CN108241690A - 一种数据处理方法和装置、一种用于数据处理的装置 - Google Patents
一种数据处理方法和装置、一种用于数据处理的装置 Download PDFInfo
- Publication number
- CN108241690A CN108241690A CN201611220473.8A CN201611220473A CN108241690A CN 108241690 A CN108241690 A CN 108241690A CN 201611220473 A CN201611220473 A CN 201611220473A CN 108241690 A CN108241690 A CN 108241690A
- Authority
- CN
- China
- Prior art keywords
- poi
- interest
- point
- temperature
- word
- 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
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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)
Abstract
本发明实施例提供了一种数据处理方法和装置、一种用于数据处理的装置,其中的方法具体包括:获取全网用户在预置平台中产生的历史查询串;所述预置平台包括:预置应用程序和预置网站;从所述历史查询串中挖掘出兴趣点特征词;依据所述兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的兴趣点查询热度。本发明实施例能够提高POI热度的客观性和准确度。
Description
技术领域
本发明涉及地理信息技术领域,特别是涉及一种数据处理方法和装置、一种用于数据处理的装置。
背景技术
在地理信息***中,一个兴趣点(POI,Point Of Interest)可以是一栋房子、一个商铺、一个邮筒、一个公交站等。每个POI的数据通常包含:名称、类别、地址、经纬度等方面信息,是导航地图等地理信息服务的必备资讯。
在目前的地图APP(应用,Application)中,电子地图通常包含很多的POI数据,这些POI数据涵盖了该电子地图范围内的绝大部分地理信息。但是,电子地图中各POI的热度有所不同,POI热度是用于评估不同POI数据重要程度的指标,在汽车导航、生活搜索等领域具有广泛的应用。例如,当用户在地图应用中搜索“酒店”时,地图应用将在电子地图中搜索得到与“酒店”相匹配的多个POI,并可以依据POI热度对搜索得到的多个POI进行排序。
现有的一种POI热度的获取方案,可以通过地图应用的点击日志以及评论数等因子,确定POI点击热度。然而,由于点击日志仅仅用于记录用户对于电子地图中POI的点击行为,这样,上述电子日志将存在用户使用方式的局限性、用户数量的局限性、数据质量不高等问题,这些问题将导致得到的POI点击热度与实际的POI热度存在较多误差,也即,现有方案存在POI热度客观性差和准确度低的问题。
发明内容
鉴于上述问题,本发明实施例提出了一种克服上述问题或者至少部分地解决上述问题的数据处理方法、数据处理装置及用于数据处理的装置,本发明实施例能够提高POI热度的客观性和准确度。
为了解决上述问题,本发明公开了一种数据处理方法,包括:
获取全网用户在预置平台中产生的历史查询串;所述预置平台包括:预置应用程序和预置网站;
从所述历史查询串中挖掘出兴趣点特征词;
依据所述兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的兴趣点查询热度。
可选地,所述预置平台的类别包括:基于位置的服务LBS类别和搜索类别。
可选地,所述从所述历史查询串中挖掘出兴趣点特征词的步骤,包括:
对所述历史查询串进行分词处理,以得到对应的目标词汇;
将所述目标词汇与预置兴趣点词库中的预置兴趣点关键词进行匹配,若匹配成功,则将匹配成功的目标词汇作为兴趣点特征词。
可选地,在所述对所述历史查询串进行分词处理的步骤之前,所述方法还包括:
从所述历史查询串中获取具备兴趣点查询意图的目标查询串;
则所述对所述历史查询串进行分词处理的步骤为,对所述目标查询串进行分词处理,以得到对应的目标词汇。
可选地,所述兴趣点特征词包括:单一兴趣点词、兴趣点品牌词和兴趣点分类词中的至少一种,则所述单一兴趣点词对应的兴趣点查询热度为单一兴趣点热度,所述兴趣点品牌词对应的兴趣点查询热度为兴趣点品牌热度,所述兴趣点分类词对应的兴趣点查询热度为兴趣点分类热度。
可选地,通过如下步骤获取所述兴趣点分类词:
将所述单一兴趣点词与预置兴趣点类别词库中的预置兴趣点类别词进行匹配,若匹配成功,则将所述单一兴趣点词作为兴趣点分类词;和/或
依据所述单一兴趣点词,在预置兴趣点关键词与预置兴趣点类别词之间的映射关系中进行查找,以得到所述单一兴趣点词对应的兴趣点分类词。
可选地,所述依据所述兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的兴趣点查询热度的步骤,包括:
针对单一类别的预置平台,依据其对应兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的分量兴趣点查询热度;或者
针对单一类别的预置平台,依据其对应兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的分量兴趣点查询热度;对多类别的预置平台对应的多种分量兴趣点查询热度进行融合,以得到对应的融合兴趣点查询热度。
可选地,所述方法还包括:
依据所述兴趣点查询热度,确定兴趣点所属的等级;
依据兴趣点所属的等级,对兴趣点数据进行更新。
可选地,所述方法还包括:
对兴趣点点击数据进行分析,以得到对应的兴趣点点击热度;
对所述兴趣点查询热度与所述兴趣点点击热度进行融合,以得到对应的兴趣点热度。
另一方面,本发明公开了一种数据处理装置,包括:
查询串获取模块,用于获取全网用户在预置平台中产生的历史查询串;所述预置平台包括:预置应用程序和预置网站;
特征词挖掘模块,用于从所述历史查询串中挖掘出兴趣点POI特征词;
热度确定模块,用于依据所述POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度。
可选地,所述预置平台的类别包括:基于位置的服务LBS类别和搜索类别。
可选地,所述特征词挖掘模块包括:
分词子模块,用于对所述历史查询串进行分词处理,以得到对应的目标词汇;
第一匹配子模块,用于将所述目标词汇与预置POI词库中的预置POI关键词进行匹配,若匹配成功,则将匹配成功的目标词汇作为POI特征词。
可选地,所述装置还包括:
目标查询串获取模块,用于在所述分词子模块对所述历史查询串进行分词处理之前,从所述历史查询串中获取具备POI查询意图的目标查询串;
则所述分词子模块,具体用于对所述目标查询串进行分词处理,以得到对应的目标词汇。
可选地,所述POI特征词包括:单一POI词、POI品牌词和POI分类词中的至少一种,则所述单一POI词对应的POI查询热度为单一POI热度,所述POI品牌词对应的POI查询热度为POI品牌热度,所述POI分类词对应的POI查询热度为POI分类热度。
可选地,所述装置还包括:用于获取所述POI分类词的分类词获取模块;
所述分类词获取模块,包括:
第二匹配子模块,用于将单一POI词与预置POI类别词库中的预置POI类别词进行匹配,若匹配成功,则将所述单一POI词作为POI分类词;和/或
查找子模块,用于依据所述单一POI词,在预置POI关键词与预置POI类别词之间的映射关系中进行查找,以得到所述单一POI词对应的POI分类词。
可选地,所述热度确定模块包括:
第一热度确定子模块,用于针对单一类别的预置平台,依据其对应POI特征词的综合查询频度,确定所述POI特征词对应POI的分量POI查询热度;或者
第二热度确定子模块,用于针对单一类别的预置平台,依据其对应POI特征词的综合查询频度,确定所述POI特征词对应POI的分量POI查询热度;对多类别的预置平台对应的多种分量POI查询热度进行融合,以得到对应的融合POI查询热度。
可选地,所述装置还包括:
等级确定模块,用于依据所述POI查询热度,确定POI所属的等级;
更新模块,用于依据POI所属的等级,对POI数据进行更新。
可选地,所述装置还包括:
点击热度获取模块,用于对POI点击数据进行分析,以得到对应的POI点击热度;
融合模块,用于对所述POI查询热度与所述POI点击热度进行融合,以得到对应的POI热度。
再一方面,本发明公开了一种用于数据处理的装置,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取全网用户在预置平台中产生的历史查询串;所述预置平台包括:预置应用程序和预置网站;
从所述历史查询串中挖掘出兴趣点特征词;
依据所述兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的兴趣点查询热度。
本发明实施例包括以下优点:
本发明实施例可以获取全网用户在预置平台中产生的历史查询串,从上述历史查询串中挖掘出POI特征词,进而依据上述POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度;由于上述历史查询串能够在一定程度上指向用户所关注的POI,且上述历史查询串可以源自包括预置应用和预置网站的任意预置平台,故本发明实施例能够突破用户使用方式和用户数量的限制,故本发明实施例可以基于历史查询串提高POI源数据的质量,因此能够准确客观地得到用户对于所关注的POI的重要程度也即POI查询热度,也即能够提高POI热度的客观性和准确度。
附图说明
图1是本发明的一种数据处理方法实施例一的步骤流程图;
图2是本发明的一种数据处理方法实施例二的步骤流程图;
图3是本发明的一种获取输入法日志和地图点击日志的示意;
图4是本发明的一种输入法日志和地图点击日志的处理方法的流程示意;
图5是本发明的一种数据处理装置实施例的结构框图;
图6是本发明的一种用于数据处理的装置作为终端时的结构框图;及
图7是本发明的一种用于数据处理的装置作为服务器时的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例提供了一种数据处理方案,该方案可以获取全网用户在预置平台中产生的历史查询串,从上述历史查询串中挖掘出POI特征词,进而依据上述POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度;由于上述历史查询串能够在一定程度上指向用户所关注的POI,且上述历史查询串可以源自任意预置平台,故本发明实施例能够突破用户使用方式和用户数量的限制,故本发明实施例可以基于历史查询串提高POI源数据的质量,因此能够准确客观地得到用户对于所关注的POI的重要程度也即POI查询热度,也即能够提高POI热度的客观性和准确度。
随着互联网技术及移动互联网技术的发展,用户会在各种场景下使用不同的预置平台,通过查询串进行所关心POI的查询。可选地,上述预置平台可以包括:预置应用程序和预置网站。进一步可选地,所述预置平台的类别可以包括:LBS(基于位置的服务,LocationBased Service)类别、以及搜索类别等。
其中,上述LBS类别的预置平台可以指利用移动设备和技术给用户提供地理位置信息服务的平台,上述LBS类别的预置平台可以包括但不限于:地图类应用,如地图应用A、地图应用B、地图应用C、地图应用D、地图应用E等;打车类应用,如打车应用、租车应用等;生活服务类应用,如旅游应用、点评应用、房产中介应用等。例如,用户在打车的时候,会启动打车类应用;又如,用户想去往某个餐馆,会启动点评应用等生活服务类应用;再如,如果想租房买房,会使用房产中介应用等生活服务类应用;则综合分析LBS类别下各应用中用户所关心的POI,能准确客观地得到POI查询热度的分布。上述移动设备具体包括但不限:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准音频层面3,Moving PictureExperts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4,MovingPicture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、可穿戴设备等等。
上述搜索类别的预置平台可以包括但不限于:搜索引擎、搜索APP等搜索平台。由于搜索平台的用户使用规模较大,故本发明实施例从搜索平台中准确客观地挖掘出用户所关注的POI,且能够契合不***台的用户的习惯。
可以理解,上述LBS类别和搜索类别只是作为作为预置平台的类别的可选实施例,实际上,本领域技术人员可以根据实际应用需求采用其他类别的预置平台,本发明实施例对于具体的预置平台及其所属的类别不加以限制。
需要说明的是,本发明实施例得到的POI查询热度可以作为POI热度使用,也可以与通过其他方案得到的POI热度进行融合后使用,例如,可以将本发明实施例得到的POI查询热度与现有方案得到的POI点击热度进行融合,以得到融合后的POI热度,可以理解,本发明实施例对于POI查询热度的具体应用不加以限制。
方法实施例一
参照图1,示出了本发明的一种数据处理方法实施例一的步骤流程图,具体可以包括如下步骤:
步骤101、获取全网用户在预置平台中产生的历史查询串;所述预置平台可以包括:预置应用程序和预置网站;
步骤102、从所述历史查询串中挖掘出POI特征词;
步骤103、依据所述POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度。
本发明实施例可以应用于服务器的应用环境中,该服务器可以获取全网用户在预置平台中产生的历史查询串,并对上述历史查询串进行分析,以得到POI查询热度。进一步,本发明实施例得到的POI查询热度可被应用到地图搜索排序、地图渲染展示、地图导航推荐等应用场景中,可以理解,本发明实施例对于具体的应用环境及POI查询热度的具体应用场景不加以限制。
本发明实施例中,全网用户可以包括互联网的用户。
在本发明的一种可选实施例中,互联网的用户在预置平台中提交查询串时,预置平台可以生成相应的查询日志,则本发明实施例可以从上述预置平台收集查询日志,以获取全网用户在预置平台中产生的历史查询串。
在实际应用中,查询日志的私密性等因素导致各预置平台不会开放各自的查询日志,针对上述问题,在本发明的另一种可选实施例中,互联网的用户在预置平台中提交查询串时,输入法程序可以将该查询串记录至输入法日志;具体地,作为寄宿程序,输入法程序可以寄宿于任意的宿主程序中,其可以监测所处的当前宿主程序环境,若该当前宿主程序环境为预置平台的环境或者预置平台的搜索框环境,则可以将用户在搜索框中的输入内容作为历史查询串记录至输入法日志。因此,步骤101可以从输入法日志中获取全网用户在任意预置平台中产生的历史查询串。
可选地,上述输入内容的输入方式可以包括:键盘输入方式、手写输入方式、或者语音输入法方式等,也即,输入法程序可以捕获用户通过任意方式输入的查询串串,并进行记录。在实际应用中,无论是中文、日文、韩文还是其它语言的输入法程序,都是把用户输入的编码字符串(以下简称输入错)转换成相应语言的候选项,然后由用户来选择输出至的内容,这里通过上屏操作输出至预置平台的内容也即查询串(如“清华大学怎么走”、“七天酒店”等)。在本发明的一种可选实施例中,一次输入过程可以始于输入串的接收,终止于该输入串对应候选项(也即查询串)的上屏。以输入串“qinghuadax”和查询串“清华大学”的输入过程为例,在接收到字符“q”时,该次输入过程开始,而在接收到输入串“qinghuadax”对应候选项“清华大学”的上屏操作后,该次输入过程结束。
在实际应用中,用户很有可能因为按错键(PC上)、或者点错屏幕位置(智能终端上)、或者操作意图错误等原因而导致输入错误的输入串,例如,欲要输入“qinghuadax”,却输入了错误的“winghuadas”等。在本发明的一种可选实施例中,可以对该输入串进行自动纠错,以节省用户手动纠错所需的操作成本,提高输入效率。
在实际应用中,可以利用任意的纠错方案对输入串进行纠错处理,以得到所述输入串对应的纠错串,则用户通过预置平台产生的历史查询串可以包括:纠错串对应的候选。可选地,上述纠错方案具体可以包括:基于编辑距离的纠错方案、基于统计的纠错方案和基于映射查找的纠错方案。
其中,基于编辑距离的纠错方案的纠错过程具体可以包括:对输入串的每个位置进行如下四种纠错尝试:***一个字符、删除一个字符、替换一个字符和替换前后两个字符位置,以产生该输入串对应的纠错串序列。
基于统计的纠错方案可以通过大数据挖掘生成纠错模型,该纠错模型可用于学习纠错串被错输为输入串的概率(以下简称纠错模型概率),则可以向该纠错模型输入输入串,并由该纠错模型输出各纠错串被错输为输入串的概率。例如,输入串为“niqiu”,纠错串为“nijiu”,则上述纠错模型概率可用于表示“nijiu”被错输成“niqiu”的概率,在实际应用中,可以对用户的输入行为进行统计分析,以得到上述纠错模型概率。
基于映射查找的纠错方案采用的输入纠错过程可以包括:将输入串与预先建立的历史输入串与历史上屏内容之间的映射关系中的历史输入串进行匹配;由于上述历史输入串与历史上屏内容之间的映射关系(以下简称第一映射关系)为在完成正确的输入过程后建立得到,故上述第一映射关系中的历史输入串可以作为用户使用过的正确输入串,而具有较大的参考价值,且能够对用户首次错输进行有效的纠正;因此,将上述第一映射关系中的历史输入串作为纠错结果(例如纠错候选串)的目标,能够实现符合用户个性化输入习惯的高效又准确的纠错。可选地,上述第一映射关系的建立过程可以包括:当某次输入过程不包含纠错操作、且该次输入过程的上屏内容未被更改时,确定该次输入过程为正确的输入过程;针对所述正确的输入过程,依据其对应的输入串与上屏内容建立历史输入串与历史上屏内容之间的映射关系。
在本发明的再一种可选实施例中,全网用户在预置平台中产生的历史查询串可以为预设时间段内的历史查询串,则可以基于预设时间段内的历史查询串得到预设时间段内的POI查询热度,由此可以较为准确地体现POI查询热度的时间特性,进而能够体现出随着时间的推移用户对POI的关注度的转变。其中,上述预设时间段可以为任意起始时刻、结束时刻和长度的时间段,可选地,上述预设时间段的长度可以为1个月,可以理解,本发明实施例对于具体的预设时间段不加以限制。
步骤102可以从步骤101输出的历史查询串中挖掘出POI特征词。本发明实施例中,POI特征词可用于标识POI的属性,例如,POI特征词“海淀区”、“成府路”、“清华大学”分别表示POI的行政区划、道路、学校等属性,可以理解,本发明实施例对于具体的属性不加以限制。
本发明实施例的上述历史查询串并不一定直接得到POI查询热度,但是其能够在一定程度上指向用户所关注的POI,故可以从上述历史查询串中挖掘出POI特征词。
在本发明的一种可选实施例中,可以首先对步骤101输出的历史查询串进行预处理,并从预处理后的历史查询串中挖掘出POI特征词。例如,该预处理可以删掉包含预置字符的历史查询串,本发明实施例将包含预置字符的历史查询串作为无意义的查询串,故可以将包含预置字符的历史查询串丢弃。可选地,该预置字符可以包括:数字、颜文字、特殊符号等。又如,该预处理可以按照出现频次从大到小的顺序对上述历史查询串进行排序,并依据排序结果选取出现频次大于频次阈值的历史查询串、或者选取排在前N位的历史查询串,并针对选取的历史查询串进行后续的挖掘处理。
在本发明的另一种可选实施例中,上述从所述历史查询串中挖掘出兴趣点POI特征词的步骤102,可以包括:对所述历史查询串进行分词处理,以得到对应的目标词汇;将所述目标词汇与预置POI词库中的预置POI关键词进行匹配,若匹配成功,则将匹配成功的目标词汇作为POI特征词。
通常,历史查询串表现为短语或者短句的形式,上述分词处理可用于保证预置POI词库的匹配。本发明实施例采用的分词处理方法具体可以包括:基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法等;其中,基于字符串匹配的分词方法是指按照一定的策略将各历史查询串与分词词典中的各词条进行区配,若在分词词典中找到该历史查询串及其子串,则匹配成功(也即识别出一个目标词汇);基于理解的分词方法是通过让计算机模拟人对句子的理解,达到识别词的效果,其基本思想为在分词的同时进行句法、语义分析,利用句法信息和语义信息来处理歧义现象;基于统计的分词方法给出大量已经分词的文本,利用统计机器学习模型学习词语切分的规律,从而实现对未知文本的切分。其中,在采用基于字符串匹配的分词方法时,分词词典可以包括:预置POI关键词和非POI词汇,可以通过不断积累并丰富分词词典的容量,以提高分词的准确度,可以理解,本发明实施例对于具体的分词处理方法不加以限制。
预置POI词库可用于存储预置POI关键词,在实际应用中,可以预先收集上述预置POI关键词,并将收集的预置POI关键词保存至预置POI词库。
在此提供一种预置POI关键词的收集过程:地图测绘人员采用精密的测绘仪器去获取各POI的经纬度,然后再通过人工方式获得各POI对应的预置POI关键词。
在此提供另一种预置POI关键词的收集过程,该收集过程可以包括:从互联网网页中挖掘出与指定POI关联的多条POI数据,每条POI数据包括:POI名称和POI地址,分析每条POI数据对应的关键词,作为POI关键词。
在本发明的一种可选实施例中,上述分析每条POI数据对应的关键词的过程可以包括:对于一条POI数据,提取该POI数据的核心词,获取该POI数据的类型,将核心词和类型结合起来,作为该条POI数据对应的关键词,也即POI关键词。其中,POI的核心词能够标识出该POI名称不同于其他POI名称的特征,POI的类型是用于描述该条POI数据的用途,使得POI数据的关键词在具有标识性的同时,还具有能够满足了用户对POI数据的信息需求的全面性,能够全面、准确地反映该条POI数据。
可选地,可以通过以下方式提取该POI数据的核心词:对该POI数据中的POI名称进行切词处理,统计切词后的每个子词在预设统计集合中的出现次数,将出现次数最少的子词作为该POI数据中的POI名称的核心词。其中,所述预设统计集合可以包括:对挖掘到的所有POI数据中的POI名称进行切词处理后得到的所有子词,也即预设统计集合是指:对于在一段时间内从互联网网页挖掘出的所有POI数据(该POI数据未经过分类,形成了一个巨大的、全面的POI数据集合),对该POI数据集合中的所有POI数据的POI名称进行切词处理后得到的所有子词的集合。。
可选地,可以通过以下方式获取该POI数据的类型:对该POI数据中的POI名称进行切词处理,将切词后得到的最后一个子词作为该POI数据的类型。或者,进一步地,每条POI数据中还可以包括:来源网页;则获取该POI数据的类型可以包括:将该POI数据中的来源网页中所包含的类型作为该POI数据的类型。
在本发明的一种应用示例中,假设POI数据中的POI名称为“金龙饭店酒吧”,则可以对该POI名称“金龙饭店酒吧”进行分词处理,得到“金龙”、“饭店”和“酒吧”3个词汇,统计每个词汇在预设统计集合中的出现次数,将出现次数最少的词汇作为该POI名称的核心词;对于“金龙”、“饭店”和“酒吧”这3个词汇来说,在预设统计集合中出现次数最少的词汇将能描述其所在的POI名称最独有的特征,在本示例中,众多词汇中,“饭店”很常见,“酒吧”也很常见,只有“金龙”是在预设统计集合中出现次数最少的词汇,因此以“金龙”作为该POI名称的核心词。进一步,可以依据上述切词处理后得到的金龙”、“饭店”和“酒吧”3个词汇,以最后1个词汇“酒吧”作为该POI名称的类型,或者,可以将该条POI数据中的来源网页中所包含的类型作为该POI数据的类型;,假设该条POI数据的来源网页为http://m.aibang.com/detail/1655180060-1203999342,则可以得到该POI名称“金龙饭店酒吧”的类型为“酒吧”。
需要说明的是,预置POI词库存储的预置POI关键词可以包括:POI的正名、别名、简称等,例如,“文津大酒店”、“文津酒店”、“文津”均为POI“北京文津国际酒店”的简称,也即,三个预置POI关键词对应同一个POI。
在实际应用中,用户通过LBS类别的预置平台产生的历史查询串通常为POI相关的查询(以下简称为POI查询),然而,用户通过搜索类别等非LBS类别的预置平台产生的历史查询串多种多样,有POI查询,同样也有大量的非POI查询,故在本发明的一种可选实施例中,可以从历史查询串中过滤出非POI查询,相应地,在所述对所述历史查询串进行分词处理的步骤之前,本发明实施例的方法还可以包括:从所述历史查询串中获取具备POI查询意图的目标查询串;则所述对所述历史查询串进行分词处理的步骤具体可以为,对所述目标查询串进行分词处理,以得到对应的目标词汇。
本发明实施例可以提供判断历史查询串是否具备POI查询意图的如下技术方案:
技术方案1
技术方案1中,可以判断某历史查询串中是否包含预置POI关键词,若是,则可以将该历史查询串作为具备POI查询意图的目标查询串。
技术方案2
技术方案2中,可以判断历史查询串对应语句是否符合预置的查询语句模式,若是,则可以将该历史查询串作为具备POI查询意图的目标查询串。
本发明实施例中,语句又称句子,是语言运用的基本单位,通常语句由词、词组(短语)构成,能表达一个完整的意思,如告诉别人一件事,提出一个问题,表示要求或者制止,表示某种感慨,表示对一段话的延续或省略等。语句模式可用于表示语句所包含词汇的词性、词序及位置等特征信息对应的规律。
本发明实施例可以预先获取具备POI查询意图的语句模式,作为预置的查询语句模式。其中,预置的查询语句模式的获取方式可以有多种。例如,可以通过人工标注一些常见的查询语句模式,如“XXX怎么走”、“XXX”、“从***到XXX怎么走”、“XXX有活动吗”、“怎么去XXX”等等;其中,“XXX”可用于表示POI的名称,如“清华大学”、“老莫西餐厅”、“华宇时尚购物中心”等。又如,可以通过预置接口从客户端收集用户提交的待选查询语句模式,并对所收集的待选查询语句模式进行筛选,以得到预置的查询语句模式。
在本发明的一种可选实施例中,可以通过如下步骤获取所述预置的查询语句模式:
从预置语料中获取预置POI关键词对应的多元关系;
依据所述预置POI关键词对应的多元关系得到对应的语句模式,作为预置的查询语句模式。
在实际应用中,上述预置语料具体可以包括:基于网络爬虫技术获取的互联网语料库、云计算输入法积累的语料库;另外,所述互联网语料库可以为互联网博客语料库、互联网新闻语料库、互联网微博语料库、互联网论坛语料库等等。其中,上述云计算输入法积累的语料库可以源自全网用户的历史输入行为数据、历史搜索行为数据等,可以理解,本发明实施例对具体的预置语料不加以限制。
预置POI关键词可以为上述预置POI词库中存储的关键词。本发明实施例可以从预置语料中获取各预置POI关键词对应的二元关系、三元关系或者四元关系,如“清华大学—怎么走”、“国贸—清华大学—怎么走”、“华宇—活动”等;其中,上述多元关系所涉及的多个词汇在预置语料中可以相邻或者不相邻。在实际应用中,可以从预置语料中获取包含预置POI关键词的语句或者词组,并对该语句或词组进行分析,以得到对应的多元关系,可以理解,本发明实施例对于从预置语料中获取预置POI关键词对应的多元关系的具体方式不加以限制。
在获得所述预置POI关键词对应的多元关系后,可以将直接该多元关系对应语句作为对应的语句模式。或者,也可以对该多元关系进行加工以得到对应的语句模式。可以理解,本发明实施例对于依据所述预置POI关键词对应的多元关系得到对应的语句模式的具体过程不加以限制。
在实际应用中,可以将历史查询串对应语句与预置的查询语句模式进行匹配,若匹配成功,则可以确定所述历史查询串对应语句符合预置的查询语句模式,否则,若匹配失败,则可以确定所述历史查询串对应语句不符合预置的查询语句模式。可选地,将历史查询串对应语句与预置的查询语句模式进行匹配的过程可以包括:分别针对历史查询串对应语句和预置的查询语句模式分析得到对应的第一语句结构和第二语句结构,例如,该第一语句结构或者该第二语句结构可以包括:主语、谓语、宾语等结构成分,则可以对第一语句结构和第二语句结构进行比对,若比对成功,则可以对各结构成分对应的词汇进行比对,若比对成功,则可以认为匹配成功。当然,上述匹配的过程只是作为可选实施例,实际上本领域技术人员可以根据实际应用需求,采用其他匹配的过程,例如,对将历史查询串对应语句的第一字符串与预置的查询语句模式的第二字符串进行比较等,本发明实施例对于将历史查询串对应语句与预置的查询语句模式进行匹配的具体过程不加以限制。
在本发明的一种应用示例中,历史查询串“清华大学怎么走”与预置的查询语句模式“XXX怎么走”匹配成功,故可以确定历史查询串“清华大学怎么走”为具备POI查询意图的目标查询串。
技术方案3
技术方案3可以利用意图分类器判断所述历史查询串是否具备POI查询意图,相应的判断过程可以包括:
对所述历史查询串的查询意图进行分类,以得到对应的分类结果;
在所述分类结果为POI查询意图类别时,确定所述历史查询串具备POI查询意图。
可选地,可以利用意图分类器对所述历史查询串的意图进行分类。上述意图分类器可以为两类分类器,其输出的分类结果可以包括:POI查询意图类别、或者非POI查询意图类别。在实际应用中,可以从预置语料中分别获取具备POI查询意图类别、或者非POI查询意图类别的语句,作为正样本和反样本,并依据该正样本和该反样本训练对应的意图分类器。可选地,该意图分类器的类型可以包括:SVM(支持向量机,Support Vector Machine)、贝叶斯等,本发明实施例对于该意图分类器的具体类型不加以限制。
以上通过技术方案1、技术方案2和技术方案3对历史查询串是否具备POI查询意图的判断过程进行了详细介绍,可以理解,本领域技术人员可以根据实际应用需求采用上述技术方案1—技术方案3中的任一或者组合,或者,还可以采用其他技术方案,本发明实施例对于历史查询串是否具备POI查询意图的具体判断方案不加以限制。
在本发明的一种可选实施例中,上述POI特征词可以包括:单一POI词、POI品牌词和POI分类词中的至少一种,则所述单一POI词对应的POI查询热度可以为单一POI热度,所述POI品牌词对应的POI查询热度可以为POI品牌热度,所述POI分类词对应的POI查询热度可以为POI分类热度,也即,本发明实施例中POI查询热度的热度类型可以包括:单一POI热度、POI品牌热度和POI分类热度。现有方案仅能得到单一POI热度,而本发明实施例不仅可以得到单一POI热度,而且可以得到POI品牌热度和POI分类热度。
其中,单一POI热度可用来衡量POI被用户关注的热度值,例如,某POI量对应的用户查询量越大,则该POI的单一POI的热度值越高,反之,该POI的单一POI的热度值越低;POI品牌热度可用于某类POI代表的品牌被用户关注的热度值,例如“麦当劳(成府路店)”所代表的品牌为“麦当劳”;POI分类热度可用于表示某类POI代表的类别被用户关注的热度值,例如,“麦当劳(成府路店)”所代表的类别为“快餐厅”、或者“西式快餐厅”。
例如,可以对历史查询串“文津酒店”进行分词,以得到单一POI词“文津”和“酒店”,其中,“文津”和“酒店”分别为POI所属的品牌和类别,故可以作为POI品牌词和POI分类词。
在实际应用中,可以在依据预置POI词库获取得到单一POI词后,进一步分析单一POI词所属的品牌,以得到POI品牌词;或者,可以在依据预置POI词库获取得到单一POI词后,进一步分析单一POI词所属的类别,以得到POI分类词。
可选地,可以通过如下步骤获取所述POI分类词:将单一POI词与预置POI类别词库中的预置POI类别词进行匹配,若匹配成功,则将所述单一POI词作为POI分类词;和/或,可以依据所述单一POI词,在预置POI关键词与预置POI类别词之间的映射关系中进行查找,以得到所述单一POI词对应的POI分类词。也即,本发明实施例的POI分类词可以源自历史查询串包括的单一POI词,也可以源自依据单一POI词分析得到的词汇。
可选地,可以通过如下步骤获取所述POI品牌词:将单一POI词与预置POI品牌词库中的预置POI品牌词进行匹配,若匹配成功,则将所述单一POI词作为POI品牌词;和/或,可以依据所述单一POI词,在预置POI关键词与预置POI品牌词之间的映射关系中进行查找,以得到所述单一POI词对应的POI品牌词。也即,本发明实施例的POI品牌词可以源自历史查询串包括的单一POI词,也可以源自依据单一POI词分析得到的词汇。
当然,上述获取POI分类词和POI品牌词的方式只是作为可选实施例,实际上,本发明实施例的预置POI词库可以包括:预置单一POI词库、预置POI品牌词库和预置POI类别词库中的至少一种,则将所述目标词汇与预置POI词库中的预置POI关键词进行匹配后,即可得到单一POI词、POI品牌词和POI分类词中的至少一种。也即,本发明实施例的预置POI词库可以仅仅包括预置单一POI词库,此种情况下,预置POI词库与预置POI品牌词库和预置POI类别词库为相互独立的词库;或者,预置POI词库可以为预置POI品牌词库和预置POI类别词库的上位概括,可以理解,本发明实施例对于预置POI词库与预置POI品牌词库和预置POI类别词库之间的具体关系不加以限制。
在本发明的一种可选实施例中,上述具备POI查询意图的目标查询串可以包括:一元POI查询、二元POI查询、以及三元POI查询等查询。
其中,一元POI查询通常涉及一个POI特征词,例如,目标查询串“清华大学”、“七天”、“酒店”均为一元POI查询;二元POI查询通常涉及两个POI
特征词,例如,目标查询串“海淀区清华大学”、“成府路如家”均为二元POI查询;三元POI查询通常涉及单个POI特征词,比如“海淀区成府路清华大学”为三元POI查询,其中,该三元POI查询包含的3个POI特征词“海淀区”、“成府路”、“清华大学”分别代表POI的行政区划、成府路和学校属性。
参照表1,示出了本发明的一种历史查询串的查询意图类别及处理过程示例,其具体可以包括:
在本发明的另一种可选实施例中,为了提高POI分类词的分类精度,预置POI类别词库可以包括:多级预置POI分类词,例如,预置POI分类词的级别可以为3,分别为:大类、中类、小类。在本发明的一种应用示例中,POI大类可以包括:地名查询、道路及附属设施、餐饮美食、休闲娱乐、金融银行、酒店住宿、生活服务、场馆会所、公司企业、商圈购物、交通出行、教育培训、汽车服务、体育健身、医疗服务、展览参观、政府机构和旅游景点中的至少一种。
参照表2,示出了本发明的一种餐饮美食大类对应的POI中类和POI小类的结构示意,例如,“餐饮美食”、“中餐”、“川菜”之间为POI大类、POI中类和POI小类的关系。
表2
在步骤102从历史查询串中挖掘出POI特征词后,步骤103可以依据步骤102输出的POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度。该综合查询频度可以为对搜索频度和查询频度融合后的综合频度,例如,可以对一种预置平台得到的搜索频度与另一种预置平台得到的查询频度进行融合,以得到上述综合查询频度。POI特征词的综合查询频度可以指POI特征词的出现次数,或者,POI特征词的出现次数在所有历史查询串中的占比,本发明实施例对于POI特征词的综合查询频度的描述方式不加以限制。
其中,不同POI特征词可以对应不同的POI,则可以依据POI特征词的综合查询频度得到POI查询频度,并依据POI查询频度得到对应的POI查询热度。
以历史查询串“海淀区成府路清华大学”为例,假设通过分词处理得到其对应的3个POI特征词“海淀区”、“成府路”、“清华大学”,则该3个POI特征词“海淀区”、“成府路”、“清华大学”分别对应不同的POI,假设3个POI特征词的综合查询频度分别为F11、F12和F13,则可以分别依据F11、F12和F13得到对应的POI查询频度,此种情况下的POI查询频度包括单一POI频度。
以历史查询串“七天酒店”为例,由于无法对该历史查询串进行进一步分词处理,故该历史查询串包括1个POI特征词“七天酒店”,则该个POI特征词“七天酒店”对应1个POI,假设该POI特征词的综合查询频度为F21,则可以依据F21得到对应的POI查询频度,此种情况下的POI查询频度包括单一POI热度。进一步分析POI特征词“七天酒店”所属的类别和品牌,以得到POI分类词“快捷酒店”和POI品牌词“七天”,这样,历史查询串“七天酒店”的综合查询频度将对POI分类词“快捷酒店”和POI品牌词“七天”的综合查询频度作出贡献。
以历史查询串“望京七天”为例,其包括2个POI特征词“望京”和“七天”,则该2个POI特征词“望京”和“七天”分别对应不同的POI,假设2个POI特征词的综合查询频度分别为F31和F32,则可以分别依据F31和F32得到对应的POI查询频度,此种情况下将得到“望京”对应的单一POI热度和“七天”对应的POI品牌热度。
可以看出,本发明实施例可以分别对单一POI词、POI品牌词和POI分类词的综合查询频度进行统计,以得到对应的单一POI查询频度、POI品牌频度、以及POI分类频度,并进一步分别依据单一POI查询频度、POI品牌频度、以及POI分类频度,得到对应单一POI热度、POI品牌热度和POI分类热度。
在实际应用中,可以直接将POI查询频度作为POI查询热度,或者,可以将POI查询频度进行数据标准化处理,以得到POI查询热度。上述数据标准化处理可以将POI查询频度归一化至预设数值范围内,可以消除数据指标之间或者平台之间的量纲影响,以解决数据指标之间的可比性,也即,POI查询频度经过数据标准化处理后,各数据指标处于同一数量级,适合进行综合对比评价。可选地,上述预设数值范围为1~10,可以理解,本发明实施例对于具体的预设数值范围不加以限制。
在本发明的一种可选实施例中,将POI查询频度进行数据标准化处理的过程可以为:POI查询频度=m*log(POI查询频度),其中,可以根据实际应用需求确定m的值,以将POI查询频度归一化至预设数值范围内。
在本发明的一种可选实施例中,所述依据所述POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度的步骤103,可以包括:
针对单一类别的预置平台,依据其对应POI特征词的综合查询频度,确定所述POI特征词对应POI的分量POI查询热度;或者
针对单一类别的预置平台,依据其对应POI特征词的综合查询频度,确定所述POI特征词对应POI的分量POI查询热度;对多类别的预置平台对应的多种分量POI查询热度进行融合,以得到对应的融合POI查询热度。
本发明实施例中,单一类别是指预置平台的一个类别,多类别是指预置平台的多个类别。如LBS类别、或者搜索类别可以分别作为单一类别,而LBS类别和搜索类别可以作为多类别。例如,在多类别包括LBS类别和搜索类别时,可以确定LBS类别和搜索类别对应POI的分量POI查询热度A和分量POI查询热度B,并对分量POI查询热度A和分量POI查询热度B进行融合,以得到对应的融合POI查询热度。
可选地,对多类别的预置平台对应的多种分量POI查询热度进行融合的过程可以包括:对多类别的预置平台对应的多种分量POI查询热度进行加权平均处理,或者,对多类别的预置平台对应的多种分量POI查询热度进行线性回归分析,并对线性回归分析结果进行平滑处理,以保证最终的融合POI查询热度在预设数值范围之内。
在本发明的一种应用示例中,对多类别的预置平台对应的多种分量POI查询热度进行线性回归分析的公式可以表示为:
POIquery=log(m1POIA+m2POIB) (1)
其中,POIquery表示某个POI的查询热度,POIA表示通过一种类别的预置平台得到的某个POI的POI查询热度A,POIB表示通过另一种类别的预置平台得到的某个POI的查询热度B,m1、m2分别表示线性回归参数;
m1和m2可以为正数,在对多类别的预置平台对应的多种分量POI查询热度进行线性回归分析的过程中,可以依据大规模的POI特征词对应POI的分量POI查询热度A和分量POI查询热度B进行线性拟合,以得到能够保证公式(1)的线性关系的m1和m2值,最终可以得到各POI特征词对应的融合POI查询热度。
需要说明的是,本发明实施例得到的POI查询热度可以作为POI热度使用,也可以与通过其他方案得到的POI热度进行融合后使用,例如,可以将本发明实施例得到的POI查询热度与现有方案得到的POI点击热度进行融合,以得到融合后的POI热度,相应地,本发明实施例的方法还可以包括:对POI点击数据进行分析,以得到对应的POI点击热度;对所述POI查询热度与所述POI点击热度进行融合,以得到对应的POI热度。
其中,上述POI点击数据可以源自地图应用,通常用户在地图应用中点击特定的POI以得到上述POI点击数据,则通过分析上述POI点击数据,可以明确得到用户对POI的关心程度。
在本发明的一种可选实施例中,POI点击数据的触发场景可以包括多种,例如,该触发场景可以包括但不限于:用户搜索关键词提示(suggestion)点击、搜索结果页点击、历史记录点击、地图戳点点击、VR(垂直搜索结果,Vertical Result)点击和输入法智能提示点击中的至少一种,其中,VR点击指当用户在搜索应用中输入POI查询时,会给出地图展示结果;用户建议点击为,搜索应用对于搜索词的搜索建议词,例如当用户在搜索框中输入搜索词“北京”时,搜索框下面会提示“北京市”、“北京大学”等搜索建议词;地图戳点点击是指,当用户在浏览地图的时候,若对地图中某个POI感兴趣,则会对该POI进行点击操作;POI智能提示是指,在用户通过输入法应用输入的过程中,输入法应用智能地提示出与输入内容相关的POI。
在实际应用中,可以在上述触发场景中设置监控点,以通过该监控点监测对应触发场景下的POI点击操作,并在地图点击日志中记录该POI点击操作,则通过解析该地图点击日志可以得到用户在各种触发场景下的POI点击数据。可以理解,本发明实施例对于POI点击数据的具体获取方式不加以限制。
在实际应用中,对于对所述POI查询热度与所述POI点击热度进行融合的过程而言,由于其与多类别的预置平台对应的多种分量POI查询热度的融合过程类似,故在此不作赘述,相互参照即可。
在本发明的一种应用示例中,可以利用线性回归方式,对所述POI查询热度与所述POI点击热度进行融合,相应的融合过程可以表示为:
POIpop=log(m1POIA+m2POIB+m3POIC) (2)
其中,POIquery表示某个POI的热度,POIA表示通过一种类别的预置平台得到的某个POI的POI查询热度A,POIB表示通过另一种类别的预置平台得到的某个POI的查询热度B,POIC表示某POI的点击热度,m1、m2、m3分别表示线性回归参数,m1、m2、m3可以为正数,公式(2)可以依据大规模的POI特征词对应POI的分量POI查询热度A、分量POI查询热度B和POI点击热度C进行线性拟合,以得到能够保证公式(2)的线性关系的m1、m2和m3值,最终可以得到对应的POI热度。
本发明实施例得到的POI查询热度或者POI热度可被应用到地图搜索排序、地图渲染展示、地图导航推荐等任意的应用场景中。
在本发明的一种可选实施例中,本发明实施例得到的POI查询热度或者POI热度可以应用于POI分级保护的应用场景,相应地,本发明实施例的方法还可以包括:依据所述POI查询热度,确定POI所属的等级;依据POI所属的等级,对POI数据进行更新。例如,可以按照POI查询热度的数值,确定POI所属的等级,例如,上述等级的数量可以大于等于2,例如,可以将POI划分为3级,按照POI查询热度从小到大的顺序,将POI划分为1级、2级和3级,则在更新POI数据时,可以对POI查询热度较大的部分等级进行更新,例如可以仅仅更新POI查询热度最大的3级,也可以更新POI查询热度较大的3级和2级等。上述POI分级保护能够减少POI维护的数据量。
在本发明的其他实施例中,本发明实施例得到的POI查询热度或者POI热度可以应用于地图渲染分级显示的应用场景。相应地,在地图渲染过程中,可以按照POI查询热度从大到小的顺序,进行各级POI的渲染。例如,可以首选渲染POI查询热度最大的3级POI,接着渲染POI查询热度较大的2级POI,最后渲染POI查询热度最小的1级POI。或者,依据地图的视野,渲染并显示与该视野对应的POI等级。可选地,地图的视野越大,对应的POI等级越多,地图的视野越小,对应的POI等级越少,例如,地图的视野50m、100m和200m对应的POI等级分别为:{3级}、{3级、2级}、{3级、2级、1级}。上述地图渲染分级显示能够使展示的地图更加符合用户的层次需求。
综上,本发明实施例的数据处理方法,可以获取全网用户在预置平台中产生的历史查询串,从上述历史查询串中挖掘出POI特征词,进而依据上述POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度;由于上述历史查询串能够在一定程度上指向用户所关注的POI,且上述历史查询串可以源自任意预置平台,故本发明实施例能够突破用户使用方式和用户数量的限制,故本发明实施例可以基于历史查询串提高POI源数据的质量,因此能够准确客观地得到用户对于所关注的POI的重要程度也即POI查询热度,也即能够提高POI热度的客观性和准确度。
并且,相对于现有方案仅能得到单一POI热度的情形,本发明实施例不仅可以得到单一POI热度,而且可以得到POI品牌热度和POI分类热度,例如,可以在依据预置POI词库获取得到单一POI词后,进一步分析单一POI词所属的品牌,以得到POI品牌词,并依据该POI品牌词获得对应的POI品牌热度;或者,可以在依据预置POI词库获取得到单一POI词后,进一步分析单一POI词所属的类别,以得到POI分类词,并依据该POI分类词获得对应的POI分类热度。
方法实施例二
参照图2,示出了本发明的一种数据处理方法实施例二的步骤流程图,具体可以包括如下步骤:
步骤201、分别获取LBS平台的输入法日志、搜索平台的输入法日志和地图平台的地图点击日志;
参照图3,示出了本发明的一种获取输入法日志和地图点击日志的示意,其中,可以通过LBS平台的输入法日志获取用户在LBS平台产生的历史查询串,可选地,该LBS平台可以包括但不限于:地图类应用,如地图应用A、地图应用B、地图应用C、地图应用D、地图应用E等;打车类应用,如打车应用、租车应用等;生活服务类应用,如旅游应用、点评应用、房产中介应用等;可以通过搜索平台的输入法日志获取用户在搜索平台产生的历史查询串,可选地,该搜索平台可以包括但不限于:搜索平台A、搜索平台B等;可以通过地图点击日志获取用户在地图平台产生的历史查询串,可选地,该地图平台可以包括但不限于:地图平台A、地图平台B等。
在此通过步骤202—步骤207说明本发明的一种输入法日志和地图点击日志的处理过程,与步骤202—步骤207相应,参照图4,示出了本发明的一种输入法日志和地图点击日志的简化处理流程,也即,可以结合步骤202—步骤207和图4理解本发明的输入法日志和地图点击日志的处理过程。
步骤202、分别从LBS平台的输入法日志、搜索平台的输入法日志中提取历史查询串Qa和Qb;
步骤203、分别对历史查询串Qa和Qb进行解析,以得到对应的POI查询频度X和POI查询频度Y;
可选地,历史查询串Qa和Qb的解析过程可以包括:从历史查询串中获取具备POI查询意图的目标查询串;对所述目标查询串进行分词处理,以得到对应的目标词汇;将所述目标词汇与预置POI词库中的预置POI关键词进行匹配,若匹配成功,则将匹配成功的目标词汇作为POI特征词,并依据POI特征词的综合查询频度得到对应POI的POI查询频度。
步骤204、分别依据POI查询频度X和POI查询频度Y,得到对应的POI查询热度A和POI查询热度B;
在实际应用中,可以直接将POI查询频度作为POI查询热度,或者,可以将POI查询频度进行数据标准化处理,以将其归一化至预设数值范围内,可选地,上述预设数值范围为1~10,可以理解,本发明实施例对于具体的预设数值范围不加以限制。
步骤205、对地图点击日志进行解析,以得到上述地图点击日志对应POI的点击频度,也即POI点击频度Z;
步骤206、依据POI点击频度Z,得到对应的POI点击热度C;
对于依据POI点击频度Z得到POI点击热度C的过程而言,由于其与依据POI查询频度得到POI查询热度的过程类似,故在此不作赘述,相互参照即可。
步骤207、对POI查询热度A、POI查询热度B和POI点击热度C进行融合,以得到POI热度。
可选地,可以利用公式(2)对POI查询热度A、POI查询热度B和POI点击热度C进行线性拟合,以得到能够保证公式(2)的线性关系的m1、m2和m3值,最终可以得到对应的POI热度。
需要说明的是,本发明实施例得到的POI热度的热度类型可以包括:单一POI热度、POI品牌热度和POI分类热度,其中,POI品牌热度和POI分类热度分别表示用户对POI所属的品牌和POI所属的分类的关注程度。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的运动动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的运动动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的运动动作并不一定是本发明实施例所必须的。
装置实施例
参照图5,示出了本发明的一种数据处理装置实施例的结构框图,具体可以包括:查询串获取模块501、特征词挖掘模块502和热度确定模块503。
其中,查询串获取模块501,用于获取全网用户在预置平台中产生的历史查询串;所述预置平台可以包括:预置应用程序和预置网站;
特征词挖掘模块502,用于从所述历史查询串中挖掘出兴趣点POI特征词;
热度确定模块503,用于依据所述POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度。
可选地,所述预置平台的类别可以包括:基于位置的服务LBS类别、以及搜索类别。
可选地,所述特征词挖掘模块502可以包括:
分词子模块,用于对所述历史查询串进行分词处理,以得到对应的目标词汇;
第一匹配子模块,用于将所述目标词汇与预置POI词库中的预置POI关键词进行匹配,若匹配成功,则将匹配成功的目标词汇作为POI特征词。
可选地,所述装置还可以包括:
目标查询串获取模块,用于在所述分词子模块对所述历史查询串进行分词处理之前,从所述历史查询串中获取具备POI查询意图的目标查询串;
则所述分词子模块,具体用于对所述目标查询串进行分词处理,以得到对应的目标词汇。
可选地,所述POI特征词可以包括:单一POI词、POI品牌词和POI分类词中的至少一种,则所述单一POI词对应的POI查询热度为单一POI热度,所述POI品牌词对应的POI查询热度为POI品牌热度,所述POI分类词对应的POI查询热度为POI分类热度。
可选地,所述装置还可以包括:用于获取所述POI分类词的分类词获取模块;
所述分类词获取模块,可以包括:
第二匹配子模块,用于将单一POI词与预置POI类别词库中的预置POI类别词进行匹配,若匹配成功,则将所述单一POI词作为POI分类词;和/或
查找子模块,用于依据所述单一POI词,在预置POI关键词与预置POI类别词之间的映射关系中进行查找,以得到所述单一POI词对应的POI分类词。
可选地,所述热度确定模块503可以包括:
第一热度确定子模块,用于针对单一类别的预置平台,依据其对应POI特征词的综合查询频度,确定所述POI特征词对应POI的分量POI查询热度;或者
第二热度确定子模块,用于针对单一类别的预置平台,依据其对应POI特征词的综合查询频度,确定所述POI特征词对应POI的分量POI查询热度;对多类别的预置平台对应的多种分量POI查询热度进行融合,以得到对应的融合POI查询热度。
可选地,所述装置还可以包括:
等级确定模块,用于依据所述POI查询热度,确定POI所属的等级;
更新模块,用于依据POI所属的等级,对POI数据进行更新。
可选地,所述装置还可以包括:
点击热度获取模块,用于对POI点击数据进行分析,以得到对应的POI点击热度;
融合模块,用于对所述POI查询热度与所述POI点击热度进行融合,以得到对应的POI热度。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种用于数据处理的装置作为智能终端时的框图。例如,装置900可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,装置900可以包括以下一个或多个组件:处理组件902,存储器904,电源组件906,多媒体组件908,音频组件910,输入/输出(I/O)的接口912,传感器组件914,以及通信组件916。
处理组件902通常控制装置900的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件902可以包括一个或多个处理器920来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件902可以包括一个或多个模块,便于处理组件902和其他组件之间的交互。例如,处理组件902可以包括多媒体模块,以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在设备900的操作。这些数据的示例包括用于在装置900上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件906为装置900的各种组件提供电力。电源组件906可以包括电源管理***,一个或多个电源,及其他与为装置900生成、管理和分配电力相关联的组件。
多媒体组件908包括在所述装置900和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动运动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件908包括一个前置摄像头和/或后置摄像头。当设备900处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如,音频组件910包括一个麦克风(MIC),当装置900处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中,音频组件910还包括一个扬声器,用于输出音频信号。
I/O接口912为处理组件902和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器,用于为装置900提供各个方面的状态评估。例如,传感器组件914可以检测到设备900的打开/关闭状态,组件的相对定位,例如所述组件为装置900的显示器和小键盘,传感器组件914还可以检测装置900或装置900一个组件的位置改变,用户与装置900接触的存在或不存在,装置900方位或加速/减速和装置900的温度变化。传感器组件914可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件914还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件916被配置为便于装置900和其他设备之间有线或无线方式的通信。装置900可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件916经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件916还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器904,上述指令可由装置900的处理器920执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由智能终端的处理器执行时,使得智能终端能够执行一种数据处理方法,所述方法包括:获取全网用户在预置平台中产生的历史查询串;从所述历史查询串中挖掘出兴趣点POI特征词;依据所述POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度。
图7是根据一示例性实施例示出的一种用于数据处理的装置作为服务器时的框图。该服务器1900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以***处理器(central processing units,CPU)1922(例如,一个或一个以上处理器)和存储器1932,一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中,存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1922可以设置为与存储介质1930通信,在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926,一个或一个以上有线或无线网络接口1950,一个或一个以上输入输出接口1958,一个或一个以上键盘1956,和/或,一个或一个以上操作***1941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得服务器能够执行一种数据处理方法,所述方法包括:获取全网用户在预置平台中产生的历史查询串;从所述历史查询串中挖掘出兴趣点POI特征词;依据所述POI特征词的综合查询频度,确定所述POI特征词对应POI的POI查询热度。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
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。
以上对本发明所提供的一种数据处理方法、一种数据处理装置和一种用于数据处理的装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种数据处理方法,其特征在于,包括:
获取全网用户在预置平台中产生的历史查询串;所述预置平台包括:预置应用程序和预置网站;
从所述历史查询串中挖掘出兴趣点特征词;
依据所述兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的兴趣点查询热度。
2.根据权利要求1所述的方法,其特征在于,所述预置平台的类别包括:基于位置的服务LBS类别和搜索类别。
3.根据权利要求1所述的方法,其特征在于,所述从所述历史查询串中挖掘出兴趣点特征词的步骤,包括:
对所述历史查询串进行分词处理,以得到对应的目标词汇;
将所述目标词汇与预置兴趣点词库中的预置兴趣点关键词进行匹配,若匹配成功,则将匹配成功的目标词汇作为兴趣点特征词。
4.根据权利要求3所述的方法,其特征在于,在所述对所述历史查询串进行分词处理的步骤之前,所述方法还包括:
从所述历史查询串中获取具备兴趣点查询意图的目标查询串;
则所述对所述历史查询串进行分词处理的步骤为,对所述目标查询串进行分词处理,以得到对应的目标词汇。
5.根据权利要求1至4中任一所述的方法,其特征在于,所述兴趣点特征词包括:单一兴趣点词、兴趣点品牌词和兴趣点分类词中的至少一种,则所述单一兴趣点词对应的兴趣点查询热度为单一兴趣点热度,所述兴趣点品牌词对应的兴趣点查询热度为兴趣点品牌热度,所述兴趣点分类词对应的兴趣点查询热度为兴趣点分类热度。
6.根据权利要求5所述的方法,其特征在于,通过如下步骤获取所述兴趣点分类词:
将所述单一兴趣点词与预置兴趣点类别词库中的预置兴趣点类别词进行匹配,若匹配成功,则将所述单一兴趣点词作为兴趣点分类词;和/或
依据所述单一兴趣点词,在预置兴趣点关键词与预置兴趣点类别词之间的映射关系中进行查找,以得到所述单一兴趣点词对应的兴趣点分类词。
7.根据权利要求1至4中任一所述的方法,其特征在于,所述依据所述兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的兴趣点查询热度的步骤,包括:
针对单一类别的预置平台,依据其对应兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的分量兴趣点查询热度;或者
针对单一类别的预置平台,依据其对应兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的分量兴趣点查询热度;对多类别的预置平台对应的多种分量兴趣点查询热度进行融合,以得到对应的融合兴趣点查询热度。
8.根据权利要求1至4中任一所述的方法,其特征在于,所述方法还包括:
依据所述兴趣点查询热度,确定兴趣点所属的等级;
依据兴趣点所属的等级,对兴趣点数据进行更新。
9.根据权利要求1至4中任一所述的方法,其特征在于,所述方法还包括:
对兴趣点点击数据进行分析,以得到对应的兴趣点点击热度;
对所述兴趣点查询热度与所述兴趣点点击热度进行融合,以得到对应的兴趣点热度。
10.一种数据处理装置,其特征在于,包括:
查询串获取模块,用于获取全网用户在预置平台中产生的历史查询串;所述预置平台包括:预置应用程序和预置网站;
特征词挖掘模块,用于从所述历史查询串中挖掘出兴趣点兴趣点特征词;
热度确定模块,用于依据所述兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的兴趣点查询热度。
11.一种用于数据处理的装置,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取全网用户在预置平台中产生的历史查询串;所述预置平台包括:预置应用程序和预置网站;
从所述历史查询串中挖掘出兴趣点兴趣点特征词;
依据所述兴趣点特征词的综合查询频度,确定所述兴趣点特征词对应兴趣点的兴趣点查询热度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611220473.8A CN108241690A (zh) | 2016-12-26 | 2016-12-26 | 一种数据处理方法和装置、一种用于数据处理的装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611220473.8A CN108241690A (zh) | 2016-12-26 | 2016-12-26 | 一种数据处理方法和装置、一种用于数据处理的装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108241690A true CN108241690A (zh) | 2018-07-03 |
Family
ID=62702154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611220473.8A Pending CN108241690A (zh) | 2016-12-26 | 2016-12-26 | 一种数据处理方法和装置、一种用于数据处理的装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108241690A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740070A (zh) * | 2018-12-13 | 2019-05-10 | 平安科技(深圳)有限公司 | 基于智能穿戴设备的救助方法、装置及存储介质 |
CN109976905A (zh) * | 2019-03-01 | 2019-07-05 | 联想(北京)有限公司 | 内存管理方法、装置和电子设备 |
CN110781283A (zh) * | 2019-09-16 | 2020-02-11 | 腾讯大地通途(北京)科技有限公司 | 连锁品牌词库生成方法、装置以及电子设备 |
CN111126120A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 城市区域分类方法、装置、设备和介质 |
CN111767477A (zh) * | 2020-06-19 | 2020-10-13 | 北京百度网讯科技有限公司 | 一种检索方法、装置、电子设备和存储介质 |
CN111859060A (zh) * | 2020-01-10 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种信息查询方法、装置、电子设备和可读存储介质 |
CN118094017A (zh) * | 2024-04-23 | 2024-05-28 | 江西科技学院 | 一种基于大数据的活动推荐方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541936A (zh) * | 2010-12-31 | 2012-07-04 | 高德软件有限公司 | 兴趣点流行度获取方法和装置 |
CN102722838A (zh) * | 2012-05-25 | 2012-10-10 | 北京邮电大学 | 用于网站向用户推荐物品的方法和装置 |
US20140115055A1 (en) * | 2012-10-23 | 2014-04-24 | Dean Kenneth Jackson | Co-relating Visual Content with Geo-location Data |
CN104063383A (zh) * | 2013-03-19 | 2014-09-24 | 北京三星通信技术研究有限公司 | 信息推荐方法及装置 |
US20150213088A1 (en) * | 2012-11-30 | 2015-07-30 | Nokia Corporation | Method and apparatus for providing applications associated with location-based user-interfaces |
CN105701254A (zh) * | 2016-03-09 | 2016-06-22 | 北京搜狗科技发展有限公司 | 一种信息处理方法和装置、一种用于信息处理的装置 |
-
2016
- 2016-12-26 CN CN201611220473.8A patent/CN108241690A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541936A (zh) * | 2010-12-31 | 2012-07-04 | 高德软件有限公司 | 兴趣点流行度获取方法和装置 |
CN102722838A (zh) * | 2012-05-25 | 2012-10-10 | 北京邮电大学 | 用于网站向用户推荐物品的方法和装置 |
US20140115055A1 (en) * | 2012-10-23 | 2014-04-24 | Dean Kenneth Jackson | Co-relating Visual Content with Geo-location Data |
US20150213088A1 (en) * | 2012-11-30 | 2015-07-30 | Nokia Corporation | Method and apparatus for providing applications associated with location-based user-interfaces |
CN104063383A (zh) * | 2013-03-19 | 2014-09-24 | 北京三星通信技术研究有限公司 | 信息推荐方法及装置 |
CN105701254A (zh) * | 2016-03-09 | 2016-06-22 | 北京搜狗科技发展有限公司 | 一种信息处理方法和装置、一种用于信息处理的装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126120A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 城市区域分类方法、装置、设备和介质 |
CN111126120B (zh) * | 2018-11-01 | 2024-02-23 | 百度在线网络技术(北京)有限公司 | 城市区域分类方法、装置、设备和介质 |
CN109740070A (zh) * | 2018-12-13 | 2019-05-10 | 平安科技(深圳)有限公司 | 基于智能穿戴设备的救助方法、装置及存储介质 |
CN109740070B (zh) * | 2018-12-13 | 2024-05-07 | 平安科技(深圳)有限公司 | 基于智能穿戴设备的救助方法、装置及存储介质 |
CN109976905A (zh) * | 2019-03-01 | 2019-07-05 | 联想(北京)有限公司 | 内存管理方法、装置和电子设备 |
CN110781283A (zh) * | 2019-09-16 | 2020-02-11 | 腾讯大地通途(北京)科技有限公司 | 连锁品牌词库生成方法、装置以及电子设备 |
CN110781283B (zh) * | 2019-09-16 | 2023-12-08 | 腾讯大地通途(北京)科技有限公司 | 连锁品牌词库生成方法、装置以及电子设备 |
CN111859060A (zh) * | 2020-01-10 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种信息查询方法、装置、电子设备和可读存储介质 |
CN111767477A (zh) * | 2020-06-19 | 2020-10-13 | 北京百度网讯科技有限公司 | 一种检索方法、装置、电子设备和存储介质 |
CN111767477B (zh) * | 2020-06-19 | 2023-07-28 | 北京百度网讯科技有限公司 | 一种检索方法、装置、电子设备和存储介质 |
CN118094017A (zh) * | 2024-04-23 | 2024-05-28 | 江西科技学院 | 一种基于大数据的活动推荐方法及*** |
CN118094017B (zh) * | 2024-04-23 | 2024-07-05 | 江西科技学院 | 一种基于大数据的活动推荐方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108241690A (zh) | 一种数据处理方法和装置、一种用于数据处理的装置 | |
WO2021139701A1 (zh) | 一种应用推荐方法、装置、存储介质及电子设备 | |
US10635696B2 (en) | Keyword search queries on online social networks | |
US10528635B2 (en) | Blending by query classification on online social networks | |
CN110019645A (zh) | 索引库构建方法、搜索方法及装置 | |
CN106575503A (zh) | 用于对话理解***的会话上下文建模 | |
TWI540448B (zh) | 選擇搜尋引擎以對其提供搜尋查詢的方法及裝置 | |
CN104836720A (zh) | 交互式通信中进行信息推荐的方法及装置 | |
WO2021160157A1 (zh) | 群组展示方法及装置 | |
CN106302085A (zh) | 即时通讯群组的推荐方法及*** | |
CN108701143A (zh) | 促进图像在搜索查询中的使用 | |
CN108345610A (zh) | 一种获取数据资源的方法和装置、用于获取数据资源的装置 | |
CN108121736A (zh) | 一种主题词确定模型的建立方法、装置及电子设备 | |
CN107562939A (zh) | 垂直领域新闻推荐方法、装置及可读储存介质 | |
CN109791559A (zh) | 促进图像作为搜索查询的使用 | |
Crestani et al. | Mobile information retrieval | |
CN109325223A (zh) | 文章推荐方法、装置及电子设备 | |
CN111984749A (zh) | 一种兴趣点排序方法和装置 | |
CN109815396A (zh) | 搜索词权重确定方法及装置 | |
CN110222256A (zh) | 一种信息推荐方法、装置和用于信息推荐的装置 | |
CN109101505A (zh) | 一种推荐方法、推荐装置和用于推荐的装置 | |
CN108628813A (zh) | 处理方法和装置、用于处理的装置 | |
CN110110218A (zh) | 一种身份关联方法及终端 | |
CN110020106A (zh) | 一种推荐方法、推荐装置和用于推荐的装置 | |
Tan et al. | Preference-oriented mining techniques for location-based store search |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180703 |
|
RJ01 | Rejection of invention patent application after publication |