[发明专利]位置预测

说明书

在一个实施例中，一种方法包括分析与社交网络系统的用户相关联的社交图信息，产生描述社交图信息的元素的特征向量，以及应用特征向量来确定社交图信息的元素与特殊相关性位置的相关性。该方法还包括从用户的联网设备接收至少一个数据点，将特征向量应用于该至少一个数据点以确定该至少一个数据点与特殊相关性位置的相关性，以及基于所确定的每个数据点与特殊相关性位置的相关性来为每个数据点分配权重。最后，该方法包括根据至少一个数据点的分配的权重来处理该至少一个数据点，并且在特定的确定性程度上形成指示用户的特殊相关性位置的预测。

技术领域

本公开总体上涉及分析位置信息。

背景

可以包括社交网络网站的社交网络系统可以使它的用户(例如个人或组织)能够与它交互以及通过它彼此交互。社交网络系统可以利用来自用户的输入来在社交网络系统中创建并存储与用户相关联的用户简档(user profile)。用户简档可以包括人口统计信息、通信渠道(communication-channel)信息以及关于用户的个人兴趣的信息。社交网络系统还可以用来自用户的输入来创建并存储用户与社交网络系统的其他用户的关系的记录，以及提供服务(例如，发帖墙(wall post)、照片分享、事件组织、消息传送、游戏或广告)以促进在用户之间或当中的社交互动。

社交网络系统可以通过一个或更多个网络向用户的移动设备或其他计算设备发送与它的服务相关的内容或消息。用户还可以在用户的移动设备或其他计算设备上安装软件应用，用于访问用户的用户简档和在社交网络系统内的其他数据。社交网络系统可以生成一组个性化的内容对象以显示给用户，例如关连(connect)到该用户的其他用户的汇集的动态(story)的动态消息(newsfeed)。

特定实施例概述

本公开的特定实施例可以使用从用户与社交网络系统的交互中收集的信息或社交图信息来生成对用户的特殊相关性位置(location of special relevance)的预测。本公开的特定实施例可以包括使用广泛选择的社交信号，并且可以包括使用机器学习模型来预测用户的特殊相关性位置。预测的特殊相关性位置可以包括特定位置或更一般的位置。例如但不限于，预测的特殊相关性位置可以包括特定的城市、邮政编码或蜂窝塔(celltower)覆盖区域。特定实施例可以包括使用社交图信息，该社交图信息可以包括但当然不限于与例如以下项相关联的位置数据：用户“点赞(like)”的页面、用户与其具有高社交图亲和力(affinity)的用户朋友的特殊相关性位置、用户与之交互的企业和群组页面、用户表示出席或感兴趣的事件、用户表示到达或到场的地点、与用户已经上传的照片相关联的元数据、用户的语言偏好、用户最近执行的搜索和选择的结果、以及通过平台协调的市场交易(marketplace transaction)。

在一个实施例中，一种方法可以包括由计算系统通过分析与社交网络系统的用户相关联的社交图信息来训练机器学习模型，该用户的特殊相关性位置是已知的，开发描述社交图信息的元素的特征向量，并且应用该特征向量来确定社交图信息的元素与特殊相关性位置的相关性。该方法可以包括从用户的联网设备接收至少一个数据点(data point)，将特征向量应用于该至少一个数据点以确定该至少一个数据点与特殊相关性位置的相关性，基于所确定的该至少一个数据点中的每一个数据点与该特殊相关性位置的相关性，为该至少一个数据点中的每一个数据点分配权重，根据至少一个数据点的分配的权重来处理该至少一个数据点，并且在特定的确定性程度上形成指示用户的特殊相关性位置的预测。该方法可以包括检索与特定用户相关联的社交图信号数据，基于检索到的数据生成特征向量，将机器学习模型应用于特征向量，以及生成关于用户的特殊相关性位置的预测。

特定实施例可以包括基于位置在信号数据中出现的频率，对特征向量中的特定特征应用权重。