Typ | Variante | ||||
---|---|---|---|---|---|
3.0a 9 APK | |||||
Größe: 38.34 MB Zertifikat: 70878d63660825f98e43991b1f715d3169da5136 SHA1-Signatur: 54e97edea6c13a177949d213d64da83aeb871371 Die Architektur: universal Bildschirm-DPI: mdpi (160dpi), hdpi (240dpi), xhdpi (320dpi), xxhdpi (480dpi), xxxhdpi (640dpi) Gerät: laptop, phone, tablet | |||||
3.0a 9 APK | |||||
Größe: 38.39 MB Zertifikat: 70878d63660825f98e43991b1f715d3169da5136 SHA1-Signatur: 1e5e4579c9f08dee8bf24020319d9bcec220b72f Die Architektur: universal Bildschirm-DPI: mdpi (160dpi), hdpi (240dpi), xhdpi (320dpi), xxhdpi (480dpi), xxxhdpi (640dpi) Gerät: phone | |||||
3.0a 9 APK | |||||
Größe: 38.33 MB Zertifikat: 70878d63660825f98e43991b1f715d3169da5136 SHA1-Signatur: 6d9ace7042c213d5fad5f68215093fc437294a81 Die Architektur: universal Bildschirm-DPI: ldpi (120dpi), mdpi (160dpi), hdpi (240dpi), xhdpi (320dpi), xxhdpi (480dpi), xxxhdpi (640dpi) Gerät: phone | |||||
3.0a 9 APK | |||||
Größe: 38.55 MB Zertifikat: 70878d63660825f98e43991b1f715d3169da5136 SHA1-Signatur: 8efc8a7dc918899f687c17effe2c74c36a8ff7a3 Die Architektur: universal Bildschirm-DPI: mdpi (160dpi), hdpi (240dpi), xhdpi (320dpi), xxhdpi (480dpi), xxxhdpi (640dpi) Gerät: phone | |||||
3.0a 9 APK | |||||
Größe: 38.44 MB Zertifikat: 70878d63660825f98e43991b1f715d3169da5136 SHA1-Signatur: a3d5990041461ef67cdf53b6305e9d4679aa84c6 Die Architektur: universal Bildschirm-DPI: mdpi (160dpi), hdpi (240dpi), xhdpi (320dpi), xxhdpi (480dpi), xxxhdpi (640dpi) Gerät: phone | |||||
3.0a 9 APK | |||||
Größe: 38.66 MB Zertifikat: 70878d63660825f98e43991b1f715d3169da5136 SHA1-Signatur: 468810b0f44ddc83f124cf780280647e072b1863 Die Architektur: universal Bildschirm-DPI: mdpi (160dpi), hdpi (240dpi), xhdpi (320dpi), xxhdpi (480dpi), xxxhdpi (640dpi) Gerät: phone | |||||
3.0a 9 XAPK | |||||
Größe: 37.96 MB XAPK: 37.55 MB Zertifikat: 70878d63660825f98e43991b1f715d3169da5136 SHA1-Signatur: 6ab32b42a11a9ae72ffe1ee5d94cb723e03d870e Die Architektur: universal Bildschirm-DPI: xhdpi (320dpi), xxhdpi (480dpi) Gerät: phone | |||||
3.0a 9 APK | |||||
Größe: 38.5 MB Zertifikat: 70878d63660825f98e43991b1f715d3169da5136 SHA1-Signatur: 9c60b2df189d21f3e3b28dbbe2df16aec6191777 Die Architektur: universal Bildschirm-DPI: mdpi (160dpi), hdpi (240dpi), xhdpi (320dpi), xxhdpi (480dpi), xxxhdpi (640dpi) Gerät: phone |
Herunterladen Next-Stop Recommender APK frei
Diese App empfiehlt ihrem Benutzer basierend auf seinem/ihrem Verhalten den nächsten Point of Interest.
Next-Stop Recommender ist eine Empfehlungs-App mit zwei bioinspirierten Zeitreihen und sequentiellen Data-Mining-Algorithmen (siehe http://nextstop.vipresearch.ca/ für relevante akademische Veröffentlichungen der VIP Research Group), die implementiert wurden, um Points vorherzusagen und zu machen of Interest (PoI) und PoI-Kategorie-Empfehlungen für seine Benutzer gemäß ihrer anonymen Zeitreihen-Wanderungshistorie.
* * * * *
Datenschutzerklärung: https://nextstop.vipresearch.ca/privacy_policy.html
* * * * *
Next-Stop Recommender (https://nextstop.vipresearch.ca/) ist Version 3.0 der Next-Stop-Empfehlungsforschung der VIP Research Group. Die Forschung zu Version 3.0 hat die folgenden drei Phasen durchlaufen.
Stufe 1 (siehe https://youtu.be/JsX-FCJ35AI) umfasst die folgenden Hauptaufgaben/Funktionen (aber nicht beschränkt auf):
1. anonymisierte Geräteregistrierung;
2. sichere und anonyme Synchronisation für die besuchten Points of Interest (PoIs) und deren Kategorien;
3. eine Detektion des Aufenthaltsstatus eines POI; und,
4. Lokaler Speicherintegritätsprüfer und anonymer Datensynchronisierer.
Stufe 2 (siehe https://youtu.be/5S1HWDZKRSc) umfasst die folgenden Hauptaufgaben/Funktionen (aber nicht beschränkt auf):
1. Konfigurationseinstellungen der App;
2. Offline-Map-Requester und -Synchronizer; und,
3. Next-Stop-Recommender-Dashboard.
Stufe 3 (siehe https://youtu.be/e5pFN3-xyzo) umfasst die folgenden Hauptaufgaben/Funktionen (aber nicht beschränkt auf):
1. Routenempfehlungsalgorithmus;
2. Algorithmus basierend auf regulären Ausdrücken.
* * * * *
Der Next-Stop Recommender ist eine App, die die beiden Zeitreihen-Data-Mining-Algorithmen implementiert, die von der VIP Research Group entwickelt und veröffentlicht wurden (siehe Abschnitt Relevante Veröffentlichungen unten oder überprüfen Sie sie unter https://nextstop.vipresearch.ca/).
Die App (1) verwendet die Algorithmen, um die Muster der anonymisierten und gehashten Point-of-Interest-Daten (PoI) zu finden, die durch das Wanderverhalten der Benutzer verursacht werden, und (2) passt und berechnet die Ähnlichkeit zwischen allen Mustern, um die Top N potenzieller Points of Interest zu empfehlen oder PoI-Kategorie, die die Benutzer für die Benutzer interessieren könnten.
Die App greift hinter den Kulissen ohne Benutzeroberfläche auf den Standort des Benutzers zu. Es gleicht die Koordinaten des Standorts mit einem vorhandenen Point of Interest (PoI) ab. Wenn ein Standort mit einem vorhandenen PoI übereinstimmt, überprüft die App, ob der Benutzer gemäß der vordefinierten Verweilzeitschwelle auf der Grundlage der PoI-Kategorie genügend Zeit am PoI verbringt. Wenn der Benutzer genügend Zeit verbringt, betrachtet die App den Benutzer als "besucht" des POI und erstellt einen Hash-Datensatz für den POI- und POI-Kategoriebesuch für den Benutzer.
* * * * *
Relevante Veröffentlichung
- Ben Ripley, Dirksen Liu, Maiga Chang und Kinshuk. (2013). Empfehlung für den nächsten Stopp. In den Proceedings of 2013 International Joint Conference on Awareness Science and Technology and Ubi-Media Computing (iCAST-UMEDIA 2013), Aizuwakamatsu, Japan, 2.-4. November 2013, 120-125.
- Siu Hung Keith Lo und Maiga Chang. (2012). Ein innovativer Weg für das Mining klinischer und administrativer Gesundheitsdaten. Active Media Technology (AMT 2012), Macau, 4.-7. Dezember 2012, 528-533.
- Keith Lo. (2012). Data Mining im Gesundheitswesen aus klinischen und administrativen Systemen. Unveröffentlichter Master Essay, Athabasca University, Alberta, Kanada.
- Dirksen Liu und Maiga Chang. (2011). Next-Stop-Empfehlung für Reisende nach ihrem sequentiellen Wanderverhalten. Zeitschrift für Internettechnologie, 12(1), 171-179.
- Dirksen Liu und Maiga Chang. (2009). Empfehlen Sie Reiserouten für Reisende nach ihrem sequentiellen Wanderverhalten. In den Proceedings of the 10th International Symposium on Pervasive Systems, Algorithms and Networks, (I-SPAN 2009), Kaohsiung, Taiwan, 14.-16. Dezember 2009, 350-355.
- Dirksen Liu. (2009). Routenempfehlung basierend auf Verhaltensanalyse. Unveröffentlichter Master Essay, Athabasca University, Alberta, Kanada.
* * * * *
Weitere Informationen und häufig gestellte Fragen sowie deren Antworten finden Sie unter http://nextstop.vipresearch.ca/.
* * * * *
Datenschutzerklärung: https://nextstop.vipresearch.ca/privacy_policy.html
* * * * *
Next-Stop Recommender (https://nextstop.vipresearch.ca/) ist Version 3.0 der Next-Stop-Empfehlungsforschung der VIP Research Group. Die Forschung zu Version 3.0 hat die folgenden drei Phasen durchlaufen.
Stufe 1 (siehe https://youtu.be/JsX-FCJ35AI) umfasst die folgenden Hauptaufgaben/Funktionen (aber nicht beschränkt auf):
1. anonymisierte Geräteregistrierung;
2. sichere und anonyme Synchronisation für die besuchten Points of Interest (PoIs) und deren Kategorien;
3. eine Detektion des Aufenthaltsstatus eines POI; und,
4. Lokaler Speicherintegritätsprüfer und anonymer Datensynchronisierer.
Stufe 2 (siehe https://youtu.be/5S1HWDZKRSc) umfasst die folgenden Hauptaufgaben/Funktionen (aber nicht beschränkt auf):
1. Konfigurationseinstellungen der App;
2. Offline-Map-Requester und -Synchronizer; und,
3. Next-Stop-Recommender-Dashboard.
Stufe 3 (siehe https://youtu.be/e5pFN3-xyzo) umfasst die folgenden Hauptaufgaben/Funktionen (aber nicht beschränkt auf):
1. Routenempfehlungsalgorithmus;
2. Algorithmus basierend auf regulären Ausdrücken.
* * * * *
Der Next-Stop Recommender ist eine App, die die beiden Zeitreihen-Data-Mining-Algorithmen implementiert, die von der VIP Research Group entwickelt und veröffentlicht wurden (siehe Abschnitt Relevante Veröffentlichungen unten oder überprüfen Sie sie unter https://nextstop.vipresearch.ca/).
Die App (1) verwendet die Algorithmen, um die Muster der anonymisierten und gehashten Point-of-Interest-Daten (PoI) zu finden, die durch das Wanderverhalten der Benutzer verursacht werden, und (2) passt und berechnet die Ähnlichkeit zwischen allen Mustern, um die Top N potenzieller Points of Interest zu empfehlen oder PoI-Kategorie, die die Benutzer für die Benutzer interessieren könnten.
Die App greift hinter den Kulissen ohne Benutzeroberfläche auf den Standort des Benutzers zu. Es gleicht die Koordinaten des Standorts mit einem vorhandenen Point of Interest (PoI) ab. Wenn ein Standort mit einem vorhandenen PoI übereinstimmt, überprüft die App, ob der Benutzer gemäß der vordefinierten Verweilzeitschwelle auf der Grundlage der PoI-Kategorie genügend Zeit am PoI verbringt. Wenn der Benutzer genügend Zeit verbringt, betrachtet die App den Benutzer als "besucht" des POI und erstellt einen Hash-Datensatz für den POI- und POI-Kategoriebesuch für den Benutzer.
* * * * *
Relevante Veröffentlichung
- Ben Ripley, Dirksen Liu, Maiga Chang und Kinshuk. (2013). Empfehlung für den nächsten Stopp. In den Proceedings of 2013 International Joint Conference on Awareness Science and Technology and Ubi-Media Computing (iCAST-UMEDIA 2013), Aizuwakamatsu, Japan, 2.-4. November 2013, 120-125.
- Siu Hung Keith Lo und Maiga Chang. (2012). Ein innovativer Weg für das Mining klinischer und administrativer Gesundheitsdaten. Active Media Technology (AMT 2012), Macau, 4.-7. Dezember 2012, 528-533.
- Keith Lo. (2012). Data Mining im Gesundheitswesen aus klinischen und administrativen Systemen. Unveröffentlichter Master Essay, Athabasca University, Alberta, Kanada.
- Dirksen Liu und Maiga Chang. (2011). Next-Stop-Empfehlung für Reisende nach ihrem sequentiellen Wanderverhalten. Zeitschrift für Internettechnologie, 12(1), 171-179.
- Dirksen Liu und Maiga Chang. (2009). Empfehlen Sie Reiserouten für Reisende nach ihrem sequentiellen Wanderverhalten. In den Proceedings of the 10th International Symposium on Pervasive Systems, Algorithms and Networks, (I-SPAN 2009), Kaohsiung, Taiwan, 14.-16. Dezember 2009, 350-355.
- Dirksen Liu. (2009). Routenempfehlung basierend auf Verhaltensanalyse. Unveröffentlichter Master Essay, Athabasca University, Alberta, Kanada.
* * * * *
Weitere Informationen und häufig gestellte Fragen sowie deren Antworten finden Sie unter http://nextstop.vipresearch.ca/.
Zeig mehr
Was gibt's Neues
This is the 9th alpha test version (fixed all errors) for the version 3.0 of VIP Research Group's Next-Stop Recommender research on Google Play.
If you have any suggestions for the app or the research, you are welcome to email to [email protected] to share with us your thoughts and ideas.
Privacy Policy: https://nextstop.vipresearch.ca/privacy_policy.html
Video shown the prominent disclosure: https://youtu.be/o3XJPug4TU0
If you have any suggestions for the app or the research, you are welcome to email to [email protected] to share with us your thoughts and ideas.
Privacy Policy: https://nextstop.vipresearch.ca/privacy_policy.html
Video shown the prominent disclosure: https://youtu.be/o3XJPug4TU0
Mehr Info
Aktualisiert in
2022-05-19
Größe
38.34 MB
Aktuelle Version
3.0a
Benötigt Android
4.1 und höher
Inhaltsbewertung
Jedes Alter
Angeboten von
VIP Research Outcome
Entwickler [email protected]