CN117540720A - 展会指引信息生成方法以及系统 - Google Patents
展会指引信息生成方法以及系统 Download PDFInfo
- Publication number
- CN117540720A CN117540720A CN202410027755.4A CN202410027755A CN117540720A CN 117540720 A CN117540720 A CN 117540720A CN 202410027755 A CN202410027755 A CN 202410027755A CN 117540720 A CN117540720 A CN 117540720A
- Authority
- CN
- China
- Prior art keywords
- information
- exhibition
- template
- filling area
- matrix
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012937 correction Methods 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims description 89
- 238000003860 storage Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/106—Display of layout of documents; Previewing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种展会指引信息生成方法以及系统，包括：获取当前展会的场地信息、主题信息以及规模信息；将主题信息输入至检测脚本中，得到与主题信息匹配的信息模板；其中，信息模板中包括多个不同的信息填充区域；将场地信息以及规模信息输入至偏差计算模型中，输出得到对应的偏差值；其中，偏差值表示各个信息填充区域之间的距离值；基于偏差值，对信息模板中的各个信息填充区域进行重新布局，得到修正信息模板；获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息。在本发明中，提升了展会信息布置的效率和精准度，而且还能够灵活应对展会场地和主题的多样化需求。
Description
技术领域
本发明涉及数据处理的技术领域，特别涉及一种展会指引信息生成方法以及系统。
背景技术
在举办各类展览会和贸易展会的过程中，快速并准确地向参观者提供展会信息是至关重要的。这些信息通常涵盖了展馆布局、展览主题、摊位分布、服务设施位置等方面，无疑对于提升访客的体验以及提高展会的运行效率起着关键作用。因此，众多展馆和活动组织者依赖高效、直观的指引信息生成方法，以确保信息的有效传递。
目前，现有的技术解决方案多是采用静态地图配合标识指引，在此基础上加入一些基本的电子展示系统，例如：使用平面图或数码屏幕显示展区布局，并在展区入口处提供纸质资料或通过工作人员口头说明等方式来辅助提供展会信息。然而，这些方案往往不能灵活应对展会场地和主题的多样化需求，同时缺乏个性化和动态适应能力，这在面对大规模或多主题的展会时显得尤为不足。
发明内容
本发明的主要目的为提供一种展会指引信息生成方法以及系统，旨在克服目前不能灵活应对展会场地和主题的多样化需求的缺陷。
为实现上述目的，本发明提供了一种展会指引信息生成方法，包括以下步骤：
获取当前展会的场地信息、主题信息以及规模信息；
将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域；
将所述场地信息以及规模信息输入至偏差计算模型中，输出得到对应的偏差值；其中，所述偏差值表示各个信息填充区域之间的距离值；所述偏差计算模型是深度学习网络预先训练得到；
基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板；
获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息；其中，每一个信息填充区域中添加一类展会信息。
进一步地，所述场地信息包括举办展会的位置；所述主题信息包括展会的主题内容信息；所述规模信息包括参加展会的企业数量。
进一步地，所述将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域的步骤，包括：
调用数据库中存储的检测脚本；其中，所述检测脚本为预先编译完成的脚本；
对所述主题信息进行关键字提取，得到多个关键词；
将多个关键词添加至同一个集合中，得到关键词集合；
将所述关键词集合作为入参输入至检测脚本中进行运算，得到所述检测脚本的输出结果；其中，所述输出结果为所述主题信息匹配的信息模板。
进一步地，所述信息模板中包括九个信息填充区域；
所述基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板的步骤，包括：
创建一个矩阵阵列；其中，所述矩阵阵列中为三行三列的阵列；
获取所述信息模板中的各个信息填充区域对应的代号，并将各个信息填充区域对应的代号随机添加至所述矩阵阵列中；
计算所述矩阵阵列中每一行的距离总值；其中，所述距离总值为所述矩阵阵列每一行中相邻两个代号所对应的信息填充区域之间的距离值的总和；
迭代对所述矩阵阵列中的代号进行位置调整，使得所述矩阵阵列中每一行的距离总值均小于预设值，且使得所述矩阵阵列中三个行的距离总值从小到大进行排列，得到最终的第一代号矩阵阵列；
对所述信息模板中的各个信息填充区域进行重新布局，以使得各个信息填充区域的布局与所述第一代号矩阵阵列中各个代号的布局关系相同，得到所述修正信息模板。
进一步地，所述获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息的步骤之后，还包括：
对所述修正信息模板的各个信息填充区域中的展会信息分别进行加密，得到对应的加密信息；
将各个加密信息分别存储至管理终端的数据库中。
进一步地，所述修正信息模板中包括九个信息填充区域；
所述对所述修正信息模板的各个信息填充区域中的展会信息分别进行加密，得到对应的加密信息的步骤，包括：
创建一个第一空白矩阵；其中，所述空白矩阵为为三行三列的阵列；
获取所述修正信息模板中各个信息填充区域分别对应的代号，将各个信息填充区域对应的代号按照所述修正信息模板中各个信息填充区域的布局，添加至所述第一空白矩阵中，得到修正代号矩阵；
针对所述修正信息模板的各个信息填充区域中的展会信息，分别基于所述修正代号矩阵，生成对应的加密密码；其中，针对所述修正信息模板的各个信息填充区域中的展会信息生成的加密密码互不相同；
基于生成的加密密码对对应的展会信息分别进行加密，得到对应的加密信息。
进一步地，所述针对所述修正信息模板的各个信息填充区域中的展会信息，分别基于所述修正代号矩阵，生成对应的加密密码的步骤，包括：
分别针对所述修正信息模板的各个信息填充区域中的展会信息，生成一个三行一列的第二空白矩阵，并在所述第二空白矩阵中添加对应的元素，得到对应的目标代号矩阵；其中，添加的三个元素均为对应的信息填充区域的代号；
将所述修正代号矩阵与所述目标代号矩阵进行相乘，得到相乘矩阵，将相乘矩阵中各个位置的元素进行组合，得到信息填充区域中的展会信息对应的加密密码。
本发明还提供了一种展会指引信息生成系统，包括：
获取单元，用于获取当前展会的场地信息、主题信息以及规模信息；
检测单元，用于将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域；
计算单元，用于将所述场地信息以及规模信息输入至偏差计算模型中，输出得到对应的偏差值；其中，所述偏差值表示各个信息填充区域之间的距离值；所述偏差计算模型是深度学习网络预先训练得到；
布局单元，用于基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板；
生成单元，用于获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息；其中，每一个信息填充区域中添加一类展会信息。
本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本发明提供的展会指引信息生成方法以及系统，包括：获取当前展会的场地信息、主题信息以及规模信息；将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域；将所述场地信息以及规模信息输入至偏差计算模型中，输出得到对应的偏差值；其中，所述偏差值表示各个信息填充区域之间的距离值；所述偏差计算模型是深度学习网络预先训练得到；基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板；获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息；其中，每一个信息填充区域中添加一类展会信息。在本发明中，通过偏差计算模型优化信息模板布局，并根据实时展会数据填充信息，从而生成符合实际需求且布局得体的展会指引信息。不仅大大提升了展会信息布置的效率和精准度，而且还能够在展会中灵活应对展会场地和主题的多样化需求。
附图说明
图1是本发明一实施例中展会指引信息生成方法步骤示意图；
图2是本发明一实施例中展会指引信息生成系统结构框图；
图3是本发明一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，本发明一实施例中提供了一种展会指引信息生成方法，包括以下步骤：
步骤S1，获取当前展会的场地信息、主题信息以及规模信息；
步骤S2，将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域；
步骤S3，将所述场地信息以及规模信息输入至偏差计算模型中，输出得到对应的偏差值；其中，所述偏差值表示各个信息填充区域之间的距离值；所述偏差计算模型是深度学习网络预先训练得到；
步骤S4，基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板；
步骤S5，获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息；其中，每一个信息填充区域中添加一类展会信息。
在本实施例中，如上述步骤S1所述的，具体包括：
场地信息的获取可以从展会主办方获取，也可以是通过使用激光测距仪进行实地测量，获取展馆的长度、宽度和高度等三维空间信息。同时，使用全站仪进行精准的三维坐标测绘，以获取场地的地理信息系统（GIS）数据。
主题信息的获取可以通过从展会主办方获取，也可以是通过大数据查询等途径获取参展商和主办方提供的参展预览、展品类目、特色活动等信息。这些信息可以通过主题分析算法进行处理，识别主题关键词和热点，以辅助得到关键的展会主题信息。
规模信息的获取可以通过结合当前展会的注册情况和展位预订情况来估算当前展会的规模大小。
如上述步骤S2所述的，具体包括：
文本分析：首先，采用自然语言处理技术，使用主题建模算法对收集到的主题信息进行文本分析。可以采用诸如Latent Dirichlet Allocation (LDA)、Latent SemanticAnalysis (LSA)等主题模型算法，以识别主题信息中的关键词、短语和语义关联。
信息模板生成：将通过文本分析获得的主题信息输入到信息模板生成系统中。这个系统可以采用模板匹配技术，结合自然语言处理技术，例如使用基于规则的语法分析或者基于模式的匹配算法，根据主题信息，自动生成包含多个信息填充区域的信息模板。
多信息填充区域：生成的信息模板应当包括多个不同的信息填充区域，例如展区地图、讲座时间表、特别活动信息等。每个信息填充区域应当与主题信息相关联，以便后续的信息填充和展会指引信息的个性化生成。
举例说明：
假设收集到的主题信息是关于一场科技展览会，文本分析可以使用主题建模算法对主题信息进行处理，识别出"人工智能"、"物联网"、"虚拟现实"等关键词。然后将这些信息输入到信息模板生成系统中，系统根据这些关键词自动生成一个信息模板，其中包括多个信息填充区域，比如介绍人工智能展区的地图、物联网技术讲座的时间表、虚拟现实体验活动的信息等。这样生成的信息模板可以根据具体的主题信息，自动化地生成对应的展会指引信息。
如上述步骤S3所述的，具体包括：
在训练偏差计算模型时，将训练阶段中的场地信息以及规模信息转化为训练数据集，
偏差计算模型训练：使用深度学习方法，如卷积神经网络（CNN）或循环神经网络（RNN），对准备好的训练数据集进行训练，以学习不同信息填充区域之间的关联性距离。在训练过程中，模型会学习如何根据场地信息和规模信息，计算出各个信息填充区域之间的距离值。
偏差值输出：将上述场地信息和规模信息输入已经训练好的偏差计算模型中，模型会输出对应的偏差值，表示各个信息填充区域之间的距离值。上述偏差值可以帮助优化信息模板中的布局，以确保各个信息填充区域之间的合理相关性。可以理解的是，上述距离值指的是各个信息填充区域之间的相关性，并不是实际的空间距离。相关性高的信息填充区域应当尽可能布局在相邻的位置，也就是说，距离值小的两个信息填充区域可以布局在相邻的位置，这样可以使得布局更加贴合当前展会。
如上述步骤S4所述的，具体包括：
进行偏差值分析：使用偏差值来评估当前的信息模板的布局效果，通过对各个信息填充区域之间的偏差值进行分析，确定布局中存在的不合理或过大的空间距离。
重新布局优化：根据偏差值分析结果，对信息模板中的各个信息填充区域进行重新布局。其可以通过设计一个自动化的布局优化算法，根据偏差值来调整各个区域的位置，以使得整体布局更加合理、协调，以便于在实际场地中更好地展示展会指引信息。
修正信息模板生成：经过重新布局优化后，得到修正的信息模板。该修正信息模板会更好地符合场地信息与规模信息的要求，保证了各个信息填充区域之间合理的布局分布，并且便于将实际的展会信息嵌入其中，生成最终的展会指引信息。
举例说明：
通过偏差值分析，在当前的信息模板中，某些信息填充区域之间的相关性不大，即距离值过大，不利于整体信息的展示与传达。基于此分析结果，可以基于自动化的布局优化算法，根据偏差值自动调整各个区域的位置，使得它们之间的相关性更加协调和合理。最终，将得到一个修正信息模板，该模板会更好地适应于实际的场地信息以及规模信息，并且有利于展会指引信息的生成和呈现。
如上述步骤S5所述的，展会信息获取：从展会组织方或相关数据库中获取当前展会的详细信息，包括参展商名单、展品信息、讲座安排、特别活动等内容，并将其整理成结构化数据。
信息分类：对获取到的展会信息进行分类，划分成不同的类别，例如展商信息、讲座信息、特别活动信息等。这一步旨在将各类展会信息区分开来，以便在后续的填充过程中能够将不同类型的信息填充到相应的信息填充区域中。
填充信息生成：将分类后的展会信息添加至修正信息模板的信息填充区域中，确保每一个信息填充区域都包含相应类别的展会信息。例如，将展商信息填充到展商区域，将讲座信息填充到讲座区域，以此类推。最后，成最终的展会指引信息，其中每一个信息填充区域都包含了特定类别的展会信息。
举例说明：
从展会组织方获取了当前展会的参展商名单、讲座安排和特别活动等信息。首先，对这些信息进行分类整理，将参展商名单归为展商信息类别，将讲座安排归为讲座信息类别，特别活动归为特别活动信息类别。然后，根据修正信息模板的布局，将各类信息填充到相应的信息填充区域中，确保每一个区域都包含了特定类别的展会信息。最终生成的展会指引信息会综合展商、讲座、特别活动等各类信息，为参观者提供全面的展会信息指引。
在一实施例中，所述场地信息包括举办展会的位置；所述主题信息包括展会的主题内容信息；所述规模信息包括参加展会的企业数量。
在一实施例中，所述将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域的步骤，包括：
调用数据库中存储的检测脚本；其中，所述检测脚本为预先编译完成的脚本；
对所述主题信息进行关键字提取，得到多个关键词；
将多个关键词添加至同一个集合中，得到关键词集合；
将所述关键词集合作为入参输入至检测脚本中进行运算，得到所述检测脚本的输出结果；其中，所述输出结果为所述主题信息匹配的信息模板。
在本实施例中，具体包括：
调用数据库中存储的检测脚本；其中，所述检测脚本为预先编译完成的脚本。从数据库中提取预先编译完成的检测脚本，该脚本用于处理主题信息并生成相应的信息模板。预先编译完成的脚本意味着其代码经过编译，已转换为可执行的机器代码，可立即执行。
对所述主题信息进行关键字提取，得到多个关键词；将多个关键词添加至同一个集合中，得到关键词集合。在此步骤中，对提供的主题信息进行处理，提取出多个关键词，并将这些关键词添加到一个集合中，以便后续的处理和输入到检测脚本中。
将所述关键词集合作为入参输入至检测脚本中进行运算，得到所述检测脚本的输出结果；其中，所述输出结果为所述主题信息匹配的信息模板。在这一步中，将之前提取的关键词集合作为输入参数传递给检测脚本。检测脚本将根据提供的关键词集合进行处理，并生成与主题信息匹配的信息模板作为输出结果。上述模板可以包括多个不同的信息填充区域，根据提供的关键词来呈现相应的信息内容。
在一实施例中，所述信息模板中包括九个信息填充区域；
所述基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板的步骤，包括：
创建一个矩阵阵列；其中，所述矩阵阵列中为三行三列的阵列；在这一步中，创建一个3x3的矩阵阵列，该矩阵将用于对信息模板中的各个信息填充区域进行重新布局，以确保它们的空间关系布局合理。
获取所述信息模板中的各个信息填充区域对应的代号，并将各个信息填充区域对应的代号随机添加至所述矩阵阵列中；在此步骤中，为信息模板中的每个信息填充区域分配一个代号，并将这些代号随机地添加到矩阵阵列中的不同位置。这将构成一个初始的布局情况，以便后续的优化。
计算所述矩阵阵列中每一行的距离总值；其中，所述距离总值为所述矩阵阵列每一行中相邻两个代号所对应的信息填充区域之间的距离值的总和；在这一步，计算矩阵阵列中每一行相邻两个代号所对应的信息填充区域之间的距离总和。上述计算有助于评估当前布局下的信息填充区域之间的关联关系。
迭代对所述矩阵阵列中的代号进行位置调整，使得所述矩阵阵列中每一行的距离总值均小于预设值，且使得所述矩阵阵列中三个行的距离总值从小到大进行排列，得到最终的第一代号矩阵阵列；在此步骤中，通过迭代调整矩阵阵列中代号的位置，以使每一行的距离总值小于预设值，并确保整个矩阵阵列中的三行距离总值从小到大排列。这将得到一个优化的矩阵布局，以作为信息填充区域重新布局的基础。
对所述信息模板中的各个信息填充区域进行重新布局，以使得各个信息填充区域的布局与所述第一代号矩阵阵列中各个代号的布局关系相同，得到所述修正信息模板。最后，基于得到的优化矩阵布局，对信息模板中的每个信息填充区域进行重新布局，以确保它们的布局关系与优化矩阵中代号的布局关系相匹配。使得生成最终的修正信息模板，确保各个信息填充区域之间的空间关系布局合理。
在一实施例中，所述获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息的步骤之后，还包括：
对所述修正信息模板的各个信息填充区域中的展会信息分别进行加密，得到对应的加密信息；
将各个加密信息分别存储至管理终端的数据库中。
在本实施例中，具体包括：
加密展会信息：对修正信息模板中的每个信息填充区域中的展会信息进行加密处理。其涉及使用加密算法对展会信息进行转换，以确保信息在传输和存储过程中的安全性和保密性。加密后的信息将呈现为一串密文，只有授权人员才能解密查看原始的展会信息内容。
存储至数据库：将每个加密后的展会信息分别存储至管理终端的数据库中。加密信息将在数据库中被安全地存储，以备后续的使用和查询。存储过程需要遵循安全存储的最佳实践，确保信息不会被未授权的用户访问或篡改。
通过对展会信息进行加密并存储到数据库中，可以保障展会信息的安全性和保密性。只有经过授权的用户并获得解密权限的情况下，才能查看和使用这些展会信息，有助于防止敏感信息的泄露和未经授权的访问。
在一实施例中，所述修正信息模板中包括九个信息填充区域；
所述对所述修正信息模板的各个信息填充区域中的展会信息分别进行加密，得到对应的加密信息的步骤，包括：
创建一个第一空白矩阵；其中，所述空白矩阵为为三行三列的阵列；创建一个3x3的空白矩阵，以备后续加密信息使用。
获取所述修正信息模板中各个信息填充区域分别对应的代号，将各个信息填充区域对应的代号按照所述修正信息模板中各个信息填充区域的布局，添加至所述第一空白矩阵中，得到修正代号矩阵；分配代号给修正信息模板中的每个信息填充区域，并按照模板的布局将这些代号添加到第一空白矩阵中，保证代号的位置和信息填充区域在模板中的布局对应。
针对所述修正信息模板的各个信息填充区域中的展会信息，分别基于所述修正代号矩阵，生成对应的加密密码；其中，针对所述修正信息模板的各个信息填充区域中的展会信息生成的加密密码互不相同；根据修正代号矩阵和特定算法生成针对每个信息填充区域的展会信息的加密密码。并且确保每个信息填充区域生成的加密密码都是唯一且不同的。
基于生成的加密密码对对应的展会信息分别进行加密，得到对应的加密信息。利用生成的唯一加密密码，系统对每个信息填充区域中的展会信息进行加密处理，得到跟密码相关的加密信息。
在本实施例中，通过上述技术方案，对修正信息模板中的各个信息填充区域中的展会信息进行了加密处理，并且每个信息填充区域对应不同的加密密码，保证了加密的唯一性和安全性。
在一实施例中，所述针对所述修正信息模板的各个信息填充区域中的展会信息，分别基于所述修正代号矩阵，生成对应的加密密码的步骤，包括：
分别针对所述修正信息模板的各个信息填充区域中的展会信息，生成一个三行一列的第二空白矩阵，并在所述第二空白矩阵中添加对应的元素，得到对应的目标代号矩阵；其中，添加的三个元素均为对应的信息填充区域的代号；
将所述修正代号矩阵与所述目标代号矩阵进行相乘，得到相乘矩阵，将相乘矩阵中各个位置的元素进行组合，得到信息填充区域中的展会信息对应的加密密码。
在本实施例中，具体包括：
对每个信息填充区域的展会信息生成一个3x1的矩阵，并将相应的信息填充区域代号添加到这个矩阵的对应位置，将形成目标代号矩阵，以备后续的计算使用。由于每个信息填充区域对应的代号不同，则其生成的3x1的矩阵也互不相同。
将修正代号矩阵与目标代号矩阵进行相乘，得到一个新的相乘矩阵，然后将这个相乘矩阵中的元素进行组合。在一实施例中，可以直接将组合作为加密密码。在其它实施例中，也可以采取特定的算法，对上述组合进行处理，生成最终的加密密码。
由于上述生成的3x1的矩阵互不相同，使得对应的相乘矩阵也互不相同，在便可以确保每个信息填充区域的展会信息都能得到独特的加密密码。
通过上述技术方案，展会信息得到了一种特殊的加密处理，这种加密处理方法涉及了矩阵运算和特定的算法以实现加密过程。值得注意的是，这种加密方案似乎是独特的，以确保加密后的信息的安全性和唯一性。
参照图2，本发明一实施例中还提供了一种展会指引信息生成系统，包括：
获取单元，用于获取当前展会的场地信息、主题信息以及规模信息；
检测单元，用于将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域；
计算单元，用于将所述场地信息以及规模信息输入至偏差计算模型中，输出得到对应的偏差值；其中，所述偏差值表示各个信息填充区域之间的距离值；所述偏差计算模型是深度学习网络预先训练得到；
布局单元，用于基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板；
生成单元，用于获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息；其中，每一个信息填充区域中添加一类展会信息。
在本实施例中，上述系统实施例中的各个单元的具体实现，请参照上述方法实施例中所述，在此不再进行赘述。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、显示屏、输入装置、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储本实施例中对应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定。
本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
综上所述，为本发明实施例中提供的展会指引信息生成方法以及系统，包括：获取当前展会的场地信息、主题信息以及规模信息；将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域；将所述场地信息以及规模信息输入至偏差计算模型中，输出得到对应的偏差值；其中，所述偏差值表示各个信息填充区域之间的距离值；所述偏差计算模型是深度学习网络预先训练得到；基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板；获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息；其中，每一个信息填充区域中添加一类展会信息。在本发明中，通过偏差计算模型优化信息模板布局，并根据实时展会数据填充信息，从而生成符合实际需求且布局得体的展会指引信息。不仅大大提升了展会信息布置的效率和精准度，而且还能够在展会中灵活应对展会场地和主题的多样化需求。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种展会指引信息生成方法，其特征在于，包括以下步骤：
获取当前展会的场地信息、主题信息以及规模信息；
将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域；
将所述场地信息以及规模信息输入至偏差计算模型中，输出得到对应的偏差值；其中，所述偏差值表示各个信息填充区域之间的距离值；所述偏差计算模型是深度学习网络预先训练得到；
基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板；
获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息；其中，每一个信息填充区域中添加一类展会信息。
2.根据权利要求1所述的展会指引信息生成方法，其特征在于，所述场地信息包括举办展会的位置；所述主题信息包括展会的主题内容信息；所述规模信息包括参加展会的企业数量。
3.根据权利要求1所述的展会指引信息生成方法，其特征在于，所述将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域的步骤，包括：
调用数据库中存储的检测脚本；其中，所述检测脚本为预先编译完成的脚本；
对所述主题信息进行关键字提取，得到多个关键词；
将多个关键词添加至同一个集合中，得到关键词集合；
将所述关键词集合作为入参输入至检测脚本中进行运算，得到所述检测脚本的输出结果；其中，所述输出结果为所述主题信息匹配的信息模板。
4.根据权利要求1所述的展会指引信息生成方法，其特征在于，所述信息模板中包括九个信息填充区域；
所述基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板的步骤，包括：
创建一个矩阵阵列；其中，所述矩阵阵列中为三行三列的阵列；
获取所述信息模板中的各个信息填充区域对应的代号，并将各个信息填充区域对应的代号随机添加至所述矩阵阵列中；
计算所述矩阵阵列中每一行的距离总值；其中，所述距离总值为所述矩阵阵列每一行中相邻两个代号所对应的信息填充区域之间的距离值的总和；
迭代对所述矩阵阵列中的代号进行位置调整，使得所述矩阵阵列中每一行的距离总值均小于预设值，且使得所述矩阵阵列中三个行的距离总值从小到大进行排列，得到最终的第一代号矩阵阵列；
对所述信息模板中的各个信息填充区域进行重新布局，以使得各个信息填充区域的布局与所述第一代号矩阵阵列中各个代号的布局关系相同，得到所述修正信息模板。
5.根据权利要求1所述的展会指引信息生成方法，其特征在于，所述获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息的步骤之后，还包括：
对所述修正信息模板的各个信息填充区域中的展会信息分别进行加密，得到对应的加密信息；
将各个加密信息分别存储至管理终端的数据库中。
6.根据权利要求5所述的展会指引信息生成方法，其特征在于，所述修正信息模板中包括九个信息填充区域；
所述对所述修正信息模板的各个信息填充区域中的展会信息分别进行加密，得到对应的加密信息的步骤，包括：
创建一个第一空白矩阵；其中，所述空白矩阵为为三行三列的阵列；
获取所述修正信息模板中各个信息填充区域分别对应的代号，将各个信息填充区域对应的代号按照所述修正信息模板中各个信息填充区域的布局，添加至所述第一空白矩阵中，得到修正代号矩阵；
针对所述修正信息模板的各个信息填充区域中的展会信息，分别基于所述修正代号矩阵，生成对应的加密密码；其中，针对所述修正信息模板的各个信息填充区域中的展会信息生成的加密密码互不相同；
基于生成的加密密码对对应的展会信息分别进行加密，得到对应的加密信息。
7.根据权利要求6所述的展会指引信息生成方法，其特征在于，所述针对所述修正信息模板的各个信息填充区域中的展会信息，分别基于所述修正代号矩阵，生成对应的加密密码的步骤，包括：
分别针对所述修正信息模板的各个信息填充区域中的展会信息，生成一个三行一列的第二空白矩阵，并在所述第二空白矩阵中添加对应的元素，得到对应的目标代号矩阵；其中，添加的三个元素均为对应的信息填充区域的代号；
将所述修正代号矩阵与所述目标代号矩阵进行相乘，得到相乘矩阵，将相乘矩阵中各个位置的元素进行组合，得到信息填充区域中的展会信息对应的加密密码。
8.一种展会指引信息生成系统，其特征在于，包括：
获取单元，用于获取当前展会的场地信息、主题信息以及规模信息；
检测单元，用于将所述主题信息输入至检测脚本中，得到与所述主题信息匹配的信息模板；其中，所述信息模板中包括多个不同的信息填充区域；
计算单元，用于将所述场地信息以及规模信息输入至偏差计算模型中，输出得到对应的偏差值；其中，所述偏差值表示各个信息填充区域之间的距离值；所述偏差计算模型是深度学习网络预先训练得到；
布局单元，用于基于所述偏差值，对所述信息模板中的各个信息填充区域进行重新布局，得到修正信息模板；
生成单元，用于获取当前展会的展会信息，并在对所述展会信息进行分类之后，将其添加至所述修正信息模板的信息填充区域中，得到展会指引信息；其中，每一个信息填充区域中添加一类展会信息。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410027755.4A CN117540720B (zh) | 2024-01-09 | 2024-01-09 | 展会指引信息生成方法以及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410027755.4A CN117540720B (zh) | 2024-01-09 | 2024-01-09 | 展会指引信息生成方法以及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117540720A true CN117540720A (zh) | 2024-02-09 |
| CN117540720B CN117540720B (zh) | 2024-03-26 |
Family
ID=89786531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410027755.4A Active CN117540720B (zh) | 2024-01-09 | 2024-01-09 | 展会指引信息生成方法以及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117540720B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080028298A1 (en) * | 2006-07-31 | 2008-01-31 | Fujifilm Corporation | Template generating apparatus, image layout apparatus, modified template generating apparatus, and programs therefor |
| CN117131196A (zh) * | 2023-09-21 | 2023-11-28 | 上海诚狐信息科技有限公司 | 一种文本处理方法及系统 |
| CN117156191A (zh) * | 2022-06-30 | 2023-12-01 | 深圳Tcl新技术有限公司 | 界面显示方法、装置、电子设备和计算机可读存储介质 |
-
2024
- 2024-01-09 CN CN202410027755.4A patent/CN117540720B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080028298A1 (en) * | 2006-07-31 | 2008-01-31 | Fujifilm Corporation | Template generating apparatus, image layout apparatus, modified template generating apparatus, and programs therefor |
| CN117156191A (zh) * | 2022-06-30 | 2023-12-01 | 深圳Tcl新技术有限公司 | 界面显示方法、装置、电子设备和计算机可读存储介质 |
| CN117131196A (zh) * | 2023-09-21 | 2023-11-28 | 上海诚狐信息科技有限公司 | 一种文本处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117540720B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111506722B (zh) | 基于深度学习技术的知识图谱问答方法、装置及设备 | |
| Filgueiras et al. | Digital transformation and public service delivery in Brazil | |
| CN112711937A (zh) | 一种模板推荐方法、装置、设备及存储介质 | |
| CN112464117A (zh) | 请求处理方法、装置、计算机设备和存储介质 | |
| CN114780083A (zh) | 一种知识图谱系统的可视化构建方法及装置 | |
| US10698904B1 (en) | Apparatus and method for acquiring, managing, sharing, monitoring, analyzing and publishing web-based time series data | |
| CN113706251A (zh) | 基于模型的商品推荐方法、装置、计算机设备和存储介质 | |
| CN112036147A (zh) | 将图片转换为网页的方法、装置、计算机设备和存储介质 | |
| CN113742776A (zh) | 基于生物识别技术的数据校验方法、装置和计算机设备 | |
| CN113642039A (zh) | 单证模板的配置方法、装置、计算机设备和存储介质 | |
| CN111813946A (zh) | 医疗信息反馈方法、装置、设备及可读存储介质 | |
| CN115981516A (zh) | 一种基于网络虚拟展厅的交互方法 | |
| Foody | Rating crowdsourced annotations: evaluating contributions of variable quality and completeness | |
| CN117540720B (zh) | 展会指引信息生成方法以及系统 | |
| US11956353B2 (en) | Machine learning device, machine learning system, and machine learning method | |
| CN113051372B (zh) | 材料数据的处理方法、装置、计算机设备和存储介质 | |
| CN113761375A (zh) | 基于神经网络的消息推荐方法、装置、设备及存储介质 | |
| CN114004639A (zh) | 优惠信息的推荐方法、装置、计算机设备和存储介质 | |
| CN113986581A (zh) | 数据聚合处理方法、装置、计算机设备和存储介质 | |
| Kanoje et al. | User profiling for recommendation system | |
| CN116383787A (zh) | 页面创建方法、装置、计算机设备及存储介质 | |
| Scheider et al. | Computing with cognitive spatial frames of reference in GIS | |
| CN113343970A (zh) | 文本图像检测方法、装置、设备及存储介质 | |
| Wang et al. | Research on grey relational clustering model of multiobjective human resources based on time constraint | |
| CN113434895B (zh) | 文本解密方法、装置、设备及存储介质 |
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 |