【附图说明】
[0048]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W根据送些附图获 得其他的附图。
[0049] 图1是本发明实施例提供的活动识别方法的流程第一示意图；
[0050]图2是本发明实施例提供的活动识别方法的流程第二示意图；
[0051] 图3是是本发明实施例提供的活动识别方法的流程第Η示意图；
[0052] 图4Α是本发明实施例中特征迁移的第一示意图；
[0053] 图4Β是本发明实施例中特征迁移的第二示意图；
[0054] 图4C是本发明实施例中特征迁移的第Η示意图；
[0055] 图5是本发明实施例提供的活动识别方法的流程第四示意图；
[0056] 图6是本发明实施例中特征对齐的第一示意图；
[0057] 图7是本发明实施例中特征对齐的第二示意图；
[0058]图8是本发明实施例提供的活动识别系统的结构第一示意图；
[0059] 图9是本发明实施例提供的活动识别系统的结构第二示意图。
【具体实施方式】
[0060] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0061] 本发明的说明书和权利要求书及上述附图中的术语"第一"、"第二"、"第Η""第 四"等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该 理解送样使用的数据在适当情况下可W互换，W便送里描述的本发明的实施例例如能够W 除了在送里图示或描述的郝些W外的顺序实施。此外，术语"包括"和"具有及他们的任 何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、 产品或设备不必限于清楚地列出的郝些步骤或单元，而是可包括没有清楚地列出的或对于 送些过程、方法、产品或设备固有的其它步骤或单元。
[0062] 图1是本发明实施例提供的一种活动识别方法的流程示意图，如图1所示，该活动 识别方法可包括：
[0063] 101、接收用户数据；
[0064] 102、通过活动识别模型对上述用户数据进行识别，获取用户活动信息；
[0065] 本实施例中，上述活动识别模型是根据物理空间数据和虚拟空间数据进行训练得 到的，其中上述物理空间数据是从物理空间获取的，上述虚拟空间数据是从虚拟空间获取 的。
[0066] 本实施例提供的活动识别方法通过利用由物理空间数据和虚拟空间数据进行训 练而建立的活动识别模型来进行活动识别，可W解决物理空间活动标注和数据匿乏的问 题，同时也能增加物理空间数据特征的维度，提高活动识别的准确性；此外，利用虚拟空间 数据中包括的文字信息（例如微博文本），可W提高活动识别的可解释性。
[0067] 在进行活动识别之前，可利用物理空间数据和虚拟空间数据训练得到活动识别模 型，如图2所示，活动识别模型的训练过程包括：
[0068] 201、获取物理空间数据和虚拟空间数据；
[0069] 物理空间数据可W通过用户设备（例如但不限于手机）的各种传感器采集到的数 据，内容可W包括但不限于：位置数据、WiFi信号数据、加速度数据、时间数据等，物理空间 数据还可W包括活动标注数据；
[0070] 虚拟空间数据可W通过在开放或半开放的虚拟空间（例如但不限于微博等） 进行采集得到，内容可W包括但不限于：文本数据、位置数据、时间数据、活动标注数据、 P0I(PointofInterest,信息点）数据等；
[0071] W微博为例，用户可W使用手机在微博上签到，签到的内容可包括：文本数据、位 置数据、时间数据；
[007引例如；吃饭，我在"人民南路"--2月12日12:30来自**客户端；
[0073] 202、对上述物理空间数据进行分析，获取包括物理空间特征的物理空间样本数 据；
[0074] 例如对位置数据进行分析：
[00巧]输入的位置数据为；GI^数据（东经49. 4,北缔50. 3);
[0076] 经过分析处理，输出的位置特征为：
[0077]
[0078] 当然位置数据不限于GI^数据，也可W是其它定位系统(如北斗卫星定位系统） 提供的位置数据；
[0079] 例如对时间数据进行分析：
[0080]输入的时间信息为：2013-12-03, 20:18:20;
[0081] 经过分析处理，输出的时间特征为：
[0082]
[0083]
[0084] 如上表所示，时间特征可W包括小时、星期、工作日/周末等子特征；
[0085] 例如对加速度数据进行处理：
[0086] 输入的加速度数据为；5砂内加速度传感器数据：
[0087](xl= 1. 2,yl= 2. 3,zl= 9. 8), (x2 = 1. 2,y2 = 2. 4,z2 = 9. 8)…（xN= 1. 2,yN =2. 3,zN= 9. 0)
[008引经过分析处理，输出的加速度特征为：
[0089]
[0090] 如上表所示，加速度特征可W包括加速度X均值、加速度X方差值等多个子特征;
[0091] 203、对上述虚拟空间数据进行分析，获取包括虚拟空间特征的虚拟空间样本数 据；
[0092] 可W与对物理空间数据的分析方法相似或相同的方法对虚拟空间数据进行分析， 在此不再赏述；
[0093] 204、利用上述物理空间特征和上述虚拟空间特征的共有特征，对上述物理空间样 本数据和上述虚拟空间样本数据进行特征对齐或迁移，得到新的样本数据；
[0094] 其中共有特征可W包括相同特征或者相同子特征；
[0095] 205、将上述新的样本数据代入训练模型进行训练，得到活动识别模型。
[0096] 在活动识别模型建立之后，即可使用该活动识别模型进行用户活动的识别和预 测。
[0097] 举例来说，在一种实施方式中，上述204可W包括：
[0098] 204A、将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样本数据进 行特征迁移，得到包含物理空间特征和虚拟空间特征的新的样本数据。
[0099] 其中，相同特征可W是指物理空间样本数据的某一类型的特征和虚拟空间样本数 据中同种类型的特征相同，例如物理空间样本数据的位置特征和虚拟空间样本数据的位置 特征相同，相同子特征是指物理空间样本数据和虚拟空间样本数据中相同类型特征中的一 个或多个子特征相同，例如物理空间样本数据中的时间特征中的工作日/周末子特征和虚 拟空间样本数据中的时间特征中的工作日/周末子特征相同。
[0100] 具体地，如图3所示，上述204A可W包括：
[0101] 204A1、判断是否存在与第一物理空间样本数据包括相同特征或相同子特征的第 一虚拟空间样本数据，如果存在，可执行204A2,否则可执行204A3;
[0102] 其中，第一物理空间样本数据可W为任意一个物理空间样本数据，对于每个物理 空间样本数据，查找是否存在与其具有相同特征或相同子特征的虚拟空间样本数据，如果 存在，则说明存在与其存在一定关联的虚拟空间样本数据；
[0103] 204A2、将上述第一虚拟空间样本数据包括的特征迁移到上述第一物理空间样本 数据，得到包括物理空间特征和虚拟空间特征的新的样本数据；
[0104] 例如如图4A所示的情况中，第一物理空间样本数据包括：活动标注、时间特征、位 置特征（GP巧、传感器特征等物理空间特征；第一虚拟空间样本数据包括：时间特征、位置 特征、文本特征、POI特征等虚拟空间特征，且二者的时间特征为相同特征，二者的位置特 征也为相同特征，则在步骤204A2中的特征迁移时，可W将第一虚拟空间样本数据包括的 各个虚拟空间特征迁移到第一物理空间样本数据中得到包含"活动标注、时间特征、位置特 征、传感器特征、文本特征、P0I特征"的新的样本数据；
[0105] 需要说明的是，在特征迁移过程中，可W只将相同特征（或相同子特征）之外的其 它虚拟空间特征迁移到物理空间样本数据中，或者将所有虚拟空间特征迁移到物理空间样 本数据中，再对相同特征（或相同子特征）任取其一保留即可；
[0106] 需要说明的是，对于相同特征或相同子特征之外的相同类型的特征或子特征，可 W均保留在新的样本数据中，也可W均丢弃掉，或者择一保留。
[0107]