CN108415960B - 一种地理位置服务的实现方法及装置,电子设备 - Google Patents
一种地理位置服务的实现方法及装置,电子设备 Download PDFInfo
- Publication number
- CN108415960B CN108415960B CN201810119487.3A CN201810119487A CN108415960B CN 108415960 B CN108415960 B CN 108415960B CN 201810119487 A CN201810119487 A CN 201810119487A CN 108415960 B CN108415960 B CN 108415960B
- Authority
- CN
- China
- Prior art keywords
- location
- real
- geographical location
- feature
- geo
- 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
- G06F16/9535—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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请地理位置服务的实现方法,属于计算机技术领域,解决现有技术中基于地理位置提供相关服务的方法效果较差的问题。本申请实施例公开的地理位置服务的实现方法包括:确定地理位置服务请求中指定的实时地理位置的参考地理位置;根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务。本申请公开的地理位置服务的实现方法,通过结合预先确定的参考地理位置的预设信息,再结合请求地理位置服务的实时信息,动态确定提供地理位置服务所基于的多维度的地理位置特征,进一步提升了基于地理位置服务的实用性和准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种地理位置服务的实现方法及装置,电子设备。
背景技术
随着移动互联网技术的发展及LBS(Location Based Service)要素的引入,人们可以方便的通过移动设备访问网络,获取服务,由此而兴起了一批O2O(Online-to-Offline)本地生活化服务,这种模式的本质是使得用户和服务彼此之间更为便捷的发现。O2O平台为用户提供与场景相关的服务时,地理位置是O2O的一个基本属性。例如,在O2O平台为用户提供商户相关的服务时,通常采用的位置特征为用户位置和商户位置之间的直线距离或用户位置和商户位置之间行程距离,使得输出的与用户位置距离更近的商户,以提升用户体验。然而,单纯依赖直线距离存在一定的不合理性,例如,用户和商户之间直线距离虽然很短,但是用户和商户之间隔着一条很宽的河,要经过很远处的一座桥才能到达所述商户。相比用户位置和商户位置之间的直线距离,依据用户位置和商户位置之间行程距离提供地理位置相关的服务更合理一些,然而,目前行程距离只能通过调用地图服务获取,O2O搜索推荐在线调用地图服务耗时较长,不符合O2O搜索推荐场景下快速响应的要求。
可见,现有技术中基于地理位置提供相关服务的方法仍然存在由于确定的地理位置特征不合理或地理位置特征确定方法效率低下,导致提供的基于地理位置服务效果较差的缺陷。
发明内容
本申请提供一种地理位置服务的实现方法,至少解决现有技术中基于地理位置提供相关服务的方法效果较差的问题。
为了解决上述问题,第一方面,本申请实施例提供了一种地理位置服务的实现方法包括:
确定地理位置服务请求中指定的实时地理位置的参考地理位置;
根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务。
第二方面,本申请实施例提供了一种地理位置服务的实现装置,包括:
参考地理位置确定模块,用于确定地理位置服务请求中指定的实时地理位置的参考地理位置;
地理位置特征确定模块,用于根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务。
可选的,所述装置还包括参考地理位置信息挖掘模块,用于基于用户历史行为数据,确定参考地理位置对应的预设信息,其中,所述参考地理位置选自于所述用户历史行为数据中的地理位置。
可选的,所述参考地理位置信息挖掘模块进一步用于:
按照预设第一地理位置精度,确定候选参考地理位置;
根据地理位置,将用户历史行为数据聚合至相应所述候选参考地理位置;
按照预设第二地理位置精度,确定参考地理位置;
根据地理位置,将所述候选参考地理位置对应的用户历史行为数据聚合至相应的所述参考地理位置;
根据聚合至每个所述参考地理位置的用户历史行为数据,确定相应参考地理位置对应的预设信息;
其中,所述预设第一地理位置精度小于所述预设第二地理位置精度。
可选的,所述参考地理位置确定模块进一步用于:
通过动态画圈召回的方式,确定地理位置服务请求中指定的实时地理位置的参考地理位置;其中,所述动态画圈召回为根据预设评价指标调整地理区域范围,并召回所述地理区域范围内的参考地理位置。
可选的,所述通过动态画圈召回的方式,确定地理位置服务请求中指定的实时地理位置的参考地理位置,包括:
确定地理位置服务请求中指定的实时地理位置指定半径范围内的参考地理位置;
根据所述指定半径范围内的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度;
当所述热度和商户密度满足预设阈值条件时,确定所述指定半径范围内的参考地理位置,作为所述实时地理位置的参考地理位置。
可选的,所述根据所述指定半径范围内的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度之后,还包括:
当所述热度和商户密度不满足预设阈值条件时,按照预设规则调整所述指定半径范围,重复执行确定地理位置服务请求中指定的实时地理位置指定半径范围内的参考地理位置,至根据所述指定半径范围内的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度的步骤。
可选的,所述地理位置特征确定模块进一步用于:
根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征。
可选的,所述实时地理位置的特征包括:单一场景特征或复合场景特征;
所述单一场景特征包括以下任意一项:热门商户特征、倾向雷达特征、热度特征、商户密度特征、地理位置分类特征、跨城市属性特征、热门关键词特征、热门类目特征;
所述复合场景特征包括以下任意一项:分时段热门类目特征、分时段热门商户特征、分时段热门关键词特征、分类目热门商户特征、分类目热门关键词特征。
可选的,所述倾向雷达特征通过以下方式确定:
根据所述实时地理位置的参考地理位置对应的预设信息,确定每个商户与所述实时地理位置的直线距离和方向角;
根据所述直线距离和方向角,将所述商户映射到所述实时地理位置的雷达图的预设扇形块上;
对于每个所述扇形块,通过对映射到所述扇形块上的商户的预设商户行为进行聚合,确定所述扇形块的热度值;
将所述雷达图的每一个所述扇形块的热度值的列表,作为所述实时地理位置的倾向雷达特征。
可选的,所述跨城市属性特征通过以下方式确定:
根据所述实时地理位置的所有参考地理位置对应的预设商户行为次数和城市标识,确定每个所述参考地理位置的城市分布概率;
当所述城市分布概率满足预设概率阈值时,确定所述实时地理位置具有跨城市属性;
将满足预设条件的所述城市分布概率对应的城市标识的列表和指示所述实时地理位置具有跨城市属性的结果标识,作为所述实时地理位置的跨城市属性特征。
第三方面,本申请实施例还公开了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本申请实施例所述的地理位置服务的实现方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时本申请实施例公开的地理位置服务的实现方法的步骤。
本申请实施例公开的地理位置服务的实现方法,确定地理位置服务请求中指定的实时地理位置的参考地理位置;根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务,解决了现有技术中基于地理位置提供相关服务的方法效果较差的问题。本申请公开的地理位置服务的实现方法,通过结合预先确定的参考地理位置的预设信息,再结合请求地理位置服务的实时信息,动态确定提供地理位置服务所基于的多维度的地理位置特征,进一步提升了基于地理位置服务的实用性和准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例一的地理位置服务的实现方法流程图;
图2是本申请实施例二的地理位置服务的实现方法具体应用实施例流程图;
图3是本申请实施例三的地理位置服务的实现装置结构示意图之一;
图4是本申请实施例四的地理位置服务的实现装置结构示意图之二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一
本实施例公开的一种地理位置服务的实现方法,如图1所示,该方法包括:步骤110至步骤120。
步骤110,确定地理位置服务请求中指定的实时地理位置的参考地理位置。
具体实施时,地理位置服务请求中指定的实时地理位置为用户搜索请求中所含有的用户的当前地理位置,即用户的实时地理位置。当用户或应用向平台发起基于地理位置的搜索请求时,平台获取所述用户或应用的实时地理位置,然后,根据地理位置之间的距离,确定所述实时地理位置附近预设范围内的发生过预设用户行为的地理位置,作为所述实时地理位置的参考地理位置。其中,所述预设行为包括但不限于以下任意一项或多项:点击、购买、浏览、搜索。
具体实施时,所述预设范围可以为以所述实时地理位置为中心预设半径范围,也可以是根据预设指标确定的半径范围。其中,所述预设指标可以为所述预设范围内的商户热度、密集度等数据。
具体实施时,在确定所述实时地理位置附近预设范围内的发生过预设用户行为的地理位置时,首先需要获取用户的历史行为数据;然后,根据用户历史行为数据确定发生过预设用户行为的地理位置;最后,根据地理位置分布(如稀疏度、热度等)对地理位置进行聚类、筛选,确定参考地理位置,并根据地理位置进行聚类、筛选结果,对所述地理位置处的用户历史行为数据进行合并,确定相应参考地理位置的预设信息。具体实施时,每个参考地理位置将对应一组预设信息,每组预设信息有多个维度组成,每个维度可以为一个特征,也可以为特征列表。
具体实施时,所述预设信息包括但不限于以下任意一项或多项:纬度、经度、城市标识、不同时段的搜索关键词、不同时段的搜索关键词得点击数、搜索类目标识、搜索类目点击数统计、商户标识、商户点击数、商户下单数、商户位置经度、商户位置纬度、5星级商户数、4.5星级商户数、4星级商户数、3.5星级商户数、3星级商户数、3星级以下商户数、商户价格、地理位置类别、总uv(unique visitor独立用户)数、点击uv数、下单uv数、总pv(PageView访问)数、点击pv数、下单pv数等。
步骤120,根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务。
具体实施时,当用户或应用向平台发起基于地理位置的搜索请求时,用户搜索请求中会含有请求场景信息,所述请求场景信息用于指示所述实时地理位置的特征匹配条件,例如可以为:请求热门商户特征、请求热门关键词特征、请求热门关键词和热门商户的复合特征。所述预设信息为根据每个参考地理位置上的用户历史行为数据确定的用户行为和商户的预设指标的统计信息,例如:搜索信息、点击信息、浏览信息、商户类目等。
其中,所述实时地理位置的特征包括:单一场景特征或复合场景特征。所述请求场景信息用于指示所述实时地理位置的特征匹配条件。所述特征匹配条件包括:单一场景特征或复合场景特征提取需求。具体实施时,根据所述实时地理位置的请求场景信息中指示的特征匹配条件,如特征类别、特征匹配的时间段等,对所述参考地理位置对应的预设信息进行处理,得到请求的所述实时地理位置的特征。所述请求场景信息指示的特征匹配条件不同,生成的所述实时地理位置的特征不同,特征具体的提取方法也不同。
本申请实施例公开的地理位置服务的实现方法,通过确定地理位置服务请求中指定的实时地理位置的参考地理位置;根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务,解决了现有技术中基于地理位置提供相关服务的方法效果较差的问题。本申请公开的地理位置服务的实现方法,通过结合预先确定的参考地理位置的预设信息,再结合请求地理位置服务的实时信息,动态确定提供地理位置服务所基于的多维度的地理位置特征,进一步提升了基于地理位置服务的实用性和准确性。
实施例二
本实施例公开的一种地理位置服务的实现方法,如图2所示,该方法包括:步骤210至步骤240。
步骤210,基于用户历史行为数据,确定参考地理位置对应的预设信息。
其中,所述参考地理位置选自于所述用户历史行为数据中的地理位置。所述预设信息为根据每个参考地理位置上的用户历史行为数据确定的用户行为和商户的预设指标的统计信息,例如:搜索信息、点击信息、浏览信息、商户类目等。
通过对用户历史行为数据进行处理,确定提供地理位置服务的平台所有用户发生过行为的地理位置,并根据用户历史行为数据对所述地理位置进行筛选和合并,最后确定参考地理位置。然后,挖掘每个参考地理位置的预设信息,用于作为确定实时地理位置的特征的部分数据源。
具体实施时,所述基于用户历史行为数据,确定参考地理位置对应的预设信息,包括:按照预设第一地理位置精度,确定候选参考地理位置;根据地理位置,将用户历史行为数据聚合至相应所述候选参考地理位置;按照预设第二地理位置精度,确定参考地理位置;根据地理位置,将所述候选参考地理位置对应的用户历史行为数据聚合至相应的所述参考地理位置;根据聚合至每个所述参考地理位置的用户历史行为数据,确定相应参考地理位置对应的预设信息;其中,第一地理位置精度和第二地理位置精度表示两种坐标精度,所述预设第一地理位置精度小于所述预设第二地理位置精度。
首先,按照预设第一地理位置精度,确定候选参考地理位置。
每一条用户历史行为数据包括地理位置,所述地理位置可以通过经纬度坐标表示。经纬度坐标可以采用不同的精度表示。具体实施时,可以将预设第一地理位置精度设置为10米,然后,确定用户历史行为数据包括地理位置以10米精度表示的经纬度坐标作为候选参考地理位置。
然后,根据地理位置,将用户历史行为数据聚合至相应所述候选参考地理位置。
在根据地理位置,将用户历史行为数据聚合至相应所述候选参考地理位置时,将对应同一候选参考地理位置的用户历史行为数据合并为所述候选参考地理位置上的用户历史行为数据。例如,将同一个经纬度下,同一时间段内不同用户对同一商户的点击行为的用户历史行为数据进行简单叠加。以预设第一地理位置精度为10米举例,经纬度坐标后面第4位表示10米,用户历史行为数据在经纬度(31.2134,121.4235)上对某一商户A有两条用户历史行为数据分别对应pv(page view页面浏览量)1和2,则合并后得到经纬度(31.2134,121.4235)的地理位置上对商户A的pv等于3。
进一步的,为了提升确定的参考地理位置的准确性和可用性,减少稀疏数据对地理位置特征提取的影响,同时减少数据存储量,在进行初步数据合并之后,根据所述候选参考地理位置的热度和对应的用户历史行为数据稀疏度,对所述参考地理位置进行清洗。例如,对用户历史行为数据量少于一定数值的候选参考地理位置进行删除,以及,对热度小于预设热度阈值的候选参考地理位置进行删除。
之后,按照预设第二地理位置精度,确定参考地理位置。
为了减少数据量,进一步基于更大的地理范围进行数据合并。具体实施时,可以将预设第二地理位置精度设置为100米,确定经过清洗后的每个候选参考地理位置以100精度表示的经纬度坐标,分别作为参考地理位置。以候选地理位置(31.2134,121.4235)举例,其对应的参考地理位置经纬度为(31.213,121.423),即小数点后面保留3位小数。
再后,根据地理位置,将所述候选参考地理位置对应的用户历史行为数据聚合至相应的所述参考地理位置。
确定与同一个参考地理位置对应的热度低于预设热度值的候选参考地理位置,将这些候选参考地理位置上的用户历史行为数据进行合并,作为同一个参考地理位置上的用户历史行为数据。具体数据合并方法参见以预设第一地理位置精度进行数据合并,此处不再赘述。所述预设第二地理位置精度大于预设第一地理位置精度。
最后,根据聚合至每个所述参考地理位置的用户历史行为数据,确定相应参考地理位置对应的预设信息。
经过数据清洗和合并,每个参考地理位置对应至少一条合并后的用户历史行为数据,所述用户历史行为数据中的各字段表示该条用户历史行为数据对应的参考地理位置上用户行为、商户等信息,例如:用户点击行为的时间、次数、商户热度、类别属性等。通过对每个参考地理位置对应的用户历史行为数据进行处理分析,可以得到相应参考地理位置对应的预设信息。
具体实施时,所述根据聚合至每个所述参考地理位置的用户历史行为数据,确定相应参考地理位置对应的预设信息,包括:按照用户历史行为数据的时间戳由先到后的顺序,为聚合至每个所述参考地理位置上的每条用户历史行为数据设置由小到大的可信度权重;根据每个所述参考地理位置上的每条用户历史行为数据及相应的可信度权重,分别确定相应参考地理位置的预设信息。
对于一个地理位置点的历史行为数据,时间戳越近,数据的可参考性越高,即可信度越高,因此,按照用户历史行为数据的时间戳由先到后的的顺序,为每个参考地理位置对应的每条用户历史行为数据设置由小到大的可信度权重。例如,对于一个地理位置点,今天点击一家商户和一个月前在这个地理位置上也点击过同一家商户的用户行为,这两个点击行为在计算该地理位置的点击行为得分时,打分会有时间衰减,今天的点击行为打分会比1个月前的点击行为打分要高。
然后,根据聚合至每个参考地理位置的用户历史行为数据及相应的可信度权重,分别确定相应参考地理位置的预设信息。例如每个参考地理位置的预设信息,包括:纬度、经度、城市标识、时段1搜索关键词、时段2搜索关键词、时段3搜索关键词、时段4搜索关键词、时段1搜索关键词点击数、时段2搜索关键词点击数、时段3搜索关键词点击数、时段4搜索关键词点击数、搜索类目标识、搜索类目点击数统计、商户标识、商户点击数、商户下单数、商户位置经度、商户位置纬度、5星级商户数、4.5星级商户数、4星级商户数、3.5星级商户数、3星级商户数、3星级以下商户数、商户价格、地理位置类别、总uv数、点击uv数、下单uv数、总pv数、点击pv数、下单pv数。
基于用户历史行为数据的可信度权重,确定每个参考地理位置对应的预设信息的具体方法,可参见现有技术,与现有技术的不同之处在于计算每条数据的各字段得分时,乘以相应的可信度权重,本申请不再赘述。确定的参考地理位置及每个参考地理位置对应的预设信息,将用作确定实时地理位置的特征的一部分数据源。
步骤220,获取接收到的地理位置服务请求中指定的实时地理位置和请求场景信息。
以应用请求基于地理位置的搜索服务为例,当用户通过客户端输入执行搜索操作时,搜索服务平台将接收到所述客户端发送的地理位置服务请求,通常,所述地理位置服务请求包括所述客户端所在设备的实时地理位置。所述实时地理位置是由所述客户端调用运行所述客户端的***接口,获取的所述***的宿主设备(如用户使用的移动终端)的实时地理位置。具体实施时,所述实时地理位置可以通过经纬度坐标表示。
优选的,所述搜索服务平台还需要客户端发送所述地理位置服务请求的请求场景信息。所述请求场景信息用于指示所述实时地理位置的特征匹配条件。具体实施时,所述特征匹配条件包括:单一场景特征或复合场景特征提取需求。其中,所述单一场景特征包括以下任意一项:热门商户特征、倾向雷达特征、热度特征、商户密度特征、地理位置分类特征、跨城市属性特征、热门关键词特征、热门类目特征;所述复合场景特征提取需求包括以下任意一项:叠加至少两项所述单一场景特征、叠加至少一项所述单一场景特征和时间段。例如,所述请求场景信息为热门商户特征的预设标识,用于指示获取所述实时地理位置的热门商户特征。再例如,所述请求场景信息包括:时间段和热门类目特征的预设标识,用于指示获取所述实时地理位置的所属时间段的热门类目特征。
步骤230,确定地理位置服务请求中指定的实时地理位置的参考地理位置。
本申请具体实施时,基于实时地理位置周边的其他地理位置的历史数据和请求场景信息,确定地理位置的特征。具体实施时,所述确定地理位置服务请求中指定的实时地理位置的参考地理位置,包括:通过动态画圈召回的方式,确定地理位置服务请求中指定的实时地理位置的参考地理位置。其中,所述动态画圈召回为根据预设评价指标调整地理区域范围,并召回所述地理区域范围内的参考地理位置。其中,所述预设评价指标包括但不限于实时地理位置的热度和商户密度。
具体实施时,所述通过动态画圈召回的方式,确定地理位置服务请求中指定的实时地理位置的参考地理位置,包括:确定地理位置服务请求中指定的实时地理位置指定半径范围内的参考地理位置;根据所述指定半径范围内的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度;当所述热度和商户密度满足预设阈值条件时,确定所述指定半径范围内的参考地理位置,作为所述实时地理位置的参考地理位置。
具体实施时,根据地理位置服务的具体需求,可以预先设置指定半径初始值,例如,将指定半径初始值设置为100米。在获取到实时地理位置之后,可以确定一个以实时地理位置为圆心,指定半径为100米确定一个圆形地理范围,将该圆形地理范围内的参考地理位置,作为所述实时地理位置的参考地理位置,用于作为提取地理位置特征的一部分数据源。
然后,根据所述指定半径范围内的所述参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度。
对于热门的地理位置点,用户数据密集,画圈半径比较小就可以获取足够的数据量,以使得获取的数据足够反映该实时地理位置的特点,对于冷门的地理位置点,画圈半径比较大才可以获取足够的数据量。所以,需要首先根据确定的圆形地理范围内召回的各位置点上的数据进行在线聚合,所述圆形地理范围的热度和商户密度,即所述实时地理位置的热度和商户密度,并确定是否进行二次画圈召回,以及二次召回的画圈半径大小。具体实施时,热度可以通过如下公式计算:热度=点击uv*0.8+下单uv*1.2,其中,点击uv为召回的所有参考地理位置的点击uv之和,下单uv为召回的所有参考地理位置的下单uv之和。商户密度可以通过统计召回的每个参考地理位置上不同星级的商户总个数,然后将商户个数除以召回对应的圆形地理范围的面积,得到商户密度。
进一步的,在根据所述指定半径范围内的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度之后,当所述热度和商户密度不满足预设阈值条件时,按照预设规则调整所述指定半径范围,重复执行确定地理位置服务请求中指定的实时地理位置指定半径范围内的参考地理位置,至根据所述指定半径范围内的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度的步骤。
当所述热度和商户密度不满足预设阈值条件时,如小于预设热度阈值和商户密度阈值,则说明本次召回的圆形地理范围的参考地理位置的数据量不足以确定实时地理位置的特点,则按照预设规则调整所述指定半径范围,如按照预设梯度,将半径增加100米,按照指定半径等于200米,重复执行确定请求地理位置服务的实时地理位置指定半径范围内的所述参考地理位置。并再一次根据所述指定半径范围内的所述参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度,并进行判断,直至所述热度和商户密度满足预设阈值条件。
当所述热度和商户密度满足预设阈值条件时,确定所述指定半径范围内的所述参考地理位置,作为所述实时地理位置的所述参考地理位置。当所述热度和商户密度满足预设阈值条件时,说明本次画圈召回的参考地理位置数据足够反映所述实时地理位置的特点,接下来可以根据召回的参考地理位置的相关数据和当前地理位置服务请求的请求场景信息,确定所述实时地理位置的特征。
具体实施时,所述热度和商户密度的预设阈值条件根据实际测试的数据分布情况确定。调整所述指定半径的预设规则可以为按照100米或其他步长递增半径。
步骤240,根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务。
其中,所述实时地理位置的特征包括:单一场景特征或复合场景特征。现有技术中,用于实现基于地理位置服务的地理位置特征只有直线距离或行程距离,基于单一的地理位置特征实现基于地理位置的服务导致了基于地理位置服务的实用性较差,准确性不高。本申请由于结合了一定地理范围内的参考地理位置的数据确定地理位置特征,因此可以确定丰富的地理位置特征,用于实现基于地理位置服务。同时,为了进一步提升基于地理位置服务的准确性和实用性,本申请具体实施时,进一步结合地理位置服务请求的请求场景信息,确定用于请求场景信息的地理位置特征。所述根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,包括:根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征。
所述请求场景信息用于指示所述实时地理位置的特征匹配条件。具体实施时,所述特征匹配条件包括:单一场景特征或复合场景特征提取条件。其中,所述单一场景特征包括以下任意一项:热门商户特征、倾向雷达特征、热度特征、商户密度特征、地理位置分类特征、跨城市属性特征、热门关键词特征、热门类目特征。所述复合场景特征提取条件包括以下任意一项:组成复合场景的单一场景分别对应的单一场景特征、组成复合场景的单一场景分别对应的单一场景特征和时间段。
具体实施时,所述实时地理位置的特征包括:单一场景特征或复合场景特征。当所述请求场景信息指定的特征匹配条件为一个单一场景时,例如,所述请求场景信息为预设的一个单一场景特征时,所述根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征,包括:根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的单一场景特征。
下面,举例说明各项单一场景特征的含义和具体提取方法。
1、热门商户特征
热门商户特征用于表示所述实时地理位置附近的热门商户。具体实施时,根据画圈召回的所述实时地理位置的所有参考地理位置中,每个位置点的预设信息,如每个位置点上的商户的浏览、点击、购买数量等数据,计算热门商户特征。例如,通过如下公式计算每个商户的热度得分:score=a*点击pv数+b*点击uv数+c*下单pv数。然后,将热度得分topN的商户作为所述实时地理位置的热门商户特征。其中,a、b和c为不同预设信息的权重,根据实际业务需要设置;点击pv数、点击uv数和下单pv数为所述实时地理位置的所有参考地理位置的相应预设信息之和。
2、倾向雷达特征
倾向雷达特征用于指示雷达图上每一块扇形上的热度大小。当所述单一场景特征包括倾向雷达特征时,所述根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征,包括:根据所述实时地理位置的参考地理位置对应的预设信息,确定每个商户与所述实时地理位置的直线距离和方向角;根据所述直线距离和方向角,将所述商户映射到所述实时地理位置的雷达图的预设扇形块上;对于每个所述扇形块,通过对映射到所述扇形块上的商户的预设商户行为进行聚合,确定所述扇形块的热度值;将所述雷达图的每一个所述扇形块的热度值的列表,作为所述实时地理位置的倾向雷达特征。
具体实施时,预设商户行为可以为点击、浏览、购买商户的行为。根据画圈召回的所述实时地理位置的所有参考地理位置的预设信息,通过对相同商户浏览、点击、购买行为进行累加,确定每个商户的预设商户行为。然后,计算召回的所有候选地理位置上每个商户的地理位置和所述实时地理位置的直线距离和方向角,根据所述直线距离和方向角,将每个商户映射到以所述实时地理位置为中心的雷达图上。最后,对于雷达图上每块扇形上的商户和商户行为分别进行聚合计算,得到每块扇形上的一个热度值。所述聚合计算可以为将同一扇形块内的所有商户的预设商户行为累加。将雷达图上每一块扇形上对应的热度值的列表作为所述实时地理位置的倾向雷达特征。
3、热度特征
热度特征包括绝对热度、相对热度和分时段热度,用于指示所述实时地理位置的热度。具体实施时,根据画圈召回的所述实时地理位置的所有参考地理位置的预设信息,通过如下公式计算:热度=点击uv*0.8+下单uv*1.2,其中,点击uv为所有参考地理位置的点击uv之和,下单uv为所有参考地理位置的下单uv之和。绝对热度即热度绝对值,相对热度是将热度值除以当前城市的所有地理位置整体热度后并进行归一化后的热度值,分时段热度是只统计指定时间段的数据计算得到的热度值。具体实施时,将归一化之后的范围在0-1的热度值作为所述实时地理位置的热度特征。
4、商户密度特征
商户密度特征用于指示所述实时地理位置附近的商户分布密度。当所述单一场景特征包括商户密度特征时,所述根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征,包括:根据画圈召回的所述实时地理位置的参考地理位置对应的预设信息,确定每个所述参考地理位置上不同星级的商户总个数;计算所有所述参考地理位置上不同星级的商户总个数;将每个星级的商户总个数除以所述实时地理位置指定半径范围的面积得到的每个星级对应的商户密度,作为所述实时地理位置的商户密度特征。
具体实施时,根据画圈召回的所述实时地理位置的所有参考地理位置的预设信息计算每个参考地理位置上不同星级的商户总个数,然后,将商户个数除以召回对应的圆形地理范围的面积,得到商户密度。例如,首先对于每个参考地理位置上的商户,首先分星级统计商户个数,例如三星商户3个,四星商户4个等等,将分星级的商户个数除以本次召回的圆形地理范围的面积,即得到分星级统计商户密度。进一步的,将每个参考地理位置上的所有星级商户的总个数,除以本次召回的圆形地理范围的面积,即得到总体商户密度。将分星级计算得到的对应星级的值为0-1的商户密度作为所述实时地理位置的商户密度特征。
5、地理位置分类特征
地理位置分类特征用于指示所述实时地理位置所在区域的类别,如所述实时地理位置位于学校区域、商场区域等。具体实施时,当所述单一场景特征包括地理位置分类特征时,所述根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征,包括:根据画圈召回的所述实时地理位置的所有参考地理位置对应的地理位置类别特征,确定所述参考地理位置分类的概率分布;确定最高概率对应的地理位置类别,作为所述实时地理位置的地理位置类别;将所述实时地理位置的地理位置类别和该地理位置类别对应的概率值,作为所述实时地理位置的地理位置分类特征。
例如,计算所述所述实时地理位置的所有参考地理位置中属于商场、机场、学校等等类别的地理位置的概率分布,如果参考地理位置中,属于商场类别的位置点最多,则确定所述实时地理位置的地理位置分布特征为商场。具体实施时,将判断得到的位置类别、及对应的概率值作为所述实时地理位置的地理位置分类特征。
6、跨城市属性特征
跨城市属性用于指示所述实时地理位置是否支持跨城市的服务以及可跨入的城市。具体实施时,当所述单一场景特征包括跨城市属性特征时,根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征,包括:根据所述实时地理位置的所有参考地理位置对应的预设商户行为次数和城市标识,确定每个所述参考地理位置的城市分布概率;当所述城市分布概率满足预设概率阈值时,确定所述实时地理位置具有跨城市属性;将满足预设条件的所述城市分布概率对应的城市标识的列表和指示所述实时地理位置具有跨城市属性的结果标识,作为所述实时地理位置的跨城市属性特征。
首先,根据画圈召回的所述实时地理位置的所有参考地理位置的预设信息中的点击、浏览、下单数据等,统计每个参考地理位置上点击、浏览、下单行为的次数和城市标识,确定这些用户历史行为数据中商户的城市分布,例如,确定每个参考地理位置上的跨城市预设商户行为(如点击、浏览、下单行为)次数。然后,根据每个参考地理位置上的跨城市行为次数,确定可跨入的城市的跨城市概率。最后,根据所述跨城市概率确定所述实时地理位置是否具有跨城市属性,以及所述实时地理位置对应的可跨入的城市。例如,所述实时地理位置为苏州昆山花桥,所在城市为苏州,而“苏州昆山花桥”的参考地理位置中,有60%的商家是上海市的,则说明“苏州昆山花桥”具备跨城市属性,可跨入城市包括上海。基于地理位置服务推荐“苏州昆山花桥”关联的商户时,则会出现上海市的商户。具体实施时,将计算得到的是否具有跨城市属性的结果标识,以及跨入的城市标识作为所述实时地理位置的跨城市属性特征。
7、热门关键词特征
热门关键词用于指示所述实时地理位置附近的服务涉及的热门关键词。具体实施时,根据画圈召回的所述实时地理位置的所有参考地理位置的预设信息中的搜索关键词进行统计聚合,将出现次数最多的topN个搜索关键词的列表,作为所述实时地理位置的热门关键词特征。
8、热门类目特征
热门类目用于指示所述实时地理位置附近的服务涉及的商品的热门类目。具体实施时,根据画圈召回的所述实时地理位置的所有参考地理位置的预设信息中的搜索类目标识进行统计聚合,将出现次数最多的topN个搜索类目的列表,作为所述实时地理位置的热门类目特征。
具体实施时,所述实时地理位置的特征不限于以上几种,还可以包括其他特征。每种特征的确定方法也不限于本申请实施例中例举的方法。
具体实施时,所述复合场景特征包括但不限于以下任意一项:分时段热门类目特征、分时段热门商户特征、分时段热门关键词特征、分类目热门商户特征、分类目热门关键词特征。所述复合场景特征是根据所述请求场景信息中指定的复合场景特征提取条件确定的。所述复合场景特征提取条件包括以下任意一项:组成复合场景的单一场景分别对应的单一场景特征、组成复合场景的单一场景分别对应的单一场景特征和时间段。当所述请求场景信息为复合场景特征提取条件时,所述根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征,包括:根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的复合场景特征。
下面,举例说明复合场景特征的含义和具体提取方法。
1、分时段热门商户特征
分时段热门商户特征用于指示所述实时地理位置附近的指定时段的热门商户。例如,当请求场景信息中的复合场景特征提取条件为:时间段和热门商户特征时,首先,根据指定的时间段,从画圈召回的所述实时地理位置的参考地理位置对应的预设信息中,筛选出对应时间段的商户信息;然后,将筛选之后的商户信息按照前述确定热门商户特征的方法计算每个商户的热度得分;最后,获取所述热度得分topN的商户的列表作为所述实时地理位置的分时段热门商户特征。
2、分类目热门商户特征
分类目热门商户特征用于指示所述实时地理位置附近的指定类目的热门商户。例如,当请求场景信息中的复合场景特征提取条件为:叠加类目特征和热门商户特征时,首先,根据指定的类目特征,如类目标识,从所述实时地理位置的参考地理位置对应的预设信息中,筛选出对应类目的商户信息;然后,将筛选之后的商户信息按照前述确定热门商户特征的方法计算每个商户的热度得分;最后,获取所述类目下热度得分topN的商户的列表作为所述实时地理位置的分类目热门商户特征。
具体实施时,本申请中所述的复合场景特征还可以通过其他方法获得,本实施例中仅仅是一个可是闲的例子,不应构成对复合场景特征获取方法的限定。
最后,将确定的所述实时地理位置的特征进一步返回至发起地理位置服务请求的客户端,由所述客户端将所述所述实时地理位置的特征输入到地理位置服务平台的搜索或排序模型中,参与搜索排序,以实现基于所述实时地理位置的服务。
具体实施时,参考地理位置的预设信息通过离线挖掘,以索引表的形式存储在地理位置服务平台的数据库中,确定实时地理位置特征时可以读取该索引表获取参考地理位置的预设信息,并经过简单计算,确定所述实时地理位置的多种特征,不需要调用第三方接口,如不需要调用地图或导航接口计算行程距离,在提高地理位置服务准确性和实用性的同时,提升了地理位置服务的时效性,用户体验更好。
本申请实施例公开的地理位置服务的实现方法,通过基于用户历史行为数据,确定参考地理位置对应的预设信息;在获取到的地理位置服务请求的实时地理位置和请求场景信息之后,确定地理位置服务请求中指定的实时地理位置的参考地理位置;根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务,解决了现有技术中基于地理位置提供相关服务的方法效果较差的问题。本申请公开的地理位置服务的实现方法,通过结合离线数据确定地理位置的预设信息,再结合请求地理位置服务的实时信息,确定提供地理位置服务所基于的多维度的地理位置特征,准确反映地理位置的特点,进一步提升了基于地理位置服务的实用性和准确性。通过结合请求场景信息,动态确定实时地理位置的特征,有针对性的返回地理位置特征,进一步提升了基于地理位置服务的实用性和准确性。上层应用可以根据实际需要调整地理位置服务请求中的请求场景信息,从而获取更加丰富的地理位置特征。
通过动态画圈召回参考地理位置,以保证足够的参考数据量,进一步提升地理位置特征提取的准确性。
实施例三
本实施例公开的一种地理位置服务的实现装置,如图3所示,所述装置包括:
参考地理位置确定模块310,用于确定地理位置服务请求中指定的实时地理位置的参考地理位置;
地理位置特征确定模块320,用于根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务。
本申请实施例公开的地理位置服务的实现装置,通过确定地理位置服务请求中指定的实时地理位置的参考地理位置;根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务,解决了现有技术中基于地理位置提供相关服务的方法效果较差的问题。本申请公开的地理位置服务的实现装置,通过结合预先确定的参考地理位置的预设信息,再结合请求地理位置服务的实时信息,动态确定提供地理位置服务所基于的多维度的地理位置特征,进一步提升了基于地理位置服务的实用性和准确性。
可选的,如图4所示,所述装置还包括:
参考地理位置信息挖掘模块300,用于基于用户历史行为数据,确定参考地理位置对应的预设信息,其中,所述参考地理位置选自于所述用户历史行为数据中的地理位置。
其中,所述参考地理位置选自于所述用户历史行为数据中的地理位置。所述预设信息为根据每个参考地理位置上的用户历史行为数据确定的用户行为和商户的预设指标的统计信息,例如:搜索信息、点击信息、浏览信息、商户类目等。
可选的,所述参考地理位置信息挖掘模块300进一步用于:
按照预设第一地理位置精度,确定候选参考地理位置;
根据地理位置,将用户历史行为数据聚合至相应所述候选参考地理位置;
按照预设第二地理位置精度,确定参考地理位置;
根据地理位置,将所述候选参考地理位置对应的用户历史行为数据聚合至相应的所述参考地理位置;
根据聚合至每个所述参考地理位置的用户历史行为数据,确定相应参考地理位置对应的预设信息;
其中,所述预设第一地理位置精度小于所述预设第二地理位置精度。
可选的,所述参考地理位置信息挖掘模块300还用于:根据所述候选参考地理位置的热度和对应的用户历史行为数据稀疏度,对所述参考地理位置进行清洗。
通过按照由小到大的地理位置精度对地理位置进行聚合,可以减少数据存储量,同时,减少稀疏数据或热度较低的地理位置对地理位置特征提取的影响,可以提升参考地理位置的准确性和可用性。
可选的,所述参考地理位置确定模块310进一步用于:
通过动态画圈召回的方式,确定地理位置服务请求中指定的实时地理位置的参考地理位置。其中,所述动态画圈召回为根据预设评价指标调整地理区域范围,并召回所述地理区域范围内的参考地理位置。其中,所述预设评价指标包括但不限于实时地理位置的热度和商户密度。
可选的,所述通过动态画圈召回的方式,确定地理位置服务请求中指定的实时地理位置的参考地理位置,包括:
确定地理位置服务请求中指定的实时地理位置指定半径范围内的参考地理位置;
根据所述指定半径范围内的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度;
当所述热度和商户密度满足预设阈值条件时,确定所述指定半径范围内的参考地理位置,作为所述实时地理位置的参考地理位置。
可选的,所述根据所述指定半径范围内的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度之后,还包括:
当所述热度和商户密度不满足预设阈值条件时,按照预设规则调整所述指定半径范围,重复执行确定地理位置服务请求中指定的实时地理位置指定半径范围内的参考地理位置,至根据所述指定半径范围内的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度的步骤。
通过动态画圈召回参考地理位置,以保证足够的参考数据量,进一步提升地理位置特征提取的准确性。
可选的,所述地理位置特征确定模块320进一步用于:
根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征。
优选的,所述搜索服务平台还需要客户端发送所述地理位置服务请求的请求场景信息。所述请求场景信息用于指示所述实时地理位置的特征匹配条件。具体实施时,所述特征匹配条件包括:单一场景特征或复合场景特征提取需求。其中,所述复合场景特征提取需求包括以下任意一项:叠加至少两项所述单一场景特征、叠加至少一项所述单一场景特征和时间段。
可选的,所述实时地理位置的特征包括:单一场景特征或复合场景特征;
所述单一场景特征包括以下任意一项:热门商户特征、倾向雷达特征、热度特征、商户密度特征、地理位置分类特征、跨城市属性特征、热门关键词特征、热门类目特征;所述复合场景特征包括以下任意一项:分时段热门类目特征、分时段热门商户特征、分时段热门关键词特征、分类目热门商户特征、分类目热门关键词特征。
可选的,所述倾向雷达特征通过以下方式确定:
根据所述实时地理位置的参考地理位置对应的预设信息,确定每个商户与所述实时地理位置的直线距离和方向角;
根据所述直线距离和方向角,将所述商户映射到所述实时地理位置的雷达图的预设扇形块上;
对于每个所述扇形块,通过对映射到所述扇形块上的商户的预设商户行为进行聚合,确定所述扇形块的热度值;
将所述雷达图的每一个所述扇形块的热度值的列表,作为所述实时地理位置的倾向雷达特征。
可选的,所述跨城市属性特征通过以下方式确定:
根据所述实时地理位置的所有参考地理位置对应的预设商户行为次数和城市标识,确定每个所述参考地理位置的城市分布概率;
当所述城市分布概率满足预设概率阈值时,确定所述实时地理位置具有跨城市属性;
将满足预设条件的所述城市分布概率对应的城市标识的列表和指示所述实时地理位置具有跨城市属性的结果标识,作为所述实时地理位置的跨城市属性特征。
具体实施时,其他各种单一场景特征和复合场景特征的确定方法参见方法实施例部分,本实施例不再赘述。
本申请公开的地理位置服务的实现装置,通过结合离线数据确定地理位置的预设信息,再结合请求地理位置服务的实时信息,确定提供地理位置服务所基于的多维度的地理位置特征,准确反映地理位置的特点,进一步提升了基于地理位置服务的实用性和准确性。通过结合请求场景信息,动态确定实时地理位置的特征,有针对性的返回地理位置特征,进一步提升了基于地理位置服务的实用性和准确性。上层应用可以根据实际需要调整地理位置服务请求中的请求场景信息,从而获取更加丰富的地理位置特征。
相应的,本申请还公开了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例一和实施例二所述的地理位置服务的实现方法。所述电子设备可以为PC机、移动终端、个人数字助理、平板电脑等。
本申请还公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例一和实施例二所述的地理位置服务的实现方法的步骤。
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。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。
以上对本申请提供的一种地理位置服务的实现方法及装置进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
Claims (13)
1.一种地理位置服务的实现方法,其特征在于,包括:
基于用户历史行为数据,确定参考地理位置对应的预设信息,其中,所述参考地理位置选自于实时地理位置附近预设范围内发生过预设用户行为的地理位置,所述发生过预设用户行为的地理位置是根据所述用户历史行为数据确定的;
获取接收到的地理位置服务请求中指定的实时地理位置和请求场景信息;
确定所述地理位置服务请求中指定的所述实时地理位置的所述参考地理位置,其中,所述参考地理位置是通过动态画圈召回的方式确定的,所述动态画圈召回为根据预设评价指标调整地理区域范围,并召回所述地理区域范围内的所述参考地理位置;
根据所述地理位置服务请求中指定的所述请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务;
其中,所述请求场景信息用于指示所述实时地理位置的特征匹配条件;所述预设信息为根据每个所述参考地理位置上的所述用户历史行为数据确定的用户行为和商户的预设指标的统计信息。
2.根据权利要求1所述的方法,其特征在于,所述基于用户历史行为数据,确定参考地理位置对应的预设信息的步骤,包括:
按照预设第一地理位置精度,确定候选参考地理位置;
根据地理位置,将用户历史行为数据聚合至相应所述候选参考地理位置;
按照预设第二地理位置精度,确定所述参考地理位置;
根据地理位置,将所述候选参考地理位置对应的用户历史行为数据聚合至相应的所述参考地理位置;
根据聚合至每个所述参考地理位置的用户历史行为数据,确定相应所述参考地理位置对应的预设信息;
其中,所述预设第一地理位置精度小于所述预设第二地理位置精度。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述地理位置服务请求中指定的所述实时地理位置的所述参考地理位置的步骤,包括:
确定地理位置服务请求中指定的实时地理位置指定半径范围内的所述参考地理位置;
根据所述指定半径范围内的所述参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度;
当所述热度和商户密度满足预设阈值条件时,确定所述指定半径范围内的所述参考地理位置,作为所述实时地理位置的所述参考地理位置。
4.根据权利要求3所述的方法,其特征在于,所述根据所述指定半径范围内的所述参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度的步骤之后,还包括:
当所述热度和商户密度不满足预设阈值条件时,按照预设规则调整所述指定半径范围,重复执行确定地理位置服务请求中指定的实时地理位置指定半径范围内的所述参考地理位置,至根据所述指定半径范围内的所述参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度的步骤。
5.根据权利要求1或2所述的方法,其特征在于,所述根据所述地理位置服务请求中指定的请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征的步骤,包括:
根据所述地理位置服务请求中指定的请求场景信息、通过动态画圈召回的方式确定的所述实时地理位置的所述参考地理位置的至少部分所述预设信息,确定所述实时地理位置的特征。
6.根据权利要求1或2所述的方法,其特征在于,所述实时地理位置的特征包括:单一场景特征或复合场景特征;
所述单一场景特征包括以下任意一项:热门商户特征、倾向雷达特征、热度特征、商户密度特征、地理位置分类特征、跨城市属性特征、热门关键词特征、热门类目特征;
所述复合场景特征包括以下任意一项:分时段热门类目特征、分时段热门商户特征、分时段热门关键词特征、分类目热门商户特征、分类目热门关键词特征。
7.根据权利要求6所述的方法,其特征在于,所述倾向雷达特征通过以下方式确定:
根据所述实时地理位置的所述参考地理位置对应的预设信息,确定每个商户与所述实时地理位置的直线距离和方向角;
根据所述直线距离和方向角,将所述商户映射到所述实时地理位置的雷达图的预设扇形块上;
对于每个所述扇形块,通过对映射到所述扇形块上的商户的预设商户行为进行聚合,确定所述扇形块的热度值;
将所述雷达图的每一个所述扇形块的热度值的列表,作为所述实时地理位置的倾向雷达特征。
8.根据权利要求6所述的方法,其特征在于,所述跨城市属性特征通过以下方式确定:
根据所述实时地理位置的所有所述参考地理位置对应的预设商户行为次数和城市标识,确定每个所述参考地理位置的城市分布概率;
当所述城市分布概率满足预设概率阈值时,确定所述实时地理位置具有跨城市属性;
将满足预设条件的所述城市分布概率对应的城市标识的列表和指示所述实时地理位置具有跨城市属性的结果标识,作为所述实时地理位置的跨城市属性特征。
9.一种地理位置服务的实现装置,其特征在于,包括:
参考地理位置信息挖掘模块,用于基于用户历史行为数据,确定参考地理位置对应的预设信息,其中,所述参考地理位置选自于实时地理位置附近预设范围内发生过预设用户行为的地理位置,所述发生过预设用户行为的地理位置是根据所述用户历史行为数据确定的;
参考地理位置确定模块,用于确定所述地理位置服务请求中指定的实时地理位置的所述参考地理位置,其中,所述参考地理位置是通过动态画圈召回的方式确定的,所述动态画圈召回为根据预设评价指标调整地理区域范围,并召回所述地理区域范围内的所述参考地理位置;
地理位置特征确定模块,用于获取接收到的地理位置服务请求中指定的所述实时地理位置和请求场景信息,以及,根据所述地理位置服务请求中指定的所述请求场景信息和所述参考地理位置对应的预设信息,确定所述实时地理位置的特征,以根据所述特征提供基于所述实时地理位置的服务;
其中,所述请求场景信息用于指示所述实时地理位置的特征匹配条件;所述预设信息为根据每个所述参考地理位置上的所述用户历史行为数据确定的用户行为和商户的预设指标的统计信息。
10.根据权利要求9所述的装置,其特征在于,所述确定所述地理位置服务请求中指定的所述实时地理位置的所述参考地理位置,包括:
确定地理位置服务请求中指定的实时地理位置指定半径范围内的所述参考地理位置;
根据所述指定半径范围内的所述参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度;
当所述热度和商户密度满足预设阈值条件时,确定所述指定半径范围内的所述参考地理位置,作为所述实时地理位置的所述参考地理位置。
11.根据权利要求10所述的装置,其特征在于,所述根据所述指定半径范围内的所述参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度之后,还包括:
当所述热度和商户密度不满足预设阈值条件时,按照预设规则调整所述指定半径范围,重复执行确定地理位置服务请求中指定的实时地理位置指定半径范围内的所述参考地理位置,至根据所述指定半径范围内的所述参考地理位置的至少部分所述预设信息,确定所述实时地理位置的热度和商户密度的步骤。
12.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8任意一项所述的地理位置服务的实现方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至8任意一项所述的地理位置服务的实现方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810119487.3A CN108415960B (zh) | 2018-02-06 | 2018-02-06 | 一种地理位置服务的实现方法及装置,电子设备 |
PCT/CN2018/121318 WO2019153889A1 (zh) | 2018-02-06 | 2018-12-14 | 地理位置服务的实现 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810119487.3A CN108415960B (zh) | 2018-02-06 | 2018-02-06 | 一种地理位置服务的实现方法及装置,电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108415960A CN108415960A (zh) | 2018-08-17 |
CN108415960B true CN108415960B (zh) | 2019-12-03 |
Family
ID=63127876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810119487.3A Active CN108415960B (zh) | 2018-02-06 | 2018-02-06 | 一种地理位置服务的实现方法及装置,电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108415960B (zh) |
WO (1) | WO2019153889A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108415960B (zh) * | 2018-02-06 | 2019-12-03 | 北京三快在线科技有限公司 | 一种地理位置服务的实现方法及装置,电子设备 |
CN111984708A (zh) * | 2019-05-22 | 2020-11-24 | 口口相传(北京)网络技术有限公司 | 排行榜单的生成方法及装置、存储介质、电子装置 |
CN110533454B (zh) * | 2019-07-24 | 2023-07-07 | 创新先进技术有限公司 | 一种识别业务对象群体的方法及*** |
CN112398895B (zh) * | 2019-08-19 | 2022-03-18 | 阿里巴巴集团控股有限公司 | 提供服务信息的方法及装置 |
CN110730207B (zh) * | 2019-09-06 | 2022-03-29 | 平安科技(深圳)有限公司 | 基于位置服务的位置识别方法、装置、设备及存储介质 |
CN110774974B (zh) * | 2019-09-27 | 2023-01-24 | 沈阳美行科技股份有限公司 | 一种车辆大灯控制方法、装置及相关设备 |
CN111368170B (zh) * | 2020-02-11 | 2023-03-31 | 口碑(上海)信息技术有限公司 | 页面数据的巡检方法、装置及设备 |
CN112560910B (zh) * | 2020-12-02 | 2024-03-01 | 中国联合网络通信集团有限公司 | 用户分类方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455480B (zh) * | 2012-05-28 | 2017-03-08 | 深圳市腾讯计算机***有限公司 | 一种基于电子地图的位置检索方法及装置 |
CN103580984B (zh) * | 2012-07-25 | 2015-06-24 | 腾讯科技(深圳)有限公司 | 基于兴趣点的消息聚合方法及*** |
CN103116614B (zh) * | 2013-01-25 | 2016-04-13 | 北京奇艺世纪科技有限公司 | 一种协同过滤推荐方法、装置及*** |
CN104537027B (zh) * | 2014-12-19 | 2019-05-10 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
CN104504064A (zh) * | 2014-12-19 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法和装置 |
CN105072591A (zh) * | 2015-08-11 | 2015-11-18 | 中山大学 | 一种基于移动终端的个性化信息推送方法及*** |
CN108415960B (zh) * | 2018-02-06 | 2019-12-03 | 北京三快在线科技有限公司 | 一种地理位置服务的实现方法及装置,电子设备 |
-
2018
- 2018-02-06 CN CN201810119487.3A patent/CN108415960B/zh active Active
- 2018-12-14 WO PCT/CN2018/121318 patent/WO2019153889A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN108415960A (zh) | 2018-08-17 |
WO2019153889A1 (zh) | 2019-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108415960B (zh) | 一种地理位置服务的实现方法及装置,电子设备 | |
JP6141393B2 (ja) | 目標位置を確定するための方法及び装置 | |
US20220253499A1 (en) | Allocating communication resources via information technology infrastructure | |
CN107424043A (zh) | 一种产品推荐方法及装置,电子设备 | |
CN105701108B (zh) | 一种信息推荐方法、装置及服务器 | |
CN109658192A (zh) | 一种房源推荐方法及服务器 | |
KR102340463B1 (ko) | 샘플 가중치 설정방법 및 장치, 전자 기기 | |
CN110532351A (zh) | 推荐词展示方法、装置、设备及计算机可读存储介质 | |
CN109309596A (zh) | 一种压力测试方法、装置及服务器 | |
WO2022262849A1 (zh) | 搜索结果输出方法、装置、计算机设备及可读存储介质 | |
JP2021174560A (ja) | 経済状態の予測方法、経済状態予測モデルの構築方法及び対応装置 | |
CN108038734B (zh) | 基于点评数据的城市商业设施空间分布探测方法及*** | |
CN115408618A (zh) | 一种基于社交关系融合位置动态流行度和地理特征的兴趣点推荐方法 | |
Zou et al. | An innovative GPS trajectory data based model for geographic recommendation service | |
Tan et al. | Preference-oriented mining techniques for location-based store search | |
CN106469205A (zh) | 一种确定用户的地理位置信息的方法与装置 | |
CN110633890A (zh) | 一种土地利用效率判断方法和*** | |
CN114358850A (zh) | 智能广告投放管理方法及相关装置 | |
CN111754106A (zh) | 资源管理方法、装置、服务器及计算机可读存储介质 | |
CN110689170A (zh) | 对象参量的确定方法、装置、电子设备及存储介质 | |
US11983204B1 (en) | Mobile terminal-oriented complex condition geographic information query method, device and medium | |
CN103631896A (zh) | 社交平台下的领域专家发现方法和装置 | |
CN116385156B (zh) | 资源分配方法、装置、计算机设备和计算机可读存储介质 | |
CN116562359B (zh) | 基于对比学习的ctr预测模型训练方法、装置及电子设备 | |
TWM548861U (zh) | 不動產價格估算分析系統 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |