[发明专利]兴趣点分析方法及装置

说明书

本发明公开了一种兴趣点分析方法及装置，涉及数据处理技术领域，其中，该方法包括：获得出行轨迹记录数据；对所述出行轨迹记录数据进行次数压缩处理；将次数压缩处理后的出行轨迹记录数据进行编码，得到对应的数字序列；将所述数字序列输入预先建立的word2vec神经网络模型进行训练，确定训练好的所述word2vec神经网络模型的权重矩阵；根据所述权重矩阵，进行兴趣点分析。本发明能够解决现有兴趣点分析方法存在数据量过大，时间复杂度过高的问题。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种兴趣点分析方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

用户行为是具有关联性的，通过用户一段时间去过的地点序列，获取地点之间的关联性，可以得到一个地点的用户会去的以及去过的可能地点。这就是目前一个非常热门的研究课题兴趣点(Point of Interest，简称POI)分析。

现有技术中通常统计关注事件组在全量数据中发生的次数，例如，1000个用户中有100个用户一段时间内都去过医院和药店，则(医院，药店)的频次为100，如果此时(医院，甜品店)的频次为20，可以得出药店相比于甜品店和医院更相关。考虑事物发生的时序性时，则需保留整条时间上的行为链。但是这种方法存在数据量过大，时间复杂度过高的问题。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例中提供了一种兴趣点分析方法，用以解决现有兴趣点分析方法存在数据量过大，时间复杂度过高的问题，该方法包括：

获得出行轨迹记录数据；

对所述出行轨迹记录数据进行次数压缩处理；

将次数压缩处理后的出行轨迹记录数据进行编码，得到对应的数字序列；

将所述数字序列输入预先建立的word2vec神经网络模型进行训练，确定训练好的所述word2vec神经网络模型的权重矩阵；

根据所述权重矩阵，进行兴趣点分析。

进一步地，出行轨迹记录数据包括：地点经纬度信息。

进一步地，对所述出行轨迹记录数据进行次数压缩处理，包括：

利用shrink函数对所述出行轨迹记录数据中重复的部分进行次数压缩处理。

进一步地，所述shrink函数为：对数函数向下取整。

进一步地，所述的兴趣点分析方法，还包括：

按预设窗口长度对所述数字序列进行取窗口处理；

将所述数字序列输入预先建立的word2vec神经网络模型进行训练，包括：将进行取窗口处理的数字序列输入预先建立的word2vec神经网络模型进行训练。

进一步地，所述word2vec神经网络模型包括：CBOW模型或LSTM模型。

进一步地，根据所述权重矩阵，进行兴趣点分析，包括：

根据所述权重矩阵，确定每个地点对应的向量；

根据所述向量，确定向量夹角数据；

根据所述向量夹角数据，进行兴趣点分析。

本发明实施例中提供了一种兴趣点分析装置，用以解决现有兴趣点分析方法存在数据量过大，时间复杂度过高的问题，该装置包括：

数据获得模块，用于获得出行轨迹记录数据；