CN111475746B - 兴趣点位置挖掘方法、装置、计算机设备和存储介质 - Google Patents
兴趣点位置挖掘方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111475746B CN111475746B CN202010265690.9A CN202010265690A CN111475746B CN 111475746 B CN111475746 B CN 111475746B CN 202010265690 A CN202010265690 A CN 202010265690A CN 111475746 B CN111475746 B CN 111475746B
- Authority
- CN
- China
- Prior art keywords
- extremum
- area
- target
- position information
- region
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种基于大数据的兴趣点位置挖掘方法、装置、计算机设备和存储介质。所述方法包括:获取在兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合;确定所述位置信息集合中各所述位置信息在地图中所位于的参考区域;对所述参考区域进行经纬度网格划分处理,得到候选区域;从所述候选区域中,筛选与所述兴趣点对应的目标区域;所述目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量;在所述目标区域中定位所述兴趣点的位置坐标。采用本方法能够提高兴趣点位置获取的效率。
Description
技术领域
本申请涉及大数据处理技术领域以及地理信息处理技术领域,特别是涉及一种兴趣点位置挖掘方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的发展,大数据分析处理广泛应用于各行各业。其中,基于大数据进行地理信息处理、对人们的生活和工作起着越来越重要的作用。对一个地理信息***来说,兴趣点的信息在一定程度代表着整个***的价值。因此,获取兴趣点的经纬度信息至关重要。
传统方法中,需要地图测绘人员采用精密的测绘仪器去测量一个兴趣点的经纬度,然后再标记下来。很显然,传统方法需要手动测量兴趣点的位置,导致获取兴趣点位置的效率非常低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高效率的兴趣点位置挖掘方法、装置、计算机设备和存储介质。
一种兴趣点位置挖掘方法,该方法包括:
获取在兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合;
确定位置信息集合中各位置信息在地图中所位于的参考区域;
对参考区域进行经纬度网格划分处理,得到候选区域;
从候选区域中,筛选与兴趣点对应的目标区域;目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量;
在目标区域中定位兴趣点的位置坐标。
一种兴趣点位置挖掘装置,该装置包括:
获取模块,用于获取在兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合;
区域划分模块,用于确定位置信息集合中各位置信息在地图中所位于的参考区域;对参考区域进行经纬度网格划分处理,得到候选区域;
筛选模块,用于从候选区域中,筛选与兴趣点对应的目标区域;目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量;
位置坐标定位模块,用于在目标区域中定位兴趣点的位置坐标。
在一个实施例中,参考区域,是按照预设经纬度边长在地图上预先划分出的经纬度网格;区域划分模块还用于在地图中定位位置信息集合中的各位置信息;确定各位置信息在地图中定位后所位于的经纬度网格,得到参考区域;参考区域为至少一个。
在一个实施例中,筛选模块还用于确定各候选区域所分别对应的位置信息上报量;过滤出位置信息上报量大于或等于上报量阈值的候选区域;上报量阈值,根据各位置信息上报量的总数量确定;
从过滤出的候选区域中,筛选与兴趣点对应的目标区域。
在一个实施例中,筛选模块还用于对过滤出的候选区域的位置信息上报量进行极值检测处理,得到极值区域;根据极值区域,确定兴趣点的目标区域。
在一个实施例中,兴趣点为归属于同一对象的多个兴趣点;极值区域为多个;筛选模块还用于从多个极值区域中,迭代地选取目标极值区域,并按照预设邻域选取条件,从地图上选取目标极值区域的邻域;确定位于邻域中的极值区域,得到参照极值区域;当目标极值区域与参照极值区域之间满足上报量接近条件时,则判定目标极值区域为所对应的兴趣点的目标区域;其中,上报量接近条件,是指表示目标极值区域所对应的位置信息上报量,与参照极值区域所对应的位置信息上报量之间接近的预设条件。
在一个实施例中,筛选模块还用于将目标极值区域和参照极值区域,按照位置信息上报量进行降序排序;根据排序结果确定分界位次;分界位次对应的位置信息上报量,与分界位次的前一位次对应的位置信息上报量之间的比值小于或等于预设阈值;当目标极值区域的位次在分界位次之前,则判定目标极值区域为目标区域;当目标极值区域的位次在分界位次之后,则判定目标极值区域为非目标区域。
在一个实施例中,筛选模块还用于从排序结果中的首位开始,依次选择当前位次;当当前位次的后一位次对应的位置信息上报量,与当前位次对应的位置信息上报量之间的比值大于预设阈值时,则将后一位次作为当前位次以迭代处理,直至当比值小于或等于预设阈值时,判定当前位次的后一位次为分界位次。
在一个实施例中,筛选模块还用于获取预设的半径值;以目标极值区域为圆心,按照半径值在地图上选取圆形区域,作为目标极值区域的邻域。
在一个实施例中,半径值为多个;筛选模块还用于当按照上一半径值选取的邻域中的参照极值区域,与目标极值区域之间满足上报量接近条件时,则继续按照下一个半径值选取邻域以迭代处理,直至按照最后一个半径值所选取的邻域中的参照极值区域与目标极值区域之间满足上报量接近条件时,则判定目标极值区域为所对应的兴趣点的目标区域;上一半径值小于下一半径值。
在一个实施例中,位置坐标定位模块还用于将目标区域进行划分,得到多个子区域;确定每个子区域所对应的位置信息上报量;对位置信息上报量最多的子区域进行中心点定位,并获取所定位的中心点的经纬度,得到兴趣点的位置坐标。
在一个实施例中,获取模块还用于获取资源转移数据的集合;资源转移数据,是在兴趣点进行资源转移处理时生成的数据;每条资源转移数据中,携带在进行资源转移处理时上报的位置信息;从资源转移数据的集合中的每条资源转移数据中,分别提取所携带的位置信息,得到位置信息集合。
在一个实施例中,兴趣点为线下门店,资源转移处理包括支付处理,位置信息,为移动终端在线下门店中进行支付处理时上报的位置信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请各实施例所述的兴趣点位置挖掘方法中的步骤。
一种计算机可读存储介质,其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本申请各实施例所述的兴趣点位置挖掘方法中的步骤。
上述兴趣点位置挖掘方法、装置、计算机设备和存储介质,获取在兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合;确定所述位置信息集合中各所述位置信息在地图中所位于的参考区域。该参考区域,能够体现兴趣点真实位置所处的一个区域范围。进而,对所述参考区域进行经纬度网格划分处理,得到候选区域;从所述候选区域中,筛选与所述兴趣点对应的目标区域;所述目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量。即,对真实位置所处区域范围进行区域细分以及过滤筛选,实现了进一步缩小兴趣点真实位置可能存在的区域范围,以筛选出兴趣点最可能位于的目标区域。从而,在目标区域中能够准确地定位出兴趣点的位置坐标。通过利用在兴趣点处进行资源转移处理时上报的位置信息,能够准确挖掘定位出兴趣点的位置坐标,相较于传统方法需要专业人员进行手动测量而言,大大提高了获取兴趣点位置的效率。
附图说明
图1为一个实施例中兴趣点位置挖掘方法的应用环境图;
图2为另一个实施例中兴趣点位置挖掘方法的应用环境图;
图3为一个实施例中兴趣点位置挖掘方法的流程示意图;
图4为一个实施例中上报位置信息的示意图;
图5为一个实施例中划分候选区域的原理示意图;
图6为一个实施例中过滤候选区域的示意图;
图7为一个实施例中极值区域的示意图;
图8为一个实施例中清洗极值区域的原理示意图;
图9至图10为一个实施例中清洗极值区域的界面示意图;
图11至图13为一个实施例中确定兴趣点位置坐标的示意图;
图14为一个实施例中兴趣点位置挖掘装置的结构框图;
图15为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的兴趣点位置挖掘方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。服务器104可以是独立的物理服务器,也可以是多个物理服务器组成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。。终端102可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、便携式可穿戴设备(比如,智能手表或智能眼镜)等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
终端102具备资源转移处理功能和定位功能。终端102可以在兴趣点处进行资源转移处理,并对终端102进行定位,将定位的终端102的位置信息上报至服务器104。可以理解,位置信息是在兴趣点进行资源转移处理过程中上报的,也就是终端102在兴趣点处定位并上报的。
终端102可以是移动终端(比如,具有资源转移功能和定位功能的手机)。即,多个用户分别使用各自的终端102在兴趣点处进行资源转移处理,每个终端102在资源转移处理时对自身的位置进行定位,并上报定位得到的位置信息至服务器104。那么,服务器104可以获得在兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合。
服务器104可以确定位置信息集合中各位置信息在地图中所位于的参考区域;对参考区域进行经纬度网格划分处理,得到候选区域;从候选区域中,筛选与兴趣点对应的目标区域;目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量;在目标区域中定位该兴趣点的位置坐标。
可以理解,终端102也可以是固定设置在兴趣点处的进行资源转移处理的终端,比如,线下门店中的固定收银设备。
需要说明的是,图1仅以单独针对一个兴趣点进行位置挖掘为例进行场景示意。实际上,可以批量地对多个兴趣点进行位置挖掘。即如图2所示的应用场景图。在多个兴趣点处进行资源转移处理的各个终端102,分别在资源转移处理时上报位置信息至服务器104。服务器104得到的位置信息集合中,则包括在多个兴趣点处进行资源转移处理时上报的位置信息,从而基于该位置信息集合执行本申请各实施例中的兴趣点位置挖掘方法,得到每个兴趣点的位置坐标。
在一个实施例中,多个兴趣点可以归属于同一对象。比如,归属于同一个品牌的线下门店。
需要说明的是,在其他实施例中,也可以由其他计算机设备统一从服务器104中获取所上报的位置信息集合,并执行本申请各实施例所述的方法,并不限定必须由直接接收终端上报的服务器104来执行本申请各实施例中所述的方法。可以理解,其他的计算机设备可以为终端或后台服务器(这里的后台服务器是不同于服务器104的后台服务器)。此外,终端102也可以直接将位置信息上报至另一个具备执行本申请各实施例中的方法的终端设备,而不限定于上传至服务器102。
在一个实施例中,如图3所示,提供了一种兴趣点位置挖掘方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤302,获取在兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合。
其中,兴趣点(POI,Point of Interest),是地理信息***中的一个术语,泛指一切可以抽象为点的地理对象。在地理信息***中,一些地理实体,比如,一栋房子、一个商铺、一个邮筒、一个公交站等都可以作为一个兴趣点。
资源转移处理,是用于对资源数据进行转移的处理。上报的位置信息,是终端在兴趣点处进行资源转移处理时上报的该终端的位置信息。可以理解,每进行一次资源转移处理则上报一次位置信息。即,位置信息的上报量,即为进行资源转移处理的次数。上报的位置信息,是具有经纬度数据的位置信息,即属于经纬度信息。
在一个实施例中,资源转移处理可以包括支付处理和资源赠予处理等中的至少一种。可以理解,在支付处理中支付的金额,就属于资源数据,将金额从一个账户转移至另一个账户,就属于对资源数据进行转移。
可以理解,用户可以使用终端在兴趣点处进行资源转移操作,终端则进行资源转移处理,并对自身进行定位,得到位置信息。终端可以在进行资源转移处理的过程中上报所定位的位置信息至服务器。可以理解,在一个兴趣点处,可以由多个用户进行多次资源转移处理,所以会多次上报位置信息至服务器,从而形成位置信息集合。
在一个实施例中,在进行资源转移处理时,终端可以检测(即嗅探)到无线网络列表(比如,Wi-Fi列表),根据该无线网络列表,定位终端的位置信息,并在资源转移处理过程中,将该位置信息上报至服务器。即,该上报的位置信息,是在兴趣点进行资源转移处理时根据检测到的无线网络列表定位得到。
图4为一个实施例中上报位置信息的示意图。参照图4,考虑受无线网络信号自身不稳定及受外界干扰(如建筑遮挡、流动人员)等因素,根据无线网络列表,定位的位置信息是不准确的(即上报的位置信息不够准确)。比如10个移动设备在同一家便利店支付,则可能上报A~J这10个不同的位置信息。从图4可知,这些上报的位置信息有些离便利店的真实位置比较远,有些离便利店的真实位置比较近,因此,这些上报的位置信息不够准确,需要通过本申请各实施例中的方法,基于这些上报的位置信息挖掘出兴趣点(即便利店)准确地位置坐标(即挖掘出较为准确的经纬度)。
在一个实施例中,兴趣点为线下门店,资源转移处理包括支付处理,位置信息,为移动终端在线下门店中进行支付处理时上报的位置信息。即,通过本申请各实施例中的方法,利用移动终端在线下门店进行支付处理时上报的位置信息,来挖掘出线下门店的位置坐标。
在一个实施例中,服务器可以直接获取在资源转移处理阶段已经上报的位置信息,得到位置信息集合。即,位置信息可以以独立的形式进行上报。
在其他实施例中,位置信息也可以与在资源转移处理过程中产生的其他数据一并以资源转移数据的形式上报。服务器则可以从资源转移数据中提取所上报的位置信息。
在一个实施例中,步骤302包括:获取资源转移数据的集合;资源转移数据,是在兴趣点进行资源转移处理时生成的数据;每条资源转移数据中,携带在进行资源转移处理时上报的位置信息;从资源转移数据的集合中的每条资源转移数据中,分别提取所携带的位置信息,得到位置信息集合。
具体地,终端在进行兴趣点处进行资源转移处理时,会生成资源转移数据并上报至服务器。其中,上报的资源转移数据中包括终端在进行资源转移处理时定位的位置信息。服务器可以获取上报的资源转移数据的集合,然后,从每条资源转移数据中,提取其中所携带的位置信息,得到位置信息集合。
为了便于理解,现举例说明。比如,10个移动终端在同一家便利店(便利店即兴趣点)支付(支付即资源转移操作),则可以从10次支付产生的移动支付数据中获得10次上报的位置信息。
在一个实施例中,服务器可以对位置信息集合进行数据清洗,剔除位置信息集合这一海量数据中经纬度信息不全(比如,字段缺失/格式不正确/乱码等)的位置信息,并对数据清洗后的位置信息集合执行步骤304及后续步骤。
步骤304,确定位置信息集合中各位置信息在地图中所位于的参考区域。
其中,参考区域,是地图中用于泛化表示兴趣点位置的区域。可以理解,参考区域为定位兴趣点的位置起参考作用,即从参考区域中可以进一步细化定位出兴趣点的位置坐标。参考区域为至少一个。
具体地,计算机设备可以将位置信息集合中的各位置信息在地图上进行定位,根据定位结果,确定该位置信息集合所位于的参考区域。
在一个实施例中,参考区域可以是按照预设规则预先划分得到的区域,通过在地图上定位各位置信息,从而得到各位置信息所落入的参考区域。这种情况下,每个参考区域的大小,不由位置信息集合的不同发生变化,不同位置信息集合所对应的具体参考区域以及参考区域的数量可能存在不同,但不会影响单个参考区域的大小,因为单个参考区域是按照预设规则已经划分得到的。
在一个实施例中,参考区域可以是由位置信息集合中各位置信息实时定位生成的。这种情况下,参考区域的大小,根据各位置信息在地图上定位的位置分布相关。不同位置信息集合所对应的参考区域的大小存在不同,比如,位置信息集合中的位置信息分布越分散,所对应的参考区域可能越大,反之,位置信息集合中的位置信息分布越集中,所对应的参考区域可能越小。
步骤306,对参考区域进行经纬度网格划分处理,得到候选区域。
其中,候选区域,是对参考区域进行经纬度划分得到的经纬度网格。
具体地,服务器可以对每个参考区域的内部进一步划分经纬度,将划分得到的经纬度网格作为候选区域。
在一个实施例中,服务器可以获取预设的候选经纬度边长,按照候选经纬度边长对参考区域的内部进行划分,得到满足该候选经纬度边长的候选区域。候选经纬度边长可以包括候选经度边长和候选纬度边长。候选经度边长和候选纬度边长可以相等或不等,对此不作限定。
图5为一个实施例中划分候选区域的原理示意图。参照图5,边长为r=100m的经纬度网格即为参考区域,按照候选经纬度边长e=20m将参考区域进行经纬度划分,得到经纬度边长为20m的候选区域。即,图5中将参考区域划分成了25个候选区域,每个候选区域为边长为20m的经纬度网格。在便利店进行移动支付处理时会上报位置信息,每个候选区域中的数字,是指该候选区域所对应的位置信息上报量,即为在该候选区域上报位置信息的次数。可以理解,这里为了示意出上报的位置信息与便利店的真实位置之间的关系,所以,用位置标记图标标出了便利店的真实位置,根据本申请各实施例中的方法,即为了求出该真实位置的位置坐标(即经纬度坐标)。从图5可知,在便利店进行移动支付处理时上报的位置信息分散在该便利店真实位置的周围,所以,上报的位置信息是分散在真实位置周围的非精准的经纬度信息。
步骤308,从候选区域中,筛选与兴趣点对应的目标区域;目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量。
其中,位置信息上报量,即为上报位置信息的次数。可以理解,区域所对应的位置信息上报量,即为在该区域上报位置信息的次数。
目标区域,是指候选区域中用于定位兴趣点的位置的区域。即,目标区域是兴趣点的真实位置最有可能位于的区域。非目标区域,是指除目标区域以外的候选区域。
在一个实施例中,服务器可以确定各候选区域所分别对应的位置信息上报量,过滤出位置信息上报量较多的候选区域,然后,再从过滤出的候选区域中选取与兴趣点对应的目标区域。
在另一个实施例中,服务器也可以确定各候选区域所分别对应的位置信息上报量,直接将位置信息上报量进行比对,从中选取位置信息上报量最高的候选区域,得到目标区域。
如图5所示,图5中每个候选区域中的数字,是指该候选区域所对应的位置信息上报量,即为在该候选区域上报位置信息的次数。比如,数字31,是指在数字31所对应的候选区域中上报位置信息的次数,即,有31次上报的位置信息落入该候选区域中。
步骤310,在目标区域中定位兴趣点的位置坐标。
可以理解,目标区域是从位置信息集合在地图中位于的大片参考区域中,经过逐级地划分、筛选,得到的最有可能存在兴趣点真实位置的区域,相当于精准挖掘了兴趣点可能存在的区域,从中定位兴趣点的位置坐标。
在一个实施例中,服务器可以对目标区域进一步地进行细分,从细分得到的子区域中筛选位置信息上报量最多的子区域,进而从筛选出的子区域中定位兴趣点的位置坐标。
在其他实施例中,服务器可以直接定位目标区域的中心点,将该中心点的经纬度坐标,作为该兴趣点的位置坐标。
需要说明的是,当兴趣点为多个时,则根据步骤302~308可以得到每个兴趣点所对应的目标区域,那么,在每个目标区域中则定位其所对应的兴趣点的位置坐标。可以理解,如果不同兴趣点的真实位置很接近(比如,距离小于预设距离阈值),则不同兴趣点可以对应于同一个目标区域。
上述兴趣点位置挖掘方法,获取在兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合;确定所述位置信息集合中各所述位置信息在地图中所位于的参考区域。该参考区域,能够体现兴趣点真实位置所处的一个区域范围。进而,对所述参考区域进行经纬度网格划分处理,得到候选区域;从所述候选区域中,筛选与所述兴趣点对应的目标区域;所述目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量。即,对真实位置所处区域范围进行区域细分以及过滤筛选,实现了进一步缩小兴趣点真实位置可能存在的区域范围,以筛选出兴趣点最可能位于的目标区域。从而,在目标区域中能够准确地定位出兴趣点的位置坐标。通过利用在兴趣点处进行资源转移处理时上报的位置信息,能够准确挖掘定位出兴趣点的位置坐标。相较于传统方法需要专业人员进行手动测量而言,保证了所挖掘出的兴趣点的位置坐标的准确性的前提下,大大提高了获取兴趣点位置的效率。此外,也节省了人工成本,成本低。
在一个实施例中,参考区域,是按照预设经纬度边长在地图上预先划分出的经纬度网格。步骤304包括:在地图中定位位置信息集合中的各位置信息;确定各位置信息在地图中定位后所位于的经纬度网格,得到参考区域;参考区域为至少一个。
可以理解,预设经纬度边长,可以包括经度边长和纬度边长。经度边长和纬度边长可以相等或不等,对此不作限定。比如,可以取r1=0.01个纬度边长(对应地面大约1.1千米),r2=0.01个经度边长进行经纬度划分,得到经纬度网格,即参考区域。也可以让r1和r2取不同的值来划分经纬度网格。
具体地,服务器可以根据预设经纬度边长,将地图预先划分为多个经纬度网格,每个经纬度网络即可以作为参考区域。这样一来,在地图上进行定位的任意定位点都会落入所预先划分的经纬度网格(即参考区域)中。那么,服务器可以在地图中定位该位置信息集合中的各位置信息,得到各个位置信息所对应的定位点。服务器可以确定各个定位点所位于的经纬度网格,即确定出各位置信息在地图中定位后所位于的参考区域。可以理解,位置信息集合在地图中所位于的参考区域为至少一个。
如图5所示,上报的位置信息,即落入在预先划分的参考区域中。具有数字的经纬度网格,即为参考区域中上报有位置信息的区域。
上述实施例中,预先在地图上进行经纬度网格划分,得到参考区域,根据位置信息集合所落入的参考区域来进一步地定位计算出兴趣点的位置坐标,相当于利用经纬度网格计算出兴趣点的经纬度坐标,提高了确定兴趣点位置的效率。
在一个实施例中,步骤306包括:确定各候选区域所分别对应的位置信息上报量;过滤出位置信息上报量大于或等于上报量阈值的候选区域;上报量阈值,根据各位置信息上报量的总数量确定;从过滤出的候选区域中,筛选与兴趣点对应的目标区域。
其中,各位置信息上报量的总数量,是指各候选区域所分别对应的位置信息上报量之和。
具体地,服务器可以确定各候选区域所分别对应的位置信息上报量,并对各位置信息上报量求和,得到位置信息上报量的总数量。服务器可以根据该总数量确定上报量阈值,并将各候选区域所分别对应的位置信息上报量,分别与该上报量阈值进行比对,从中筛选过滤出位置信息上报量大于或等于上报量阈值的候选区域。服务器可以从过滤出的候选区域中,筛选与兴趣点对应的目标区域。
在一个实施例中,服务器可以获取调整因子,并根据位置信息上报量的总数量和调整因子,确定上报量阈值。
在一个实施例中,可以按照以下公式过滤出候选区域:
其中,cE表示每个候选区域对应的位置信息上报量,δ为调整因子;δ∑E∈RcE表示各候选区域的位置信息上报量的总数量;δ∑E∈RcE表示上报量阈值。从上述公式可知,位置信息上报量大于或等于上报量阈值的候选区域则过滤出来进行保留,小于上报量阈值的候选区域则舍弃掉。
现结合图5和图6对候选区域的过滤进行解释说明。图5中示出的是过滤前的候选区域。图6示出的是过滤后的候选区域。参见图6,位置信息上报量大于或等于上报量阈值的候选区域得以保留,即为图6中非0的经纬度网格(比如,235和821所对应的候选区域,即为过滤出的、得以保留的候选区域)。图6中标记为0的经纬度网格即为被舍弃掉的候选区域(即位置信息上报量小于上报量阈值的候选区域)。后续则从非0的各个经纬度网格(即过滤出的候选区域)中,筛选与兴趣点对应的目标区域。
上述实施例中,根据位置信息上报量,从候选区域中过滤出信息上报量较大的候选区域,再基于过滤出的候选区域来确定目标区域,提高了位置定位的准确性。
在一个实施例中,从过滤出的候选区域中,筛选与兴趣点对应的目标区域包括:对过滤出的候选区域进行极值检测处理,检测出位置信息上报量最多的候选区域,得到极值区域;根据极值区域,确定兴趣点的目标区域。
其中,极值区域,是指过滤出的候选区域中,局部范围内信息上报量最多的候选区域。
具体地,对于任意过滤出的候选区域,若满足以下条件则称之为极值区域:该候选区域所对应的位置信息上报量,大于周边的其他过滤后的候选区域所对应的位置信息上报量。
为了便于理解极值区域,现结合图7进行解释说明。参见图7,a[i,j]是第i行第j列的候选区域。如果滤后的候选区域a[i,j]比周边的候选区域(即,a[i-1,j-1]~a[i+1,j+1]中除a[i,j]以外的候选区域)所对应的位置信息上报量都大,那么,a[i,j]所对应的位置信息上报量则为局部最大值,该候选区域a[i,j]即为极值区域。可以理解,极值区域对应的位置信息上报量最多,相当于资源转移处理量最大(比如交易量最大),那么,兴趣点的真实位置很可能就在极值区域内。
需要说明的是,极值区域可以为一个或多个。当仅有一个极值区域时,则可以直接将该极值区域作为兴趣点的目标区域。当有多个极值区域时,则可以对多个极值区域进一步清洗筛选,以从中确定出最终的目标区域。可以理解,当对一个兴趣点进行位置挖掘处理时,则可能得到一个极值区域。当批量的针对多个兴趣点进行位置挖掘时,则可能得到多个极值区域。
上述实施例中,对过滤出的候选区域进行极值检测处理,相当于进一步筛选出(即二次筛选)兴趣点更有可能位于的候选区域,从而基于筛选出的区域确定兴趣点的目标区域,提高了定位准确性。
在一个实施例中,兴趣点为归属于同一对象的多个兴趣点;极值区域为多个。本实施例中,根据极值区域,确定兴趣点的目标区域包括:从多个极值区域中,迭代地选取目标极值区域,并按照预设邻域选取条件,从地图上选取目标极值区域的邻域;确定位于邻域中的极值区域,得到参照极值区域;当目标极值区域与参照极值区域之间满足上报量接近条件时,则判定目标极值区域为所对应的兴趣点的目标区域。
其中,归属于同一对象的多个兴趣点,是指多个兴趣点归属于同一对象。比如,属于同一品牌下的线下门店。对象可以是机构、组织、团体和品牌等具有层级架构属性的对象。
可以理解,位置信息集合,则包括在归属于同一对象的多个兴趣点处分别进行资源转移处理时上报的位置信息。本申请实施例中,通过获取在归属于同一对象的多个兴趣点处分别进行资源转移处理时上报的位置信息,来对归属于同一对象的多个兴趣点统一进行位置挖掘。相当于实现对归属于同一对象的多个兴趣点的批处理,从而得到多个极值区域。可以理解,归属于同一对象的每个兴趣点有对应的极值区域,且,每个兴趣点所对应的极值区域用于定位该兴趣点最终的位置坐标。
预设邻域选取条件,是预先设置的用于选取邻域的条件。目标极值区域,是待判断是否为目标区域的极值区域。参照极值区域,是得到的多个极值区域中除目标极值区域以外的、且位于目标极值区域的邻域中的极值区域。可以理解,参照极值区域,用于在判断目标极值区域是否为目标区域时起参照作用。
上报量接近条件,是指表示目标极值区域所对应的位置信息上报量,与参照极值区域所对应的位置信息上报量之间接近的预设条件。
具体地,服务器可以针对归属于同一对象的兴趣点所对应的多个极值区域中,迭代地选取目标极值区域,并按照预设邻域选取条件,从地图上选取目标极值区域周边的一个邻域。服务器可以确定位于邻域中的极值区域,得到参照极值区域。当目标极值区域与参照极值区域之间满足上报量接近条件时,则判定目标极值区域为所对应的兴趣点的目标区域。当目标极值区域与参照极值区域之间不满足上报量接近条件时,则判定目标极值区域不为所对应的兴趣点的目标区域,就可以将该目标极值区域作为噪音区域剔除。
需要说明的是,本申请实施例是依次以每个极值区域作为目标极值区域,将其与自身邻域中的参照极值区域进行比对,来判断目标极值区域是否为目标区域。即,需要针对每个极值区域分别都进行邻域选取、以及与自身邻域中的参照极值区域进行差异比对的处理,每个处理结果,仅用于确定该极值区域自身是否为目标区域,而不用于判断其他极值区域是否为目标区域。
比如,极值区域有3个,分别为a1~a10,那么,则依次以a1~a10为目标极值区域。假设,以a1为目标极值区域时,a1的邻域中包括a2~a5这4个参照极值区域,那么,则根据a1与a2~a5之间的上报量差异,判断a1是否为目标区域(即判断a1是要保留还是要剔除)。假设a1确定要剔除。那么,以a2为目标极值区域时,a2的邻域中包括a1和a3~a6这5个参照极值区域,那么,则根据a2与a1、a3~a6之间的上报量差异,判断a2是否为目标区域(即判断a1是要保留还是要剔除)。很显然,a1是否保留的判断结果,并不影响对a2的判断处理。
上述实施例中,分别针对每个极值区域,将其与邻域中的其他参照极值区域进行比对,以对所有极值区域进行清洗,提高了数据清洗的准确性,从而提高了后续兴趣点位置坐标确定的准确性。
在一个实施例中,当目标极值区域与参照极值区域之间满足上报量接近条件时,则判定目标极值区域为所对应的兴趣点的目标区域包括:将目标极值区域和参照极值区域,按照位置信息上报量进行降序排序;根据排序结果确定分界位次;分界位次对应的位置信息上报量,与分界位次的前一位次对应的位置信息上报量之间的比值小于或等于预设阈值;当目标极值区域的位次在分界位次之前,则判定目标极值区域为目标区域;当目标极值区域的位次在分界位次之后,则判定目标极值区域为非目标区域。
可以理解,目标极值区域和参照极值区域所对应的兴趣点(即各个极值区域所对应的兴趣点)归属于同一对象。比如,兴趣点为线下门店时,目标极值区域和参照极值区域即可以对应于同一品牌下的各线下门店。即,归属于同一对象的多个兴趣点的位置,可以由各个极值区域先泛化表示,再通过本申请实施例中的方法对极值区域进行清洗,从中选取能够更加准确表示各个兴趣点的极值区域。可以理解,极值区域并非兴趣点具体的位置,只是一个泛化表示的、兴趣点可能存在的区域。
其中,分界位次,是一个位置信息上报量的分界线,相当于一个分水岭。在该分界位次之前的位次对应的位置信息上报量,与在该分界位次及之后的位次对应的位置信息上报量之间的差异,满足差异过大条件。即,在分界位次之前的位次对应的位置信息上报量比较多,从该分界位次起之后的位次对应的位置信息上报量大幅度降低。
在一个实施例中,分界位次对应的位置信息上报量,与分界位次的前一位次对应的位置信息上报量之间的比值小于或等于预设阈值。
具体地,服务器可以将目标极值区域和参照极值区域,按照所对应位置信息上报量由大到小的顺序(即降序)进行排序。服务器可以根据排序结果确定分界位次;分界位次对应的位置信息上报量,与分界位次的前一位次对应的位置信息上报量之间的比值小于或等于预设阈值。可以理解,这种情况下,分界位次之前的位次与之后的位次之间的位置信息上报量差异就会比较大,即满足差异过大条件。
服务器可以根据排序结果,确定目标极值区域在排序中对应的位次,当目标极值区域的位次在分界位次之前,则说明目标极值区域的位置信息上报量还比较多,与其他参照极值区域之间满足上报量接近条件,即可以判定目标极值区域为目标区域。当目标极值区域的位次在分界位次之后,则说明目标极值区域的位置信息上报量很少,与其他参照极值区域之间不满足上报量接近条件,则可以判定目标极值区域为非目标区域,即可以将该目标极值区域作为噪音区域进行剔除。
上述实施例中,针对每个目标极值区域,将其与邻域中的、且归属于同一对象的兴趣点所对应的其他参照极值区域按照位置信息上报量进行排序,进而确定出分界位次,由于分界位次能够准确、且直观地将排序结果中各极值区域之间的上报量差异较大的极值区域划分开来,所以,通过确定目标极值区域排在分界位次之前还是之后,能够快速、准确地判断出目标极值区域是否为目标区域,即判断出其是需要保留还是剔除,实现对极值区域的快速清洗。所以,提高了数据清洗的准确性和效率。进而提高了后续定位兴趣点的位置坐标的准确性和效率。
在一个实施例中,根据排序结果,确定分界位次包括:从排序结果中的首位开始,依次选择当前位次;当前位次的后一位次对应的位置信息上报量,与当前位次对应的位置信息上报量之间的比值大于预设阈值时,则将后一位次作为当前位次以迭代处理,直至当比值小于或等于预设阈值时,判定当前位次的后一位次为分界位次。
可以理解,排序结果,是对目标极值区域和其邻域内的参照极值区域,按照位置信息上报量降序排序得到。所以,排序结果中的首位极值区域,即为参与排序的极值区域中位置信息上报量最多的极值区域。
位次对应的位置信息上报量,即为位于该位次的极值区域所对应的位置信息上报量。
具体地,服务器可以从排序结果中的首位开始,依次选择当前位次。针对每一个当前位次,确定该当前位次的后一位次对应的位置信息上报量与该当前位次对应的位置信息上报量的比值。
可以理解,当该当前位次的后一位次对应的位置信息上报量与该当前位次对应的位置信息上报量的比值小于或等于预设阈值时,则可以判定该当前位次的后一位次为分界位次。
当该比值大于预设阈值时,说明该当前位次的后一位次对应的位置信息上报量,与该当前位次对应的位置信息上报量差异不大,则可以将该后一位次作为新的当前位次以迭代处理,即继续确定新的当前位次的后一位次对应的位置信息上报量,与该新的当前位次对应的位置信息上报量的比值是否大于预设阈值以进行迭代处理,直至当前位次的后一位次对应的位置信息上报量与该当前位次对应的位置信息上报量的比值小于或等于预设阈值时,判定当前位次的后一位次为分界位次。
比如,从首位开始,当第2位次与首位对应的位置信息上报量之间的比值大于预设阈值(比如为0.1),则继续将第3位次和第2位次对应的位置信息上报量之间的比值与预设阈值0.1进行比对,直至迭代处理得到第5位次和第4位次对应的位置信息上报量之间的比值小于预设阈值0.1,那么,第5位次即为分界位次。那么,假设目标极值区域的位次排在第5位次之前,那么,目标极值区域则保留(即为目标区域),假设目标极值区域的位次排在第5位次及其之后,那么,目标极值区域则剔除。可以理解,位次排在第5位次及其之后的极值区域的位置信息上报量比排在前面的极值区域的位置信息上报量少很多,所以,很有可能是噪音区域,则可以进行剔除。
在一个实施例中,可以按照以下公式对极值区域进行清洗处理,以从中确定目标区域:
c1>c2>c2…>cn
其中,c1,…,cn表示n个极值区域所分别对应的位置信息上报量;c1>c2>c3…>cn表示对n个极值区域按照位置信息上报量进行降序排序;t则为分界位次;T表示预设阈值;表示满足所对应的位置信息上报量与前一位次的位置信息上报量之间的比值小于预设阈值T这一条件的最小的位次,作为分界位次。ct为分界位次的极值区域所对应的位置信息上报量,ci为第i个极值区域所对应的位置信息上报量,ci>ct表示第i个极值区域的位置信息上报量大于分界位次所对应的位置信息上报量,可以理解,这种情况下,该极值区域的位次排在分界位次之前;ci≤ct表示第i个极值区域的位置信息上报量小于或等于分界位次所对应的位置信息上报量,这种情况下,该极值区域的位次排在分界位次之后;f(a)=1表示目标极值区域被保留,即为目标区域,说明目标极值区域的位次排在分界位次之前,则被保留作为目标区域。f(a)=0表示目标极值区域被剔除,即为非目标区域,说明目标极值区域的位次排在分界位次之后,则被剔除。
为了便于理解,现结合图8进行举例说明。参照图8,预设阈值为0.1,第5位次与第4位次对应的位置信息上报量之间的比值小于该预设阈值0.1(即排在第5位次的极值区域比排在第4位次的极值区域所对应的位置信息上报量少很多,说明发生在第5位次的极值区域内的交易量很少),那么,可以找出分界位次为第5位次。假设目标极值区域排在第5位次之前,比如,目标极值区域排在第3位次,即为极值区域3,那么,该目标极值区域则保留(即为目标区域)。假设目标极值区域排在第5位次及其之后,比如,目标极值区域排在第6位次,即为极值区域6,那么,该目标极值区域则剔除。
上述实施例中,从排序结果中的首位开始迭代计算,以将满足所对应的位置信息上报量与前一位次的位置信息上报量之间的比值小于预设阈值这一条件的最小的位次,作为分界位次,能够准确地确定出分界位次,且,不需要对数据进行全量计算,节省了运算资源且提高了效率。
在一个实施例中,按照预设邻域选取条件,从地图上选取目标极值区域的邻域包括:获取预设的半径值;以目标极值区域为圆心,按照半径值在地图上选取圆形区域,作为目标极值区域的邻域。
具体地,服务器可以获取预设的半径值,以目标极值区域为圆心,以获取的半径值为半径,在地图上选取圆形区域,该圆形区域即为该目标极值区域的邻域。服务器则可以获取位于该邻域中的极值区域,得到该目标极值区域的参照极值区域。
图9至图10为一个实施例中清洗极值区域的界面示意图。参照图9,极值区域a为目标极值区域,则以a为圆心,按照半径r选取圆形区域作为邻域,然后,极值区域b位于该邻域中。图9和图10中的信息量,即为位置信息上报量。由于a比b对应的位置信息上报量差很多,所以可以确定极值区域a为噪音区域(即非目标区域),则可以将极值区域a清洗掉。图10即为清洗掉极值区域a的示意图。
在一个实施例中,预设的半径值为多个。当目标极值区域与参照极值区域之间满足上报量接近条件时,则判定目标极值区域为所对应的兴趣点的目标区域包括:当按照上一半径值选取的邻域中的参照极值区域,与目标极值区域之间满足上报量接近条件时,则继续按照下一个半径值选取邻域以迭代处理,直至按照最后一个半径值所选取的邻域中的参照极值区域与目标极值区域之间满足上报量接近条件时,则判定目标极值区域为所对应的兴趣点的目标区域;上一半径值小于下一半径值。
可以理解,当预设的半径值为多个时,服务器则可以按照半径值由小到大的顺序,选取一个半径值,来执行以目标极值区域为圆心,按照半径值在地图上选取圆形区域,作为目标极值区域的邻域,及执行确定位于所述邻域中的极值区域,得到参照极值区域的步骤。当按照上一半径值所选取的邻域中的参照极值区域,与目标极值区域之间满足上报量接近条件时,则继续按照半径值由小到大的顺序选取下一个半径值,并迭代执行以目标极值区域为圆心,按照半径值在地图上选取圆形区域,作为目标极值区域的邻域,及执行确定位于所述邻域中的极值区域,得到参照极值区域的步骤。直至按照最后一个半径值所选取的邻域中的参照极值区域,与目标极值区域之间满足上报量接近条件时,则可以判定该目标极值区域为所对应的兴趣点的目标区域。
比如,预设的多个半径值r分别为50米,100米和500米。假设要判断极值区域a是否要保留,那么,则可以先以极值区域a为圆心,以50米为半径,选取极值区域a的邻域1。当邻域1中的参照极值区域与极值区域a之间不满足上报量接近条件(比如,极值区域a排序位次在整个邻域1的排序结果的分界位次之后),则判定极值区域a为噪音区域,需要被剔除清洗掉,就不再按照下一个半径值来选取邻域。当邻域1中的参照极值区域与极值区域a之间满足上报量接近条件(比如,极值区域a排序位次在整个邻域1的排序结果的分界位次之前),那么,则可以继续以极值区域a为圆心,以100米为半径,选取极值区域a的邻域2,继续判断邻域2中的参照极值区域与极值区域a之间是否满足上报量接近条件,如果满足,则继续以极值区域a为圆心,以500米为半径,选取极值区域a的邻域3,当邻域3中的参照极值区域与极值区域a之间满足上报量接近条件,那么,则最终可以判定极值区域a为目标区域,需要保留。
上述实施例中,相当于通过由小到大的顺序依次选取多个半径值进行分层清洗,能够提高数据清洗准确性。
在一个实施例中,在目标区域中定位兴趣点的位置坐标包括:将目标区域进行划分,得到多个子区域;确定每个子区域所对应的位置信息上报量;对位置信息上报量最多的子区域进行中心点定位,并获取所定位的中心点的经纬度,得到兴趣点的位置坐标。
具体地,服务器可以按照预设边长,将目标区域的内部进一步地划分,得到多个子区域。可以理解,由于目标区域为经纬度网格,所以由目标区域划分得到的每个子区域也相当于经纬度网格,具有经纬度信息。
服务器可以确定每个子区域所对应的位置信息上报量,即,确定在每个子区域上报的位置信息的数量。服务器可以将每个子区域所对应的位置信息上报量进行比对,从中确定出位置信息上报量最多的子区域,针对该确定出的子区域进行中心点定位,以定位得到该子区域的中心点。可以理解,由于子区域为经纬度网格,所以,能够根据所确定出的子区域所对应的经纬度信息,得到该子区域的中心点所对应的经纬度。
图11至图13为一个实施例中确定兴趣点位置坐标的示意图。参照图11,对目标区域的内部划分成的子区域,则得到25个子区域。图12所示的每个子区域中的数字,即为该子区域所对应的位置信息上报量。需要从中筛选出位置信息上报量最大的子区域,即显示数字为107的子区域(该子区域中上报的位置信息的数量即为107)。如图13所示,服务器可以对显示数字为107的子区域进行中心点定位,以定位得到中心点(图13中的黑色圆点即为中心点),并计算该中心点的经纬度(即,经度:x,纬度:y),作为便利店的位置坐标。从图13可知,显示数字为107的子区域,即为位置信息上报量最多的子区域,而且,离该子区域越近的地方,位置信息上报量越多,说明在该子区域及其附近产生的资源转移处理最多,便利店的真实位置越有可能在该子区域中。如图13所示,最终定位得到的中心点与便利店的实际位置非常接近,因此,通过本申请实施例挖掘的兴趣点的位置坐标很准确。
可以理解,由于目标区域是经过多轮区域划分和区域筛选得到的,所以兴趣点在很大程度上位于相应的目标区域中,即,目标区域已经能够较为准确地反映兴趣点的位置了。再次对目标区域进行细分,从中确定出位置信息上报量最多的子区域,那么,确定出的位置信息上报量最多的子区域就更能够准确地反映兴趣点的位置。因而,通过将该确定出的中心点的经纬度,作为目标区域所对应的兴趣点的位置坐标,能够准确地反映兴趣点的真实位置。
可以理解,根据本申请各实施例所述的方法挖掘出的兴趣点的位置坐标,可以存储至地图的兴趣点信息库中,从而对兴趣点信息库进行及时、准确地更新。那么,后续可以从该兴趣点信息库中获取兴趣点的准确的位置坐标,从而提高后续处理的准确性。此外,本申请各实施例所述的方法挖掘出的兴趣点的位置坐标,也可以应用于基于LBS(LocationBased Services,基于位置的服务)的推荐算法。比如,在向用户终端推送兴趣点时,可以根据该挖掘出的兴趣点的位置坐标,准确地向用户终端推荐当前位置下合适的兴趣点。比如,能够更为准确地为用户终端推荐附近的线下门店。再者,通过本实施例中的方法,利用资源转移处理时上报的位置信息,确定兴趣点的位置坐标,能够根据同一兴趣点定位的位置坐标的变化,快速地发现兴趣点新增、关闭和迁移等变化,从而也能够及时地更新或补充兴趣点的位置。
可以理解,本申请各实施例中的兴趣点位置挖掘方法,相当于使用了人工智能技术,通过对位置信息集合进行大数据分析来挖掘兴趣点的位置。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
可以理解,本申请各实施例中的兴趣点位置挖掘方法相当于使用了人工智能技术中的大数据处理技术。
大数据(Big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临,大数据也吸引了越来越多的关注,大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理数据库、数据挖掘、分布式文件***、分布式数据库、云计算平台、互联网和可扩展的存储***。比如,本申请各实施例中的兴趣点位置挖掘方法,可以基于云计算平台来实现大数据分析处理,从而挖掘出兴趣点的位置。
应该理解的是,虽然各流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图14所示,提供了一种兴趣点位置挖掘装置,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括:获取模块1402、区域划分模块1404、筛选模块1406和位置坐标定位模块1408,其中:
获取模块1402,用于获取在兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合。
区域划分模块1404,用于确定所述位置信息集合中各所述位置信息在地图中所位于的参考区域;对所述参考区域进行经纬度网格划分处理,得到候选区域。
筛选模块1406,用于从所述候选区域中,筛选与所述兴趣点对应的目标区域;所述目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量。
位置坐标定位模块1408,用于在所述目标区域中定位所述兴趣点的位置坐标。
在一个实施例中,参考区域,是按照预设经纬度边长在地图上预先划分出的经纬度网格。区域划分模块1404还用于在地图中定位位置信息集合中的各位置信息;确定各位置信息在地图中定位后所位于的经纬度网格,得到参考区域;参考区域为至少一个。
在一个实施例中,筛选模块1406还用于确定各候选区域所分别对应的位置信息上报量;过滤出位置信息上报量大于或等于上报量阈值的候选区域;上报量阈值,根据各位置信息上报量的总数量确定;从过滤出的候选区域中,筛选与兴趣点对应的目标区域。
在一个实施例中,筛选模块1406还用于对过滤出的候选区域的位置信息上报量进行极值检测处理,得到极值区域;根据极值区域,确定兴趣点的目标区域。
在一个实施例中,兴趣点为归属于同一对象的多个兴趣点;极值区域为多个;筛选模块1406还用于从多个极值区域中,迭代地选取目标极值区域,并按照预设邻域选取条件,从地图上选取目标极值区域的邻域;确定位于邻域中的极值区域,得到参照极值区域;当目标极值区域与参照极值区域之间满足上报量接近条件时,则判定目标极值区域为所对应的兴趣点的目标区域;其中,上报量接近条件,是指表示目标极值区域所对应的位置信息上报量,与参照极值区域所对应的位置信息上报量之间接近的预设条件。
在一个实施例中,筛选模块1406还用于将目标极值区域和参照极值区域,按照位置信息上报量进行降序排序;根据排序结果确定分界位次;分界位次对应的位置信息上报量,与分界位次的前一位次对应的位置信息上报量之间的比值小于或等于预设阈值;当目标极值区域的位次在分界位次之前,则判定目标极值区域为目标区域;当目标极值区域的位次在分界位次之后,则判定目标极值区域为非目标区域。
在一个实施例中,筛选模块1406还用于从排序结果中的首位开始,依次选择当前位次;当当前位次的后一位次对应的位置信息上报量,与当前位次对应的位置信息上报量之间的比值大于预设阈值时,则将后一位次作为当前位次以迭代处理,直至当比值小于或等于预设阈值时,判定当前位次的后一位次为分界位次。
在一个实施例中,筛选模块1406还用于获取预设的半径值;以目标极值区域为圆心,按照半径值在地图上选取圆形区域,作为目标极值区域的邻域。
在一个实施例中,半径值为多个。筛选模块1406还用于当按照上一半径值选取的邻域中的参照极值区域,与目标极值区域之间满足上报量接近条件时,则继续按照下一个半径值选取邻域以迭代处理,直至按照最后一个半径值所选取的邻域中的参照极值区域与目标极值区域之间满足上报量接近条件时,则判定目标极值区域为所对应的兴趣点的目标区域;上一半径值小于下一半径值。
在一个实施例中,位置坐标定位模块1408还用于将目标区域进行划分,得到多个子区域;确定每个子区域所对应的位置信息上报量;对位置信息上报量最多的子区域进行中心点定位,并获取所定位的中心点的经纬度,得到兴趣点的位置坐标。
在一个实施例中,获取模块1402还用于获取资源转移数据的集合;资源转移数据,是在兴趣点进行资源转移处理时生成的数据;每条资源转移数据中,携带在进行资源转移处理时上报的位置信息;从资源转移数据的集合中的每条资源转移数据中,分别提取所携带的位置信息,得到位置信息集合。
在一个实施例中,兴趣点为线下门店,资源转移处理包括支付处理,位置信息,为移动终端在线下门店中进行支付处理时上报的位置信息。
关于兴趣点位置挖掘装置的具体限定可以参见上文中对于兴趣点位置挖掘方法的限定,在此不再赘述。上述兴趣点位置挖掘装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器或终端,其内部结构图可以如图15所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种兴趣点位置挖掘方法。
本邻域技术人员可以理解,图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本邻域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本邻域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (26)
1.一种兴趣点位置挖掘方法,其特征在于,所述方法包括:
获取同一对象在多个兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合;
确定所述位置信息集合中各所述位置信息在地图中所位于的参考区域;
对所述参考区域进行经纬度网格划分处理,得到候选区域;
对所述候选区域的位置信息上报量进行极值检测处理,以从所述候选区域中确定多个极值区域;每个所述兴趣点对应于一个所述极值区域;从所述多个极值区域中,迭代地选取目标极值区域,并按照预设邻域选取条件,从所述地图上选取所述目标极值区域的邻域;
确定位于所述邻域中的极值区域,得到参照极值区域;
当所述目标极值区域与所述参照极值区域之间满足上报量接近条件时,则判定所述目标极值区域为所对应的兴趣点的目标区域;所述上报量接近条件,是指表示所述目标极值区域所对应的位置信息上报量,与所述参照极值区域所对应的位置信息上报量之间接近的预设条件;所述目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量;
在所述目标区域中定位所述兴趣点的位置坐标。
2.根据权利要求1所述的方法,其特征在于,所述参考区域,是按照预设经纬度边长在地图上预先划分出的经纬度网格;
所述确定所述位置信息集合中各所述位置信息在地图中所位于的参考区域包括:
在地图中定位所述位置信息集合中的各位置信息;
确定各所述位置信息在地图中定位后所位于的经纬度网格,得到参考区域;所述参考区域为至少一个。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定各所述候选区域所分别对应的位置信息上报量;
过滤出所述位置信息上报量大于或等于上报量阈值的候选区域;所述上报量阈值,根据各所述位置信息上报量的总数量确定;基于过滤出的候选区域执行所述对所述候选区域的位置信息上报量进行极值检测处理,以从所述候选区域中确定多个极值区域的步骤及后续步骤。
4.根据权利要求3所述的方法,其特征在于,所述上报的位置信息,是具有经纬度数据的位置信息。
5.根据权利要求4所述的方法,其特征在于,所述参考区域,是地图中用于泛化表示兴趣点位置的区域。
6.根据权利要求1所述的方法,其特征在于,所述当所述目标极值区域与所述参照极值区域之间满足上报量接近条件时,则判定所述目标极值区域为所对应的兴趣点的目标区域包括:
将所述目标极值区域和参照极值区域,按照位置信息上报量进行降序排序;
根据排序结果确定分界位次;所述分界位次对应的位置信息上报量,与分界位次的前一位次对应的位置信息上报量之间的比值小于或等于预设阈值;
当所述目标极值区域的位次在所述分界位次之前,则判定所述目标极值区域为目标区域;
当所述目标极值区域的位次在所述分界位次之后,则判定所述目标极值区域为非目标区域。
7.根据权利要求6所述的方法,其特征在于,所述根据排序结果确定分界位次包括:
从排序结果中的首位开始,依次选择当前位次;
当所述当前位次的后一位次对应的位置信息上报量,与所述当前位次对应的位置信息上报量之间的比值大于预设阈值时,则将所述后一位次作为当前位次以迭代处理,直至当所述比值小于或等于预设阈值时,判定所述当前位次的后一位次为分界位次。
8.根据权利要求1所述的方法,其特征在于,所述按照预设邻域选取条件,从所述地图上选取所述目标极值区域的邻域包括:
获取预设的半径值;
以所述目标极值区域为圆心,按照所述半径值在所述地图上选取圆形区域,作为所述目标极值区域的邻域。
9.根据权利要求8所述的方法,其特征在于,所述半径值为多个;
所述当所述目标极值区域与所述参照极值区域之间满足上报量接近条件时,则判定所述目标极值区域为所对应的兴趣点的目标区域包括:
当按照上一半径值选取的邻域中的参照极值区域,与所述目标极值区域之间满足上报量接近条件时,则继续按照下一个半径值选取邻域以迭代处理,直至按照最后一个半径值所选取的邻域中的参照极值区域与所述目标极值区域之间满足上报量接近条件时,则判定所述目标极值区域为所对应的兴趣点的目标区域;上一半径值小于下一半径值。
10.根据权利要求1所述的方法,其特征在于,所述在所述目标区域中定位所述兴趣点的位置坐标包括:
将所述目标区域进行划分,得到多个子区域;
确定每个所述子区域所对应的位置信息上报量;
对位置信息上报量最多的子区域进行中心点定位,并获取所定位的中心点的经纬度,得到所述兴趣点的位置坐标。
11.根据权利要求1所述的方法,其特征在于,所述获取同一对象在多个兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合包括:
获取资源转移数据的集合;所述资源转移数据,是同一对象在多个兴趣点进行资源转移处理时生成的数据;每条所述资源转移数据中,携带在兴趣点进行资源转移处理时上报的位置信息;
从所述资源转移数据的集合中的每条资源转移数据中,分别提取所携带的位置信息,得到位置信息集合。
12.根据权利要求1至11中任一项所述的方法,其特征在于,所述兴趣点为线下门店,所述资源转移处理包括支付处理,所述位置信息,为移动终端在所述线下门店中进行支付处理时上报的位置信息。
13.一种兴趣点位置挖掘装置,其特征在于,所述装置包括:
获取模块,用于获取同一对象在多个兴趣点处进行资源转移处理时上报的位置信息,得到位置信息集合;
区域划分模块,用于确定所述位置信息集合中各所述位置信息在地图中所位于的参考区域;对所述参考区域进行经纬度网格划分处理,得到候选区域;
筛选模块,用于对所述候选区域的位置信息上报量进行极值检测处理,以从所述候选区域中确定多个极值区域;每个所述兴趣点对应于一个所述极值区域;从所述多个极值区域中,迭代地选取目标极值区域,并按照预设邻域选取条件,从所述地图上选取所述目标极值区域的邻域;确定位于所述邻域中的极值区域,得到参照极值区域;当所述目标极值区域与所述参照极值区域之间满足上报量接近条件时,则判定所述目标极值区域为所对应的兴趣点的目标区域;所述上报量接近条件,是指表示所述目标极值区域所对应的位置信息上报量,与所述参照极值区域所对应的位置信息上报量之间接近的预设条件;所述目标区域所对应的位置信息上报量,高于非目标区域所对应的位置信息上报量;
位置坐标定位模块,用于在所述目标区域中定位所述兴趣点的位置坐标。
14.根据权利要求13所述的装置,其特征在于,所述参考区域,是按照预设经纬度边长在地图上预先划分出的经纬度网格;所述区域划分模块还用于在地图中定位所述位置信息集合中的各位置信息;确定各所述位置信息在地图中定位后所位于的经纬度网格,得到参考区域;所述参考区域为至少一个。
15.根据权利要求13所述的装置,其特征在于,所述筛选模块还用于确定各所述候选区域所分别对应的位置信息上报量;过滤出所述位置信息上报量大于或等于上报量阈值的候选区域,并基于过滤出的候选区域执行所述对所述候选区域的位置信息上报量进行极值检测处理,以从所述候选区域中确定多个极值区域的步骤及后续步骤;所述上报量阈值,根据各所述位置信息上报量的总数量确定。
16.根据权利要求15所述的装置,其特征在于,所述上报的位置信息,是具有经纬度数据的位置信息。
17.根据权利要求16所述的装置,其特征在于,所述参考区域,是地图中用于泛化表示兴趣点位置的区域。
18.根据权利要求17所述的装置,其特征在于,所述筛选模块还用于将所述目标极值区域和参照极值区域,按照位置信息上报量进行降序排序;根据排序结果确定分界位次;所述分界位次对应的位置信息上报量,与分界位次的前一位次对应的位置信息上报量之间的比值小于或等于预设阈值;当所述目标极值区域的位次在所述分界位次之前,则判定所述目标极值区域为目标区域;当所述目标极值区域的位次在所述分界位次之后,则判定所述目标极值区域为非目标区域。
19.根据权利要求18所述的装置,其特征在于,所述筛选模块还用于从排序结果中的首位开始,依次选择当前位次;当所述当前位次的后一位次对应的位置信息上报量,与所述当前位次对应的位置信息上报量之间的比值大于预设阈值时,则将所述后一位次作为当前位次以迭代处理,直至当所述比值小于或等于预设阈值时,判定所述当前位次的后一位次为分界位次。
20.根据权利要求17所述的装置,其特征在于,所述筛选模块还用于获取预设的半径值;以所述目标极值区域为圆心,按照所述半径值在所述地图上选取圆形区域,作为所述目标极值区域的邻域。
21.根据权利要求20所述的装置,其特征在于,所述半径值为多个;所述筛选模块还用于当按照上一半径值选取的邻域中的参照极值区域,与所述目标极值区域之间满足上报量接近条件时,则继续按照下一个半径值选取邻域以迭代处理,直至按照最后一个半径值所选取的邻域中的参照极值区域与所述目标极值区域之间满足上报量接近条件时,则判定所述目标极值区域为所对应的兴趣点的目标区域;上一半径值小于下一半径值。
22.根据权利要求13所述的装置,其特征在于,所述位置坐标定位模块还用于将所述目标区域进行划分,得到多个子区域;确定每个所述子区域所对应的位置信息上报量;对位置信息上报量最多的子区域进行中心点定位,并获取所定位的中心点的经纬度,得到所述兴趣点的位置坐标。
23.根据权利要求13所述的装置,其特征在于,所述获取模块还用于获取资源转移数据的集合;所述资源转移数据,是同一对象在多个兴趣点进行资源转移处理时生成的数据;每条所述资源转移数据中,携带在兴趣点进行资源转移处理时上报的位置信息;从所述资源转移数据的集合中的每条资源转移数据中,分别提取所携带的位置信息,得到位置信息集合。
24.根据权利要求13至23中任一项所述的装置,其特征在于,所述兴趣点为线下门店,所述资源转移处理包括支付处理,所述位置信息,为移动终端在所述线下门店中进行支付处理时上报的位置信息。
25.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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12中任一项所述的方法的步骤。
26.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010265690.9A CN111475746B (zh) | 2020-04-07 | 2020-04-07 | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010265690.9A CN111475746B (zh) | 2020-04-07 | 2020-04-07 | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111475746A CN111475746A (zh) | 2020-07-31 |
CN111475746B true CN111475746B (zh) | 2023-09-12 |
Family
ID=71750643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010265690.9A Active CN111475746B (zh) | 2020-04-07 | 2020-04-07 | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111475746B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084429B (zh) * | 2020-08-05 | 2024-05-24 | 汉海信息技术(上海)有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN113468376B (zh) * | 2021-05-31 | 2024-02-02 | 北京达佳互联信息技术有限公司 | 平台活动参与方法、装置、电子设备及存储介质 |
CN113988701B (zh) * | 2021-11-15 | 2023-07-18 | 广州极飞科技股份有限公司 | 地势分析方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102853840A (zh) * | 2012-09-10 | 2013-01-02 | 无锡坦程物联网科技有限公司 | 一种基于网格挖掘车辆常规停靠区域的方法 |
CN105206057A (zh) * | 2015-09-30 | 2015-12-30 | 哈尔滨工业大学深圳研究生院 | 基于浮动车居民出行热点区域的检测方法及*** |
CN107070961A (zh) * | 2016-09-30 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 基于地理位置数据的热点区域确定方法及装置 |
CN109615260A (zh) * | 2018-12-19 | 2019-04-12 | 国网北京市电力公司 | 确定充电桩的安装地址的方法 |
CN110795642A (zh) * | 2019-09-27 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 位置名称生成方法以及位置名称显示方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7707214B2 (en) * | 2007-02-21 | 2010-04-27 | Donald Martin Monro | Hierarchical update scheme for extremum location with indirect addressing |
CN104991924B (zh) * | 2015-06-26 | 2018-10-09 | 百度在线网络技术(北京)有限公司 | 用于确定新供应点的地址的方法和装置 |
-
2020
- 2020-04-07 CN CN202010265690.9A patent/CN111475746B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102853840A (zh) * | 2012-09-10 | 2013-01-02 | 无锡坦程物联网科技有限公司 | 一种基于网格挖掘车辆常规停靠区域的方法 |
CN105206057A (zh) * | 2015-09-30 | 2015-12-30 | 哈尔滨工业大学深圳研究生院 | 基于浮动车居民出行热点区域的检测方法及*** |
CN107070961A (zh) * | 2016-09-30 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 基于地理位置数据的热点区域确定方法及装置 |
CN109615260A (zh) * | 2018-12-19 | 2019-04-12 | 国网北京市电力公司 | 确定充电桩的安装地址的方法 |
CN110795642A (zh) * | 2019-09-27 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 位置名称生成方法以及位置名称显示方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111475746A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | A trajectory clustering approach based on decision graph and data field for detecting hotspots | |
CN106462627B (zh) | 根据多个位置数据报告分析语义地点和相关数据 | |
Zheng et al. | Detecting collective anomalies from multiple spatio-temporal datasets across different domains | |
CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
CN109033011B (zh) | 计算轨迹频繁度的方法、装置、存储介质及电子设备 | |
CN105701123B (zh) | 人车关系的识别方法及装置 | |
CN111078818B (zh) | 地址分析方法、装置、电子设备及存储介质 | |
KR20190139130A (ko) | 피셀 알고리즘을 이용하여 실시간 유동 인구 데이터의 제공이 가능한 유동인구 정보 분석 방법 | |
CN107679558A (zh) | 一种基于度量学习的用户轨迹相似性度量方法 | |
CN109493119B (zh) | 一种基于poi数据的城市商业中心识别方法及*** | |
CN112506972B (zh) | 用户常驻区域定位方法、装置、电子设备以及存储介质 | |
CN111212383A (zh) | 区域常住人口数量的确定方法、装置、服务器和介质 | |
WO2015177858A1 (ja) | トリップ属性推定システム、トリップ属性推定方法、トリップ属性推定プログラム、及び交通行動調査システム | |
CN108566620A (zh) | 一种基于wifi的室内定位方法 | |
CN111479321B (zh) | 一种网格构建方法、装置、电子设备和存储介质 | |
CN111597279B (zh) | 基于深度学习的信息预测方法及相关设备 | |
EP3192061B1 (en) | Measuring and diagnosing noise in urban environment | |
CN112463859A (zh) | 基于大数据和业务分析的用户数据处理方法及大数据平台 | |
CN112381078B (zh) | 基于高架的道路识别方法、装置、计算机设备和存储介质 | |
CN110674208A (zh) | 用于确定用户的职住地信息的方法和装置 | |
CN108133234B (zh) | 基于稀疏子集选择算法的社区检测方法、装置及设备 | |
CN107801418B (zh) | 利用地图检索记录的流动人口推算装置及方法 | |
CN115310672A (zh) | 城市发展预测模型的构建方法、城市发展预测方法及装置 | |
CN111667920B (zh) | 一种基于定位数据的人群密切接触排查方法 | |
CN114357102A (zh) | 一种路网数据生成方法和装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40025844 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |