一体化社区服务平台的制作方法

技术特征：

1.一体化社区服务平台，其特征是：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。

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系统、社区信息发布系统和社区电子商务系统，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：所述社区电子商务系统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。

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F_j＝[f_j,1,f_j,2,…,f_j,n]，此时，所有类别的训练样本集F＝[F₁,F₂,…,F_N]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ρ_j(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，j_be表示测试样本t所属类别，Fρ_j(a)表示测试样本第j类的重构图像，||t-Fρ_j(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，w_i为已知类别文本，为文本类别，某产品待分类文本w_t中包含不同的词w_i，将文本表示为w_t＝(w₁,w₂,…,w_n)，n为文本中词的数量，统计w_i在文本w_t中出现的频次p_i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w_t与W中文本w_i的相似度进行计算，得到与w_t最近似的l个w_i，XS(w_t,w_i)＝ln(DT+1)，所述式子里，表示w_t的第i个词w_i的相对词频，表示w_i的第i个词w_i的相对词频；

W_l表示l个最近邻文本，计算W_l中各类别占比，占比最大的类别包含文本数为l₁，作为w_t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)＝{(t_i,w_i,y_i)}，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，N_L为产品类别数量，m_α为第α类正确分类产品样本数量，M_α为第α类产品样本数量。