近年來，隨著智能手機和配備GPS（全球定位系統）功能的可穿戴終端的普及，收集位置信息歷史變得更加容易。通過分析反映每個用戶日常行為的數據，可以將其用於擁堵預測、城市規劃、防災和營銷等各種目的。

　因此，名古屋大學和 Blogwatcher 開發了一種技術來解決傳統技術中的問題，以便更容易地利用位置信息數據。

　在現有技術中，當基於“POI(Point of Interest)＝包括位置信息的設施、點等數據”來推斷用戶的逗留目的並創建基於逗留目的的逗留轉移模型時，確定的標籤已使用。只能附加。因此，存在無法對未登記在數據集中的POI進行標註、無法針對商品多的店鋪確定一個標籤的問題。另外，由於位置信息歷史被聚合成幾十到幾百個類型標籤，原本包含各種元素的信息損失很大。

　獲得專利的“矢量表示過渡模型”根據時間、星期幾、時區和位置信息對用戶和區域的特徵進行建模，同時盡可能保留位置信息歷史的多樣化信息。完畢。根據用戶每次停留地點的特徵，“根據用戶行為的相似性分類區域”，“從用戶行為分析生活方式等特徵”，“當每個用戶進行機器學習時”可以“預測您傾向於停留的時間和地點”。

　此外，通過使用該技術，無需提前收集 POI 信息並據此進行標註，可以減少區域建模的人力和成本。

參考：[Blogwatcher, Inc.] Blogwatcher x 名古屋大學申請了基於位置信息歷史對用戶和區域特徵進行建模的信息處理設備、信息處理方法和計算機程序的專利。