一种基于大数据的社区活动推荐方法及装置制造方法及图纸

本申请实施例提供一种基于大数据的社区活动推荐方法及系统。该方法包括：导入社区成员提供的社区活动注册文件，通过图像文本识别技术对社区活动注册文件进行识别和分类，得到社区活动初始数据集；基于社区活动初始数据集，按照社区成员的专业特征、职业特征、时间特征，构建社区师资特征集；按照社区成员的兴趣特征、家庭特征、时间特征，构建社区生源特征集；按照社区活动条件资源的环境特征、时间特征，构建社区环境特征集；基于社区环境特征集、社区师资特征集和社区生源特征集，构建社区活动推荐深度学习网络；采集社区成员和社区的社区活动数据，训练社区活动推荐模型，根据社区活动推荐模型进行社区活动规划。

A community activity recommendation method and device based on big data

【技术实现步骤摘要】
一种基于大数据的社区活动推荐方法及装置
本申请涉及社区活动推荐及大数据领域，尤其涉及一种基于大数据的社区活动推荐方法及装置。
技术介绍
社区活动作为精神文明建设的重要方式，极大地丰富了社区居民的业余文化生活，常见形式有文艺演出、学习课堂、体育锻炼、兴趣小组等。随着国家社会发展，面对社区活动环境紧张、社区师资力量紧缺、社区学习需求强烈的现状，如何有效提高社区活动推荐准确度，提升活动体验，成为目前社区活动推荐领域需要解决的技术难题。大数据(bigdata)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。因此，可以考虑改进，融合大数据技术，设计基于大数据的社区活动推荐方法及装置。
技术实现思路
有鉴于此，本申请的目的在于提出一种基于大数据的社区活动推荐方法及装置，提高社区活动推荐准确度，解决目前社区活动推荐过程中，社区成员体验不好、准确度不高的技术问题。基于上述目的，本申请提出了一种基于大数据的社区活动推荐方法，包括：导入社区成员提供的社区活动注册文件，通过图像文本识别技术对所述社区活动注册文件进行识别和分类，得到社区活动初始数据集；基于所述社区活动初始数据集，按照社区成员的专业特征、职业特征、时间特征，构建社区师资特征集；按照社区成员的兴趣特征、家庭特征、时间特征，构建社区生源特征集；按照社区活动条件资源的环境特征、时间特征，构建社区环境特征集。>基于所述社区环境特征集、所述社区师资特征集和所述社区生源特征集，构建社区活动推荐深度学习网络；采集社区成员和社区的社区活动数据，导入所述深度学习网络，训练社区活动推荐模型，根据所述社区活动推荐模型进行社区活动规划。在一种实施例中，所述方法，还包括：调取历史物业信息，得到历史社区活动中全部场所的场地信息；所述场地信息包括场地性质、场地大小、时间限制、硬件配置。在一些实施例中，导入社区成员提供的社区活动注册文件，通过图像文本识别技术对所述社区活动注册文件进行识别和分类，得到社区活动初始数据集，包括：在所述识别过程中，出现不可识别内容和缺少内容项时，发出告警，并以标签标记所述不可识别内容；在所述分类过程中，按照关键字和/或关键标识识别所述社区活动注册文件的文件类型，并按照师资特征、生源特征填充对应的数据库。在一些实施例中，基于所述社区环境特征集、所述社区师资特征集和所述社区生源特征集，构建社区活动推荐深度学习网络，包括：师生匹配深度学习网络，通过结合社区成员的兴趣特征、家庭特征、时间特征，和社区成员的专业特征、职业特征、时间特征，匹配出符合社区的师生配对；环境匹配深度学习网络，通过学习历史社区活动数据，计算出所述师生匹配深度学习网络预测结果与社区环境条件最大容量的匹配。在一些实施例中，采集社区成员和社区的社区活动数据，导入所述深度学习网络，训练社区活动推荐模型，包括：持续采集社区成员和社区的社区活动数据，导入所述深度学习网络中，更新深度学习模型的结构和参数；当学习得到的结果低于预先设定的偏差阈值时，所述深度学习网络进入稳定状态，结束学习。在一些实施例中，在所述深度学习网络中，通过公式：计算所述学习得到的结果与预先设定的偏差阈值之间的信息差分谱，其中QN(i)＝∑jQN,S(i,j)、QS(j)＝∑iQN,S(i,j)分别为所述学习得到的结果与所述预先设定的偏差阈值的边缘概率分布，QN,S(i,j)为所述学习得到的结果与所述预先设定的偏差阈值的联合概率分布，当所述信息差分谱达到预定阈值时，判定为进入稳定状态，结束学习。在一些实施例中，根据所述社区活动推荐模型进行社区活动规划，包括：将新加入社区成员导入所述深度学习网络进行分析，根据分析结果调整社区活动安排，并安排所述新加入社区成员参加活动。基于上述目的，本申请还提出了一种基于大数据的社区活动推荐系统，包括：初始模块，用于导入社区成员提供的社区活动注册文件，通过图像文本识别技术对所述社区活动注册文件进行识别和分类，得到社区活动初始数据集；特征模块，用于基于所述社区活动初始数据集，按照社区成员的专业特征、职业特征、时间特征，构建社区师资特征集；按照社区成员的兴趣特征、家庭特征、时间特征，构建社区生源特征集；按照社区活动条件资源的环境特征、时间特征，构建社区环境特征集。构建模块，用于基于所述社区环境特征集、所述社区师资特征集和所述社区生源特征集，构建社区活动推荐深度学习网络；规划模块，用于采集社区成员和社区的社区活动数据，导入所述深度学习网络，训练社区活动推荐模型，根据所述社区活动推荐模型进行社区活动规划。在一些实施例中，所述初始模块，包括：识别单元，用于在所述识别过程中，出现不可识别内容和缺少内容项时，发出告警，并以标签标记所述不可识别内容；分类单元，用于在所述分类过程中，按照关键字和/或关键标识识别所述社区活动注册文件的文件类型，并按照师资特征、生源特征填充对应的数据库。在一些实施例中，所述特征模块，包括：师生匹配单元，用于通过结合社区成员的兴趣特征、家庭特征、时间特征，和社区成员的专业特征、职业特征、时间特征，匹配出符合社区的师生配对；环境匹配单元，用于通过学习历史社区活动数据，计算出所述师生匹配深度学习网络预测结果与社区环境条件最大容量的匹配。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，而不应将其视为是对本专利技术范围的限制。图1示出根据本专利技术实施例的基于大数据的社区活动推荐方法的流程图。图2示出根据本专利技术实施例的基于大数据的社区活动推荐系统的构成图。图3示出根据本专利技术实施例的初始模块的构成图。图4示出根据本专利技术实施例的特征模块的构成图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出根据本专利技术实施例的基于大数据的社区活动推荐方法的流程图。如图1所示，该基于大数据的社区活动推荐方法包括：步骤S11、导入社区成员提供的社区活动注册文件，通过图像文本识别技术对所述社区活动注册文件进行识别和分类，得到社区活动初始数据集。具体来说，社区成员想参加社区的活动，无论是充当老师的角色，还是充当学生的角色，都可以提供一列类的注册文件，以证明社区成员的资质水平。例如，社本文档来自技高网...

【技术保护点】
1.一种基于大数据的社区活动推荐方法，其特征在于，包括：/n导入社区成员提供的社区活动注册文件，通过图像文本识别技术对所述社区活动注册文件进行识别和分类，得到社区活动初始数据集；/n基于所述社区活动初始数据集，按照社区成员的专业特征、职业特征、时间特征，构建社区师资特征集；按照社区成员的兴趣特征、家庭特征、时间特征，构建社区生源特征集；按照社区活动条件资源的环境特征、时间特征，构建社区环境特征集；/n基于所述社区环境特征集、所述社区师资特征集和所述社区生源特征集，构建社区活动推荐深度学习网络；/n采集社区成员和社区的社区活动数据，导入所述深度学习网络，训练社区活动推荐模型，根据所述社区活动推荐模型进行社区活动规划。/n

【技术特征摘要】
1.一种基于大数据的社区活动推荐方法，其特征在于，包括：
导入社区成员提供的社区活动注册文件，通过图像文本识别技术对所述社区活动注册文件进行识别和分类，得到社区活动初始数据集；
基于所述社区活动初始数据集，按照社区成员的专业特征、职业特征、时间特征，构建社区师资特征集；按照社区成员的兴趣特征、家庭特征、时间特征，构建社区生源特征集；按照社区活动条件资源的环境特征、时间特征，构建社区环境特征集；
基于所述社区环境特征集、所述社区师资特征集和所述社区生源特征集，构建社区活动推荐深度学习网络；
采集社区成员和社区的社区活动数据，导入所述深度学习网络，训练社区活动推荐模型，根据所述社区活动推荐模型进行社区活动规划。


2.根据权利要求1所述的方法，其特征在于，所述方法，还包括：
调取历史物业信息，得到历史社区活动中全部场所的场地信息；所述场地信息包括场地性质、场地大小、时间限制、硬件配置。


3.根据权利要求1所述的方法，其特征在于，导入社区成员提供的社区活动注册文件，通过图像文本识别技术对所述社区活动注册文件进行识别和分类，得到社区活动初始数据集，包括：
在所述识别过程中，出现不可识别内容和缺少内容项时，发出告警，并以标签标记所述不可识别内容；
在所述分类过程中，按照关键字和/或关键标识识别所述社区活动注册文件的文件类型，并按照师资特征、生源特征填充对应的数据库。


4.根据权利要求1所述的方法，其特征在于，基于所述社区环境特征集、所述社区师资特征集和所述社区生源特征集，构建社区活动推荐深度学习网络，包括：
师生匹配深度学习网络，通过结合社区成员的兴趣特征、家庭特征、时间特征，和社区成员的专业特征、职业特征、时间特征，匹配出符合社区的师生配对；
环境匹配深度学习网络，通过学习历史社区活动数据，计算出所述师生匹配深度学习网络预测结果与社区环境条件最大容量的匹配。


5.根据权利要求1所述的方法，其特征在于，采集社区成员和社区的社区活动数据，导入所述深度学习网络，训练社区活动推荐模型，包括：
持续采集社区成员和社区的社区活动数据，导入所述深度学习网络中，更新深度学习模型的结构和参数；
当学习得到的结果低于预先设定的偏差阈值时，所述深度学习网络进入稳定状态，结束学习。


6.根据...

【专利技术属性】
技术研发人员：李杨，余恒兵，
申请(专利权)人：重庆特斯联智慧科技股份有限公司，
类型：发明
国别省市：重庆;50