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。技术实现要素：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，包括社区信息讨论系统、社区信息发布系统、社区电子商务系统和用户信息接收端，所述社区信息讨论系统用于讨论社区事务，所述社区信息发布系统用于发布信息，所述社区电子商务系统为用户提供网购服务，所述用户信息接收端用于接收信息，所述社区信息讨论系统、社区信息发布系统和社区电子商务系统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：社区信息讨论系统1、社区信息发布系统3、社区电子商务系统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，包括社区信息讨论系统1、社区信息发布系统2、社区电子商务系统3和用户信息接收端4，所述社区信息讨论系统1用于讨论社区事务，所述社区信息发布系统2用于发布信息，所述社区电子商务系统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，所述社区信息讨论系统1、社区信息发布系统2和社区电子商务系统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系统1、社区信息发布系统2和社区电子商务系统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，所述社区电子商务系统3包括产品分类子系统，能够为用户提供产品分类信息，所述产品分类子系统包括第一分类模块、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系统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；社区电子商务系统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系统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；社区电子商务系统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系统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系统的产品分类准确度，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系统进行改进。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，且电商务系统服务人数均有增加，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系统服务人数增加300020％10％400025％15％500030％20％600032％24％700036％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。当前第1页1 2 3