-
公开(公告)号：CN110008414A
公开(公告)日：2019-07-12
申请号：CN201910263239.0
申请日：2016-03-31
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/9537 , G06K9/62
Abstract: 本申请公开了地理信息点的确定方法和装置。所述方法的一具体实施方式包括：获取用户的定位信息，其中，所述定位信息包括用户定位坐标；将所述用户定位坐标作为预先训练的贝叶斯预测模型的输入值，并根据所述贝叶斯预测模型得到所述用户处于至少一个地理信息点中每个地理信息点的概率值，其中，所述贝叶斯预测模型利用地理信息点的基本信息作为样本数据训练得到，其中，所述基本信息包括地理信息点的定位坐标、历史到访用户的历史定位信息；将最大概率值对应的地理信息点确定为所述用户所处的地理信息点。该实施方式实现了确定用户所处的地理信息点。
-
公开(公告)号：CN110008414B
公开(公告)日：2021-07-27
申请号：CN201910263239.0
申请日：2016-03-31
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/9537 , G06K9/62
Abstract: 本申请公开了地理信息点的确定方法和装置。所述方法的一具体实施方式包括：获取用户的定位信息，其中，所述定位信息包括用户定位坐标；将所述用户定位坐标作为预先训练的贝叶斯预测模型的输入值，并根据所述贝叶斯预测模型得到所述用户处于至少一个地理信息点中每个地理信息点的概率值，其中，所述贝叶斯预测模型利用地理信息点的基本信息作为样本数据训练得到，其中，所述基本信息包括地理信息点的定位坐标、历史到访用户的历史定位信息；将最大概率值对应的地理信息点确定为所述用户所处的地理信息点。该实施方式实现了确定用户所处的地理信息点。
-
公开(公告)号：CN105893537B
公开(公告)日：2019-06-07
申请号：CN201610196304.9
申请日：2016-03-31
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/9537 , G06K9/62
Abstract: 本申请公开了地理信息点的确定方法和装置。所述方法的一具体实施方式包括：获取用户的定位信息，其中，所述定位信息包括用户定位坐标；将所述用户定位坐标作为预先训练的贝叶斯预测模型的输入值，并根据所述贝叶斯预测模型得到所述用户处于至少一个地理信息点中每个地理信息点的概率值，其中，所述贝叶斯预测模型利用地理信息点的基本信息作为样本数据训练得到，其中，所述基本信息包括地理信息点的定位坐标、历史到访用户的历史定位信息；将最大概率值对应的地理信息点确定为所述用户所处的地理信息点。该实施方式实现了确定用户所处的地理信息点。
-
公开(公告)号：CN106767835A
公开(公告)日：2017-05-31
申请号：CN201710068541.1
申请日：2017-02-08
Applicant: 百度在线网络技术(北京)有限公司
IPC: G01C21/20
Abstract: 本申请公开了定位方法和装置。该方法的一具体实施方式包括：获取用户的包括定位时间和定位坐标的定位信息和上述用户在上述定位时间之前的历史到访地理信息点类别序列；获取地理信息点坐标与上述定位坐标的距离小于预设距离阈值的至少一个地理信息点，其中，地理信息点包括地理信息点坐标和地理信息点类别；对上述至少一个地理信息点中每个地理信息点，基于上述定位信息和上述用户在上述定位时间之前的历史到访地理信息点类别序列，确定上述用户在上述定位时间到访该地理信息点所指示的地理实体的到访概率值；根据所确定的各个到访概率值，确定上述用户在上述定位时间所到访的地理实体所对应的地理信息点。该实施方式提高了用户定位的准确度。
-
公开(公告)号：CN106991159B
公开(公告)日：2018-07-24
申请号：CN201710202303.5
申请日：2017-03-30
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取地理信息点序列集合和该地理信息点序列集合中的每一个地理信息点序列的标识所组成的标识集合；对于该地理信息点序列集合中的每一个地理信息点序列，对该地理信息点序列中的地理信息点进行聚类，生成与该地理信息点序列对应的元素序列；利用机器学习方法，基于该标识集合和所生成的各个元素序列，学习得到针对该标识集合中的各个标识的矩阵；对于该标识集合中的每一个标识，基于该标识和该矩阵，生成该标识所指示的地理信息点序列所属的用户的信息。该实施方式实现了富于针对性的信息生成。
-
Patent Agency Ranking
公开(公告)号：CN105893537A
公开(公告)日：2016-08-24
申请号：CN201610196304.9
申请日：2016-03-31
Applicant: 百度在线网络技术(北京)有限公司
CPC classification number: G06F16/9537 , G06K9/6223
Abstract: 本申请公开了地理信息点的确定方法和装置。所述方法的一具体实施方式包括：获取用户的定位信息，其中，所述定位信息包括用户定位坐标；将所述用户定位坐标作为预先训练的贝叶斯预测模型的输入值，并根据所述贝叶斯预测模型得到所述用户处于至少一个地理信息点中每个地理信息点的概率值，其中，所述贝叶斯预测模型利用地理信息点的基本信息作为样本数据训练得到，其中，所述基本信息包括地理信息点的定位坐标、历史到访用户的历史定位信息；将最大概率值对应的地理信息点确定为所述用户所处的地理信息点。该实施方式实现了确定用户所处的地理信息点。
-
公开(公告)号：CN106055607B
公开(公告)日：2020-05-19
申请号：CN201610354134.2
申请日：2016-05-25
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/9537
Abstract: 本发明实施例公开了一种用户到访预测模型建立、用户到访预测方法和装置。用户到访预测模型建立方法包括：根据用户的地图搜索数据，生成备选样本；根据用户的定位轨迹数据，选择满足用户实际到访条件的备选样本作为训练样本；根据训练样本中的抵达方式关联信息，确定与训练样本对应的训练特征；使用与训练样本对应的训练特征对设定单分类训练模型进行训练，并将训练后的单分类训练模型作为用户到访预测模型。本发明的技术方案可以解决现有的计算和推断用户到访POI的方法由于没有考虑使用地图搜索数据而存在的数据量单一，在不同程度上都会存在使用覆盖率差的技术问题，优化了现有的用户到访预测技术，提高了用户到访预测的准确性。
-
公开(公告)号：CN106991159A
公开(公告)日：2017-07-28
申请号：CN201710202303.5
申请日：2017-03-30
Applicant: 百度在线网络技术(北京)有限公司
CPC classification number: G06F17/30241 , G06N99/005
Abstract: 本申请公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取地理信息点序列集合和该地理信息点序列集合中的每一个地理信息点序列的标识所组成的标识集合；对于该地理信息点序列集合中的每一个地理信息点序列，对该地理信息点序列中的地理信息点进行聚类，生成与该地理信息点序列对应的元素序列；利用机器学习方法，基于该标识集合和所生成的各个元素序列，学习得到针对该标识集合中的各个标识的矩阵；对于该标识集合中的每一个标识，基于该标识和该矩阵，生成该标识所指示的地理信息点序列所属的用户的信息。该实施方式实现了富于针对性的信息生成。
-
公开(公告)号：CN106767835B
公开(公告)日：2020-09-25
申请号：CN201710068541.1
申请日：2017-02-08
Applicant: 百度在线网络技术(北京)有限公司
IPC: G01C21/20
Abstract: 本申请公开了定位方法和装置。该方法的一具体实施方式包括：获取用户的包括定位时间和定位坐标的定位信息和上述用户在上述定位时间之前的历史到访地理信息点类别序列；获取地理信息点坐标与上述定位坐标的距离小于预设距离阈值的至少一个地理信息点，其中，地理信息点包括地理信息点坐标和地理信息点类别；对上述至少一个地理信息点中每个地理信息点，基于上述定位信息和上述用户在上述定位时间之前的历史到访地理信息点类别序列，确定上述用户在上述定位时间到访该地理信息点所指示的地理实体的到访概率值；根据所确定的各个到访概率值，确定上述用户在上述定位时间所到访的地理实体所对应的地理信息点。该实施方式提高了用户定位的准确度。
-
公开(公告)号：CN106055607A
公开(公告)日：2016-10-26
申请号：CN201610354134.2
申请日：2016-05-25
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F17/30
Abstract: 本发明实施例公开了一种用户到访预测模型建立、用户到访预测方法和装置。用户到访预测模型建立方法包括：根据用户的地图搜索数据，生成备选样本；根据用户的定位轨迹数据，选择满足用户实际到访条件的备选样本作为训练样本；根据训练样本中的抵达方式关联信息，确定与训练样本对应的训练特征；使用与训练样本对应的训练特征对设定单分类训练模型进行训练，并将训练后的单分类训练模型作为用户到访预测模型。本发明的技术方案可以解决现有的计算和推断用户到访POI的方法由于没有考虑使用地图搜索数据而存在的数据量单一，在不同程度上都会存在使用覆盖率差的技术问题，优化了现有的用户到访预测技术，提高了用户到访预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.038 seconds)
