自动更新用户租金档次的方法、设备及存储介质技术

本发明专利技术的一种自动更新用户租金档次的方法、设备及存储介质，其方法包括以下步骤，通过门禁，摄像头，外部文件系统的输入方式，采集到的信息与当前系统的人员信息做匹配；获取到人员的行为特征信息；然后将所述行为特征信息输入到训练模型之中，进行训练；通过训练最终针对每个人员的得到他的特征以及相似人员信息得到该人员的权重信息，通过比对标准库以及文件信息中的标签，得到权重信息；根据得到的权重信息，返回合适结果提供给系统进行自动的更新。本发明专利技术实现了租户的租金可以根据用户的输入信息及采集到的信息自动更新，使租金和租户的收入相匹配。降低人工维护成本以及提高工作效率。效率。效率。

【技术实现步骤摘要】
自动更新用户租金档次的方法、设备及存储介质


[0001]本专利技术涉及软件自动更新
，具体涉及一种自动更新用户租金档次的方法。

技术介绍

[0002]自动更新作为软件中一种经常提到的功能，其主要实现的方式是通过定时任务来实现。而实现定时任务的组件有很多，如：Timer，Quartz等。Timer是 JDK 1.3 开始就已经支持的一种定时任务的实现方式。Quartz是一个很火的开源任务调度框架，完全由Java写成。Quartz可以说是 Java 定时任务领域的老大哥或者说参考标准，其他的任务调度框架基本都是基于Quartz开发的，比如当当网的elastic
‑
job就是基于quartz二次开发之后的分布式调度解决方案。
[0003]由于定时任务都是通过提前预设好执行周期或是事件的触发来进行数据或者系统的更新，大多数都是基于本身的系统的能力来提供，只能通过本身的数据来进行分析，这样一来，一是增加了本身系统的功能，必须需要人员去做手动的更新关键数据的工作，否则无法进行更新；二是对本身系统的限制增加，如果需要采用多种纬度的数据，则需要增加原系统的预算以及计算逻辑，涉及到系统的二次更新。增加了系统复杂性升高了系统耦合度。

技术实现思路

[0004]本专利技术提出的一种自动更新用户租金档次的方法、设备及存储介质，可至少解决
技术介绍
中的技术问题之一。
[0005]为实现上述目的，本专利技术采用了以下技术方案：一种自动更新用户租金档次的方法，包括以下步骤，通过门禁，摄像头，外部文件系统的输入方式，采集到的信息与当前系统的人员信息做匹配；获取到人员的行为特征信息；然后将所述行为特征信息输入到训练模型之中，进行训练；通过训练最终针对每个人员的得到他的特征以及相似人员信息得到该人员的权重信息，通过比对标准库以及文件信息中的标签，得到权重信息；根据得到的权重信息，返回合适结果提供给系统进行自动的更新。
[0006]进一步地，训练模型步骤包括，第一步，对用户经常出现的时间标签用向量表示；第二步，对于同一个用户，利用其有效标签信息，对这些时间进行聚类；第三步，提取每个类别的主题，用这些主题来表示用户的兴趣；主题利用聚类方法对有效信息进行的聚类而产生的各个类。
[0007]进一步地，采用NEOREN聚类算法来对用户有效搜索进行聚类，具体算法步骤如下：（1）定义一个nn的矩阵；计算用户标准租金模板的相似度，矩阵是一个非对称矩
阵，对角线的值均为 1；如下所示：Ann=公式中 aij，如果 i>j,则表示从节点 i 到 j 之间的距离即相似度，即节点 i 指向节点 j；同理，如果结点 i 小于结点 j，则表示结点 j 指向节点 i；（2） 指定一个 k 值，这个 k 值表示与结点 i 最接近的 k 个节点，即相似度最大的 k 个节点；将这 k 个结点在矩阵中对应的元素的值赋值为 1，依次对每个结点进行同样的操作；（3）将矩阵 Ann 中的非对称元素设置为 0，即将矩阵 Ann 构造成一个对称矩阵；（4）利用矩阵的特征，计算那些结点之间是连通的，连通的结点就聚为一类，最后就得出所有结点聚成的类。
[0008]进一步地，还包括文本相似度采用余弦相似度的方法来判断文档之间的相似度；每篇文档都表示成向量空间模型，如 D={<t1,w1>,<t2,w2>,
…
,<tn,wn>},ti 表示文档分词，wi 表示分词的权重，i=1,2，
…
，n，权重采用 tf*idf 进行计算。
[0009]进一步地，还包括对用户访问的有效选择的进行聚类之后，从每个类别中提取特征词来表征用户行为模型；确定模型后，使用算法确定数据的返回；具体步骤如下：（1）确定用户有效标签的数据，即确定用户最匹配的标签信息；（2）利用用户有效使用信息进行聚类、加入信息增益，提取用户特征向量；（3）利用提取的特征向量构建用户行为模型，根据特征词权重提取前100个特征词作构建空间向量模型，以此来构建用户特征向量，保存；（4）将返回的前 50 个案例进行归一化处理，即每个案例除以 50 个案例权重的 总和，得出一个介于 0~1 之间的值用于进行重新排序；（5）假如加入某个时间信息归一化之后的权重为 Wi；用户对这个信息的兴趣度为 Di；则最终信息的权重为 W=aWi+bDi，这里 a 和 b 为权重因子，表示搜索引擎返回的权重和用户行为的权重分别所占的比例；利用最终结果用于最终返回的排序第一的数据。
[0010]又一方面，本专利技术还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
[0011]再一方面，本专利技术还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
[0012]由上述技术方案可知，本专利技术的自动更新用户租金档次的方法，首先集成了各种纬度的数据如：各种物联网设备的数据，第三方采集的数据，人工录入等；不再局限一种方式的同时，满足结构化和非结构化数据的处理；通过本专利技术的模型算法，统一输出的标准数据，可供其他任意系统的对接使用，降低系统耦合度。
[0013]总的来说，本专利技术实现了租户的租金可以根据用户的输入信息及采集到的信息自动更新，使租金和租户的收入相匹配；降低人工维护成本以及提高工作效率。
[0014]具体的说，本专利技术的优点一是有基础的匹配信号矩阵，可解释性强，而且卷积操作是保留次序信息的。
[0015]二是该技术运用了最新的技术框架进行开发，各项功能模块成熟、稳定且便于后期维护、升级；在实际应用中可以让租户收入与租金档次精准匹配，防止出现错误。
附图说明
[0016]图1为本专利技术流程框图；图2是本专利技术实施例权重排序示例图。
具体实施方式
[0017]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。
[0018]如图1所示，本实施例所述的自动更新用户租金档次的方法，包括通过门禁，摄像头，外部文件系统的输入等方式，采集到的信息与当前系统的人员信息做匹配；获取到人员的行为特征信息；然后将该信息进行收集到训练模型之中，进行训练；最终针对每个人员的得到他的特征以及相似人员信息得到该人员的权重信息，通过比对标准库以及文件信息中的标签；得到权重信息；根据权重信息，返回合适结果。如：人员A与人员B，有着相同的门禁记录信息，早出晚归时间基本一致；通过采集到摄像头信息数据都是相同的出行方式；在文件采集系统中，两人的其他指标信息（如：支付信息，网购习惯等）都是一致的；因此，作为相似参照同时匹配到标准参照指标中，可以返回权重最高的租金档次结果提供给系统进行自动的更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动更新用户租金档次的方法，其特征在于，包括以下步骤，通过门禁，摄像头，外部文件系统的输入方式，采集到的信息与当前系统的人员信息做匹配；获取到人员的行为特征信息；然后将所述行为特征信息输入到训练模型之中，进行训练；通过训练最终针对每个人员的得到他的特征以及相似人员信息得到该人员的权重信息，通过比对标准库以及文件信息中的标签，得到权重信息；根据得到的权重信息，返回合适结果提供给系统进行自动的更新。2.根据权利要求1所述的自动更新用户租金档次的方法，其特征在于：训练模型步骤包括，第一步，对用户经常出现的时间标签用向量表示；第二步，对于同一个用户，利用其有效标签信息，对这些时间进行聚类；第三步，提取每个类别的主题，用这些主题来表示用户的兴趣；主题利用聚类方法对有效信息进行的聚类而产生的各个类。3.根据权利要求2所述的自动更新用户租金档次的方法，其特征在于：采用NEOREN聚类算法来对用户有效搜索进行聚类，具体算法步骤如下：（1）定义一个nn的矩阵；计算用户标准租金模板的相似度，矩阵是一个非对称矩阵，对角线的值均为 1；如下所示：Ann=公式中 aij，如果 i>j,则表示从节点 i 到 j 之间的距离即相似度，即节点 i 指向节点 j；同理，如果结点 i 小于结点 j，则表示结点 j 指向节点 i；（2） 指定一个 k 值，这个 k 值表示与结点 i 最接近的 k 个节点，即相似度最大的 k 个节点；将这 k 个结点在矩阵中对应的元素的值赋值为 1，依次对每个结点进行同样的操作；（3）将矩阵 Ann 中的非对称元素设置为 0，即将矩阵 Ann 构造成一个对称矩阵；（4）利用矩阵的特征，计算那些结点之间是连通的，连通的结点就聚为一类，最后就得出所有结点聚成的类。4.根据权利要求3所述的自动更新用户租金档次的方法，其特征在于：还包括文本相似度采用余弦相似度的方法来判断...

【专利技术属性】
技术研发人员：卢鑫，周绪哲，
申请(专利权)人：武汉江汉城市科技发展有限公司，
类型：发明
国别省市：