CN109670849A - 用户poi画像生成方法、装置、设备及可读存储介质 - Google Patents
用户poi画像生成方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN109670849A CN109670849A CN201811118183.1A CN201811118183A CN109670849A CN 109670849 A CN109670849 A CN 109670849A CN 201811118183 A CN201811118183 A CN 201811118183A CN 109670849 A CN109670849 A CN 109670849A
- Authority
- CN
- China
- Prior art keywords
- poi
- user
- probability
- portrait
- type
- 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.)
- Withdrawn
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种用户POI画像生成方法、装置、设备及可读存储介质,所述方法包括:当在预设周期检测到用户的当前位置信息时,统计以所述当前位置信息为中心的预设范围内的POI;根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率;将所述预设周期划分为多个预设子周期,根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像。本方案将定位的位置信息扩展到POI,生成表征在预设周期内用户去到各类POI概率大小的POI画像;通过去各类POI的概率大小准确体现用户在不同时间所需求的特征信息。
Description
技术领域
本发明主要涉及定位技术领域,具体地说,涉及一种用户POI画像生成方法、装置、设备及可读存储介质。
背景技术
目前各企业在进行产品营销时,为了实现精准营销,通常结合用户所需求的特征信息进行,而用户所需求的特征信息可通过用户的出行位置体现,如出行到健身房,则说明用户有锻炼的需求。此类作为体现用户需求特征信息的出行位置可通过GPS定位或基站中的定位数据确定,但是用户的出行位置在不同的时间具有差异性,使得定位数据也具有随意性,而导致不能准确反映用户所需求的特征信息。
发明内容
本发明的主要目的是提供一种用户POI画像生成方法、装置、设备及可读存储介质,旨在解决现有技术中定位数据不能准确反映用户需求的特征信息的问题。
为实现上述目的,本发明提供一种用户POI画像生成方法,所述用户POI画像生成方法包括以下步骤:
当在预设周期检测到用户的当前位置信息时,统计以所述当前位置信息为中心的预设范围内的POI;
根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率;
将所述预设周期划分为多个预设子周期,根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像。
优选地,所述根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率的步骤包括:
以所述当前位置信息为起始点,每间隔预设距离长度,将所述预设范围划分为多个范围区间,且为各所述范围区间分配区间概率,其中距离所述当前位置信息越近的所述范围区间所对应的所述区间概率越大;
根据各所述范围区间中所具有POI的类型,确定各所述范围区间中各类所述POI的类型概率;
根据所述区间概率和所述类型概率,确定用户当前去各类所述POI的POI概率。
优选地,所述根据各所述范围区间中所具有POI的类型,确定各所述范围区间中各类所述POI的类型概率的步骤包括:
统计各所述POI中位于各所述范围区间的区间POI,并根据各所述区间POI中所携带的类型标识符,确定各所述区间POI的类型;
对各类型所述区间POI进行计数统计,确定各类型所述区间POI的类型数量,并根据所述类型数量,确定各所述范围区间中各类所述区间POI所具有的类型概率。
优选地,所述根据所述区间概率和所述类型概率,确定用户当前去各类所述POI的POI概率的步骤包括:
将各所述范围区间的区间概率,以及各所述范围区间中各类所述区间POI的类型概率相乘,生成各所述范围区间中各类所述区间POI的区间POI概率;
将各所述范围区间中类型相同的所述区间POI的所述区间POI概率进行累加,生成用户当前去各类所述POI的POI概率。
优选地,所述将所述预设周期划分为多个预设子周期的步骤包括:
当检测达到所述预设周期的完成时间点时,将所述预设周期以天为单位划分为多个所述预设子周期,以使一个所述预设子周期与一天对应,且所述预设子周期的类型包括工作日和休息日。
优选地,所述根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像的步骤包括:
将所述预设周期中各所述工作日的相同时间段内类型相同的所述POI概率进行相加,生成用户在预设周期中各工作日的POI画像;
将所述预设周期中各所述休息日的相同时间段内类型相同的所述POI概率进行相加,生成用户在预设周期中各休息日的POI画像;
将用户在预设周期内中各工作日的POI画像以及各休息日的POI画像进行整合,生成用户在预设周期内的POI画像。
优选的,所述生成用户在所述预设周期内的POI画像的步骤之后包括:
当检测到用户的实时位置信息时,读取与用户对应的用户POI画像,以及实时时间;
根据所述用户POI画像,确定与所述实时位置信息以及所述实时时间对应的实时POI;
获取与所述实时POI对应的POI信息,并将所述POI信息传输到用户所持有的终端上。
此外,为实现上述目的,本发明还提出一种用户POI画像生成装置,所述用户POI画像生成装置包括:
统计模块,用于当在预设周期检测到用户的当前位置信息时,统计以所述当前位置信息为中心的预设范围内的POI;
确定模块,用于根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率;
生成模块,用于将所述预设周期划分为多个预设子周期,根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像。
此外,为实现上述目的,本发明还提出一种用户POI画像生成设备,所述用户POI画像生成设备包括:存储器、处理器、通信总线以及存储在所述存储器上的用户POI画像生成程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述用户POI画像生成程序,以实现以下步骤:
当在预设周期检测到用户的当前位置信息时,统计以所述当前位置信息为中心的预设范围内的POI;
根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率;
将所述预设周期划分为多个预设子周期,根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于:
当在预设周期检测到用户的当前位置信息时,统计以所述当前位置信息为中心的预设范围内的POI;
根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率;
将所述预设周期划分为多个预设子周期,根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像。
本实施例的用户POI画像生成方法,通过在预设周期检测用户的当前位置信息,并统计以当前位置信息为中心的预设范围内的POI;进而根据当前位置信息与预设范围的距离关系,确定用户当前去各类POI的POI概率,此POI概率可表征用户在当前位置去到各类POI的可能性大小;再将预设周期划分为多个预设子周期,并根据预设子周期的类型,对用户在各预设子周期中各相同时间段的POI概率进行整合。因各个不同类型预设子周期中相同时间段的POI概率表征用户在各类型预设子周期的各时间段去各类POI的可能性大小,对其进行整合,生成用户在预设周期内的POI画像,表征在预设周期内用户去到各类POI的概率大小;而用户去不同类型的POI反映了用户的不同需求,体现了用户的特征信息,且去POI的概率越大,越能体现用户的需求。本方案将定位的位置信息扩展到POI,确定用户在预设周期内去各类POI的概率大小,通过去各类POI的概率大小准确体现用户在不同时间所需求的特征信息。
附图说明
图1是本发明的用户POI画像生成方法第一实施例的流程示意图;
图2是本发明的用户POI画像生成方法第二实施例的流程示意图;
图3是本发明的用户POI画像生成装置第一实施例的功能模块示意图;
图4是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种用户POI画像生成方法。
请参照图1,图1为本发明用户POI画像生成方法第一实施例的流程示意图。在本实施例中,所述用户POI画像生成方法包括:
步骤S10,当在预设周期检测到用户的当前位置信息时,统计以所述当前位置信息为中心的预设范围内的POI;
本发明的用户POI(Point of Interest,兴趣点)画像生成方法应用于服务器,适用于通过服务器生成表征用户在预设周期内去各类POI概率大小的POI画像,以通过预设周期内的POI画像来反映用户需求的特征信息。其中预设周期为预先设置的一段时间范围,且为了准确反映用户需求的特征信息,此预设周期通常为以天为单位的较长时间,以使POI画像依据用户多天内出行的位置信息生成,使得POI画像更为准确的反映用户特征。此预设周期可以是月、季、年等,优选为年;在此以年为预设周期内实时检测用户的位置信息,通过一年内用户的各个位置信息,反映用户的需求。
当在预设周期内检测到用户的位置信息时,此位置信息为用户当前所在位置具有的信息,而将其作为当前位置信息;位置信息可用LBS(Location Based Service,基于位置的服务)数据表示,LBS数据中主要包括基础地理信息数据、兴趣点数据、导航数据以及***管理数据等;本实施通过读取用户所持有终端的当前LBS数据来确定用户的当前位置信息,且所确定的当前位置信息具体为经纬度信息。因用户去到某一位置,说明用户可能有去到此位置周围某一店铺的需求,相应的当检测到用户所在的当前位置时,说明用户有去当前位置周围某一店铺的需求。此店铺可用POI表示,POI是可以抽象为点的地理对象,尤其是一些与人们生活密切相关的地理实体,如学校、银行、餐馆、加油站、医院和超市等。因不同经纬度的位置信息周围具有很多POI,用户可能去各种不同的POI,在检测到用户的当前位置信息后,进一步统计以此当前位置信息为中心的预设范围内的POI,即统计以当前位置信息为中心在预设范围内的店铺信息。虽然当前位置信息周围的POI众多,但用户所去的POI有限,且距离当前位置信息越远,用户所去的可能性越小;从而预先根据多个历史数据中用户以某一位置信息为中心所去到店铺的距离范围设定预设范围,以使预设范围满足大部分人的出行需求。对此预设范围内的POI统计,表征用户从当前位置所可能去到的各个POI。
步骤S20,根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率;
可理解地,在当前位置信息的预设范围内分布有多个POI,且不同POI距离当前位置信息的距离不相同,使得用户去各POI的概率不相同;其中距离当前位置信息越远的POI,用户所去到的可能性越小。从而可根据当前位置信息与预设范围的距离关系,确定用户当前去各类POI的概率,将此概率作为POI概率,表征用户去各类POI的可能性。具体地,根据当前位置信息与预设范围的距离关系,确定用户当前去各类POI的POI概率的步骤包括:
步骤S21,以所述当前位置信息为起始点,每间隔预设距离长度,将所述预设范围划分为多个范围区间,且为各所述范围区间分配区间概率,其中距离所述当前位置信息越近的所述范围区间所对应的所述区间概率越大;
因预设范围可以是以当前位置信息为中心向外延伸某一距离的圆形区域,也可以是以当前位置信息为中心,向用户前进方向向前延伸某一距离的范围区域;为了更为准确的表征用户去预设范围中各POI的可能性,对预设范围进行区域划分。具体地,以当前位置信息所表征的当前位置作为起始点,每间隔预设距离长度,将预设范围划分为多个范围区间;其中预设距离长度为预先通过历史数据设置的长度,多个范围区间为在不同起始点以此预设距离长度进行延伸的区间。如当前位置为A,而预设范围为以A为中心向外的1000m圆形范围、预设距离长度为500m;则将以A为起始点向前500m的圆形区间作为一个范围区间,并以圆形区间的边界,即距离A为500m的边界为起始点,将500m到1000m之间的圆环区域作为另一个范围区间。
进一步地,在将预设范围划分为多个范围区间后,对各范围区间分配区间概率,此区间概率表征用户去各范围区间的可能性。考虑到不论将预设范围划分为多少个范围区间,但用户所可能去的POI均在此预设范围内,使得用户去预设范围内各范围区间的概率总和为1。从而在分配区间概率时,需要确保各范围区间的区间概率总和为1;因预设范围和预设距离长度均为预先所确定的数值,使得所划分范围区间的个数一定;如预设范围为以当前位置信息向外延伸1500m的区间范围,而预设距离长度为500m,则范围区间的个数为3个;而若设定预设距离长度为300m,则范围区间的个数为5个。因范围区间的个数一定,且各范围区间的区间概率总和一定,同时各范围区间的区间概率随着与当前位置信息的距离越远,区间概率越小;使得在分配区间概率时,可依据逐级递减的规则,如对于x个范围区间,区间概率按照x/(1+2+···+x)、(x-1)/(1+2+···+x)···2/(1+2+···+x)、1/(1+2+···+x)进行递减分配;使得距离当前位置信息最近的范围区间的区间概率为x/(1+2+···+x),而与当前位置信息第二近的范围区间的区间概率为(x-1)/(1+2+···+x),而与当前位置信息最远的范围区间的区间概率为1/(1+2+···+x)。若范围区间为3个,即x=3,则区间概率分别为3/6、2/6、1/6,而当范围区间为5个,即x=5时,则区间概率分别为5/15、4/15、3/15、2/15、1/15。通过范围区间与当前位置信息的距离远近,对各范围区间的区间概率进行分配,可使区间概率更为准确的表征用户去各范围区间的可能性大小。
步骤S22,根据各所述范围区间中所具有POI的类型,确定各所述范围区间中各类所述POI的类型概率;
可理解地,同一个范围区间中所涉及到的POI可能多个,用户可根据需求去不同POI;但去各个POI的概率相同,且去各个POI的总概率之和为1,使得去各个POI的概率大小由范围区间中的POI数量决定;如范围区间内有5个POI,则去各个POI的概率均为1/5。考虑到多个POI中可能包括多个同一类型的POI,虽然用户去各个POI的概率相同,但去各类POI的概率不相同,且去各类POI的概率由范围区间中各类型POI所具有的POI数量决定。如上述5各POI中,其中2个属于同一类型,则用户去此类型POI的概率为1/5+1/5=2/5。范围区间中某一类型POI的数量越多,用户去此类POI的概率越大,表明用户有去此类POI的需求;如范围区间中涉及到电脑类型的POI数量较多,可能用户去此范围区间的目的实质为购买电脑。从而在确定各范围区间的区间概率之后,还需要确定范围区间中与POI类型相关的概率;将此与POI类型相关的概率作为各类POI的类型概率,且此类型概率与范围区间中各类POI的数量决定,其中数量越多,类型概率越大。具体地,根据各范围区间中所具有POI的类型,确定各范围区间中各类POI的类型概率的步骤包括:
步骤S221,统计各所述POI中位于各所述范围区间的区间POI,并根据各所述区间POI中所携带的类型标识符,确定各所述区间POI的类型;
进一步地,因预设范围涉及到多个范围区间,而范围区间中又涉及到多种类型的POI;在确定各种类型POI的类型概率时,先统计在预设范围内的所有POI所位于的范围区间。因范围区间以当前位置信息为中心进行划分,范围区间所对应的经纬度信息区间也可相应确定;从而根据各POI所具有的经纬度信息,即可确定各POI所在的范围区间,将此位于各范围区间的POI作为区间POI。如范围区间C的经纬度信息中经度范围为a~a+b,纬度范围为c~c+d,而某一POI的经纬度信息为经度在a~a+b范围内,纬度在c~c+d范围内,则说明此POI为此范围区间C的区间POI;依照此方式可确定预设范围内各个POI所属于的范围区间。为了对不同类型的POI进行区分,预先针对不同类型的POI设置有不同的类型标识符;在确定各范围区间的区间POI后,读取各区间POI所携带的类型标识符,通过此类型标识符即可确定区间POI的类型。
步骤S222,对各类型所述区间POI进行计数统计,确定各类型所述区间POI的类型数量,并根据所述类型数量,确定各所述范围区间中各类所述区间POI所具有的类型概率。
更进一步地,在确定各范围区间中区间POI的类型后,对各类型区间POI的数量进行统计,可对具有相同类型标识符的区间POI进行计数累加,累加的结果即为各个类型区间POI的数量,将此数量作为各类区间POI的类型数量。如对于范围区间M1、M2和M3,其中的区间POI分别为[p1、p2、p3、q1、q2]、[p1、p3、q1、q2和q3]、[p1、p2、q2和q3],且p1、p2、p3、q1、q2和q3所携带的类型标识符分别为f1、f2、f1、f3、f4和f4;从而使得范围区间M1中包括4种类型区间POI,其中p1和p3属于同一类型,类型数量为2;范围区间M2包括3种类型区间POI,其中p1和p3属于同一类型,类型数量为2,q2和q3属于同一类型,类型数量为2;而对于范围区间M3包括3中类型区间POI,其中q2和q3属于同一类型,类型数量为2。在确定各范围区间中各区间POI的类型数量后,由此各类型数量,可确定范围区间中各区间POI的类型概率。具体地,因用户去范围区间内各区间POI的可能性一致,使得各区间POI的概率由范围区间中所具有区间POI的总数量决定,且均为总数量的倒数;而对于某一类型的区间POI,则类型概率由此类型区间POI的数量决定,由此类型中各个区间POI的概率相加,或者此类型区间POI的概率乘以此类型区间POI的数量生成,表征用户去此类型区间POI的可能性大小。
步骤S23,根据所述区间概率和所述类型概率,确定用户当前去各类所述POI的POI概率。
进一步地,在确定由预设范围所划分范围区间的区间概率,表征用户去各区间的可能性;以及各范围区间中各类区间POI的类型概率,表征用户去范围区间内各类区间POI的可能性后;由此区间概率以及类型概率,即可确定用户去各类POI的POI概率,表征用户从当前位置信息对应的当前位置去到预设范围内的各种类型POI的可能性。具体地,根据区间概率和类型概率,确定用户当前去各类POI的POI概率的步骤包括:
步骤S231,将各所述范围区间的区间概率,以及各所述范围区间中各类所述区间POI的类型概率相乘,生成各所述范围区间中各类所述区间POI的区间POI概率;
在确定预设范围内各类POI的POI概率时,先将单个范围区间的区间概率与此单个范围区间内所具有区间POI类型的各类型概率相乘,相乘得到的结果为用户从当前位置信息去此单个范围区间中各类区间POI的概率,将此概率作为区间POI概率。在单个范围区间中各种类型区间POI的区间POI概率计算完成后,计算下一个范围区间中各类区间POI的区间POI概率,直到所有范围区间中各种类型区间POI的区间POI概率均计算完成;表征用户去不同范围区间的各类区间POI的可能性大小。
步骤S232,将各所述范围区间中类型相同的所述区间POI的所述区间POI概率进行累加,生成用户当前去各类所述POI的POI概率。
可理解地,因不同范围区间中所具有区间POI的类型可能相同,对于相同类型的区间POI,用户去的可能性,用预设范围内所有此类型区间POI的概率之和体现。具体地,将各范围区间中类型相同的区间POI的区间POI概率进行累加,如上述范围区间M1、M2和M3中,对于M1因其中p1和p3属于同一类型区间POI,则其类型概率为2/5,而p2、q1、q2的概率均为1/5;而对于M2因其中p1和p3、q2和q3属于同一类型区间POI,则其类型概率均为2/5,而p2的概率为1/5;对于M3因其中q2和q3属于同一类型区间POI,则其类型概率为2/4,而p1、p2的概率均为1/4。对于M1、M2和M3三个范围区间,其区间概率分别为3/6、2/6、1/6;使得M1范围区间中p1或p3的区间POI概率为(3/6)*(2/5),而p2、q1和q2的区间POI概率均为(3/6)*(1/5);而M2范围区间中p1或p3的区间POI概率为(2/6)*(2/5),q2或q3的区间POI概率为(2/6)*(2/5),而q1的区间POI概率均为(2/6)*(1/5);M3范围区间中p1、p2的区间POI概率均为(1/6)*(1/4),q2或q3的区间POI概率为(1/6)*(2/4)。将M1、M2和M3中类型相同的区间POI的区间POI概率进行累加,即M1、M2和M3中p1或p3的区间POI概率进行累加(3/6)*(2/5)+(2/6)*(2/5)+(1/6)*(1/4),p2的区间POI概率进行累加(3/6)*(1/5)+(2/6)*(1/5),q1的区间POI概率进行累加(3/6)*(1/5)+(2/6)*(1/5),q2或q3的区间POI概率进行累加(3/6)*(1/5)+(2/6)*(2/5)+(1/6)*(2/4)。累加所得到的结果表征了用户从当前位置信息去预设范围内各类POI的可能性大小,即用户当前去各类POI的POI概率。
步骤S30,将所述预设周期划分为多个预设子周期,根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像。
可理解地,因预设周期是以天为单元的一段时间范围,用户在各天中所去到的位置虽然不完全相同,却具有相似性,如工作日从居住地到工作地的上班路线中的位置信息,或者休息日去超市购物、健身房的位置信息等。从而为了准确体现用户所需求的特征信息,将预设周期划分为多个预设子周期,进而确定用户在多个预设子周期中去各类POI的概率。当用户在多个预设子周期中频率的去某一位置,而使得此位置中各类POI的概率增加时,说明用户有去此各类POI的需求,而可用此各类POI来体现用户所需求的特征信息。
考虑到对用户位置信息的检测,以及确定用户去各类POI的POI概率均在预设周期中进行,从而对预设周期的划分,需要在预设周期所设定的时间范围完成后进行;如从2018年1月1号作为起始日设定一年的预设周期,则预设周期的结束日为2018年12月31号。将预设周期的结束日作为预设周期的完成时间点,当检测到达预设周期的完成时间点时,则将预设周期划分为多个预设子周期。对于作为预设周期的年,预设子周期可按照星期划分,也可以按照月份划分、或者按照天划分;考虑到用户在预设周期中各天的位置差异主要跟工作日和休息日相关,从而预设子周期的划分优选为按照工作日和休息日以天为单位划分;即按照工作日和休息日的日期界限将一年划分为多个工作日和休息日,使一个预设子周期与一个工作日或一个休息日对应。因用户在工作日和休息日的位置差异较大,而将工作日和休息日作为预设子周期的两种不同类型,对预设周期中两种类型预设子周期的相同时间段的POI概率进行整合,生成用户在预设周期内的POI画像。因POI概率实际为用户在预设周期中不同时间段去各类POI的概率,从而整合依据同一类型的不同预设子周期的相同时间段进行,使得生成的POI画像表征用户在工作日的各时间段或休息日的各时间段去到各类POI的可能性大小,反映用户在工作日和休息日中各时间段的不同需求。
本实施例的用户POI画像生成方法,通过在预设周期检测用户的当前位置信息,并统计以当前位置信息为中心的预设范围内的POI;进而根据当前位置信息与预设范围的距离关系,确定用户当前去各类POI的POI概率,此POI概率可表征用户在当前位置去到各类POI的可能性大小;再将预设周期划分为多个预设子周期,并根据预设子周期的类型,对用户在各预设子周期中各相同时间段的POI概率进行整合。因各个不同类型预设子周期中相同时间段的POI概率表征用户在各类型预设子周期的各时间段去各类POI的可能性大小,对其进行整合,生成用户在预设周期内的POI画像,表征在预设周期内用户去到各类POI的概率大小;而用户去不同类型的POI反映了用户的不同需求,体现了用户的特征信息,且去POI的概率越大,越能体现用户的需求。本方案将定位的位置信息扩展到POI,确定用户在预设周期内去各类POI的概率大小,通过去各类POI的概率大小准确体现用户在不同时间所需求的特征信息。
进一步地,在本发明用户POI画像生成方法另一实施例中,所述根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像的步骤包括:
步骤S31,将所述预设周期中各所述工作日的相同时间段内类型相同的所述POI概率进行相加,生成用户在预设周期中各工作日的POI画像;
因预设子周期包括工作日和休息日,在对各预设子周期中相同时间段的POI概率进行整合时,依据工作日和休息日进行。在一年的预设周期结束后,生成此一年预设周期内每天的位置信息,以及与各个位置信息对应的POI;且因位置信息与时间具有相关性,如某天早上8点的位置信息与停车场对应,而晚上8点的位置信息与健身房对应;使得与位置信息对应的POI与时间也具有相关性,如早上8点停车场周围的POI,以及晚上8点健身房周围的POI。为了确定用户在各时间段的需求,而将预设子周期进一步划分,划分可以以一个小时为单位,也可以以两个小时为单位,优选为一个小时为单位;即将工作日和休息日以小时为单位划分为24个时间段。在对工作日中相同时间段的POI概率进行整合时,将预设周期中所有工作日的相同时间段内各类的POI概率进行相加,如一年中所有工作日的早上9点到10点,其中工作日n1的9点到10点对应的POI类型为k1、k2、k3,而工作日n2的9点到10点对应的POI类型为k1、w1、w2、k3,则将n1中k1的概率与n2中k1的概率进行进行相加,同时将n1中k3的概率与n2中k3的概率进行进行相加,直到一年中所有工作日9点到10点间k1的概率和k2的概率均累加完成,生成一年中所有工作日9点到10点间,用户去k1类型POI的概率以及去k2类型POI的概率。在一年内所有工作日的所有时间段中各个类型POI的POI概率均累加完成后,则生成用户在预设周期中各工作日的POI画像,表征用户在预设周期内工作日的各时间段去各类POI的可能性大小。因工作日划分为24个时间段,所生成的工作日POI画像即为在工作日24小时内,用户去各类POI的可能性大小,表征用户在工作日需求的特征信息。
步骤S32,将所述预设周期中各所述休息日的相同时间段内类型相同的所述POI概率进行相加,生成用户在预设周期中各休息日的POI画像;
相应地,对于休息日同样的划分为24个时间段,在对休息日中相同时间段的POI概率进行整合时,将预设周期中所有休息日的相同时间段内各类的POI概率进行相加,如一年中所有休息日的早上9点到10点,其中休息日n6的9点到10点对应的POI类型为k1、w1、w3,而休息日n7的9点到10点对应的POI类型为w1、k2、w3,则将n6中w1的概率与n7中w1的概率进行进行相加,同时将n6中w3的概率与n7中w3的概率进行进行相加,直到一年中所有休息日9点到10点间w1的概率和w2的概率均累加完成,生成一年中所有休息日9点到10点间,用户去w1类型POI的概率以及去w3类型POI的概率。在一年内所有休息日的所有时间段中各个类型POI的POI概率均累加完成后,则生成用户在预设周期中各休息日的POI画像,表征用户在预设周期内休息日的各时间段去各类POI的可能性大小。因休息日划分为24个时间段,所生成的休息日POI画像即为在休息日24小时内,用户去各类POI的可能性大小,表征用户在休息日需求的特征信息。
步骤S33,将用户在预设周期内中各工作日的POI画像以及各休息日的POI画像进行整合,生成用户在预设周期内的POI画像。
进一步地,在生成用户在预设周期中各工作日的POI画像以及各休息日的POI画像后,对此工作日POI画像和休息日POI画像进行整合,形成用户在预设周期中的POI画像。其中整合实质为将工作日以及休息日的POI画像添加到一起,形成用户在一年时间内工作日的24个时间段中去各类POI的概率大小,以及休息日的24个小时时间段中去各类POI的概率大小;表征用户在工作日和休息日的不同时间段的不同需求,其中某时间段的某类POI的概率越大,说明用户在一年时间的此时间段去此类POI的次数越多,此类POI为用户需求,通过此类POI可体现用户的特征信息。
进一步地,请参照图2,在本发明用户POI画像生成方法第一实施例的基础上,提出本发明用户POI画像生成方法第二实施例,在第二实施例中,所述生成用户在所述预设周期内的POI画像的步骤之后包括:
步骤S40,当检测到用户的实时位置信息时,读取与用户对应的用户POI画像,以及实时时间;
可理解地,在生成预设周期中用户的POI画像后,通过POI画像可体现用户在不同时间段的需求;从而后续可根据生成的POI画像推测用户需求,而向用户推广其所可能需求的产品,实现精准营销。具体地,当检测到用户的实时位置信息时,可以推测出用户有去到此实时位置信息周围某一POI的需求,从而读取与此用户对应的POI画像,以及检测到此实时位置信息的实时时间。其中服务器中因涉及到众多用户的POI画像,对于各个POI画像设置有与用户对应,且表征唯一性的标识符;如用于实现用户定位的终端的唯一标识符。当通过用户所持有终端检测到用户的实时位置信息时,进一步读取此终端携带的唯一标识符,将此唯一标识符和服务器中各POI画像所携带的标识符对比;当POI画像所携带的标识符和此唯一标识符一致时,则说明此POI画像为与用户对应的用户POI画像,可体现用户的需求。
步骤S50,根据所述用户POI画像,确定与所述实时位置信息以及所述实时时间对应的实时POI;
进一步地,在确定与用户对应的用户POI画像后,用户POI画像中涉及到各个时间段用户去各类型POI的概率,从而由此用户POI画像可推测用户在实时时间可能所需要去的POI。考虑到用户所去的实时位置周围所具有的POI类型有限,但用户去到此实时位置,说明用户有去此实时位置周围某一POI的需求;从而结合用户POI画像所体现的用户在各时间段的需求,以及实时位置周围所具有的POI,确定实时POI。此实时POI为推测的用户可能所需要去的POI类型,且实时POI的数量可以是多个也可以是单个;当是多个时,此实时POI为POI画像中实时时间所在时间段POI概率排列在前几位的POI类型;当是单个时,实时POI为POI画像中实时时间所在时间段POI概率最大的POI类型。如实时时间为休息日上午十点半,检测到用户所在的实时位置信息对应为咖啡厅门口;而读取到用户的用户POI画像中,用户在休息日上午10点到11点之间,用户去过的POI类型涉及到图书馆、商场、咖啡厅、健身房、茶馆,且各POI的概率从高到低分别为图书馆、咖啡厅、健身房、商场和茶馆。而与实时位置信息对应的周围POI包括餐厅、商场、图书馆和咖啡厅,从而根据用户POI画像所体现的用户需求,将图书馆单独确定为实时POI,或者将图书馆、咖啡厅一并确定为实时POI。
步骤S60,获取与所述实时POI对应的POI信息,并将所述POI信息传输到用户所持有的终端上。
更进一步地,在确定实时POI后,则获取与实时POI对应的POI信息;此POI信息依据POI类型的不同而不同,且可通过与POI商家建立通信获取。如对于类型为商场的POI,则对应的POI信息为商场中各店铺的促销信息、各店铺的楼层位置、商场的营业时间、路线信息等;而对于类型为咖啡厅的POI,则对应的POI信息为咖啡厅的促销信息、营业时间等。将此获取的POI信息传输到用户所持有的终端上,作为推测用户所需要去的POI进行推荐,因推荐的POI来源于由用户历史位置数据所生成的POI画像,可使推荐准确,更好的满足了用户需求。
此外,请参照图3,本发明提供一种用户POI画像生成装置,在本发明用户POI画像生成装置第一实施例中,所述用户POI画像生成装置包括:
统计模块10,用于当在预设周期检测到用户的当前位置信息时,统计以所述当前位置信息为中心的预设范围内的POI;
确定模块20,用于根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率;
生成模块30,用于将所述预设周期划分为多个预设子周期,根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像。
本实施例的用户POI画像生成装置,通过统计模块10在预设周期检测用户的当前位置信息,并统计以当前位置信息为中心的预设范围内的POI;进而确定模块20根据当前位置信息与预设范围的距离关系,确定用户当前去各类POI的POI概率,此POI概率可表征用户在当前位置去到各类POI的可能性大小;再由生成模块30将预设周期划分为多个预设子周期,并根据预设子周期的类型,对用户在各预设子周期中各相同时间段的POI概率进行整合。因各个不同类型预设子周期中相同时间段的POI概率表征用户在各类型预设子周期的各时间段去各类POI的可能性大小,对其进行整合,生成用户在预设周期内的POI画像,表征在预设周期内用户去到各类POI的概率大小;而用户去不同类型的POI反映了用户的不同需求,体现了用户的特征信息,且去POI的概率越大,越能体现用户的需求。本方案将定位的位置信息扩展到POI,确定用户在预设周期内去各类POI的概率大小,通过去各类POI的概率大小准确体现用户在不同时间所需求的特征信息。
进一步地,在本发明用户POI画像生成装置另一实施例中,所述确定模块包括:
分配单元,用于以所述当前位置信息为起始点,每间隔预设距离长度,将所述预设范围划分为多个范围区间,且为各所述范围区间分配区间概率,其中距离所述当前位置信息越近的所述范围区间所对应的所述区间概率越大;
第一确定单元,用于根据各所述范围区间中所具有POI的类型,确定各所述范围区间中各类所述POI的类型概率;
第二确定单元,用于根据所述区间概率和所述类型概率,确定用户当前去各类所述POI的POI概率。
进一步地,在本发明用户POI画像生成装置另一实施例中,所述第一确定单元还用于:
统计各所述POI中位于各所述范围区间的区间POI,并根据各所述区间POI中所携带的类型标识符,确定各所述区间POI的类型;
对各类型所述区间POI进行计数统计,确定各类型所述区间POI的类型数量,并根据所述类型数量,确定各所述范围区间中各类所述区间POI所具有的类型概率。
进一步地,在本发明用户POI画像生成装置另一实施例中,所述第二确定单元还用于:
将各所述范围区间的区间概率,以及各所述范围区间中各类所述区间POI的类型概率相乘,生成各所述范围区间中各类所述区间POI的区间POI概率;
将各所述范围区间中类型相同的所述区间POI的所述区间POI概率进行累加,生成用户当前去各类所述POI的POI概率。
进一步地,在本发明用户POI画像生成装置另一实施例中,所述生成模块还包括:
划分单元,用于当检测达到所述预设周期的完成时间点时,将所述预设周期以天为单位划分为多个所述预设子周期,以使一个所述预设子周期与一天对应,且所述预设子周期的类型包括工作日和休息日。
进一步地,在本发明用户POI画像生成装置另一实施例中,所述生成模块还包括:
第一生成单元,将所述预设周期中各所述工作日的相同时间段内类型相同的所述POI概率进行相加,生成用户在预设周期中各工作日的POI画像;
第二生成单元,将所述预设周期中各所述休息日的相同时间段内类型相同的所述POI概率进行相加,生成用户在预设周期中各休息日的POI画像;
第三生成单元,将用户在预设周期内中各工作日的POI画像以及各休息日的POI画像进行整合,生成用户在预设周期内的POI画像。
进一步地,在本发明用户POI画像生成装置另一实施例中,所述用户POI画像生成装置还包括:
读取模块,用于当检测到用户的实时位置信息时,读取与用户对应的应用POI画像,以及实时时间;
对应模块,用于根据所述应用POI画像,确定与所述实时位置信息以及所述实时时间对应的实时POI;
获取模块,用于获取与所述实时POI对应的POI信息,并将所述POI信息传输到用户所持有的终端上。
其中,上述用户POI画像生成装置的各虚拟功能模块存储于图4所示用户POI画像生成设备的存储器1005中,处理器1001执行用户POI画像生成程序时,实现图3所示实施例中各个模块的功能。
参照图4,图4是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明实施例用户POI画像生成设备可以是PC(personal computer,个人计算机),也可以是智能手机、平板电脑、电子书阅读器、便携计算机等终端设备。
如图4所示,该用户POI画像生成设备可以包括:处理器1001,例如CPU(CentralProcessing Unit,中央处理器),存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM(random accessmemory,随机存取存储器),也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,该用户POI画像生成设备还可以包括用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi(Wireless Fidelity,无线宽带)模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图4中示出的用户POI画像生成设备结构并不构成对用户POI画像生成设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图4所示,作为一种可读存储介质的存储器1005中可以包括操作***、网络通信模块以及用户POI画像生成程序。操作***是管理和控制用户POI画像生成设备硬件和软件资源的程序,支持用户POI画像生成程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与用户POI画像生成设备中其它硬件和软件之间通信。
在图4所示的用户POI画像生成设备中,处理器1001用于执行存储器1005中存储的用户POI画像生成程序,实现上述用户POI画像生成方法各实施例中的步骤。
本发明提供了一种可读存储介质,所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述用户POI画像生成方法各实施例中的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的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,该计算机软件产品存储在如上所述的一个可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种用户POI画像生成方法,其特征在于,所述用户POI画像生成方法包括以下步骤:
当在预设周期检测到用户的当前位置信息时,统计以所述当前位置信息为中心的预设范围内的兴趣点POI;
根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率;
将所述预设周期划分为多个预设子周期,根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像。
2.如权利要求1所述的用户POI画像生成方法,其特征在于,所述根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率的步骤包括:
以所述当前位置信息为起始点,每间隔预设距离长度,将所述预设范围划分为多个范围区间,且为各所述范围区间分配区间概率,其中距离所述当前位置信息越近的所述范围区间所对应的所述区间概率越大;
根据各所述范围区间中所具有POI的类型,确定各所述范围区间中各类所述POI的类型概率;
根据所述区间概率和所述类型概率,确定用户当前去各类所述POI的POI概率。
3.如权利要求2所述的用户POI画像生成方法,其特征在于,所述根据各所述范围区间中所具有POI的类型,确定各所述范围区间中各类所述POI的类型概率的步骤包括:
统计各所述POI中位于各所述范围区间的区间POI,并根据各所述区间POI中所携带的类型标识符,确定各所述区间POI的类型;
对各类型所述区间POI进行计数统计,确定各类型所述区间POI的类型数量,并根据所述类型数量,确定各所述范围区间中各类所述区间POI所具有的类型概率。
4.如权利要求3所述的用户POI画像生成方法,其特征在于,所述根据所述区间概率和所述类型概率,确定用户当前去各类所述POI的POI概率的步骤包括:
将各所述范围区间的区间概率,以及各所述范围区间中各类所述区间POI的类型概率相乘,生成各所述范围区间中各类所述区间POI的区间POI概率;
将各所述范围区间中类型相同的所述区间POI的所述区间POI概率进行累加,生成用户当前去各类所述POI的POI概率。
5.如权利要求1-4任一项所述的用户POI画像生成方法,其特征在于,所述将所述预设周期划分为多个预设子周期的步骤包括:
当检测达到所述预设周期的完成时间点时,将所述预设周期以天为单位划分为多个所述预设子周期,以使一个所述预设子周期与一天对应,且所述预设子周期的类型包括工作日和休息日。
6.如权利要求5所述的用户POI画像生成方法,其特征在于,所述根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像的步骤包括:
将所述预设周期中各所述工作日的相同时间段内类型相同的所述POI概率进行相加,生成用户在预设周期中各工作日的POI画像;
将所述预设周期中各所述休息日的相同时间段内类型相同的所述POI概率进行相加,生成用户在预设周期中各休息日的POI画像;
将用户在预设周期内中各工作日的POI画像以及各休息日的POI画像进行整合,生成用户在预设周期内的POI画像。
7.如权利要求6所述的用户POI画像生成方法,其特征在于,所述生成用户在所述预设周期内的POI画像的步骤之后包括:
当检测到用户的实时位置信息时,读取与用户对应的用户POI画像,以及实时时间;
根据所述用户POI画像,确定与所述实时位置信息以及所述实时时间对应的实时POI;
获取与所述实时POI对应的POI信息,并将所述POI信息传输到用户所持有的终端上。
8.一种用户POI画像生成装置,其特征在于,所述用户POI画像生成装置包括:
统计模块,用于当在预设周期检测到用户的当前位置信息时,统计以所述当前位置信息为中心的预设范围内的POI;
确定模块,用于根据所述当前位置信息与所述预设范围的距离关系,确定用户当前去各类所述POI的POI概率;
生成模块,用于将所述预设周期划分为多个预设子周期,根据所述预设子周期的类型,对用户在各所述预设子周期中各相同时间段的所述POI概率进行整合,生成用户在所述预设周期内的POI画像。
9.一种用户POI画像生成设备,其特征在于,所述用户POI画像生成设备包括:存储器、处理器、通信总线以及存储在所述存储器上的用户POI画像生成程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述用户POI画像生成程序,以实现如权利要求1-7中任一项所述的用户POI画像生成方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有用户POI画像生成程序,所述用户POI画像生成程序被处理器执行时实现如权利要求1-7中任一项所述的用户POI画像生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811118183.1A CN109670849A (zh) | 2018-09-25 | 2018-09-25 | 用户poi画像生成方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811118183.1A CN109670849A (zh) | 2018-09-25 | 2018-09-25 | 用户poi画像生成方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109670849A true CN109670849A (zh) | 2019-04-23 |
Family
ID=66141630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811118183.1A Withdrawn CN109670849A (zh) | 2018-09-25 | 2018-09-25 | 用户poi画像生成方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109670849A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532309A (zh) * | 2019-07-15 | 2019-12-03 | 浙江工业大学 | 一种高校图书馆用户画像***的生成方法 |
-
2018
- 2018-09-25 CN CN201811118183.1A patent/CN109670849A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532309A (zh) * | 2019-07-15 | 2019-12-03 | 浙江工业大学 | 一种高校图书馆用户画像***的生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104731917B (zh) | 一种推荐方法及装置 | |
CN109658192A (zh) | 一种房源推荐方法及服务器 | |
US8838586B2 (en) | Relevancy ranking for map-related search | |
CN110020221B (zh) | 职住分布确认方法、装置、服务器及计算机可读存储介质 | |
US8782045B1 (en) | Evaluating techniques for clustering geographic entities | |
CN104573042B (zh) | Poi信息的确定方法及装置 | |
CN107315824B (zh) | 用于生成热力图的方法和装置 | |
CN105701108B (zh) | 一种信息推荐方法、装置及服务器 | |
US20090287546A1 (en) | System and method for organizing hotel-related data | |
CN107465741A (zh) | 信息推送方法和装置 | |
CN104254865A (zh) | 凭经验的专家确定和问题路由***和方法 | |
KR20150037769A (ko) | 모바일 애플리케이션 사용자의 관심 프로파일 | |
CN107220308B (zh) | Poi的合理性的检测方法及装置、设备及可读介质 | |
CN103313186A (zh) | 用于提供可扩展的基于位置的服务的*** | |
CN105222782A (zh) | 一种路线推荐方法及移动终端 | |
JP6767952B2 (ja) | 推定装置、推定方法および推定プログラム | |
CN109447689A (zh) | 用户风险画像生成方法、装置、设备及可读存储介质 | |
CN104050278A (zh) | 消息推送方法及装置 | |
CN107395680A (zh) | 店铺群信息推送和输出方法及装置、设备 | |
CN107818116B (zh) | 用于确定用户行为区域位置信息的方法与设备 | |
JP2020537252A (ja) | 類似のモバイル装置を予測するためのシステムと方法 | |
CN109428929A (zh) | 目标对象的位置信息的确定方法、服务器及用户客户端 | |
CN112381616A (zh) | 物品推荐引导方法、装置及计算机设备 | |
CN104572805B (zh) | 通过实时索引生成处理地图数据的装置和方法及其*** | |
CN110826786A (zh) | 目的地点人口数量的预测方法、装置及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190423 |
|
WW01 | Invention patent application withdrawn after publication |