一种基于GIS系统的校园消息推送优化方法与流程

本发明涉及一种互联网、智慧校园、大数据处理、计算机应用领域，尤其涉及的是一种基于gis系统的校园消息推送优化方法。

背景技术：

在互联网流行的年代，互联网有多源的生产要素和众多资源的集成特点，并逐步与社会各领域相互交融，互联网逐渐成为社会发展不可或缺的一部分，在此背景下衍生出一种互联网发展的新形态，即现在流行的“互联网+”模式。在当今“互联网+”的背景之下，互联网不仅与各种经济产业息息相关，在智慧校园建设中更是有着重要作用。

随着科技技术渗透到各个行业中，作为科技产业集中的高校来说，校园的技术改革显得尤为重要。智慧校园实现了校园范围内人员与资源之间的共享和沟通交流，极大地提高了高校校园管理的质量。现阶段，绝大多数校园开启了智慧校园发展模式，如使用移动网络进行学生信息查询、校园业务办理等。智慧校园具有多方面的优点：

第一，能够分类别的实行个体针对性服务。智慧校园能够依据在校师生的需求来进行有针对性的服务；

第二，具有分类管理能力。在信息技术以及计算机技术的支持下，智慧校园能够实现网络资源和学生需求之间的连接，并融入各个环节之中大大提高了学生工作学习的效率；

第三，具有广泛的综合性。高校智慧校园可以和校园外界进行有效联系，从而建立联动综合教育机制。

大学生作为知识集中，思想前沿的群体，已成为互联网技术中一股不可忽视的主力军。校园不像社会存在各类各个阶层的人群，学生都能快速地接受科技前沿的产品，如各类现代信息技术交互工具。由于互联网媒体信息传播迅速、具有很强的互动性、基于大数据平台的网络拥有巨大信息量等特点，那么信息技术在高校中影响力越来越大，成为校园学生群体获取资源、沟通交流的首选。

计算机网络技术和互联网的技术应用为智慧校园建设提供了重要的技术前提，最近几年“互联网+”概念的提出进一步促使高校智慧校园模式的发展与应用。不只是中国，在世界上几乎所有的高校已经迈进“智慧校园”“科技校园”。智慧校园的实现是高校可持续发展的必然要求。第一，基于云端数据的信息发展形势为智慧校园的开展提供重要的资源保障；第二，新一代学生青年具有与时俱进，与科技信息化教学同步的自身素质。

但是对于国内智慧校园的建设情况来说，校园网络系统建设封闭在校园智慧平台建设到当前阶段，其中除了信息化不足外，校园服务管理系统有封闭性。在社会企业的管理服务系统中，大量引进了网络信息资源共享模式，加大资金投入以使其系统建设具有一定的开放性成分。中高等学校在我国教育体系中具有重要地位，承担着整个国家的人才输出，由于在校园中学生数量众多，管理机构及服务部门众多，服务管理流程机构繁琐，另外校园平台需要录入及分类大量的人员信息，如教师工资、学生学费、学生成绩查询等内容，需要在不同的平台展现。在校园智慧平台建设中应该删繁就简，将校园网络管理平台在“互联网+”的背景下做到真正的“智慧”。

以往，校园成员只能通过个人计算机收发邮件、访问网站通知、上传下载电子教案等；随着校园信息化的普及以及即时通讯软件、备忘录软件、日程管理软件的出现移动智能设备不仅仅用来通讯和娱乐，还逐步渗入到校园成员的生活、学习、行政办公、教学和科研中。随着互联网技术突飞猛进的发展，即时通讯软件、备忘录软件、日程管理等移动应用软件功能大众化，不适合校园成员这一特殊群体。

因此，现有的校园消息推送方法存在不足，需要改进。

技术实现要素：

为了解决现有校园消息推送方法在选择推送消息方面中存在的不足，本发明根据校园成员的个人信息分类至不用的群体中，然后基于gis系统对该消费群体的校园行为进行分析，进而构建分析模型，最终确定最优的推送消息，从而提供一种能够满足不同校园成员需要的消息推送优化方法。

本发明解决其技术问题采用的技术方法是：

一种基于gis系统的校园消息推送优化方法，所述方法包括以下步骤：

1)统计所有校园成员的个人信息，所述个人信息包括学生和老师的性别，学院，年级以及工作人员的工作类型，获取并记录所有校园成员的个人信息；

2)基于gis系统记录校园成员在一定时间中在校园中的行为，老师在课余时间经常去的场所信息以及学生去各种各样的校园地方以及使用校园设施的频率，工作人员在工作外时间去的场所，通过记录这些地理信息，进而构建分析模型；

3)通过步骤1)和2)所获得的校园成员信息以及在校园中的行为数据，构建分析模型，分析模型分为三层，其中上层为目标层t，中间层为数据层d，下层为结果层r；

4)构建目标层，过程如下：

4.1)在目标层t中，使用决策树算法对校园成员进行分类，首先根据校园成员个人信息中的工作类型特征信息将成员分成学生类s1，教师类t1和工作人员类w1三类；

4.2)根据学院、年级以及性别等特征对学生类s1进行二次分类，根据学院和年龄对教师类t1和工作人员w1同时进行二次分类得到基于校园成员信息的分类结果s2、t2和w2；

4.3)基于gis系统记录校园成员在校园中的行为数据，对二次分类后的学生类s2、教师类t2和工作人员类w2进行三次分类，设置不同类别具有不同特征信息所占的权重，得到最终的分类结果s3、t3和w3；

5)在数据层d中，通过大数据处理方法去除所有的校园消息m中的冗余信息，将校园推送信息分为必须信息以及兴趣信息，使用k近邻算法对校园兴趣消息进行分类，根据校园成员的分类结果中的特征信息分成不同的类别，包括学习、生活、科研和办公信息；

6)在结果层r中，对于校园推送消息中的兴趣消息基于目标层最终分类结果中每一类所带的权重进行推送，分别对学生类、教室类以及工作人员类推送不同的兴趣消息。

本发明的技术构思为：先根据校园成员的个人信息使用决策树分类算法将成员分类到相应的群体中，进而基于gis系统统计校园成员的校园信息行为，进行特征分类，给予每种特征以一定的权重，然后通过大数据技术去除校园推送消息中的冗余信息，并根据校园成员的特征分类结果进行分类，进而构建分析模型，最后根据权重以及兴趣特征对不同的校园成员推送不同的消息。

本发明的有益效果主要表现在：通过定性、定量的分析影响不同校园成员的个人信息，通过gis系统的实时定位记录校园成员在一定时间的校园行为信息，设置相应的特征权重，进而分析校园成员的特征信息并构建分析模型，在推送消息的时候根据权重以及校园成员的特征选择合理的校园信息推送给用户，从而有效解决了传统的校园消息推送单一化的、盲目的推送方式，大大提高了智慧校园对于不同特征校园成员的信息倾向把握，有效提高了校园成员在校园中的信息获取效率以及智慧校园的信息推送质量。

附图说明

图1是校园消息推送优化方法的流程图。

图2是校园消息推送优化发放的层次分析模型。

具体实施方式：

下面结合附图对本发明进一步描述。

参照图1和图2，一种基于gis系统的校园消息推送优化方法，所述方法包括以下步骤：

1)校园个人信息处理，统计所有校园成员的个人信息，所述个人信息包括学生和老师的性别，学院，年级以及工作人员的工作类型，获取并记录所有校园成员的个人信息；

2)基于gis系统的定位数据分析功能记录校园成员在一定时间中在校园中的行为，老师在课余时间经常去的场所信息以及学生去各种各样的校园地方以及使用校园设施的频率，工作人员在工作外时间去的场所，通过记录这些地理信息，进而构建分析模型；

3)通过步骤1)和2)所获得的校园成员信息以及在校园中的行为数据，构建分析模型，分析模型分为三层，其中上层为目标层t，中间层为数据层d，下层为结果层r；

4)构建目标层，过程如下：

4.1)在目标层t中，使用决策树算法对校园成员进行分类，首先根据校园成员个人信息中的工作类型特征信息将成员分成学生类s1，教师类t1和工作人员类w1三类；

4.2)根据学院、年级以及性别等特征对学生类s1进行二次分类，根据学院和年龄对教师类t1和工作人员w1同时进行二次分类得到基于校园成员信息的分类结果s2、t2和w2；

4.3)基于gis系统记录校园成员在校园中的行为数据，对二次分类后的学生类s2、教师类t2和工作人员类w2进行三次分类，设置不同类别具有不同特征信息所占的权重，得到最终的分类结果s3、t3和w3；

5)在数据层d中，通过大数据处理方法去除所有的校园消息m中的冗余信息，将校园推送信息分为必须信息以及兴趣信息，使用k近邻算法对校园兴趣消息进行分类，根据校园成员的分类结果中的特征信息分成不同的类别，包括学习、生活、科研和办公信息；

6)在结果层r中，对于校园推送消息中的兴趣消息基于目标层最终分类结果中每一类所带的权重进行推送，分别对学生类、教室类以及工作人员类推送不同的兴趣消息。

参照图1和2，本实例中，以浙江工业大学信息学院某实验室消息推送为例，一种基于gis系统的校园消息推送优化方法，包括以下步骤：

1)校园成员信息处理，统计所有实验室成员的个人信息，所述个人信息包括学生和老师的性别，学院，年级以及工作人员的工作类型，获取并记录所有成员的个人信息；

2)基于gis系统记录实验室成员在一定时间中在校园中的行为，老师在课余时间经常去的场所信息以及学生去各种各样的校园地方以及使用校园设施的频率，工作人员在工作外时间去的场所，通过记录这些地理信息，

进而构建分析模型；

3)通过步骤1)和2)所获得的实验室成员信息以及在校园中的行为数据，

构建分析模型，分析模型分为三层，其中上层为目标层t，中间层为数据层d，下层为结果层r；

4)构建目标层，过程如下：

4.1)在目标层t中，使用决策树算法对实验室成员进行分类，首先根据实验室成员个人信息中的工作类型特征信息将成员分成学生类s1，教师类t1和工作人员类w1三类；

4.2)根据学院、年级以及性别等特征对学生类s1进行二次分类，根据学院和年龄对教师类t1和工作人员w1同时进行二次分类得到基于实验室成员信息的分类结果s2、t2和w2；

4.3)基于gis系统记录实验室成员在校园中的行为数据，对二次分类后的学生类s2、教师类t2和工作人员类w2进行三次分类，设置不同类别具有不同特征信息所占的权重，得到最终的分类结果s3、t3和w3；

5)在数据层d中，通过大数据处理方法去除所有的校园消息m中的冗余信息，将校园推送信息分为必须信息以及兴趣信息，使用k紧邻算法对校园兴趣消息进行分类，根据实验室成员的分类结果中的特征信息分成不同的类别，包括学习、生活、科研和办公信息；

6)在结果层r中，对于校园推送消息中的兴趣消息基于目标层最终分类结果中每一类所带的权重进行推送，分别对学生类、教室类以及工作人员类推送不同的兴趣消息。

以上阐述的是本发明给出的一个实施例表现出来的优良效果，显然本发明不仅适合上述实施例，在不偏离本发明基本精神及不超出本发明实质内容所涉及内容的前提下可对其做种种变化加以实施。