CN110312222B - 一种基于WiFi位置指纹的商场好友推荐方法 - Google Patents

一种基于WiFi位置指纹的商场好友推荐方法 Download PDF

Info

Publication number
CN110312222B
CN110312222B CN201910473832.8A CN201910473832A CN110312222B CN 110312222 B CN110312222 B CN 110312222B CN 201910473832 A CN201910473832 A CN 201910473832A CN 110312222 B CN110312222 B CN 110312222B
Authority
CN
China
Prior art keywords
user equipment
information
friend
user
making
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
Application number
CN201910473832.8A
Other languages
English (en)
Other versions
CN110312222A (zh
Inventor
沈泳龙
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.)
Shanghai Shengye Information Technology Co.,Ltd.
Original Assignee
Shanghai Shengye Information Technology Co ltd
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 Shanghai Shengye Information Technology Co ltd filed Critical Shanghai Shengye Information Technology Co ltd
Priority to CN201910473832.8A priority Critical patent/CN110312222B/zh
Publication of CN110312222A publication Critical patent/CN110312222A/zh
Application granted granted Critical
Publication of CN110312222B publication Critical patent/CN110312222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/35—Services specially adapted for particular environments, situations or purposes for the management of goods or merchandise
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
    • H04L51/046—Interoperability with other network applications or services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/222—Monitoring or handling of messages using geographical location information, e.g. messages transmitted or received in proximity of a certain spot or area
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/58—Message adaptation for wireless communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于WiFi位置指纹的商场好友推荐方法，所述方法包括：建立WiFi指纹数据库和商城店铺分布图；获取用户信息；获取好友推荐列表；获取用餐交友信息；接受交友请求信息；本发明方法基于wifi指纹定位技术并结合了微信小程序，最终得到了更优交友体验。

Description

一种基于WiFi位置指纹的商场好友推荐方法
技术领域
本发明涉及互联网技术领域，具体涉及一种基于WiFi位置指纹的商场好友推荐方法。
背景技术
随着互联网和智能终端的发展，人和人之间的网络交友从传统的基于用户账号查找的添加方式，逐步转变为微信扫一扫添加好友或者通过搜索附近的人添加好友等方式，变得更加多样化与智能化。添加附近陌生人为好友的方式更是深受人们的喜爱。
商场、购物中心等地，使一群陌生人同时处于一个封闭的购物楼层内，并且持续时间较长，用户心情较愉快，交友需求提高，而人们在商场、购物中心用餐的意愿明显，商家也纷纷推出如团拼等活动优惠。
如何使人们更加方便的在商场、购物中心内，进行陌生人交友，是一个值得解决的问题。
发明内容
本发明的目的是为了解决上述现有技术的缺陷，提供一种基于WiFi位置指纹的商场好友推荐方法。
本发明的目的可以通过采取如下技术方案达到：
一种基于WiFi位置指纹的商场好友推荐方法，其特征在于，包括：
建立WiFi指纹数据库和商城店铺分布图；
获取用户信息；
获取好友推荐列表；
获取用餐交友信息；
接受交友请求信息。
优选的，所述商城店铺分布图，包括：
采集商城内部的店铺分布信息，绘制所述商城店铺分布图；
对所述商城内部的店铺进行分类。
优选的，所述获取用户信息，包括：
通过微信小程序授权，获取微信用户id、微信用户名称、微信用户头像、微信用户所在城市、微信用户所在省份、微信用户所在国家、用户真实姓名、用户性别、用户年龄；
通过WIFI信号发送设备，获取用户设备的MAC地址信息；
所述用户信息根据所述用户需要，自行选择公开内容。
优选的，所述获取好友推荐列表，包括：
根据wifi指纹定位技术获取用户设备实时定位位置；
生成在场用户设备列表；
建立用户-兴趣爱好评分矩阵；
根据在场用户设备列表及用户-兴趣爱好评分矩阵，结合pearson相关系数，生成所述好友推荐列表。
优选的，所述用餐交友信息，包括：
在饭点时间段内，每隔预设时间，生成用餐交友信息。
优选的，所述在饭点时间段内，每隔预设时间，生成用餐交友信息，包括：
获取交友机器学习模型的训练数据；
训练交友机器学习模型；
遍历所述好友推荐列表，根据所述交友机器学习模型，生成所述用餐交友信息。
优选的，所述获取交友机器学习模型的训练数据，包括：
检测所述交友请求信息中是否包含预设沟通文本；
如果包含所述预设沟通文本并且所述交友请求信息的发送端用户设备与接收端用户设备在预设时间段内位置同步时间超过预设阈值，将所述交友请求信息的发送端用户设备与接收端用户设备的身份信息及兴趣爱好评分信息标记为机器学习正样本；
如果包含所述预设沟通文本并且所述交友请求信息的发送端用户设备与接收端用户设备在预设时间段内位置同步时间没有超过预设阈值，将所述交友请求信息的发送端用户设备与接收端用户设备的身份信息及兴趣爱好评分信息标记为机器学习负样本。
优选的，所述在饭点时间段内，每隔预设时间，生成用餐交友信息，包括：
根据所述好友推荐列表，根据相似度算法，生成所述用餐交友信息。
优选的，所述在饭点时间段内，每隔预设时间，生成用餐交友信息，包括：
根据所述好友推荐列表，根据团拼需求，生成所述用餐交友信息。
附图说明
图1为本发明一实施例中建立WiFi指纹数据库和商城店铺分布图的流程图。
图2为本发明一实施例中在服务器中基于WiFi位置指纹的商场好友推荐方法的流程图。
图3为本发明一实施例中在用户设备中基于WiFi位置指纹的商场好友推荐方法的流程图。
具体实施方式
以下将配合附图及实施例来详细说明本发明的实施方式，藉此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据此实施。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”
所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。
本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
以下对一种基于WiFi位置指纹的商场好友推荐方法的工作流程进行详细说明：
建立WiFi指纹数据库和商城店铺分布图，要说明的是，WiFi指纹数据库和商城店铺分布图的建立过程不分先后。基于预先建立的WiFi指纹数据库和商城店铺分布图，可以对商城内带WiFi功能的定位客户端进行定位，如图1所示，包括以下步骤：
步骤S101:地图绘制。具体包括，采集商城内部的店铺分布信息，绘制所述商城店铺分布图，存入服务器中；
所述商城内部的店铺可以分为以下类别：餐厅类、男士服装店、女士服装店类、便利店类、杂货店类、休闲娱乐类、饮品店类、奢饰品类等。所述餐厅类又可以分为川味火锅店类、粤式小吃店类等细分子类别。
对商城内部的店铺进行分类，有利于对用户的行为轨迹进行分析时，分辨用户兴趣爱好属性。
步骤S201：WiFi指纹数据库建立，具体包括，在步骤S101中绘制的所述商城店铺分布图中确定若干个指纹点，然后在所述商场内根据选择的指纹点进行指纹采集，形成指纹数据库后存入所述服务器中；
其中，所述的指纹采集是利用带WiFi功能的用户设备，在指纹点位置扫描发布于所述商场内部的WiFi信号发生器的MAC地址信息和与该WiFi信号发生器相对应的信号强度值，采集MAC地址信息和信号强度值；
用户设备(User Equipment；简称：UE)为能够连接WIFI信号的设备，例如可以是手机、个人数字助理(Personal Digital Assistant，简称PDA)等。
实施例1
本实施例涉及的基于WiFi位置指纹的商场好友推荐方法用于服务器中。该基于WiFi位置指纹的商场好友推荐方法包括以下步骤。
步骤S301：对所有用户设备进行接收信号强度扫描，并实时定位。具体包括：在预设的时间点，所述WiFi信号发生器对所述所有用户设备中的每一个用户设备进行接收信号强度扫描，并将所得每一个用户设备对应的信号强度及每一个用户设备对应的MAC地址信息发送到所述服务器。
所述所有用户设备是指在所述商场内部，所有能够通过所述WiFi信号发生器能够扫描到信号强度及MAC地址信息的用户设备。
所述服务器接受并根据所述所有用户设备中的每一个用户设备对应的信号强度及所述所有用户设备中的每一个用户设备对应的MAC地址信息，结合所述WiFi指纹数据库，利用WiFi指纹定位，得到所述所有用户设备中的每一个用户设备在所述商城店铺分布图中的位置。所述服务器保存所述所有用户设备中的每一个用户设备对应的在所述商城店铺分布图中的位置、MAC地址信息及该时刻的时间点信息。
步骤S401：实时检测并保存所述所有用户设备中的每一个用户设备的行动轨迹，建立用户-兴趣爱好评分矩阵。具体包括：所述服务器根据步骤S301所得的所述用户设备在所述商城店铺分布图中的位置、所述用户设备的MAC地址信息及该时刻的时间点信息等，以所述用户设备在某个店铺连续停留时间超过预设时间长度为标准，作为该用户的行为轨迹，例如所述用户设备在15分钟内，位置一直停留在某家男士服装店内，以此推断该用户对男士服装类较感兴趣，该用户在男士服装类的评分可以为1分。进一步的，如果所述用户设备在一个月内，每次出现在商场中都去过男士服装类店铺，并且停留时间超过预设的阈值，以此推断该用户对男士服装类非常感兴趣，该用户在男士服装类的评分可以再加2分，为3分。也例如，在某个饭点时间，所述用户设备在30分钟内，位置一直停留在某家川味火锅店内，由此推断该用户已经用餐完毕，并且对川味火锅店稍微感兴趣，该用户在川味火锅类的评分可以得1分，如果所述用户设备在一个月内，在川味火锅店内停留时间超过30分钟的次数超过3次，以此推断该用户对川味火锅类餐厅很感兴趣，该用户在川味火锅类的评分可以再加2分，为3分。同理，如果在饭点时间，所述用户设备的位置从未停留在餐饮店内一段时间，如连续停留30分钟，可以推断该用户还未用餐。
通过以上方法，遍历所述所有用户设备中的每一个用户设备后，可以建立所述用户-兴趣爱好评分矩阵。
所述用户设备为所述所有用户设备中的一个用户设备。
饭点时间是预设的，可以为中午11:30-13:30，也可以为晚上16:30-22:00。
步骤S501：所述服务器接受并储存所述在场用户设备发送来身份信息。
步骤S601：所述服务器接受所述在场用户设备发送来的好友推荐列表获取请求，计算出好友推荐列表，具体包括：
将所述所有用户设备中，当前时刻位置存在于所述商场内部，并且已经通过了所述微信交友小程序授权的用户设备加入到当前时刻在场用户设备列表中，得到当前时刻在场用户设备列表。
根据所述用户-兴趣爱好评分矩阵，计算所述在场用户设备与当前时刻在场用户设备列表内的所有其他用户设备的pearson相关系数，以相关系数从高到低的降序方式排列所述当前时刻在场用户设备列表，得到好友推荐列表。
所述好友推荐列表中的每个用户设备对应的信息，可以包含着该用户设备对应的身份信息、该用户设备对应的位置信息及该用户设备对应的兴趣爱好评分信息。
所述在场用户设备为所述当前时刻在场用户设备列表中的一个用户设备。
所述所有用户设备与所述当前时刻在场用户设备列表的区别在于，所述当前时刻在场用户设备列表内的每个用户设备都要求在当前时刻位置存在于所述商场内部，并且通过了微信交友小程序的授权，而所述所有用户设备没有这个限定。
授权微信交友小程序证明该用户设备的持有者是有好友推荐需求的，好友推荐对其不会造成干扰，而要求当前时刻存在于商场可以排除掉部分当前已经不在商城的用户设备，提高了即时交友的快捷性。
所述所有用户设备没有上述限定，不是等到用户授权上述微信交友小程序后，再采集数据，也不限制时间点，有利于更加广泛的采集商场内的用户设备的爱好属性，为后续提供所述用户-兴趣爱好评分矩阵做数据支撑。
该区别可以大幅度提高用户体验。
步骤S701：所述服务器向所述在场用户设备发送所述好友推荐列表。
步骤S801：所述服务器接收第一在场用户设备发送来的交友请求信息，并将所述交友请求信息发送给第二在场用户设备；所述服务器储存交友信息，所述交友信息是三元组的形式，包括所述第一在场用户设备的身份信息、所述交友请求信息、所述第二在场用户设备的身份信息。
所述交友请求信息包括：所述第一在场用户设备的身份信息、所述第二在场用户设备的身份信息及沟通信息。
所述第一在场用户设备是所述当前时刻在场用户设备列表中的一个用户设备。
所述第二在场用户设备是所述当前时刻在场用户设备列表中除所述第一在场用户设备外的一个用户设备。
步骤S901：记录并储存交友机器学习模型的训练数据，具体包括：根据步骤S801所得所述交友信息，提取所述交友信息中的交友请求信息中的沟通信息，并检测其中是否包含“交个朋友好吗”，“见个面吧”等沟通文本，如果包含，则根据步骤S301的wifi指纹定位方法，得到所述交友信息中的第一在场用户设备与所述交友信息中的第二在场用户设备的位置信息，并检测两者的位置信息在一个月内是否保持过同步，并且时间超过30分钟，如果是，可以推测该次交友成功：将所述交友信息中的第一在场用户设备的身份信息及兴趣爱好评分信息、所述交友信息中的第二在场用户设备的身份信息及兴趣爱好评分信息，作为数据特征项，“该次交友成功”作为数据标签，储存入所述服务器，该数据可以作为训练交友机器学习模型的正样本训练数据；反之，如果两者的位置信息在一个月内保持同步时间没有超过30分钟，则推测该次交友失败：将所述交友信息中的第一在场用户设备的身份信息及兴趣爱好评分信息、所述交友信息中的第二在场用户设备的身份信息及兴趣爱好评分信息作为数据特征项，“该次交友失败”作为数据标签，储存入所述服务器，该数据可以作为训练交友机器学习模型的负样本训练数据。
所述训练交友机器学习模型的正样本训练数据及训练交友机器学习模型的负样本训练数据，是根据所述交友请求信息的增加不断叠加的。
步骤S1001:在预设条件下，根据步骤S901所得正样本训练数据及负样本训练数据，采用支持向量机（SVM）算法，训练所述交友机器学习模型。
所述交友机器学习模型是一个二元分类器，可以用于预测“推荐交友”与“不推荐交友”的预测结果。
所述预设条件，可以是预设的时间点，比如每天凌晨12点，也可以是预设的数据量条件，比如所述训练交友机器学习模型的正样本训练数据及训练交友机器学习模型的负样本训练数据每增加量超过1000条，则符合该条件。
步骤S1101：在饭点时间段内，每隔预设时间，所述服务器向所述在场用户设备，推送用餐交友信息，具体包括：根据步骤S401的方法，检测所述在场用户设备是否用餐完毕，如果已经用餐完毕，则不推送所述用餐交友信息，结束本步骤。如果还未用餐完毕，则根据步骤S601所得所述好友推荐列表，顺序遍历所述好友推荐列表中的每个用户设备，遍历到的单个用户设备将经历以下计算过程：将该用户设备对应的身份信息、兴趣爱好评分信息，与所述在场用户设备的身份信息、兴趣爱好评分信息作为特征项送入所述交友机器学习模型，得到预测结果“推荐交友”与“不推荐交友”，如果预测结果为“推荐交友”，并且根据步骤S401的方法，检测到该用户设备还未用餐完毕，则结束遍历，所述服务器将该用户设备对应的身份信息、兴趣爱好评分信息，所述在场用户设备的身份信息、兴趣爱好评分信息作为用餐交友信息，发送给该用户设备及所述在场用户设备，所述用餐交友信息还可以包括以下字面信息：“***检测到你俩都还没用餐，你们的兴趣很相似呢，可以考虑一起用餐哦”等的推荐语言。
基于机器学习的饭店时间段的用餐交友信息推送，因为结合了机器学习算法，并且基于饭点这种高需求交友时间，可以极大的提高交友推荐的成功率，提高用户体验。
在另一种情景下，步骤S1101也可以是：在饭点时间段内，每隔预设时间，所述服务器向所述在场用户设备，推送用餐交友信息，具体包括：根据步骤S401的方法，检测所述在场用户设备是否用餐完毕，如果已经用餐完毕，则不推送所述用餐交友信息，结束本步骤。如果还未用餐完毕，则根据步骤S601所得所述好友推荐列表，顺序遍历所述好友推荐列表中的每个用户设备，遍历到的单个用户设备将经历以下计算过程：计算该用户设备对应的兴趣爱好评分信息与所述在场用户设备的兴趣爱好评分信息的相似度，其中，根据预设的权重规则，对兴趣爱好评分信息中，每种爱好的评分进行提升或者降低，例如：对餐饮类的兴趣爱好评分权重进行提升，对其他兴趣爱好评分权重进行降低。得到与所述在场用户设备的兴趣爱好评分信息的相似度计算得分最高并且还未用餐完毕的用户设备。所述服务器将该用户设备对应的身份信息、兴趣爱好评分信息，所述在场用户设备的身份信息、兴趣爱好评分信息作为用餐交友信息，发送给该用户设备及所述在场用户设备，所述用餐交友信息还可以包括以下字面信息：“***检测到你俩都还没用餐，你们的餐饮兴趣很相似呢，可以考虑一起用餐哦”等的推荐语言。
所述相似度算法可以是余弦相似度，皮尔逊相似度等。
基于兴趣爱好相似度的饭店时间段的用餐交友信息推送，因为结合了相似度算法，并且基于饭点这种高需求交友时间，提升了餐饮类爱好的权重，可以极大的提高交友推荐的成功率，提高用户体验。
在第三种情景下，步骤S1101还可以是：在饭点时间段内，每隔预设时间，所述服务器向所述在场用户设备，推送用餐交友信息，具体包括：检测所述在场用户设备是否有拼团需求，如果有，根据步骤S601所得所述好友推荐列表，顺序遍历所述好友推荐列表中的每个用户设备是否有与所述在场用户设备相同的拼团需求；
所述服务器将与所述在场用户设备有相同的拼团需求的用户设备对应的身份信息、兴趣爱好评分信息，所述在场用户设备的身份信息、兴趣爱好评分信息作为用餐交友信息，发送给与所述在场用户设备有相同的拼团需求的用户设备及所述在场用户设备，所述用餐交友信息还可以包括以下字面信息：“***检测到你俩都想拼团，可以考虑一起用餐哦”等的推荐语言。
拼团作为一种流行的商业促销手段，已经得到越来越多消费者及商家的认可，基于拼团需求的饭店时间段的用餐交友信息推送，因为结合了拼团需求，并且基于饭点这种高需求交友时间，既可以使用户满足降低用餐成本的需求，又可以满足用户的交友需求，可以极大的提高交友推荐的成功率，提高用户体验。
实施例2
本实施例涉及的基于WiFi位置指纹的商场好友推荐方法用于用户设备。该基于WiFi位置指纹的商场好友推荐方法包括以下步骤。
步骤S1201：所述在场用户设备通过识别微信小程序的二维码，进入商场微信交友小程序二维码是一种用某种特定的几何图形按一定规律在平面（通常是二维方向上）分布黑白相间的图形，以记录数据符号信息。即二维码是一种信息记录的载体。
通过微信小程序生成信息获取页面，进而进行车辆内的陌生人交友，无需用户提前安装应用，减少移动终端的存储空间，避免忘记安装带来不便。
步骤S1301：所述商场微信交友小程序获取用户微信的授权，向所述服务器发送身份信息。该授权内容包含获取用户信息、微信Wi-Fi权限；
本发明中，当打开所述商场微信交友小程序，所述商场微信交友小程序获取用户微信的授权，该授权内容包含获取用户信息、微信Wi-Fi权限。
所述授权内容可根据用户需要，让用户自行选择，为用户提供了方便，提高安全性及用户满意度。
通过商场微信交友小程序可以表明用户有在商场进行交友的需求，才愿意打开所述商场微信交友小程序，该方法可以屏蔽掉一部分没有在商场上进行交友需求的用户，提高用户体验。
所述在场用户设备的身份信息包括但不限于所述在场用户设备的MAC地址信息、微信用户id、微信用户名称、微信用户头像、微信用户所在城市、微信用户所在省份、微信用户所在国家、用户真实姓名、用户性别、用户年龄等。
所述在场用户设备的身份信息可根据该用户需要，让用户自行选择，为用户提供了方便，提高安全性及用户满意度。
步骤S1401：所述在场用户设备向所述服务器发送好友推荐列表获取请求。
步骤S1501：所述在场用户设备接收所述服务器发送来的所述好友推荐列表，并在所述商场微信交友小程序中呈现所述好友推荐列表中的信息。
步骤S1601：所述在场用户设备接收并呈现所述服务器发送来的用餐交友信息。
步骤S1701：所述第一在场用户设备接收所述用户的交友请求操作，得到所述交友请求信息。
所述交友请求操作可以是：根据所述好友推荐列表中的信息或所述用餐交友信息，所述用户点击或输入所述沟通信息及第二在场用户设备的身份信息。
步骤S1801：所述第一在场用户设备向所述服务器发送所述交友请求信息。
步骤S1901：所述第二在场用户设备接收所述服务器发送来的所述交友请求信息。

Claims (7)

1.一种基于WiFi位置指纹的商场好友推荐方法，其特征在于，包括：
建立WiFi指纹数据库和商城店铺分布图；
获取用户信息；
根据wifi指纹定位技术获取用户设备实时定位位置；
生成在场用户设备列表，包括，将所有用户设备中，当前时刻位置存在于所述商场内部，并且已经通过了微信交友小程序授权的用户设备加入到当前时刻在场用户设备列表中，得到所述在场用户设备列表；
计算好友推荐列表；
接受交友请求信息；
获取交友机器学习模型的训练数据；
训练交友机器学习模型；
检测在场用户设备是否用餐完毕，如果已经用餐完毕，则不推送用餐交友信息；
如果还未用餐完毕，生成用餐交友信息，包括根据所述好友推荐列表，顺序遍历所述好友推荐列表中的每个用户设备，遍历到的单个用户设备将经历以下计算过程：将所述单个用户设备对应的身份信息、兴趣爱好评分信息，
与所述在场用户设备的身份信息、兴趣爱好评分信息作为特征项送入所述交友机器学习模型，得到预测结果“推荐交友”与“不推荐交友”，如果预测结果为“推荐交友”，检测到所述单个用户设备还未用餐完毕，则结束遍历，服务器将所述单个用户设备用户设备对应的身份信息、兴趣爱好评分信息，所述在场用户设备的身份信息、兴趣爱好评分信息作为用餐交友信息；
发送所述用餐交友信息给所述单个用户设备用户设备及所述在场用户设备。
2.根据权利要求1所述的一种基于WiFi位置指纹的商场好友推荐方法，其特征在于：所
述商城店铺分布图，包括：
采集商城内部的店铺分布信息，绘制所述商城店铺分布图；
对所述商城内部的店铺进行分类。
3.根据权利要求1所述的一种基于WiFi位置指纹的商场好友推荐方法，其特征在于：所
述获取用户信息，包括：
通过微信小程序授权，获取微信用户id、微信用户名称、微信用户头像、微信用户所在城市、微信用户所在省份、微信用户所在国家、用户真实姓名、用户性别、用户年龄；
通过WIFI信号发送设备，获取用户设备的MAC地址信息；
所述用户信息根据所述用户需要，自行选择公开内容。
4.根据权利要求1所述的一种基于WiFi位置指纹的商场好友推荐方法，其特征在于：所述计算好友推荐列表，包括：
建立用户-兴趣爱好评分矩阵，具体包括：
实时检测并保存所述所有用户设备中的每一个用户设备的行动轨迹，
所述服务器根据所述用户设备在所述商城店铺分布图中的位置、所述用户设备的MAC地址信息及该时刻的时间点信息，以所述用户设备在店铺连续停留时间超过预设时间长度为标准，作为所述用户的行为轨迹，所述用户设备在15分钟内，位置一直停留在男士服装店内，推断所述用户对男士服装类较感兴趣，所述用户在男士服装类的评分为1分；
当所述用户设备在一个月内，每次出现在商场中都去过男士服装类店铺，并且停留时间超过预设的阈值，以此推断用户对男士服装类非常感兴趣，所述用户在男士服装类的评分再加2分，为3分；
在饭点时间，所述用户设备在30分钟内，位置一直停留在川味火锅店内，推断所述用户已经用餐完毕，并且对川味火锅店稍微感兴趣，所述用户设备在川味火锅类的评分得1分，所述用户设备在一个月内，在川味火锅店内停留时间超过30分钟的次
数超过3次，推断所述用户对川味火锅类餐厅很感兴趣，所述用户在川味火锅类的评分再加2分，为3分；
如果在饭点时间，所述用户设备的位置从未停留在餐饮店内一段时间，如连续停留30分钟，推断所述用户还未用餐；
根据在场用户设备列表及用户-兴趣爱好评分矩阵，结合pearson相关系数，生成所述好友推荐列表。
5.根据权利要求1所述的一种基于WiFi位置指纹的商场好友推荐方法，其特征在于：所述用餐交友信息，包括：
计算所述单个用户设备对应的兴趣爱好评分信息与所述在场用户设备的兴趣爱好评分信息的相似度，其中，根据预设的权重规则，对兴趣爱好评分信息中，每种爱好的评分进行提升或者降低，包括：对餐饮类的兴趣爱好评分权重进行提升，对其他兴趣爱好评分权重进行降低；得到与所述在场用户设备的兴趣爱好评分信息的相似度计算得分最高并且还未用餐完毕的用户设备；所述服务器将所述单个用户设备对应的身份信息、兴趣爱好评分信息，所述在场用户设备的身份信息、兴趣爱好评分信息作为用餐交友信息，发送给所述单个用户设备及所述在场用户设备，所述用餐交友信息还包括以下字面信息：“***检测到你俩都还没用餐，你们的餐饮兴趣很相似呢，可以考虑一起用餐哦”的推荐语言；
或：
检测所述在场用户设备是否有拼团需求，如果有，根据所述好友推荐列表，顺序遍历所述好友推荐列表中的每个用户设备是否有与所述在场用户设备相同的拼团需求；
所述服务器将与所述在场用户设备有相同的拼团需求的用户设备对应的身份信息、兴趣爱好评分信息，所述在场用户设备的身份信息、兴趣爱好评分信息作为用餐交友信息，发送给与所述在场用户设备有相同的拼团需求的用户设备及所述在场用户设备，所述用餐交友信息还包括以下字面信息：“***检测到你俩都想拼团，可以考虑一起用餐哦”的推荐语言。
6.根据权利要求1所述的一种基于WiFi位置指纹的商场好友推荐方法，其特征在于：其
中，所述获取交友机器学习模型的训练数据，包括：
根据交友信息，提取所述交友信息中的交友请求信息中的沟通信息，并检测其中是否包含“交个朋友好吗”，“见个面吧”的沟通文本，如果包含，则根据wifi指纹定位方法，得到所述交友信息中的第一在场用户设备与所述交友信息中的第二在场用户设备的位置信息，并检测两者的位置信息在一个月内是否保持过同步，并且时间超过30分钟，如果是，推测该次交友成功：将所述交友信息中的第一在场用户设备的身份信息及兴趣爱好评分信息、所述交友信息中的第二在场用户设备的身份信息及兴趣爱好评分信息，作为数据特征项，“该次交友成功”作为数据标签，储存入所述服务器，该数据作为训练交友机器学习模型的正样本训练数据；反之，如果两者的位置信息在一个月内保持同步时间没有超过30分钟，则推测该次交友失败：将所述交友信息中的第一在场用户设备的身份信息及兴趣爱好评分信息、所述交友信息中的第二在场用户设备的身份信息及兴趣爱好评分信息作为数据特征项，“该次交友失败”作为数据标签，储存入所述服务器，该数据作为训练交友机器学习模型的负样本训练数据。
7.根据权利要求1所述的一种基于WiFi位置指纹的商场好友推荐方法，其特征在于：其
中，所述训练交友机器学习模型，包括：
根据所得正样本训练数据及负样本训练数据，采用支持向量机（SVM）算法，训练所述交友机器学习模型；
所述交友机器学习模型是一个二元分类器，用于预测“推荐交友”与“不推荐交友”的预测结果。
CN201910473832.8A 2019-06-01 2019-06-01 一种基于WiFi位置指纹的商场好友推荐方法 Active CN110312222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910473832.8A CN110312222B (zh) 2019-06-01 2019-06-01 一种基于WiFi位置指纹的商场好友推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910473832.8A CN110312222B (zh) 2019-06-01 2019-06-01 一种基于WiFi位置指纹的商场好友推荐方法

Publications (2)

Publication Number Publication Date
CN110312222A CN110312222A (zh) 2019-10-08
CN110312222B true CN110312222B (zh) 2022-01-04

Family

ID=68074977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910473832.8A Active CN110312222B (zh) 2019-06-01 2019-06-01 一种基于WiFi位置指纹的商场好友推荐方法

Country Status (1)

Country Link
CN (1) CN110312222B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113205358A (zh) * 2021-04-13 2021-08-03 Oppo广东移动通信有限公司 信息推荐方法、装置、电子设备及存储介质
CN113204715B (zh) * 2021-04-13 2024-03-29 Oppo广东移动通信有限公司 用户推荐方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021233A (zh) * 2014-06-30 2014-09-03 电子科技大学 一种基于社区发现的社交网络好友推荐方法
CN104572937A (zh) * 2014-12-30 2015-04-29 杭州云象网络技术有限公司 一种基于室内生活圈的线下好友推荐方法
CN105721574A (zh) * 2016-02-05 2016-06-29 北京奇虎科技有限公司 用于结交用户好友的方法、服务器、装置及***
CN106162872A (zh) * 2016-08-22 2016-11-23 京信通信技术(广州)有限公司 一种室内定位***、方法和基于其的信息推送***、方法
CN107786431A (zh) * 2015-04-30 2018-03-09 广东欧珀移动通信有限公司 消息交互方法和相关装置及通信***和介质产品

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9222788B2 (en) * 2012-06-27 2015-12-29 Microsoft Technology Licensing, Llc Proactive delivery of navigation options

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021233A (zh) * 2014-06-30 2014-09-03 电子科技大学 一种基于社区发现的社交网络好友推荐方法
CN104572937A (zh) * 2014-12-30 2015-04-29 杭州云象网络技术有限公司 一种基于室内生活圈的线下好友推荐方法
CN107786431A (zh) * 2015-04-30 2018-03-09 广东欧珀移动通信有限公司 消息交互方法和相关装置及通信***和介质产品
CN105721574A (zh) * 2016-02-05 2016-06-29 北京奇虎科技有限公司 用于结交用户好友的方法、服务器、装置及***
CN106162872A (zh) * 2016-08-22 2016-11-23 京信通信技术(广州)有限公司 一种室内定位***、方法和基于其的信息推送***、方法

Also Published As

Publication number Publication date
CN110312222A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
Liu et al. Point-of-interest recommendation in location based social networks with topic and location awareness
CN109376313B (zh) 信息推荐方法、装置、终端及存储介质
US11657429B1 (en) Public access hyperlocal information exchange
WO2020148659A2 (en) Augmented reality based reactions, actions, call-to-actions, survey, accessing query specific cameras
Wang et al. The new landscape of travel: A comprehensive analysis of smartphone apps
CN103425659B (zh) 基于地理位置的信息搜索方法及服务器
Vallespín et al. Segmentation and explanation of smartphone use for travel planning based on socio-demographic and behavioral variables
WO2019056661A1 (zh) 一种搜索词推送方法、装置及终端
Chen et al. Assessing destination satisfaction by social media: An innovative approach using Importance-Performance Analysis
Bojic et al. Choosing the right home location definition method for the given dataset
US20180032997A1 (en) System, method, and computer program product for determining whether to prompt an action by a platform in connection with a mobile device
TW200947976A (en) System and method for delivery of augmented messages
KR20180127495A (ko) 메시징 에이전트 플랫폼을 위한 기술
CN110312222B (zh) 一种基于WiFi位置指纹的商场好友推荐方法
US20180189382A1 (en) System for Forming Connections Between Users
CN105824799B (zh) 一种信息处理方法、设备和终端设备
TW201933879A (zh) 內容推薦方法及裝置
KR20070037665A (ko) 인스턴트 메시징을 이용한 즉석 주문 시스템 및 그 방법과,인스턴트 메시징을 이용한 즉석 지식 서비스 시스템 및 그방법
CN112241489B (zh) 信息推送方法、装置、可读存储介质和计算机设备
US20160110774A1 (en) Method and apparatus for recommending affiliated store by using reverse auction
Vanegas López et al. Service quality in Medellin hotels using perceptual maps
CN107948312B (zh) 一种以位置点作为信息出入口的信息归类发布方法及***
CN109670107B (zh) 一种基于兴趣大数据的陌生人社交活动推荐方法和***
CN110164429A (zh) 语音交互方法和装置
KR102569404B1 (ko) 사용자 모임 매칭 서비스 제공 방법 및 이를 위한 전자 장치

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211216

Address after: 201620 zone a, No. 58, Qingyun street, Songjiang Science Park, Songjiang District, Shanghai

Applicant after: Shanghai Shengye Information Technology Co.,Ltd.

Address before: Room f101-12, No.1 incubation and production building, guanshao shuangchuang (equipment) center, Huake City, 42 Baiwang Avenue, Wujiang District, Shaoguan City, Guangdong Province, 512026

Applicant before: Shaoguan Qizhi Information Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant