体育活动的自动组局方法、系统、电子设备及存储介质技术方案

本申请提供了一种体育活动的自动组局方法，包括：基于组局决策向用户端发起组局邀请；监测基于所述组局邀请的组局任务是否成功；若所述组局任务成功，则对生成所述组局决策的组局模型评分值加1；若所述组局任务不成功，则对生成所述组局决策的组局模型评分值减1；基于组局模型的评分值高低对多个组局模型进行排序；将所述组局模型的评分值小于预设阈值的组局模型列为待优化模型；将所述组局模型的评分值大于等于所述预设阈值的组局模型列为可用模型，调用所述可用模型生成下一条组局决策。本申请提供的方法，并基于此提供的系统、电子设备和存储介质，可以将人工智能技术在智能体育的应用场景下发挥效能，提高体育场馆经营业绩。绩。绩。

【技术实现步骤摘要】
体育活动的自动组局方法、系统、电子设备及存储介质


[0001]本申请涉及体育活动智能化管理领域，具体而言，本申请涉及一种体育活动的自动组局方法、系统、电子设备及存储介质。

技术介绍

[0002]在科技爆发浪潮下，智慧体育的概念应运而生。所谓智慧体育，既是在传统的体育运动产业中将先进科技融入其中，实现管理、流程、运作方式的智能化。人工智能，作为前沿科技力量，在大数据计算分析上发挥着至关重要的作用。然而，如何将人工智能技术应用于体育场馆的日常经营管理，以提高体育场馆的经营业绩，作为人工智能技术在智慧体育中发挥效能的重要理论分支，一直被人们所思考，但尚未得到有效实现。

技术实现思路

[0003]基于此，本申请各实施例提供了一种体育活动的自动组局方法、系统、电子设备及存储介质，从而可以将人工智能技术在智能体育的应用场景下发挥效能，提高体育场馆经营业绩。所述技术方案如下：
[0004]根据本申请实施例的一个方面，提供了一种体育活动的自动组局方法，该方法包括：基于组局决策向用户端发起组局邀请；监测基于该组局邀请的组局任务是否成功；若该组局任务成功，则对生成该组局决策的组局模型评分值加1；若该组局任务不成功，则对生成该组局决策的组局模型评分值减1；基于组局模型的评分值高低对多个组局模型进行排序；将该组局模型的评分值小于预设阈值的组局模型列为待优化模型；将该组局模型的评分值大于等于该预设阈值的组局模型列为可用模型；调用该可用模型生成下一条组局决策。
[0005]在一示例性实施例中，该监测基于该组局邀请的组局任务是否成功，具体包括：监测该用户端是否基于该组局邀请，生成场地预约订单；若场地预约订单被生成，则判断为基于该组局邀请的组局任务成功；若场地预约订单没有被生成，则判断为基于该组局邀请的组局任务不成功。
[0006]在一示例性实施例中，该当该组局模型的评分值小于预设阈值时，该组局模型被列为待优化模型之后，还包括：通过泊松分布统计法，分析该待优化模型的概率分布；基于该待优化模型的概率分布，调整该待优化模型各输入要素的影响因子，形成优化后组局模型；将该优化后组局模型作为组局算法模型，通过重新训练，以获得该可用模型。
[0007]在一示例性实施例中，该输入要素包括用户数据及场馆数据，该组局决策生成方法，包括：对该用户数据进行数据治理，获得该用户对该体育活动消费习惯的训练集；对该场馆数据进行数据治理，获得该场馆数据训练集；将该用户数据训练集与该场馆数据训练集输入到该组局算法模型，对该组局算法模型进行训练，以得到训练好的该组局模型；基于该组局模型生成该组局决策。
[0008]在一示例性实施例中，将该用户数据训练集与该场馆数据训练集输入到该组局算
法模型，对该组局算法模型进行训练，以得到训练好的该组局模型，具体包括：基于模糊综合分析方法构造该初始化组局算法模型；配置该初始化组局算法模型的影响因子，其中，包括基于专家经验配置该初始化组局算法模型的各输入要素的影响因子；将该用户数据训练集与该场馆数据训练集输入到该组局算法模型，对该组局算法模型进行训练，以得到训练好的该组局模型。
[0009]在一示例性实施例中，该用户数据包括用户注册信息、用户消费习惯、用户人际关系的一种或多种；该场馆数据包括场馆的运营数据、环境数据、价格数据、优惠方案数据的一种或多种。
[0010]在一示例性实施例中，在基于组局模型的评分值高低顺序对多个组局模型进行排序之后，还包括：将评分值最高的该组局模型设置为默认组局模型；将评分值高于该预设阈值且非该默认组局模型的其他组局模型设置为策略组局模型；根据待发出组局邀请的用户端特征偏好，选择基于该默认组局模型生成组局决策或基于该策略组局模型生成该组局决策。
[0011]根据本申请实施例的一个方面，提供了一种体育活动的自动组局系统，包括：组局邀请发出模块，用于基于组局决策向用户端发起组局邀请；组局任务监测模块，用于监测基于该组局邀请的组局任务是否成功；若该组局任务成功，则对基于该组局决策的组局模型评分值加1；若该组局任务不成功，则对基于该组局决策的组局模型评分值减1；组局效果反馈模块，用于基于组局模型的评分值高低顺序对多个组局模型进行排序；将该组局模型的评分值小于等于预设阈值的组局模型列为待优化模型；将该组局模型的评分值大于该预设阈值的组局模型列为可用模型；组局决策生成模块，用于优先调用该可用模型生成下一条组局决策。
[0012]根据本申请实施例的一个方面，提供了一种电子设备，包括：至少一个处理器、至少一个存储器、以及至少一条通信总线，其中，该存储器上存储有计算机程序，该处理器通过该通信总线读取该存储器中的该计算机程序；该计算机程序被该处理器执行时实现如上该的体育活动自动组局方法。
[0013]根据本申请实施例的一个方面，提供了一种存储介质，包括：其上存储有计算机程序，计算机程序被处理器执行时实现如上该的体育活动自动组局方法。
[0014]本申请提供的技术方案带来的有益效果是：
[0015]1、在上述技术方案中，通过分析促成组局的各要素，包括用户要素和场馆经营要素，将用户要素和场馆经营要素的历史数据，对组局算法模型进行训练，生成组局模型，并通过监测组局任务是否成功，作为组局模型表现的打分依据，对用户要素、场馆经营要素的组合生成多款组局模型进行打分，从而选出可用模型，为用户寻找合适的运动伙伴及合适的场馆，以促成场馆的场地预定。
[0016]2、通过基于待优化模型的概率分布，调整待优化模型各输入要素的影响因子，形成优化后组局模型；将优化后组局模型作为组局算法模型，通过重新训练，以获得可用模型。从而增加可用模型的数量，以适应多样化的偶发性条件促成的组局可能性。
[0017]3、通过在基于组局模型的评分值高低顺序对多个组局模型进行排序之后，将评分值最高的组局模型设置为默认组局模型；将评分值高于预设阈值且非默认组局模型的其他组局模型设置为策略组局模型；根据待发出组局邀请的用户端特征偏好，选择基于默认组
局模型生成组局决策或基于策略组局模型生成组局决策。首先，对所有可用模型进行有效管理，从而推选出最优组局模型作为默认组局模型，从而提高系统的泛化能力；此外通过每轮打分，对默认组局模型进行不断地迭代，以获得系统可持续地自我优化能力。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
[0019]图1是本申请所涉及的一种体育活动的自动组局方法的实施环境示意图；
[0020]图2是根据一示例性实施例示出的一种体育活动的自动组局方法流程图；
[0021]图3是根据一示例性实施例示出对待优化模型的重新进行训练以生成可用模型的方法流程图；
[0022]图4是根据一示例性实施例示出的组局决策生成方法流程图；
[0023]图5是根据一示例性实施例示出的利用模糊综合评价法构造该初始化组局算法模型，并基于该初始化组局算法模型生成组局模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.体育活动的自动组局方法，其特征在于，所述方法包括：基于组局决策向用户端发起组局邀请；监测基于所述组局邀请的组局任务是否成功；若所述组局任务成功，则对生成所述组局决策的组局模型评分值加1；若所述组局任务不成功，则对生成所述组局决策的组局模型评分值减1；基于组局模型的评分值高低对多个组局模型进行排序；将所述组局模型的评分值小于预设阈值的组局模型列为待优化模型；将所述组局模型的评分值大于等于所述预设阈值的组局模型列为可用模型；调用所述可用模型生成下一条组局决策。2.如权利要求1所述的方法，其特征在于，所述监测基于所述组局邀请的组局任务是否成功，具体包括：监测所述用户端是否基于所述组局邀请，生成场地预约订单；若场地预约订单被生成，则判断为基于所述组局邀请的组局任务成功；若场地预约订单没有被生成，则判断为基于所述组局邀请的组局任务不成功。3.如权利要求1所述的方法，其特征在于，所述当所述组局模型的评分值小于预设阈值时，所述组局模型被列为待优化模型之后，还包括：通过泊松分布统计法，分析所述待优化模型的概率分布；基于所述待优化模型的概率分布，调整所述待优化模型各输入要素的影响因子，形成优化后组局模型；将所述优化后组局模型作为组局算法模型，通过重新训练，以获得所述可用模型。4.如权利要求3所述的方法，其特征在于，其中，所述输入要素包括用户数据及场馆数据，所述组局决策生成方法，包括：对所述用户数据进行数据治理，获得所述用户对所述体育活动消费习惯的训练集；对所述场馆数据进行数据治理，获得所述场馆数据训练集；将所述用户数据训练集与所述场馆数据训练集输入到所述组局算法模型，对所述组局算法模型进行训练，以得到训练好的所述组局模型；基于所述组局模型生成所述组局决策。5.如权利要求4所述的方法，其特征在于，所述将所述用户数据训练集与所述场馆数据训练集输入到所述组局算法模型，对所述组局算法模型进行训练，以得到训练好的所述组局模型，具体包括：基于模糊综合分析方法构造所述初始化组局算法模型；配置所述初始化组局算法模型的影响因子...

【专利技术属性】
技术研发人员：许阿义，
申请(专利权)人：厦门钛尚人工智能科技有限公司，
类型：发明
国别省市：