CN116308650B - 基于人工智能的智慧社区商品大数据沉浸式团购系统 - Google Patents
基于人工智能的智慧社区商品大数据沉浸式团购系统 Download PDFInfo
- Publication number
- CN116308650B CN116308650B CN202310236228.XA CN202310236228A CN116308650B CN 116308650 B CN116308650 B CN 116308650B CN 202310236228 A CN202310236228 A CN 202310236228A CN 116308650 B CN116308650 B CN 116308650B
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- information
- module
- vertex
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 15
- 238000007654 immersion Methods 0.000 title claims description 6
- 238000004891 communication Methods 0.000 claims abstract description 21
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 230000000007 visual effect Effects 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 28
- 238000005516 engineering process Methods 0.000 claims description 26
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 claims description 20
- 238000005562 fading Methods 0.000 claims description 19
- 239000011521 glass Substances 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 17
- VUFOSBDICLTFMS-UHFFFAOYSA-M ethyl-hexadecyl-dimethylazanium;bromide Chemical compound [Br-].CCCCCCCCCCCCCCCC[N+](C)(C)CC VUFOSBDICLTFMS-UHFFFAOYSA-M 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 10
- 241000700605 Viruses Species 0.000 claims description 8
- 239000000969 carrier Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000009877 rendering Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- ZXQYGBMAQZUVMI-GCMPRSNUSA-N gamma-cyhalothrin Chemical compound CC1(C)[C@@H](\C=C(/Cl)C(F)(F)F)[C@H]1C(=O)O[C@H](C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 ZXQYGBMAQZUVMI-GCMPRSNUSA-N 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1441—Countermeasures against malicious traffic
- H04L63/145—Countermeasures against malicious traffic the attack involving the propagation of malware through the network, e.g. viruses, trojans or worms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Virology (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于人工智能的智慧社区商品大数据沉浸式团购系统，包括注册模块、登录模块、商品信息录入模块、通信模块、视觉场景搭建模块、交互模块和交易模块，用户通过注册模块和登录模块完成个人的信息注册，通信模块用来连接用户和商品之间的信息互通，视觉场景搭建模块构建用户沉浸式购物体验环境、交互模块能够分析当前平台用户倾向的购买信息，分析出团购趋势，并实现用户与平台的交互，最终用户在交易模块完成商品的交易。本发明的有益效果：让用户在视觉上加强沉浸式购物的体验，并分析出当前时段用户的倾向商品，以完成量销量，稳固市场经济的流动。
Description
技术领域
本发明涉及智慧社区和大数据领域，具体地说，涉及基于人工智能的智慧社区商品大数据沉浸式团购系统。
背景技术
近年来，移动互联网在我国正处于快速发展阶段，移动互联网的发展影响着居民的生活方式和社区服务方式。社区服务离不开社区居民的生活。社区生活服务不仅可以实现居民之间的沟通，解决居民的生活需求，还可以提高居民的生活质量，为居民创造更好的社区环境。在我国，随着移动互联网的发展，通过手机、平板电脑等移动设备上网的网民数量已经远远超过了使用计算机端上网的网民数量。服务业的发展和移动互联网技术的革新正在颠覆原有用户的生活习惯和传统思维模式。我国生活服务业的发展前景具有促进我国经济发展方式转变的作用，并发挥促进消费、增加就业、优化经济结构等作用。随着居民收入的增加，消费结构在发展升级，居民对生活服务业的消费需求也在不断增长。然而生活服务业的行业特点是：规模小、集中度低、市场秩序相对混乱，由于这些特点的影响，我国生活服务体系的发展和行业的标准化都比较薄弱；因此物联网与智慧社区相结合发展，智慧购物作为一种新的网络购物理念，是智慧城市的重要组成部分，是与移动互联网技术相结合的网络购物平台管理创新模式。智慧购物在移动互联网等基础网络发展的基础上，进一步运用物联网和云计算等信息技术和技术手段，从而创造出更加安全、舒适、便捷的智能购物服务模式。随着科学技术的飞速发展，物联网时代已经到来。物联网技术在信息和产业建设中不断应用，物联网也在改变着人们的日常生活，智能购物技术将迅速而又悄无声息地渗透到我们生活的方方面面。
发明内容
本发明的目的在于提供基于人工智能的智慧社区商品大数据沉浸式团购系统，以解决上述背景技术中提出的问题。
为实现上述目的，提供了基于人工智能的智慧社区商品大数据沉浸式团购系统，包括注册模块、登录模块、商品信息录入模块、通信模块、视觉场景搭建模块、交互模块和交易模块，其中，注册模块用来完成用户信息的注册，该用户的注册信息必须是实名制的，以防止网络恶意病毒、木马、爬虫的高频侵入攻击，在用户戴上VR眼镜进入购物平台后，平台会调用用户VR眼镜摄像头，并向用户发出许可，如果用户不同意，则退出该购物平台，如果用户同意，采用虹膜识别技术完成用户虹膜特征的提取，并与用户的信息进行绑定；所述登录模块，是指在用户完成个人信息注册后，以用户自身身份登录该平台的方式，用户带上VR眼镜后，可直接采用虹膜识别的方式进行登录；该购物平台的商品都有其各自的特征属性，通过商品信息录入模块将商品信息录入到数据库中进行存储，采用了区块链分布存储的方式，将商品按类的方式分布存储到周边临近节点进行存储，以克服中心化存储载荷压力大、计算效率低、时延高、易篡改的问题，通过通信模块，将商品按商品的信息“摆放”到商品架，并将用户“带领”至目标购物平台，一旦用户选择了目标购物平台后，视觉场景搭建模块开始工作，通过周边临近节点的算力部署，能够实现用户沉浸式体验、低时延、高质量的服务，所述交互模块能够分析当前平台用户倾向的购买信息，分析出当前时段用户的倾向商品分析出团购趋势，并且能够实现P2E(Person to End)的互动方式，最后用户在交易模块完成商品的最终交易。
进一步的，所述注册模块用来完成用户信息的注册，该用户的注册信息必须是实名制的，以防止网络恶意病毒、木马、爬虫的高频侵入攻击，注册信息包括用户的姓名、身份证号、手机号、用户名和登录密码，在用户戴上VR眼镜进入购物平台后，平台会调用用户VR眼镜摄像头，并向用户发出许可，如果用户不同意，则退出该购物平台，如果用户同意，采用虹膜识别技术完成用户虹膜特征的提取，并与用户的注册信息进行绑定。
进一步的，所述登录模块，是指在用户完成个人信息注册后，以用户自身身份登录该平台的方式，用户可以根据已注册的注册信息，通过用户名和登录密码的方式完成平台的登录，也可以在用户带上VR眼镜后，直接采用虹膜识别的方式进行登录。
进一步的，所述商品信息录入模块将商品信息录入到数据库中进行存储，商品信息包括商品的名称、出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号，其中，商品的名称采用了字母和数字进行编辑，以方便数据库的存储，避免数据库识别不出中文字符的问题，出厂号指商品的出厂日期，采用八位的格式进行存储，如：YYYYMMDD，其中，Y表示四位的年，M表示两位的月，D表示两位的天，有效日期为商品的保质期，超过保质期限的商品将自动下架购物平台，商品的进价金额是购物平台采购该商品时所花费的金额，随着时间和市场政策变换具有动态性，商品售价是购物平台将该商品挂到商品架上时的售价，随着时间和市场政策变换具有动态性，唯一序列号是该商品的防伪标签，保证商品的信息不被网络恶意病毒、木马、爬虫复制、篡改、监视，利用SHA 256算法对每一个商品的信息进行记录，并生成唯一的256位的序列号，同时采用区块链分布存储的方式，将商品按类的方式分布存储到周边临近节点进行存储，以克服中心化存储载荷压力大、计算效率低、时延高、易篡改的问题。
进一步的，所述商品信息录入模块采用谱聚类算法对商品进行聚类，利用谱聚类的方法，将商品的信息依据特征进行切分，完成数据聚类，假设有m个商品的信息记为X＝{x1，x2，…，xm}，其中，x1表示第1个商品的信息，x2表示第2个商品的信息，xm表示第m个商品的信息，而每一个商品的信息包含：商品的名称、出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号，其中可以量化的5种商品的信息为：出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号，那么5种商品信息的全矩阵记为 构建数据相似图G，记为G＝(V，E)，其中/> 表示顶点，v11表示第1个商品的出厂号所对应的顶点，v12表示第1个商品的有效日期所对应的顶点，v13表示第1个商品的商品进价金额所对应的顶点，v14表示第1个商品的商品售价所对应的顶点，v15表示第1个商品的唯一序列号所对应的顶点，v21表示第2个商品的出厂号所对应的顶点，v22表示第2个商品的有效日期所对应的顶点，v23表示第2个商品的商品进价金额所对应的顶点，v24表示第2个商品的商品售价所对应的顶点，v25表示第2个商品的唯一序列号所对应的顶点，vm1表示第m个商品的出厂号所对应的顶点，vm2表示第m个商品的有效日期所对应的顶点，vm3表示第m个商品的商品进价金额所对应的顶点，vm4表示第m个商品的商品售价所对应的顶点，vm5表示第m个商品的唯一序列号所对应的顶点，E表示边的集合，定义权值wABCD表示顶点AB到顶点CD的权值，其中，B＝D＝{1，2，3，4，5}，wABCD＞0，sABCD表示顶点AB与顶点CD的相似性，利用K邻近法衡量相似图，该方法取与顶点最近的K个顶点，该顶点与这K个顶点的权值都大于0，但这会导致最后所得的相似矩阵不一定是对称的，因为一个点vAB在另外一个点vCD的K个近邻中，并不能保证vCD也在vAB的K个近邻中，当两个顶点vAB与vCD只要其中一个点在另外一个点的K个近邻中，则令wABCD＝wCDAB，只有这两个顶点同时都不在任何一方的K个近邻中，则令wABCD＝wCDAB＝0，可得：
其中，knn(·)表示K近邻方法，当两个顶点vAB与vCD只同时在双方的K个近邻中，则令wABCD＝wCDAB，只要有一方不在另外一方的K个近邻中，则令wABCD＝wCDAB，得：
进一步的，构建三维非规范化的图拉普拉斯矩阵L，即L＝D-W，其中D为m个度构成的对角矩阵，即：
其中，D(1)表示由出厂号构成的对角矩阵，D(2)表示由有效日期构成的对角矩阵，D(3)表示由商品进价金额构成的对角矩阵，D(4)表示由商品售价构成的对角矩阵，D(5)表示由商品的唯一序列号构成的对角矩阵，d1为第一个度，d2为第2个度，dm为第m个度，右上角标分别代表出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号所对应的度，对于任意可量化的商品的信息，所有顶点之间的权值构成一个m×m×5的邻接矩阵，记为：
其中，w1111表示顶点v11到顶点v11的权值，w1112表示顶点v11到顶点v12的权值，…，wm51m表示顶点vm5到顶点v1m的权值，图拉普拉斯矩阵L是半正定对称矩阵，并且最小特征值为0，满足对于任意向量f，有：
其中，fT为向量f的转置，fAB为顶点vAB向量，fCD为顶点vCD向量，采用Ncut的切割方法对数据集进行切割，定义顶点vCD的指示向量hCD，有：
其中，Z为vj的子集集合，利用sort(hCD)，其中，sort()为正向排序函数，选出K个可行解域，完成商品信息的聚类。
进一步的，通信模块将商品按商品的信息“摆放”到商品架，并将用户“带领”至目标购物平台，采用OFDMA技术，将整个网购平台的频带分割成C个子载波，将频率选择性衰落信道转化为若干平坦衰落子信道，有效地抵抗无线移动环境中的频率选择性衰落。
进一步的，一旦用户选择了目标购物平台后，视觉场景搭建模块开始工作，其工作的内容包括：目标购物平台的信息筛选、数据库特征物提取、3D unity建模和3D渲染，通过周边临近节点的算力部署，能够实现用户沉浸式体验、低时延、高质量的服务。
进一步的，所述交互模块能够分析当前平台用户倾向的购买信息，分析出当前时段用户的倾向商品分析出团购趋势，并且能够实现P2E(Person to End)的互动方式。
进一步的，所述交易模块用于用户完成商品的最终交易。
本发明的有益效果：本发明旨在提出一种基于人工智能的智慧社区商品大数据沉浸式团购系统，结合物联网与智慧社区技术，为用户带来更多元、更数字化的购物体验，利用了OFDMA技术，在窄带带宽下购物平台也能够发出大量的数据，OFDMA技术能够持续不断地监控传输介质上通信特性的突然变化，由于通信路径传送数据的能力会随时间发生变化，所以OFDMA能动态地与之相适应，并且接通和切断相应的载波以保证持续地进行成功的通信；并且可以自动地检测到传输介质下哪一个特定的载波存在高的信号衰减或干扰脉冲，然后采取合适的调制措施来使指定频率下的载波进行成功通信；OFDMA技术特别适合使用在高层建筑物、居民密集和地理上突出的地方以及将信号散播的地区。高速的数据传播及数字语音广播都希望降低多径效应对信号的影响。OFDMA技术的最大优点是对抗频率选择性衰落或窄带干扰。在单载波系统中，单个衰落或干扰能够导致整个通信链路失败，但是在多载波系统中，仅仅有很小一部分载波会受到干扰。对这些子信道还可以采用纠错码来进行纠错，可以有效地对抗信号波形间的干扰，适用于多径环境和衰落信道中的高速数据传输。当信道中因为多径传输而出现频率选择性衰落时，只有落在频带凹陷处的子载波以及其携带的信息受影响，其他的子载波未受损害，因此系统总的误码率性能要好得多。通过各个子载波的联合编码，具有很强的抗衰落能力。OFDMA技术本身已经利用了信道的频率分集，如果衰落不是特别严重，就没有必要再加时域均衡器。通过将各个信道联合编码，则可以使系统性能得到提高。并且OFDMA技术抗窄带干扰性很强，因为这些干扰仅仅影响到很小一部分的子信道。结合谱聚类算法来降低整个购物平台的计算复杂度，谱聚类算法胜过传统的聚类算法，如K-means。它的主要思想是把所有数据看作空间中的点，这些点之间用带权重的边相连，距离较远的点之间的边权重较低，距离较近的点之间边权重较高，通过对所有数据点和边组成的图进行切图，让切图后不同子图间边权重和尽可能低，而子图内边权重和尽可能高来达到聚类的目的。使用了谱聚类方法，与传统的聚类方法相比，具有在任意形状的样本空间上聚类并且收敛于全局最优解的优点，通过对样本数据的图拉普拉斯矩阵的特征向量进行聚类，从而达到对样本数据进行聚类的目的，其本质是将聚类问题转换为图的最优划分问题，是一种点对聚类算法。根据网络实时性的商品售价预估商品的价格，以为用户推测出打折商品，方便用户团购，促进市场交易。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，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是本发明结构示意图。
具体实施方式
结合以下实例对本发明作进一步描述。
参见图1，本发明旨在提供基于人工智能的智慧社区商品大数据沉浸式团购系统，以解决上述背景技术中提出的问题。
为实现上述目的，提供了基于人工智能的智慧社区商品大数据沉浸式团购系统，包括注册模块、登录模块、商品信息录入模块、通信模块、视觉场景搭建模块、交互模块和交易模块，其中，注册模块用来完成用户信息的注册，该用户的注册信息必须是实名制的，以防止网络恶意病毒、木马、爬虫的高频侵入攻击，在用户戴上VR眼镜进入购物平台后，平台会调用用户VR眼镜摄像头，并向用户发出许可，如果用户不同意，则退出该购物平台，如果用户同意，采用虹膜识别技术完成用户虹膜特征的提取，并与用户的信息进行绑定；所述登录模块，是指在用户完成个人信息注册后，以用户自身身份登录该平台的方式，用户带上VR眼镜后，可直接采用虹膜识别的方式进行登录；该购物平台的商品都有其各自的特征属性，通过商品信息录入模块将商品信息录入到数据库中进行存储，采用了区块链分布存储的方式，将商品按类的方式分布存储到周边临近节点进行存储，以克服中心化存储载荷压力大、计算效率低、时延高、易篡改的问题，通过通信模块，将商品按商品的信息“摆放”到商品架，并将用户“带领”至目标购物平台，一旦用户选择了目标购物平台后，视觉场景搭建模块开始工作，通过周边临近节点的算力部署，能够实现用户沉浸式体验、低时延、高质量的服务，所述交互模块能够分析当前平台用户倾向的购买信息，分析出当前时段用户的倾向商品分析出团购趋势，并且能够实现P2E(Person to End)的互动方式，最后用户在交易模块完成商品的最终交易。
具体的，视觉场景搭建模块工作的内容包括：目标购物平台的信息筛选、数据库特征物提取、3D unity建模和3D渲染。
具体的，所述注册模块用来完成用户信息的注册，该用户的注册信息必须是实名制的，以防止网络恶意病毒、木马、爬虫的高频侵入攻击，注册信息包括用户的姓名、身份证号、手机号、用户名和登录密码，在用户戴上VR眼镜进入购物平台后，平台会调用用户VR眼镜摄像头，并向用户发出许可，如果用户不同意，则退出该购物平台，如果用户同意，采用虹膜识别技术完成用户虹膜特征的提取，并与用户的注册信息进行绑定。
具体的，所述登录模块，是指在用户完成个人信息注册后，以用户自身身份登录该平台的方式，用户可以根据已注册的注册信息，通过用户名和登录密码的方式完成平台的登录，也可以在用户带上VR眼镜后，直接采用虹膜识别的方式进行登录。
具体的，所述商品信息录入模块将商品信息录入到数据库中进行存储，商品信息包括商品的名称、出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号，其中，商品的名称采用了字母和数字进行编辑，以方便数据库的存储，避免数据库识别不出中文字符的问题，出厂号指商品的出厂日期，采用八位的格式进行存储，如：YYYYMMDD，其中，Y表示四位的年，M表示两位的月，D表示两位的天，有效日期为商品的保质期，超过保质期限的商品将自动下架购物平台，商品的进价金额是购物平台采购该商品时所花费的金额，随着时间和市场政策变换具有动态性，商品售价是购物平台将该商品挂到商品架上时的售价，随着时间和市场政策变换具有动态性，唯一序列号是该商品的防伪标签，保证商品的信息不被网络恶意病毒、木马、爬虫复制、篡改、监视，利用SHA_256算法对每一个商品的信息进行记录，并生成唯一的256位的序列号，同时采用区块链分布存储的方式，将商品按类的方式分布存储到周边临近节点进行存储，以克服中心化存储载荷压力大、计算效率低、时延高、易篡改的问题。
优选的，所述商品信息录入模块采用谱聚类算法对商品进行聚类，利用谱聚类的方法，将商品的信息依据特征进行切分，完成数据聚类，假设有m个商品的信息记为X＝{x1，x2，…，xm}，其中，x1表示第1个商品的信息，x2表示第2个商品的信息，xm表示第m个商品的信息，而每一个商品的信息包含：商品的名称、出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号，其中可以量化的5种商品的信息为：出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号，那么5种商品信息的全矩阵记为构建数据相似图G，记为G＝(V，E)，其中/>表示顶点，v11表示第1个商品的出厂号所对应的顶点，v12表示第1个商品的有效日期所对应的顶点，v13表示第1个商品的商品进价金额所对应的顶点，v14表示第1个商品的商品售价所对应的顶点，v15表示第1个商品的唯一序列号所对应的顶点，v21表示第2个商品的出厂号所对应的顶点，v22表示第2个商品的有效日期所对应的顶点，v23表示第2个商品的商品进价金额所对应的顶点，v24表示第2个商品的商品售价所对应的顶点，v25表示第2个商品的唯一序列号所对应的顶点，vm1表示第m个商品的出厂号所对应的顶点，vm2表示第m个商品的有效日期所对应的顶点，vm3表示第m个商品的商品进价金额所对应的顶点，vm4表示第m个商品的商品售价所对应的顶点，vm5表示第m个商品的唯一序列号所对应的顶点，E表示边的集合，定义权值wABCD表示顶点AB到顶点CD的权值，其中，B＝D＝{1，2，3，4，5}，wABCD＞0，sABCD表示顶点AB与顶点CD的相似性，利用K邻近法衡量相似图，该方法取与顶点最近的K个顶点，该顶点与这K个顶点的权值都大于0，但这会导致最后所得的相似矩阵不一定是对称的，因为一个点vAB在另外一个点vCD的K个近邻中，并不能保证vCD也在vAB的K个近邻中，当两个顶点vAB与vCD只要其中一个点在另外一个点的K个近邻中，则令wABCD＝wCDAB，只有这两个顶点同时都不在任何一方的K个近邻中，则令wABCD＝wCDAB＝0，可得：
其中，knn(·)表示K近邻方法，当两个顶点vAB与vCD只同时在双方的K个近邻中，则令wABCD＝wCDAB，只要有一方不在另外一方的K个近邻中，则令wABCD＝wCDAB，得：
具体的，构建三维非规范化的图拉普拉斯矩阵L，即L＝D-W，其中D为m个度构成的对角矩阵，即：
其中，D(1)表示由出厂号构成的对角矩阵，D(2)表示由有效日期构成的对角矩阵，D(3)表示由商品进价金额构成的对角矩阵，D(4)表示由商品售价构成的对角矩阵，D(5)表示由商品的唯一序列号构成的对角矩阵，d1为第一个度，d2为第2个度，dm为第m个度，右上角标分别代表出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号所对应的度，对于任意可量化的商品的信息，所有顶点之间的权值构成一个m×m×5的邻接矩阵，记为：
其中，w1111表示顶点v11到顶点v11的权值，w1112表示顶点v11到顶点v12的权值，…，wm51m表示顶点vm5到顶点v1m的权值，图拉普拉斯矩阵L是半正定对称矩阵，并且最小特征值为0，满足对于任意向量f，有：
其中，fT为向量f的转置，fAB为顶点vAB向量，fCD为顶点vCD向量，采用Ncut的切割方法对数据集进行切割，定义顶点vCD的指示向量hCD，有：
其中，Z为vj的子集集合，利用sort(hCD)，其中，sort()为正向排序函数，选出K个可行解域，完成商品信息的聚类。
具体的，通信模块将商品按商品的信息“摆放”到商品架，并将用户“带领”至目标购物平台，采用OFDMA技术，将整个网购平台的频带分割成C个子载波，将频率选择性衰落信道转化为若干平坦衰落子信道，有效地抵抗无线移动环境中的频率选择性衰落，由于C个子载波重叠占用频谱，用户间满足相互正交，克服了2个用户之间使用相同网购平台的通信干扰。
具体的，一旦用户选择了目标购物平台后，视觉场景搭建模块开始工作，其工作的内容包括：目标购物平台的信息筛选、数据库特征物提取、3D unity建模和3D渲染，通过周边临近节点的算力部署，能够实现用户沉浸式体验、低时延、高质量的服务。
具体的，所述交互模块能够分析当前平台用户倾向的购买信息，分析出当前时段用户的倾向商品分析出团购趋势，并且能够实现P2E(Person to End)的互动方式。
具体的，所述交易模块用于用户完成商品的最终交易。
本发明的有益效果：本发明旨在提出一种基于人工智能的智慧社区商品大数据沉浸式团购系统，结合物联网与智慧社区技术，为用户带来更多元、更数字化的购物体验，利用了OFDMA技术，在窄带带宽下购物平台也能够发出大量的数据，OFDMA技术能够持续不断地监控传输介质上通信特性的突然变化，由于通信路径传送数据的能力会随时间发生变化，所以OFDMA能动态地与之相适应，并且接通和切断相应的载波以保证持续地进行成功的通信；并且可以自动地检测到传输介质下哪一个特定的载波存在高的信号衰减或干扰脉冲，然后采取合适的调制措施来使指定频率下的载波进行成功通信；OFDMA技术特别适合使用在高层建筑物、居民密集和地理上突出的地方以及将信号散播的地区。高速的数据传播及数字语音广播都希望降低多径效应对信号的影响。OFDMA技术的最大优点是对抗频率选择性衰落或窄带干扰。在单载波系统中，单个衰落或干扰能够导致整个通信链路失败，但是在多载波系统中，仅仅有很小一部分载波会受到干扰。对这些子信道还可以采用纠错码来进行纠错，可以有效地对抗信号波形间的干扰，适用于多径环境和衰落信道中的高速数据传输。当信道中因为多径传输而出现频率选择性衰落时，只有落在频带凹陷处的子载波以及其携带的信息受影响，其他的子载波未受损害，因此系统总的误码率性能要好得多。通过各个子载波的联合编码，具有很强的抗衰落能力。OFDMA技术本身已经利用了信道的频率分集，如果衰落不是特别严重，就没有必要再加时域均衡器。通过将各个信道联合编码，则可以使系统性能得到提高。并且OFDMA技术抗窄带干扰性很强，因为这些干扰仅仅影响到很小一部分的子信道。结合谱聚类算法来降低整个购物平台的计算复杂度，谱聚类算法胜过传统的聚类算法，如K-means。它的主要思想是把所有数据看作空间中的点，这些点之间用带权重的边相连，距离较远的点之间的边权重较低，距离较近的点之间边权重较高，通过对所有数据点和边组成的图进行切图，让切图后不同子图间边权重和尽可能低，而子图内边权重和尽可能高来达到聚类的目的。使用了谱聚类方法，与传统的聚类方法相比，具有在任意形状的样本空间上聚类并且收敛于全局最优解的优点，通过对样本数据的图拉普拉斯矩阵的特征向量进行聚类，从而达到对样本数据进行聚类的目的，其本质是将聚类问题转换为图的最优划分问题，是一种点对聚类算法。根据网络实时性的商品售价预估商品的价格，以为用户推测出打折商品，方便用户团购，促进市场交易。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (6)
1.基于人工智能的智慧社区商品大数据沉浸式团购系统，其特征在于，包括注册模块、登录模块、商品信息录入模块、通信模块、视觉场景搭建模块、交互模块和交易模块；其中，注册模块用来完成用户信息的注册，该用户的注册信息必须是实名制的，在用户戴上VR眼镜进入购物平台后，平台会调用用户VR眼镜摄像头，并向用户发出许可，如果用户不同意，则退出该购物平台，如果用户同意，采用虹膜识别技术完成用户虹膜特征的提取，并与用户的信息进行绑定；所述登录模块，是指在用户完成个人信息注册后，以用户自身身份登录该平台的方式，用户带上VR眼镜后，可直接采用虹膜识别的方式进行登录；该购物平台的商品都有其各自的特征属性，通过商品信息录入模块将商品信息录入到数据库中进行存储，采用了区块链分布存储的方式，将商品按类的方式分布存储到周边临近节点进行存储，通过通信模块，将商品按商品的信息“摆放”到商品架，并将用户“带领”至目标购物平台，一旦用户选择了目标购物平台后，视觉场景搭建模块开始工作，所述交互模块能够分析当前平台用户倾向的购买信息，分析出当前时段用户的倾向商品从而分析出团购趋势，并且能够实现互动，最后用户在交易模块完成商品的最终交易；
所述商品信息录入模块采用谱聚类算法对商品进行聚类，利用谱聚类的方法，将商品的信息依据特征进行切分，完成数据聚类，假设有m个商品的信息记为X＝{x1,x2,…,xm}，其中，x1表示第1个商品的信息，x2表示第2个商品的信息，xm表示第m个商品的信息，而每一个商品的信息包含：商品的名称、出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号，其中可以量化的5种商品的信息为：出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号，那么5种商品信息的全矩阵记为构建数据相似图G，记为G＝(V,E)，其中/>表示顶点，v11表示第1个商品的出厂号所对应的顶点，v12表示第1个商品的有效日期所对应的顶点，v13表示第1个商品的商品进价金额所对应的顶点，v14表示第1个商品的商品售价所对应的顶点，v15表示第1个商品的唯一序列号所对应的顶点，v21表示第2个商品的出厂号所对应的顶点，v22表示第2个商品的有效日期所对应的顶点，v23表示第2个商品的商品进价金额所对应的顶点，v24表示第2个商品的商品售价所对应的顶点，v25表示第2个商品的唯一序列号所对应的顶点，vm1表示第m个商品的出厂号所对应的顶点，vm2表示第m个商品的有效日期所对应的顶点，vm3表示第m个商品的商品进价金额所对应的顶点，vm4表示第m个商品的商品售价所对应的顶点，vm5表示第m个商品的唯一序列号所对应的顶点，E表示边的集合，定义权值wABCD表示顶点AB到顶点CD的权值，其中，B＝D＝{1,2,3,4,5}，wABCD>0，SABCD表示顶点AB与顶点CD的相似性，利用K邻近法衡量相似图，当两个顶点vAB与vCD只要其中一个点在另外一个点的K个近邻中，只有这两个顶点同时都不在任何一方的K个近邻中，则令wABCD＝wCDAB＝0，可得：
其中，knn(·)表示K近邻方法，当两个顶点vAB与vCD只同时在双方的K个近邻中，则令wABCD＝wCDAB，只要有一方不在另外一方的K个近邻中，则令wABCD＝wCDAB，得：
构建三维非规范化的图拉普拉斯矩阵L，即L＝D-W，其中D为m个度构成的对角矩阵，即：
其中，D(1)表示由出厂号构成的对角矩阵，D(2)表示由有效日期构成的对角矩阵，D(3)表示由商品进价金额构成的对角矩阵，D(4)表示由商品售价构成的对角矩阵，D(5)表示由商品的唯一序列号构成的对角矩阵，d1为第一个度，d2为第2个度，dm为第m个度，右上角标分别代表出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号所对应的度，对于任意可量化的商品的信息，所有顶点之间的权值构成一个m×m×5的邻接矩阵，记为：
其中，w1111表示顶点v11到顶点v11的权值，w1112表示顶点v11到顶点v12的权值，...，wm51m表示顶点vm5到顶点v1m的权值，图拉普拉斯矩阵L是半正定对称矩阵，并且最小特征值为0，满足对于任意向量f，有：
其中，fT为向量f的转置，fAB为顶点vAB向量，fCD为顶点vCD向量，采用Ncut的切割方法对数据集进行切割，定义顶点vCD的指示向量hCD，有：
其中，Z为vj的子集集合，利用sort(hCD)，其中，sort()为正向排序函数，选出K个可行解域，完成商品信息的聚类。
2.根据权利要求1所述基于人工智能的智慧社区商品大数据沉浸式团购系统，其特征在于，所述注册模块用来完成用户信息的注册，该用户的注册信息必须是实名制的，以防止网络恶意病毒、木马、爬虫的高频侵入攻击，注册信息包括用户的姓名、身份证号、手机号、用户名和登录密码，在用户戴上VR眼镜进入购物平台后，平台会调用用户VR眼镜摄像头，并向用户发出许可，如果用户不同意，则退出该购物平台，如果用户同意，采用虹膜识别技术完成用户虹膜特征的提取，并与用户的注册信息进行绑定。
3.根据权利要求1所述基于人工智能的智慧社区商品大数据沉浸式团购系统，其特征在于，所述登录模块，是指在用户完成个人信息注册后，以用户自身身份登录该平台的方式，用户可以根据已注册的注册信息，通过用户名和登录密码的方式完成平台的登录，也可以在用户带上VR眼镜后，直接采用虹膜识别的方式进行登录。
4.根据权利要求1所述基于人工智能的智慧社区商品大数据沉浸式团购系统，其特征在于，所述商品信息录入模块将商品信息录入到数据库中进行存储，商品信息包括商品的名称、出厂号、有效日期、商品进价金额、商品售价以及商品的唯一序列号，其中，商品的名称采用了字母和数字进行编辑，以方便数据库的存储，避免数据库识别不出中文字符的问题，出厂号指商品的出厂日期，采用八位的格式进行存储：YYYYMMDD；其中，Y表示四位的年，M表示两位的月，D表示两位的天，有效日期为商品的保质期，超过保质期限的商品将自动下架购物平台，商品的进价金额是购物平台采购该商品时所花费的金额，随着时间和市场政策变换具有动态性，商品售价是购物平台将该商品挂到商品架上时的售价，随着时间和市场政策变换具有动态性，唯一序列号是该商品的防伪标签，保证商品的信息不被网络恶意病毒、木马、爬虫复制、篡改、监视，利用SHA_256算法对每一个商品的信息进行记录，并生成唯一的256位的序列号，同时采用区块链分布存储的方式，将商品按类的方式分布存储到周边临近节点进行存储。
5.根据权利要求1所述基于人工智能的智慧社区商品大数据沉浸式团购系统，其特征在于，通信模块将商品按商品的信息“摆放”到商品架，并将用户“带领”至目标购物平台，采用OFDMA技术，将整个网购平台的频带分割成C个子载波，将频率选择性衰落信道转化为若干平坦衰落子信道，有效地抵抗无线移动环境中的频率选择性衰落。
6.根据权利要求1所述基于人工智能的智慧社区商品大数据沉浸式团购系统，其特征在于，一旦用户选择了目标购物平台后，视觉场景搭建模块开始工作，其工作的内容包括：目标购物平台的信息筛选、数据库特征物提取、3D unity建模和3D渲染。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310236228.XA CN116308650B (zh) | 2023-03-13 | 2023-03-13 | 基于人工智能的智慧社区商品大数据沉浸式团购系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310236228.XA CN116308650B (zh) | 2023-03-13 | 2023-03-13 | 基于人工智能的智慧社区商品大数据沉浸式团购系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116308650A CN116308650A (zh) | 2023-06-23 |
| CN116308650B true CN116308650B (zh) | 2024-02-06 |
Family
ID=86800880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310236228.XA Active CN116308650B (zh) | 2023-03-13 | 2023-03-13 | 基于人工智能的智慧社区商品大数据沉浸式团购系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116308650B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02170269A (ja) * | 1988-12-23 | 1990-07-02 | Hitachi Ltd | 商品情報分析方法 |
| EP1081662A2 (en) * | 1999-08-30 | 2001-03-07 | Oki Electric Industry Co., Ltd. | Electronic payment system |
| JP2006221515A (ja) * | 2005-02-14 | 2006-08-24 | Oki Joho Systems:Kk | Ｐｏｓシステム |
| JP2007280047A (ja) * | 2006-04-06 | 2007-10-25 | Fuji Xerox Co Ltd | 商品情報提供の評価方法 |
| CN107609875A (zh) * | 2017-08-09 | 2018-01-19 | 上海融宇信息技术有限公司 | 一种用于vr虚拟购物的虹膜识别支付系统 |
| CN109409964A (zh) * | 2018-11-27 | 2019-03-01 | 口碑(上海)信息技术有限公司 | 优质品牌的识别方法及装置 |
| WO2021076077A1 (en) * | 2019-10-14 | 2021-04-22 | Turkiye Garanti Bankasi Anonim Sirketi | An augmented reality shopping system |
| CN113222697A (zh) * | 2021-05-11 | 2021-08-06 | 湖北三赫智能科技有限公司 | 商品信息推送方法、装置计算机设备及可读存储介质 |
| KR20220043309A (ko) * | 2020-09-29 | 2022-04-05 | 넷마블 주식회사 | 게임 상품 추천 방법 |
| CN115131108A (zh) * | 2022-07-18 | 2022-09-30 | 浪潮卓数大数据产业发展有限公司 | 一种电商商品筛选系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102262765B (zh) * | 2010-05-27 | 2014-08-06 | 阿里巴巴集团控股有限公司 | 一种发布商品信息的方法及装置 |
| CN112348640B (zh) * | 2020-11-12 | 2021-08-13 | 北京科技大学 | 一种基于面部情感状态分析的在线购物系统及方法 |
-
2023
- 2023-03-13 CN CN202310236228.XA patent/CN116308650B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02170269A (ja) * | 1988-12-23 | 1990-07-02 | Hitachi Ltd | 商品情報分析方法 |
| EP1081662A2 (en) * | 1999-08-30 | 2001-03-07 | Oki Electric Industry Co., Ltd. | Electronic payment system |
| JP2006221515A (ja) * | 2005-02-14 | 2006-08-24 | Oki Joho Systems:Kk | Ｐｏｓシステム |
| JP2007280047A (ja) * | 2006-04-06 | 2007-10-25 | Fuji Xerox Co Ltd | 商品情報提供の評価方法 |
| CN107609875A (zh) * | 2017-08-09 | 2018-01-19 | 上海融宇信息技术有限公司 | 一种用于vr虚拟购物的虹膜识别支付系统 |
| CN109409964A (zh) * | 2018-11-27 | 2019-03-01 | 口碑(上海)信息技术有限公司 | 优质品牌的识别方法及装置 |
| WO2021076077A1 (en) * | 2019-10-14 | 2021-04-22 | Turkiye Garanti Bankasi Anonim Sirketi | An augmented reality shopping system |
| KR20220043309A (ko) * | 2020-09-29 | 2022-04-05 | 넷마블 주식회사 | 게임 상품 추천 방법 |
| CN113222697A (zh) * | 2021-05-11 | 2021-08-06 | 湖北三赫智能科技有限公司 | 商品信息推送方法、装置计算机设备及可读存储介质 |
| CN115131108A (zh) * | 2022-07-18 | 2022-09-30 | 浪潮卓数大数据产业发展有限公司 | 一种电商商品筛选系统 |
Non-Patent Citations (2)
| Title |
|---|
| "融合多上下文信息的推荐算法研究";廖祥财;《中国优秀硕士学位论文全文数据库信息科技辑》;18-36页 * |
| 宋传增.《智能网联汽车技术概论》.2020,140-141页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116308650A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Hermes: an efficient federated learning framework for heterogeneous mobile clients | |
| Lee et al. | Deep power control: Transmit power control scheme based on convolutional neural network | |
| Pham et al. | Whale optimization algorithm with applications to resource allocation in wireless networks | |
| Zhang et al. | Overlapping community deep exploring-based relay selection method toward multi-hop D2D communication | |
| CN104731962B (zh) | 一种社交网络中基于相似社团的好友推荐方法及系统 | |
| CN104809408B (zh) | 一种基于差分隐私的直方图发布方法 | |
| Wu et al. | Deep learning-driven wireless communication for edge-cloud computing: opportunities and challenges | |
| Ma et al. | Scheduling policy and power allocation for federated learning in NOMA based MEC | |
| CN106717082A (zh) | 减轻信号噪声的基于指纹的室内定位 | |
| Wang et al. | Multiobjective optimization for joint task offloading, power assignment, and resource allocation in mobile edge computing | |
| CN108985954A (zh) | 一种建立各标识的关联关系的方法以及相关设备 | |
| KR102524660B1 (ko) | Nft 기반의 작품 거래 서비스를 제공하는 방법 및 장치 | |
| Zeng et al. | Cell scene division and visualization based on autoencoder and k-means algorithm | |
| Yuan et al. | Incentivizing federated learning under long-term energy constraint via online randomized auctions | |
| CN116308650B (zh) | 基于人工智能的智慧社区商品大数据沉浸式团购系统 | |
| Zhao et al. | Game theory based energy-aware uplink resource allocation in OFDMA femtocell networks | |
| Duan et al. | Forecasting fine-grained city-scale cellular traffic with sparse crowdsourced measurements | |
| Sumathy et al. | Improving the state of materials in cybersecurity attack detection in 5G wireless systems using machine learning | |
| CN110610098A (zh) | 数据集生成方法及装置 | |
| Chen et al. | Data-driven task offloading method for resource-constrained terminals via unified resource model | |
| Jain et al. | Discovering influential users in social network using weighted cumulative centrality | |
| CN115481415A (zh) | 基于纵向联邦学习的通信成本优化方法、系统、设备及介质 | |
| Zhi et al. | Pilot allocation scheme based on coalition game for TDD massive MIMO systems | |
| Raghu et al. | Optimization-enabled user pairing algorithm for energy-efficient resource allocation for noma heterogeneous networks | |
| Gemmi et al. | Toward Smart Community Networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |