用户信息的处理方法、移动终端及服务器的制造方法

用户信息的处理方法、移动终端及服务器的制造方法
【专利摘要】本发明实施例公开了用户信息的处理方法、移动终端及服务器，所述方法包括：移动终端采集终端信息，所述终端信息包括所述移动终端的位置；获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；根据所述先验概率信息和所述终端信息对使用所述移动终端的终端用户的活动进行识别或预测。本发明实施例除了结合终端用户自身的终端数据外，还结合不同类型的用户活动的先验概率信息对终端用户的活动进行识别或预测，由于识别或预测时，增加了数据样本的数量，从而提高了识别或预测的准确性；并且，应用本发明实施例的识别或预测结果向终端用户推送的信息与用户感兴趣的信息差别较小，从而可以提高用户的终端使用体验。
【专利说明】用户信息的处理方法、移动终端及服务器

【技术领域】
[0001]本发明涉及通信【技术领域】，特别涉及用户信息的处理方法、移动终端及服务器。

【背景技术】
[0002]随着移动终端智能化程度的提高和普及，智能终端的使用与终端用户的日常生活紧密联系，从而使得终端的各种应用功能也逐渐增强。终端内通过设置传感器等装置，可以获得用户的各种应用数据，并依据这些应用数据对用户活动进行识别或预测，从而根据预测结果向用户推送信息，以提高终端用户的使用体验。
[0003]现有技术中，在对用户活动进行识别或预测时，通过传感器仅能采集到终端用户自身的应用数据，并将该应用数据与预先设置的活动分类模型进行匹配，从而实现对用户活动的识别或预测。但是，由于现有的识别或预测方式仅针对用户自身的应用数据，数据样本有限，使得识别或预测结果不准确，以及依据识别或预测结果向用户推送的信息与用户感兴趣的信息差别较大，从而导致终端用户的使用体验不高。


【发明内容】

[0004]本发明实施例中提供了用户信息的处理方法、移动终端及服务器，以一定程度上解决现有技术中对用户活动的识别和预测结果不准确，导致用户终端使用体验不高的问题。
[0005]为了解决上述技术问题，本发明实施例公开了如下技术方案:
[0006]第一方面，提供一种用户信息的处理方法，所述方法包括:
[0007]移动终端采集终端信息，所述终端信息包括所述移动终端的位置；
[0008]获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0009]根据所述先验概率信息和所述终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0010]结合第一方面，在第一方面的第一种可能的实现方式中，所述终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置；
[0011]所述移动终端采集终端信息，包括:
[0012]移动终端按照设置的时间周期采集所述终端传感信息和用户操作信息；或者，
[0013]移动终端接收到终端用户输入的采集命令时，采集所述终端传感信息和用户操作信息。
[0014]结合第一方面，或第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息，包括:
[0015]移动终端向服务器发送采集到的所述移动终端的位置，以使所述服务器根据当前时间和所述位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息；
[0016]接收所述服务器返回的所述不同类型的用户活动的先验概率信息。
[0017]结合第一方面，或第一方面的第一种可能的实现方式，或第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述根据所述先验概率信息和所述终端信息对使用所述移动终端的终端用户的活动进行识别或预测，包括:
[0018]将所述先验概率信息和终端信息输入预先训练的用户活动分类模型，对所述用户活动分类模型采用预设算法进行训练，得到所述终端用户的活动识别结果；或者，
[0019]将所述先验概率信息和终端信息输入预先训练的用户活动预测模型，对所述用户活动预测模型采用预设算法进行训练，得到所述终端用户的活动预测结果。
[0020]结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述方法还包括:
[0021]所述移动终端按照预设时间周期向所述服务器上报终端用户的活动信息，以使所述服务器根据所述活动信息对用户活动分类模型或用户活动预测模型进行更新；
[0022]接收所述服务器返回的更新后的所述用户活动分类模型和用户活动预测模型。
[0023]第二方面，提供一种用户信息的处理方法，所述方法包括:
[0024]服务器接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置；
[0025]获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0026]向所述移动终端发送所述不同类型的用户活动的先验概率信息，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0027]结合第二方面，在第二方面的第一种可能的实现方式中，所述终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置；
[0028]所述获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息，包括:所述服务器以当前时间和所述移动终端的位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息。
[0029]结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述方法还包括:
[0030]服务器从网络信息中获取人类活动信息；
[0031]对所述人类活动信息进行分类统计，得到不同用户活动在不同时间和位置时的概率信息；
[0032]将所述概率信息作为用户活动的先验概率保存到所述人类活动分布数据库中。
[0033]结合第二方面，或第二方面的第一种可能的实现方式，或第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，所述方法还包括:
[0034]所述服务器接收所述移动终端按照预设时间周期上报的终端用户的活动信息；
[0035]根据所述活动信息对用户活动分类模型和用户活动预测模型进行更新；
[0036]将更新后的所述用户活动分类模型和用户活动预测模型下发给所述移动终端。
[0037]第三方面，提供一种移动终端，所述移动终端包括:
[0038]采集单元，用于采集终端信息，所述终端信息包括所述移动终端的位置；
[0039]获得单元，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0040]处理单元，用于根据所述获得单元获得的先验概率信息和所述采集单元采集的终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0041]结合第三方面，在第三方面的第一种可能的实现方式中，所述采集单元采集的终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置；
[0042]所述采集单元，具体用于按照设置的时间周期采集所述终端传感信息和用户操作信息，或者接收到终端用户输入的采集命令时，采集所述终端传感信息和用户操作信息。
[0043]结合第三方面，或第三方面的第一种可能的实现方式，在第三方面的第二种可能的实现方式中，所述获得单元包括:
[0044]信息发送子单元，用于向服务器发送所述采集单元采集到的所述移动终端的位置，以使所述服务器根据当前时间和所述位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息；
[0045]概率接收子单元，用于接收所述服务器返回的所述不同类型的用户活动的先验概率信息。
[0046]结合第三方面，或第三方面的第一种可能的实现方式，或第三方面的第二种可能的实现方式，在第三方面的第三种可能的实现方式中，所述处理单元包括至少一个下述子单元:
[0047]活动识别子单元，用于将所述先验概率信息和终端信息输入预先训练的用户活动分类模型，对所述用户活动分类模型采用预设算法进行训练，得到所述终端用户的活动识别结果；
[0048]活动预测子单元，用于将所述先验概率信息和终端信息输入预先训练的用户活动预测模型，对所述用户活动预测模型采用预设算法进行训练，得到所述终端用户的活动预测结果。
[0049]结合第三方面的第三种可能的实现方式，在第三方面的第四种可能的实现方式中，所述移动终端还包括:
[0050]上报单元，用于按照预设时间周期向所述服务器上报终端用户的活动信息，以使所述服务器根据所述活动信息对用户活动分类模型或用户活动预测模型进行更新；
[0051]接收单元，用于接收所述服务器返回的更新后的所述用户活动分类模型和用户活动预测模型。
[0052]第四方面，提供一种服务器，所述服务器包括:
[0053]接收单元，用于接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置；
[0054]获得单元，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0055]发送单元，用于向所述移动终端发送所述获得单元获得的不同类型的用户活动的先验概率信息，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0056]结合第四方面，在第四方面的第一种可能的实现方式中，所述终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置；
[0057]所述获得单元，具体用于以当前时间和所述移动终端的位置检索人类活动分布数据库，得到不同类型的而用户活动的先验概率信息。
[0058]结合第四方面的第一种可能的实现方式，在第四方面的第二种可能的实现方式中，所述服务器还包括:
[0059]获取单元，用于从网络信息中获取人类活动信息；
[0060]统计单元，用于对所述获取单元获取的人类活动信息进行分类统计，得到不同用户活动在不同时间和位置时的概率信息；
[0061]保存单元，用于将所述统计单元获得的概率信息作为用户活动的先验概率保存到所述人类活动分布数据库中。
[0062]结合第四方面，或第四方面的第一种可能的实现方式，或第四方面的第二种可能的实现方式，在第四方面的第三种可能的实现方式中，所述接收单元，还用于接收所述移动终端按照预设时间周期上报的终端用户的活动信息；
[0063]所述服务器还包括:
[0064]更新单元，用于根据所述接收单元接收的活动信息对用户活动分类模型和用户活动预测模型进行更新；
[0065]下发单元，用于将所述更新单元更新后的用户活动分类模型和用户活动预测模型下发给所述移动终端。
[0066]第五方面，提供一种移动终端，所述移动终端包括:传感装置、网络接口和处理器，其中，
[0067]所述传感装置，用于采集属于终端信息的终端传感信息，所述终端传感信息包括所述移动终端的位置；
[0068]所述处理器，用于采集属于终端信息的用户操作信息；
[0069]所述网络接口，用于与服务器建立通信连接，并从所述服务器获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0070]所述处理器，还用于根据所述先验概率信息和所述终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0071]结合第五方面，在第五方面的第一种可能的实现方式中，所述传感装置，具体用于按照设置的时间周期采集所述终端传感信息，或者接收到终端用户输入的采集命令时，采集所述终端传感信息，其中，所述终端传感信息包括所述移动终端的位置；
[0072]所述处理器，具体用于按照设置的时间周期采集所述用户操作信息，或者接收到终端用户输入的采集命令时，采集所述用户操作信息。
[0073]结合第五方面，或第五方面的第一种可能的实现方式，在第五方面的第二种可能的实现方式中，所述网络接口，具体用于向服务器发送所述移动终端的位置，以使所述服务器根据当前时间和所述位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息，并接收所述服务器返回的所述不同类型的用户活动的先验概率信息。
[0074]结合第五方面，或第五方面的第一种可能的实现方式，或第五方面的第二种可能的实现方式，在第五方面的第三种可能的实现方式中，所述处理器，具体用于将所述先验概率信息和终端信息输入预先训练的用户活动分类模型，对所述用户活动分类模型采用预设算法进行训练，得到所述终端用户的活动识别结果，或者，将所述先验概率信息和终端信息输入预先训练的用户活动预测模型，对所述用户活动预测模型采用预设算法进行训练，得到所述终端用户的活动预测结果。
[0075]结合第五方面的第三种可能的实现方式，在第五方面的第四种可能的实现方式中，所述处理器，还用于通过所述网络接口，按照预设时间周期向所述服务器上报终端用户的活动信息，以使所述服务器根据所述活动信息对用户活动分类模型或用户活动预测模型进行更新，并通过所述网络接口接收所述服务器返回的更新后的所述用户活动分类模型和用户活动预测模型。
[0076]第六方面，提供一种服务器，所述服务器包括:网络接口和处理器，其中，
[0077]所述网络接口，用于接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置；
[0078]所述处理器，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息，并通过所述网络接口向所述移动终端发送所述不同类型的用户活动的先验概率信息，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0079]结合第六方面，在第六方面的第一种可能的实现方式中，所述终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置；
[0080]所述处理器，具体用于以当前时间和所述移动终端的位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息。
[0081]结合第六方面的第一种可能的实现方式，在第六方面的第二种可能的实现方式中，所述处理器，还用于从网络信息中获取人类活动信息，对所述人类活动信息进行分类统计，得到不同用户活动在不同时间和位置时的概率信息，并将所述概率信息作为用户活动的先验概率保存到所述人类活动分布数据库中。
[0082]结合第六方面，或第六方面的第一种可能的实现方式，或第六方面的第二种可能的实现方式，在第六方面的第三种可能的实现方式中，所述网络接口，还用于接收所述移动终端按照预设时间周期上报的终端用户的活动信息；
[0083]所述处理器，还用于根据所述活动信息对用户活动分类模型和用户活动预测模型进行更新，并将更新后的所述用户活动分类模型和用户活动预测模型通过所述网络接口下发给所述移动终端。
[0084]本发明实施例中，移动终端采集包括移动终端的位置在内的终端信息，从服务器获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息，根据先验概率信息和终端信息对使用移动终端的终端用户的活动进行识别或预测。本发明实施例在对用户活动进行识别或预测时，除了结合终端用户自身的终端数据外，还结合不同类型的用户活动的先验概率信息对终端用户的活动进行识别或预测，由于识别或预测时，增加了数据样本的数量，从而提高了识别或预测的准确性；并且，应用本发明实施例的识别或预测结果向终端用户推送的信息与用户感兴趣的信息差别较小，从而可以提高用户的终端使用体验。

【专利附图】

【附图说明】
[0085]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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0086]图1A为本发明用户信息的处理方法的一个实施例流程图；
[0087]图1B为本发明用户信息的处理方法的另一个实施例流程图；
[0088]图2为应用本发明实施例的用户活动识别和预测系统架构示意图；
[0089]图3为本发明用户信息的处理方法的另一个实施例流程图；
[0090]图4为本发明移动终端的一个实施例框图；
[0091]图5为本发明移动终端的另一个实施例框图；
[0092]图6为本发明移动终端的另一个实施例框图；
[0093]图7为本发明服务器的一个实施例框图；
[0094]图8为本发明服务器的另一个实施例框图；
[0095]图9为本发明服务器的另一个实施例框图；
[0096]图10为本发明服务器的另一个实施例框图。

【具体实施方式】
[0097]本发明如下实施例提供了用户信息的处理方法、移动终端及服务器。
[0098]为了使本【技术领域】的人员更好地理解本发明实施例中的技术方案，并使本发明实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明实施例中技术方案作进一步详细的说明。
[0099]参见图1A，为本发明用户信息的处理方法的一个实施例流程图，该实施例从移动终端侧描述的用户信息的处理过程:
[0100]步骤101:移动终端采集终端信息，终端信息包括移动终端的位置。
[0101]本实施例中，终端信息可以包括:终端传感信息和用户操作信息。其中，终端传感信息可以由移动终端上的各类传感设备进行采集，例如，传感装置可以包括速度传感器、加速度传感器、全球定位系统(Global Posit1ning System, GPS)、无线保真(WirelessFidelity, WiFi)装置等，终端传感信息除了包括移动终端的位置外，还可以包括移动终端的加速度、角度、光照和声音等；用户操作信息可以包括终端开启、终端充电、终端通信、终端流量使用、终端设置、终端摄像、终端拍照、终端录音、应用下载、应用使用、浏览器访问地址等。
[0102]本实施例中的位置指预先划分的各个地理区域范围，终端的位置指终端所在的某个地理区域范围，例如，位置可以包括CBD区域，市中心街道区域，大学城区域等。需要说明的是，上述仅是对位置划分的举例，实际应用中可以根据需要对位置进行灵活划分，对此本发明实施例不进行限制。
[0103]本实施例中，移动终端可以按照设置的时间周期采集终端传感信息和用户操作信息；或者，移动终端也可以在接收到终端用户输入的采集命令时，采集终端传感信息和用户操作信息。
[0104]步骤102:移动终端获得当前时间和位于该位置下不同类型的用户活动的先验概率信息。
[0105]本实施例中，移动终端可以向服务器发送采集到的移动终端的位置，由服务器根据当前时间和位置检索人类活动分布数据库，得到不同类型的用户活动在该时间和位置下的先验概率信息，并接收所述服务器返回的不同类型的用户活动的先验概率信息。其中，先验概率(pr1r probability)是指根据以往经验和历史数据分析得到的概率,本发明实施例中，人类活动分布数据库中保存了依据用户活动的历史数据计算得到的不同类型的用户活动在不同时间和不同位置下的概率，即不同类型的用户活动在不同时间和位置下的先验概率信息。
[0106]步骤103:移动终端根据先验概率信息和终端信息对使用终端用户的活动进行识别或预测。
[0107]本实施例中，移动终端可以在日常使用过程中，按照预设时间周期向服务器上报终端用户的活动信息，以使服务器根据这些活动信息对该移动终端的用户活动分类模型或用户活动预测模型进行更新，并接收服务器返回的更新后的用户活动分类模型和用户活动预测模型。
[0108]当移动终端需要对终端用户的活动进行识别时，可以将获取的先验概率信息和采集的终端信息输入预先训练的用户活动分类模型，对用户活动分类模型采用预设算法进行训练，得到终端用户的活动识别结果；当移动终端需要对终端用户的活动进行预测时，可以将获取的先验概率信息和采集的终端信息输入预先训练的用户活动预测模型，对用户活动预测模型采用预设算法进行训练，得到终端用户的活动预测结果。
[0109]本发明实施例在对用户活动分类模型或用户活动预测模型进行训练时，可以采用线性回归算法、决策树算法、条件随机场算法等，在采用这些算法对用户活动进行识别或预测时，与现有技术的主要不同在于，增加了人类活动的先验概率信息，从而可以提高识别或预测的准确性。
[0110]由上述实施例可见，本实施例在对用户活动进行识别或预测时，除了结合终端用户自身的终端数据外，还结合不同类型的用户活动的先验概率信息对终端用户的活动进行识别或预测，由于识别或预测时，增加了数据样本的数量，从而提高了识别或预测的准确性；并且，应用本发明实施例的识别或预测结果向终端用户推送的信息与用户感兴趣的信息差别较小，从而可以提高用户的终端使用体验。
[0111]参见图1B，为本发明用户信息的处理方法的一个实施例流程图，该实施例从服务器侧描述的用户信息的处理过程:
[0112]步骤111:服务器接收移动终端采集的终端信息，终端信息包括移动终端的位置。
[0113]本实施例中，终端信息可以包括:终端传感信息和用户操作信息。其中，终端传感信息可以由移动终端上的各类传感设备进行采集，例如，传感装置可以包括GPS、WIFI装置等，终端传感信息除了包括移动终端的位置外，还可以包括移动终端的加速度、角度、光照和声音等；用户操作信息可以包括终端开启、终端充电、终端通信、终端流量使用、终端设置、终端摄像、终端拍照、终端录音、应用下载、应用使用、浏览器访问地址等。
[0114]本实施例中的位置指预先划分的各个地理区域范围，终端的位置指终端所在的某个地理区域范围，例如，位置可以包括CBD区域，市中心街道区域，大学城区域等。需要说明的是，上述仅是对位置划分的举例，实际应用中可以根据需要对位置进行灵活划分，对此本发明实施例不进行限制。
[0115]本实施例中，服务器可以接收移动终端按照设置的时间周期采集的终端传感信息和用户操作信息；或者，服务器也可以接收移动终端也在接收到终端用户输入的采集命令时，采集的终端传感信息和用户操作信息。
[0116]步骤112:服务器获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息。
[0117]本实施例中，服务器可以预先从海量的网络信息中获取人类活动信息，对人类活动信息进行分类统计，得到不同用户活动在不同时间和位置时的概率信息，将获得的概率信息作为用户活动的先验概率，以时间和位置为维度保存到人类活动分布数据库中。当服务器接收到移动终端发送的位置后，可以以当前时间和位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息。
[0118]步骤113:服务器向移动终端发送不同类型的用户活动的先验概率信息，以使移动终端根据先验概率信息和终端信息对使用终端用户的活动进行识别或预测。
[0119]本实施例中，移动终端可以在日常使用过程中，按照预设时间周期向服务器上报终端用户的活动信息，服务器接收到终端用户的活动信息后，根据这些活动信息对该移动终端的用户活动分类模型和用户活动预测模型进行更新，并将更新后的用户活动分类模型和用户活动预测模型下发给该移动终端，以使该终端可以通过用户活动分类模型对终端用户的用户活动进行识别，或者通过用户活动预测模型对终端用户的用户活动进行预测。
[0120]由上述实施例可见，本实施例在对用户活动进行识别或预测时，除了结合终端用户自身的终端数据外，还结合不同类型的用户活动的先验概率信息对终端用户的活动进行识别或预测，由于识别或预测时，增加了数据样本的数量，从而提高了识别或预测的准确性；并且，应用本发明实施例的识别或预测结果向终端用户推送的信息与用户感兴趣的信息差别较小，从而可以提高用户的终端使用体验。
[0121]参见图2，为应用本发明实施例的终端与服务器的交互架构示意图:
[0122]图2中，服务器内包括人类活动数据管理模块和用户活动模型管理模块。其中，人类活动数据管理模块进一步包括人类活动采集分析子模块、人类活动分布检索子模块和人类活动分布数据库；用户活动模型管理模块进一步包括用户模型训练子模块、用户模型更新子模块和用户活动模型数据库；
[0123]终端内包括用户信息采集模块、活动分布获取模块和用户活动分析模块。其中用户活动分析模块可以进一步包括活动识别子模块和活动预测子模块。
[0124]对于服务器内的人类活动数据管理模块:
[0125]其中，人类活动采集分析子模块，可以通过设置的人类活动信息业务接口从海量的网络信息中获取人类活动信息，网络信息可以包括社交分享、在线签到、在线评论、生活日志等，人类活动信息可以包括活动时间、活动位置、活动内容(例如，文本、图片、签到地点名称)、用户特征(例如，居住地址、性别、年龄、职业)等；然后对人类活动信息进行分类统计，获得各种活动在不同活动时间、活动位置以及针对不同用户类型的概率信息不同活动时间、活动位置以及针对不同用户类型的概率信息，并将各种活动的概率信息按照时间、位置和用户类型保存到人类活动分布数据库中。
[0126]人类活动分布检索子模块，可以向终端内的活动分布获取模块提供检索接口，以使活动分布获取模块可以通过人类活动分布检索子模块从人类活动分布数据库中检索到某个特定时间、地点和用户类型对应的各种活动的概率信息，将检索到的概率信息作为对某个用户的用户活动进行识别或预测的先验概率，以便更准确地识别或预测该用户的活动。
[0127]对于服务器内的用户活动模型管理模块:
[0128]其中，用户活动模型数据库，用于通过服务器与终端的交互，分别从每个终端的用户信息采集模块获取并记录使用每个终端的终端用户的每一次的活动信息，活动信息可以包括活动日期、时间、位置、加速度、标注信息等。
[0129]用户模型训练子模块，用于从用户活动模型数据库中获得终端用户的活动信息记录，根据活动信息记录训练个人的用户活动分类模型和用户活动预测模型。其中，对于有标注信息的用户活动信息记录，可以根据这些用户活动信息对用户行为模式进行聚类，并计算用户行为模式的相似度，并在相似矩阵的约束下，通过标注信息对每个用户的行为模式进行训练获得个人的用户活动分类模型和用户活动预测模型，训练方法可以采用线性回归算法、决策树算法、条件随机场算法等分类算法等，并可以依据相似矩阵进行随机游走，以及对训练的中间结果进行迭代调整等；对于没有标注信息的用户活动信息记录，可以根据时间、地点和用户类型，通过人类活动分布检索子模块从人类活动分布数据库中检索到各种活动的先验概率信息，将这些先验概率信息作为特征对每个用户的行为模式进行训练获得个人的用户活动分类模型和用户活动预测模型。
[0130]用户模型更新子模块，用于将用户活动训练子模块训练得到每个终端用户的个人活动分类模型和个人活动预测模型更新到每个终端。
[0131]对于终端内的模块:
[0132]其中，用户信息采集模块，用于采集移动终端上设置的传感设备所获得的终端传感信息，终端传感信息可以包括终端的位置、加速度、角度、光照和声音；还可以采集用户对终端进行操作的用户操作信息，用户操作信息可以包括终端开启、终端充电、终端通信、终端流量使用、终端设置、终端摄像、终端拍照、终端录音、应用下载、应用使用、浏览器访问地址等。
[0133]活动分布获取模块，用于从用户信息采集模块获得通过传感设备采集的移动终端的位置，通过服务器内人类活动分布检索子模块提供的检索接口，以当前时间和位置索引，从人类活动分布数据库中检索根据在该时间和位置下，用户进行各类活动的概率信息。例如，用户在该时间和位置下，分别进行工作、聚餐、购物、开车、户外活动的概率。进一步的，如果人类活动分布数据库中各类用户活动的概率信息除了以时间和位置进行统计外，还可以增加以用户类型进行区分的维度，相应的，活动分布获取模块可以在获得当前时间和位置的基础上，进一步获取终端用户的用户类型，然后依据当前时间、位置和用户类型从人类活动分布数据库中获得该用户类型下的用户在该时间和位置进行各类活动的概率信息，从而提高对终端用户活动的识别或预测的准确性。
[0134]用户活动分析模块，其中活动识别子模块用于根据活动分布获取模块获取的概率信息和用户信息采集模块采集的信息作为用户活动分类模型的输入特征，通过线性回归、决策树、条件随机场等分类算法对用户活动分类模型进行训练，从而获得移动终端的用户活动的识别结果；活动预测子模块用于根据活动分布获取模块获取的概率信息和用户信息采集模块采集的信息作为用户活动预测模型的输入特征，通过先行回归、决策树、条件随机场等分类算法对用户活动预测模型进行训练，从而获得移动终端的用户活动的预测结果。
[0135]应用图2示出的架构，以对用户活动进行识别为例，假设移动终端获得了终端用户的位置为“CBD区”，时间为“周末晚上7点”，并且通过与服务器交互获得在周末晚上7点的CBD区，用户进行逛街和聚餐的先验概率最高，并且移动终端采集到终端加速度信息反映了终端用户当前走走停停，将上述概率信息和加速度信息输入到用户活动分类模型，通过对该模型进行训练可以识别用户在进行逛街；又以对用户活动进行预测为例，假设移动终端获得了终端用户的位置为“市中心街道”，时间为“工作日上午8点”，并且已经识别出终端用户当前进行的用户活动为开车，移动终端通过终端用户自身历史数据训练的预测模型预测终端用户的下一个活动为上班，同时移动终端通过与服务器交互获得在工作日上午8点的市中心街道上开车的终端用户先验概率最高的下一个活动为上班，则将上班的先验概率和通过终端用户自身历史数据训练的预测模型预测的下一个活动上班输入用户活动预测模型，通过对该模型进行训练可以预测用户的下一个活动为上班。
[0136]参见图3，为本发明用户信息的处理方法的另一个实施例流程图，该实施例结合实际应用详细描述了对用户活动进行识别或预测的过程:
[0137]步骤301:移动终端按照预设时间周期向服务器上报终端用户的活动信息。
[0138]本实施例中，为了实现对终端用户的用户活动进行识别或预测，服务器可以训练每个移动终端的终端用户的用户模型，包括用户活动分类模型和用户活动预测模型。在训练用户模型时，需要获得终端用户的历史活动数据，因此移动终端可以按照预设时间周期向服务器上报终端用户的活动信息，作为用户的历史活动数据。
[0139]步骤302:服务器根据活动信息对用户活动分类模型和用户活动预测模型进行更新。
[0140]在更新终端用户个人的用户活动分类模型时，对于同一移动终端上报的终端用户的活动信息，服务器可以分别以活动信息中的时间、位置、位置和时间的组合作为特征，采用梯度下降法，计算上述特征的因子大小，得到该终端用户个人的用户活动分类模型，如:
[0141]Pl(a 11, t) = σ (a*l+b*t+c*lt+D*acc+E*app_usage+F*wifi+G*Chg)；
[0142]上述用户活动分类模型中，I表示位置，a为I的因子；t表示时间，b为t的因子；lt表示位置和时间的组合，c为It的因子；acc为从移动终端的传感装置获得的3D加速度数据中产生的特征，例如，单位时间片段的加速度强度、能量，三维方向上的加速度峰值、均值、方差等，D为acc的因子；app-uSage表示移动终端使用的多个应用的特征，E为app-usage的因子；wifi表示读取到的WiFi MAC地址列表，F为wifi的因子，Chg为移动终端的充电状态，G为Chg的因子。
[0143]在更新终端用户个人的用户活动预测模型时，可以采用如下PY模型:
[0144]P (Vi=A I \=1:, V1-1=Ik) =P (Vi=A I V1-1=Ik) *N (h | μ , σ*σ);
[0145]上述终端用户个人的用户活动预测模型中，P(Vi=A|ti=t，V1-1=Ik)表示终端用户在I时刻的活动概率W1-1=Ik为终端用户在1-1时刻的位置，N为正态分布公式；h表示以小时为单位的时间间隔；(μ，σ * σ )表示正态分布参数。对上述模型利用梯度下降法，采用移动终端上报的终端用户的活动信息训练上述PY模型，得到终端用户个人的用户活动预测模型。
[0146]需要说明的是，上述PY模型仅为在线学习算法的简单示例，也可以用adboost集成学习算法或其它在线学习算法更新用户活动预测模型，对此本发明实施例不进行限制。
[0147]步骤303:服务器将更新后的用户活动分类模型和用户活动预测模型下发给移动终端。
[0148]需要说明的是，由于移动终端会持续上报终端用户的活动信息，而终端用户的活动习惯也可能随着时间发生改变，因此服务器也可以按照一定的时间周期更新终端用户个人的用户活动分类模型和用户活动预测模型，并将更新后的用户活动分类模型和用户活动预测模型下发给移动终端。
[0149]步骤304:移动终端采集终端传感信息和用户操作信息，终端传感信息包括移动终端的位置。
[0150]本实施例中，当需要对终端用户的活动进行识别或预测时，移动终端对当前的终端传感信息和用户操作信息进行采集。其中，移动终端上可以设置各种传感装置，例如，速度传感器、加速度传感器、GPS、WiFi等，这些传感装置可以用来采集各种终端传感信息，例如，终端位置、加速度、角度、光照、声音等；同时，终端用户在对移动终端进行操作的过程中会产生各种用户操作信息，例如，终端开启、充电、通信、流量使用、终端设置信息、拍照、录音、应用下载、应用使用、浏览器访问等。
[0151]需要说明的是，上述仅是给出了终端传感信息和用户操作信息的具体示例，在进行用户活动的识别或预测时，可以根据实际用户模型需要的输入特征，利用上述信息中的部分信息或全部信息对用户活动进行识别或预测，对此本发明实施例不进行限制。
[0152]步骤305:移动终端向服务器发送采集到的移动终端的位置。
[0153]步骤306:服务器根据当前时间和位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息。
[0154]本实施例中，服务器可以通过设置的人类活动信息业务接口从海量的网络信息中获取人类活动信息，网络信息可以包括社交分享、在线签到、在线评论、生活日志等，人类活动信息可以包括活动时间、活动位置、活动内容(例如，文本、图片、签到地点名称)、用户特征(例如，居住地址、性别、年龄、职业)等；然后对人类活动信息进行分类统计，获得各种活动在不同时间、位置，进一步以及针对不同用户类型的概率信息，并将各种活动的概率信息按照时间、位置，进一步按照用户类型保存到人类活动分布数据库中。
[0155]以按照时间和位置保存人类活动的概率信息为例，人类活动分布数据库中的概率信息记录示例如下:
[0156]在工作日的11:30至13:00，各个人类活动的概率从大到小排列依次为:午餐、工作、逛街；在工作日的19:00至23:00，各个人类活动的概率从大到小排列依次为:购物、聚餐、工作；在休息日9:00至10:00，各个人类活动的概率从大到小排列依次为:逛街、公园、住所。需要说明的是，上述概率信息仅为示例说明，实际应用各种可以统计更多类型的用户活动及概率信息，以便更精确的识别或预测用户活动。
[0157]当服务器接收到移动终端采集的位置信息时，可以以当前时间和该位置信息为索引检索人类活动分布数据库，获得不同类型的用户活动的先验概率信息，以便将先验概率信息作为识别或预测用户活动的参考信息，提高用户活动识别或预测的准确性。
[0158]步骤307:服务器向移动终端返回不同类型的用户活动的先验概率信息。
[0159]步骤308:移动终端判断对终端用户的活动进行分类或是预测，若进行分类，则执行步骤309 ;若进行预测，则执行步骤310。
[0160]步骤309:移动终端将先验概率信息和终端信息输入预先训练的用户活动分类模型，对用户活动分类模型采用预设算法进行训练，得到终端用户的活动识别结果，结束当前流程。
[0161]结合步骤302中更新的终端用户个人的用户活动分类模型，移动终端可以将当前采集的终端信息输入该终端用户个人的用户活动分类模型得到终端用户进行各类活动的概率，然后对如下全局的用户活动分类模型进行训练，得到终端用户的最终活动识别结果:
[0162]P (a 11, t) = σ (m*Pl (a 11，t)+n*P (pre 11，t)+g*cnt)；
[0163]上述用户活动分类模型为全局的log线性回归模型，其中，Pl(a|l，t)为根据个人活动分类模型计算出各类活动的概率，P (pre 11, t)为各类活动的先验概率，cnt为终端用户的个人样本个数。
[0164]步骤310:移动终端将先验概率信息和终端信息输入预先训练的用户活动预测模型，对用户活动预测模型采用预设算法进行训练，得到终端用户的活动预测结果，结束当前流程。
[0165]结合步骤302中更新的终端用户个人的用户活动预测模型，移动终端可以将当前采集的终端信息输入该终端用户个人的用户活动分类模型得到终端用户下一步进行的各类活动的概率，然后对如下全局的用户活动预测模型进行训练，得到终端用户的最终下一步活动识别结果:
[0166]P (A11, t, V1-1=Ik) = σ (m*Pl (A 11, t, V1-1=Ik) +n*P (pre 11, t, A1-1) +g*cnt)；
[0167]上述用户活动预测模型为全局的log线性回归模型，其中，Pl(A|l，t，vi_l=lk)为根据个人活动预测模型计算出的终端用户下一步要进行的各类活动的概率，P (pre 11, t，A1-1)为下一步进行各类活动的先验概率，cnt为终端用户的个人样本个数。
[0168]需要说明的是，上述log线性回归模型仅为在线学习算法的简单示例，也可以用adboost集成学习算法或其它在线学习算法对全局的用户活动预测模型进行训练得到活动识别结果，对此本发明实施例不进行限制。
[0169]需要说明的是，上述步骤309中的用户活动分类模型和步骤310中的用户活动预测模型中都可以进一步扩展用户特征和用户相似度特征，对此本发明实施例不进行限制。
[0170]由上述实施例可见，本实施例在对用户活动进行识别或预测时，除了结合终端用户自身的终端数据外，还结合不同类型的用户活动的先验概率信息对终端用户的活动进行识别或预测，由于识别或预测时，增加了数据样本的数量，从而提高了识别或预测的准确性；并且，应用本发明实施例的识别或预测结果向终端用户推送的信息与用户感兴趣的信息差别较小，从而可以提高用户的终端使用体验。
[0171]与本发明用户信息的处理方法的实施例相对应，本发明还提供了移动终端及服务器的实施例。
[0172]参见图4，为本发明移动终端的一个实施例框图:
[0173]该移动终端包括:采集单元410、获得单元420和处理单元430。
[0174]其中，采集单元410，用于采集终端信息，所述终端信息包括所述移动终端的位置；
[0175]获得单元420，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0176]处理单元430，用于根据所述获得单元420获得的先验概率信息和所述采集单元410采集的终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0177]在一个可选的实现方式中，所述采集单元410采集的终端信息可以包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置；
[0178]所述采集单元410，可以具体用于按照设置的时间周期采集所述终端传感信息和用户操作信息，或者接收到终端用户输入的采集命令时，采集所述终端传感信息和用户操作信息。
[0179]在另一个可选的实现方式中，所述获得单元420可以包括(图4中未示出):
[0180]信息发送子单元，用于向服务器发送所述采集单元410采集到的所述移动终端的位置，以使所述服务器根据当前时间和所述位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息；
[0181 ] 概率接收子单元，用于接收所述服务器返回的所述不同类型的用户活动的先验概率信息。
[0182]在另一个可选的实现方式中，所述处理单元430可以包括至少一个下述子单元(图4中未示出):
[0183]活动识别子单元，用于将所述先验概率信息和终端信息输入预先训练的用户活动分类模型，对所述用户活动分类模型采用预设算法进行训练，得到所述终端用户的活动识别结果；
[0184]活动预测子单元，用于将所述先验概率信息和终端信息输入预先训练的用户活动预测模型，对所述用户活动预测模型采用预设算法进行训练，得到所述终端用户的活动预测结果。
[0185]参见图5，为本发明移动终端的另一个实施例框图:
[0186]该移动终端包括:上报单元510、接收单元520、采集单元530、获得单元540和处理单元550。
[0187]其中，上报单元510，用于按照预设时间周期向所述服务器上报终端用户的活动信息，以使所述服务器根据所述活动信息对用户活动分类模型或用户活动预测模型进行更新；
[0188]接收单元520，用于接收所述服务器返回的更新后的所述用户活动分类模型和用户活动预测模型；
[0189]采集单元530，用于采集终端信息，所述终端信息包括所述移动终端的位置；
[0190]获得单元540，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0191]处理单元550，用于根据所述获得单元540获得的先验概率信息和所述采集单元530采集的终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0192]在一个可选的实现方式中，所述采集单元530采集的终端信息可以包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置；
[0193]所述采集单元530，可以具体用于按照设置的时间周期采集所述终端传感信息和用户操作信息，或者接收到终端用户输入的采集命令时，采集所述终端传感信息和用户操作信息。
[0194]在另一个可选的实现方式中，所述获得单元540可以包括(图5中未示出):
[0195]信息发送子单元，用于向服务器发送所述采集单元530采集到的所述移动终端的位置发送至服务器，以使所述服务器根据当前时间和所述位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息；
[0196]概率接收子单元，用于接收所述服务器返回的所述不同类型的用户活动的先验概率信息。
[0197]在另一个可选的实现方式中，所述处理单元550可以包括至少一个下述子单元(图5中未示出):
[0198]活动识别子单元，用于将所述先验概率信息和终端信息输入预先训练的用户活动分类模型，对所述用户活动分类模型采用预设算法进行训练，得到所述终端用户的活动识别结果；
[0199]活动预测子单元，用于将所述先验概率信息和终端信息输入预先训练的用户活动预测模型，对所述用户活动预测模型采用预设算法进行训练，得到所述终端用户的活动预测结果。
[0200]参见图6，为本发明移动终端的另一个实施例框图:
[0201]所述移动终端包括:传感装置610、网络接口 620和处理器630。
[0202]其中，所述传感装置610，用于采集属于终端信息的终端传感信息，所述终端传感信息包括所述移动终端的位置；
[0203]所述处理器630，用于采集属于终端信息的用户操作信息；
[0204]所述网络接口 620，用于与服务器建立通信连接，并从所述服务器获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0205]所述处理器630，还用于根据所述先验概率信息和所述终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0206]在一个可选的实现方式中:
[0207]所述传感装置610，可以具体用于按照设置的时间周期采集所述终端传感信息，或者接收到终端用户输入的采集命令时，采集所述终端传感信息，其中，所述终端传感信息包括所述移动终端的位置；
[0208]所述处理器630，可以具体用于按照设置的时间周期采集所述用户操作信息，或者接收到终端用户输入的采集命令时，采集所述用户操作信息。
[0209]在另一个可选的实现方式中:
[0210]所述网络接口 620，可以具体用于向服务器发送所述移动终端的位置，以使所述服务器根据当前时间和所述位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息，并接收所述服务器返回的所述不同类型的用户活动的先验概率信息。
[0211]在另一个可选的实现方式中:
[0212]所述处理器630，可以具体用于将所述先验概率信息和终端信息输入预先训练的用户活动分类模型，对所述用户活动分类模型采用预设算法进行训练，得到所述终端用户的活动识别结果，或者，将所述先验概率信息和终端信息输入预先训练的用户活动预测模型，对所述用户活动预测模型采用预设算法进行训练，得到所述终端用户的活动预测结果。
[0213]在另一个可选的实现方式中:
[0214]所述处理器630，还可以用于通过所述网络接口 620，按照预设时间周期向所述服务器上报终端用户的活动信息，以使所述服务器根据所述活动信息对用户活动分类模型或用户活动预测模型进行更新，并通过所述网络接口 620接收所述服务器返回的更新后的所述用户活动分类模型和用户活动预测模型。
[0215]参见图7，为本发明服务器的一个实施例框图:
[0216]该服务器包括:接收单元710、获得单元720和发送单元730。
[0217]其中，接收单元710，用于接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置；
[0218]获得单元720，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0219]发送单元730，用于向所述移动终端发送所述获得单元720获得的不同类型的用户活动的先验概率信息，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0220]可选的，所述终端信息可以包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置；
[0221]所述获得单元720，可以具体用于以当前时间和所述移动终端的位置检索人类活动分布数据库，得到不同类型的而用户活动的先验概率信息。
[0222]参见图8，为本发明服务器的另一个实施例框图:
[0223]该服务器包括:获取单元810、统计单元820、保存单元830、接收单元840、获得单元850和发送单元860。
[0224]其中，获取单元810，用于从网络信息中获取人类活动信息；
[0225]统计单元820，用于对所述获取单元810获取的人类活动信息进行分类统计，得到不同用户活动在不同时间和位置时的概率信息；
[0226]保存单元830，用于将所述统计单元820获得的概率信息作为用户活动的先验概率保存到所述人类活动分布数据库中；
[0227]接收单元840，用于接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置；
[0228]获得单元850，用于从所述人类活动分布数据库中获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0229]发送单元860，用于将所述获得单元850获得的不同类型的用户活动的先验概率信息发送给所述移动终端，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0230]可选的，所述终端信息可以包括:终端传感信息和用户操作信息；
[0231]所述获得单元850，可以具体用于以当前时间和所述终端传感信息中的位置检索人类活动分布数据库，获得不同类型的而用户活动的先验概率信息。
[0232]参见图9，为本发明服务器的另一个实施例框图:
[0233]该服务器包括:接收单元910、更新单元920、下发单元930、获得单元940和发送单元950。
[0234]其中，接收单元910，用于接收所述移动终端按照预设时间周期上报的终端用户的活动信息；
[0235]更新单元920，用于根据所述接收单元910接收的活动信息对用户活动分类模型和用户活动预测模型进行更新；
[0236]下发单元930，用于将所述更新单元920更新后的用户活动分类模型和用户活动预测模型下发给所述移动终端。
[0237]接收单元910，还用于接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置；
[0238]获得单元940，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息；
[0239]发送单元950，用于向所述移动终端发送所述获得单元940获得的不同类型的用户活动的先验概率信息，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0240]可选的，所述终端信息可以包括:终端传感信息和用户操作信息；
[0241]所述获得单元940，可以具体用于以当前时间和所述终端传感信息中的位置检索人类活动分布数据库，得到不同类型的而用户活动的先验概率信息。
[0242]参见图10，为本发明服务器的另一个实施例框图:
[0243]该服务器包括:网络接口 1010和处理器1020。
[0244]其中，所述网络接口 1010，用于接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置；
[0245]所述处理器1020，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息，并通过所述网络接口向所述移动终端发送所述不同类型的用户活动的先验概率信息，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
[0246]在一个可选的实现方式中，所述终端信息可以包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置；
[0247]所述处理器1020，可以具体用于以当前时间和所述移动终端的位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息。
[0248]在另一个可选的实现方式中，所述处理器1020，还可以用于从网络信息中获取人类活动信息，对所述人类活动信息进行分类统计，得到不同用户活动在不同时间和位置时的概率信息，并将所述概率信息作为用户活动的先验概率保存到所述人类活动分布数据库中。
[0249]在另一个可选的实现方式中，所述网络接口 1010，还可以用于接收所述移动终端按照预设时间周期上报的终端用户的活动信息；
[0250]所述处理器1020，还可以用于根据所述活动信息对用户活动分类模型和用户活动预测模型进行更新，并将更新后的所述用户活动分类模型和用户活动预测模型通过所述网络接口下发给所述移动终端。
[0251]由上述实施例可见，移动终端采集包括移动终端的位置在内的终端信息，从服务器获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息，根据先验概率信息和终端信息对使用移动终端的终端用户的活动进行识别或预测。本发明实施例在对用户活动进行识别或预测时，除了结合终端用户自身的终端数据外，还结合不同类型的用户活动的先验概率信息对终端用户的活动进行识别或预测，由于识别或预测时，增加了数据样本的数量，从而提高了识别或预测的准确性；并且，应用本发明实施例的识别或预测结果向终端用户推送的信息与用户感兴趣的信息差别较小，从而可以提高用户的终端使用体验。
[0252]本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如R0M/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0253]本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0254]以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种用户信息的处理方法，其特征在于，所述方法包括: 移动终端采集终端信息，所述终端信息包括所述移动终端的位置； 获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息； 根据所述先验概率信息和所述终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
2.根据权利要求1所述的方法，其特征在在于，所述终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置； 所述移动终端采集终端信息，包括: 移动终端按照设置的时间周期采集所述终端传感信息和用户操作信息；或者， 移动终端接收到终端用户输入的采集命令时，采集所述终端传感信息和用户操作信肩、O
3.根据权利要求1或2所述的方法，其特征在于，所述获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息，包括: 移动终端向服务器发送采集到的所述移动终端的位置，以使所述服务器根据当前时间和所述位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息； 接收所述服务器返回的所述不同类型的用户活动的先验概率信息。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述先验概率信息和所述终端信息对使用所述移动终端的终端用户的活动进行识别或预测，包括: 将所述先验概率信息和终端信息输入预先训练的用户活动分类模型，对所述用户活动分类模型采用预设算法进行训练，得到所述终端用户的活动识别结果；或者， 将所述先验概率信息和终端信息输入预先训练的用户活动预测模型，对所述用户活动预测模型采用预设算法进行训练，得到所述终端用户的活动预测结果。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括: 所述移动终端按照预设时间周期向所述服务器上报终端用户的活动信息，以使所述服务器根据所述活动信息对用户活动分类模型或用户活动预测模型进行更新； 接收所述服务器返回的更新后的所述用户活动分类模型和用户活动预测模型。
6.一种用户信息的处理方法，其特征在于，所述方法包括: 服务器接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置； 获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息； 向所述移动终端发送所述不同类型的用户活动的先验概率信息，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
7.根据权利要求6所述的方法，其特征在于，所述终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置； 所述获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息，包括:所述服务器以当前时间和所述移动终端的位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括: 服务器从网络信息中获取人类活动信息； 对所述人类活动信息进行分类统计，得到不同用户活动在不同时间和位置时的概率信 息； 将所述概率信息作为用户活动的先验概率保存到所述人类活动分布数据库中。
9.根据权利要求6至8任意一项所述的方法，其特征在于，所述方法还包括: 所述服务器接收所述移动终端按照预设时间周期上报的终端用户的活动信息； 根据所述活动信息对用户活动分类模型和用户活动预测模型进行更新； 将更新后的所述用户活动分类模型和用户活动预测模型下发给所述移动终端。
10.一种移动终端，其特征在于，所述移动终端包括: 采集单元，用于采集终端信息，所述终端信息包括所述移动终端的位置； 获得单元，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息； 处理单元，用于根据所述获得单元获得的先验概率信息和所述采集单元采集的终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
11.根据权利要求10所述的移动终端，其特征在于，所述采集单元采集的终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置； 所述采集单元，具体用于按照设置的时间周期采集所述终端传感信息和用户操作信息，或者接收到终端用户输入的采集命令时，采集所述终端传感信息和用户操作信息。
12.根据权利要求10或11所述的移动终端，其特征在于，所述获得单元包括: 信息发送子单元，用于向服务器发送所述采集单元采集到的所述移动终端的位置，以使所述服务器根据当前时间和所述位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息； 概率接收子单元，用于接收所述服务器返回的所述不同类型的用户活动的先验概率信肩、O
13.根据权利要求10至12任意一项所述的移动终端，其特征在于，所述处理单元包括至少一个下述子单元: 活动识别子单元，用于将所述先验概率信息和终端信息输入预先训练的用户活动分类模型，对所述用户活动分类模型采用预设算法进行训练，得到所述终端用户的活动识别结果; 活动预测子单元，用于将所述先验概率信息和终端信息输入预先训练的用户活动预测模型，对所述用户活动预测模型采用预设算法进行训练，得到所述终端用户的活动预测结果O
14.根据权利要求13所述的终端，其特征在于，所述移动终端还包括: 上报单元，用于按照预设时间周期向所述服务器上报终端用户的活动信息，以使所述服务器根据所述活动信息对用户活动分类模型或用户活动预测模型进行更新； 接收单元，用于接收所述服务器返回的更新后的所述用户活动分类模型和用户活动预测模型。
15.一种服务器，其特征在于，所述服务器包括: 接收单元，用于接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置； 获得单元，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信 息； 发送单元，用于向所述移动终端发送所述获得单元获得的不同类型的用户活动的先验概率信息，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
16.根据权利要求15所述的服务器，其特征在于，所述终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置； 所述获得单元，具体用于以当前时间和所述移动终端的位置检索人类活动分布数据库，得到不同类型的而用户活动的先验概率信息。
17.根据权利要求16所述的服务器，其特征在于，所述服务器还包括: 获取单元，用于从网络信息中获取人类活动信息； 统计单元，用于对所述获取单元获取的人类活动信息进行分类统计，得到不同用户活动在不同时间和位置时的概率信息； 保存单元，用于将所述统计单元获得的概率信息作为用户活动的先验概率保存到所述人类活动分布数据库中。
18.根据权利要求15至17任意一项所述的服务器，其特征在于， 所述接收单元，还用于接收所述移动终端按照预设时间周期上报的终端用户的活动信息； 所述服务器还包括: 更新单元，用于根据所述接收单元接收的活动信息对用户活动分类模型和用户活动预测模型进行更新； 下发单元，用于将所述更新单元更新后的用户活动分类模型和用户活动预测模型下发给所述移动终端。
19.一种移动终端，其特征在于，所述移动终端包括:传感装置、网络接口和处理器，其中， 所述传感装置，用于采集属于终端信息的终端传感信息，所述终端传感信息包括所述移动终端的位置； 所述处理器，用于采集属于终端信息的用户操作信息； 所述网络接口，用于与服务器建立通信连接，并从所述服务器获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息； 所述处理器，还用于根据所述先验概率信息和所述终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
20.根据权利要求19所述的移动终端，其特征在于， 所述传感装置，具体用于按照设置的时间周期采集所述终端传感信息，或者接收到终端用户输入的采集命令时，采集所述终端传感信息，其中，所述终端传感信息包括所述移动终端的位置； 所述处理器，具体用于按照设置的时间周期采集所述用户操作信息，或者接收到终端用户输入的采集命令时，采集所述用户操作信息。
21.根据权利要求19或20所述的移动终端，其特征在于， 所述网络接口，具体用于向服务器发送所述移动终端的位置，以使所述服务器根据当前时间和所述位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息，并接收所述服务器返回的所述不同类型的用户活动的先验概率信息。
22.根据权利要求19至21任意一项所述的移动终端，其特征在于， 所述处理器，具体用于将所述先验概率信息和终端信息输入预先训练的用户活动分类模型，对所述用户活动分类模型采用预设算法进行训练，得到所述终端用户的活动识别结果，或者，将所述先验概率信息和终端信息输入预先训练的用户活动预测模型，对所述用户活动预测模型采用预设算法进行训练，得到所述终端用户的活动预测结果。
23.根据权利要求22所述的移动终端，其特征在于， 所述处理器，还用于通过所述网络接口，按照预设时间周期向所述服务器上报终端用户的活动信息，以使所述服务器根据所述活动信息对用户活动分类模型或用户活动预测模型进行更新，并通过所述网络接口接收所述服务器返回的更新后的所述用户活动分类模型和用户活动预测模型。
24.一种服务器，其特征在于，所述服务器包括:网络接口和处理器，其中， 所述网络接口，用于接收移动终端采集的终端信息，所述终端信息包括所述移动终端的位置； 所述处理器，用于获得当前时间和位于所述位置下不同类型的用户活动的先验概率信息，并通过所述网络接口向所述移动终端发送所述不同类型的用户活动的先验概率信息，以使所述移动终端根据所述先验概率信息和终端信息对使用所述移动终端的终端用户的活动进行识别或预测。
25.根据权利要求24所述的服务器，其特征在于，所述终端信息包括:终端传感信息和用户操作信息，其中，所述终端传感信息包括所述移动终端的位置； 所述处理器，具体用于以当前时间和所述移动终端的位置检索人类活动分布数据库，得到不同类型的用户活动的先验概率信息。
26.根据权利要求25所述的服务器，其特征在于， 所述处理器，还用于从网络信息中获取人类活动信息，对所述人类活动信息进行分类统计，得到不同用户活动在不同时间和位置时的概率信息，并将所述概率信息作为用户活动的先验概率保存到所述人类活动分布数据库中。
27.根据权利要求24至26任意一项所述的服务器，其特征在于， 所述网络接口，还用于接收所述移动终端按照预设时间周期上报的终端用户的活动信息； 所述处理器，还用于根据所述活动信息对用户活动分类模型和用户活动预测模型进行更新，并将更新后的所述用户活动分类模型和用户活动预测模型通过所述网络接口下发给所述移动终端。
【文档编号】H04L29/08GK104348855SQ201310323861
【公开日】2015年2月11日 申请日期:2013年7月29日 优先权日:2013年7月29日
【发明者】王靓伟, 张弓 申请人:华为技术有限公司