常驻地确定方法、电子设备及计算机程序产品与流程

摘要: 本公开涉及数据处理,尤其涉及一种常驻地确定方法、电子设备及计算机程序产品。背景技术:1、随着移动互联网和定位技术的快速发展,基于位置的服务(location-b...
常驻地确定方法、电子设备及计算机程序产品与流程

本公开涉及数据处理,尤其涉及一种常驻地确定方法、电子设备及计算机程序产品。

背景技术:

1、随着移动互联网和定位技术的快速发展,基于位置的服务(location-basedservice,lbs)已经成为人们日常生活中不可或缺的部分。

2、精准的用户位置信息不仅能够提升个性化服务体验,也可以为个人画像分析、行为分析等提供宝贵的数据支撑和参考意义。例如,在确定了用户的常驻地的情况下,可以根据用户当前所在的常驻地进行对应的个性化推荐。

3、但是,目前的定位技术定位精度不足,导致分析出的常驻地也存在不准确的问题。

技术实现思路

1、本公开提供一种常驻地确定方法、电子设备及计算机程序产品,针对不同数据类型采用不同的相似度计算算法,可以通过多种相似度计算算法计算多种数据来源的多种数据类型的用户数据之间的相似度,进而分析不同用户数据样本的相似度,从而分析出准确的常驻地。

2、第一方面,本公开提供一种常驻地确定方法,该方法包括:获取用户设备的多个用户数据样本;其中,每个用户数据样本包括多个数据来源的用户数据;每个数据来源对应一个或多个数据类型;确定各个用户数据样本中的数据类型,得到多种数据类型的用户数据;对于每种数据类型的用户数据,确认每种数据类型用户数据对应的相似度计算算法;基于每种数据类型用户数据对应的相似度计算算法,确定多个用户数据样本中任意两个用户数据样本中该种数据类型的用户数据的相似度;基于任意两个用户数据样本中每种数据类型的用户数据的相似度,确定任意两个用户数据样本之间的相似度;基于任意两个用户数据样本之间的相似度,对多个用户数据样本进行聚类,并基于聚类后的多个用户数据样本确定用户设备的常驻地。

3、本公开提供的常驻地确定方法中,常驻地分析装置可以获取用户设备的多个用户数据样本,每个用户数据样本包括多个数据来源的用户数据,每个数据来源对应一个或多个数据类型。也即每个用户数据样本可以包括多个数据类型的用户数据,针对不同数据类型的用户数据,本公开可以利用设计的每种数据类型用户数据对应的相似度计算算法,确定多个用户数据样本中任意两个用户数据样本中该种数据类型的用户数据的相似度,基于任意两个用户数据样本中每种数据类型的用户数据的相似度,确定任意两个用户数据样本之间的相似度,后续可以基于用户数据样本之间的相似度进行聚类分析用户设备的常驻地。这样一来,通过多模态异构的用户数据综合分析用户设备的常驻地,可以避免现有的定位技术因用户行为数据单一导致的精度不足问题。

4、第二方面,本公开提供一种常驻地确定装置,该常驻地确定装置包括用于之上第一方面所述方法的各个功能模块。

5、第三方面,本公开提供一种电子设备,包括:处理器和存储器;存储器存储有处理器可执行的指令;处理器被配置为执行前述指令时,使得电子实现如之上第一方面所述的方法。

6、第四方面,本公开提供一种可读存储介质,包括:软件指令;当软件指令在电子设备中运行时,使得电子实现如之上第一方面所述的方法。

7、第五方面,本公开提供一种计算机程序产品,包括:计算机指令;当计算机指令在电子设备中运行时,使得电子实现如之上第一方面所述的方法。

8、以上第二方面至第五方面的友谊效果可以参照第一方面所述,不再赘述。

1.一种常驻地确定方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述多个数据来源包括所述用户设备的定位信息以及所述用户设备连接过的无线连接特征信息和/或所述用户设备连接过的网络信息;

3.根据权利要求2所述的方法,其特征在于,所述任意两个用户数据样本包括第一用户数据样本和第二用户数据样本,对于所述gps类型的用户数据,所述gps类型的用户数据对应的相似度计算算法为半正矢haversine相似度算法;所述基于每种数据类型用户数据对应的相似度计算算法,确定所述多个用户数据样本中任意两个用户数据样本中该种数据类型的用户数据的相似度,包括:

4.根据权利要求2所述的方法,其特征在于,所述任意两个用户数据样本包括第一用户数据样本和第二用户数据样本,对于所述离散类型的用户数据,所述离散类型的用户数据对应的相似度计算算法为点间互信息pmi相似度算法;所述基于每种数据类型用户数据对应的相似度计算算法,确定所述多个用户数据样本中任意两个用户数据样本中该种数据类型的用户数据的相似度,包括:

5.根据权利要求2所述的方法,其特征在于,所述任意两个用户数据样本包括第一用户数据样本和第二用户数据样本,对于所述身份标识类型的用户数据,所述身份标识类型的用户数据对应的相似度计算算法为滑动窗口相似度算法;所述基于每种数据类型用户数据对应的相似度计算算法,确定所述多个用户数据样本中任意两个用户数据样本中该种数据类型的用户数据的相似度,包括:

6.根据权利要求2所述的方法,其特征在于,所述任意两个用户数据样本包括第一用户数据样本和第二用户数据样本,对于所述地址类型的用户数据,所述地址类型的用户数据对应的相似度计算算法为字符对比相似度算法;所述基于每种数据类型用户数据对应的相似度计算算法,确定所述多个用户数据样本中任意两个用户数据样本中该种数据类型的用户数据的相似度,包括:

7.根据权利要求1所述的方法,其特征在于,所述基于所述任意两个用户数据样本中每种数据类型的用户数据的相似度,确定所述任意两个用户数据样本之间的相似度,包括:

8.根据权利要求1所述的方法,其特征在于,所述多个用户数据样本为所述用户设备一天内的用户数据样本;所述基于聚类后的所述多个用户数据样本确定所述用户设备的常驻地,包括:

9.根据权利要求8所述的方法,其特征在于,所述基于所述多个聚类簇,得到所述用户设备的常驻地,包括:

10.一种电子设备,其特征在于,包括:处理器和存储器;

11.一种计算机程序产品,其特征在于,包括:计算机指令;