TWI618017B - 結合生活行為分析與社群之地標推薦方法及其電腦程式產品 - Google Patents

Abstract

本發明係提供一種結合生活行為分析與社群之地標推薦方法及其電腦程式產品。前述之地標推薦方法分析用戶端操作用戶裝置之裝置時間資訊及裝置地點資訊，以提供對應用戶端之生活行為資訊，接著分析生活行為資訊以提供用戶偏好值、依據用戶偏好值以及社群推薦值以對位於查詢地標區域內之複數個地標資訊進行加權處理，並從地標資訊中選取出符合門檻值之推薦清單。

Description

結合生活行為分析與社群之地標推薦方法及其電腦程式產品

本發明係一種地標推薦方法及其電腦程式產品，尤指一種結合生活行為分析與社群之地標推薦方法及其電腦程式產品。

許多用戶在生活中欲挑選餐廳以及旅遊地點等地標點時，大多習慣透過網路查詢特地區域內的地標點，並參考網路上的推薦文章來考慮是否前往。舉例來說，當用戶欲在車站附近挑選餐廳時，會在搜尋引擎輸入「餐廳車站」，並逐筆的點閱網路上所發布之點評文章，來挑選出符合期望之餐廳。

由於上述之方案需花費相當多的時間進行搜尋以及瀏灠，而當欲查詢的區域內有多個地標點時，則會耗費用戶大量的時間成本，進而造成使用者之不便。除此之外，現行之地標推薦技術並未能依據用戶生活習慣來推薦符合該用戶需求之地標點，而讓使用者需藉由人工方式篩除不符合需求之地標點。

綜上所述，如何提供一種可結合用戶生活習慣以及社群推薦來進行地標推薦之技術方案乃本領域亟需解決之技術問題。

為解決前揭之問題，本發明之目的係提供一種可透過分析使 用者生活行為習慣以及社群推薦來進行地標推薦之技術手段。

為達上述目的，本發明提出一種結合生活行為分析與社群之地標推薦方法，此地標推薦方法應用於一伺服電腦裝置並包含下列步驟：首先，分析用戶端操作用戶裝置之裝置時間資訊及裝置地點資訊，以提供對應用戶端之生活行為資訊，前述之生活行為資訊包含一個或多個時間分群區塊以及位置群體資訊。接著，分析生活行為資訊以提供用戶偏好值，並依據用戶偏好值以及社群推薦值以對位於查詢地標區域內之複數個地標資訊進行加權處理，並從地標資訊中選取出符合門檻值之推薦清單。再者，傳送推薦清單至用戶裝置。

為達上述目的，本發明提出一種結合生活行為分析與社群之地標推薦電腦程式產品，當電腦裝置載入並執行此電腦程式產品可完成前述地標推薦方法所述之步驟。

為達上述目的，本發明提出一種結合生活行為分析與社群之地標推薦方法，該方法應用於一行動通訊裝置並包含下列之步驟：首先，分析用戶端操作行動通訊裝置之裝置時間資訊以及裝置地點資訊，以提供對應用戶端之生活行為資訊，前述之生活行為資訊包含一個或多個時間分群區塊以及位置群體資訊。接著，分析生活行為資訊以提供用戶偏好值，並依據用戶偏好值以及社群推薦值以對位於查詢地標區域內之複數個地標資訊進行加權處理，並從地標資訊中選取出符合門檻值之推薦清單。再者，於此行動通訊裝置之顯示單元顯示推薦清單。

為達上述目的，本發明提出一種結合生活行為分析與社群之地標推薦電腦程式產品，當行動通訊裝置載入並執行電腦程式產品，可完 成前述地標推薦方法所述之步驟。

綜上所述，本發明之結合生活行為分析與社群之地標推薦方法以及電腦程式產品藉由分析用戶之生活行為以及社群薦推值後，得以從為數眾多的地標點中挑選出符合用戶需求之推薦清單。

S101~S103‧‧‧步驟

S201~S203‧‧‧步驟

圖1係為本案第一實施例之結合生活行為分析與社群之地標推薦方法之流程圖。

圖2係為本案第三實施例之結合生活行為分析與社群之地標推薦方法之流程圖。

圖3係為本案之用戶生活行為分佈圖。

以下將描述具體之實施例以說明本發明之實施態樣，惟其並非用以限制本發明所欲保護之範疇。

請參閱圖1，其為本發明第一實施例之結合生活行為分析與社群之地標推薦方法之流程圖。前述之方法應用於一伺服電腦裝置，其步驟說明如下：

S101：通訊連接外部之一部或多部的用戶端裝置，並分析用戶端操作用戶裝置之裝置時間資訊以及裝置地點資訊，以提供對應用戶端之生活行為資訊，生活行為資訊包含一個或多個時間分群區塊位置群體資訊。

S102：分析生活行為資訊以提供用戶偏好值，並依據用戶偏好值以及社群 推薦值以對位於查詢地標區域內之複數個地標資訊進行加權處理，並從地標資訊中選取出符合門檻值之推薦清單。

S103：將推薦清單傳送至用戶裝置。

前述之方法更依據位置關係值以對位於查詢地標區域內之個地標資訊進行加權處理，並從地標資訊中選取出符合門檻值之推薦清單。於前述之位置關係值係依據用戶於特定時間內，裝置地點資訊位於目標資訊之次數所產生。

前述之社群薦值係依據社群網路內之一個或複數個使用端標記地標之頻率所產生(例如：Facebook^TM之標記、打卡功能)。於另一實施例中，前述之社群薦值係依據社群網路內之一個或複數個使用端針對地標之評價內容所產生，例如對評價內容進行文字探勘(Text Mining)、評語之關鍵字比對等，以得知此評價內容對該地標之地點為正評或負評。

本發明更提供第二實施例，第二實施例係一種結合生活行為分析與社群之地標推薦電腦程式產品，當電腦裝置載入並執行電腦程式產品，可完成第一實施例之方法所述之步驟。

請參閱圖2，其為本發明第三實施例之一種結合生活行為分析與社群之地標推薦方法。第三實施例與第一實施例相似，惟其差異在於第三實施例應用並執行於一行動通訊裝置(例如：智慧型手機、平版電腦、可行動上網之電子裝置等)，其方法之步驟說明如下：

S201：分析用戶端操作行動通訊裝置之裝置時間資訊以及裝置地點資訊，以提供對應用戶端之生活行為資訊，生活行為資訊包含一個或多個時間分群區塊位置群體資訊。

S202：分析生活行為資訊以提供用戶偏好值，並依據用戶偏好值以及社群推薦值以對位於查詢地標區域內之複數個地標資訊進行加權處理，並從地標資訊中選取出符合門檻值之推薦清單。

S203：於行動通訊裝置之顯示單元顯示此推薦清單。

前述之方法更依據位置關係值以對位於查詢地標區域內之個地標資訊進行加權處理，並從地標資訊中選取出符合門檻值之推薦清單。前述之位置關係值係依據用戶於特定時間內，裝置地點資訊位於目標資訊之次數所產生。

本發明更提供第四實施例，第四實施例係一種結合生活行為分析與社群之地標推薦電腦程式產品，當行動通訊裝置載入並執行前述之電腦程式產品時，可完成第三實施例之方法所述之步驟。

前述之電腦程式產品以及該方法可藉由ASP、C/C++/C#、JAVA、Python、PHP、Perl等程式語言實現之，惟其程式語言之類別不在此限。

為進一步說明本案之技術特徵，本案以第一實施例說明之，惟第二實施例至第四實施例亦可達到相同或相似之技術功效。伺服電腦裝置在通訊連接外部之用戶裝置(例如：智慧型手機、平板電腦等)後，會取得此用戶裝置之裝置時間資訊(例如：操作之時間)、裝置地點資訊(例如：GPS座標資訊)。本案之生活行為資訊為係以時間進行分群(例如：每日、每周、每月、每年等)，將用戶的生活行為分群出一個或多個時間區塊(圖3)，以找出用戶之行為集合。而位置的群體分群更包含座標範圍與行政區集合的分群集合。前述之用戶生活行為集合則由時間區塊以及位置群體所構成，並 再分類為時間與位置相依集合、時間相依集合、位置相依集合以及剩下無時間與位置相依集合。各個集合的行為包含了地標類別、擇擇該地標時查詢或推薦條件，以產生用戶端特有的生活行為及地標需求。

當用戶在查詢特定的地標區域時，伺服電腦裝置會加權分析位於此地標區域內多個地標資訊，並從中挑選出具有一個或多個地標資訊之推薦清單。權重值之公式eq(1)如下所示：

前述之權重值_i代表在地標集合中，第i個地標資訊之權重值，為社群推薦值、為用戶偏好值、為位置關係值。優化(最佳化)權重係找出λ _like 、λ _social 、λ _geo 、λ _ε (預設值)之數值，以讓推薦清單之結果符合用戶之需求。於一實施例中，伺服電腦裝置係透過線性回歸分析用戶之多筆生活行為資訊以計算出前述之λ值。

進一步說明之，若生活分析之時間條件為t_day/Day、t_week/Week、t_mont/Month、t_year/Year四個群組，並設定t_day=1hour、t_week=4hour、t_mont=8hour、t_year=24hour，分別為每日一小時、每周4小時、每月8小時、每年24小時之時間條件。以每日時間條件為例，分析Day₁~Day _n 之資料，並計算>f_ε，其中為Day_i日在t_day時段的用戶執行次fd_total為執行總數，f_ε為預設的執行次數平均下限(如25%)，每周、每月、每年的分析模式亦同。

接著設定位置條件，本案定義座標距離1公里為第一個位置條件、最小鄉鎮市為第二個位置條件。在以時間與位置條件對用戶使用資料分群後，可得到時間與位置相依之集合包含t_day/Day與座標範圍、 t_week/Week與座標範圍、t_month/Month與座標範圍、t_year/Year與座標範圍、t_day/Day與鄉鎮市、t_week/Week與鄉鎮市、t_month/Month與鄉鎮市、t_year/Year與鄉鎮市八個集合。

時間相依集合包含t_day/Day、t_wek/Week、t_month/Month、t_year/Year四個集合，位置相依集合包含座標範圍集合、行政區集合，及剩下無法分類的非時間與位置相依之集合。於一較佳實施例中，分析用戶A過去一個月的資料計算，並在這個月中每日23：00~24：00在座標[24.953734,121.166354]一公里內搜尋餐廳的次數占這個月全部次數的25%以上，即產生出每日在23：00~24：00在座標[24.953734,121.166354]一公里內搜尋附近餐廳的t_day/Day與座標範圍集合代表此生活行為。

接著，進行權重算式中參數的最佳化，於此實施例中用戶A在搜尋餐廳後產生一個地標清單list_i，此清單內的每個地標包含一個權重值及計算式，當用戶A選擇某地標時，並給定此清單最大的權重值為此算式的運算值，並令λ_like、λ_social、λ_geo、λ_ε為變數，即可得到算式list_i之最大權重值=λ_like×0.3+λ_social×0.2+λ_geo×0.5+λ_ε，分析給定過去一個月的資料，n筆記錄產生n個算式，並使用線性回歸法產生最佳化λ_like、λ_social、λ_geo、λ_ε參數值。

當用戶A在時間點23：32以及在座標[24.953729,121.166358]開起服務時，依時間與位置辨識出此t_day/Day與座標範圍集合中搜尋附近餐廳的生活行為，此時自動搜尋資料庫產生n筆地標的初步清單，每筆地標i包含偏好等級like_i、社群之推薦等級S_j P_i、與用戶裝置目前的位置geo_i，分別計算此n筆清單中用戶偏好值、社群推薦值 ，其中為社群預設權重且為社群S_j之社群推薦值、位置關係值=，根據最佳化參數計算權重值權重值_i=λ_like＊+λ_social＊+λ_geo＊+λ_ε，由高至低排序此n筆資料並排除多餘或低於下限的地標，產生最後的推薦清單。

進一步說明之，若用戶A於某一週使用紀錄如表1所示：

而生活行為分析設定時間條件為每日分析，並設定t_day/Day為1hour、f_ε為30%，空間條件為地標，而總次數為15次，時間相依計算後得到，在10：30-11：30的值為12/15>30%，在空間相依計算得到在中壢火車站為12/15>30%，即產生「在中壢車站10：30-11：30搜尋 中壢車站附近一公里的便當店、速食店、麵店」之生活行為。

於一較佳實施例中，「在中壢車站10：30-11：30搜尋中壢車站附近一公里的便當店、速食店、麵店”之生活行為權重值最佳化計算方式如下，令公式為權重值_i=λ _like＊+λ _social＊+λ _geo＊+λ _ε ，表2中店家旁的數值即為權重值，其下方的三個欄位分別為用戶偏好值、社群推薦值、位置關係值，各值的計算分別由用戶個人設定、社群資源介面、用戶所在位置與店家距離取得並正規化至0~1數值。

現有的權重公式為=×0.3+×0.5+×0.2+0.2，生活行為前四次清單選擇結果：

以λ _like、λ _social、λ _geo、λ _ε 為變數，選定店家的、、為參數，並令其值為權重計算的最大值，得到下列四個算式：

接著，利用回歸演算法來求解，在此較佳實例中利用線性回歸數來計算可得：

更新權重公式=×0.4+×0.4+×0.1+0.3

因此用戶A位於中壢車站且時間為10：30-11：30，生活行為符合「在中壢車站10：30-11：30搜尋中壢車站附近一公里的便當店、速食店、麵店」，自動執行其生活行為的搜尋結果並使用權重公式=×0.4+ ×0.4+×0.1+0.3計算權重由高至低產生清單。

上列詳細說明係針對本發明之一可行實施例之具體說明，惟該實施例並非用以限制本發明之專利範圍，凡未脫離本發明技藝精神所為之等效實施或變更，均應包含於本案之專利範圍中。

S101~S103‧‧‧步驟

Claims (10)

1. 一種結合生活行為分析與社群之地標推薦方法，應用於一伺服電腦裝置，包含下列步驟：分析用戶端操作用戶裝置之裝置時間資訊及裝置地點資訊，以提供對應該用戶端之生活行為資訊，該生活行為資訊包含一個或多個時間分群區塊以及位置群體資訊；分析該生活行為資訊以提供用戶偏好值，並依據關聯於該用戶偏好值以及社群推薦值的參數值以對位於查詢地標區域內之複數個地標資訊的參數值進行加權處理以求出代表該等地標資訊之權重值，並從該等地標資訊之權重值的大小排列中選取出符合門檻值之推薦清單；以及傳送該推薦清單至該用戶裝置。
2. 如請求項1所述之地標推薦方法，更依據位置關係值以對位於該查詢地標區域內之該等個地標資訊進行加權處理，並從該等地標資訊中選取出符合門檻值之該推薦清單。
3. 如請求項2所述之地標推薦方法，其中該位置關係值係依據該用戶於特定時間內，該裝置地點資訊位於該目標資訊之次數所產生。
4. 如請求項1所述之地標推薦方法，其中該社群薦值係依據社群網路內之一個或複數個使用端標記該地標之頻率所產生。
5. 如請求項1所述之地標推薦方法，其中該社群薦值係依據社群網路內之一個或複數個使用端針對該地標之評價內容所產生。
6. 一種結合生活行為分析與社群之地標推薦電腦程式產品，當電腦裝置載 入並執行該電腦程式產品，可完成如請求項1至5任一項所述之方法。
7. 一種結合生活行為分析與社群之地標推薦方法，應用於一行動通訊裝置，包含：分析用戶端操作該行動通訊裝置之裝置時間資訊以及裝置地點資訊，以提供對應該用戶端之生活行為資訊，該生活行為資訊包含一個或多個時間分群區塊以及位置群體資訊；分析該生活行為資訊以提供用戶偏好值，並依據關聯於該用戶偏好值以及社群推薦值的參數值以對位於查詢地標區域內之複數個地標資訊的參數值進行加權處理以求出代表該等地標資訊之權重值，並從該等地標資訊之權重值的大小排列中選取出符合門檻值之推薦清單；以及於該行動通訊裝置之顯示單元顯示該推薦清單。
8. 如請求項7所述之地標推薦方法，更依據位置關係值以對位於該查詢地標區域內之該等個地標資訊進行加權處理，並從該等地標資訊中選取出符合門檻值之該推薦清單。
9. 如請求項8所述之地標推薦方法，其中該位置關係值係依據該用戶於特定時間內，該裝置地點資訊位於該目標資訊之次數所產生。
10. 一種結合生活行為分析與社群之地標推薦電腦程式產品，當行動通訊裝置載入並執行該電腦程式產品，可完成如請求項7至9任一項所述之方法。