电子装置、基于LBS数据的服务场所推荐方法及存储介质制造方法及图纸

本发明专利技术公开了一种基于LBS数据的服务场所推荐方法。该方法包括：从预先确定的数据库中获取各个用户在预设时间内对应的LBS数据，对获取的LBS数据进行聚类分析，以分别分析出各个用户对应的至少一种行为轨迹数据；分析各个用户的行为轨迹数据，以分析得到各个用户之间的相似度；基于各个用户之间的相似度，对各个用户进行聚类，以得到不同的用户群体；分析同一用户群体中所有用户的LBS数据，以分析出该用户群体中所有用户偏好的行为轨迹，并基于分析出的所有用户偏好的行为轨迹向预先确定的终端发送针对该用户群体中的用户的行为轨迹上的服务场所推荐指令。本发明专利技术可以为用户提供更准确的推荐，同时提高LBS数据应用的精准性。

【技术实现步骤摘要】
电子装置、基于LBS数据的服务场所推荐方法及存储介质
本专利技术涉及互联网数据处理领域，尤其涉及一种电子装置、基于LBS数据的服务场所推荐方法及存储介质。
技术介绍
随着互联网的发展，用户的兴趣越来越广泛，且随着用户所处环境及生活水平的改变，用户的需求也在发生改变。因此，如何更好地理解和分析用户的行为，为用户提供针对其需求的服务变得至关重要。目前，基于LBS(LocationBasedServices，基于位置的服务)数据的应用仅限于根据获取到的移动终端用户当前的LBS数据来分析判断用户所在的地点周围的地理信息，并结合用户周围的地理信息推荐周围相应的商品至用户。例如，找到手机用户的当前地理位置为上海市的某街道,然后在该街道固定平方公里范围内寻找手机用户当前位置处1公里范围内的宾馆、影院、图书馆、加油站等服务场所的名称和地址，并推荐给该用户。这种推荐方式非常方便，但是在应用上来说，不能完全满足用户的需求，且推荐的服务场所不一定是用户急需的。因此，具有一定的局限性。
技术实现思路
有鉴于此，本专利技术提出一种电子装置、基于LBS数据的服务场所推荐方法及存储介质，能够利用海量的LBS数据分析得出用户偏好的行为轨迹，并基于用户偏好的行为轨迹进行服务场所推荐，提高了推荐的精准性，并提高了对LBS数据应用的局限性。首先，为实现上述目的，本专利技术提出一种电子装置，所述电子装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于LBS数据的服务场所推荐系统，所述基于LBS数据的服务场所推荐系统被所述处理器执行时实现如下步骤：A、若需要对各个预先确定的的用户进行服务场所推荐，或者，若收到一个预先确定的用户的终端发出的服务场所推荐请求，则从预先确定的数据库中获取各个预先确定的用户在预设时间内对应的LBS数据，利用预先确定的第一聚类算法对获取的各个用户的LBS数据进行聚类分析，以分别分析出各个用户对应的至少一种行为轨迹数据；B、根据预先确定的相似度分析规则分析各个用户的行为轨迹数据，以分析得到各个用户之间的相似度；C、基于各个用户之间的相似度，利用预先确定的第二聚类算法对各个用户进行聚类，以得到不同的用户群体，所述相似度大于预设阈值的用户分至同一用户群体，所述相似度小于或者等于预设阈值的用户分至不同的用户群体；D、利用预先确定的服务场所推荐模型分析各个预先确定的用户所属的用户群体中所有用户的LBS数据，分析出各个预先确定的用户偏好的行为轨迹，并向预先确定的终端发送各个预先确定的用户偏好的行为轨迹上的服务场所的推荐指令，或者，利用预先确定的服务场所推荐模型分析发出所述推荐请求的用户所属的用户群体中所有用户的LBS数据，确定出该用户偏好的行为轨迹，并向预先确定的终端发送该用户偏好的行为轨迹上的服务场所的推荐指令。进一步地，所述预先确定的数据库包括从所有移动终端用户的定位服务系统中获取到的移动定位数据及提供的与位置相关的服务数据，所述LBS数据包括地理位置信息数据、及提供的与所述地理位置信息数据相关的各类服务数据，所述行为轨迹数据包括行程类型轨迹数据、及/或，娱乐类型轨迹数据；所述行程类型轨迹数据包括行程时间和行程标识，所述娱乐类型轨迹数据包括娱乐时间和地址标识。进一步地，所述预先确定的第一聚类算法包括基于密度的聚类算法；所述预先确定的相似度分析规则包括余弦夹角相似法、欧几里德距离度量法、或皮尔逊相关系数法；所述预先确定的第二聚类算法包括基于原形的目标函数聚类算法、基于密度的聚类算法、或基于层次的聚类算法。进一步地，所述预先确定的服务场所推荐模型为协同过滤推荐模型。进一步地，所述基于LBS数据的服务场所推荐系统被所述处理器执行时还实现如下步骤：跟踪接收到推荐指令的用户的LBS数据，并分析跟踪到的用户的LBS数据与所推荐的该用户偏好的行为轨迹上的服务场所之间的匹配度，若跟踪到的用户的LBS数据与所推荐的该用户偏好的行为轨迹上的服务场所之间的匹配度小于或等于预设的匹配阈值，则重复执行步骤B和步骤C。此外，为实现上述目的，本专利技术还提供一种基于LBS数据的服务场所推荐方法，该方法包括如下步骤：S1、若需要对各个预先确定的的用户进行服务场所推荐，或者，若收到一个预先确定的用户的终端发出的服务场所推荐请求，则从预先确定的数据库中获取各个预先确定的用户在预设时间内对应的LBS数据，利用预先确定的第一聚类算法对获取的各个用户的LBS数据进行聚类分析，以分别分析出各个用户对应的至少一种行为轨迹数据；S2、根据预先确定的相似度分析规则分析各个用户的行为轨迹数据，以分析得到各个用户之间的相似度；S3、基于各个用户之间的相似度，利用预先确定的第二聚类算法对各个用户进行聚类，以得到不同的用户群体，所述相似度大于预设阈值的用户分至同一用户群体，所述相似度小于或者等于预设阈值的用户分至不同的用户群体；S4、利用预先确定的服务场所推荐模型分析各个预先确定的用户所属的用户群体中所有用户的LBS数据，分析出各个预先确定的用户偏好的行为轨迹，并向预先确定的终端发送各个预先确定的用户偏好的行为轨迹上的服务场所的推荐指令，或者，利用预先确定的服务场所推荐模型分析发出所述推荐请求的用户所属的用户群体中所有用户的LBS数据，确定出该用户偏好的行为轨迹，并向预先确定的终端发送该用户偏好的行为轨迹上的服务场所的推荐指令。进一步地，所述预先确定的数据库包括从所有移动终端用户的定位服务系统中获取到的移动定位数据及提供的与位置相关的服务数据，所述LBS数据包括地理位置信息数据、及提供的与所述地理位置信息数据相关的各类服务数据，所述行为轨迹数据包括行程类型轨迹数据、及/或，娱乐类型轨迹数据；所述行程类型轨迹数据包括行程时间和行程标识，所述娱乐类型轨迹数据包括娱乐时间和地址标识。进一步地，所述预先确定的第一聚类算法包括基于密度的聚类算法；所述预先确定的相似度分析规则包括余弦夹角相似法、欧几里德距离度量法、或皮尔逊相关系数法；所述预先确定的第二聚类算法包括基于原形的目标函数聚类算法、基于密度的聚类算法、或基于层次的聚类算法。进一步地，所述预先确定的服务场所推荐模型为协同过滤推荐模型。进一步地，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有基于LBS数据的服务场所推荐系统，所述基于LBS数据的服务场所推荐系统可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于LBS数据的服务场所推荐方法的步骤。相较于现有技术，本专利技术所提出的电子装置、基于LBS数据的个性户推荐方法及计算机可读存储介质，首先，从预先确定的数据库中获取各个用户在预设时间内对应的LBS数据，对获取的LBS数据进行聚类分析，以分别分析出各个用户分别对应的至少一种行为轨迹数据；其次，分析各个用户的行为轨迹数据，以分析得到各个用户之间的相似度；再次，基于各个用户之间的相似度，对各个用户进行聚类，以得到不同的用户群体；最后，分析同一用户群体中所有用户的LBS数据，以分析出该用户群体中所有用户偏好的行为轨迹，并基于分析出的所有用户偏好的行为轨迹，向预先确定的终端发送针对该用户群体中的用户的行为轨迹上的服务场所推荐指令。这样，既可以避免现有技术中对LBS数据应用的局限性的弊端，也可以提本文档来自技高网...

【技术保护点】
一种电子装置，其特征在于，所述电子装置包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的基于LBS数据的服务场所推荐系统，所述基于LBS数据的服务场所推荐系统被所述处理器执行时实现如下步骤：A、若需要对各个预先确定的用户进行服务场所推荐，或者，若收到一个预先确定的用户的终端发出的服务场所推荐请求，则从预先确定的数据库中获取各个预先确定的用户在预设时间内对应的LBS数据，利用预先确定的第一聚类算法对获取的各个用户的LBS数据进行聚类分析，以分别分析出各个用户对应的至少一种行为轨迹数据；B、根据预先确定的相似度分析规则分析各个用户的行为轨迹数据，以分析得到各个用户之间的相似度；C、基于各个用户之间的相似度，利用预先确定的第二聚类算法对各个用户进行聚类，以得到不同的用户群体，所述相似度大于预设阈值的用户分至同一用户群体，所述相似度小于或者等于预设阈值的用户分至不同的用户群体；D、利用预先确定的服务场所推荐模型分析各个预先确定的用户所属的用户群体中所有用户的LBS数据，分析出各个预先确定的用户偏好的行为轨迹，并向预先确定的终端发送各个预先确定的用户偏好的行为轨迹上的服务场所的推荐指令，或者，利用预先确定的服务场所推荐模型分析发出所述推荐请求的用户所属的用户群体中所有用户的LBS数据，确定出该用户偏好的行为轨迹，并向预先确定的终端发送该用户偏好的行为轨迹上的服务场所的推荐指令。...

【技术特征摘要】
1.一种电子装置，其特征在于，所述电子装置包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的基于LBS数据的服务场所推荐系统，所述基于LBS数据的服务场所推荐系统被所述处理器执行时实现如下步骤：A、若需要对各个预先确定的用户进行服务场所推荐，或者，若收到一个预先确定的用户的终端发出的服务场所推荐请求，则从预先确定的数据库中获取各个预先确定的用户在预设时间内对应的LBS数据，利用预先确定的第一聚类算法对获取的各个用户的LBS数据进行聚类分析，以分别分析出各个用户对应的至少一种行为轨迹数据；B、根据预先确定的相似度分析规则分析各个用户的行为轨迹数据，以分析得到各个用户之间的相似度；C、基于各个用户之间的相似度，利用预先确定的第二聚类算法对各个用户进行聚类，以得到不同的用户群体，所述相似度大于预设阈值的用户分至同一用户群体，所述相似度小于或者等于预设阈值的用户分至不同的用户群体；D、利用预先确定的服务场所推荐模型分析各个预先确定的用户所属的用户群体中所有用户的LBS数据，分析出各个预先确定的用户偏好的行为轨迹，并向预先确定的终端发送各个预先确定的用户偏好的行为轨迹上的服务场所的推荐指令，或者，利用预先确定的服务场所推荐模型分析发出所述推荐请求的用户所属的用户群体中所有用户的LBS数据，确定出该用户偏好的行为轨迹，并向预先确定的终端发送该用户偏好的行为轨迹上的服务场所的推荐指令。2.如权利要求1所述的电子装置，其特征在于，所述预先确定的数据库包括从所有移动终端用户的定位服务系统中获取到的移动定位数据及提供的与位置相关的服务数据，所述LBS数据包括地理位置信息数据、及提供的与所述地理位置信息数据相关的各类服务数据，所述行为轨迹数据包括行程类型轨迹数据、及/或，娱乐类型轨迹数据；所述行程类型轨迹数据包括行程时间和行程标识，所述娱乐类型轨迹数据包括娱乐时间和地址标识。3.如权利要求1所述的电子装置，其特征在于，所述预先确定的第一聚类算法包括基于密度的聚类算法；所述预先确定的相似度分析规则包括余弦夹角相似法、欧几里德距离度量法、或皮尔逊相关系数法；所述预先确定的第二聚类算法包括基于原型的目标函数聚类算法、基于密度的聚类算法、或基于层次的聚类算法。4.如权利要求1所述的电子装置，其特征在于，所述预先确定的服务场所推荐模型为协同过滤推荐模型。5.如权利要求1-4任一项所述的电子装置，其特征在于，所述基于LBS数据的服务场所推荐系统被所述处理器执行时还实现如下步骤：跟踪接收到推荐指令的用户的LBS数据，并分析跟踪到的用户的LBS数据与所推荐的该用户偏好的行为轨迹上的服务场所之间的匹配度，若跟踪到的用户的LBS数据与所推荐的该用户...

【专利技术属性】
技术研发人员：吴振宇，刘睿恺，王建明，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44