一种基于行走路径的用户社会关联性分析方法及介质技术

本发明专利技术公开了一种基于行走路径的用户社会关联性分析方法及介质，方法包括：获取用户位置信息；根据所述用户位置信息，生成连续行走路径序列，并将所述连续行走路径序列进行分段处理；对分段处理得到的不同尺度的路径序列进行特征提取，得到多尺度特征；采用自适应的尺度注意力机制生成不同尺度的路径序列的权值；根据所述不同尺度的路径序列的权值，对所述多尺度特征进行加权融合处理，生成用户社会关联性分析结果。本发明专利技术提高了关联性分析的准确性，可广泛应用于计算机技术领域。可广泛应用于计算机技术领域。可广泛应用于计算机技术领域。

A method and medium of user social relevance analysis based on walking path

【技术实现步骤摘要】
一种基于行走路径的用户社会关联性分析方法及介质


[0001]本专利技术涉及计算机
，尤其是一种基于行走路径的用户社会关联性分析方法及介质。

技术介绍

[0002]随着移动终端的快速普及，诸多基于用户位置的社交网络服务丰富了人们的生活，如微博同城、微信摇一摇等。通过位置分享，上述社交网络可以将物理世界与网络空间关联起来，如推荐同城好友等。在商业方面，基于用户行走路径的分析和以预测室内人群在商业地产的行动模式，有利于进行热点轨迹分析，提升商业地产的经营效率。在公共卫生领域，基于用户位置的“同行同往”分析可大大提升流行病学调查的效率，从而更加精准及时地采取防控措施。因此及用户位置的社交关系分析具有巨大价值。
[0003]然而，现有的社交关系分析方法大多基于离散位置，通过计算用户的空间位置来判断用户之间的社会关联性。这种方法仅从空间维度对用户关系进行衡量，而忽略了时间维度的影响。例如在同一家餐厅用餐的两个客户，可能其本身并无社交属性的关联，但通过传统算法便可能将其估测为具有较强社会关联性的用户组。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种基于行走路径的用户社会关联性分析方法及介质，以提高关联性分析的准确性。
[0005]本专利技术的一方面提供了一种基于行走路径的用户社会关联性分析方法，包括：
[0006]获取用户位置信息；
[0007]根据所述用户位置信息，生成连续行走路径序列，并将所述连续行走路径序列进行分段处理；
[0008]对分段处理得到的不同尺度的路径序列进行特征提取，得到多尺度特征；
[0009]采用自适应的尺度注意力机制生成不同尺度的路径序列的权值；
[0010]根据所述不同尺度的路径序列的权值，对所述多尺度特征进行加权融合处理，生成用户社会关联性分析结果。
[0011]可选地，所述获取用户位置信息，包括：
[0012]根据用户使用移动设备时产生的路径信息，采集用户在移动设备中的不同位置信息，以形成路径序列；
[0013]对获取到的用户位置信息进行结构化组织，并将结果发送至服务端执行后续的数据处理。
[0014]可选地，所述根据所述用户位置信息，生成连续行走路径序列，并将所述连续行走路径序列进行分段处理，包括：
[0015]使用EMD算法对所述用户位置信息进行过滤，过滤掉异常位置信息；
[0016]通过多项式对离散的用户位置信息进行拟合，得到连续行走路径序列；
[0017]根据不同的划分长度，将所述连续行走路径序列划分为多个路径序列。
[0018]可选地，所述通过多项式对离散的用户位置信息进行拟合，得到连续行走路径序列，包括：
[0019]对于任意路径序列s中j点位置，则计算j点的左右宽度为2h+1的窗口中所有路径数据的多项式拟合函数；
[0020]使用均方误差计算多项式和实际数据之间的误差；
[0021]将经过多项式拟合连续的行走路径信息，用于模拟用户在场景中实际的行走路径；
[0022]所述多项式拟合函数的表达式为：
[0023][0024]其中，N表示所拟合多项式的最高次幂；w
i
为权值系数；x
i
代表j点拟合样本x的i次幂。
[0025]可选地，所述对分段处理得到的不同尺度的路径序列进行特征提取，得到多尺度特征，包括：
[0026]针对划分完成的路径序列，首先使用Transformer
‑
Encoder单独提取序列的特征，其次将该特征输入BiLSTM，获取序列的双向时序特征，将最终输出特征进行拼接处理；
[0027]其中，所述拼接处理的表达式为：
[0028]F
m
＝[f1,f2,
…
,f
p
][0029]其中，F
m
表示尺度为m的序列特征，f
i
表示第i个子段经由编码器提取到的特征，[
·
,
·
]表示对特征进行拼接处理。
[0030]可选地，所述采用自适应的尺度注意力机制生成不同尺度的路径序列的权值，包括：
[0031]通过多层全连接网络对多尺度特征中的各个特征进行处理，降低各个特征的特征维度并保留同一尺度中各个子段的特征信息；
[0032]通过多个线性单元和非线性映射单元将各个特征处理得到的子段映射为一个整数，作为尺度特征的自适应注意力权值；
[0033]通过Sigmoid激活函数对映射结果进行处理后，对各个自适应注意力权值进行归一化处理。
[0034]本专利技术实施例的另一方面还提供了一种基于行走路径的用户社会关联性分析装置，包括：
[0035]第一模块，用于获取用户位置信息；
[0036]第二模块，用于根据所述用户位置信息，生成连续行走路径序列，并将所述连续行走路径序列进行分段处理；
[0037]第三模块，用于对分段处理得到的不同尺度的路径序列进行特征提取，得到多尺度特征；
[0038]第四模块，用于采用自适应的尺度注意力机制生成不同尺度的路径序列的权值；
[0039]第五模块，用于根据所述不同尺度的路径序列的权值，对所述多尺度特征进行加
权融合处理，生成用户社会关联性分析结果。
[0040]本专利技术实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
[0041]所述存储器用于存储程序；
[0042]所述处理器执行所述程序实现如前面所述的方法。
[0043]本专利技术实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
[0044]本专利技术实施例的另一方面还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如前面所述的方法。
[0045]本专利技术实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
[0046]本专利技术的实施例获取用户位置信息；根据所述用户位置信息，生成连续行走路径序列，并将所述连续行走路径序列进行分段处理；对分段处理得到的不同尺度的路径序列进行特征提取，得到多尺度特征；采用自适应的尺度注意力机制生成不同尺度的路径序列的权值；根据所述不同尺度的路径序列的权值，对所述多尺度特征进行加权融合处理，生成用户社会关联性分析结果。本专利技术提高了关联性分析的准确性。
附图说明
[0047]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于行走路径的用户社会关联性分析方法，其特征在于，包括：获取用户位置信息；根据所述用户位置信息，生成连续行走路径序列，并将所述连续行走路径序列进行分段处理；对分段处理得到的不同尺度的路径序列进行特征提取，得到多尺度特征；采用自适应的尺度注意力机制生成不同尺度的路径序列的权值；根据所述不同尺度的路径序列的权值，对所述多尺度特征进行加权融合处理，生成用户社会关联性分析结果。2.根据权利要求1所述的一种基于行走路径的用户社会关联性分析方法，其特征在于，所述获取用户位置信息，包括：根据用户使用移动设备时产生的路径信息，采集用户在移动设备中的不同位置信息，以形成路径序列；对获取到的用户位置信息进行结构化组织，并将结果发送至服务端执行后续的数据处理。3.根据权利要求1所述的一种基于行走路径的用户社会关联性分析方法，其特征在于，所述根据所述用户位置信息，生成连续行走路径序列，并将所述连续行走路径序列进行分段处理，包括：使用EMD算法对所述用户位置信息进行过滤，过滤掉异常位置信息；通过多项式对离散的用户位置信息进行拟合，得到连续行走路径序列；根据不同的划分长度，将所述连续行走路径序列划分为多个路径序列。4.根据权利要求3所述的一种基于行走路径的用户社会关联性分析方法，其特征在于，所述通过多项式对离散的用户位置信息进行拟合，得到连续行走路径序列，包括：对于任意路径序列s中j点位置，则计算j点的左右宽度为2h+1的窗口中所有路径数据的多项式拟合函数；使用均方误差计算多项式和实际数据之间的误差；将经过多项式拟合连续的行走路径信息，用于模拟用户在场景中实际的行走路径；所述多项式拟合函数的表达式为：其中，N表示所拟合多项式的最高次幂；w
i
为权值系数；x
i
代表j点拟合样本x的i次幂。5.根据权利要求3所述的一种基于行走路径的用户社会关联性分析方法，其特征在于，所述对分段处理得到的不同尺度的路径序列进行特征提取，得到多尺度特征，包括：针对划分完成的路径序列，首先使用Transformer
‑
E...

【专利技术属性】
技术研发人员：张星，牛群，刘宁，
申请(专利权)人：中山大学，
类型：发明
国别省市：