CN117851663B - 一种大屏可视化平台数据推送系统 - Google Patents

一种大屏可视化平台数据推送系统 Download PDF

Info

Publication number
CN117851663B
CN117851663B CN202310425471.6A CN202310425471A CN117851663B CN 117851663 B CN117851663 B CN 117851663B CN 202310425471 A CN202310425471 A CN 202310425471A CN 117851663 B CN117851663 B CN 117851663B
Authority
CN
China
Prior art keywords
client
data
interest
pushing
unit
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
Application number
CN202310425471.6A
Other languages
English (en)
Other versions
CN117851663A (zh
Inventor
蒋能
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Xuyuxin Technology Co ltd
Original Assignee
Hangzhou Xuyuxin Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Xuyuxin Technology Co ltd filed Critical Hangzhou Xuyuxin Technology Co ltd
Priority to CN202310425471.6A priority Critical patent/CN117851663B/zh
Publication of CN117851663A publication Critical patent/CN117851663A/zh
Application granted granted Critical
Publication of CN117851663B publication Critical patent/CN117851663B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种大屏可视化平台数据推送系统，涉及数据推送系统领域，包括后台服务端口和客户端展示端口，所述后台服务端口用于根据采集的客户输入信息，在数据库中查找用户感兴趣的数据信息，所述客户端展示端口用于采集客户的输入和识别数据，同时展示后台服务端口查找的用户兴趣数据信息，延伸兴趣提取单元提取分割后的语义中的延伸兴趣，对输入数据中的隐含热点词汇进行提取，以进一步提升对客户输入兴趣的分析效果，同时客户面部情感特征识别子单元识别客户的面部情感表现，客户对本批推送的情感进行快速识别，以加快客户对满意推送的查找，相关群体热点采集单元对用户真实年龄区间的相关群体的热点数据进行采集并推送。

Description

一种大屏可视化平台数据推送系统
技术领域
本发明涉及数据推送系统领域，特别涉及一种大屏可视化平台数据推送系统。
背景技术
国家电网公司信息调度运行监控中心大屏可视化展示系统、国家电网灾备中心大屏可视化系统和运营检测大屏可视化平台，展示的数据内容丰富且结构复杂，为了实现来自不同单位、不同系统的数据的整体统一，国家电网公司信息系统经历了SG186的整合建设，但是各系统内的数据结构仍存在不同的差异，主要体现在数据指标的内涵与外延在系统中的概念不同，这主要是因为数据来自不同单位，而同一系统在不同单位的数据结构完全不相同，跨单位数据指标存在采集不及时、不完整、推送频率不同的情况，为了解决该问题，现有技术（公开号为CN103077246A的中国专利）中公开了一种基于Netty的大屏可视化平台数据推送系统，包括数据采集层、数据集查询服务层和客户端展现层，本发明提供的基于Netty的大屏可视化平台的数据推送系统，通过异步的、事件驱动的网络应用程序框架把数据直接推送至相关订阅的客户端，实现了对数据实时更新，克服了传统的堵塞IO多线程模式不能满足大屏可视化平台大数据实时、稳定推送的问题，但是其还是存在着一些问题，首先其在推送时无法对特定人群进行识别，还需要人员验证等繁琐过程，无法对特定人群推送合适的数据信息，同时客户在对数据提取时，由于用户表达不清晰极易发生推送数据错误的情况，导致推送效率低、准确度差，本发明是为了解决这一问题，提出一种大屏可视化平台数据推送系统。
发明内容
本发明的主要目的在于提供一种大屏可视化平台数据推送系统，能够有效解决背景技术中的问题：首先其在推送时无法对特定人群进行识别，还需要人员验证等繁琐过程，无法对特定人群推送合适的数据信息，同时客户在对数据提取时，由于用户表达不清晰极易发生推送数据错误的情况，导致推送效率低、准确度差。
为实现上述目的，本发明采取的技术方案为：
一种大屏可视化平台数据推送系统，包括后台服务端口和客户端展示端口，所述后台服务端口用于根据采集的客户输入信息，在数据库中查找用户感兴趣的数据信息，所述客户端展示端口用于采集客户的输入和识别数据，同时展示后台服务端口查找的用户兴趣数据信息；
所述客户端展示端口包括客户数据采集模块和客户兴趣输入模块，所述客户数据采集模块用于采集客户的识别数据，所述客户兴趣输入模块用于采集客户的兴趣输入和以往兴趣数据，所述客户数据采集模块包括客户面部识别单元和操作速度采集单元，所述客户面部识别单元用于采集客户的面部数据特征，其中包括皱纹长度和皱纹条数，且用于判断客户的属性特征和对兴趣反馈的情感特征，所述操作速度采集单元用于采集使用者的操作速度特征；
所述后台服务端口包括数据整理推送模块和数据采集模块，所述数据整理推送模块用于对采集的数据进行整理排序后推送至客户端展示端口，所述数据采集模块用于采集与客户兴趣相关的数据。
本发明进一步的改进在于，所述数据整理推送模块包括数据整理单元、可视化处理单元、推送值计算单元和数据推送单元，所述数据整理单元用于对采集的数据信息进行分类处理，所述推送值计算单元用于推送信息数据的推送值进行计算，所述可视化处理单元用于对推送数据转化为可视化模型输出，所述数据推送单元用于根据推送值的降序排列向客户端展示端口推送兴趣数据。
本发明进一步的改进在于，所述客户兴趣输入模块的输出端连接兴趣内容分割单元，所述数据采集模块包括热点数据采集单元和客户兴趣相关采集单元，所述热点数据采集单元包括热点词汇数据库和热点词汇近义词数据库，所述兴趣内容分割单元用于对客户输入兴趣进行语义分割，其中为语义分割后的第n个词元，所述兴趣内容分割单元的输出端连接兴趣点提取单元和延伸兴趣提取单元，所述兴趣点提取单元用于提取分割后的语义中的兴趣点，其提取策略如下：
1)对热点数据中的热点词汇进行提取，将热点词汇数据库和热点词汇近义词数据库在维度向量上进行组合，组合集合为：，其中为热点词汇总数维度值，为第n1个热点词汇，为第n1个热点词汇的近义词；
2）将语义分割后的中依次提取单个词元，与所述组合集合中的单个维度之间进行单个词元相关度计算，单个词元相关度计算公式为，其中为在词元分割模块分割的词元中出现的频率，值取1，而为在集合中出现的频率；
3）将求的单个词元相关度与相关度阈值对比，若单个词元相关度小于相关度阈值，则该词元不设置为兴趣点，若单个词元相关度大于等于相关度阈值，取相关值最大的集合中的作为兴趣点，将提取的兴趣点按照原顺序组合，以得到确定兴趣内容，在数据采集模块中查找与确定兴趣内容，并计算推送值，将相关度降序排布，推送值高的十组数据向客户端展示端口推送。
本发明进一步的改进在于，所述延伸兴趣提取单元用于提取分割后的语义中的延伸兴趣，所述兴趣点提取单元和延伸兴趣提取单元输出端连接兴趣点确定单元，所述兴趣点确定单元用于对提取兴趣点和延伸兴趣点进行最终确认，所述延伸兴趣提取策略为：去除分割后的语义中中任一个元素得到，热点数据与进行相关度计算，从而找到与相关度最大的两组热点数据作为排列在相关度高的十组数据之后的数据向客户推送，所述推送值计算单元中包括推送值计算公式，所述推送值计算公式为：，其中为单个词元相关度。
本发明进一步的改进在于，所述客户面部识别单元包括客户面部情感特征识别子单元和客户面部属性特征识别子单元，所述客户面部情感特征识别子单元用于识别客户的面部情感表现，所述客户面部属性特征识别子单元用于识别客户的年龄区间，所述客户面部情感特征识别子单元中包括客户面部情感特征识别策略，所述客户面部情感特征识别策略包括以下步骤：
1）提取客户面部图像，对客户嘴部特征进行提取，提取两侧嘴角和上嘴唇中部所呈的角度；
2）计算客户的情感特征值：，当小于0时则说明客户对本批推送不满意，需要替换下一批推送，当大于等于0时则说明客户对本批推送满意。
本发明进一步的改进在于，所述客户面部属性特征识别子单元中包括面部属性特征识别策略，所述面部属性特征识别策略包括以下具体步骤：
1）采集人脸图像，提取人脸轮廓皱纹数据，其中包括皱纹长度和皱纹条数；
2）构建人脸轮廓皱纹数据训练年龄识别模型；
3）采用训练后的年龄识别模型对待识别的人脸轮廓皱纹数据进行识别，得到用户面部年龄的范围。
本发明进一步的改进在于，所述操作速度采集单元中包括操作速度识别客户年龄策略，所述操作速度识别客户年龄策略包括以下步骤：
1）对客户施加提示，记录客户收到提示后反应的时间；
2）将代入年龄识别公式中计算操作速度识别客户年龄：，得到客户年龄区间，将操作速度识别客户年龄和面部年龄的范围取交集，即为用户真实年龄区间。
本发明进一步的改进在于，所述相关群体热点采集单元对用户真实年龄区间的相关群体的热点数据进行采集并推送。
与现有技术相比，本发明具有如下有益效果：
1）本发明客户兴趣输入模块的输出端连接兴趣内容分割单元，兴趣内容分割单元对客户输入兴趣进行语义分割，兴趣点提取单元提取分割后的语义中的兴趣点，延伸兴趣提取单元提取分割后的语义中的延伸兴趣，对输入数据中的隐含热点词汇进行提取，以进一步提升对客户输入兴趣的分析效果，同时客户面部情感特征识别子单元识别客户的面部情感表现，客户对本批推送的情感进行快速识别，以加快客户对满意推送的查找；
2）本发明通过对客户面部识别和操作反应速度进行识别，对用户真实年龄区间进行准确计算，相关群体热点采集单元对用户真实年龄区间的相关群体的热点数据进行采集并推送，有效的提高了需要帮助客户的使用效率和数据推送速度。
附图说明
图1为本发明一种大屏可视化平台数据推送系统的原理构架示意图。
图2为本发明一种大屏可视化平台数据推送系统的客户数据采集模块框架的示意图。
图3为本发明一种大屏可视化平台数据推送系统的客户兴趣输入模块的示意图。
实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“一号”、“二号”、“三号”仅用于描述目的，而不能理解为指示或暗示相对重要性。下面结合具体实施方式，进一步阐述本发明。
实施例1
本实施例客户兴趣输入模块的输出端连接兴趣内容分割单元，兴趣内容分割单元对客户输入兴趣进行语义分割，兴趣点提取单元提取分割后的语义中的兴趣点，延伸兴趣提取单元提取分割后的语义中的延伸兴趣，对输入数据中的隐含热点词汇进行提取，以进一步提升对客户输入兴趣的分析效果，同时客户面部情感特征识别子单元识别客户的面部情感表现，客户对本批推送的情感进行快速识别，以加快客户对满意推送的查找，具体方案为，如图1-图3所示，一种大屏可视化平台数据推送系统，包括后台服务端口和客户端展示端口，后台服务端口用于根据采集的客户输入信息，在数据库中查找用户感兴趣的数据信息，客户端展示端口用于采集客户的输入和识别数据，同时展示后台服务端口查找的用户兴趣数据信息；
客户端展示端口包括客户数据采集模块和客户兴趣输入模块，客户数据采集模块用于采集客户的识别数据，客户兴趣输入模块用于采集客户的兴趣输入和以往兴趣数据，客户数据采集模块包括客户面部识别单元和操作速度采集单元，客户面部识别单元用于采集客户的面部数据特征，其中包括皱纹长度和皱纹条数，且用于判断客户的属性特征和对兴趣反馈的情感特征，所述操作速度采集单元用于采集使用者的操作速度特征；
后台服务端口包括数据整理推送模块和数据采集模块，数据整理推送模块用于对采集的数据进行整理排序后推送至客户端展示端口，数据采集模块用于采集与客户兴趣相关的数据。
在本实施例中，数据整理推送模块包括数据整理单元、可视化处理单元、推送值计算单元和数据推送单元，数据整理单元用于对采集的数据信息进行分类处理，推送值计算单元用于推送信息数据的推送值进行计算，可视化处理单元用于对推送数据转化为可视化模型输出，数据推送单元用于根据推送值的降序排列向客户端展示端口推送兴趣数据。
在本实施例中，客户兴趣输入模块的输出端连接兴趣内容分割单元，数据采集模块包括热点数据采集单元和客户兴趣相关采集单元，热点数据采集单元包括热点词汇数据库和热点词汇近义词数据库，兴趣内容分割单元用于对客户输入兴趣进行语义分割，其中为语义分割后的第n个词元，所述兴趣内容分割单元的输出端连接兴趣点提取单元和延伸兴趣提取单元，所述兴趣点提取单元用于提取分割后的语义中的兴趣点，其提取策略如下：
1)对热点数据中的热点词汇进行提取，将热点词汇数据库和热点词汇近义词数据库在维度向量上进行组合，组合集合为：，其中为热点词汇总数维度值，为第n1个热点词汇，为第n1个热点词汇的近义词；
2）将语义分割后的中依次提取单个词元，与所述组合集合中的单个维度之间进行单个词元相关度计算，单个词元相关度计算公式为，其中为在词元分割模块分割的词元中出现的频率，值取1，而为在集合中出现的频率；
3）将求的单个词元相关度与相关度阈值对比，若单个词元相关度小于相关度阈值，则该词元不设置为兴趣点，若单个词元相关度大于等于相关度阈值，取相关值最大的集合中的作为兴趣点，将提取的兴趣点按照原顺序组合，以得到确定兴趣内容，在数据采集模块中查找与确定兴趣内容，并计算推送值，将相关度降序排布，推送值高的十组数据向客户端展示端口推送。
在本实施例中，延伸兴趣提取单元用于提取分割后的语义中的延伸兴趣，所述兴趣点提取单元和延伸兴趣提取单元输出端连接兴趣点确定单元，所述兴趣点确定单元用于对提取兴趣点和延伸兴趣点进行最终确认，所述延伸兴趣提取策略为：去除分割后的语义中中任一个元素得到，热点数据与进行相关度计算，从而找到与相关度最大的两组热点数据作为排列在相关度高的十组数据之后的数据向客户推送，所述推送值计算单元中包括推送值计算公式，所述推送值计算公式为：，其中为单个词元相关度。
在本实施例中，客户面部识别单元包括客户面部情感特征识别子单元和客户面部属性特征识别子单元，客户面部情感特征识别子单元用于识别客户的面部情感表现，客户面部属性特征识别子单元用于识别客户的年龄区间，客户面部情感特征识别子单元中包括客户面部情感特征识别策略，客户面部情感特征识别策略包括以下步骤：
1）提取客户面部图像，对客户嘴部特征进行提取，提取两侧嘴角和上嘴唇中部所呈的角度；
2）计算客户的情感特征值：，当小于0时则说明客户对本批推送不满意，需要替换下一批推送，当大于等于0时则说明客户对本批推送满意。
实施例2
实施例2在实施例1的基础上通过对客户面部识别和操作反应速度进行识别，对用户真实年龄区间进行准确计算，相关群体热点采集单元对用户真实年龄区间的相关群体的热点数据进行采集并推送，有效的提高了需要帮助客户的使用效率和数据推送速度，如图1-图3所示，一种大屏可视化平台数据推送系统，包括后台服务端口和客户端展示端口，后台服务端口用于根据采集的客户输入信息，在数据库中查找用户感兴趣的数据信息，客户端展示端口用于采集客户的输入和识别数据，同时展示后台服务端口查找的用户兴趣数据信息；
客户端展示端口包括客户数据采集模块和客户兴趣输入模块，客户数据采集模块用于采集客户的识别数据，客户兴趣输入模块用于采集客户的兴趣输入和以往兴趣数据，客户数据采集模块包括客户面部识别单元和操作速度采集单元，客户面部识别单元用于采集客户的面部数据特征，其中包括皱纹长度和皱纹条数，且用于判断客户的属性特征和对兴趣反馈的情感特征，所述操作速度采集单元用于采集使用者的操作速度特征；
后台服务端口包括数据整理推送模块和数据采集模块，数据整理推送模块用于对采集的数据进行整理排序后推送至客户端展示端口，数据采集模块用于采集与客户兴趣相关的数据。
在本实施例中，数据整理推送模块包括数据整理单元、可视化处理单元、推送值计算单元和数据推送单元，数据整理单元用于对采集的数据信息进行分类处理，推送值计算单元用于推送信息数据的推送值进行计算，可视化处理单元用于对推送数据转化为可视化模型输出，数据推送单元用于根据推送值的降序排列向客户端展示端口推送兴趣数据。
在本实施例中，客户兴趣输入模块的输出端连接兴趣内容分割单元，数据采集模块包括热点数据采集单元和客户兴趣相关采集单元，热点数据采集单元包括热点词汇数据库和热点词汇近义词数据库，兴趣内容分割单元用于对客户输入兴趣进行语义分割，其中为语义分割后的第n个词元，所述兴趣内容分割单元的输出端连接兴趣点提取单元和延伸兴趣提取单元，所述兴趣点提取单元用于提取分割后的语义中的兴趣点，其提取策略如下：
1)对热点数据中的热点词汇进行提取，将热点词汇数据库和热点词汇近义词数据库在维度向量上进行组合，组合集合为：，其中为热点词汇总数维度值，为第n1个热点词汇，为第n1个热点词汇的近义词；
2）将语义分割后的中依次提取单个词元，与所述组合集合中的单个维度之间进行单个词元相关度计算，单个词元相关度计算公式为，其中为在词元分割模块分割的词元中出现的频率，值取1，而为在集合中出现的频率；
3）将求的单个词元相关度与相关度阈值对比，若单个词元相关度小于相关度阈值，则该词元不设置为兴趣点，若单个词元相关度大于等于相关度阈值，取相关值最大的集合中的作为兴趣点，将提取的兴趣点按照原顺序组合，以得到确定兴趣内容，在数据采集模块中查找与确定兴趣内容，并计算推送值，将相关度降序排布，推送值高的十组数据向客户端展示端口推送。
在本实施例中，延伸兴趣提取单元用于提取分割后的语义中的延伸兴趣，所述兴趣点提取单元和延伸兴趣提取单元输出端连接兴趣点确定单元，所述兴趣点确定单元用于对提取兴趣点和延伸兴趣点进行最终确认，所述延伸兴趣提取策略为：去除分割后的语义中中任一个元素得到，热点数据与进行相关度计算，从而找到与相关度最大的两组热点数据作为排列在相关度高的十组数据之后的数据向客户推送，所述推送值计算单元中包括推送值计算公式，所述推送值计算公式为：，其中为单个词元相关度。
在本实施例中，客户面部识别单元包括客户面部情感特征识别子单元和客户面部属性特征识别子单元，客户面部情感特征识别子单元用于识别客户的面部情感表现，客户面部属性特征识别子单元用于识别客户的年龄区间，客户面部情感特征识别子单元中包括客户面部情感特征识别策略，客户面部情感特征识别策略包括以下步骤：
1）提取客户面部图像，对客户嘴部特征进行提取，提取两侧嘴角和上嘴唇中部所呈的角度；
2）计算客户的情感特征值：，当小于0时则说明客户对本批推送不满意，需要替换下一批推送，当大于等于0时则说明客户对本批推送满意；
客户面部属性特征识别子单元中包括面部属性特征识别策略，面部属性特征识别策略包括以下具体步骤：
1）采集人脸图像，提取人脸轮廓皱纹数据，其中包括皱纹长度和皱纹条数；
2）构建人脸轮廓皱纹数据训练年龄识别模型；
3）采用训练后的年龄识别模型对待识别的人脸轮廓皱纹数据进行识别，得到用户面部年龄的范围（面部识别年龄模型在专利号为CN115359546B的专利中提及，为成熟的现有技术），操作速度采集单元中包括操作速度识别客户年龄策略，操作速度识别客户年龄策略包括以下步骤：
1）对客户施加提示，记录客户收到提示后反应的时间；
2）将代入年龄识别公式中计算操作速度识别客户年龄：，得到客户年龄区间，将操作速度识别客户年龄和面部年龄的范围取交集，即为用户真实年龄区间；数据采集模块还包括相关群体热点采集单元，相关群体热点采集单元对用户真实年龄区间的相关群体的热点数据进行采集并推送。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种大屏可视化平台数据推送系统，其特征在于：包括后台服务端口和客户端展示端口，所述后台服务端口用于根据采集的客户输入信息，在数据库中查找用户感兴趣的数据信息，所述客户端展示端口用于采集客户的输入和识别数据，同时展示后台服务端口查找的用户兴趣数据信息；
所述客户端展示端口包括客户数据采集模块和客户兴趣输入模块，所述客户数据采集模块用于采集客户的识别数据，所述客户兴趣输入模块用于采集客户的兴趣输入和以往兴趣数据，所述客户数据采集模块包括客户面部识别单元和操作速度采集单元，所述客户面部识别单元用于采集客户的面部数据特征，其中包括皱纹长度xzw和皱纹条数mzw，且用于判断客户的属性特征和对兴趣反馈的情感特征，所述操作速度采集单元用于采集使用者的操作速度特征Vcz；
所述后台服务端口包括数据整理推送模块和数据采集模块，所述数据整理推送模块用于对采集的数据进行整理排序后推送至客户端展示端口，所述数据采集模块用于采集与客户兴趣相关的数据；所述数据整理推送模块包括数据整理单元、可视化处理单元、推送值计算单元和数据推送单元，所述数据整理单元用于对采集的数据信息进行分类处理，所述推送值计算单元用于推送信息数据的推送值进行计算，所述可视化处理单元用于对推送数据转化为可视化模型输出，所述数据推送单元用于根据推送值的降序排列向客户端展示端口推送兴趣数据；所述客户兴趣输入模块的输出端连接兴趣内容分割单元，所述数据采集模块包括热点数据采集单元和客户兴趣相关采集单元，所述热点数据采集单元包括热点词汇数据库和热点词汇近义词数据库，所述兴趣内容分割单元用于对客户输入兴趣进行语义分割f2＝(x1,x2,x3,...,xn)，其中xn为语义分割后的第n个词元，所述兴趣内容分割单元的输出端连接兴趣点提取单元和延伸兴趣提取单元，所述兴趣点提取单元用于提取分割后的语义中f2＝(x1,x2,x3,...,xn)的兴趣点，其提取策略如下：
1)对热点数据中的热点词汇进行提取，将热点词汇数据库和热点词汇近义词数据库在维度向量上进行组合，组合集合为：fn4＝n2(xn1,xn1(pjyc))，其中n2为热点词汇总数维度值，xn1为第n1个热点词汇，xn1(pjyc)为第n1个热点词汇的近义词；
2)将语义分割后的f2＝(x1,x2,x3,...,xn)中依次提取单个词元，与所述组合集合中的单个维度之间进行单个词元相关度计算，单个词元相关度Ixgd计算公式为其中ai为xi在词元分割模块分割的词元f2中出现的频率，值取1，而bi为xi在集合fn4＝n2(xn1,xn1(pjyc))中出现的频率；
3)将求的单个词元相关度Ixgd与相关度阈值对比，若单个词元相关度Ixgd小于相关度阈值，则该词元不设置为兴趣点，若单个词元相关度Ixgd大于等于相关度阈值，取相关值最大的集合fn4＝n2(xn1,xn1(pjyc))中的xn1作为兴趣点，将提取的兴趣点按照原顺序组合，以得到确定兴趣内容，在数据采集模块中查找与确定兴趣内容，并计算推送值，将相关度降序排布，推送值高的十组数据向客户端展示端口推送。
2.根据权利要求1所述的一种大屏可视化平台数据推送系统，其特征在于：所述延伸兴趣提取单元用于提取分割后的语义中f2＝(x1,x2,x3,...,xn)的延伸兴趣，所述兴趣点提取单元和延伸兴趣提取单元输出端连接兴趣点确定单元，所述兴趣点确定单元用于对提取兴趣点和延伸兴趣点进行最终确认，所述延伸兴趣提取策略为：去除分割后的语义中f2＝(x1,x2,x3,...,xn)中任一个元素得到f8＝(x1,x2,x3,...,xn-1)，热点数据与f8＝(x1,x2,x3,...,xn-1)进行相关度计算，从而找到与f8＝(x1,x2,x3,...,xn-1)相关度最大的两组热点数据作为排列在相关度高的十组数据之后的数据向客户推送，所述推送值计算单元中包括推送值计算公式，所述推送值计算公式为：其中Ixgd为单个词元相关度。
3.根据权利要求2所述的一种大屏可视化平台数据推送系统，其特征在于：所述客户面部识别单元包括客户面部情感特征识别子单元和客户面部属性特征识别子单元，所述客户面部情感特征识别子单元用于识别客户的面部情感表现，所述客户面部属性特征识别子单元用于识别客户的年龄区间，所述客户面部情感特征识别子单元中包括客户面部情感特征识别策略，所述客户面部情感特征识别策略包括以下步骤：
1)提取客户面部图像，对客户嘴部特征进行提取，提取两侧嘴角和上嘴唇中部所呈的角度θ1；
2)计算客户的情感特征值：当Iqg小于0时则说明客户对本批推送不满意，需要替换下一批推送，当Iqg大于等于0时则说明客户对本批推送满意。
4.根据权利要求3所述的一种大屏可视化平台数据推送系统，其特征在于：所述客户面部属性特征识别子单元中包括面部属性特征识别策略，所述面部属性特征识别策略包括以下具体步骤：
1)采集人脸图像，提取人脸轮廓皱纹数据，其中包括皱纹长度xzw和皱纹条数mzw；
2)构建人脸轮廓皱纹数据训练年龄识别模型；
3)采用训练后的年龄识别模型对待识别的人脸轮廓皱纹数据进行识别，得到用户面部年龄的范围Tm。
5.根据权利要求4所述的一种大屏可视化平台数据推送系统，其特征在于：所述操作速度采集单元中包括操作速度识别客户年龄策略，所述操作速度识别客户年龄策略包括以下步骤：
1)对客户施加提示，记录客户收到提示后反应的时间tfy；
2)将tfy代入年龄识别公式中计算操作速度识别客户年龄：得到客户年龄区间，将操作速度识别客户年龄和面部年龄的范围Tm取交集，即为用户真实年龄区间。
6.根据权利要求5所述的一种大屏可视化平台数据推送系统，其特征在于：所述数据采集模块还包括相关群体热点采集单元，所述相关群体热点采集单元对用户真实年龄区间的相关群体的热点数据进行采集并推送。
CN202310425471.6A 2023-04-20 2023-04-20 一种大屏可视化平台数据推送系统 Active CN117851663B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310425471.6A CN117851663B (zh) 2023-04-20 2023-04-20 一种大屏可视化平台数据推送系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310425471.6A CN117851663B (zh) 2023-04-20 2023-04-20 一种大屏可视化平台数据推送系统

Publications (2)

Publication Number Publication Date
CN117851663A CN117851663A (zh) 2024-04-09
CN117851663B true CN117851663B (zh) 2024-09-10

Family

ID=90535462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310425471.6A Active CN117851663B (zh) 2023-04-20 2023-04-20 一种大屏可视化平台数据推送系统

Country Status (1)

Country Link
CN (1) CN117851663B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110311950A (zh) * 2019-05-21 2019-10-08 平安科技（深圳）有限公司 信息推送方法、装置、设备和计算机可读存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870972A (zh) * 2012-12-07 2014-06-18 盛乐信息技术（上海）有限公司 数据推荐方法及系统
CN104035927B (zh) * 2013-03-05 2020-03-03 百度在线网络技术（北京）有限公司 一种基于用户行为的搜索方法及系统
US9978362B2 (en) * 2014-09-02 2018-05-22 Microsoft Technology Licensing, Llc Facet recommendations from sentiment-bearing content
CN107463608A (zh) * 2017-06-20 2017-12-12 上海汇尔通信息技术有限公司 一种基于人脸识别的信息推送方法及系统
CN111310019B (zh) * 2018-12-11 2023-10-20 阿里巴巴集团控股有限公司 信息推荐方法、信息处理方法、系统及设备
CN114880572B (zh) * 2022-05-23 2023-03-03 深圳市创意智慧港科技有限责任公司 新闻客户端智能推荐系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110311950A (zh) * 2019-05-21 2019-10-08 平安科技（深圳）有限公司 信息推送方法、装置、设备和计算机可读存储介质

Also Published As

Publication number Publication date
CN117851663A (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
CN111754302B (zh) 一种基于大数据的视频直播界面商品展示智能管理系统
CN110222560B (zh) 一种嵌入相似性损失函数的文本人员搜索方法
JP2021526242A (ja) 保険の録音による品質検査方法、装置、機器及びコンピュータ記憶媒体
CN111401250A (zh) 一种基于混合卷积神经网络的中文唇语识别方法及装置
JP2011198364A (ja) 媒体文書へのラベル添加方法及び該方法を用いるシステム
CN116844080B (zh) 疲劳程度多模态融合检测方法、电子设备及存储介质
CN112768070A (zh) 一种基于对话交流的精神健康评测方法和系统
CN109064294A (zh) 一种融合时间因素、文本特征和相关性的药品推荐方法
CN116775874B (zh) 一种基于多重语义信息的资讯智能分类方法及系统
CN118378212A (zh) 基于细粒度语义分解网络的多模态情感分析方法及其系统
CN119441447A (zh) 多模态知识匹配系统
CN118747916A (zh) 一种基于语义指导多模态融合的小样本动作识别方法
CN117851663B (zh) 一种大屏可视化平台数据推送系统
CN119649030B (zh) 一种弱监督设置下的三维指向性目标分割方法
CN210516214U (zh) 一种基于视频及语音交互服务设备
CN114912437B (zh) 弹幕颜文字检测与提取方法、系统、终端及介质
CN119005314A (zh) 一种文本知识库内知识点消歧的方法
CN114187636B (zh) 人脸识别模型训练、人脸识别方法、装置、设备及介质
CN116912846A (zh) 图像分类方法、图像分类装置、计算机设备及存储介质
CN115393865A (zh) 文字检索方法、设备以及计算机可读存储介质
CN111985193A (zh) 题目自动标注分类的方法和系统
CN120745569B (zh) 一种智能组卷方法和装置
CN118012921B (zh) 一种用于知识产权虚拟实验的人机交互数据处理系统
TWI840106B (zh) 語意分析系統及方法
CN117556084B (zh) 一种基于多模态的视频情感分析系统

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