一体化社区服务平台制造技术

本发明专利技术提供了一体化社区服务平台，包括社区信息讨论系统、社区信息发布系统、社区电子商务系统和用户信息接收端，所述社区信息讨论系统用于讨论社区事务，所述社区信息发布系统用于发布信息，所述社区电子商务系统为用户提供网购服务，所述用户信息接收端用于接收信息，所述社区信息讨论系统、社区信息发布系统和社区电子商务系统与用户信息接收端网络连接。本发明专利技术的有益效果为：实现了网络社区内用户关注预测、信息推送、商业热点预测、在线商务交易。

Integrated community service platform

Provides integrated community service platform of the invention, including community information system, discussed the community information systems, community e-commerce system and user information receiver, the community information system is discussed for the discussion of community affairs, the community information publishing system for distributed information, the community e-commerce system to provide online shopping services. The user information receiver for receiving information, the community information system, discussed the community information release system and community electronic commerce system and user information receiving end network connection. The invention has the advantages of realizing the users' attention, prediction, information push, commercial hot spot prediction and online business transaction in the network community.

【技术实现步骤摘要】
一体化社区服务平台
本专利技术涉及商务
，具体涉及一体化社区服务平台。
技术介绍
云计算是并行处理、分布式处理和网格计算技术的提高，其组成服务器包括由多个计算服务器构成的计算云，以及由多个存储服务器构成的存储云。通过计算云对待处理数据进行并行计算，提高了数据的处理效率；通过存储云将数据存储在多台存储服务器，分担了客户端的存储负荷同时保证了存储数据的可靠性。产品分类为产品检索、产品置放策略制定以及智能推荐等提供了有力支撑。图像作为产品的主要信息载体，基于图像的产品分类技术研究己成为图像处理、计算机视觉和模式识别领域的研究热点。然而，现有的产品分类方法仅对产品的图像进行研究而忽略了产品的文本信息，另一方面，现有的产品分类方法存在分类准确率低、分类速度慢等问题。
技术实现思路
针对上述问题，本专利技术旨在提供一体化社区服务平台。本专利技术的目的采用以下技术方案来实现：提供了一体化社区服务平台，包括社区信息讨论系统、社区信息发布系统、社区电子商务系统和用户信息接收端，所述社区信息讨论系统用于讨论社区事务，所述社区信息发布系统用于发布信息，所述社区电子商务系统为用户提供网购服务，所述用户信息接收端用于接收信息，所述社区信息讨论系统、社区信息发布系统和社区电子商务系统与用户信息接收端网络连接。本专利技术的有益效果为：实现了网络社区内用户关注预测、信息推送、商业热点预测、在线商务交易。附图说明利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本专利技术的结构连接示意图；附图标记：社区信息讨论系统1、社区信息发布系统3、社区电子商务系统3、用户信息接收端4。具体实施方式结合以下实施例对本专利技术作进一步描述。参见图1，本实施例的一体化社区服务平台，包括社区信息讨论系统1、社区信息发布系统2、社区电子商务系统3和用户信息接收端4，所述社区信息讨论系统1用于讨论社区事务，所述社区信息发布系统2用于发布信息，所述社区电子商务系统3为用户提供网购服务，所述用户信息接收端4用于接收信息，所述社区信息讨论系统1、社区信息发布系统2和社区电子商务系统3与用户信息接收端4网络连接。本实施例实现了网络社区内用户关注预测、信息推送、商业热点预测、在线商务交易。优选的，所述用户信息接收端4包括PC终端、移动设备终端、微信客户端，所述PC终端、移动设备终端、微信客户端通过网络访问社区信息讨论系统1、社区信息发布系统2和社区电子商务系统3，完成信息讨论、信息发布、产品发布、在线购物、信息查询。本优选实施例用户能够更方便地完成信息讨论、信息发布、产品发布、在线购物、信息查询。优选的，所述社区电子商务系统3包括产品分类子系统，能够为用户提供产品分类信息，所述产品分类子系统包括第一分类模块、第二分类模块和融合分类模块，所述第一分类模块基于产品图像信息对产品进行分类，所述第二分类模块基于产品文本信息对产品进行分类，所述融合分类模块对所述第一分类模块和第二分类模块分类结果进行融合，输出产品类别。产品第一分类模块通过以下方式获取产品图像的分类结果：A、首先对要分类的产品图像进行去噪处理，采用以下方式进行：a、光照归一化处理要分类的产品图像：将要分类的产品图像P转换到对数域，利用差分高斯滤波器对要分类的产品图像P进行平滑处理，然后对要分类的产品图像P进行全局对比度均衡化处理；b、对要分类的产品图像P以滑动窗口方式按照预先设定的滑动距离进行块划分；c、提取得到的图像块中的每一块的纹理特征，采用K-means聚类方法基于提取的纹理特征对图像块进行聚类，获得多个图像块组，利用多线性子空间学习滤波器对图像块组进行初次去噪；采用改进的自适应字典学习去噪方法对初次去噪后的要分类的产品图像进行二次去噪；所述k-means聚类方法具体描述如下：步骤1：随机选取k个聚类质心点为μ1,μ2,…,μk，步骤2：对于每个样本例i，计算其应该属于的类，对于每一个类j，重新计算该类的质心，步骤3：重复步骤2，直到收敛；B、然后将第j类产品图像的训练样本集表示为Fj＝[fj,1,fj,2,…,fj,n]，此时，所有类别的训练样本集F＝[F1,F2,…,FN]构成过完备字典，其中，N表示产品类别数，对于未知类别测试样本t，可表示为F的线性组合：t＝Fa,所述式子里，a为稀疏的系数向量，用稀疏编码算法求得稀疏表示a；定义函数ρj(a)，该函数将稀疏表示a中不属于第j类的分量置0，则测试样本所属类别可表示为：jbe＝argminjCSj，所述式子里，jbe表示测试样本t所属类别，Fρj(a)表示测试样本第j类的重构图像，||t-Fρj(a)||2表示原始图像和第j类重构图像的重构残差；定义第一分类得分为：所述式子里，表示产品属于第j类的第一分类得分，1≤j,k≤N。本优选实施例社区电子商务系统对要分类的产品图像进行多次去噪处理，获得了较好的去噪效果，并且适用于多维的产品图像；在对产品图像进行块划分之前先进行光照归一化处理，有利于后续图像块特征的提取，从而提高聚类的精度，进而提高去噪的精度；社区电子商务系统通过上述方式确定图像分类结果，提高了图像分类准确度，为进一步进行产品分类信息融合打下了基础。优选地，所述采用改进的自适应字典学习去噪方法对初次去噪后的要分类的产品图像进行二次去噪，采用以下方式实现：A、初次去噪后的图像块进行重排列形成列向量矩阵，并对列向量矩阵进行降维，最终形成样本块集合{P}；对该样本块集合进行自适应字典训练，得到自适应学习字典D；B、对该要分类的产品图像P按照另一设定的滑动距离再次进行滑动窗口的块划分，对得到的图像块进行重排列形成列向量矩阵，并对列向量矩阵进行降维，最终形成输入图像块集合{P′}；C、求解输入图像块集合{P′}中每一列向量在自适应学习字典上的稀疏表示稀疏μ，并按照下式计算输出图像块y(P)：y(P)＝Dμ；D、将输出图像块进行融合处理，得到预去噪图像y′(P)；E、对预去噪图像y′(P)进行低秩矩阵稀疏分解，得到低秩去噪分量DZ和稀疏含噪分量XS，对该低秩去噪分量DZ和稀疏含噪分量XS进行二次去噪处理，得到最终去噪图像：y″(P)＝DZ*XS′,所述式子里，XS′表示对稀疏含噪分量XS进行中值滤波后得到的稀疏去噪分量，*表示融合处理。所述产品第二分类模块用于获取产品文本的分类结果，具体为：设定训练文本集所述式子里，wi为已知类别文本，为文本类别，某产品待分类文本wt中包含不同的词wi，将文本表示为wt＝(w1,w2,…,wn)，n为文本中词的数量，统计wi在文本wt中出现的频次pi和在训练文本集文本中出现的最高频次计算相对词频将文本表示为对wt与W中文本wi的相似度进行计算，得到与wt最近似的l个wi，XS(wt,wi)＝ln(DT+1)，所述式子里，表示wt的第i个词wi的相对词频，表示wi的第i个词wi的相对词频；Wl表示个最近邻文本，计算Wl中各类别占比，占比最大的类别包含文本数为l1，作为wt的类别占比第二大的类别文本数目为l2；定义第二分类得分为：所述融合分类模块对第一分类模块和第二分类模块分类结果进行融合，输出产品类别，通过以下方式实现：本文档来自技高网...

【技术保护点】
一体化社区服务平台，其特征是：包括社区信息讨论系统、社区信息发布系统、社区电子商务系统和用户信息接收端，所述社区信息讨论系统用于讨论社区事务，所述社区信息发布系统用于发布信息，所述社区电子商务系统为用户提供网购服务，所述用户信息接收端用于接收信息，所述社区信息讨论系统、社区信息发布系统和社区电子商务系统与用户信息接收端网络连接。

【技术特征摘要】
1.一体化社区服务平台，其特征是：包括社区信息讨论系统、社区信息发布系统、社区电子商务系统和用户信息接收端，所述社区信息讨论系统用于讨论社区事务，所述社区信息发布系统用于发布信息，所述社区电子商务系统为用户提供网购服务，所述用户信息接收端用于接收信息，所述社区信息讨论系统、社区信息发布系统和社区电子商务系统与用户信息接收端网络连接。2.根据权利要求1所述的一体化社区服务平台，其特征是：所述用户信息接收端包括PC终端、移动设备终端、微信客户端，所述PC终端、移动设备终端、微信客户端通过网络访问社区信息讨论系统、社区信息发布系统和社区电子商务系统，完成信息讨论、信息发布、产品发布、在线购物、信息查询。3.根据权利要求1所述的一体化社区服务平台，其特征是：所述社区电子商务系统包括产品分类子系统，能够为用户提供产品分类信息，所述产品分类子系统包括第一分类模块、第二分类模块和融合分类模块，所述第一分类模块基于产品图像信息对产品进行分类，所述第二分类模块基于产品文本信息对产品进行分类，所述融合分类模块对所述第一分类模块和第二分类模块分类结果进行融合，输出产品类别。4.根据权利要求3所述的一体化社区服务平台，其特征是：第一分类模块通过以下方式获取产品图像的分类结果：A、首先对要分类的产品图像进行去噪处理，采用以下方式进行：a、光照归一化处理要分类的产品图像：将要分类的产品图像P转换到对数域，利用差分高斯滤波器对要分类的产品图像P进行平滑处理，然后对要分类的产品图像P进行全局对比度均衡化处理；b、对要分类的产品图像P以滑动窗口方式按照预先设定的滑动距离进行块划分；c、提取得到的图像块中的每一块的纹理特征，采用K-means聚类方法基于提取的纹理特征对图像块进行聚类，获得多个图像块组，利用多线性子空间学习滤波器对图像块组进行初次去噪；采用改进的自适应字典学习去噪方法对初次去噪后的要分类的产品图像进行二次去噪；B、然后将第j类产品图像的训练样本集表示为Fj＝[fj,1,fj,2,…,fj,n]，此时，所有类别的训练样本集F＝[F1,F2,…,FN]构成过完备字典，其中，N表示产品类别数，对于未知类别测试样本t，可表示为F的线性组合：t＝Fa,所述式子里，a为稀疏的系数向量，用稀疏编码算法求得稀疏表示a；定义函数ρj(a)，该函数将稀疏表示a中不属于第j类的分量置0，则测试样本所属类别可表示为：所述式子里，jbe表示测试样本t所属类别，Fρj(a)表示测试样本第j类的重构图像，||t-Fρj(a)||2表示原始图像和第j类重构图像的重构残差；定义第一分类得分为：所述式子里，表示产品属于第j类的第一分类得分，1≤j,k≤N。5.根据权利要求4所述的一体化社区服务平台，其特征是：所述采用改进的自适应字典学习去噪方法对初次去噪后的要分类的产品图像进行二次去噪，采用以下方式实现：A、...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：深圳大图科创技术开发有限公司，
类型：发明
国别省市：广东,44