【技术实现步骤摘要】
一种移动消费群组识别的系统及方法
本专利技术属于手机传感器技术与线下移动购物的结合
,涉及一种移动消费群组识别的系统及方法,具体涉及一种基于安卓手机传感器的移动消费群组识别系统及方法。技术背景移动群组消费是指一群人,例如家人,伴侣,同事朋友等,基于移动设备交流而进行的群组性消费活动。群组性消费在生活中并不少见譬如大学生社团班级朋友聚餐、情侣闺蜜逛街、家长孩子出游等。据调查,当人在公共场合时,百分之七十的时间是和其他人一起的,也就是说大部分情况下他们是进行的群组性消费。当前应用市场上比较受欢迎的几个团购软件,美团,百度糯米,大众点评等,这些软件的主要功能是为用户提供全国各地众多商家的团购促销信息,用户通过浏览和搜索得到自己想要的团购等。但是这往往比较耗时,虽然它们会主动向顾客推送促销信息,但是这种推送并不带有针对性,所有使用该应用的用户都会收到宣传。另外一个由阿里巴巴公司推出的“喵街”应用,“喵街”与以上应用的区别在于它是面向商场的,能够向用户提供商场内优惠打折和新品信息。虽然“喵街”相对普通的团购软件增加了即时性功能,但是并没有考虑到群组性消费这一概念。“喵街”将用户看成是单独的个体,当面向的是群体性消费的时候,我们需要结合群组信息来推送有针对性的宣传促销信息。对移动消费群组进行有针对性的宣传促销信息推送,首先需要识别商场内的移动群组。目前室内群组识别的方法主要通过群组对象在物理位置上的一致性进行判断,位置信息主要通过手机GPS、无线定位或者视频信息来获得。采用GPS、无线定位或者视频信息来获得移动对象的位置都有一定的局限性。首先GPS定位在室外 ...
【技术保护点】
一种移动消费群组识别的系统,其特征在于:包括手机客户端和后台服务器,以及所述手机客户端与后台服务器交换数据的网络;所述手机客户端用于获取手机内置加速度传感器的数据,并将获取到的加速度传感器数据传入所述后台服务器;所述后台服务器用于将加速度传感器数据进行滑动窗口的处理,提取每个窗口的特征值,依据已有的训练集,根据未知行为序列的加速度特征值用机器学习分类模型来预测移动对象的行为序列,然后比较不同对象交互行为序列的差异值来判断对象之间的关联,进而得到移动对象的群组划分,并将群组划分情况反馈到所述手机客户端。
【技术特征摘要】
1.一种移动消费群组识别的系统,其特征在于:包括手机客户端和后台服务器,以及所述手机客户端与后台服务器交换数据的网络;所述手机客户端用于获取手机内置加速度传感器的数据,并将获取到的加速度传感器数据传入所述后台服务器;所述后台服务器用于将加速度传感器数据进行滑动窗口的处理,提取每个窗口的特征值,依据已有的训练集,根据未知行为序列的加速度特征值用机器学习分类模型来预测移动对象的行为序列,然后比较不同对象交互行为序列的差异值来判断对象之间的关联,进而得到移动对象的群组划分,并将群组划分情况反馈到所述手机客户端。2.根据权利要求1所述的移动消费群组识别的系统,其特征在于:所述手机客户端的无线ID为手机用户在系统中的唯一标识。3.一种移动消费群组识别的方法,其特征在于,包括以下步骤:步骤1:构建后台机器学习分类模型的训练集数据库;步骤2:移动消费群组加速度数据采集;步骤3:群组识别与结果反馈。4.根据权利要求3所述的移动消费群组识别的方法,其特征在于,步骤1的具体实现过程是:设置手机的采样频率为SENSOR_RATE_NORMAL,采集预定义的交互行为动作,记录相应的时间,通过滑动窗口提取特征值;选择机器学习中的分类模型对带标记的行为序列与对应的加速度特征值进行训练,获得后台机器学习分类模型的训练集数据库。5.根据权利要求4所述的移动消费群组识别的方法,其特征在于:所述通过滑动窗口提取特征值,选取的滑动窗口大小为2S,相邻窗口重叠半个窗口大小;特征值选择加速度X、Y、Z轴和三轴合成加速度数据,每个轴上选择的特征值分别为时域上的最大值、最小值、平均值、标准差;通过对时域上的数据进行快速傅里叶变换得到频域上数据,频域上选择平均值、标准差、偏度和峰度,即在一个时间窗口选取的特征值有八个,一共是32个特征值;设置手机的采样频率为SENSOR_RATE_NORMAL,采集预定义的交互行为动作,记录相应的时间,通过滑动窗口提取特征值,我们选取滑动窗口的大小为2S,相邻窗口重叠半个窗口大小;特征值选择加速度X、Y、Z轴和三轴合成加速度数据,每个轴上选择的特征值分别为时域上的最大值、最小值、平均值、标准差;通过对时域上的数据进行快速傅里叶变换得到频域上数据,频域上选择平均值、标准差、偏度和峰度,即在一个时间窗口选取的特征...
【专利技术属性】
技术研发人员:朱卫平,陈娇娇,许琳,张泽宇,杨耀航,
申请(专利权)人:武汉大学,
类型:发明
国别省市:湖北,42
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。