CN108985898A - 一种场所评分方法、装置和计算机可读存储介质 - Google Patents

一种场所评分方法、装置和计算机可读存储介质 Download PDF

Info

Publication number
CN108985898A
CN108985898A CN201810763165.2A CN201810763165A CN108985898A CN 108985898 A CN108985898 A CN 108985898A CN 201810763165 A CN201810763165 A CN 201810763165A CN 108985898 A CN108985898 A CN 108985898A
Authority
CN
China
Prior art keywords
place
target place
information
score value
target
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.)
Granted
Application number
CN201810763165.2A
Other languages
English (en)
Other versions
CN108985898B (zh
Inventor
张广驰
樊静窈
崔苗
林凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201810763165.2A priority Critical patent/CN108985898B/zh
Publication of CN108985898A publication Critical patent/CN108985898A/zh
Application granted granted Critical
Publication of CN108985898B publication Critical patent/CN108985898B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种场所评分方法、装置和计算机可读存储介质，获取目标场所的数据信息；其中，数据信息可以包括无人设备采集的数据信息和从网络中收集的历史数据信息；利用数据分类模型，对数据信息进行分类处理，以得到分类后的特征信息；依据接收的用户需求信息和各特征信息各自对应的初始特征分值，确定出目标场所的评分向量；根据目标场所的评分向量和起始场所的评分向量，最终确定出目标场所的评分值。目标场所的评分值是在充分考虑了用户需求以及起始场所对目标场所的影响程度的情况下确定出的一个分数值，分数值越高说明目标场所符合用户实际需求的概率越高。依据该评分值进行场所的推荐时，使得推荐的场所可以更加符合用户需求。

Description

一种场所评分方法、装置和计算机可读存储介质
技术领域
本发明涉及资源推荐技术领域，特别是涉及一种场所评分方法、装置和计算机可读存储介质。
背景技术
随着科学技术的不断发展，当今世界的科技已经广泛使用在我们生活的方方面面，人们对于精神文化的建设要求也越来越高。例如，节假日大部分人都想要走出家门，跟亲人朋友一起旅行游玩。怎样选择一个符合用户需求的目标场所是一个难题。又或者是用户想要选择一个餐厅就餐，如何向用户推荐符合其口味的餐馆是一个难题。
现有技术中，场所评分方式往往依赖于历史用户评分进行排序，缺乏一个完整的评分***。这种推荐方式往往导致推荐的结果不符合用户的需求。
可见，如何使得推荐结果更加符合用户需求，是本领域技术人员亟待解决的问题。
发明内容
本发明实施例的目的是提供一种场所评分方法、装置和计算机可读存储介质，可以使得推荐结果更加符合用户需求。
为解决上述技术问题，本发明实施例提供一种场所评分方法，包括：
获取目标场所的数据信息；其中，所述数据信息包括无人设备采集的数据信息和从网络中收集的历史数据信息；
利用数据分类模型，对所述数据信息进行分类处理，以得到分类后的特征信息；
依据接收的用户需求信息和各所述特征信息各自对应的初始特征分值，确定出所述目标场所的评分向量；
根据所述目标场所的评分向量和起始场所的评分向量，确定出所述目标场所的评分值。
可选的，所述依据接收的用户需求信息和各所述特征信息各自对应的初始特征分值，确定出所述目标场所的评分向量包括：
依据接收的用户需求信息，计算出各所述特征信息各自对应的权重值；
依据所述权重值以及各所述特征信息各自对应的初始特征分值，得到所述目标场所的评分向量。
可选的，所述依据接收的用户需求信息，计算出各所述特征信息各自对应的权重值包括：
根据如下公式，对接收的用户需求信息进行处理，以确定出各特征信息各自对应的权重值fDk，
其中，ak表示用户需求信息中第k个特征信息的评分值，M表示特征信息的总个数。
可选的，所述根据所述目标场所的评分向量和起始场所的评分向量，确定出所述目标场所的评分值包括：
依据所述目标场所的评分向量和起始场所的评分向量，计算出所述目标场所和所述起始场所的向量距离；
利用如下相关度公式对所述向量距离进行处理，确定出所述目标场所和所述起始场所的相关度ID(ik,jk)，
其中，dD(ik,jk)表示所述目标场所i的第k个特征分量和所述起始场所j的第k个特征分量的向量距离，dmax表示所述目标场所i和所述起始场所j的向量最大距离，α表示调整关系权重的一个参数；
利用如下评分更新公式对所述相关度进行处理，确定出所述目标场所i的评分值Tr(Dik)，
其中，Tr(Djk)表示所述起始场所j的评分值。
本发明实施例还提供了一种场所评分装置，包括获取单元、分类单元、第一确定单元和第二确定单元；
所述获取单元，用于获取目标场所的数据信息；其中，所述数据信息包括无人设备采集的数据信息和从网络中收集的历史数据信息；
所述分类单元，用于利用数据分类模型，对所述数据信息进行分类处理，以得到分类后的特征信息；
所述第一确定单元，用于依据接收的用户需求信息和各所述特征信息各自对应的初始特征分值，确定出所述目标场所的评分向量；
所述第二确定单元，用于根据所述目标场所的评分向量和起始场所的评分向量，确定出所述目标场所的评分值。
可选的，所述第一确定单元包括计算子单元和得到子单元；
所述计算子单元，用于依据接收的用户需求信息，计算出各所述特征信息各自对应的权重值；
所述得到子单元，用于依据所述权重值以及各所述特征信息各自对应的初始特征分值，得到所述目标场所的评分向量。
可选的，所述计算子单元具体用于根据如下公式，对接收的用户需求信息进行处理，以确定出各特征信息各自对应的权重值fDk，
其中，ak表示用户需求信息中第k个特征信息的评分值，M表示特征信息的总个数。
可选的，所述第二确定单元包括距离计算子单元、相关度计算子单元和评分值计算子单元；
所述距离计算子单元，用于依据所述目标场所的评分向量和起始场所的评分向量，计算出所述目标场所和所述起始场所的向量距离；
所述相关度计算子单元，用于利用如下相关度公式对所述向量距离进行处理，确定出所述目标场所和所述起始场所的相关度ID(ik,jk)，
其中，dD(ik,jk)表示所述目标场所i的第k个特征分量和所述起始场所j的第k个特征分量的向量距离，dmax表示所述目标场所i和所述起始场所j的向量最大距离，α表示调整关系权重的一个参数；
所述评分值计算子单元，用于利用如下评分更新公式对所述相关度进行处理，确定出所述目标场所i的评分值Tr(Dik)，
其中，Tr(Djk)表示所述起始场所j的评分值。
本发明实施例还提供了一种场所评分装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如上述场所评分方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述场所评分方法的步骤。
由上述技术方案可以看出，获取目标场所的数据信息；其中，所述数据信息可以包括无人设备采集的数据信息和从网络中收集的历史数据信息；利用数据分类模型，对数据信息进行分类处理，以得到分类后的特征信息；依据接收的用户需求信息和各特征信息各自对应的初始特征分值，可以确定出目标场所的评分向量；根据目标场所的评分向量和起始场所的评分向量，最终确定出目标场所的评分值。目标场所的评分值是在充分考虑了用户需求以及起始场所对目标场所的影响程度的情况下确定出的一个分数值，分数值越高说明目标场所符合用户实际需求的概率越高。依据该评分值进行场所的推荐时，使得推荐的场所可以更加符合用户需求。
附图说明
为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的介绍，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他的附图。
图1为本发明实施例提供的一种场所评分方法的流程图；
图2为本发明实施例提供的一种场所评分装置的结构示意图；
图3为本发明实施例提供的一种场所评分装置的硬件结构示意图。
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，所获得的所有其他实施例，都属于本发明保护范围。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
接下来，详细介绍本发明实施例所提供的一种场所评分方法。图1为本发明实施例提供的一种场所评分方法的流程图，该方法包括：
S101：获取目标场所的数据信息。
在本发明实施例中，可以将用户当前所在的场所称作起始场所，用户想要到达的下一个场所称作目标场所。
目标场所可以是商场、旅游景区、公园、酒店、餐馆等区域。目标场所可以根据用户的需求确定，目标场所的个数可以是一个或多个。
在本发明实施例中，通过对目标场所进行评分预估的方式，向用户推荐评分最高的目标场所或者是向用户展示目标场所的评分值，以便于用户可以依据该评分值选取符合需求的目标场所。
每个目标场所的评分值预估过程类似，接下来均以一个目标场所为例，对该目标场所评分值的预估过程展开介绍。
在对目标场所进行评分值预估时，首先需要获取目标场所的数据信息。其中，数据信息可以包括无人设备采集的数据信息和从网络中收集的历史数据信息。
无人设备采集的数据信息可以包括目标场所的人流量信息、当前交通运行状况等信息。
从网络中收集的历史数据信息可以包括目标场所的地理位置信息、人文历史性信息、设施状态信息、规模大小信息等。
在实际应用中，无人设备采集的数据信息和从网络中收集的历史数据信息可能会存在数据的交集，即这两种数据信息中包含有相同类型的数据信息。
例如，对于一些旅游景点类型的场所，通过无人设备采集的数据信息，可以获取到该场所的人流量信息。相应的，可以从网络中收集到该场所的网络售票情况，依据网络售票情况对该场所的人流量进行初步的评定，得到该场所的人流量信息。
目标场所的数据信息是进行目标场所评分值预估的数据基础，在本发明实施例中，通过将无人设备采集的数据信息和从网络中收集的历史数据信息进行汇总作为目标场所的数据信息，使得数据信息更加全面、精确。从而依据该数据信息进行评分值预估时，使得评分值可以更加贴合目标场所的实际情况。
S102：利用数据分类模型，对数据信息进行分类处理，以得到分类后的特征信息。
对数据信息进行分类处理时，可以依据数据信息所属的数据类型进行划分。对于相同类型的数据信息可以进行综合分析，从而确定出相对应的特征信息。
同一种类型的数据信息对应一个特征信息。依据数据信息所属类型的不同，可以得到多个特征信息。
S103：依据接收的用户需求信息和各特征信息各自对应的初始特征分值，确定出目标场所的评分向量。
以一个目标场所为例，在S102中该目标场所对应的特征信息往往有多个。
在实际应用中，用户可以根据自己的需求，对不同的特征信息设定不同的评分值。例如，当用户对目标场所的交通情况较为重视时，则可以将交通情况所对应的分数值设置的高一些；当用户对目标场所的人文历史信息不太重视时，则可以将人文历史信息所对应的分数值的设置的低一些。
用户可以对目标场所的所有特征信息设定相对应的分数值，也可以只对部分特征信息设定相对应的分数值，对于未设定分数值的其它特征信息则可以设定为默认分数值，其中，默认分数值可以是零，也可以是取值较小的一个数值。
用户对特征信息设定的分数值，反映了该特征信息对目标场所的影响程度，分数值越高，说明其影响程度越大。依据用户设定的分数值，可以确定出各特征信息所占的权重。
在具体实现中，可以根据如下公式，对接收的用户需求信息进行处理，以确定出各特征信息各自对应的权重值fDk，
其中，ak表示用户需求信息中第k个特征信息的评分值，M表示特征信息的总个数。
每个特征信息所对应的权重值是在考虑了用户实际需求的情况下，确定出的一个比重值。除了权重值外，每个特征信息都有其对应的一个初始特征分值。
其中，初始特征分值是对特征信息进行等级评定时所确定的一个分数值。
在实际应用中，可以针对于每个特征信息设置一个等级表，在该等级表中存储有不同等级的划分范围和对应的分数值，依据特征信息所处的划分范围，可以确定出该特征信息的初始特征分值。
例如，可以将地理位置信息划分成市中心、近郊以及偏远郊区3个等级，对应的分数值依次为3、2、1；将人文历史性信息根据国家文化保护等级划分成一级、二级和三级，对应的分数值依次为分成3、2、1。
当确定出目标场所中各特征信息对应的权重值以及初始特征分值后，依据该权重值和初始特征分数值，便可以确定出目标场所的评分向量。
具体的，可以将每个特征向量所对应的权重值和初始特征分数值相乘，得到该特征向量的评分值，目标场所的所有特征向量的评分值的集合即为目标场所的评分向量Ai＝[fi1·gi1,…,fik·gik,…,fiM·giM]。
其中，fik表示目标场所的第k个特征信息所对应的权重值，gik表示目标场所的第k个特征信息所对应的初始特征分数值，k＝1,···,M，M表示目标场所的特征信息的总个数。
S104：根据目标场所的评分向量和起始场所的评分向量，确定出目标场所的评分值。
起始场所为用户当前所在的场所，其对应的评分向量可以参照上述S101-S103的步骤确定出。
在本发明实施例中，在对目标场所中各特征信息进行评估的基础上，还充分考虑了起始场所对目标场所的影响情况，从而使得预估出的目标场所的评分值更加贴合用户的实际需求。
在具体实现中，可以依据目标场所的评分向量和起始场所的评分向量，计算出目标场所和起始场所的向量距离dD(ik,jk)＝||Aik-Ajk||；
其中，Aik表示目标场所i的评分向量中第k个特征信息的评分值，Ajk表示起始场所j的评分向量中第k个特征信息的评分值。
利用如下相关度公式对向量距离进行处理，确定出目标场所和起始场所的相关度ID(ik,jk)，
其中，dD(ik,jk)表示目标场所i的第k个特征分量和起始场所j的第k个特征分量的向量距离，dmax表示目标场所i和起始场所j的向量最大距离，α表示调整关系权重的一个参数。α的具体取值可以根据实际需求进行设定，在此不做限定。
确定出目标场所和起始场所的相关度后，可以利用如下评分更新公式对相关度进行处理，确定出目标场所i的评分值Tr(Dik)，
其中，Tr(Djk)表示起始场所j的评分值，Tr(Djk)可以根据Aj＝[fj1·gj1,…,fjk·gjk,…,fjM·gjM]确定得出。
目标场所的评分值越高，说明目标场所符合用户需求的概率越高。
在进行场所推荐时，当目标场所有多个时，则可以将评分值最高的目标场所推荐给用户；或者是将这些目标场所，按照评分值从高到低的顺序依次展示给用户，以供用户选择。
由上述技术方案可以看出，获取目标场所的数据信息；其中，所述数据信息可以包括无人设备采集的数据信息和从网络中收集的历史数据信息；利用数据分类模型，对数据信息进行分类处理，以得到分类后的特征信息；依据接收的用户需求信息和各特征信息各自对应的初始特征分值，可以确定出目标场所的评分向量；根据目标场所的评分向量和起始场所的评分向量，最终确定出目标场所的评分值。目标场所的评分值是在充分考虑了用户需求以及起始场所对目标场所的影响程度的情况下确定出的一个分数值，分数值越高说明目标场所符合用户实际需求的概率越高。依据该评分值进行场所的推荐时，使得推荐的场所可以更加符合用户需求。
图2为本发明实施例提供的一种场所评分装置的结构示意图，所述装置包括获取单元21、分类单元22、第一确定单元23和第二确定单元24；
获取单元21，用于获取目标场所的数据信息；其中，数据信息包括无人设备采集的数据信息和从网络中收集的历史数据信息；
分类单元22，用于利用数据分类模型，对数据信息进行分类处理，以得到分类后的特征信息；
第一确定单元23，用于依据接收的用户需求信息和各特征信息各自对应的初始特征分值，确定出目标场所的评分向量；
第二确定单元24，用于根据目标场所的评分向量和起始场所的评分向量，确定出目标场所的评分值。
可选的，第一确定单元包括计算子单元和得到子单元；
计算子单元，用于依据接收的用户需求信息，计算出各特征信息各自对应的权重值；
得到子单元，用于依据权重值以及各特征信息各自对应的初始特征分值，得到目标场所的评分向量。
可选的，计算子单元具体用于根据如下公式，对接收的用户需求信息进行处理，以确定出各特征信息各自对应的权重值fDk，
其中，ak表示用户需求信息中第k个特征信息的评分值，M表示特征信息的总个数。
可选的，第二确定单元包括距离计算子单元、相关度计算子单元和评分值计算子单元；
距离计算子单元，用于依据目标场所的评分向量和起始场所的评分向量，计算出目标场所和起始场所的向量距离；
相关度计算子单元，用于利用如下相关度公式对向量距离进行处理，确定出目标场所和起始场所的相关度ID(ik,jk)，
其中，dD(ik,jk)表示目标场所i的第k个特征分量和起始场所j的第k个特征分量的向量距离，dmax表示目标场所i和起始场所j的向量最大距离，α表示调整关系权重的一个参数；
评分值计算子单元，用于利用如下评分更新公式对相关度进行处理，确定出目标场所i的评分值Tr(Dik)，
其中，Tr(Djk)表示起始场所j的评分值。
图2所对应实施例中特征的说明可以参见图1所对应实施例的相关说明，这里不再一一赘述。
由上述技术方案可以看出，获取目标场所的数据信息；其中，所述数据信息可以包括无人设备采集的数据信息和从网络中收集的历史数据信息；利用数据分类模型，对数据信息进行分类处理，以得到分类后的特征信息；依据接收的用户需求信息和各特征信息各自对应的初始特征分值，可以确定出目标场所的评分向量；根据目标场所的评分向量和起始场所的评分向量，最终确定出目标场所的评分值。目标场所的评分值是在充分考虑了用户需求以及起始场所对目标场所的影响程度的情况下确定出的一个分数值，分数值越高说明目标场所符合用户实际需求的概率越高。依据该评分值进行场所的推荐时，使得推荐的场所可以更加符合用户需求。
图3为本发明实施例提供的一种场所评分装置30的硬件结构示意图，所述场所评分装置30包括：
存储器31，用于存储计算机程序；
处理器32，用于执行计算机程序以实现如上述场所评分方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述场所评分方法的步骤。
以上对本发明实施例所提供的一种场所评分方法、装置和计算机可读存储介质进行了详细介绍。说明书中各个实施例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部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

Claims (10)

1.一种场所评分方法，其特征在于，包括：
获取目标场所的数据信息；其中，所述数据信息包括无人设备采集的数据信息和从网络中收集的历史数据信息；
利用数据分类模型，对所述数据信息进行分类处理，以得到分类后的特征信息；
依据接收的用户需求信息和各所述特征信息各自对应的初始特征分值，确定出所述目标场所的评分向量；
根据所述目标场所的评分向量和起始场所的评分向量，确定出所述目标场所的评分值。
2.根据权利要求1所述的方法，其特征在于，所述依据接收的用户需求信息和各所述特征信息各自对应的初始特征分值，确定出所述目标场所的评分向量包括：
依据接收的用户需求信息，计算出各所述特征信息各自对应的权重值；
依据所述权重值以及各所述特征信息各自对应的初始特征分值，得到所述目标场所的评分向量。
3.根据权利要求2所述的方法，其特征在于，所述依据接收的用户需求信息，计算出各所述特征信息各自对应的权重值包括：
根据如下公式，对接收的用户需求信息进行处理，以确定出各特征信息各自对应的权重值fDk，
其中，ak表示用户需求信息中第k个特征信息的评分值，M表示特征信息的总个数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标场所的评分向量和起始场所的评分向量，确定出所述目标场所的评分值包括：
依据所述目标场所的评分向量和起始场所的评分向量，计算出所述目标场所和所述起始场所的向量距离；
利用如下相关度公式对所述向量距离进行处理，确定出所述目标场所和所述起始场所的相关度ID(ik,jk)，
其中，dD(ik,jk)表示所述目标场所i的第k个特征分量和所述起始场所j的第k个特征分量的向量距离，dmax表示所述目标场所i和所述起始场所j的向量最大距离，α表示调整关系权重的一个参数；
利用如下评分更新公式对所述相关度进行处理，确定出所述目标场所i的评分值Tr(Dik)，
其中，Tr(Djk)表示所述起始场所j的评分值。
5.一种场所评分装置，其特征在于，包括获取单元、分类单元、第一确定单元和第二确定单元；
所述获取单元，用于获取目标场所的数据信息；其中，所述数据信息包括无人设备采集的数据信息和从网络中收集的历史数据信息；
所述分类单元，用于利用数据分类模型，对所述数据信息进行分类处理，以得到分类后的特征信息；
所述第一确定单元，用于依据接收的用户需求信息和各所述特征信息各自对应的初始特征分值，确定出所述目标场所的评分向量；
所述第二确定单元，用于根据所述目标场所的评分向量和起始场所的评分向量，确定出所述目标场所的评分值。
6.根据权利要求5所述的装置，其特征在于，所述第一确定单元包括计算子单元和得到子单元；
所述计算子单元，用于依据接收的用户需求信息，计算出各所述特征信息各自对应的权重值；
所述得到子单元，用于依据所述权重值以及各所述特征信息各自对应的初始特征分值，得到所述目标场所的评分向量。
7.根据权利要求6所述的装置，其特征在于，所述计算子单元具体用于根据如下公式，对接收的用户需求信息进行处理，以确定出各特征信息各自对应的权重值fDk，
其中，ak表示用户需求信息中第k个特征信息的评分值，M表示特征信息的总个数。
8.根据权利要求7所述的装置，其特征在于，所述第二确定单元包括距离计算子单元、相关度计算子单元和评分值计算子单元；
所述距离计算子单元，用于依据所述目标场所的评分向量和起始场所的评分向量，计算出所述目标场所和所述起始场所的向量距离；
所述相关度计算子单元，用于利用如下相关度公式对所述向量距离进行处理，确定出所述目标场所和所述起始场所的相关度ID(ik,jk)，
其中，dD(ik,jk)表示所述目标场所i的第k个特征分量和所述起始场所j的第k个特征分量的向量距离，dmax表示所述目标场所i和所述起始场所j的向量最大距离，α表示调整关系权重的一个参数；
所述评分值计算子单元，用于利用如下评分更新公式对所述相关度进行处理，确定出所述目标场所i的评分值Tr(Dik)，
其中，Tr(Djk)表示所述起始场所j的评分值。
9.一种场所评分装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如权利要求1至4任意一项所述场所评分方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述场所评分方法的步骤。
CN201810763165.2A 2018-07-12 2018-07-12 一种场所评分方法、装置和计算机可读存储介质 Expired - Fee Related CN108985898B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810763165.2A CN108985898B (zh) 2018-07-12 2018-07-12 一种场所评分方法、装置和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810763165.2A CN108985898B (zh) 2018-07-12 2018-07-12 一种场所评分方法、装置和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108985898A true CN108985898A (zh) 2018-12-11
CN108985898B CN108985898B (zh) 2022-02-15

Family

ID=64537794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810763165.2A Expired - Fee Related CN108985898B (zh) 2018-07-12 2018-07-12 一种场所评分方法、装置和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN108985898B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861139A (zh) * 2020-06-28 2020-10-30 深圳壹账通智能科技有限公司 商户推荐方法、装置及计算机设备
CN112785185A (zh) * 2021-02-02 2021-05-11 青岛港国际股份有限公司 一种自动化码头空轨调度方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609523A (zh) * 2012-02-10 2012-07-25 上海视畅信息科技有限公司 基于物品分类和用户分类的协同过滤推荐算法
CN103530416A (zh) * 2013-10-28 2014-01-22 海南大学 项目数据预测评分库的生成、项目数据的推送方法和***
CN103631813A (zh) * 2012-08-24 2014-03-12 富士通株式会社 场所搜索装置、场所搜索方法以及电子设备
CN103868690A (zh) * 2014-02-28 2014-06-18 中国人民解放军63680部队 基于多种特征提取和选择的滚动轴承状态自动预警方法
CN105608121A (zh) * 2015-12-14 2016-05-25 东软集团股份有限公司 一种个性化推荐方法及装置
CN105808666A (zh) * 2016-02-29 2016-07-27 奇瑞汽车股份有限公司 一种推送信息的方法、装置及***
CN106354859A (zh) * 2016-09-06 2017-01-25 北京易游华成科技有限公司 景点推荐设备、方法及***
CN107122447A (zh) * 2017-04-25 2017-09-01 南京邮电大学 一种基于偏好的多数据源融合的网络搜索***及控制方法
CN107527303A (zh) * 2017-07-20 2017-12-29 中国农业大学 一种乡村旅游可视化推荐方法及***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609523A (zh) * 2012-02-10 2012-07-25 上海视畅信息科技有限公司 基于物品分类和用户分类的协同过滤推荐算法
CN103631813A (zh) * 2012-08-24 2014-03-12 富士通株式会社 场所搜索装置、场所搜索方法以及电子设备
CN103530416A (zh) * 2013-10-28 2014-01-22 海南大学 项目数据预测评分库的生成、项目数据的推送方法和***
CN103868690A (zh) * 2014-02-28 2014-06-18 中国人民解放军63680部队 基于多种特征提取和选择的滚动轴承状态自动预警方法
CN105608121A (zh) * 2015-12-14 2016-05-25 东软集团股份有限公司 一种个性化推荐方法及装置
CN105808666A (zh) * 2016-02-29 2016-07-27 奇瑞汽车股份有限公司 一种推送信息的方法、装置及***
CN106354859A (zh) * 2016-09-06 2017-01-25 北京易游华成科技有限公司 景点推荐设备、方法及***
CN107122447A (zh) * 2017-04-25 2017-09-01 南京邮电大学 一种基于偏好的多数据源融合的网络搜索***及控制方法
CN107527303A (zh) * 2017-07-20 2017-12-29 中国农业大学 一种乡村旅游可视化推荐方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861139A (zh) * 2020-06-28 2020-10-30 深圳壹账通智能科技有限公司 商户推荐方法、装置及计算机设备
CN112785185A (zh) * 2021-02-02 2021-05-11 青岛港国际股份有限公司 一种自动化码头空轨调度方法

Also Published As

Publication number Publication date
CN108985898B (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
CN104123398B (zh) 一种信息推送方法及装置
CN106303955B (zh) 用于对无线热点和poi进行匹配的方法和装置
CN106844376B (zh) 推荐兴趣点的方法及装置
CN104965920B (zh) 用于确定目标地址的方法和装置
CN107291888B (zh) 基于机器学习统计模型的入住酒店附近生活推荐***方法
US9194716B1 (en) Point of interest category ranking
US10013494B2 (en) Interest profile of a user of a mobile application
CN106096047B (zh) 基于熵值法的用户分区偏好计算方法及***
CN103826299B (zh) 基于无线信号感知的室内增强现实实现方法
CN108984561A (zh) 选址方法及设备
CN104182517A (zh) 数据处理的方法及装置
CN105243098B (zh) 人脸图像的聚类方法及装置
CN104935462B (zh) 一种端服务器部署方法及装置
CN106248096B (zh) 路网权重的获取方法和装置
CN107688955A (zh) 一种基于自适应dbscan密度聚类的城市商业圈群簇划分方法
CN109357683A (zh) 一种基于兴趣点的导航方法、装置、电子设备和存储介质
CN109211259A (zh) 轨迹路线的显示方法、装置、终端及存储介质
CN108960562A (zh) 一种区域影响力评估方法及装置
WO2017008653A1 (zh) Poi服务提供方法、poi数据处理方法及装置
CN108985898A (zh) 一种场所评分方法、装置和计算机可读存储介质
CN110781256B (zh) 基于发送位置数据确定与Wi-Fi相匹配的POI的方法及装置
CN107133689B (zh) 一种位置标记方法
CN109325657A (zh) 一种信贷业务的审批方法、存储介质和服务器
CN109614558A (zh) 一种多定位旅游日志自动生成方法及***
CN116823535B (zh) 一种基于多模态大模型的行程规划及智能导览***

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220215

CF01 Termination of patent right due to non-payment of annual fee