CN106875280A - 一体化社区服务平台 - Google Patents
一体化社区服务平台 Download PDFInfo
- Publication number
- CN106875280A CN106875280A CN201710121899.6A CN201710121899A CN106875280A CN 106875280 A CN106875280 A CN 106875280A CN 201710121899 A CN201710121899 A CN 201710121899A CN 106875280 A CN106875280 A CN 106875280A
- Authority
- CN
- China
- Prior art keywords
- product
- classification
- community
- image
- text
- 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.)
- Pending
Links
- 238000012549 training Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一体化社区服务平台,包括社区信息讨论***、社区信息发布***、社区电子商务***和用户信息接收端,所述社区信息讨论***用于讨论社区事务,所述社区信息发布***用于发布信息,所述社区电子商务***为用户提供网购服务,所述用户信息接收端用于接收信息,所述社区信息讨论***、社区信息发布***和社区电子商务***与用户信息接收端网络连接。本发明的有益效果为:实现了网络社区内用户关注预测、信息推送、商业热点预测、在线商务交易。
Description
技术领域
本发明涉及商务技术领域,具体涉及一体化社区服务平台。
背景技术
云计算是并行处理、分布式处理和网格计算技术的提高,其组成服务器包括由多个计算服务器构成的计算云,以及由多个存储服务器构成的存储云。通过计算云对待处理数据进行并行计算,提高了数据的处理效率;通过存储云将数据存储在多台存储服务器,分担了客户端的存储负荷同时保证了存储数据的可靠性。
产品分类为产品检索、产品置放策略制定以及智能推荐等提供了有力支撑。图像作为产品的主要信息载体,基于图像的产品分类技术研究己成为图像处理、计算机视觉和模式识别领域的研究热点。然而,现有的产品分类方法仅对产品的图像进行研究而忽略了产品的文本信息,另一方面,现有的产品分类方法存在分类准确率低、分类速度慢等问题。
发明内容
针对上述问题,本发明旨在提供一体化社区服务平台。
本发明的目的采用以下技术方案来实现:
提供了一体化社区服务平台,包括社区信息讨论***、社区信息发布***、社区电子商务***和用户信息接收端,所述社区信息讨论***用于讨论社区事务,所述社区信息发布***用于发布信息,所述社区电子商务***为用户提供网购服务,所述用户信息接收端用于接收信息,所述社区信息讨论***、社区信息发布***和社区电子商务***与用户信息接收端网络连接。
本发明的有益效果为:实现了网络社区内用户关注预测、信息推送、商业热点预测、在线商务交易。
附图说明
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。
图1是本发明的结构连接示意图;
附图标记:
社区信息讨论***1、社区信息发布***3、社区电子商务***3、用户信息接收端4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一体化社区服务平台,包括社区信息讨论***1、社区信息发布***2、社区电子商务***3和用户信息接收端4,所述社区信息讨论***1用于讨论社区事务,所述社区信息发布***2用于发布信息,所述社区电子商务***3为用户提供网购服务,所述用户信息接收端4用于接收信息,所述社区信息讨论***1、社区信息发布***2和社区电子商务***3与用户信息接收端4网络连接。
本实施例实现了网络社区内用户关注预测、信息推送、商业热点预测、在线商务交易。
优选的,所述用户信息接收端4包括PC终端、移动设备终端、微信客户端,所述PC终端、移动设备终端、微信客户端通过网络访问社区信息讨论***1、社区信息发布***2和社区电子商务***3,完成信息讨论、信息发布、产品发布、在线购物、信息查询。
本优选实施例用户能够更方便地完成信息讨论、信息发布、产品发布、在线购物、信息查询。
优选的,所述社区电子商务***3包括产品分类子***,能够为用户提供产品分类信息,所述产品分类子***包括第一分类模块、第二分类模块和融合分类模块,所述第一分类模块基于产品图像信息对产品进行分类,所述第二分类模块基于产品文本信息对产品进行分类,所述融合分类模块对所述第一分类模块和第二分类模块分类结果进行融合,输出产品类别。
产品第一分类模块通过以下方式获取产品图像的分类结果:
A、首先对要分类的产品图像进行去噪处理,采用以下方式进行:
a、光照归一化处理要分类的产品图像:将要分类的产品图像P转换到对数域,利用差分高斯滤波器对要分类的产品图像P进行平滑处理,然后对要分类的产品图像P进行全局对比度均衡化处理;b、对要分类的产品图像P以滑动窗口方式按照预先设定的滑动距离进行块划分;c、提取得到的图像块中的每一块的纹理特征,采用K-means聚类方法基于提取的纹理特征对图像块进行聚类,获得多个图像块组,利用多线性子空间学习滤波器对图像块组进行初次去噪;采用改进的自适应字典学习去噪方法对初次去噪后的要分类的产品图像进行二次去噪;所述k-means聚类方法具体描述如下:步骤1:随机选取k个聚类质心点为μ1,μ2,…,μk,步骤2:对于每个样本例i,计算其应该属于的类,对于每一个类j,重新计算该类的质心,步骤3:重复步骤2,直到收敛;
B、然后将第j类产品图像的训练样本集表示为Fj=[fj,1,fj,2,…,fj,n],此时,所有类别的训练样本集F=[F1,F2,…,FN]构成过完备字典,其中,N表示产品类别数,对于未知类别测试样本t,可表示为F的线性组合:t=Fa,所述式子里,a为稀疏的系数向量,用稀疏编码算法求得稀疏表示a;定义函数ρj(a),该函数将稀疏表示a中不属于第j类的分量置0,则测试样本所属类别可表示为:jbe=argminjCSj,所述式子里,jbe表示测试样本t所属类别,Fρj(a)表示测试样本第j类的重构图像,||t-Fρj(a)||2表示原始图像和第j类重构图像的重构残差;定义第一分类得分为:所述式子里,表示产品属于第j类的第一分类得分,1≤j,k≤N。
本优选实施例社区电子商务***对要分类的产品图像进行多次去噪处理,获得了较好的去噪效果,并且适用于多维的产品图像;在对产品图像进行块划分之前先进行光照归一化处理,有利于后续图像块特征的提取,从而提高聚类的精度,进而提高去噪的精度;社区电子商务***通过上述方式确定图像分类结果,提高了图像分类准确度,为进一步进行产品分类信息融合打下了基础。
优选地,所述采用改进的自适应字典学习去噪方法对初次去噪后的要分类的产品图像进行二次去噪,采用以下方式实现:
A、初次去噪后的图像块进行重排列形成列向量矩阵,并对列向量矩阵进行降维,最终形成样本块集合{P};对该样本块集合进行自适应字典训练,得到自适应学习字典D;B、对该要分类的产品图像P按照另一设定的滑动距离再次进行滑动窗口的块划分,对得到的图像块进行重排列形成列向量矩阵,并对列向量矩阵进行降维,最终形成输入图像块集合{P′};C、求解输入图像块集合{P′}中每一列向量在自适应学习字典上的稀疏表示稀疏μ,并按照下式计算输出图像块y(P):y(P)=Dμ;D、将输出图像块进行融合处理,得到预去噪图像y′(P);E、对预去噪图像y′(P)进行低秩矩阵稀疏分解,得到低秩去噪分量DZ和稀疏含噪分量XS,对该低秩去噪分量DZ和稀疏含噪分量XS进行二次去噪处理,得到最终去噪图像:y″(P)=DZ*XS′,所述式子里,XS′表示对稀疏含噪分量XS进行中值滤波后得到的稀疏去噪分量,*表示融合处理。
所述产品第二分类模块用于获取产品文本的分类结果,具体为:
设定训练文本集所述式子里,wi为已知类别文本,为文本类别,某产品待分类文本wt中包含不同的词wi,将文本表示为wt=(w1,w2,…,wn),n为文本中词的数量,统计wi在文本wt中出现的频次pi和在训练文本集文本中出现的最高频次计算相对词频将文本表示为
对wt与W中文本wi的相似度进行计算,得到与wt最近似的l个wi,XS(wt,wi)=ln(DT+1),所述式子里,表示wt的第i个词wi的相对词频,表示wi的第i个词wi的相对词频;
Wl表示个最近邻文本,计算Wl中各类别占比,占比最大的类别包含文本数为l1,作为wt的类别占比第二大的类别文本数目为l2;定义第二分类得分为:
所述融合分类模块对第一分类模块和第二分类模块分类结果进行融合,输出产品类别,通过以下方式实现:
假设待分类产品图文样本(t,w,y),三元组中的t表示产品的图像描述,w表示产品的文本描述,y表示产品的类别,产品的训练样本集(T,W,Y)={(ti,wi,yi)},其中,i=1,2,…,n,n表示样本集中样本数量;
第一分类得分和第二分类得分进行线性组合得到下式: 所述式子里,为产品属于第j类的图文融合得分,为产品属于第j类的第一分类得分,为产品属于第j类的第二分类得分,δ1和δ2为根据样本学习得到的权重系数;通过下列产品类别判定公式得到产品类别:
本优选实施例社区电子商务***对初次去噪后的要分类的产品图像进行二次去噪处理,能够很好地保留产品图像的细节,滤除噪声;社区电子商务***通过确定文本分类结果,提高了文本分类准确率,同时定义了第二分类得分,为分类信息融合准确性提高打下了基础;同时考虑产品的图像视觉信息和描述文本信息,对两种不同模态信息进行融合,提高了产品分类准确率,有助于人们快速进行产品选择。
优选地,设置产品分类准确度评价模块,用于根据设定的产品分类准确度评价函数对***的产品分类准确度进行评价,产品分类准确度评价函数的值越大,表示产品分类的准确度越高,该产品分类准确度评价函数为:所述式子里,NL为产品类别数量,mα为第α类正确分类产品样本数量,Mα为第α类产品样本数量。
本优选实施例设定产品分类准确度评价函数,从而提高了社区电子商务***的产品分类准确度,能够为社区具名提供更好的服务和网上购物体验,同时有利于对社区电子商务***进行改进。
社区居民采用本发明一体化社区服务平台进行网购,当平台上产品数量分别为3000、4000、5000、6000、7000时,社区居民选择产品效率均有提高,且电商务***服务人数均有增加,方便了社区居民购物,提升了社区居民购物体验,产生的有益效果具体如下表所示:
产品数量 | 选择产品效率提高 | 电子商务***服务人数增加 |
3000 | 20% | 10% |
4000 | 25% | 15% |
5000 | 30% | 20% |
6000 | 32% | 24% |
7000 | 36% | 31% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一体化社区服务平台,其特征是:包括社区信息讨论***、社区信息发布***、社区电子商务***和用户信息接收端,所述社区信息讨论***用于讨论社区事务,所述社区信息发布***用于发布信息,所述社区电子商务***为用户提供网购服务,所述用户信息接收端用于接收信息,所述社区信息讨论***、社区信息发布***和社区电子商务***与用户信息接收端网络连接。
2.根据权利要求1所述的一体化社区服务平台,其特征是:所述用户信息接收端包括PC终端、移动设备终端、微信客户端,所述PC终端、移动设备终端、微信客户端通过网络访问社区信息讨论***、社区信息发布***和社区电子商务***,完成信息讨论、信息发布、产品发布、在线购物、信息查询。
3.根据权利要求1所述的一体化社区服务平台,其特征是:所述社区电子商务***包括产品分类子***,能够为用户提供产品分类信息,所述产品分类子***包括第一分类模块、第二分类模块和融合分类模块,所述第一分类模块基于产品图像信息对产品进行分类,所述第二分类模块基于产品文本信息对产品进行分类,所述融合分类模块对所述第一分类模块和第二分类模块分类结果进行融合,输出产品类别。
4.根据权利要求3所述的一体化社区服务平台,其特征是:第一分类模块通过以下方式获取产品图像的分类结果:
A、首先对要分类的产品图像进行去噪处理,采用以下方式进行:
a、光照归一化处理要分类的产品图像:将要分类的产品图像P转换到对数域,利用差分高斯滤波器对要分类的产品图像P进行平滑处理,然后对要分类的产品图像P进行全局对比度均衡化处理;b、对要分类的产品图像P以滑动窗口方式按照预先设定的滑动距离进行块划分;c、提取得到的图像块中的每一块的纹理特征,采用K-means聚类方法基于提取的纹理特征对图像块进行聚类,获得多个图像块组,利用多线性子空间学习滤波器对图像块组进行初次去噪;采用改进的自适应字典学习去噪方法对初次去噪后的要分类的产品图像进行二次去噪;
B、然后将第j类产品图像的训练样本集表示为Fj=[fj,1,fj,2,…,fj,n],此时,所有类别的训练样本集F=[F1,F2,…,FN]构成过完备字典,其中,N表示产品类别数,对于未知类别测试样本t,可表示为F的线性组合:t=Fa,所述式子里,a为稀疏的系数向量,用稀疏编码算法求得稀疏表示a;定义函数ρj(a),该函数将稀疏表示a中不属于第j类的分量置0,则测试样本所属类别可表示为:所述式子里,jbe表示测试样本t所属类别,Fρj(a)表示测试样本第j类的重构图像,||t-Fρj(a)||2表示原始图像和第j类重构图像的重构残差;定义第一分类得分为:所述式子里,表示产品属于第j类的第一分类得分,1≤j,k≤N。
5.根据权利要求4所述的一体化社区服务平台,其特征是:所述采用改进的自适应字典学习去噪方法对初次去噪后的要分类的产品图像进行二次去噪,采用以下方式实现:
A、初次去噪后的图像块进行重排列形成列向量矩阵,并对列向量矩阵进行降维,最终形成样本块集合{P};对该样本块集合进行自适应字典训练,得到自适应学习字典D;B、对该要分类的产品图像P按照另一设定的滑动距离再次进行滑动窗口的块划分,对得到的图像块进行重排列形成列向量矩阵,并对列向量矩阵进行降维,最终形成输入图像块集合{P′};C、求解输入图像块集合{P′}中每一列向量在自适应学习字典上的稀疏表示稀疏μ,并按照下式计算输出图像块y(P):y(P)=Dμ;D、将输出图像块进行融合处理,得到预去噪图像y′(P);E、对预去噪图像y′(P)进行低秩矩阵稀疏分解,得到低秩去噪分量DZ和稀疏含噪分量XS,对该低秩去噪分量DZ和稀疏含噪分量XS进行二次去噪处理,得到最终去噪图像:y″(P)=DZ*XS′,所述式子里,XS′表示对稀疏含噪分量XS进行中值滤波后得到的稀疏去噪分量,*表示融合处理。
6.根据权利要求5所述的一体化社区服务平台,其特征是:所述第二分类模块用于获取产品文本的分类结果,具体为:
设定训练文本集所述式子里,wi为已知类别文本,为文本类别,某产品待分类文本wt中包含不同的词wi,将文本表示为wt=(w1,w2,…,wn),n为文本中词的数量,统计wi在文本wt中出现的频次pi和在训练文本集文本中出现的最高频次计算相对词频将文本表示为
对wt与W中文本wi的相似度进行计算,得到与wt最近似的l个wi,XS(wt,wi)=ln(DT+1),所述式子里,表示wt的第i个词wi的相对词频,表示wi的第i个词wi的相对词频;
Wl表示l个最近邻文本,计算Wl中各类别占比,占比最大的类别包含文本数为l1,作为wt的类别占比第二大的类别文本数目为l2;定义第二分类得分为:
7.根据权利要求6所述的一体化社区服务平台,其特征是:所述融合分类模块对第一分类模块和第二分类模块分类结果进行融合,输出产品类别,通过以下方式实现:
假设待分类产品图文样本(t,w,y),三元组中的t表示产品的图像描述,w表示产品的文本描述,y表示产品的类别,产品的训练样本集(T,W,Y)={(ti,wi,yi)},其中,i=1,2,…,n,n表示样本集中样本数量;
第一分类得分和第二分类得分进行线性组合得到下式: 所述式子里,为产品属于第j类的图文融合得分,为产品属于第j类的第一分类得分,为产品属于第j类的第二分类得分,δ1和δ2为根据样本学习得到的权重系数;通过下列产品类别判定公式得到产品类别:
8.根据权利要求7所述的一体化社区服务平台,其特征是:设置产品分类准确度评价模块,用于根据设定的产品分类准确度评价函数对***的产品分类准确度进行评价,产品分类准确度评价函数的值越大,表示产品分类的准确度越高,该产品分类准确度评价函数为:所述式子里,NL为产品类别数量,mα为第α类正确分类产品样本数量,Mα为第α类产品样本数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710121899.6A CN106875280A (zh) | 2017-03-02 | 2017-03-02 | 一体化社区服务平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710121899.6A CN106875280A (zh) | 2017-03-02 | 2017-03-02 | 一体化社区服务平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106875280A true CN106875280A (zh) | 2017-06-20 |
Family
ID=59169574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710121899.6A Pending CN106875280A (zh) | 2017-03-02 | 2017-03-02 | 一体化社区服务平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875280A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124355A (zh) * | 2017-06-24 | 2017-09-01 | 梧州市兴能农业科技有限公司 | 一种一体化社区服务*** |
CN108009150A (zh) * | 2017-11-28 | 2018-05-08 | 北京新美互通科技有限公司 | 一种基于循环神经网络的输入方法及装置 |
CN116485587A (zh) * | 2023-04-21 | 2023-07-25 | 深圳润高智慧产业有限公司 | 社区服务获取方法与提供方法、电子设备、存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070294281A1 (en) * | 2006-05-05 | 2007-12-20 | Miles Ward | Systems and methods for consumer-generated media reputation management |
CN101840559A (zh) * | 2010-04-26 | 2010-09-22 | 常州市贝海网络技术有限公司 | 在线国际商品交易*** |
CN103489111A (zh) * | 2013-09-18 | 2014-01-01 | 济钢集团有限公司 | 一体化社区电子商务*** |
CN103886074A (zh) * | 2014-03-24 | 2014-06-25 | 江苏名通信息科技有限公司 | 基于社交媒体的商品推荐*** |
CN104036456A (zh) * | 2013-03-08 | 2014-09-10 | 株式会社日立制作所 | 图像去噪装置和图像去噪方法 |
CN104240187A (zh) * | 2013-06-08 | 2014-12-24 | 株式会社日立制作所 | 图像去噪装置及图像去噪方法 |
CN105378777A (zh) * | 2013-03-15 | 2016-03-02 | 热力学设计有限责任公司 | 可定制数据管理*** |
-
2017
- 2017-03-02 CN CN201710121899.6A patent/CN106875280A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070294281A1 (en) * | 2006-05-05 | 2007-12-20 | Miles Ward | Systems and methods for consumer-generated media reputation management |
CN101840559A (zh) * | 2010-04-26 | 2010-09-22 | 常州市贝海网络技术有限公司 | 在线国际商品交易*** |
CN104036456A (zh) * | 2013-03-08 | 2014-09-10 | 株式会社日立制作所 | 图像去噪装置和图像去噪方法 |
CN105378777A (zh) * | 2013-03-15 | 2016-03-02 | 热力学设计有限责任公司 | 可定制数据管理*** |
CN104240187A (zh) * | 2013-06-08 | 2014-12-24 | 株式会社日立制作所 | 图像去噪装置及图像去噪方法 |
CN103489111A (zh) * | 2013-09-18 | 2014-01-01 | 济钢集团有限公司 | 一体化社区电子商务*** |
CN103886074A (zh) * | 2014-03-24 | 2014-06-25 | 江苏名通信息科技有限公司 | 基于社交媒体的商品推荐*** |
Non-Patent Citations (2)
Title |
---|
唐玉芳: "商品图像分类算法研究", 《中国博士学位论文全文数据库》 * |
李珅: "基于稀疏表示的图像去噪和超分辨率重建研究", 《中国博士学位论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124355A (zh) * | 2017-06-24 | 2017-09-01 | 梧州市兴能农业科技有限公司 | 一种一体化社区服务*** |
CN108009150A (zh) * | 2017-11-28 | 2018-05-08 | 北京新美互通科技有限公司 | 一种基于循环神经网络的输入方法及装置 |
CN116485587A (zh) * | 2023-04-21 | 2023-07-25 | 深圳润高智慧产业有限公司 | 社区服务获取方法与提供方法、电子设备、存储介质 |
CN116485587B (zh) * | 2023-04-21 | 2024-04-09 | 深圳润高智慧产业有限公司 | 社区服务获取方法与提供方法、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103839041B (zh) | 客户端特征的识别方法和装置 | |
Chacko et al. | Handwritten character recognition using wavelet energy and extreme learning machine | |
CN106909946A (zh) | 一种多模态融合的商品分类*** | |
CN113468227B (zh) | 基于图神经网络的信息推荐方法、***、设备和存储介质 | |
CN106874258B (zh) | 一种基于汉字属性向量表示的文本相似性计算方法及*** | |
CN109460508B (zh) | 一种高效的垃圾评论用户群组检测方法 | |
CN110751027B (zh) | 一种基于深度多示例学习的行人重识别方法 | |
CN104866831B (zh) | 特征加权的人脸识别算法 | |
CN112364937A (zh) | 用户类别确定方法及装置、推荐内容确定方法、电子设备 | |
CN112668482B (zh) | 人脸识别训练方法、装置、计算机设备及存储介质 | |
CN104881852B (zh) | 基于免疫克隆和模糊核聚类的图像分割方法 | |
CN106875280A (zh) | 一体化社区服务平台 | |
CN109242030A (zh) | 画单生成方法及装置,电子设备,计算机可读存储介质 | |
CN103095849B (zh) | 基于QoS属性预测和纠错的有监督Web服务发现方法及*** | |
Wu et al. | Comparative analysis and application of LBP face image recognition algorithms | |
CN116596570A (zh) | 一种基于大数据分析算法的同产品在不同电商平台中的信息对比*** | |
CN115271931A (zh) | 一种***产品的推荐方法、装置、电子设备和介质 | |
CN111538909A (zh) | 一种信息推荐方法及装置 | |
Balafar et al. | Active learning for constrained document clustering with uncertainty region | |
CN109933741B (zh) | 用户网络行为特征提取方法、装置及存储介质 | |
CN108268478A (zh) | 一种基于ur-CAIM算法的不平衡数据集特征选择方法及装置 | |
CN108073567A (zh) | 一种特征词提取处理方法、***及服务器 | |
CN113706173B (zh) | 一种信息管理方法、装置、电子设备及存储介质 | |
CN104166855A (zh) | 通过跟踪讲话者的嘴部的一组感兴趣点的局部变形来进行视觉语音识别的方法 | |
CN104166837A (zh) | 采用最相关的兴趣点的各组的选择的视觉语音识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170620 |
|
RJ01 | Rejection of invention patent application after publication |