所述基本信息包括性别、年龄、终端的相关信息、套餐和业务使用量;终端的相关信息可以包括:终端的价格和型号等参数;
所述标签数据包括高流量用户、换机需求用户和商旅人士;其中,高流量用户指在自己已办理的套餐业务包含的流量之外每个月还需要额外办理流量包的用户;例如:在额定的流量之外每个月后期还需要通过短信包办理流量加油包的用户。
所述码表包括基站扇区编码、物理位置、经纬度和辐射半径。码表是为了便于将运营商业务支撑***中预存的移动用户的相关数据与获得的偏好数据的用户对应上,避免出现错误的信息匹配。
S33,根据所述位置特征标签集给每个网格上出现的移动用户打上相应标签。
所述位置特征标签集包括高流量类标签、身份类标签、收入类标签和偏好类标签。
所述步骤S4中采用k-means聚类方法进行聚类。
基于上述发明,将位置特征标签集输入到选址应用数据库,用户在使用时,可以在web前端输入位置特征标签和划定一个合理大小的位置区域范围,***读取该区域中最匹配位置特征标签的扇区,从而在web端显示,为营销活动选址提供推荐位置。
如图2所示,一种基于位置人群特征的位置推荐***,包括:
网格化模块,用于将待测区域中所有的基站扇区网格化,并对网格进行标识;
获取模块,用于采集待测区域的移动用户实时信令数据,并根据所述信令数据找出在网格化区域中出现的移动用户;
打标模块,用于给每个网格中出现的移动用户打上标签,并统计每个网格标识下所述每个网格具有各类标签的用户数量;
聚类模块,用于根据S3的统计结果将每个所述基站扇区中的移动用户聚类,得到所述基站扇区的位置人群特征;
位置推荐模块,用于根据所述位置人群特征为营销活动选址提供位置推荐信息。
所述打标模块包括:
偏好数据获取单元,用于获取在网格化区域中出现的所述移动用户的互联网日志,找出所述移动用户的偏好数据;
标签集获取单元,用于将所述移动用户的偏好数据与在运营商业务支撑***中预存的相关数据结合,形成位置特征标签集。
所述位置特征标签集包括高流量类标签、身份类标签、收入类标签和偏好类标签。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于位置人群特征的位置推荐方法,其特征在于,包括:
S1,将待测区域中所有的基站扇区网格化,并对网格进行标识;
S2,采集待测区域的实时信令数据,并根据所述信令数据找出在网格化区域中出现的移动用户;
S3,给每个网格中出现的移动用户打上标签,并统计每个网格标识下所述每个网格具有各类标签的用户数量;
S4,根据S3的统计结果将每个所述基站扇区中的移动用户聚类,得到所述基站扇区的位置人群特征;
S5,根据所述位置人群特征为营销活动选址提供位置推荐信息。
2.根据权利要求1所述一种基于位置人群特征的位置推荐方法,其特征在于,所述步骤S3给每个网格中出现的移动用户打上标签的具体实现如下:
S31,获取在网格化区域中出现的所述移动用户的互联网日志,找出所述移动用户的偏好数据;
S32,将所述移动用户的偏好数据与在运营商业务支撑***中预存的相关数据结合,形成位置特征标签集;
S33,根据所述位置特征标签集给每个网格上出现的移动用户打上相应标签。
3.根据权利要求2所述一种基于位置人群特征的位置推荐方法,其特征在于,所述步骤S31中所述偏好数据包括所述移动用户在互联网上的信息访问偏好和搜索关注偏好。
4.根据权利要求2所述一种基于位置人群特征的位置推荐方法,其特征在于,所述步骤S32中运营商业务支撑***中预存的所述关数据包括基本信息、标签数据和码表。
5.根据权利要求4所述一种基于位置人群特征的位置推荐方法,其特征在于,所述基本信息包括性别、年龄、终端相关信息、套餐和业务使用量;
所述标签数据包括高流量用户、换机需求用户和商旅人士;
所述码表包括基站扇区编码、物理位置、经纬度和辐射半径。
6.根据权利要求2所述一种基于位置人群特征的位置推荐方法,其特征在于,所述位置特征标签集包括高流量类标签、身份类标签、收入类标签和偏好类标签。
7.根据权利要求1所述一种基于位置人群特征的位置推荐方法,其特征在于,所述步骤S4中采用k-means聚类方法进行聚类。
8.一种基于位置人群特征的位置推荐***,其特征在于,包括:
网格化模块,用于将待测区域中所有的基站扇区网格化,并对网格进行标识;
获取模块,用于采集待测区域的实时信令数据,并根据所述信令数据找出在网格化区域中出现的移动用户;
打标模块,用于给每个网格中出现的移动用户打上标签,并统计每个网格标识下所述每个网格具有各类标签的用户数量;
聚类模块,用于根据S3的统计结果将每个所述基站扇区中的移动用户聚类,得到所述基站扇区的位置人群特征;
位置推荐模块,用于根据所述位置人群特征为营销活动选址提供位置推荐信息。
9.根据权利要求8所述一种基于位置人群特征的位置推荐***,其特征在于,所述打标模块包括:
偏好数据获取单元,用于获取在网格化区域中出现的所述移动用户的互联网日志,找出所述移动用户的偏好数据;
标签集获取单元,用于将所述移动用户的偏好数据与在运营商业务支撑***中预存的相关数据结合,形成位置特征标签集。
10.根据权利要求9所述一种基于位置人群特征的位置推荐***,其特征在于,所述位置特征标签集包括高流量类标签、身份类标签、收入类标签和偏好类标签。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610030493.2A CN105516928A (zh) | 2016-01-15 | 2016-01-15 | 一种基于位置人群特征的位置推荐方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610030493.2A CN105516928A (zh) | 2016-01-15 | 2016-01-15 | 一种基于位置人群特征的位置推荐方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105516928A true CN105516928A (zh) | 2016-04-20 |
Family
ID=55724500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610030493.2A Pending CN105516928A (zh) | 2016-01-15 | 2016-01-15 | 一种基于位置人群特征的位置推荐方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105516928A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156804A (zh) * | 2016-08-16 | 2016-11-23 | 浙江工业大学 | 一种基于K‑means聚类的移动疑似危险人群分类方法 |
CN106547894A (zh) * | 2016-11-03 | 2017-03-29 | 浙江夏农信息技术有限公司 | 基于移动通信信令大数据挖掘职住位置标签的***及方法 |
CN108573265A (zh) * | 2017-03-10 | 2018-09-25 | 中兴通讯股份有限公司 | 人流量统计方法及统计*** |
CN108632746A (zh) * | 2018-03-21 | 2018-10-09 | 电信科学技术第十研究所有限公司 | 一种确定区域人流量的方法 |
CN108876526A (zh) * | 2018-06-06 | 2018-11-23 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置和计算机可读存储介质 |
CN109255538A (zh) * | 2018-09-12 | 2019-01-22 | 中国联合网络通信集团有限公司 | 银行网点选址的评估方法和***、服务器、存储介质 |
CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
CN110019568A (zh) * | 2019-04-12 | 2019-07-16 | 深圳市和讯华谷信息技术有限公司 | 基于空间聚类的选址方法、装置、计算机设备及存储介质 |
CN110264244A (zh) * | 2019-05-25 | 2019-09-20 | 浙江华坤道威数据科技有限公司 | 一种广告用户轨迹跟踪管理***及方法 |
CN110322270A (zh) * | 2019-05-10 | 2019-10-11 | 福建微码信息科技有限公司 | 一种基于位置营销的广告推送*** |
CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
CN110858954A (zh) * | 2018-08-22 | 2020-03-03 | ***通信集团河北有限公司 | 数据处理方法、装置、设备和介质 |
CN111242697A (zh) * | 2020-01-20 | 2020-06-05 | 重庆邮电大学 | 一种基于传粉启发聚类的商户选址方法及*** |
CN111274500A (zh) * | 2020-01-15 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 位置信息的推荐方法、装置、计算机设备和存储介质 |
CN111432417A (zh) * | 2020-03-27 | 2020-07-17 | 哈尔滨工业大学 | 一种基于手机信令数据的体育中心选址方法 |
CN111641688A (zh) * | 2020-05-20 | 2020-09-08 | 成都众树信息科技有限公司 | 一种基于移动信令的会员营销*** |
CN111866896A (zh) * | 2020-07-17 | 2020-10-30 | 中国联合网络通信集团有限公司 | 基站位置确定方法、装置、设备以及存储介质 |
CN115002680A (zh) * | 2022-07-28 | 2022-09-02 | 北京融信数联科技有限公司 | 基于手机信令的人群职业类型获取方法、***和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013044560A1 (zh) * | 2011-09-26 | 2013-04-04 | 中国科学院计算机网络信息中心 | 网站推荐方法和***以及网络服务器 |
CN103942255A (zh) * | 2014-03-19 | 2014-07-23 | 华存数据信息技术有限公司 | 个性化信息推荐***及其推荐方法 |
CN104298719A (zh) * | 2014-09-23 | 2015-01-21 | 新浪网技术(中国)有限公司 | 基于社交行为进行用户的类别划分、广告投放方法和*** |
CN104598557A (zh) * | 2015-01-05 | 2015-05-06 | 华为技术有限公司 | 数据栅格化、用户行为分析的方法和装置 |
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 |
CN104778231A (zh) * | 2015-03-31 | 2015-07-15 | 北京奇艺世纪科技有限公司 | 一种地理区域的特征识别方法和装置 |
CN105045916A (zh) * | 2015-08-20 | 2015-11-11 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种***推荐***及其推荐方法 |
-
2016
- 2016-01-15 CN CN201610030493.2A patent/CN105516928A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013044560A1 (zh) * | 2011-09-26 | 2013-04-04 | 中国科学院计算机网络信息中心 | 网站推荐方法和***以及网络服务器 |
CN103942255A (zh) * | 2014-03-19 | 2014-07-23 | 华存数据信息技术有限公司 | 个性化信息推荐***及其推荐方法 |
CN104298719A (zh) * | 2014-09-23 | 2015-01-21 | 新浪网技术(中国)有限公司 | 基于社交行为进行用户的类别划分、广告投放方法和*** |
CN104598557A (zh) * | 2015-01-05 | 2015-05-06 | 华为技术有限公司 | 数据栅格化、用户行为分析的方法和装置 |
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 |
CN104778231A (zh) * | 2015-03-31 | 2015-07-15 | 北京奇艺世纪科技有限公司 | 一种地理区域的特征识别方法和装置 |
CN105045916A (zh) * | 2015-08-20 | 2015-11-11 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种***推荐***及其推荐方法 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156804A (zh) * | 2016-08-16 | 2016-11-23 | 浙江工业大学 | 一种基于K‑means聚类的移动疑似危险人群分类方法 |
CN106547894A (zh) * | 2016-11-03 | 2017-03-29 | 浙江夏农信息技术有限公司 | 基于移动通信信令大数据挖掘职住位置标签的***及方法 |
CN106547894B (zh) * | 2016-11-03 | 2019-12-24 | 浙江夏农信息技术有限公司 | 基于移动通信信令大数据挖掘职住位置标签的***及方法 |
CN108573265B (zh) * | 2017-03-10 | 2023-04-07 | 中兴通讯股份有限公司 | 人流量统计方法及统计*** |
CN108573265A (zh) * | 2017-03-10 | 2018-09-25 | 中兴通讯股份有限公司 | 人流量统计方法及统计*** |
CN108632746A (zh) * | 2018-03-21 | 2018-10-09 | 电信科学技术第十研究所有限公司 | 一种确定区域人流量的方法 |
CN108876526A (zh) * | 2018-06-06 | 2018-11-23 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置和计算机可读存储介质 |
CN110858954A (zh) * | 2018-08-22 | 2020-03-03 | ***通信集团河北有限公司 | 数据处理方法、装置、设备和介质 |
CN110858954B (zh) * | 2018-08-22 | 2021-07-27 | ***通信集团河北有限公司 | 数据处理方法、装置、设备和介质 |
CN109255538A (zh) * | 2018-09-12 | 2019-01-22 | 中国联合网络通信集团有限公司 | 银行网点选址的评估方法和***、服务器、存储介质 |
CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
CN110019568A (zh) * | 2019-04-12 | 2019-07-16 | 深圳市和讯华谷信息技术有限公司 | 基于空间聚类的选址方法、装置、计算机设备及存储介质 |
CN110019568B (zh) * | 2019-04-12 | 2022-03-11 | 深圳市和讯华谷信息技术有限公司 | 基于空间聚类的选址方法、装置、计算机设备及存储介质 |
CN110322270A (zh) * | 2019-05-10 | 2019-10-11 | 福建微码信息科技有限公司 | 一种基于位置营销的广告推送*** |
CN110264244A (zh) * | 2019-05-25 | 2019-09-20 | 浙江华坤道威数据科技有限公司 | 一种广告用户轨迹跟踪管理***及方法 |
CN110264244B (zh) * | 2019-05-25 | 2021-03-02 | 浙江华坤道威数据科技有限公司 | 一种广告用户轨迹跟踪管理***及方法 |
CN110493333B (zh) * | 2019-08-15 | 2021-08-17 | 腾讯科技(深圳)有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
CN111274500A (zh) * | 2020-01-15 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 位置信息的推荐方法、装置、计算机设备和存储介质 |
CN111242697A (zh) * | 2020-01-20 | 2020-06-05 | 重庆邮电大学 | 一种基于传粉启发聚类的商户选址方法及*** |
CN111432417B (zh) * | 2020-03-27 | 2021-07-16 | 哈尔滨工业大学 | 一种基于手机信令数据的体育中心选址方法 |
CN111432417A (zh) * | 2020-03-27 | 2020-07-17 | 哈尔滨工业大学 | 一种基于手机信令数据的体育中心选址方法 |
CN111641688A (zh) * | 2020-05-20 | 2020-09-08 | 成都众树信息科技有限公司 | 一种基于移动信令的会员营销*** |
CN111641688B (zh) * | 2020-05-20 | 2022-09-02 | 成都众树信息科技有限公司 | 一种基于移动信令的会员营销*** |
CN111866896A (zh) * | 2020-07-17 | 2020-10-30 | 中国联合网络通信集团有限公司 | 基站位置确定方法、装置、设备以及存储介质 |
CN111866896B (zh) * | 2020-07-17 | 2023-02-28 | 中国联合网络通信集团有限公司 | 基站位置确定方法、装置、设备以及存储介质 |
CN115002680A (zh) * | 2022-07-28 | 2022-09-02 | 北京融信数联科技有限公司 | 基于手机信令的人群职业类型获取方法、***和存储介质 |
CN115002680B (zh) * | 2022-07-28 | 2022-12-27 | 北京融信数联科技有限公司 | 基于手机信令的人群职业类型获取方法、***和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105516928A (zh) | 一种基于位置人群特征的位置推荐方法和*** | |
Tu et al. | Portraying the spatial dynamics of urban vibrancy using multisource urban big data | |
Osorio-Arjona et al. | Social media and urban mobility: Using twitter to calculate home-work travel matrices | |
Xu et al. | Understanding aggregate human mobility patterns using passive mobile phone location data: A home-based approach | |
CN104767830B (zh) | 信息发布的管理方法和装置 | |
CN107622422A (zh) | 一种户外广告媒体b2b云服务平台 | |
US20070129954A1 (en) | Mapping and quality control system and method for the distribution of flyers, circulars and the like | |
Pramana et al. | Big data for government policy: Potential implementations of bigdata for official statistics in Indonesia | |
CN102081810A (zh) | 户外媒体远程监测方法和*** | |
CN107798102A (zh) | 一种页面展示方法及装置 | |
Betzing | Beacon-based customer tracking across the high street: perspectives for location-based smart services in retail | |
CN105975479A (zh) | 一种基于标签库的电信用户兴趣度分析方法及*** | |
CN106339891A (zh) | 一种基于大数据采集的智能分析方法及*** | |
US20140365298A1 (en) | Smart budget recommendation for a local business advertiser | |
CN106357742A (zh) | 一种营销*** | |
CN109559152A (zh) | 一种网络营销方法、***及计算机存储介质 | |
CN106777946A (zh) | 基于层级模型的个性化健康服务推荐方法 | |
CN105976446A (zh) | 一种基于智能胸牌的会展方法及*** | |
CN110278268A (zh) | 一种基于位置的电子信息提供方法及装置 | |
CA2528795A1 (en) | Mapping and quality control system and method for the distribution of flyers, circulars and the like | |
CN103337026A (zh) | 利用嵌入式地图的广告***和方法 | |
CN111400376A (zh) | 基于电信数据建设人口分析平台的方法和装置 | |
US20210224830A1 (en) | System and method for calculating and benchmarking an entity's overtourism score | |
CN103761332B (zh) | 雷电信息综合快速分析定位*** | |
Massobrio et al. | Urban data analysis for the public transportation system of Montevideo, Uruguay |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160420 |
|
RJ01 | Rejection of invention patent application after publication |