智慧城市赛道-Maple队--创意赛实现方案技术文档

本文由用户“xiaji15”分享发布 更新时间:2022-01-07 09:34:01 举报文档

以下为《智慧城市赛道-Maple队--创意赛实现方案技术文档》的无排版文字预览,完整格式请下载

下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的,下载的文档就是什么样的。

“梧桐杯”中国移动大数据应用创新大赛

“银发心友圈”--智慧养老平台,为老年生活打造的贴身助手

团 队 名 称:Maple

赛 道 名 称:智慧城市

辅 导 老 师:颜某某 王某某

目录

摘要 2

1. 系统架构 2

1.1功能架构 2

1.2技术架构 3

2. 数据使用 4

3. 建立用户画像 6

3.1人脉交际、防范意识 6

3.2消费能力刻画 9

4.利用K-means++算法构建生活圈 11

5.基于用户画像及生活圈的推荐系统 15

6.创新性 18

应用创新: 18

技术创新: 18

7.价值导向 18

社会价值: 18

商业价值: 19

摘要

目前,人口老龄化日益严峻,针对老年人社交孤独、出行不便、获取信息途径单一等问题,我们团队计划为老年人设计一款智能养老系统。首先,对移动数据进行分类,并挖掘其中的潜在信息建立用户画像;其次,利用K-means聚类算法从多角度找到具有相似特性的用户构建生活圈;第三,使用基于用户内容的推荐算法向用户推送信息来解决用户实际生活中存在的问题,该系统能够让老年人用户找到与自己有相同特性的同龄人,使得老年人之间实现互相照顾,对重塑老年人的社会价值,推动智慧城市的建设起了重要作用。

系统架构

1.1功能架构

功能架构主要由四部分组成:前端展示层、后端服务层、模型算法层、数据层。如图1-1所示。

/

图1-1 功能架构

前端展示层

主要展示的有菜单页面、推荐内容、消息展示、防骗提醒、UI设计、搜索引擎、统计报表、生活圈、GIS地图等模块。

后端服务层

主要提供推荐引擎、推荐服务、GIS地图接口、防骗意识、消息队列、订单状态、订单处理、订单归档、实时数据汇总等服务。

模型算法层

主要需要人脉交际、生活圈、防范意识、消费水平、推荐模型、机器学习模型、深度学习模型、一些数学模型等模型。

数据层

主要需要的数据有位置数据、基本信息数据、消费能力数据、实时数据、交流信息数据、生活圈数据以及一些其他需要的数据。

1.2技术架构

技术架构主要是分为三大部分:数据收集和存储、后端数据处理、前端应用。如图1-2所示。

/

图1-2 技术架构

数据收集和存储部分

主要使用HDFS文件存储系统、Hive数据仓库、Hbase非关系型数据库、Flume实时数据收集系统、MySQL数据库等技术来实现对数据实时收集以及存储。

后端数据处理部分

主要使用机器学习、深度学习、数据挖掘、数学模型、Kafaka、Flink、Spark、GIS等相应的技术实现后端的服务。

前端应用部分

主要使用VUE框架、echarts、JavaScript、Html5等技术实现前端的功能展示。

数据使用

在提供的数据字典的基础上多角度且灵活的运用不同模型刻画出最关乎老年人用户形象的画像,充分利用了数据字典中涉及的数据。如图2-1所示:

/

图2-1 数据说明图

再根据用户画像衍生个性化的服务或功能,主要是为了解决老年人的孤独、生活不便、交流隔阂等问题。实现的功能有:对老年人社交圈子的导向性推荐,让具有相同爱好的老人能够聚在一起交流(线上/线下),根据老年人消费水平的不同推荐不同的移动优惠套餐、结合地图推荐最近的公园等娱乐的场所,并提供目的地的最佳路线等等。

除原用户基本信息和位置信息之外,我们利用算法模型额外刻画出了老年用户生活中的其它四个方面:消费能力、防范意识、人脉交际和联系圈(比如行业类圈子、兴趣爱好类圈子),进而刻画出了用户相对完整的画像。下面对这四方面进行简单介绍:

消费能力:从个人用户分析模型、订购资费行为模型、GPRS话单分析模型、短信话单分析模型四个数据模块中选出有意义的特征,对其建立规则,即将所有特征数据数值化处理后加权求和,再对其分层,得到消费能力指标,并以此为依据划分出不同的消费能力人群。系统会根据不同的消费能力老人推荐不同的移动套餐、保健品等商品。

防范意识:根据语音话单分析模型、短信话单分析模型这两个数据模块的特征,分别训练出诈骗语音识别和诈骗短信识别的深度学习模型,以此来识别来电或者所收短信是否包含诈骗信息,识别到后及时提醒,以防老人上当受骗。

人脉交际:利用语音话单分析模型、短信话单分析模型、漫游分析模型中的数据建立反映老人人脉交际程度的分类或回归模型。标签可为老人的“孤独水平”。我们可以建立对应的规则,假定孤独水平指数在0-100之间。模型预测的结果越接近100,则意味着老人在生活中健谈,乐于交流,人脉较广。若模型的预测结果偏低,则意味着老人在生活中可能缺少交流的伙伴,比较孤独,属于孤寡老人这一群体。那么系统就会根据该老人的孤独水平,以提醒其子女及时和老人打电话、推荐与该老人相同兴趣的同龄人圈子等方式,让老人的“孤独水平”降低,从而提高老人的幸福指数。

生活圈:使用K-means++聚类算法,基于用户画像和用户基本信息将具有相似特性的用户进行聚类。比如,根据对位置分析模型、漫游分析模型的建模聚类,构建出老人的出行圈;对用户兴趣偏好模块和上网信息进行聚类,判断出老人有哪些兴趣或行业爱好圈子,比如爱好历史的、爱好养殖的。

小结:基于生活圈、位置信息、消费能力及其它信息可构建一个个性化推荐系统。基于位置信息可提供给老人GIS地图出行导航信息,信息可语音播报,基于生活圈和人脉交际可提供给老人一个与兴趣相同的人的交流平台,并可提醒其儿女多关注家中的老人,来降低老人的孤独水平。

建立用户画像

构画的用户画像如图3-1所示:

/

图3-1 用户画像

3.1人脉交际、防范意识

建立有监督算法模型。

人脉交际:利用语音话单分析模型、短信话单分析模型、漫游分析模型中的数据建立反映老人人脉交际程度的分类或回归模型。标签可指代老人的“孤独水平”。机器学习算法模型路线如图3-2所示: /

图3-2 机器学习算法模型路线

模型的预测效果样例图如图3-3所示,预测值越小,代表该老人用户越孤独。

/

图3-3 模型的预测效果样例图

防范意识:利用短信话单分析模型中的数据,使用Word2Vec?、Bert等预训练模型建立诈骗短信识别模型,判断短信是否包含诈骗信息。深度学习算法模型路线如图3-4所示:

/

图3-4 深度学习算法模型路线图

模型的预测效果样例图如图3-5所示,代表短信是诈骗信息的概率。

/

图3-5 模型的预测效果样例图

效果预估:

利用语音话单分析模型、短信话单分析模型等模型中的数据预测孤独水平,把AUC作为评估指标,指ROC曲线下的积分面积。其大小反映每种分类方法的优劣,反映分类器正确分类的统计概率。值越接近1说明模型的效果越好。预计对全国近2亿老年人的孤独水平进行评估。

模型评估:

模型分类效果如图3-6所示,展示的是5折交叉验证每折的ROC曲线及五折取平均的ROC曲线,这样更能减少模型误差。

/

图3-6 模型分类效果图

应用的创新:

当今社会空巢老人和受骗老人的数量占据老人阶层的一大半,这部分老年群体容易受骗、与社会交流不强。因此我们对老人的孤独水平进行刻画、增强老人的防范意识,使用算法模型解决这个问题,希望在此基础上对此类社会现象做出改善。

模型逻辑、算法复杂性:

我们将老人的人脉交际指数(可指代老人的“孤独水平”)作为标签,假设水平指数在0-100之间。那么就可 内容过长,仅展示头部和尾部部分文字预览,全文请查看图片预览。 业发展和养老体系建设规划》中提出”完善养老与社保制度。老龄化问题日益显现,完善养老与社保制度较为迫切”。系统提供的养老制度预计能为3亿老年人带来方便。

商业价值:

(1) 线下出行圈子向老人推荐周围景区及公园出行,推动了附近景区旅游业的发展。

(2) 通过其偏好,交往圈子,居住的位置,经常关注的一些上网信息,为他推荐相应的服务产品。线上交流圈子带动了老年人购物的积极性,同时带动了电子购物业的发展。

(3) 根据老年人用户的消费习惯及家庭关系,可以推送一些移动的流量套餐或家庭套餐。

(4) 通过对老人出行习惯及出行频率简单评估老年人的身体状况。向不常运动的老年人推荐一些高科技在家运动产品。

[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]

以上为《智慧城市赛道-Maple队--创意赛实现方案技术文档》的无排版文字预览,完整格式请下载

下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的,下载的文档就是什么样的。

图片预览