[发明专利]基于社交媒体签到预测目标区域的方法、终端及存储介质

权利要求书

1.基于社交媒体签到预测目标区域的方法，其特征在于，所述方法包括：

获取所述社交媒体签到记录中的地理位置标签，根据所述地理位置标签生成区域特征向量；

根据所有区域的区域特征向量生成多维区域特征向量，根据所述多维区域特征向量以及基于所述多维区域特征向量生成的目标区域相关性向量对机器学习模型进行训练，将训练完毕的机器学习模型作为预测模型；

获取待预测的区域特征向量，通过所述预测模型以及所述待预测的区域特征向量对待预测的区域进行排序，根据所述排序结果在所述待预测的区域中确定目标区域；

所述根据所有区域的区域特征向量生成多维区域特征向量，根据所述多维区域特征向量以及基于所述多维区域特征向量生成的目标区域相关性向量对机器学习模型进行训练，将训练完毕的机器学习模型作为预测模型包括：

获取所有区域的区域特征向量并进行整合，将整合得到的向量作为多维区域特征向量；

获取基于所述多维区域特征向量生成的目标区域相关性向量；

将所述多维区域特征向量作为机器学习模型的输入数据，将所述基于所述多维区域特征向量生成的目标区域相关性向量作为所述机器学习模型的输出数据，对所述机器学习模型进行训练；

将训练完毕的机器学习模型作为预测模型；

所述获取基于所述多维区域特征向量生成的目标区域相关性向量包括：

根据所述多维区域特征向量中的每一个区域与目标区域的相关性，对每一个区域进行评分，得到所述每一个区域的目标区域相关性分值；

对所述每一个区域的目标区域相关性分值进行整合，将整合得到的向量作为目标区域相关性向量。

2.根据权利要求1所述的基于社交媒体签到预测目标区域的方法，其特征在于，所述获取所述社交媒体签到记录中的地理位置标签，根据所述地理位置标签生成区域特征向量包括：

获取所述社交媒体签到记录中的地理位置标签，通过所述地理位置标签对所述社交媒体签到记录进行分类；

根据分类结果生成区域签到频率数据；

根据分类结果生成区域活跃天数频率数据；

根据分类结果生成区域在预设时间段的活跃频率数据；

根据所述区域签到频率数据、所述区域活跃天数频率数据以及所述区域在预设时间段内的活跃频率数据，生成各区域的区域特征向量。

3.根据权利要求2所述的基于社交媒体签到预测目标区域的方法，其特征在于，所述根据分类结果生成区域签到频率数据包括：

根据所述分类结果计算用户在各个区域发布的社交媒体签到的数量；

根据所述地理位置标签获取用户发布的社交媒体签到的总数量；

将所述用户在各个区域发布的社交媒体签到的数量与所述用户发布的社交媒体签到的总数量的比值作为各个区域的区域签到频率数据。

4.根据权利要求2所述的基于社交媒体签到预测目标区域的方法，其特征在于，所述根据分类结果生成区域活跃天数频率数据包括：

根据所述分类结果计算用户在各个区域的活跃天数；所述活跃天数为用户至少发布过一条社交媒体签到记录的天数；

对计算出的用户在各个区域的活跃天数进行加法运算，得到用户的活跃总天数；

将所述用户在各个区域的活跃天数与所述用户的活跃总天数的比值作为各个区域的区域活跃天数频率数据。