一种公益活动信息精准推送方法技术

本发明专利技术涉及信息推送领域，特别涉及一种公益活动信息精准推送方法，包括服务器单元

【技术实现步骤摘要】
一种公益活动信息精准推送方法


[0001]本专利技术涉及信息推送领域，特别涉及一种公益活动信息精准推送方法
。

技术介绍

[0002]推送技术是指通过客户端与服务器端建立长链接，客户端可以接收由服务器端不定时发送的消息，在公益活动信息的推送中，通常会涉及到不同活动的推送匹配，以应对志愿者的不同兴趣和和能力，如专利号为
CN115687775A
的推送方法，即揭示了对于信息推送的重要程度
。
[0003]然而现有技术中，通常会依赖于算法体系下对于权值的依赖，特别是对已参加公益活动的志愿者的深度算法进行计算，但更多的志愿者主要还是停留在对信息层面的获取阶段中，且所推送的信息也无法详细到志愿者所了解的程度，例如公益活动中是否需要社交或是否需要特殊技能等情况，从而不能够产生更为精准的信息推送，导致活动中志愿者人数匮乏的现象
。

技术实现思路

[0004]本专利技术要解决的技术问题是克服现有技术的缺陷，提供一种公益活动信息精准推送方法
。
[0005]为了解决上述技术问题，本专利技术提供了如下的技术方案：
[0006]本专利技术一种公益活动信息精准推送方法，包括服务器单元
、
活动记录单元
、
身份验证单元
、
活动分类单元和推送单元，具体步骤如下：
[0007](1)
数据采集，服务器单元通过
ETL
定时对数据采集，包含有对目标设备数据的采集，并通过数据管理接口输出至服务器单元下的数据仓库中；
[0008](2)
数据解析，根据活动记录单元验证登陆人的信息，基于身份验证单元匹配至设备数据，在注意力分析的基础下对用户的公益活动信息趋势预测，并集中归类；
[0009](3)
公益信息推送，在服务器单元下基于
LDA
分类算法对不同的活动形成人数
、
规模和室内外信息的分类处理，通过推送单元向用户精准推送
。
[0010]作为本专利技术的一种优选技术方案，步骤
(1)
中，建立数据仓库的过程中，通过
ETL
工具有效的将数据捕获
、
清洗
、
转换与上载，主要从活动记录单元和身份验证单元采集用户登录后的数据
。
[0011]作为本专利技术的一种优选技术方案，步骤
(2)
中，建立
LSTM
神经网络模型，主要通过三个门控制对历史信息的更新和利用，输入门控制读取新信息，遗忘门控制丢弃信息，输出门控制输出信息，
LSTM
模型通过对用户
30
天内的公益活动关注度循环解析，历史数据据为
L
＝
{d1，
d2，
……
，
d
30
}
，预测出用户关注度的7日内稳定性
、
深度
、
广度和信息层面序列
P
＝
{x1，
x2，
……
，
x7}。
[0012]作为本专利技术的一种优选技术方案，所述
LSTM
神经网络模型通过傅里叶变换构建蝶形运算误差模型，配合平均绝对误差阈值
Filter
形成交叉验证，在得到误差外的数据并得
到
Filter
的离散度验证后，得出该用户的行为波动值
。
[0013]作为本专利技术的一种优选技术方案，在步骤
(3)
中，将异常用户和正常用户建立权值体系，按照7日内的异常天数
A
，7日内稳定性的时常
B
，信息停留和信息确认深度
C
，以及边缘信息的广度
D
作为基础，按照
S
＝
(A*n/B+C*n/D)
，其中
n
为用户上一次参加公益活动的积极度和参与度，按照人数排列分值，未参加公益的用户基础权值为1，并另外分类排列，并最终按照分值的排列推送对应梯段信息
。
[0014]与现有技术相比，本专利技术的有益效果如下：
[0015]本专利技术通过设置多层交叉验证以及对公益信息和志愿者的分类，形成阶段的信息分类，从而将不同的讯息推送至不同的志愿者，特别是对还未参加公益活动且有一定兴趣的用户进行精准信息推送，从而达到增加公益志愿者以及公益信息的反馈等效果
。
附图说明
[0016]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制
。
在附图中：
[0017]图1是本专利技术的整体系统示意图；
[0018]图2是本专利技术的服务器单元示意图；
[0019]图3是本专利技术的信息流程示意图；
[0020]图4是本专利技术的信息采集模块示意图
。
具体实施方式
[0021]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术
。
[0022]实施例1[0023]如图1‑4所示，本专利技术提供一种公益活动信息精准推送方法，包括服务器单元
、
活动记录单元
、
身份验证单元
、
活动分类单元和推送单元，具体步骤如下：
[0024](1)
数据采集，服务器单元通过
ETL
定时对数据采集，包含有对目标设备数据的采集，并通过数据管理接口输出至服务器单元下的数据仓库中；
[0025](2)
数据解析，根据活动记录单元验证登陆人的信息，基于身份验证单元匹配至设备数据，在注意力分析的基础下对用户的公益活动信息趋势预测，并集中归类；
[0026](3)
公益信息推送，在服务器单元下基于
LDA
分类算法对不同的活动形成人数
、
规模和室内外信息的分类处理，通过推送单元向用户精准推送
。
[0027]步骤
(1)
中，建立数据仓库的过程中，通过
ETL
工具有效的将数据捕获
、
清洗
、
转换与上载，主要从活动记录单元和身份验证单元采集用户登录后的数据
。
[0028]步骤
(2)
中，建立
LSTM
神经网络模型，主要通过三个门控制对历史信息的更新和利用，输入门控制读取新信息，遗忘门控制丢弃信息，输出门控制输出信息，
LSTM
模型通过对用户
30
天内的公益活动关注度循环解析，历史数据据为
L
＝
{d1，
d2，
……
，
d
30本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种公益活动信息精准推送方法，其特征在于，包括服务器单元
、
活动记录单元
、
身份验证单元
、
活动分类单元和推送单元，具体步骤如下：
(1)
数据采集，服务器单元通过
ETL
定时对数据采集，包含有对目标设备数据的采集，并通过数据管理接口输出至服务器单元下的数据仓库中；
(2)
数据解析，根据活动记录单元验证登陆人的信息，基于身份验证单元匹配至设备数据，在注意力分析的基础下对用户的公益活动信息趋势预测，并集中归类；
(3)
公益信息推送，在服务器单元下基于
LDA
分类算法对不同的活动形成人数
、
规模和室内外信息的分类处理，通过推送单元向用户精准推送
。2.
根据权利要求1所述的一种公益活动信息精准推送方法，其特征在于，步骤
(1)
中，建立数据仓库的过程中，通过
ETL
工具有效的将数据捕获
、
清洗
、
转换与上载，主要从活动记录单元和身份验证单元采集用户登录后的数据
。3.
根据权利要求1所述的一种公益活动信息精准推送方法，其特征在于，步骤
(2)
中，建立
LSTM
神经网络模型，主要通过三个门控制对历史信息的更新和利用，输入门控制读取新信息，遗忘门控制丢弃信息，输出门控制输出信息，
LSTM
模型通过对用户
3...

【专利技术属性】
技术研发人员：刘群，周其升，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：