[发明专利]基于同行信息的内容推荐方法及系统

说明书

技术领域

本发明涉及移动通讯及社交网络领域，尤其涉及内容推荐的方法及系统。

背景技术

随着互联网技术及移动通讯技术的快速发展，越来越多人通过移动终端随时随地获取和共享大量的文字、语音、图片、视频等多媒体信息。内容提供方也会基于内容和位置进行数据挖掘，从而精确地向用户推荐用户感兴趣的内容。其中基于位置的最主要方法就是通过设置地理位置距离来筛选或评价待推荐的内容。例如向用户推荐距离用户一定半径范围内的具有和用户相近兴趣爱好的联系人（特指其他用户，下同），或者向用户推送距离用户一定半径范围内的用户好友常去的场所或用户好友推荐的具有地理位置标签的内容。然而这种以用户当前位置为圆心预设距离为半径进行附近内容的筛选和推荐的方法存在以下不足：

1）没有考虑距离的变化情况。当用户正在乘坐交通工具，或者自动驾驶普及时，简单地把即时的空间距离等同于社交距离，将会导致大量的误判。例如当前时刻用户甲与用户乙的距离为100米，与用户丙的距离是30米。按现有技术分析，则用户甲与用户丙的社交距离更近，应当优先推荐用户丙。可如果用户丙只是刚好乘车经过正在步行的用户甲，下一刻已经在100米外，这样的推荐显然是不合适的。同样，对于具有固定地理位置标签的内容，当用户甲是乘车快速经过时，距离越近反而越不合适推送，更不应推送处在用户甲已经驶离区域的内容；

2）即时空间距离没有累积效应。每一次推荐都是简单地基于当前时刻的距离进行评价，往往隔几分钟时间，推荐的结果就会截然相反。这样的推荐结果显然不具有可信度及延续性。

 此外，对于拼车、结伴旅游等群体活动内容的推荐，现有技术更多是依赖用户提交目的地、出发时间、路线等条件信息进行撮合匹配，并没有考虑用户之间的潜在关系和隐性需求。例如用户甲、乙、丙三人到城市A旅游，希望和他人合租车，现有的推荐方式通常只会在用户甲、乙、丙提交租车时间等租车需求时，对三位用户的租车需求进行撮合，推荐附近的租车服务。可这时候，用户通常还会出于安全与游玩兴趣的考虑，希望一同租车的用户最好来着同一个地区，甚至曾经上下班坐过同一辆车，或者一起参加过某一个大型活动。显然，这些都是现有技术无法提供，或需要每个用户填写更多详细内容才能实现的。

发明内容

针对上述不足，本发明提供一种基于同行信息的内容推荐方法及系统，通过同行数据来评价用户与其他用户的关联度/社交距离，使得推荐结果更具针对性及延续性。此外本发明还提供一种同行活动的推荐方法，为内容附加同行任务要求，在不增加组织资源情况下，推动用户更多地以团队方式参与社交活动。

为达到上述目的，本发明的技术方案为：

一种基于同行信息的内容推荐方法包括以下步骤：

通过用户移动终端获得用户的位置信息及时间戳；

对多个用户进行同行分析，获得用户与其他用户的同行数据；

基于同行数据进行内容推荐。

所述内容包括但不限于：用户信息、文字信息、图片、语音、音乐、视频、应用程序、虚拟物品等。

所述获得用户位置信息的方法包括但不限于以下定位方法：

通过卫星定位系统，获得移动终端的位置信息；

通过位置服务（Location Based Services，简称LBS），获得移动终端的位置信息。

所述同行数据包含同行距离和/或同行时间，还可进一步包含同行次数。

所述同行分析的包括但不限于以下方法：

1）根据用户的位置坐标点及时间戳，生成用户轨迹。对多个用户轨迹进行轨迹相似度分析，获得相似度达到同行匹配标准的同行轨迹及对应的同行人。两两计算用户与同行人的同行距离(即同行轨迹的长度)和同行时间；

2) 根据用户多个连续时刻的位置信息，获得各个时刻的相邻用户。以各个时刻相邻用户的共同交集作为用户的同行人。两两计算用户与同行人的同行距离和同行时间；

3）根据用户多个零散时刻的位置信息，获得各个时刻的相邻用户，记录用户与联系人的相邻次数；当预设时间窗内的相邻次数大于等于相邻次数阈值时，判断联系人为同行人，记录用户与同行人的同行次数。

所述同行匹配标准为：轨迹的空间相似度大于预设的空间相似度阈值；轨迹的时间相似度大于预设的时间相似度阈值；同行距离大于预设的同行距离阈值。

所述相邻用户的获得方式为：计算某一时刻时间窗内用户所在区域范围内的所有联系人与用户的距离，取距离值小于等于预设的相邻距离阈值的联系人为相邻用户。

所述基于同行数据进行内容推荐包括以下一种或多种方法：