一种基于数据分析的游泳教练智能化推荐系统的制作方法

1.本发明涉及推荐领域，尤其涉及一种基于数据分析的游泳教练智能化推荐系统。


背景技术：

2.游泳教练推荐系统是用来根据用户的需求来匹配健身教练的，根据用户输入的要求，在存储有教练的数据库中进行匹配，获得匹配结果后，将匹配结果推荐给用户。
3.现有的游泳教练推荐系统，在进行推荐时一般是仅采用的单一的匹配算法来进行匹配，从而导致推荐的结果不够准确。


技术实现要素：

4.本发明的目的在于公开一种基于数据分析的游泳教练智能化推荐系统，解决现有的游泳教练推荐系统在进行推荐时，仅采用单一的匹配算法俩进行匹配，导致推荐的结果不够准确的问题。
5.为了达到上述目的，本发明采用如下技术方案：
6.一种基于数据分析的游泳教练智能化推荐系统，包括用户模块、云服务模块和匹配模块；
7.用户模块用于用户输入对游泳教练的属性要求，属性要求包括范围类属性和非范围类属性；
8.云服务模块用于存储各个游泳教练的属性信息；
9.匹配模块用于采用如下方式进行匹配：
10.获取满足范围类属性的游泳教练的集合u；
11.采用如下公式分别计算集合u中每个游泳教练的属性信息和非范围类属性之间的综合相似度：
[0012][0013]
其中，sima表示集合u中的第a个游泳教练的属性信息和非范围类属性之间的相似度，firsima采用第一种相似度计算方式计算得到的第a个游泳教练的属性信息和非范围类属性之间的相似度，secsima表示采用第二种相似度计算方式计算得到的第a个游泳教练的属性信息和非范围类属性之间相似度，α表示第一权重系数，β表示第二权重系数，firsim
std
表示预设的第一种相似度计算方式的相似度参考值，secsim
std
表示预设的第二种相似度计算方式的相似度参考值；
[0014]
按照综合相似度高到低的顺序对集合u中的游泳教练进行排序，将综合相似度最高的前t个游泳教练作为匹配结果，将匹配结果发送至用户模块；
[0015]
用户模块还用于显示匹配结果。
[0016]
优选地，所述第一种相似度计算方式包括计算余弦相似度、计算杰卡德相似系数、计算皮尔逊相关系数中的任一种。
[0017]
优选地，当第一种相似度计算方式为计算余弦相似度时，第二种相似度计算方式则是除了计算余弦相似度之外的相似度计算方式；
[0018]
当第一种相似度计算方式为计算杰卡德相似系数时，第二种相似度计算方式则是除了计算杰卡德相似系数之外的相似度计算方式；
[0019]
当第一种相似度计算方式为计算皮尔逊相关系数时，第二种相似度计算方式则是除了计算皮尔逊相关系数之外的相似度计算方式。
[0020]
优选地，所述范围类属性包括年龄范围、教龄范围和身高范围。
[0021]
优选地，所述非范围类属性包括游泳教练的性别、擅长领域、毕业学校和已教学员数量。
[0022]
优选地，所述游泳教练的属性信息包括年龄、教龄、身高、性别、擅长领域、毕业学校和已教学员数量。
[0023]
优选地，所述用户模块包括登录单元、输入单元和显示单元；
[0024]
登录单元用于对用户的身份进行验证；
[0025]
输入单元用户通过验证的用户输入对游泳教练的属性要求；
[0026]
显示单元用于显示匹配结果。
[0027]
优选地，所述用户模块包括智能手机、笔记本电脑、平板电脑、台式电脑中的任一种。
[0028]
本发明在进行游泳教练的推荐时，采用的是通过两种不同的相似度计算方式来计算游泳教练的属性信息和非范围类属性之间的综合相似度，然后根据综合相似度来获得推荐结果。与现有技术相比，由于本发明采用了两种不同的计算方式来计算相似度，然后还综合了两种相似度的计算结果，因此，本发明有效地提高了推荐结果的准确率。
附图说明
[0029]
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，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。
[0030]
图1为本发明一种基于数据分析的游泳教练智能化推荐系统的一种实施例图。
[0031]
图2为人脸识别子单元对用户进行登录验证的一种实施例图。
具体实施方式
[0032]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0033]
如图1所示的一种实施例，本发明提供了一种基于数据分析的游泳教练智能化推荐系统，包括用户模块、云服务模块和匹配模块；
[0034]
用户模块用于用户输入对游泳教练的属性要求，属性要求包括范围类属性和非范围类属性；
[0035]
云服务模块用于存储各个游泳教练的属性信息；
[0036]
匹配模块用于采用如下方式进行匹配：
[0037]
获取满足范围类属性的游泳教练的集合u；
[0038]
采用如下公式分别计算集合u中每个游泳教练的属性信息和非范围类属性之间的综合相似度：
[0039][0040]
其中，sima表示集合u中的第a个游泳教练的属性信息和非范围类属性之间的相似度，firsima采用第一种相似度计算方式计算得到的第a个游泳教练的属性信息和非范围类属性之间的相似度，secsima表示采用第二种相似度计算方式计算得到的第a个游泳教练的属性信息和非范围类属性之间相似度，α表示第一权重系数，β表示第二权重系数，firsim
std
表示预设的第一种相似度计算方式的相似度参考值，secsim
std
表示预设的第二种相似度计算方式的相似度参考值；
[0041]
按照综合相似度高到低的顺序对集合u中的游泳教练进行排序，将综合相似度最高的前t个游泳教练作为匹配结果，将匹配结果发送至用户模块；
[0042]
用户模块还用于显示匹配结果。
[0043]
本发明在进行游泳教练的推荐时，采用的是通过两种不同的相似度计算方式来计算游泳教练的属性信息和非范围类属性之间的综合相似度，然后根据综合相似度来获得推荐结果。与现有技术相比，由于本发明采用了两种不同的计算方式来计算相似度，然后还综合了两种相似度的计算结果，因此，本发明有效地提高了推荐结果的准确率。
[0044]
优选地，所述第一种相似度计算方式包括计算余弦相似度、计算杰卡德相似系数、计算皮尔逊相关系数中的任一种。
[0045]
优选地，当第一种相似度计算方式为计算余弦相似度时，第二种相似度计算方式则是除了计算余弦相似度之外的相似度计算方式；
[0046]
当第一种相似度计算方式为计算杰卡德相似系数时，第二种相似度计算方式则是除了计算杰卡德相似系数之外的相似度计算方式；
[0047]
当第一种相似度计算方式为计算皮尔逊相关系数时，第二种相似度计算方式则是除了计算皮尔逊相关系数之外的相似度计算方式。
[0048]
优选地，所述范围类属性包括年龄范围、教龄范围和身高范围。
[0049]
具体的，除了以上列举的范围类属性之外，范围类属性还可以包括体重范围、擅长领域数据范围等。例如，擅长领域是蛙泳，则擅长领域范围可以是游指定的距离时，蛙泳的时间小于某个数值。
[0050]
优选地，所述非范围类属性包括游泳教练的性别、擅长领域、毕业学校和已教学员数量。
[0051]
具体的，除了以上列举的非范围类属性之外，非范围类属性还可以包括证书等级、所属的游泳馆的规模、所属的游泳馆的地址等。
[0052]
优选地，所述游泳教练的属性信息包括年龄、教龄、身高、性别、擅长领域、毕业学校和已教学员数量。
[0053]
具体的，以上列举的属性信息仅是其中的一部分，本领域技术人员可以根据实际需要对属性信息进行设置。
[0054]
优选地，所述用户模块包括登录单元、输入单元和显示单元；
[0055]
登录单元用于对用户的身份进行验证；
[0056]
输入单元用户通过验证的用户输入对游泳教练的属性要求；
[0057]
显示单元用于显示匹配结果。
[0058]
在一种实施例中，当用户是学员时，学员输入对游泳教练的属性要求之后，可以在显示单元中看到返回的匹配结果，匹配结果包括教练的矩阵图，矩阵图上方可以“推荐教练”“附近教练”“场馆推荐”“星级排列”等功能标签，矩阵图内可以看到教练照片，教练姓名，所属场馆，教练标签。学员也可以根据自己的需求进一步筛选：所在城市地区，年龄，性别，教龄，标签，擅长领域等。
[0059]
学员点击矩阵图的教练照片，就会跳转到教练详情，包括：教练照片，编号，教练证书，年龄，所在场馆，教龄，毕业学校，曾获荣誉，擅长领域，已教学员，已结课程，学员评价等信息。学员可以根据自身需求选择对应教练，然后选择报课。
[0060]
课程可以分为常规课程和私教课程。
[0061]
常规课程：可以看到该游泳教练所在场馆的课程表，课程表包括在上课程，已排课程，根据自己实际情况购买对应课程，微信/支付宝/云闪付/余额扣款支付以后会生成二维码及课程合同，可直接用二维码入场或到前台录卡/录人脸/录指纹，通过不同方式入场上课。可以在用户模块看到自己的购课记录，上课记录，若行程改变可以退课(需审核)或转换到其他下场馆(需审核，多退少补重新签电子合同)上课，查看已签定的电子合同，可打印。
[0062]
私教课程：可以根据教练信息选择心仪的教练后与教练实时沟通，再自选上课内容，上课时间，上课地点后自动生成课程信息，课程价格，微信/支付宝/云闪付/余额扣款支付以后会生成二维码及课程合同，可直接用二维码入场或到前台录卡/录人脸/录指纹，通过不同方式入场上课。可以在用户模块看到自己的购课记录，上课记录，若行程改变可以退课(需审核)或更改时间(沟通协调)转换到其他场馆(需审核，多退少补重新签电子合同)上课，查看已签定的电子合同，可打印。
[0063]
在另一种实施例中，当用户是场馆工作人员时，场馆工作人员输入对游泳教练的属性要求之后，可以在在显示单元中看到返回的匹配结果，匹配结果包括游泳教练的矩阵图，矩阵图上方可以显示“推荐教练”“附近教练”等标签，矩阵图内可以看到教练照片，教练姓名，教练标签，毕业学校。场馆工作人员也可以根据自己的需求进一步筛选：所在城市地区，年龄，性别，教龄，标签，擅长领域。
[0064]
场馆工作人员点击矩阵图的教练照片，就会跳转到教练详情，包括：教练照片，编号，教练证书，年龄，教龄，毕业学校，曾获荣誉，擅长领域，希望薪资，是否需要包吃包吃，希望年终奖等。场馆工作人员可以根据自身需求选择对应教练，进入及时沟通。
[0065]
如想签约教练，可以修改相应变量，自动生成双方合同电子版，电子签字，形成法律认可的招聘合同，在平台上公示。并自动记录后续在该场馆的工作。
[0066]
优选地，所述用户模块包括智能手机、笔记本电脑、平板电脑、台式电脑中的任一种。
[0067]
在一种实施方式中，所述登录单元包括账号密码验证子单元，账号密码验证子单元用于对用户通过输入单元输入的账号密码进行验证，从而判断用户是否通过登录验证。
[0068]
在另一种实施方式中，所述登录单元包括人脸识别子单元，如图2所示，人脸识别子单元用于采用如下方式对用户进行登录验证：
[0069]
获取用户的脸部图像；
[0070]
对脸部图像进行图像特征的提取；
[0071]
将获得的图像特征与用户注册时保存的脸部图像的特征信息进行对比，判断用户是否通过登录验证。
[0072]
优选地，获取用户的脸部图像，包括：
[0073]
获取脸部图像中的抽样窗口图像；
[0074]
基于抽样窗口图像判断是否需要重新获取脸部图像。
[0075]
优选地，所述获取脸部图像中的抽样窗口图像，包括：
[0076]
采用d
×
d大小的滑动窗口w在脸部图像上按照从左到右，从上到下的顺序进行不重叠的滑动，滑动间隔采用如下方式确定：
[0077][0078]
其中，sdgitr
i+1
、sdgitri分别表示第i+1和第i个滑动间隔，utsi表示滑动间隔变化数量，inpari和inpar
i-1
分别表示第i个滑动间隔和第i-1个滑动间隔所对应的抽样窗口图像的滑动系数，ptv表示预设的滑动系数阈值；i大于等于2；第1个滑动间隔sdgitr1和第2个滑动间隔sdgitr2的值被设置为q；
[0079]
将滑动窗口w左上角的直角边与脸部图像的左上角的直角边重叠，将此时脸部图像中落入滑动窗口w的范围内的像素点作为第1个取样窗口图像winimg1；基于sdgitr1获取第2个取样窗口图像winimg2，将winimg2作为第1个滑动间隔sdgitr1所对应的窗口抽样图像。
[0080]
在本发明中，抽样窗口图像并不是采用随机获取的方式得到，而是通过不断地更新滑动间隔得到，这样的获取方式，能够降低随机获取带来的偶然性。极端情况下，若抽样窗口图像都是背景区域的，则会导致图像的质量参数不能够正确表示脸部图像的质量。滑动间隔与相邻的两个抽样窗口图像相关，当相邻的两个窗口抽样图像的滑动系数差别小于滑动系数阈值时，表示滑动窗口处于像素变化较为平缓的区域，此时可以增加滑动间隔以提高抽样的效率，反之则是需要减少滑动间隔，获得更为多样的抽样窗口图像，使得计算得到的质量参数不能够正确表示脸部图像的质量。
[0081]
优选地，采用如下方式判断是否结束获取抽样窗口图像：
[0082]
将脸部图像的尺寸记为length
×
width，length表示脸部图像中像素点的行数，width表示脸部图像中像素点的列数；
[0083]
当滑动窗口w需要进行第次换行时，结束获取抽样窗口图像。
[0084]
具体的，滑动窗口按照从左到右的顺序在抽样窗口图像上滑动，滑动到脸部图像的右侧时，便需要进行换行。例如，当脸部图像的尺寸为32
×
20，滑动窗口w的尺寸为5
×
5，q的值为10，滑动窗口w的中央的初始列数从左到右数为3，初始行数从上到下数为3，经过第1个滑动间隔sdgitr1后，滑动窗口w的中央的列数变为13，经过第2个滑动间隔sdgitr2后，滑动窗口w的中央的列数的计算值为23，但是，由于脸部图像只有20列，则此时需要对滑动窗
口w进行换行，将滑动窗口w的中央换到行数为5，列数为3的位置。当进行了次换行后，由于只剩下2行滑动窗口没有覆盖，如果进行次换行，则滑动窗口只有部分能够覆盖窗口图像，这样的窗口图像是不完整的，因此，结束获取抽样窗口图像。
[0085]
优选地，采用如下公式计算抽样窗口图像的滑动系数slicoef：
[0086][0087]
其中，numk表示抽样窗口图像中像素值为k的像素点的数量，num
all
表示抽样窗口图像中的像素点的总数，slicoef表示滑动系数，ω表示比例控制参数，ω∈(0,1)，cdu表示抽样窗口图像中的像素点的集合，gryv表示cdu中的像素点v的灰度值。
[0088]
滑动系数主要是从抽样窗口图像中包含的信息量和像素点之间的像素值差别进行计算，信息量越大，像素点之间的像素值差别越大，则滑动系数越大，表示抽样窗口图像中细节越丰富。
[0089]
优选地，所述基于抽样窗口图像判断是否需要重新获取脸部图像，包括：
[0090]
采用如下公式计算脸部图像的质量参数qatpar：
[0091][0092]
其中，slcu表示所有的抽样窗口图像的集合，nfslcu表示slcu中包含的抽样窗口图像的总数，slicoefs表示抽样窗口图像的滑动系数；
[0093]
若质量参数大于设定的质量参数阈值，则表示不需要重新获取脸部图像，若质量参数小于等于设定的质量参数阈值，则表示需要重新获取脸部图像。
[0094]
通过获取抽样窗口图像的方式来计算脸部图像的质量参数，能够避免对脸部图像中所有的像素点进行质量参数的计算，从而能够提高计算脸部图像的质量参数的效率。
[0095]
优选地，将获得的图像特征与用户注册时保存的脸部图像的特征信息进行对比，判断用户是否通过登录验证，包括：
[0096]
计算两种特征信息之间的相似程度，若相似程度大于设定的阈值，则表示用户通过登录验证。
[0097]
以上所述仅为本发明的示例性实施例，并非因此限制本发明的专利保护范围，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他相关的技术领域，均同理包括在本发明的专利保护范围内。