智能化社区共享活动服务方法

本发明涉及社区服务，尤其涉及智能化社区共享活动服务方法。

背景技术：

1、随着日益复杂和多样化的城市生活需求，以及科技的快速发展。传统的社区活动管理和服务模式往往面临着信息不透明、资源浪费、参与难度高等问题，这限制了居民充分享受社区活动带来的益处。同时，随着智能技术的兴起，人们对于更高效、便捷的服务方式提出了新的期望。现代城市社区中的居民拥有多元的兴趣和需求，而传统的活动宣传方式可能难以精准地抵达目标群体。如何利用先进的科技手段，将活动信息与居民需求紧密连接，实现活动的高效共享和服务提供，成为了一个迫切需要解决的问题；因此，发明出智能化社区共享活动服务方法变得尤为重要。

2、现有的社区共享活动服务方法不方便移动社区服务模块的运输和复制，无法实现活动信息的实时更新和精准推送；此外，现有的社区共享活动服务方法无法保障数据的完整性和可用性，系统整体的性能和稳定性较低；为此，我们提出智能化社区共享活动服务方法。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺陷，而提出的智能化社区共享活动服务方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、智能化社区共享活动服务方法，该服务方法具体步骤如下：

4、(1)采集和筛选社区居民意愿并确定社区服务模块类型；

5、(2)确定社区服务区域并构建对应的社区服务模块；

6、(3)收集和管理各种活动信息并反馈至居民终端；

7、(4)根据各居民的个人信息进行个性化活动推荐；

8、(5)监控分析社区服务模块信息并实时向管理人员反馈；

9、(6)定期收集并分布式存储社区服务模块使用信息。

10、作为本发明的进一步方案，步骤(1)中所述社区居民意愿筛选具体步骤如下：

11、步骤一：为各社区居民意愿标注合规性标签，之后对各组意愿数据进行分词处理以获取多组分词字符串，并通过一组二维数组存储各组分词字符串以及意愿数据对应类型标签，再计算各分词的词频-逆文档频率；

12、步骤二：将计算出的各组词频-逆文档频率按照由大到小的顺序排列，并将对应分词存储至另一初始化后的数组中，同时根据该数组生成各意愿数据的多项式关键词特征向量，若数据中包含该数组中的关键词则在多项式关键词特征向量对应位置记为1，否则将其记为0，同时将该多项式关键词特征向量存入对应二维数组中；

13、步骤三：从文献资料、互联网以及社区服务数据库中收集与社区服务相关的各种知识和信息，并对收集到的社区服务知识进行分类、去重以及筛选处理；

14、步骤四：通过nlp技术识别和抽取出处理后的社区服务知识中的实体，再从相关的知识信息中提取每个实体的对应属性，并建立实体之间的关系，形成社区服务图谱的连接；

15、步骤五：采用三元组的形式将实体、属性和关系处理成对应图状结构，选择合适的图数据库来存储和管理社区服务图谱，并对社区服务图谱进行不断地更新和维护，之后将各居民的意愿数据中的实体与知识图谱中的对应实体进行匹配，并统计社区服务类型信息。

16、作为本发明的进一步方案，步骤一中所述词频-逆文档频率具体计算公式如下：

17、

18、

19、tf-idfij＝tfij*idfij

20、(3)

21、式中，nij代表二维数组分词在第i组意愿数据中出现的次数，di代表第i组意愿数据各分词组成的集合。

22、作为本发明的进一步方案，步骤(1)中所述社区服务模块类型具体包括教育服务模块、医疗保健模块、文化艺术模块、体育休闲模块、社交与动模块、儿童托育模块、老年关爱模块、环保可持续模块、就业创业模块、社区安全模块、数字化服务模块以及精神心理模块。

23、作为本发明的进一步方案，步骤(2)中所述社区服务模块之间可通过连接件或轨道系统连接以实现不同模块之间的组合和布局变化，同时社区服务模块由可拆卸结构以及轻量材料进行构建，并通过自动化无人机以及智能轨道系统进行运输。

24、作为本发明的进一步方案，步骤(4)中所述个性化活动推荐具体步骤如下：

25、步骤ⅰ：收集用户的兴趣、历史参与记录和社交关系，并通过标准化处理将各组数据进行格式统一，之后将各组数据整合归纳成验证数据集，之后将数据集划分为训练集和测试集，并初始化卷积神经网络的权重和参数；

26、步骤ⅱ：将训练集导入该卷积神经网络中，根据输入数据和当前的权重和参数计算对应输出，之后分别通过交叉熵损失函数衡量卷积神经网络的预测结果与真实标签之间的损失值；

27、步骤ⅲ：若损失值未满足预设条件，则重新训练该卷积神经网络，并更新该卷积神经网络的权重与参数，当损失值满足预设条件时，使用测试集对训练好的卷积神经网络进行评估，计算卷积神经网络在测试集上的性能指标，并输出智能推荐模型；

28、步骤ⅳ：通过tf-idf文本表示方法对近期居民数据进行预处理，并将预处理后的数据作为输入数据，并将输入数据从智能推荐模型输入层经过模型的各隐藏层，各隐藏层分别对输入数据进行一次线性变换和非线性激活，并将处理后的数据通过各层之间的权重和激活函数进行逐层传递，之后输出层输出最终预测结果；

29、步骤ⅴ：设置合适的阈值，将预测结果转换为最终的分类标签，同时将预测结果中的实数值映射为相应的活动类型，并以图表或可视化形式展示，同时依据分类结果筛选出对应社区活动并反馈至居民终端。

30、作为本发明的进一步方案，步骤(5)中所述社区服务模块信息监控分析具体步骤如下：

31、步骤①：通过摄像头采集社区服务模块周围以及内部影像信息，将采集到的影像信息进行逐帧提取以获取多组图片数据，之后依据各组图片数据的显示比例对相应图片进行分块处理，再对分块后的图像数据通过傅里叶变换去除其中高频成分，通过高斯平滑滤波器对图片数据做平滑处理，将处理后的图像进行非线性变换，对非线性变换得到的结果之和进行加权处理以获取最终图片数据；

32、步骤②：选取满足条件的窗口在各组图片数据中移动，每移动一次计算此时窗口下的灰度共生矩阵，并从灰度共生矩阵中计算相关图像数据中的纹理特征，同时记录各像素点对应纹理特征，再通过图像金字塔对图片数据进行尺度归一化处理，并提取各组图片数据的特征，之后通过双向特征金字塔进行特征融合以获取目标检测框；

33、步骤③：依据目标检测框对各图片数据进行扩大化剪裁以获取目标图像，之后获取相关纹理特征，当纹理特征满足预设条件时，则判断当前像素区域为目标居民，并将其标记为1，若不满足，则判断当前像素区域为背景区域，并依据判断结果对目标居民进行背景分离以提取居民图像；

34、步骤④：依据提取出的居民图像对社区服务模块中各居民操作信息进行收集，并对各操作信息进行分析，若存在异常操作信息，则发出告警并将该居民信息反馈给管理人员。

35、作为本发明的进一步方案，步骤(6)中所述分布式存储具体步骤如下：

36、第一步：按照预设的时间区间对各组数据进行分割，以获形成多组数据块，之后自动为每组数据块分配一个唯一的id或者通过哈希算法生成各组数据块的标识；

37、第二步：收集各组节点信息，并依据数据块划分规则以及节点负载情况，并通过负载均衡算法选择合适的节点来存储每组数据块，数据块存储完成后，根据系统的要求和可用资源进行配置复制规定数量的数据块到多组节点上；

38、第三步：当节点存储的数据发生变化时，通过数据同步算法将数据更新从一个节点传播到其他节点，之后自动检测节点运行情况，并对故障节点进行数据迁移或修复。

39、相比于现有技术，本发明的有益效果在于：

40、1、该智能化社区共享活动服务方法通过可拆卸结构以及轻量材料构建各类型社区服务模块，并通过连接件或轨道系统连接进行不同模块之间的组合和布局变化，之后收集并预处理用户的兴趣、历史参与记录和社交关系数据，之后将数据划分为训练集以及测试集，并将训练集导入卷积神经网络进行训练，若损失值未满足预设条件，则重新训练该卷积神经网络，若损失值满足预设条件时，使用测试集对训练好的卷积神经网络进行评估，计算卷积神经网络在测试集上的性能指标，并输出智能推荐模型，之后将处理后的居民信息作为输入数据传输至智能推荐模型中，智能推荐模型对输入数据处理后输出预测结果，并将预测结果中的实数值映射为相应的活动类型，并以图表或可视化形式展示，同时依据分类结果筛选出对应社区活动并反馈至居民终端，能够方便移动社区服务模块的运输和复制，实现活动信息的实时更新和精准推送，提高活动的参与率和满意度。

41、2、该智能化社区共享活动服务方法通过按照预设的时间区间对各组数据进行分割，以获形成多组数据块，之后自动为每组数据块分配一个唯一的id或者通过哈希算法生成各组数据块的标识，收集各组节点信息，并依据数据块划分规则以及节点负载情况，并通过负载均衡算法选择合适的节点来存储每组数据块，数据块存储完成后，根据系统的要求和可用资源进行配置复制规定数量的数据块到多组节点上，当节点存储的数据发生变化时，通过数据同步算法将数据更新从一个节点传播到其他节点，之后自动检测节点运行情况，并对故障节点进行数据迁移或修复，能够保障数据的完整性和可用性，同时提供更高的读写性能，系统整体的性能和稳定性有效提升。