智慧社区平台的用户画像系统设计与实现
发布时间：2021-04-13 14:55
随着物联网的深入发展,为智慧社区建设的发展奠定了坚实基础,智慧社区对社区服务建设提出了更精准化、安全化的要求。然而,目前建设中或者已经建设完成的智慧社区项目对于服务体系的设计仍处于基础的数据统计分析阶段,尚未有更高阶段的延伸。智慧社区建设中,如何搭建起高效精准的服务体系,有效利用现有的数据资源,为社区用户提供便利高效的服务体验,成为建设中的重要问题。在综合分析智慧社区、用户画像技术各自的内涵基础上,本文以邻聚云平台为研究背景,主要采用Skeletal Methodolody法（骨架法）来构建本体用户画像标签体系,同时运用具有伸缩性的k-means聚类算法构建群体用户画像,最终形成搭建在智慧社区信息化平台上的用户画像体系。建设方案中,建立了数据层、事实层以及业务层的多层用户画像标签体系,并通过归一化公式计算标签体系相应的权重。其中,主要从用户的基本属性和行为属性两个维度构建事实层标签,业务层标签主要是针对事实层的行为属性标签,从用户的使用习惯、活跃度、寻求帮助以及平台社交四个维度描述用户形象标签。通过用户注册信息及日常登录信息获取用户行为特征,获取信息后加上时间衰减因子匹配相应的用户标签...
【文章来源】：山东理工大学山东省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
技术路线图
山东理工大学硕士学位论文第二章智慧社区关键技术理论研究12除了一些基本的需求有所相似之外，其他诸如年龄、生活方式等内容均各有差异。对于社区信息的获取是社区公众用户的共同需求，此外，对于物业服务的需求也都是相同的。而对于邻居之间的交流、活动内容的兴趣程度、以及家庭的管理等内容则是有所差异，有些家庭存在重点人员比如老年人或者儿童等需要特殊照顾的人员。（4）商户需求作为商户，需要定期对店铺进行维护，及时刷新通知消息，同时要对店铺里面的产品进行管理，及时处理订单，维护店铺及库存更新。对商户而言，借助信息化手段及时获取用户的需求是最重要的，以便可以及时为用户推送相关信息进而调整策略，提升店铺服务质量和效率。从以上4种参与者的需求看出，有些需求是可以通过建立用户画像技术提升服务水平的，通过对那些具有相似特征的用户建立群体画像，可以实现用户的可视化，进而进行下一步的服务支持。通过梳理，将智慧社区的功能总结如图2.1所示，分别是社区公众用户、物业管理平台、社区商户平台和政府管理平台。图2.1智慧社区功能总结图Fig.2.1Smartcommunityfunctionsummarychart
山东理工大学硕士学位论文第二章智慧社区关键技术理论研究15图2.2贝叶斯网络图Fig.2.2BayesianNetworkDiagram贝叶斯网络示意图中各个节点表示的是随机变量，连接节点的则表示其依赖关系，指向节点F的均为父节点，C、D为父节点，表示引起了F，即这三者为因果关系。同样地，指向节点G的均为其父节点，在上图中C、D、E均为其父节点，引起了G的发生。如上图所示，贝叶斯网络中的F、C和D节点之间属于收敛连接，在该未知条件下，C与D相互独立，即便条件已知，两者也是互相依赖。而在贝叶斯网络中的节点B、E和D节点之间属于发散连接，已知节点B，则D和E独立。由于D节点是B和F之间的节点，在已知D的条件下，B和F之间独立存在，由此可得出以下概率模型：P(A，B，C，D，B)|B)P(E|A)P(D|CP(A)P(B)P(=E)（2.1）贝叶斯网络的优点是可以综合先验信息和样本信息，进而可以获得数据之间的因果关系，通过贝叶斯网模型可以处理很多不完整的数据集。然而其存在的问题则是需要确定合理的先验密度，而且并没有现成的规则。2.3.2基于主题模型方法的用户画像构建随着社交网络的发展，相应的积累了大量的用户信息包括用户社交和基本属性信息，这些信息为从社交角度分析并构建基于主题模型的用户画像提供了基础数据。基于主题模型的用户画像构建方法主要是将用户的社交信息和已知的用户属性信息整合到统一的主题模型框架中，进而使用标签传播算法对模型结果做精准调研，最后形成了一个基于主题模型的用户画像分析方法。在构建用户画像过程中经常使用的主题
【参考文献】：
期刊论文
[1]5G新型智慧社区中的应用及趋势[J]. 徐大为. 通信电源技术. 2020(04)
[2]我国智慧社区发展现状研究[J]. 王舒琪,张琳,杨效. 智能城市. 2020(03)
[3]博物馆个性化用户画像的构建及其应用[J]. 王开. 信息技术与信息化. 2020(01)
[4]基于用户画像的个性化图书推荐研究[J]. 俞奕. 办公室业务. 2020(01)
[5]基于GIS的智慧社区适老化公共服务设施优化策略研究[J]. 胡宴,朱建君. 建设科技. 2019(24)
[6]浅析当前智慧社区的技术应用[J]. 殷瑞雪. 现代经济信息. 2019(23)
[7]基于大数据技术的电力用户画像分析[J]. 王飞飞,周少华,韩迎军. 山西电力. 2019(04)
[8]基于LDA主题模型的用户兴趣层级演化研究[J]. 夏立新,曾杰妍,毕崇武,叶光辉. 数据分析与知识发现. 2019(07)
[9]用户异常行为分析方法研究与应用[J]. 赖建华,唐敏. 软件导刊. 2019(08)
[10]基于智慧社区建设的物业管理创新发展思路[J]. 张军. 住宅与房地产. 2018(34)
硕士论文
[1]基于WEB日志的用户画像及可视化分析[D]. 王菊艳.西安理工大学 2019
[2]标签缺陷检测系统的算法设计与应用研究[D]. 李培秀.南京信息工程大学 2019
[3]社区治理中失地农民城市融入研究[D]. 魏玲群.安徽大学 2019
[4]合肥市智慧社区建设问题与对策[D]. 项禹.安徽大学 2019
[5]河南省智慧社区公共服务供给优化研究[D]. 邵晓晨.郑州大学 2019
[6]智慧社区服务管理系统的设计与实现[D]. 贾娜娜.山东大学 2019
[7]“互联网+”背景下智慧社区治理研究[D]. 邵丹华.华东政法大学 2018
[8]辽源市城市智慧社区建设研究[D]. 王佳宁.中共吉林省委党校 2018
[9]基于大数据技术的用户画像系统的设计与研究[D]. 关梓骜.北京邮电大学 2018
[10]基于文本挖掘的用户画像系统的设计与实现[D]. 刘星辰.北京邮电大学 2018
本文编号：3135507
【文章来源】：山东理工大学山东省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
技术路线图
山东理工大学硕士学位论文第二章智慧社区关键技术理论研究12除了一些基本的需求有所相似之外，其他诸如年龄、生活方式等内容均各有差异。对于社区信息的获取是社区公众用户的共同需求，此外，对于物业服务的需求也都是相同的。而对于邻居之间的交流、活动内容的兴趣程度、以及家庭的管理等内容则是有所差异，有些家庭存在重点人员比如老年人或者儿童等需要特殊照顾的人员。（4）商户需求作为商户，需要定期对店铺进行维护，及时刷新通知消息，同时要对店铺里面的产品进行管理，及时处理订单，维护店铺及库存更新。对商户而言，借助信息化手段及时获取用户的需求是最重要的，以便可以及时为用户推送相关信息进而调整策略，提升店铺服务质量和效率。从以上4种参与者的需求看出，有些需求是可以通过建立用户画像技术提升服务水平的，通过对那些具有相似特征的用户建立群体画像，可以实现用户的可视化，进而进行下一步的服务支持。通过梳理，将智慧社区的功能总结如图2.1所示，分别是社区公众用户、物业管理平台、社区商户平台和政府管理平台。图2.1智慧社区功能总结图Fig.2.1Smartcommunityfunctionsummarychart
山东理工大学硕士学位论文第二章智慧社区关键技术理论研究15图2.2贝叶斯网络图Fig.2.2BayesianNetworkDiagram贝叶斯网络示意图中各个节点表示的是随机变量，连接节点的则表示其依赖关系，指向节点F的均为父节点，C、D为父节点，表示引起了F，即这三者为因果关系。同样地，指向节点G的均为其父节点，在上图中C、D、E均为其父节点，引起了G的发生。如上图所示，贝叶斯网络中的F、C和D节点之间属于收敛连接，在该未知条件下，C与D相互独立，即便条件已知，两者也是互相依赖。而在贝叶斯网络中的节点B、E和D节点之间属于发散连接，已知节点B，则D和E独立。由于D节点是B和F之间的节点，在已知D的条件下，B和F之间独立存在，由此可得出以下概率模型：P(A，B，C，D，B)|B)P(E|A)P(D|CP(A)P(B)P(=E)（2.1）贝叶斯网络的优点是可以综合先验信息和样本信息，进而可以获得数据之间的因果关系，通过贝叶斯网模型可以处理很多不完整的数据集。然而其存在的问题则是需要确定合理的先验密度，而且并没有现成的规则。2.3.2基于主题模型方法的用户画像构建随着社交网络的发展，相应的积累了大量的用户信息包括用户社交和基本属性信息，这些信息为从社交角度分析并构建基于主题模型的用户画像提供了基础数据。基于主题模型的用户画像构建方法主要是将用户的社交信息和已知的用户属性信息整合到统一的主题模型框架中，进而使用标签传播算法对模型结果做精准调研，最后形成了一个基于主题模型的用户画像分析方法。在构建用户画像过程中经常使用的主题
【参考文献】：
期刊论文
[1]5G新型智慧社区中的应用及趋势[J]. 徐大为. 通信电源技术. 2020(04)
[2]我国智慧社区发展现状研究[J]. 王舒琪,张琳,杨效. 智能城市. 2020(03)
[3]博物馆个性化用户画像的构建及其应用[J]. 王开. 信息技术与信息化. 2020(01)
[4]基于用户画像的个性化图书推荐研究[J]. 俞奕. 办公室业务. 2020(01)
[5]基于GIS的智慧社区适老化公共服务设施优化策略研究[J]. 胡宴,朱建君. 建设科技. 2019(24)
[6]浅析当前智慧社区的技术应用[J]. 殷瑞雪. 现代经济信息. 2019(23)
[7]基于大数据技术的电力用户画像分析[J]. 王飞飞,周少华,韩迎军. 山西电力. 2019(04)
[8]基于LDA主题模型的用户兴趣层级演化研究[J]. 夏立新,曾杰妍,毕崇武,叶光辉. 数据分析与知识发现. 2019(07)
[9]用户异常行为分析方法研究与应用[J]. 赖建华,唐敏. 软件导刊. 2019(08)
[10]基于智慧社区建设的物业管理创新发展思路[J]. 张军. 住宅与房地产. 2018(34)
硕士论文
[1]基于WEB日志的用户画像及可视化分析[D]. 王菊艳.西安理工大学 2019
[2]标签缺陷检测系统的算法设计与应用研究[D]. 李培秀.南京信息工程大学 2019
[3]社区治理中失地农民城市融入研究[D]. 魏玲群.安徽大学 2019
[4]合肥市智慧社区建设问题与对策[D]. 项禹.安徽大学 2019
[5]河南省智慧社区公共服务供给优化研究[D]. 邵晓晨.郑州大学 2019
[6]智慧社区服务管理系统的设计与实现[D]. 贾娜娜.山东大学 2019
[7]“互联网+”背景下智慧社区治理研究[D]. 邵丹华.华东政法大学 2018
[8]辽源市城市智慧社区建设研究[D]. 王佳宁.中共吉林省委党校 2018
[9]基于大数据技术的用户画像系统的设计与研究[D]. 关梓骜.北京邮电大学 2018
[10]基于文本挖掘的用户画像系统的设计与实现[D]. 刘星辰.北京邮电大学 2018
本文编号：3135507
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3135507.html
