CN109345085A - 一种陌生人社交线下活动后台安全性评价预警方法与系统 - Google Patents
一种陌生人社交线下活动后台安全性评价预警方法与系统 Download PDFInfo
- Publication number
- CN109345085A CN109345085A CN201811056075.6A CN201811056075A CN109345085A CN 109345085 A CN109345085 A CN 109345085A CN 201811056075 A CN201811056075 A CN 201811056075A CN 109345085 A CN109345085 A CN 109345085A
- Authority
- CN
- China
- Prior art keywords
- activity
- current active
- factor
- stranger
- type
- 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.)
- Pending
Links
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种陌生人社交线下活动后台安全性评价预警方法和系统,其中方法包括:获取当前活动的活动因素;将所述活动因素发送至后台服务器;后台服务器利用大数据技术对每个所述的活动因素进行量化评估,确定每个所述的活动因素的量化值,并生成对应的评估向量;对所述评估向量进行人工智能归类,确定所述评估向量所属的类别;根据所述评估向量所属的类别的安全性对所述当前活动进行处理。本申请实施例的陌生人社交线下活动后台安全性评价预警方法,通过对陌生人社交中的活动进行安全性评价,从而保障了用户的人身安全,有利于陌生人社交的发展。
Description
技术领域
本申请涉及互联网应用技术领域,尤其涉及一种陌生人社交线下活动后台安全性评价预警方法与系统。
背景技术
社交是指社会上人与人的交际往来,是人们运用一定的方式(工具)传递信息、交流思想的意识,以达到某种目的的社会各项活动。当今时代,经济和社会环境的变化使得人与人之间的交往显得更加重要。因为我们只有不断地与各类人员进行交往和信息沟通,才能不断地丰富自己、发展自己、扩充自己。
随着科学技术的发展和互联网资源在生活中的应用,人与人之间的交往开始借助互联网来实现,陌生人之间也可以通过互联网进行社交,实现进一步发展自己和扩充自己的目的。例如,现有技术中已经出现了一些主打陌生人社交服务的互联网平台和服务,例如搜索附近的人进行线上对话、传送网络漂流瓶等。
现有技术中最新出现的一种陌生人社交平台是由活动组织者在该平台上发布一个在预定时间和地点举办的社交活动(例如聚餐、郊游、做游戏等),并设定参与该社交活动需要符合的条件(例如性别、年龄等);其他用户可以在该平台上搜索自己感兴趣且自身符合条件的社交活动并进行线上报名,进而作为活动参与者按时赴预定地点参与该社交活动。
在现有技术中,对于通过组织线下活动的形式来实现的陌生人之间的社交行为,如何保障用户的人身和财产安全,是一个基础性的问题。
有些陌生人社交平台只依靠实名制的手段来维护用户安全,但是该手段很容易被绕开,而且对于由于地点、时间、活动内容等方面的非人为因素所带来的安全性风险无效。有些平台则只依据活动举办时间是否在深夜或凌晨、地点是否不在城区、是否具有过往投诉记录等非常简单的判断规则给用户发送风险提示,这些规则不能真正发现和排除具有潜在风险的社交活动,反而容易误导用户和产生误报警。还有些平台完全依靠人工审核和用户举报来应对风险,效率低下,反应的滞后性明显。
社交活动的安全性受到多种因素共同影响,包括活动的具体内容、时间、地点、人数、发起者和参与者的个人因素。事实表明,社交活动安全性与上述因素具有直接的、客观存在的相关性,例如,对社交活动安全案例的统计分析表明,活动时间为晚上特别是深夜,活动地点为郊野山区或者是城市的偏僻地带以及一些特定的娱乐场所,活动的内容为暴走、探险等极限运动或是涉及饮酒等社交方式,活动发起者或者参与者缺乏完成活动必要的身体素质和应对经验,活动发起者或者参与者存在不良行为记录,活动的参与人数和性别比例相对于活动内容不合理(例如户外探险活动中人数过多、过少或者女性用户比例过高)等等,这些因素都会增加活动的风险性。但是,每项具体的社交活动而言,由于社交活动的类型和形式都极为丰富,在具体的社交活动中以上相关因素与安全性的关系具有多样性和可变性,使得活动风险的预估没有可供遵循的明显规律和判断标准,具有很强的不确定性,给活动风险的精确评价和预警带来了困难。
可见,现有技术中没有对陌生人社交活动行之有效安全性评价、潜在风险发现和预警管理的手段,这不利于用户的人身安全,影响了陌生人社交的发展。
发明内容
有鉴于此,本申请的目的在于提出一种陌生人社交线下活动后台安全性评价预警方法与系统,来解决现有技术中没有对陌生人社交活动进行准确的安全性评价与潜在风险发现,无法实现有效预警管理,不利于用户的人身安全,影响了陌生人社交的发展的技术问题。
基于上述目的,在本申请的第一个方面,提出了一种陌生人社交线下活动后台安全性评价预警方法,包括:
获取当前活动的多个类型的活动因素;
将所述活动因素发送至后台服务器;
后台服务器参照历史大数据对每个类型的所述活动因素进行量化评估,确定当前活动的每个类型的所述活动因素的量化值,并为所述当前活动生成对应的评估向量;
对所述评估向量进行人工智能归类,确定所述评估向量所属的类别;
根据所述评估向量所属的类别对应的安全性,对所述当前活动进行处理。
在一些实施例中,所述多个类型的活动因素包括:活动时间、活动地点、活动内容、活动人数、活动发起者和活动参与者。
在一些实施例中,参照历史大数据对每个类型的所述活动因素进行量化评估,确定每个类型的所述活动因素的量化值具体包括:
获取历史问题活动集以及所述问题活动集中的活动的活动因素,并对所述历史问题活动集中的活动的同一类型的活动因素进行统计分类,确定该类型的活动因素在其维度上的分布状态,根据所述分布状态确定该类型活动因素在各分布区间分别对应的量化值。
在一些实施例中,所述后台服务器确定当前活动的每个类型的所述活动因素的量化值,并为所述当前活动生成对应的评估向量具体包括:
后台服务器确定所述当前活动的每个类型的活动因素所处于的所述问题活动集中的相同类型的活动因素对应的分布区间,根据所述分布区间确定所述当前活动的该类型活动因素的量化值,并将当前活动的全部类型的活动因素的量化值整合,生成对应的评估向量。
在一些实施例中,确定活动时间的量化值,包括:
后台服务器根据问题活动集中的活动的活动时间的分布状态将活动时间划分为多个时间段,每个时间段对应有风险量化值,根据当前活动的活动时间所处的时间段确定活动时间的风险量化值。
在一些实施例中,确定活动地点的量化值,包括:
后台服务器根据问题活动集中的活动的活动地点的分布状态将活动地点划分为多个类型,每个类型对应有风险量化值,根据当前活动的活动地点对应的类型确定活动地点的风险量化值。
在一些实施例中,确定活动内容的量化值,包括:
后台服务器根据问题活动集中的活动的活动内容设置有风险量化值表,通过确定当前活动的活动内容对应于风险量化值表中的活动内容来确定当前活动的活动内容的风险量化值。
在一些实施例中,确定活动人数的量化值,包括:
后台服务器根据问题活动集中的相同活动内容的活动的活动人数的分布状态,将活动人数划分为多个人数区间,每个人数区间对应有风险量化值,根据当前活动的活动人数所处的人数区间,确定活动人数的风险量化值。
在一些实施例中,确定活动发起者和活动参与者的量化值,包括:
后台服务器根据问题活动集中的相同活动内容的活动的活动发起者和活动参与者的活动参与总次数的分布状态,将活动参与总次数划分为多个经验区间,每个经验区间对应有风险量化值,根据当前活动的活动发起者和活动参与者的活动参与总次数所处的经验区间,确定活动发起者和活动参与者的风险量化值。
在一些实施例中,确定活动发起者和活动参与者的量化值,包括:
后台服务器根据问题活动集中的相同活动内容的活动的活动发起者和活动参与者的性别比例的分布状态,将性别比例划分为多个性别搭配区间,每个性别搭配区间对应有风险量化值,根据当前活动的活动发起者和活动参与者的性别比例所处的性别搭配区间,确定活动发起者和活动参与者的风险量化值。
在一些实施例中,确定活动发起者和活动参与者的量化值,包括:
后台服务器根据问题活动集中的相同活动内容的活动的活动发起者和活动参与者的平均年龄的分布状态,将平均年龄划分为多个年龄区间,每个年龄区间对应有风险量化值,根据当前活动的活动发起者和活动参与者的平均年龄所处的年龄区间,确定活动发起者和活动参与者的风险量化值。
在一些实施例中,确定活动发起者和活动参与者的量化值,包括:
根据活动发起者和活动参与者的个人信用评级确定活动发起者和活动参与者的风险量化值。
在一些实施例中,生成当前活动对应的评估向量还进一步包括:根据作为活动组织者和参与者的全体用户的个人因素生成抗风险系数构成的修正向量,对所述评估向量进行调整。
在一些实施例中,所述根据所述评估向量所属的类别的安全性对所述当前活动进行处理,具体包括:
将所述评估向量所属的类别的安全性的值小于预设阈值的当前活动停止推送给用户,或者在推送给用户时附加安全风险提示。
在一些实施例中,所述根据所述评估向量所属的类别的安全性对所述当前活动进行处理,具体包括:
将所述评估向量所属的类别的安全性的值小于预设阈值的当前活动的活动信息发送至管理部门后台。
基于上述目的,在本申请的另一个方面,还提出了一种陌生人社交线下活动后台安全性评价系统,包括:
活动因素获取模块,用于获取当前活动的多个类型的活动因素;
活动因素发送模块,用于将所述活动因素发送至后台服务器;
量化评估模块,用于参照历史大数据对每个类型的所述活动因素进行量化评估,确定当前活动的每个类型的所述活动因素的量化值,并为所述当前活动生成对应的评估向量;
评估向量归类模块,用于对所述评估向量进行人工智能归类,确定所述评估向量所属的类别;
当前活动处理模块,用于根据所述评估向量所属的类别的安全性对所述当前活动进行处理。
本申请实施例提供一种陌生人社交线下活动后台安全性评价预警方法和系统,以历史大数据的分布状态为基础,通过适当的量化方式实现对当前活动各类型活动因素风险值的量化,生成评估向量,利用人工智能归类通过对陌生人社交中的当前活动进行安全性评价,并且充分考虑用户自身因素对风险的适应性,从而实现了可靠、准确的安全性评价与潜在风险发现,能够向用户和管理后台两方面给予预警管理,保障了用户的人身安全,有利于陌生人社交的发展。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请实施例一的陌生人社交线下活动后台安全性评价预警方法的流程图;
图2是本申请实施例二的陌生人社交线下活动后台安全性评价预警方法的流程图;
图3是本申请实施例三的陌生人社交线下活动后台安全性评价系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
作为本申请的一个实施例,如图1所示,是本申请实施例一的陌生人社交线下活动后台安全性评价预警方法的流程图。从图1中可以看出,本实施例的陌生人社交线下活动后台安全性评价预警方法,可以包括以下步骤:
S101:获取当前活动的多个类型的活动因素。
本申请实施例主要应用于陌生人社交平台,平台用户可以使用智能终端—例如常见的智能手机等,智能终端中可以安装有接入本平台后台服务器的APP(应用软件),用户可以通过注册APP账户来实现陌生人社交。具体地,用户可以作为活动发起人通过APP发起活动,并将活动信息发布,使其他用户能够获取所述活动信息,进而报名参与所述活动,来实现陌生人之间的社交。
在用户发布活动信息后,可以获取用户发布的活动信息对应的活动的活动因素,所述活动因素例如可以是活动时间、活动地点、活动内容、报名活动人数、报名的活动发起者和活动参与者的个人信息等。用户在发布活动信息时,为了使其他用户能够更全面的了解活动信息对应的活动,通常会在活动信息中会明确说明活动的活动时间、活动地点和活动内容,基于发起活动的用户的注册账户ID可以存储和查询活动发起者的个人信息,同时,其他用户报名参加活动发起者发起的活动后,也可以获取报名用户(即活动参与者)的个人信息,并统计报名活动人数。这样,即可获取当前活动的多个类型的活动因素。
S102:将所述活动因素发送至后台服务器。
在本实施例中,陌生人社交平台可以有对应的后台服务器,用户的智能终端和后台服务器之间可以建立通信连接,以实现智能终端和服务器之间的信息交互。后台服务器也可以连接到活动安全性监管与处置的管理部门后台。可以将所获取的活动因素发送至后台服务器,以供后台服务器根据所述活动因素对活动发起者发起的活动进行安全性评价。
S103:后台服务器利用大数据技术,参照历史大数据对每个类型的所述活动因素进行量化评估,确定当前活动的每个类型的所述活动因素的量化值,并为所述当前活动生成对应的评估向量。
当后台服务器接收到当前活动的活动因素后,可以利用大数据技术,对每个类型的所述活动因素进行量化评估,确定每个类型的所述活动因素的量化值。具体地,后台服务器可以建立有一个保存所有问题活动相关历史数据信息的数据库,从该数据库可以获取历史问题活动集以及所述问题活动集中的活动的各种活动因素,并对所述问题活动集中的活动的同一类活动因素进行统计分类,确定各类活动因素在各自维度上的分布状态,根据所述分布状态确定所述各类活动因素在各分布区间分布对应的量化值。
本实施例及后续实施例中的问题活动是指出现事故的活动,或者被用户投诉且查实确实存在安全性风险的活动,以及参与活动的用户给出的安全性评分平均值低于预设值的活动,用户可以对参加过的活动进行安全性打分,也可对参加过的活动进行投诉,此外,用户可以对出现事故的活动进行举报。这些问题活动相关的全部活动信息,包括每项问题活动的活动时间、活动地点、活动内容、报名活动人数、报名的活动发起者和活动参与者的个人信息等,都作为问题活动相关历史数据信息保存在该数据库中,并且这些问题活动都被纳入到所述历史问题活动集。
当后台服务器获取历史问题活动集后,可以提取问题活动的各种各样类型的活动因素,对全部问题活动中同一类型的活动因素进行统计分析,确定该类型活动因素在各分布区间分别对应的风险量化值;例如对问题活动的活动时间进行统计,将活动时间划分为多个时间段,根据每个时间段内对应的问题活动的数量占比,确定每个时间段的活动风险量化值。
并利用活动风险量化值,对当前活动的对应活动因素进行确定评估,确定当前活动每个类型的所述活动因素所处于的分布区间,将该分布区间的风险量化值确定为所述当前活动的该类型活动因素的风险量化值,在确定了当前活动每个活动因素的量化值后,将当前活动的全部类型的活动因素的量化值整合,生成对应的评估向量。仍以活动时间为例进行说明,后台服务器统计历史问题活动的活动时间,假设活动时间在0时到6时内以及22时到24时内的问题活动的数量较多,占比分别为33%和52%,而在6时到22时内的问题的活动的数量较少,占比为15%,则可以初步将0时到6时的时间段和22时到24时的时间段确定为高风险时间段,将6时到22时的时间段确定为低风险时间段,规定高风险时间段的风险量化值为80,低风险时间段的风险量化值为50,这里只是实例性的说明,具体可以根据实际情况进行修正。根据当前活动的活动时间所在的时间段确定当前活动的活动时间对应的风险量化值,例如当前活动的活动时间为21时,则其活动时间的风险量化值为80。在对当前活动的每个活动因素进行量化评估,确定每个活动因素的量化值后,可以生成对应的评估向量,例如当前活动的评估向量=(活动时间80,活动地点70,活动内容10,活动发起人50,活动参与人40)。
S104:对所述评估向量进行人工智能归类,确定所述评估向量所属的类别。
在本实施例中,在生成当前活动的评估向量后,可以利用人工智能分类方法对所述当前活动的评估向量进行归类。具体地,可以预先获取n个历史活动的评估向量作为样本点,所述历史活动包括经用户安全性评分属于不同安全性级别的活动,从n个样本点随机选择s个中心点作为初始中心点,分别计算每个样本点到s个中心点之间的距离,该距离是评估向量的向量距离;将每个样本点标记为与其距离最近的中心点相对应的类别,更新每个类别中的中心点为隶属该类别的所有样本点中距离其它样本点的平均距离最近的样本点,重复上述计算样本点与中心点距离和更新中心点的过程,直到所有样本点到其隶属的类别和类别中心点均不再改变,生成多个活动类,每个活动类可以设置有对应的安全系数,作为表示安全性的值,该安全系数是根据活动类中的活动的用户安全性评分计算的。当获取到当前活动的评估向量后,可以计算当前活动的评估向量与各活动类的中心点的距离,并选择距离值最小的活动类作为所述评估向量所属的类别,同时将距离值最小的活动类对应的安全系数作为当前活动的安全系数。
S105:根据当前活动所述评估向量所属的类别的安全性对所述当前活动进行处理。
根据所述评估向量所属活动类对应的安全系数对当前活动进行处理,例如将所述评估向量所属的类别的安全性的值大于或等于预设阈值的当前活动正常推送给用户,而安全性的值小于预设阈值的当前活动则不推送给用户。或者,将安全性的值小于预设阈值的当前活动推送给用户时伴随一定的风险提示。或者,将所述评估向量所属的类别的安全性的值小于预设阈值的当前活动的活动信息发送至管理部门后台,进行人工监管。
本申请实施例的陌生人社交线下活动后台安全性评价方法,通过对陌生人社交中的活动进行安全性评价,从而保障了用户的人身安全,有利于陌生人社交的发展。
如图2所示,是本申请实施例二的陌生人社交线下活动后台安全性评价方法的流程图。从图2中可以看出,本实施例的陌生人社交线下活动后台安全性评价方法,可以包括以下步骤:
S201:获取当前活动的多种类型的活动因素。
S202:将所述活动因素发送至后台服务器。
步骤S201和S202的具体实现过程参见上述实施例,这里不再详细赘述。
S203:确定活动时间的量化值。
在本实施例中,当后台服务器接收到智能用户端发送的当前活动的活动因素后,可以确定活动时间的量化值。具体地,后台服务器根据问题活动集中的活动的活动时间的分布状态将活动时间划分为多个时间段,每个时间段对应有风险量化值,根据当前活动的活动时间所处的时间段确定活动时间的风险量化值。关于确定活动时间的量化值的具体实现过程参见上述实施例,这里不再详细说明。
S204:确定活动地点的量化值。
在本实施例中,后台服务器根据问题活动集中的活动的活动地点的分布状态将活动地点划分为多个类型,每个类型对应有风险量化值,根据当前活动的活动地点对应的类型确定活动地点的风险量化值。具体地,后台服务器可以利用基于大数据的统计方法将问题活动在空间上划分为多个类别,例如可以是酒吧类、影院类、野外类和公园类,每个类别的活动都对应有风险量化值,每个类别的活动的风险量化值可以根据经验值设定,例如,酒吧类的风险量化值为80,野外类的风险量化值为70,公园类的风险量化值为40,影院类的风险量化值为30,则可以根据当前活动的活动地点对应的类别确定活动地点的风险量化值。例如活动地点为酒吧类地点,则当前活动的活动地点对应的风险量化值为80。
S205:确定活动内容的量化值。
在本实施例中,后台服务器根据问题活动集中的活动的活动内容设置有风险量化值表,通过确定当前活动的活动内容对应与风险量化值表中的活动内容来确定当前活动的活动内容的风险量化值。具体地,后台服务器可以利用基于大数据的统计方法将问题活动在内容(即活动类型)上划分为多个类别,例如聚餐类、会议类、探险类和散步类,每个类别的活动都对应有风险量化值,每个类别的活动的风险量化值可以根据经验值设定,例如,聚餐类的风险量化值为70,会议类的风险量化值为30,探险类的风险量化值为90,散步类的风险量化值为40,则可以根据当前活动的活动内容对应的类别确定活动地点的风险量化值。例如活动内容为聚餐类,则当前活动的活动内容对应的风险量化值为70。
S206:确定活动发起者和活动参与者的量化值。
具体地,后台服务器中可以预先存储有活动发起者和活动参与者的个人信用评级,每个活动发起者或活动参与者的个人信用评级可以设置有对应的风险量化值,进而根据当前活动的活动发起者和活动参与者的个人信息用评级,可以确定动发起者和活动参与者的风险量化值。例如,活动发起者的个人信用评级为70,活动参与者的人信用评级分别为60、50、80、40、70、60、30,这将活动发起者和活动参与者的人信用评级的平均值作为当前活动的量化值,即为(70+60+50+80+40+70+60+50)/8=60。
S207:生成对应的评估向量。
当确定了当前活动的活动因素的量化值后,可以根据活动因素的量化值生成对应的风险评估向量。例如活动时间的风险量化值为80,活动地点的风险量化值为80,活动内容的风险量化值为70,活动发起者和活动参与者的风险量化值为60,则评估向量为(80,80,70,60)。
S208:对所述评估向量进行人工智能归类,确定所述评估向量所属的类别。
在生成当前活动的评估向量后,可以利用人工智能分类方法对所述当前活动的评估向量进行归类。具体地,可以预先获取n个历史活动的评估向量作为样本点,给定s个初始中心点,分别计算每个样本点到s个中心点之间的距离,将每个样本点标记为与其距离最近的中心点相对应的类别,更新每个类别中的中心点的评估向量为隶属该类别的所有样本点的均值,重复上述标记样本点所属类别和更新中心点的过程,直到所有样本点到其隶属的中心点之间的距离和最小,生成多个活动类,每个活动类可以设置有对应的安全系数。当获取到当前活动的评估向量后,可以计算当前活动的评估向量与各活动类的中心点的距离,并选择距离值最小的活动类作为所述评估向量所属的类别,同时将距离值最小的活动类对应的安全系数作为当前活动的安全系数。
S209:判断所述评估向量所属的类别的安全性的值是否大于预设阈值,并当所述评估向量所属的类别的安全性的值大于预设阈值时,进入步骤S210,否则进入步骤S211。
S210:将当前活动推送给用户。
当所述评估向量所属的类别的安全性的值大于或等于预设阈值时,则说明当前活动的安全性较高,一般人为不会出现问题,则将当前活动推送给用户。
S211:将当前活动的活动信息发送至管理部门后台。
当所述评估向量所属的类别的安全性的值小于于预设阈值时,则说明当前活动的安全性较低,活动出现问题的可能性较大,则将当前活动的活动信息发送至管理部门后台,例如社交平台自己的安全防范部门或者是公安部门的后台,使管理部门提前介入,避免活动出现问题。
作为本实施例的优选方案,还包括确定当前活动的活动人数的风险量化值,包括:后台服务器根据问题活动集中的相同活动内容的活动的活动人数的分布状态,将活动人数划分为多个人数区间,每个人数区间对应有风险量化值,根据当前活动的活动人数所处的人数区间,确定活动人数的风险量化值。该风险量化值也整合加入当前活动的评估向量,作为该风险评估向量的一个维度。
作为本实施例的优选方案,确定活动发起者和活动参与者的量化值还进一步包括:后台服务器根据问题活动集中的相同活动内容的活动的活动发起者和活动参与者的活动参与总次数的分布状态,将活动参与总次数划分为多个经验区间,每个经验区间对应有风险量化值,根据当前活动的活动发起者和活动参与者的活动参与总次数所处的经验区间,确定活动发起者和活动参与者的风险量化值。该风险量化值也整合加入当前活动的评估向量,作为该风险评估向量的一个维度。
作为本实施例的优选方案,确定活动发起者和活动参与者的量化值,还进一步包括:后台服务器根据问题活动集中的相同活动内容的活动的活动发起者和活动参与者的性别比例的分布状态,将性别比例划分为多个性别搭配区间,每个性别搭配区间对应有风险量化值,根据当前活动的活动发起者和活动参与者的性别比例所处的性别搭配区间,确定活动发起者和活动参与者的风险量化值。该风险量化值也整合加入当前活动的评估向量,作为该风险评估向量的一个维度。
作为本实施例的优选方案,确定活动发起者和活动参与者的量化值,还进一步包括:后台服务器根据问题活动集中的相同活动内容的活动的活动发起者和活动参与者的平均年龄的分布状态,将平均年龄划分为多个年龄区间,每个年龄区间对应有风险量化值,根据当前活动的活动发起者和活动参与者的平均年龄所处的年龄区间,确定活动发起者和活动参与者的风险量化值。该风险量化值也整合加入当前活动的评估向量,作为该风险评估向量的一个维度。
本申请实施例的陌生人社交线下活动后台安全性评价方法,通过对陌生人社交中的活动进行安全性评价,从而保障了用户的人身安全,有利于陌生人社交的发展。
作为本申请的一个可选实施例,在上述实施例中,当生成当前活动对应的评估向量后,可以根据每个作为活动组织者和参与者的用户的个人因素对所述评估向量进行调整。由于不同用户的适应风险的能力不同,例如A用户为健身教练或者经验丰富者,则在活动过程中当发生危险时,用户具有一定的自保能力和帮助他人的能力,因而使得该活动的安全性风险降低。反之,如果某个活动参与者是一个身体娇弱、缺乏经验的用户B,该用户B可能使该活动潜在的风险放大。因此,每个用户可以根据其年龄、性别、职业、参与活动经验等折算各自的相对于每一类型的活动因素的抗风险量化系数,例如A用户对活动时间的抗风险量化系数为0.9,对活动地点的抗风险量化系数为0.8,对活动内容的抗风险量化系数为0.7,对活动发起者和活动参与者的抗风险量化系数为0.8;反之,用户B对活动时间的抗风险量化系数为1.2,对活动地点的抗风险量化系数为1.1,对活动内容的抗风险量化系数为1.3,对活动发起者和活动参与者的抗风险量化系数为1.0。根据用户A、B的抗风险量化系数,可以对当前活动的评估向量进行修正,具体地,用户A的各项抗风险量化系数也可以整合为一个修正向量,例如上文中的(0.9,0.8,0.7,0.8);用户B的各项抗风险量化系数也可以整合为一个修正向量,例如上文中的(1.2,1.1,1.3,1.0),可以就用户A、B二者每项抗风险量化系数计算其平均值,从而整合为平均修正向量为(1.05,0.95,1.0,0.9)。不失一般性地,将当前活动的评估向量即为A=(a1,a2,a3,a4),全体用户的平均修正向量为B=(b1,b2,b3,b4),则修正后的当前活动的评估向量为(a1b1,a2b2,a3b3,a4b4),进而根据修正后的当前活动的评估向量判断当前活动相对于作为活动组织者和参与者的用户情况的安全性。
本申请实施例能够取得与上述实施例相类似的技术效果,这里不再赘述。
如图3所示,是本申请实施例三的陌生人社交线下活动后台安全性评价系统的结构示意图。如图3所示,本申请实施例的陌生人社交线下活动后台安全性评价系统,包括:
活动因素获取模块301,用于获取当前活动的多个类型的活动因素。
活动因素发送模块302,用于将所述活动因素发送至后台服务器。
量化评估模块303,位于后台服务器,利用大数据技术,参照历史大数据对每个类型的所述活动因素进行量化评估,确定当前活动的每个类型的所述活动因素的量化值,并为所述当前活动生成对应的评估向量。
评估向量归类模块304,用于对所述评估向量进行人工智能归类,确定所述评估向量所属的类别。
当前活动处理模块305,用于根据所述评估向量所属的类别的安全性对所述当前活动进行处理。
本申请实施例的陌生人社交线下活动后台安全性评价系统能够取得与上述方法实施例相类似的技术效果,这里不再赘述。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种陌生人社交线下活动后台安全性评价预警方法,其特征在于,包括:
获取当前活动的多个类型的活动因素;
将所述活动因素发送至后台服务器;
后台服务器参照历史大数据对每个类型的所述活动因素进行量化评估,确定当前活动的每个类型的所述活动因素的量化值,并为所述当前活动生成对应的评估向量;
对所述评估向量进行人工智能归类,确定所述评估向量所属的类别;
根据所述评估向量所属的类别对应的安全性,对所述当前活动进行处理。
2.根据权利要求1所述的陌生人社交线下活动后台安全性评价预警方法,其特征在于,所述多个类型的活动因素包括:活动时间、活动地点、活动内容、活动人数、活动发起者和活动参与者。
3.根据权利要求2所述的陌生人社交线下活动后台安全性评价预警方法,其特征在于,参照历史大数据对每个类型的所述活动因素进行量化评估,确定每个类型的所述活动因素的量化值具体包括:
获取历史问题活动集以及所述问题活动集中的活动的活动因素,并对所述历史问题活动集中的活动的同一类型的活动因素进行统计分类,确定该类型的活动因素在其维度上的分布状态,根据所述分布状态确定该类型活动因素在各分布区间分别对应的量化值。
4.根据权利要求3所述的陌生人社交线下活动后台安全性评价预警方法,其特征在于,所述后台服务器确定当前活动的每个类型的所述活动因素的量化值,并为所述当前活动生成对应的评估向量具体包括:
后台服务器确定所述当前活动的每个类型的活动因素所处于的所述问题活动集中的相同类型的活动因素对应的分布区间,根据所述分布区间确定所述当前活动的该类型活动因素的量化值,并将当前活动的全部类型的活动因素的量化值整合,生成对应的评估向量。
5.根据权利要求4所述的陌生人社交线下活动后台安全性评价预警方法,其特征在于,确定活动时间的量化值,包括:
后台服务器根据问题活动集中的活动的活动时间的分布状态将活动时间划分为多个时间段,每个时间段对应有风险量化值,根据当前活动的活动时间所处的时间段确定活动时间的风险量化值。
6.根据权利要求4所述的陌生人社交线下活动后台安全性评价预警方法,其特征在于,确定活动地点的量化值,包括:
后台服务器根据问题活动集中的活动的活动地点的分布状态将活动地点划分为多个类型,每个类型对应有风险量化值,根据当前活动的活动地点对应的类型确定活动地点的风险量化值。
7.根据权利要求4所述的陌生人社交线下活动后台安全性评价预警方法,其特征在于,确定活动内容的量化值,包括:
后台服务器根据问题活动集中的活动的活动内容设置有风险量化值表,通过确定当前活动的活动内容对应于风险量化值表中的活动内容来确定当前活动的活动内容的风险量化值。
8.根据权利要求4所述的陌生人社交线下活动后台安全性评价预警方法,其特征在于,确定活动发起者和活动参与者的量化值,包括:
根据活动发起者和活动参与者的个人信用评级确定活动发起者和活动参与者的风险量化值。
9.根据以上权利要求任意一项所述的陌生人社交线下活动后台安全性评价预警方法,其特征在于,所述根据所述评估向量所属的类别的安全性对所述当前活动进行处理,具体包括:
将所述评估向量所属的类别的安全性的值小于预设阈值的当前活动停止推送给用户,或者在推送给用户时附加安全风险提示。
10.一种陌生人社交线下活动后台安全性评价系统,其特征在于,包括:
活动因素获取模块,用于获取当前活动的多个类型的活动因素;
活动因素发送模块,用于将所述活动因素发送至后台服务器;
量化评估模块,用于参照历史大数据对每个类型的所述活动因素进行量化评估,确定当前活动的每个类型的所述活动因素的量化值,并为所述当前活动生成对应的评估向量;
评估向量归类模块,用于对所述评估向量进行人工智能归类,确定所述评估向量所属的类别;
当前活动处理模块,用于根据所述评估向量所属的类别的安全性对所述当前活动进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811056075.6A CN109345085A (zh) | 2018-09-11 | 2018-09-11 | 一种陌生人社交线下活动后台安全性评价预警方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811056075.6A CN109345085A (zh) | 2018-09-11 | 2018-09-11 | 一种陌生人社交线下活动后台安全性评价预警方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109345085A true CN109345085A (zh) | 2019-02-15 |
Family
ID=65305397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811056075.6A Pending CN109345085A (zh) | 2018-09-11 | 2018-09-11 | 一种陌生人社交线下活动后台安全性评价预警方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109345085A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126783A (zh) * | 2019-11-29 | 2020-05-08 | 广东电网有限责任公司 | 一种基于大数据的客户投诉风险评级方法及装置 |
CN112308253A (zh) * | 2019-07-24 | 2021-02-02 | 富士施乐株式会社 | 信息处理系统以及记录媒体 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611291A (zh) * | 2016-12-13 | 2017-05-03 | 税云网络科技服务有限公司 | 信息推送方法和装置 |
US20170168962A1 (en) * | 2006-12-08 | 2017-06-15 | Ashish A. Pandya | Programmable intelligent search memory enabled secure flash memory |
CN108090375A (zh) * | 2018-01-02 | 2018-05-29 | 临沂会宝岭铁矿有限公司 | 一种矿用安全预防体系操作系统 |
-
2018
- 2018-09-11 CN CN201811056075.6A patent/CN109345085A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170168962A1 (en) * | 2006-12-08 | 2017-06-15 | Ashish A. Pandya | Programmable intelligent search memory enabled secure flash memory |
CN106611291A (zh) * | 2016-12-13 | 2017-05-03 | 税云网络科技服务有限公司 | 信息推送方法和装置 |
CN108090375A (zh) * | 2018-01-02 | 2018-05-29 | 临沂会宝岭铁矿有限公司 | 一种矿用安全预防体系操作系统 |
Non-Patent Citations (2)
Title |
---|
刘颖璇: "基于网络舆情研判的大型活动群体性事件风险预警", 《无线互联科技》 * |
王成墨: "《MATLAB在遥感技术中的应用》", 30 September 2016, 北京:北京航空航天大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308253A (zh) * | 2019-07-24 | 2021-02-02 | 富士施乐株式会社 | 信息处理系统以及记录媒体 |
CN111126783A (zh) * | 2019-11-29 | 2020-05-08 | 广东电网有限责任公司 | 一种基于大数据的客户投诉风险评级方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hughes et al. | Online public communications by police & fire services during the 2012 Hurricane Sandy | |
CN106776900B (zh) | 出行方法和装置 | |
Johnson et al. | Outdoor recreation constraints: An examination of race, gender, and rural dwelling | |
Li et al. | Multilevel modelling of built environment characteristics related to neighbourhood walking activity in older adults | |
Levitas | Community, utopia and new labour | |
Phithakkitnukoon et al. | Inferring social influence in transport mode choice using mobile phone data | |
Storr et al. | “Unequal opportunity”: Neighbourhood disadvantage and the chance to buy illegal drugs | |
Connor et al. | Male alliance behaviour and mating access varies with habitat in a dolphin social network | |
Boessen et al. | Social fabric and fear of crime: considering spatial location and time of day | |
Bouchard et al. | Assessing the core membership of a youth gang from its co-offending network | |
CN104484359B (zh) | 一种基于社交图谱的舆情分析方法及装置 | |
Xie et al. | When a friend in twitter is a friend in life | |
Dwyer et al. | Strangers in a strange land: police perceptions of working in discrete Indigenous communities in Queensland, Australia | |
CN109345085A (zh) | 一种陌生人社交线下活动后台安全性评价预警方法与系统 | |
Tumwine et al. | Accessing HIV treatment and care services in fishing communities around Lake Victoria in Uganda: mobility and transport challenges | |
Platts-Fowler et al. | Neighbourhood resilience in Sheffield: Getting by in hard times | |
Ji et al. | Research on classification and influencing factors of metro commuting patterns by combining smart card data and household travel survey data | |
Martinus | Can public space be a platform for social innovation? A study of Sannomiya, Kobe, Japan | |
Charron | Neighbourhood characteristics and the distribution of crime in Toronto: Additional analysis on youth crime | |
JP2006251958A (ja) | 役務提供者の選択方法及びそのシステム | |
Dai et al. | Exploring the Duration of Police–Citizen Encounters | |
Kelly | Neighbourhood Watch for the Facebook generation: The impact of the NSW Wales Police Force's Project Eyewatch strategy on public confidence in policing | |
Chu et al. | Design and implementation of participant selection for crowdsourcing disaster information | |
Harris | Search (and rescue) for the ultimate selfie: How the use of social media and smartphone technology have affected human behaviour in outdoor recreation scenarios | |
Mladenović et al. | The influence of social conformity on mask-wearing behavior during the COVID-19 pandemic |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190215 |