TW201419231A - 基於行動定位服務之適地性地標推薦系統 - Google Patents

Abstract

一種基於行動定位服務之適地性地標推薦系統，包含一資料庫模組、一收發模組、一特徵計算模組及一推薦模組。該資料庫模組用以紀錄每一地標之一地標類型、每一地標之至少一特色標籤，以及多筆打卡資料。該收發模組用以接收一行動裝置所發之推薦請求。該特徵計算模組用以在該收發模組接收該推薦請求後，依據每一地標及其地標類型、每一地標之該至少一特色標籤，以及該等打卡資料，計算每一地標之一喜好指標特徵值。該推薦模組用以依據該等喜好指標特徵值，從該行動裝置周圍之該等地標中推薦該等適地性地標傳送至該行動裝置。

Description

基於行動定位服務之適地性地標推薦系統

本發明是有關於一種地標推薦系統，特別是指一種基於行動定位服務之適地性地標推薦系統。

近年來，因城市之迅速發展及導航定位服務之進步，使得利用適地性社交網路(Location-Based Social Network,LBSN)進行地標推薦服務的研究備受矚目及重視。以現今常見的地標推薦技術中，有些技術係採用協同過濾(Collaborative Filtering)方式進行地標推薦，有些技術則建立在使用者個人之打卡行為上進行地標推薦。

其中，若以協同過濾方式作為推薦地標之核心技術來看，主要依據為從大部分與使用者具有社交關係之朋友的打卡行為中推薦出受歡迎的地標，假設使用者是個披薩愛好者，與該使用者具有社交關係之朋友大部分偏好中式料理，因此對於使用者而言，最後推薦出來的地標結果往往是中式餐館，因而沒有考慮到使用者之個人喜好。其中，若以使用者個人打卡行為作為推薦地標之核心技術來看，則雖然可直接反映出使用者之個人喜好，但推薦出來的地標結果大多只落在使用者曾訪問過的地標，對於協助使用者在尋找和探索新的地標之效果則為有限。

值得一提的是，上述所提及的技術僅建立在使用者及與其有社交關係之朋友的打卡行為上。有鑑於此，故有必要尋求一解決之道。

因此，本發明之目的，即在提供一種基於行動定位服務之適地性地標推薦系統。

於是，本發明基於行動定位服務之適地性地標推薦系統，適用於依據一使用者所持用的一行動裝置所發之推薦請求，從多個地標中推薦多個適地性地標。該系統包含一資料庫模組、一收發模組、一特徵計算模組，以及一推薦模組。

該資料庫模組用以紀錄每一地標之一地標類型、關聯於每一地標之至少一特色標籤，以及多筆打卡資料。

該收發模組用以接收該行動裝置所發之推薦請求。

該特徵計算模組包括一喜好指標計算單元。該喜好指標計算單元用以在該收發模組接收該推薦請求後，依據每一地標及其地標類型、每一地標之該至少一特色標籤，以及該等打卡資料，計算對應於每一地標之一喜好指標特徵值。

該推薦模組用以依據該等喜好指標特徵值，從該行動裝置周圍之該等地標中推薦該等適地性地標傳送至該行動裝置。

有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之一個較佳實施例的詳細說明中，將可清楚的呈現。

參閱圖1，本發明基於行動定位服務之適地性地標推薦 系統，適用於依據一使用者所持用的一行動裝置1所發之推薦請求，從多個地標中推薦多個適地性地標。該系統包含一資料庫模組2、一收發模組3、一特徵計算模組4，以及一推薦模組5。在本較佳實施例中，該行動裝置1為智慧型手機(Smart Phone)，但不限於此，亦可為平版電腦(Tablet)、筆記型電腦(Notebook)、或個人數位助理(PDA)等。

該資料庫模組2用以紀錄每一地標之一地標類型、關聯於每一地標之至少一特色標籤、每一地標之座標位置，以及多筆打卡資料，並且紀錄該使用者與其他使用者是否有社交關係。

參閱下表一、二，在本較佳實施例中，為了簡化說明，假設該資料庫模組2紀錄P1~P5之5個不同名稱之地標，其中，地標類型A,B,C可用以代表每一地標之分類，如以餐廳為例，則可為日式餐廳、美式餐廳、中式餐廳等等，且不限於此。其中，特色標籤a,b,c,d,e為在社交網路中由任一使用者對每一地標特色所做之標示，例如，壽司、生魚片、美式咖啡、薯條、烤鴨等等，且不限於此。

在本較佳實施例中，該等打卡資料存有該使用者及其他使用者在每一地標之打卡次數(參閱下表三)及每一使用者之基準位置，且每一基準位置係關聯於每一使用者在每一地標之打卡次數(參閱下表三)及其座標位置。其中，在本較佳實施例中，將每一使用者打卡次數最多的前10個地標之經緯度平均作為每一使用者的基準位置。

此外，在本較佳實施例中，該資料庫模組2以二值化社交指標之形式儲存該使用者i與其他使用者j,k,l是否有社交關係。舉例來說，由下表四所示，對於該使用者i而言，該使用者i與使用者j,k之間互有社交關係(即，社交指標為1)，且該使用者i與使用者l之間則無社交關係(即，社交指標為0)。

參閱圖1，該收發模組3用以接收該行動裝置1所發之推薦請求。

該特徵計算模組4包括一喜好指標計算單元41、一社交指標計算單元42，以及一熱門指標計算單元43，且該喜好指標計算單元41、該社交指標計算單元42，以及該熱門指標計算單元43在該收發模組3接收該推薦請求後，同步進行後續計算過程。

其中，該喜好指標計算單元41用以依據每一地標及其地標類型、每一地標之該至少一特色標籤，以及該等打卡資料，計算每一地標之一喜好指標特徵值。

值得一提的是，該喜好指標計算單元41具有一類型喜好計算器411、一標籤喜好計算器412，以及一喜好指標計算器413。

其中，該類型喜好計算器411用以依據該使用者在每一地標之打卡次數與每一地標類型，計算該使用者在每一地標類型之打卡次數，及依據該使用者在每一地標類型之打卡次數及該使用者在所有的地標之總打卡次數，計算該使用者在每一地標之類型喜好指標。

參閱上表一、三，在本較佳實施例中，該使用者i分別在地標類型為A之地標P1,P3打卡過，且其中的打卡次數分別為1次及2次，進而，該類型喜好計算器411計算該使用者i在地標類型A之打卡次數為1+2=3次。此外，由於該使用者i在所有的地標之總打卡次數為1+2+5=8次。因此，該類型喜好計算器411係依據下列式子(1)求出該使用者u(其中u=i)對於地標p(其中p=P1~P5)所屬之地標類型t(其中t=A,B,C)的類型喜好指標：

其中，C(t)為對應於地標類型t之所有的地標p之集合。

參閱下表五，係為該使用者i在每一地標類型之打卡次數及在每一地標之類型喜好指標。

其中，該使用者i在地標P1的類型喜好指標則為：C Pr ef(i,A)=0.375………(2)

接著，該標籤喜好計算器412用以依據該使用者在每一地標之打卡次數及關聯於每一地標之該至少一特色標籤，計算該使用者在每一該至少一特色標籤之打卡次數，及依據該使用者在每一該至少一特色標籤之打卡次數及關聯於每一地標之該至少一特色標籤之標示次數，計算該使用者在每一地標之標籤喜好指標。

參閱上表二、三，在本較佳實施例中，由於該使用者i分別在特色標籤為a之地標P1,P3,P4打卡過，且其中的打卡次數分別為1次、2次及5次，進而，該標籤喜好計算器412計算該使用者i在特色標籤a之打卡次數為1+2+5=8次。以此類推，該標籤喜好計算器412進而求出該使用者i在特色標籤b,c,d,e之打卡次數分別為1次、2次、5次及0次，則該使用者i在所有的特色標籤之總打卡次數為(1+2+5)+1+5+2=16次。因此，該標籤喜好計算器412係依據下列式子(3)求出該使用者u(其中u=i)對於關聯於地標p(其中p=P1~P5)之特色標籤t'(其中t'=a,b,c,d,e)的標籤喜好分數：

其中，H為所有的特色標籤t’之集合，且hl(t’)為對應於特色標籤t’之所有的地標p之集合。

參閱下表六，係為該使用者i在每一該至少依特色標籤之打卡次數及在每一地標之類型喜好分數。

其中，該使用者i對於關聯於地標P1之特色標籤a,b的標籤喜好分數則分別為：

參閱下表七，在本較佳實施例中，假設地標P1之地標類型為日式餐廳，且關聯於地標P1之特色標籤a,b，例如為“壽司(100)”、“生魚片(50)”。假設特色標籤a為壽司，則其中括號內的數字為在社交網路中有多少使用者對於地標P1標示壽司之標示次數。

其中，關聯於地標P1之特色標籤a,b之標示次數則分別為100次及50次。

因此，該標籤喜好計算器412係依據下列式子(6)求出關聯於地標P1之特色標籤a,b的標示比例：

其中，T(p)為關聯於地標p之所有的特色標籤t’之集合。

其中，關聯於地標P1之特色標籤a,b的標示比例則分別為：

因此，該標籤喜好計算器412係依據式子(3)、(6)求出該使用者u(其中u=i)對於關聯於地標p(其中p=P1~P5)之特色標籤t'(其中t'=a,b,c,d,e)的標籤喜好指標：

其中，H為所有的特色標籤t'之集合。

其中，該使用者i對於關聯於地標P1之特色標籤a,b的標籤喜好分數則分別為：其中，參考式子(4)、(5)、(7)、(8)，該使用者i在地標P1的標籤喜好指標則為：

繼而，該喜好指標計算器413用以依據該使用者在每 一地標之類型喜好指標及標籤喜好指標，計算該使用者在每一地標之喜好指標特徵值。

因此，該喜好指標計算器413係依據式子(3)、(9)求出該使用者u(其中u=i)在地標p(其中p=P1~P5)的喜好指標特徵值：

其中，λ為一權重值，在本較佳實施例中，依照實驗結果定義為0.2，但不限於此。

因此，參考式子(2)、(10)，該使用者i在地標P1的喜好指標特徵值為：

其中，該社交指標計算單元42用以依據該使用者及與該使用者具有社交關係之其他使用者的打卡資料，計算該使用者在每一地標之社交指標特徵值。

值得一提的是，該社交指標計算單元42具有一打卡行為計算器421、一地理相似度計算器422、一興趣指標計算器423，以及一社交指標計算器424。

其中，該打卡行為計算器421用以依據該使用者及每一與該使用者具有社交關係之其他使用者在每一地標之打卡次數，計算該使用者及每一與該使用者具有社交關係的其他使用者之間的打卡行為相似度。

參閱上表三、四，在本較佳實施例中，由於該使用者i與使用者j,k具有社交關係，其中，該使用者i與使用者j, k在每一地標之打卡行為化成向量則分別為：v _i =<1,0,2,5,0>、v _j =<1,10,0,1,0>、v _k =<1,1,0,0,0>。因此，該打卡行為計算器421係依據下列式子(13)求出該使用者u(其中u=i)與使用者f(其中f=j,k)之間的打卡行為相似度：

其中，使用者i,j之間的打卡行為相似度為：

其中，使用者i,k之間的打卡行為相似度為：

接著，該地理相似度計算器422用以依據該使用者及每一與該使用者具有社交關係之其他使用者的基準位置，計算該使用者及每一與該使用者具有社交關係的其他使用者之間的地理相似度。

在本較佳實施例中，假設使用者i與使用者j之間的基準位置之距離為“100公尺”，而使用者i與其他有朋友關係的使用者(如，使用者k)之最大的距離為“1000公尺”(參閱下表八)。其中下表八係為紀錄使用者i,j,k之間的基準位置之距離(單位為公尺)。

因此，該地理相似度計算器422係依據下列式子(16)求出該使用者u(其中u=i)與使用者f(其中f=j,k)之間的地理相似度：

其中，F(u)為與該使用者u具有社交關係(即，朋友關係)之其他使用者的集合。

其中，使用者i,j之間的地理相似度為：

其中，使用者i,k之間的地理相似度為：

接著，該興趣指標計算器423用以依據每一與該使用者具有社交關係之其他使用者在每一地標之打卡次數及在所有的地標之總打卡次數，計算每一與該使用者具有社交關係之其他使用者在每一地標之興趣指標。

參閱上表三、四，在本較佳實施例中，該興趣指標計算器423係依據下列式子(19)求出每一與該使用者u(其中u=i)具有社交關係之其他使用者f(其中f=j,k)在地標 p(其中p=P1~P5)的興趣指標：

其中，P為所有的地標之集合。

其中，該使用者j在地標P1之興趣指標為：

其中，該使用者k在地標P1之興趣指標為：

繼而，該社交指標計算器424用以依據該使用者及每一與該使用者具有社交關係的其他使用者之間的打卡行為相似度與地理相似度，以及每一與該使用者具有社交關係之其他使用者在每一地標之興趣指標，計算該使用者在每一地標之社交指標特徵值。

因此，該社交指標計算器424係依據式子(13)、(16)、(19)求出該使用者u(其中u=i)在地標p(其中p=P1~P5)的社交指標特徵值：

其中，F(u)為與該使用者u具有社交關係(即，朋友關係)之其他使用者的集合。且，similarity(f,u)=w×CheckSim(u,f)+(1-w)×DisSim(u,f)………(23)

其中，w為一權重值，在本較佳實施例中，依照實驗結果定義為0.1但不限於此。

因此，參考式子(14)、(15)、(17)、(18)、(20)、( 21)，該使用者用者i在地標P1的社交指標特徵值為：

其中，該熱門指標計算單元43用以依據所有的使用者在每一地標之打卡次數與每一地標類型，計算所有的使用者在每一地標類型之打卡次數，及依據所有的使用者在每一地標類型之打卡次數與使用者在每一地標之打卡次數，計算所有的使用者在每一地標之熱門指標特徵值。

參閱表一、三，在本較佳實施例中，該熱門指標計算單元43計算所有的使用者(其中包含使用者i,j,k,l)在每一地標之打卡次數，由地標P1~P5依序為4次、12次、3次、7次、1次。舉例來說，若以地標類型A為例，其中在地標類型A分類下共有地標P1、P2、P3，因此，該熱門指標計算單元43計算所有的使用者在地標類型A之打卡次數為4+12+3=19次，其餘地標類型之打卡次數則以此類歸，不再贅述。

進而，該熱門指標計算單元43係依據下列式子(25)計算所有的使用者在地標p(其中p=P1~P5)的熱門指標特徵值：

其中，C(t)為對應於地標類型t之所有的地標p之集合。

因此，所有的使用者在地標P1的熱門指標特徵值為：

參閱圖1，該推薦模組5用以依據該等喜好指標特徵值、該等社交指標特徵值，以及該等熱門指標特徵值，並採用多元線性回歸模型，計算該使用者對於每一地標之相關性分數(Relevance Score)，並從該行動裝置1周圍之該等地標中推薦相關性分數較高者所形成之該等適地性地標傳送至該行動裝置1。

在本較佳實施例中，該多元線性回歸模型為M5Prime，但不以此為限。舉例來說，假設地標P1位於該行動裝置1周圍(距離可由該使用者自訂)，則參考式子(12)、(24)、(26)，該使用者在地標P1的喜好指標特徵值、社交指標特徵值及熱門指標特徵值分別為，0.358、0.075及0.211，因此，透過M5Prime多元線性回歸模型可根據上述3個特徵值進行處理進而得到對於該使用者而言地標P1之相關性分數。其中相關性分數係可用以代表該使用者對於該地標之喜好程度。其詳細運算過程係為熟習此項技藝者所熟知，故不在此贅述。

以此類推，其他位於該行動裝置1周圍之地標亦可採用相同方式計算出該使用者對應於其他地標之相關性分數。

繼而，使該推薦模組5將相關性分數較高之前幾名所形成之適地性地標透過該行動裝置1推薦給該使用者i。

綜上所述，本發明主要藉由該特徵計算模組4有效地利用地標本身之資訊，如，地標類型與特色標籤，及該使 用者在每一地標之打卡次數，將該使用者對於周圍之每一地標的個人喜好數值化為喜好指標特徵值，除此之外，該特徵計算模組4還藉由與社交關係相關之社交指標特徵值，及與地標熱門程度相關之熱門指標特徵值，從該等地標中推薦出具有參考價值之適地性地標，故確實能達成本發明之目的。

惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。

1‧‧‧行動裝置

2‧‧‧資料庫模組

3‧‧‧收發模組

4‧‧‧特徵計算模組

41‧‧‧喜好指標計算單元

411‧‧‧類型喜好計算器

412‧‧‧標籤喜好計算器

413‧‧‧喜好指標計算器

42‧‧‧社交指標計算單元

421‧‧‧打卡行為計算器

422‧‧‧地理相似度計算器

423‧‧‧興趣指標計算器

424‧‧‧社交指標計算器

43‧‧‧熱門指標計算單元

5‧‧‧推薦模組

圖1是一方塊圖，說明本發明基於行動定位服務之適地性地標推薦系統之較佳實施例。

1‧‧‧行動裝置

2‧‧‧資料庫模組

3‧‧‧收發模組

4‧‧‧特徵計算模組

41‧‧‧喜好指標計算單元

411‧‧‧類型喜好計算器

412‧‧‧標籤喜好計算器

413‧‧‧喜好指標計算器

42‧‧‧社交指標計算單元

421‧‧‧打卡行為計算器

422‧‧‧地理相似度計算器

423‧‧‧興趣指標計算器

424‧‧‧社交指標計算器

43‧‧‧熱門指標計算單元

5‧‧‧推薦模組

Claims (10)

1. 一種基於行動定位服務之適地性地標推薦系統，適用於依據一使用者所持用的一行動裝置所發之推薦請求，從多個地標中推薦多個適地性地標，該系統包含：一資料庫模組，用以紀錄每一地標之一地標類型、關聯於每一地標之至少一特色標籤，以及多筆打卡資料；一收發模組，用以接收該行動裝置所發之推薦請求；一特徵計算模組，包括一喜好指標計算單元，該喜好指標計算單元用以在該收發模組接收該推薦請求後，依據每一地標及其地標類型、每一地標之該至少一特色標籤，以及該等打卡資料，計算每一地標之一喜好指標特徵值；以及一推薦模組，用以依據該等喜好指標特徵值，從該行動裝置周圍之該等地標中推薦該等適地性地標傳送至該行動裝置。
2. 根據申請專利範圍第1項所述之基於行動定位服務之適地性地標推薦系統，其中該等打卡資料存有該使用者及其他使用者在每一地標之打卡次數。
3. 根據申請專利範圍第2項所述之基於行動定位服務之適地性地標推薦系統，其中該喜好指標計算單元具有：一類型喜好計算器，用以依據該使用者在每一地標之打卡次數與每一地標類型，計算該使用者在每一地標 類型之打卡次數，及依據該使用者在每一地標類型之打卡次數及該使用者在所有的地標之總打卡次數，計算該使用者在每一地標之類型喜好指標；一標籤喜好計算器，用以依據該使用者在每一地標之打卡次數及關聯於每一地標之該至少一特色標籤，計算該使用者在每一該至少一特色標籤之打卡次數，及依據該使用者在每一該至少一特色標籤之打卡次數及關聯於每一地標之該至少一特色標籤之標示次數，計算該使用者在每一地標之標籤喜好指標；以及一喜好指標計算器，用以依據該使用者在每一地標之類型喜好指標及標籤喜好指標，計算該使用者在每一地標之喜好指標特徵值。
4. 根據申請專利範圍第3項所述之基於行動定位服務之適地性地標推薦系統，其中該資料庫模組還用以紀錄該使用者與其他使用者是否有社交關係，且該特徵計算模組還包括一社交指標計算單元，該社交指標計算單元用以在該收發模組接收該推薦請求後，依據該使用者及與該使用者具有社交關係之其他使用者的打卡資料，計算該使用者在每一地標之社交指標特徵值。
5. 根據申請專利範圍第4項所述之基於行動定位服務之適地性地標推薦系統，其中該資料庫模組還用以紀錄每一地標之座標位置，且該等打卡資料還存有每一使用者之基準位置，其中每一基準位置係關聯於每一使用者在每一地標之打卡次數及其座標位置。
6. 根據申請專利範圍第5項所述之基於行動定位服務之適地性地標推薦系統，其中該社交指標計算單元具有：一打卡行為計算器，用以依據該使用者及每一與該使用者具有社交關係之其他使用者在每一地標之打卡次數，計算該使用者及每一與該使用者具有社交關係的其他使用者之間的打卡行為相似度；一地理相似度計算器，用以依據該使用者及每一與該使用者具有社交關係之其他使用者的基準位置，計算該使用者及每一與該使用者具有社交關係的其他使用者之間的地理相似度；一興趣指標計算器，用以依據每一與該使用者具有社交關係之其他使用者在每一地標之打卡次數及在所有的地標之總打卡次數，計算每一與該使用者具有社交關係之其他使用者在每一地標之興趣指標；以及一社交指標計算器，用以依據該使用者及每一與該使用者具有社交關係的其他使用者之間的打卡行為相似度與地理相似度，以及每一與該使用者具有社交關係之其他使用者在每一地標之興趣指標，計算該使用者在每一地標之社交指標特徵值。
7. 根據申請專利範圍第6項所述之基於行動定位服務之適地性地標推薦系統，其中該推薦模組還用以依據該等社交指標特徵值，從該行動裝置周圍之該等地標中推薦該等適地性地標傳送至該行動裝置。
8. 根據申請專利範圍第6項所述之基於行動定位服務之適 地性地標推薦系統，其中該特徵計算模組還包括一熱門指標計算單元，該熱門指標計算單元用以在該收發模組接收該推薦請求後，依據所有的使用者在每一地標之打卡次數與每一地標類型，計算所有的使用者在每一地標類型之打卡次數，及依據所有的使用者在每一地標類型之打卡次數與使用者在每一地標之打卡次數，計算所有的使用者在每一地標之熱門指標特徵值。
9. 根據申請專利範圍第8項所述之基於行動定位服務之適地性地標推薦系統，其中該推薦模組還用以依據該等社交指標特徵值，以及該等熱門指標特徵值，從該行動裝置周圍之該等地標中推薦該等適地性地標傳送至該行動裝置。
10. 根據申請專利範圍第9項所述之基於行動定位服務之適地性地標推薦系統，其中該推薦模組係利用多元線性回歸模型，計算該使用者對於每一地標之相關性分數，並從該行動裝置周圍之該等地標中推薦相關性分數較高者所形成之該等適地性地標傳送至該行動裝置。