CN111091888B - 活动决策方法、装置、设备及存储介质 - Google Patents
活动决策方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111091888B CN111091888B CN201911163858.9A CN201911163858A CN111091888B CN 111091888 B CN111091888 B CN 111091888B CN 201911163858 A CN201911163858 A CN 201911163858A CN 111091888 B CN111091888 B CN 111091888B
- Authority
- CN
- China
- Prior art keywords
- activity
- intelligent decision
- elderly
- decision model
- information
- 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.)
- Active
Links
- 230000000694 effects Effects 0.000 title claims abstract description 280
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 18
- 230000008520 organization Effects 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000009182 swimming Effects 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004138 cluster model Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009954 braiding Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
Landscapes
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Physical Education & Sports Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例提供一种活动决策方法、装置、设备及存储介质。该方法包括:获取区块链中存储的活动安排的历史数据和参与活动的多个老年人的个人信息;采用活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型;根据参与活动的多个老年人的个人信息,通过训练后的智能决策模型,决策活动参与方案,所述参与方案包括如下至少一种:活动的项目名称、活动的内容、活动的举办时间、活动的举办地点、参与人员信息;以及将所述活动参与方案发送给所述多个老年人的终端设备或所述活动组织人员的终端设备。本发明实施例提高了活动参与方案决策的效率和准确性。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种活动决策方法、装置、设备及存储介质。
背景技术
随着人们物质生活水平的提高,精神文明也在不断提高,例如,养老社区的工作人员会定期或不定期组织老年人参与活动。
由于老年人的个体差异,例如,老年人的兴趣不同、自由活动时间不同、居住地点不同、身体健康状况不同等,使得养老社区的工作人员很难快速、准确的安排老年人可参与的活动。
发明内容
本发明实施例提供一种活动决策方法、装置、设备及存储介质,以提高活动参与方案决策的效率和准确性。
第一方面,本发明实施例提供一种活动决策方法,包括:
获取区块链中存储的活动安排的历史数据和参与活动的多个老年人的个人信息;
采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型;
根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案,所述参与方案包括如下至少一种:活动的项目名称、活动的内容、活动的举办时间、活动的举办地点、参与人员信息;
将所述活动参与方案发送给所述多个老年人的终端设备或所述活动组织人员的终端设备。
第二方面,本发明实施例提供一种活动决策装置,包括:
获取模块,用于获取区块链中存储的活动安排的历史数据和参与活动的多个老年人的个人信息;
训练模块,用于采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型;
决策模块,用于根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案,所述参与方案包括如下至少一种:活动的项目名称、活动的内容、活动的举办时间、活动的举办地点、参与人员信息;
发送模块,用于将所述活动参与方案发送给所述多个老年人的终端设备或所述活动组织人员的终端设备。
第三方面,本发明实施例提供一种区块链网络节点设备,包括:
存储器;
处理器;
通讯接口;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现第一方面所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现第一方面所述的方法。
本发明实施例提供的活动决策方法、装置、设备及存储介质,通过获取区块链中存储的活动安排的历史数据和参与活动的多个老年人的个人信息,采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型,根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案,提高了活动参与方案决策的效率和准确性。
附图说明
图1为本发明实施例提供的一种应用场景的示意图;
图2为本发明实施例提供的活动决策方法流程图;
图3为本发明另一实施例提供的活动决策方法流程图;
图4为本发明另一实施例提供的活动决策方法流程图;
图5为本发明另一实施例提供的活动决策方法流程图;
图6为本发明实施例提供的活动决策装置的结构示意图;
图7为本发明实施例提供的区块链网络节点的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明实施例提供的活动决策方法,可以适用于图1所示的通信***。如图1所示,该通信***包括:区块链网络节点1-区块链网络节点5,具体的,区块链网络节点1-区块链网络节点5是区块链网络中的节点,此处只是示意性说明,并不限定区块链网络的架构和区块链网络中节点的数量。在本实施例中,活动参与人员或组织人员的终端设备可以是区块链网络中的节点,参与养老社区人工智能辅助住户自发开展活动安排经验共享和管理的一个或多个集团或公司也可是区块链网络中的节点。在区块链网络中注册的企业或个人可以将相关养老社区人工智能辅助住户自发开展活动安排的历史数据、参与活动的多个老年人的个人信息、以及相关的证明信息上传到区块链。区块链中存储的信息具有隐私保护、公开透明、可追溯、不易篡改等特点。
本发明实施例提供的活动决策方法,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图2为本发明实施例提供的活动决策方法流程图。本发明实施例针对现有技术的如上技术问题,提供了活动决策方法,该方法具体步骤如下:
步骤201、获取区块链中存储的活动安排的历史数据和参与活动的多个老年人的个人信息。
在由活动参与人员或组织人员的终端设备、参与养老社区人工智能辅助住户自发开展活动安排经验共享和管理的一个或多个集团或公司等构成的区块链网络中,部分节点可以作为存储信息的节点,部分节点可以作为处理信息的节点,或者,有些节点既可以作为存储信息的节点,也可以作为处理信息的节点,此处并不做限制。
例如,该区块链网络中包括信息存储子***,该信息存储子***可以包括多个节点,该多个节点可以作为存储信息的节点。在区块链网络中注册的企业或个人可以将相关养老社区人工智能辅助住户自发开展活动安排的历史数据、参与活动的多个老年人的个人信息、以及相关的证明信息上传到该存储子***中。其中,历史数据可以是老年人已经实际参与过的活动信息,例如,老年人已经实际参与过的活动的项目名称、活动的内容、活动的举办时间、活动的举办地点、参与人员信息等。参与活动的多个老年人的个人信息可以是即将参加活动的多个老年人的个人信息,例如,老年人的兴趣爱好信息(唱歌、跳舞、绘画、棋类、编织、书法、收藏、戏剧、游泳等)、老年人的自由活动安排时间、老年人的居住地点、老年人对其参与过的活动的反馈信息、老年人参与活动的优先级信息、老年人的身体健康状况信息(例如,老年人出行是否需要帮助等信息)。相关的证明信息具体可以包括老年人的身份信息、参与活动的照片和\或视频等。
另外,在该区块链网络中还包括活动决策子***,该活动决策子***可以包括多个节点,该多个节点可以作为处理信息的节点。该活动决策子***可以从信息存储子***中获取养老社区人工智能辅助住户自发开展活动安排的历史数据、参与活动的多个老年人的个人信息、以及相关的证明信息。
步骤202、采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型。
该活动决策子***可以采用该活动安排的历史数据对智能决策模型进行训练,可选的,该智能决策模型具体可以是k最邻近分类算法(k-NearestNeighbor,KNN)聚类模型,得到训练后的智能决策模型。
该活动决策子***可以包括多个节点,该多个节点具体可以是各养老社区的主服务器,该多个节点负责对该智能决策模型进行训练。
在一种可能的实现方式中,所述采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型,包括:将所述活动安排的历史数据分配给区块链网络中的多个节点,所述多个节点存储有所述智能决策模型,根据所述多个节点分布式计算得到的所述智能决策模型的参数,得到训练后的智能决策模型,并将训练后的智能决策模型存储到区块链上。
例如,智能决策模型可以存储在区块链中。活动安排的历史数据可以平均分配给该活动决策子***的多个节点,该多个节点分别存储有智能决策模型,该多个节点可以通过分布式计算来训练该智能决策模型的参数,进一步,结合该多个节点分布式计算得到的该智能决策模型的参数,得到训练后的智能决策模型,并将训练后的智能决策模型存储到区块链上,从而对该区块链中存储的智能决策模型进行同步与更新。
在另一种可能的实现方式中,所述采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型,包括:将所述活动安排的历史数据和所述智能决策模型发送给区块链网络中的节点,所述节点用于根据所述历史数据对所述智能决策模型进行训练,并将训练后的智能决策模型存储到区块链上。
例如,该活动决策子***中的某个节点可以定时从区块链下载活动安排的历史数据和智能决策模型,并根据该历史数据对该智能决策模型进行训练,得到训练后的智能决策模型。进一步,该节点还可以将该训练后的智能决策模型存储到区块链上,使得区块链上存储的智能决策模型可以定期进行更新。
步骤203、根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案,所述参与方案包括如下至少一种:活动的项目名称、活动的内容、活动的举办时间、活动的举办地点、参与人员信息。
该活动决策子***进一步将参与活动的多个老年人的个人信息输入到该训练后的智能决策模型中,该训练后的智能决策模型可用于决策活动参与方案,并输出活动参与方案。该参与方案具体可以是多个活动项目的参与方案,例如,每一个活动项目的参与方案包括如下至少一种:该活动的项目名称(例如,书法大赛、健身操、诗朗诵、歌唱比赛等)、该活动的内容(例如,不限类型)、活动的举办时间(例如,2019年5月1日)、该活动的举办地点(例如,XX养老社区)、参与人员信息等。
步骤204、将所述活动参与方案发送给所述多个老年人的终端设备或所述活动组织人员的终端设备。
该活动决策子***决策出该活动参与方案后,还可以将该活动参与方案发送给参与活动的老年人的终端设备或者活动组织人员的终端设备。例如,书法大赛的参与人员包括老年人A、老年人B、老年人C和老年人D,则该活动决策子***可以将该书法大赛对应的参与方案发送给老年人A、老年人B、老年人C和老年人D各自的终端设备。或者,该活动决策子***也可以将各个活动项目的参与方案发送给活动组织人员的终端设备,使得该活动组织人员可以根据各个活动项目的参与方案通知各个活动项目相应的参与人员。
当本次活动组织结束后,该活动组织人员还可以统计每个活动项目的实际参与人数、实际参与者信息、实际参与者对其参与的活动项目的评价信息等,该活动组织人员可根据实际参与者对其参与的活动项目的评价信息,对该活动项目的内容和形式等进行改进。另外,该活动组织人员还可以终端设备将每个活动项目的实际参与人数、实际参与者信息、实际参与者对其参与的活动项目的评价信息等上传到区块链网络中,使得每个活动项目的实际参与人数、实际参与者信息、实际参与者对其参与的活动项目的评价信息等可作为上述所述的历史数据,随着历史数据的增加,可不断的训练该智能决策模型,即不断的调整该智能决策模型的系数,使得该智能决策模型可不断的被训练,以提高该智能决策模型的精确度。
本发明实施例通过获取区块链中存储的活动安排的历史数据和参与活动的多个老年人的个人信息,采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型,根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案,提高了活动参与方案决策的效率和准确性。
图3为本发明另一实施例提供的活动决策方法流程图。在上述实施例的基础上,所述根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案包括如下步骤:
步骤301、根据所述参与活动的多个所述老年人的个人信息,确定多个特征向量,所述多个特征向量中的每个特征向量包括如下至少一种:所述老年人的兴趣爱好信息、所述老年人的自由活动安排时间、所述老年人的居住地点。
例如,根据所述参与活动的多个所述老年人的个人信息,提取每个老年人的个人信息中的特征向量,该特征向量可以表示为F={f1,f2,…,fn},f1,f2,…,fn可以依次表示老年人的兴趣爱好信息、老年人的自由活动安排时间、老年人的居住地点等,也就是说,{f1,f2,…,fn}={老年人的兴趣爱好信息,老年人的自由活动安排时间,老年人的居住地点,…}。如果一个老年人有一个兴趣爱好,则根据一个老年人的个人信息可提取出一个特征向量。如果一个老年人有多个兴趣爱好,则根据一个老年人的个人信息可提取出多个特征向量。
可选的,所述老年人的个人信息包括所述老年人的多个兴趣爱好信息;所述根据所述参与活动的多个所述老年人的个人信息,确定多个特征向量,包括:根据所述老年人的多个兴趣爱好信息,确定与所述多个兴趣爱好信息中每个兴趣爱好信息对应的特征向量。
例如,老年人A有两个兴趣爱好,分别是书法和游泳,则根据老年人A的个人信息可提取出两个特征向量,该两个特征向量可以表示为F1和F2,具体的,F1={书法,老年人A的自由活动安排时间,老年人A的居住地点,…};F2={游泳,老年人A的自由活动安排时间,老年人A的居住地点,…}。同理,如果其他参与活动的老年人也有多个兴趣爱好,则根据该老年人的个人信息也可提取出多个特征向量,并且同一个老年人的兴趣爱好和特征向量是一一对应的关系。
步骤302、采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案。
在一种可能的实现方式中,所述采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案,包括:将所述多个特征向量分配给区块链网络中的多个节点;根据所述多个节点中每个节点采用所述智能决策模型对其分配到的特征向量进行聚类得到的聚类结果,得到所述活动参与方案,并将所述活动参与方案存储到区块链上。
例如,该区块链网络中的多个节点可以负责聚类计算,例如,负责聚类计算的节点有n个,该n个节点中每个节点的算力是相同的。该区块链网络中某段时间内待聚类的特征向量的数据量大小为m,此处不限定m和n的大小关系。进一步,可以将该待聚类的特征向量平均分配给该多个节点,例如,每个节点分配到的特征向量的数据量大小为m/n。每个节点可以采用智能决策模型,例如如上所述的训练后的智能决策模型对其分配到的大小为m/n的特征向量进行聚类计算,进一步,结合该n个节点聚类计算后的聚类结果得到所述活动参与方案,并将所述活动参与方案存储到区块链上。
在另一种可能的实现方式中,所述采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案,包括:将所述多个特征向量发送给区块链网络中的节点,所述节点用于采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案,并将所述活动参与方案存储到区块链上。
具体的,该区块链网络中的某个节点,例如,该区块链网络中的主服务器或某养老社区的主服务器,可以将区块链中的智能决策模型下载到本地,并根据智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案,并将所述活动参与方案存储到区块链上。
可选的,所述采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案,包括如图4所示的如下步骤:
步骤401、采用所述智能决策模型对所述多个特征向量进行聚类,得到与每个所述老年人的兴趣爱好相匹配的活动项目。
例如,将每一个参与活动的老年人的个人信息所对应的至少一个特征向量输入到如上所述的KNN聚类模型,该KNN聚类模型可输出与每一个老年人的兴趣爱好相对应的活动类别C{c1,c2,…,cm},例如{书法大赛、健身操、诗朗诵、歌唱比赛等},可以理解,此处的活动类别具体为上述实施例所述的该活动的项目名称。另外,该KNN聚类模型还可以输出每个活动类别对应的活动内容、举办时间、举办地点、参与人员信息等。如此,每一个活动的项目名称、活动内容、举办时间、举办地点、参与人员信息等就构成了该活动项目的参与方案。
步骤402、若同一个所述老年人被分配在多个不同的活动项目中,则根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中与所述老年人的兴趣爱好最匹配的活动项目。
例如,老年人A有两个兴趣爱好,分别是书法和游泳,则老年人A可能同时被分配到书法大赛和游泳项目中,假设书法大赛记为c1,游泳项目记为c2,则根据老年人A对书法和游泳的优先级选择信息和历史反馈信息,可从c1和c2中确定一个与老年人A的兴趣爱好最匹配的活动项目。
可选的,所述根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中与所述老年人的兴趣爱好最匹配的活动项目,包括:根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中每个所述活动项目的评分值;将所述多个不同的活动项目中评分值最高的活动项目作为与所述老年人的兴趣爱好最匹配的活动项目。
例如,老年人A对书法大赛的优先级选择信息为A_c1,老年人A对游泳项目的优先级选择信息为A_c2,老年人A对书法大赛的历史反馈信息为B_c1,老年人A对游泳项目的历史反馈信息为B_c2,则根据A{A_c1,A_c2}和B{B_c1,B_c2}即可确定出与老年人A的兴趣爱好最匹配的活动项目。具体的,可根据A{A_c1,A_c2}和B{B_c1,B_c2}计算书法大赛和游泳项目各自的评分值,例如,书法大赛的评分值记为P(c1),游泳项目的评分值记为P(c2),P(c1)=a1*A_c1+a2*B_c1,P(c2)=a1*A_c2+a2*B_c2,其中,a1和a2是预设的参数,本实施例并不限定a1和a2的具体取值。在计算出P(c1)和P(c2)之后,可比较出P(c1)和P(c2)中哪个最大,如果P(c1)最大,则书法大赛是与老年人A的兴趣爱好最匹配的活动项目,如果P(c2)最大,则游泳项目是与老年人A的兴趣爱好最匹配的活动项目。
不失一般性,KNN聚类模型的输入为F={f1,f2,…,fn},该KNN聚类模型的输出为C{c1,c2,…,cm},假设某一个老年人X被分配到k个活动类别中即{c1,c2,…,ck},k小于或等于m,则根据老年人X对该k个活动类别中每个活动类别的优先级选择信息{A1,A2,…,Ak}和历史反馈信息{B1,B2,…,Bk}可确定出与老年人X的兴趣爱好最匹配的活动项目。
具体的,计算该k个活动类别中每个活动类别的评分值,例如,该k个活动类别中每个活动类别的评分值记为P(ci),i大于或等于1,且i小于或等于k,P(ci)=a1*Ai+a2*Bi,将P(ci)中最大的一个值所对应的活动类别作为与老年人X的兴趣爱好最匹配的活动项目。
此外,在本实施例中,该区块链网络中还包括***性能评估子***,该***性能评估子***可评估养老社区人工智能辅助住户自发开展活动安排经验共享和管理***的及时性、有效性和准确性,基于老年人个人兴趣、时间、地点、出行、反馈、活动优先级等多因素组合优化和相关老年人兴趣活动的动态组合的智能决策方法,不断调整和优化***参数,以期通过在区块链网络中有效实现养老社区人工智能辅助住户自发开展活动安排经验共享和管理,从而有力促进区块链技术应用在养老社区人工智能辅助住户自发开展活动安排经验共享和管理方面的有效推广。
本发明实施例通过根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中与所述老年人的兴趣爱好最匹配的活动项目,提高了活动决策方法的准确性。
图5为本发明另一实施例提供的活动决策方法流程图。如图5所示,本实施例具体介绍了区块链网络构建子***、信息存储和信息认证数据格式定义子***、信息存储子***、活动决策子***、***性能评估子***各自的功能和作用。另外,本实施例还提供了一种交易信息的示例,可以理解,此处的交易信息是泛指的交易信息,即在区块链网络中的一次信息录入就是一次交易。该交易信息如下表1所示:
表1
如表1所述的交易信息可以存储到区块链的区块中,也就是说,表1中的交易信息均可以上链,例如,可以将老年人的个人信息上链、历史数据即经验信息上链、***分析出的老年人活动参与方案上链等。使得老年人的个人信息、历史数据、老年人活动参与方案等信息可以按照特定的数据格式存储在区块中,增加了数据存储和数据处理的效率。
图6为本发明实施例提供的活动决策装置的结构示意图。该活动决策装置具体可以是上述实施例中的活动决策***,或者是该活动决策中的节点。本发明实施例提供的活动决策装置可以执行活动决策方法实施例提供的处理流程,如图6所示,活动决策装置60包括:获取模块61、训练模块62、决策模块63和发送模块64;其中,获取模块61用于获取区块链中存储的活动安排的历史数据和参与活动的多个老年人的个人信息;训练模块62用于采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型;决策模块63用于根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案,所述参与方案包括如下至少一种:活动的项目名称、活动的内容、活动的举办时间、活动的举办地点、参与人员信息;发送模块64用于将所述活动参与方案发送给所述多个老年人的终端设备或所述活动组织人员的终端设备。
可选的,决策模块63包括确定模块631和聚类模块632;其中,确定模块631用于根据所述参与活动的多个所述老年人的个人信息,确定多个特征向量,所述多个特征向量中的每个特征向量包括如下至少一种:所述老年人的兴趣爱好信息、所述老年人的自由活动安排时间、所述老年人的居住地点;聚类模块632用于采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案。。
可选的,所述老年人的个人信息包括所述老年人的多个兴趣爱好信息;确定模块631具体用于:根据所述老年人的多个兴趣爱好信息,确定与所述多个兴趣爱好信息中每个兴趣爱好信息对应的特征向量。
可选的,聚类模块632具体用于:采用所述智能决策模型对所述多个特征向量进行聚类,得到与每个所述老年人的兴趣爱好相匹配的活动项目;若同一个所述老年人被分配在多个不同的活动项目中,则根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中与所述老年人的兴趣爱好最匹配的活动项目。
可选的,聚类模块632在根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中与所述老年人的兴趣爱好最匹配的活动项目时,具体用于:根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中每个所述活动项目的评分值;将所述多个不同的活动项目中评分值最高的活动项目作为与所述老年人的兴趣爱好最匹配的活动项目。
可选的,训练模块62采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型时,具体用于:将所述活动安排的历史数据分配给区块链网络中的多个节点,所述多个节点存储有所述智能决策模型,根据所述多个节点分布式计算得到的所述智能决策模型的参数,得到训练后的智能决策模型,并将训练后的智能决策模型存储到区块链上;或者将所述活动安排的历史数据和所述智能决策模型发送给区块链网络中的节点,所述节点用于根据所述历史数据对所述智能决策模型进行训练,并将训练后的智能决策模型存储到区块链上。
可选的,聚类模块632采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案时,具体用于:将所述多个特征向量分配给区块链网络中的多个节点;根据所述多个节点中每个节点采用所述智能决策模型对其分配到的特征向量进行聚类得到的聚类结果,得到所述活动参与方案,并将所述活动参与方案存储到区块链上;或者将所述多个特征向量发送给区块链网络中的节点,所述节点用于采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案,并将所述活动参与方案存储到区块链上。
图6所示实施例的活动决策装置可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图7为本发明实施例提供的区块链网络节点的结构示意图。该区块链网络节点具体可以是上述实施例中的该活动决策中的节点。本发明实施例提供的区块链网络节点可以执行活动决策方法实施例提供的处理流程,如图7所示,区块链网络节点70包括:存储器71、处理器72、计算机程序和通讯接口73;其中,计算机程序存储在存储器71中,并被配置为由处理器72执行如上所述的活动决策方法。
图7所示实施例的区块链网络节点可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
另外,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现上述实施例所述的活动决策方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种活动决策方法,其特征在于,包括:
获取区块链中存储的活动安排的历史数据和参与活动的多个老年人的个人信息;
采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型;所述智能决策模型用于决策活动参与方案;
根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案,所述参与方案包括:活动的项目名称、活动的内容、活动的举办时间、活动的举办地点、参与人员信息;
将所述活动参与方案发送给所述多个老年人的终端设备或所述活动组织人员的终端设备;
所述根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案,包括:
所述老年人的个人信息包括所述老年人的多个兴趣爱好信息;
根据所述老年人的多个兴趣爱好信息,确定与所述多个兴趣爱好信息中每个兴趣爱好信息对应的特征向量,所述多个特征向量中的每个特征向量包括:所述老年人的兴趣爱好信息、所述老年人的自由活动安排时间、所述老年人的居住地点;
采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案。
2.根据权利要求1所述的方法,其特征在于,所述采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案,包括:
采用所述智能决策模型对所述多个特征向量进行聚类,得到与每个所述老年人的兴趣爱好相匹配的活动项目;
若同一个所述老年人被分配在多个不同的活动项目中,则根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中与所述老年人的兴趣爱好最匹配的活动项目。
3.根据权利要求2所述的方法,其特征在于,所述根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中与所述老年人的兴趣爱好最匹配的活动项目,包括:
根据所述老年人对所述多个不同的活动项目的优先级选择信息和历史反馈信息,确定所述多个不同的活动项目中每个所述活动项目的评分值;
将所述多个不同的活动项目中评分值最高的活动项目作为与所述老年人的兴趣爱好最匹配的活动项目。
4.根据权利要求1所述的方法,其特征在于,所述采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型,包括:
将所述活动安排的历史数据分配给区块链网络中的多个节点,所述多个节点存储有所述智能决策模型,根据所述多个节点分布式计算得到的所述智能决策模型的参数,得到训练后的智能决策模型,并将训练后的智能决策模型存储到区块链上;或者
将所述活动安排的历史数据和所述智能决策模型发送给区块链网络中的节点,所述节点用于根据所述历史数据对所述智能决策模型进行训练,并将训练后的智能决策模型存储到区块链上。
5.根据权利要求2至4任一项所述的方法,其特征在于,所述采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案,包括:
将所述多个特征向量分配给区块链网络中的多个节点;根据所述多个节点中每个节点采用所述智能决策模型对其分配到的特征向量进行聚类得到的聚类结果,得到所述活动参与方案,并将所述活动参与方案存储到区块链上;或者
将所述多个特征向量发送给区块链网络中的节点,所述节点用于采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案,并将所述活动参与方案存储到区块链上。
6.一种活动决策装置,其特征在于,包括:
获取模块,用于获取区块链中存储的活动安排的历史数据和参与活动的多个老年人的个人信息;
训练模块,用于采用所述活动安排的历史数据对智能决策模型进行训练,得到训练后的智能决策模型;所述智能决策模型用于决策活动参与方案;
决策模块,用于根据所述参与活动的多个老年人的个人信息,通过所述训练后的智能决策模型,决策活动参与方案,所述参与方案包括:活动的项目名称、活动的内容、活动的举办时间、活动的举办地点、参与人员信息;
发送模块,用于将所述活动参与方案发送给所述多个老年人的终端设备或所述活动组织人员的终端设备;
所述决策模块包括确定模块和聚类模块;其中,所述确定模块,用于根据所述参与活动的多个所述老年人的个人信息,确定多个特征向量,所述多个特征向量中的每个特征向量包括:所述老年人的兴趣爱好信息、所述老年人的自由活动安排时间、所述老年人的居住地点;
采用所述智能决策模型对所述多个特征向量进行聚类,得到所述活动参与方案;
所述老年人的个人信息包括所述老年人的多个兴趣爱好信息;
所述确定模块,具体用于根据所述老年人的多个兴趣爱好信息,确定与所述多个兴趣爱好信息中每个兴趣爱好信息对应的特征向量。
7.一种区块链网络节点,其特征在于,包括:
存储器;
处理器;
通讯接口;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-5中任一项所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911163858.9A CN111091888B (zh) | 2019-11-25 | 2019-11-25 | 活动决策方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911163858.9A CN111091888B (zh) | 2019-11-25 | 2019-11-25 | 活动决策方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111091888A CN111091888A (zh) | 2020-05-01 |
CN111091888B true CN111091888B (zh) | 2023-10-31 |
Family
ID=70393383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911163858.9A Active CN111091888B (zh) | 2019-11-25 | 2019-11-25 | 活动决策方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091888B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014023226A1 (en) * | 2012-08-08 | 2014-02-13 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus and system for selecting user |
CN109190769A (zh) * | 2018-08-21 | 2019-01-11 | 甲骨文科技时代(深圳)有限公司 | 一种基于区块链的人工智能训练方法 |
CN109389168A (zh) * | 2018-09-29 | 2019-02-26 | 国信优易数据有限公司 | 项目推荐模型训练方法、项目推荐方法以及装置 |
CN109493216A (zh) * | 2018-09-30 | 2019-03-19 | 北京小米移动软件有限公司 | 模型训练方法、装置、***及存储介质 |
CN109919793A (zh) * | 2019-03-12 | 2019-06-21 | 中国科学技术大学 | 活动参与分析及推荐方法 |
-
2019
- 2019-11-25 CN CN201911163858.9A patent/CN111091888B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014023226A1 (en) * | 2012-08-08 | 2014-02-13 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus and system for selecting user |
CN109190769A (zh) * | 2018-08-21 | 2019-01-11 | 甲骨文科技时代(深圳)有限公司 | 一种基于区块链的人工智能训练方法 |
CN109389168A (zh) * | 2018-09-29 | 2019-02-26 | 国信优易数据有限公司 | 项目推荐模型训练方法、项目推荐方法以及装置 |
CN109493216A (zh) * | 2018-09-30 | 2019-03-19 | 北京小米移动软件有限公司 | 模型训练方法、装置、***及存储介质 |
CN109919793A (zh) * | 2019-03-12 | 2019-06-21 | 中国科学技术大学 | 活动参与分析及推荐方法 |
Non-Patent Citations (1)
Title |
---|
老年人文体活动参与现状调查及分析;王位琼;张洪;;全科护理(第36期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111091888A (zh) | 2020-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Asynchronous federated learning on heterogeneous devices: A survey | |
CN110462604A (zh) | 基于设备使用关联互联网设备的数据处理***和方法 | |
CN112712182B (zh) | 一种基于联邦学习的模型训练方法、装置及存储介质 | |
CN111477290A (zh) | 保护用户隐私的联邦学习和图像分类方法、***及终端 | |
US12013905B2 (en) | Pairing systems and methods for electronic communications | |
Fan et al. | Federated generative adversarial learning | |
CN102273167A (zh) | 用于对等网络中数据管理的方法和*** | |
CN110069706A (zh) | 数据处理的方法、端侧设备、云侧设备和端云协同*** | |
CN108830478B (zh) | 一种面向众包任务处理的团队推荐方法 | |
Weatherall et al. | Endogenous epistemic factionalization | |
WO2021008675A1 (en) | Dynamic network configuration | |
CN110610098A (zh) | 数据集生成方法及装置 | |
CN116244512A (zh) | 一种基于图结构数据的军事体能训练智能推荐方法 | |
Chen | Grouping optimization based on social relationships | |
CN109086976B (zh) | 一种面向群智感知的任务分配方法 | |
CN112699402B (zh) | 基于联邦个性化随机森林的可穿戴设备活动预测方法 | |
Kang et al. | Social correlation group generation mechanism in social IoT environment | |
CN110188123A (zh) | 用户匹配方法及设备 | |
CN111680798A (zh) | 联合学习模型***和方法、装置和计算机可读存储介质 | |
CN111091888B (zh) | 活动决策方法、装置、设备及存储介质 | |
CN109919793A (zh) | 活动参与分析及推荐方法 | |
CN117113113A (zh) | 基于聚类联邦学习算法的数据隐私保护方法及*** | |
CN111368060A (zh) | 对话机器人的自学习方法、装置、***、电子设备及介质 | |
KR20200044168A (ko) | 집단지성 기반의 가상 인격체 생성 장치 | |
CN114971047A (zh) | 一种面向移动群智感知的用户协同优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |