本发明专利技术公开了一种家庭活动推荐方法、系统和电子设备，通过响应接收到的用户登录信息，后端服务器验证用户登录信息并发送消费数据的访问授权请求，当用户登录信息验证成功且收到授权许可时，通过后端服务器获取用户登录信息对应得消费数据，对消费数据进行数据预处理，得到预处理数据，对预处理数据进行聚类，得到多个目标数据簇、类别均值费用以及第一类别占比，再将各个目标数据簇内的类别数据分别输入到已训练的分类网络模型，得到第二类别占比，最后根据第一类别占比和第二类别占比选取推荐活动信息，再采用推荐活动信息构建推荐活动页面并展示。解决了现有的服务系统不能对用户的多种消费信息综合分析处理，并向用户推荐活动的问题。活动的问题。活动的问题。
【技术实现步骤摘要】
一种家庭活动推荐方法、系统和电子设备
[0001]本专利技术涉及数据处理
，尤其涉及一种家庭活动推荐方法、系统和电子设备。
技术介绍
[0002]生活中，家庭的消费情况复杂多样，例如家庭人情世故往来，教育经费投入，衣食住行生活投入，金融管理与投资，旅游度假以及年度计划，个性经济活动推荐等等，在进行活动规划管理时需要综合评定和安排，这无疑增加了用户进行管理的难度。
[0003]随着网络技术的发展，互联网为人们的活动规划提供了多种服务系统，而现有的服务系统分类众多，复杂多样，只能进行单一的活动规划，不能对对用户的多种消费信息综合分析处理，并向用户推荐活动。
技术实现思路
[0004]本专利技术提供了一种家庭活动推荐方法、系统和电子设备，解决了现有的服务系统不能对用户的多种消费信息综合分析处理，并向用户推荐活动的技术问题。
[0005]本专利技术第一方面提供了一种家庭活动推荐方法，包括以下步骤：
[0006]响应接收到的用户登录信息，通过后端服务器验证所述用户登录信息并发送消费数据的访问授权请求；
[0007]当所述用户登录信息验证成功且接收到授权许可时，通过所述后端服务器获取所述用户登录信息对应的消费数据；
[0008]对所述消费数据进行数据预处理，得到预处理数据；
[0009]对所述预处理数据进行聚类，得到多个目标数据簇、类别均值费用以及第一类别占比；
[0010]将各个所述目标数据簇内的类别数据分别输入到已训练的分类网络模型，得到第二类别占比；
[0011]根据所述第一类别占比和所述第二类别占比选取推荐活动信息，采用所述推荐活动信息构建推荐活动页面并展示。
[0012]可选地，所述对所述消费数据进行数据预处理，得到预处理数据的步骤，包括：
[0013]获取所述消费数据的消费类型、消费费用和消费时间；
[0014]通过数据库查询语句预设的消费类型、消费费用和消费时间对所述消费数据进行筛选，得到筛选数据；
[0015]对所述筛选数据进行数据归一化处理，得到预处理数据。
[0016]可选地，所述对所述预处理数据进行聚类，得到多个目标数据簇、类别均值费用以及第一类别占比的步骤，包括：
[0017]提取所述预处理数据的消费类型特征和消费费用特征；
[0018]以预设的消费类型特征的向量为质心对所述预处理数据进行聚类，得到n个类型
数据簇，n为正整数；
[0019]以所述消费费用特征的向量为质心对所述类型数据簇进行聚类，分别得到n
‑
1个目标数据簇；
[0020]获取各个所述类型数据簇内的类型数据数量及其相应的类型消费费用；
[0021]分别对各个所述类型数据数量以及相应的所述类型消费费用进行求和计算，得到各个类型数据消费总额；
[0022]计算各个所述类型数据消费总额与相应的所述类型数据数量的比值，得到各个所述类型数据簇对应的类别均值费用；
[0023]计算各个所述类型数据消费总额与全部所述类型数据消费总额的第一消费比例，得到各个所述类型数据簇对应的第一类别占比。
[0024]可选地，所述将各个所述目标数据簇内的类别数据分别输入到已训练的分类网络模型，得到第二类别占比的步骤，包括：
[0025]将各个所述目标数据簇内的类别数据进行向量拼接，得到多个向量矩阵；
[0026]将各个所述向量矩阵分别输入到已训练的分类网络模型；所述分类网络模型包括卷积层和全连接层；
[0027]通过所述卷积层对各个所述向量矩阵进行卷积操作，得到多个向量特征；
[0028]通过所述全连接层计算所述向量特征与多个预设的类别特征之间的类别相似度；
[0029]通过所述全连接层将所述向量特征归类至所述类别相似度的最高值所属的分类类别；
[0030]分别对各个所述分类类别内向量特征的数量及其相应的目标消费费用进行求和计算，得到各个分类类别消费总额；
[0031]分别计算各个所述分类类别消费总额与全部所述分类类别消费总额的第二消费比例，得到各个所述分类类别对应的第二类别占比。
[0032]可选地，所述根据所述第一类别占比和所述第二类别占比选取推荐活动信息，采用所述推荐活动信息构建推荐活动页面并展示的步骤，包括：
[0033]比较所述第二类别占比与预设的第二类别占比阈值，确定所述第二类别占比对应的所述目标数据簇的消费水平；
[0034]从预设的活动备选表中选取所述第一类别占比小于预设的第一类别占比阈值，且所述消费水平小于预设的消费阈值的活动信息作为推荐活动信息；
[0035]将所述推荐活动信息加载至预设的初始活动页面内的推荐组件；
[0036]渲染所述推荐组件，生成推荐活动页面并展示。
[0037]可选地，在所述将所述推荐活动信息加载至预设的初始活动页面内的推荐组件的步骤之前，还包括：
[0038]通过后端服务器验证所述用户登录信息并发送收入数据的访问授权请求；
[0039]当所述用户登录信息验证成功且接收到授权许可时，通过所述后端服务器获取所述用户登录信息对应的收入数据；
[0040]分别计算所述收入数据与各个所述第一类别占比之间的乘积，得到多个类别安排费用；
[0041]采用全部所述类别安排费用构建年度投入计划表；
[0042]将所述年度投入计划表加载至预设的计划组件。
[0043]可选地，在所述分别计算所述收入数据与各个所述第一类别占比之间的乘积，得到多个类别安排费用的步骤之后，还包括：
[0044]计算各个所述类别安排费用分别与预设的天数的比值，得到各个天均值费用；
[0045]获取所述活动备选表内的各个所述活动信息对应的活动费用；
[0046]计算各个所述活动费用与对应的所述天均值费用的和值，得到各个所述活动信息对应的活动预算；
[0047]分别计算各个所述类别均值费用与预设的阈值系数的乘积，得到各个所述活动信息对应的活动预算阈值；
[0048]选取所述活动预算小于或等于所述活动预算阈值的所述推荐活动信息作为新的推荐活动信息。
[0049]可选地，还包括：
[0050]当生成所述推荐活动页面后，将所述计划组件加载至所述推荐活动页面并渲染，得到新的推荐活动页面。
[0051]本专利技术第二方面提供了一种家庭活动推荐系统，包括：
[0052]用户验证与授权访问请求模块，用于响应接收到的用户登录信息，通过后端服务器验证所述用户登录信息并发送消费数据的访问授权请求。
[0053]数据获取模块，用于当所述用户登录信息验证成功且接收到授权许可时，通过所述后端服务器获取所述用户登录信息对应的消费数据；
[0054]第一数据预处理模块，用于对所述消费数据进行数据预处理，得到预处理数据；
[0055]第二数据预处理模块，用于对所述预处理数据进行聚类，得到多个目标数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种家庭活动推荐方法，其特征在于，包括以下步骤：响应接收到的用户登录信息，通过后端服务器验证所述用户登录信息并发送消费数据的访问授权请求；当所述用户登录信息验证成功且接收到授权许可时，通过所述后端服务器获取所述用户登录信息对应的消费数据；对所述消费数据进行数据预处理，得到预处理数据；对所述预处理数据进行聚类，得到多个目标数据簇、类别均值费用以及第一类别占比；将各个所述目标数据簇内的类别数据分别输入到已训练的分类网络模型，得到第二类别占比；根据所述第一类别占比和所述第二类别占比选取推荐活动信息，采用所述推荐活动信息构建推荐活动页面并展示。2.根据权利要求1所述的家庭活动推荐方法，其特征在于，所述对所述消费数据进行数据预处理，得到预处理数据的步骤，包括：获取所述消费数据的消费类型、消费费用和消费时间；通过数据库查询语句预设的消费类型、消费费用和消费时间对所述消费数据进行筛选，得到筛选数据；对所述筛选数据进行数据归一化处理，得到预处理数据。3.根据权利要求1所述的家庭活动推荐方法，其特征在于，所述对所述预处理数据进行聚类，得到多个目标数据簇、类别均值费用以及第一类别占比的步骤，包括：提取所述预处理数据的消费类型特征和消费费用特征；以预设的消费类型特征的向量为质心对所述预处理数据进行聚类，得到n个类型数据簇，n为正整数；以所述消费费用特征的向量为质心对所述类型数据簇进行聚类，分别得到n
‑
1个目标数据簇；获取各个所述类型数据簇内的类型数据数量及其相应的类型消费费用；分别对各个所述类型数据数量以及相应的所述类型消费费用进行求和计算，得到各个类型数据消费总额；计算各个所述类型数据消费总额与相应的所述类型数据数量的比值，得到各个所述类型数据簇对应的类别均值费用；计算各个所述类型数据消费总额与全部所述类型数据消费总额的第一消费比例，得到各个所述类型数据簇对应的第一类别占比。4.根据权利要求1所述的家庭活动推荐方法，其特征在于，所述将各个所述目标数据簇内的类别数据分别输入到已训练的分类网络模型，得到第二类别占比的步骤，包括：将各个所述目标数据簇内的类别数据进行向量拼接，得到多个向量矩阵；将各个所述向量矩阵分别输入到已训练的分类网络模型；所述分类网络模型包括卷积层和全连接层；通过所述卷积层对各个所述向量矩阵进行卷积操作，得到多个向量特征；通过所述全连接层计算所述向量特征与多个预设的类别特征之间的类别相似度；通过所述全连接层将所述向量特征归类至所述类别相似度的最高值所属的分类类别；
分别对各个所述分类类别内向量特征的数量及其相应的目标消费费用进行求和计算，得到各个分类类别消费总额；分别计算各个所述分类类别消费总额与全部所述分类类别消费总额的第二消费比例，得到各个所述分类类别对应的第二类别占比。5.根据权利要求1所述的家庭活动推荐方法，其特征在于，所述根据所述第一类别占比和所述第二类别占比选取推荐活动信...
【专利技术属性】
技术研发人员：杨春锐，张立臣，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。