一种基于云平台的网络咨询信息一体化管理系统及方法与流程

本发明涉及云平台数据管理，具体为一种基于云平台的网络咨询信息一体化管理系统及方法。

背景技术：

1、随着时长经济的发展，城市现代化建设步伐不断加快，城市规模不断扩大，人口流动不断增加，房屋租赁也渐渐成为社会生活的重要组成部分；传统的房屋咨询租赁存在着许多问题，如：为了避免虚假租赁需要线下对租赁房屋进行一一核实，浪费人工成本；随着互联网技术的迅猛发展，租赁管理也逐渐发展为互联网信息平台，通过租赁平台用户实现线上信息咨询，节约时间成本并且租赁平台中丰富的租赁数据满足用户的租赁需求。

2、在现有的技术下，由于租赁平台的多样化，部分用户会发布含有虚假内容的房源信息为了吸引客源，其中虚假内容包括但不限于虚假的房源图片、虚假的租售价格、虚假的地理位置等；为了确保用户在租赁平台中的使用体验，需要针对租赁平台中房源的数据信息进行监测并且将含有虚假信息的房源进行剔除。

技术实现思路

1、本发明的目的在于提供一种基于云平台的网络咨询信息一体化管理系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于云平台的网络咨询信息一体化管理方法，所述网络咨询信息一体化管理方法具体包括以下步骤：

3、s100、获取云平台上咨询目标的相关数据信息，构建咨询目标对比模型，基于所述咨询目标对比模型对咨询目标的真实性进行分析，根据所述咨询目标的真实性对云平台中咨询目标进行标识；所述相关数据信息包括咨询目标的图片数据、设施数据、地理位置、上传时长和价格数据；当咨询目标被用户签订后会从云平台进行下架处理，获取云平台咨询目标的相关数据信息包括了云平台上和进行下架处理的咨询目标的相关数据信息；其中咨询目标的相关数据信息为租赁房源的相关数据信息；

4、s200、获取平台上标识咨询目标的用户咨询数据信息，为了确保云平台的真实准确性需要通过所述用户咨询数据信息对被标识咨询目标数据信息进行筛选剔除得到真实咨询目标；所述用户咨询数据信息为上传时长内用户咨询率；

5、s300、对平台中虚假咨询目标的发布者进行标记并且进行告警处理。

6、进一步的，所述s100中对咨询目标的真实性进行分析的具体方法如下：

7、s111、获取云平台上咨询目标的相关数据信息，所述相关数据信息包括咨询目标的图片数据、设施数据、地理位置、上传时长和价格数据；将云平台上咨询目标的图片数据、设施数据和地理位置映射到直角坐标系中，通过利用余弦相似度得到云平台上咨询目标两两之间的相关数据信息在直角坐标系中的余弦值分别为cos(θ1j)、cos(θ2j)和cos(θ3j)；其中，cos(θ1j)、cos(θ2j)和cos(θ3j)分别表示为云平台上咨询目标两两之间的图片数据、设备数据和地理位置在直角坐标系中的余弦值；

8、s112、由于存在相同咨询目标多次上传至云平台的情况出现，所以当cos(θ1j)+cos(θ2j)+cos(θ3j)＝3时，说明两个咨询目标之间的图片数据、设施数据以及地理位置都是相同的则能够判定为相同咨询目标重复上传或者咨询目标重新上架；

9、当cos(θ2j)+cos(θ3j)≠2且cos(θ1j)＝1时，说明两个咨询目标之间的图片数据是相同，设施数据和地理位置不相同，存在其中一个咨询目标的图片不属于真实拍摄图片为虚假图片，则对云平台上第j种进行相似度比较的两个咨询目标标识，记为第一类标识咨询目标；其中，cos(θ1j)、cos(θ2j)和cos(θ3j)∈[0,1]，当余弦值越大时表示云平台上咨询目标两两之间的图片数据信息越相似，j＝1、2、3...j，j＝(i-1)！＝[(i-1)*(i-2)*(i-3)...3*2*1]，i为云平台上咨询目标的数量；

10、s121、依据云平台上咨询目标设施数据和地理位置，生成咨询目标数据集d，d＝{d1、d2、d3...di}，利用k-means算法对咨询目标数据集中的子集进行分类得到云平台上咨询目标的聚类结果，k-means算法是一个将数据集中在某些方面相似的数据成员进行分类组织的过程，通过k-means算法能够更加快速的将云平台上咨询目标进行分类；将所述云平台上咨询目标的聚类结果按照价格数据由高到低依次对咨询目标的价格数据进行排序分别得到集合xs，xs＝{xs1、xs2、xs3...xsv}；其中，di表示为云平台上第i个咨询目标的设施数据和地理位置，xs表示为第s个聚类结果的咨询目标的价格数据排序集合，xsv表示为第s个聚类结果咨询目标排序中第v个咨询目标的价格数据；s＝1、2、3...s，s表示为云平台上咨询目标聚类结果的数量，v＝1、2、3...v，v表示为聚类结果咨询目标排序中咨询目标的数量；

11、s122、任意选取一个咨询目标的价格数据排序集合为xa，xa＝{xa1、xa2、xa3...xav}，通过格拉布斯检验法对聚类结果中咨询目标的异常价格数据进行分析；通过公式：

12、u＝(∑xaj)/j，w＝{[∑(xaj-u)2]/(j-1)}1/2，g＝|(u-xan)/w|

13、计算得到格拉布斯检验统计量g；其中，a∈{1、2、3...s}，u表示为集合xa中咨询目标价格数据的平均值，w表示为集合xa中咨询目标价格数据的标准差，g表示为格拉布斯检验统计量，xan表示为任意选取的一个咨询目标的价格数据，n∈{1、2、3...j}；

14、s123、确定检出水平查表得到对应的置信度p，对应的格拉布斯检验临界值为当时，判定xan为异常值即xan为咨询目标的异常价格数据，否则无异常值；获取格拉布斯检验法得到的咨询目标的异常价格数据，当咨询目标的价格数据出现异常时，说明存在咨询目标为虚假信息从而导致同一类别中的咨询目标中出现异常价格数据，所以依据咨询目标的异常价格数据能够得到异常咨询目标，对异常咨询目标进行标识，记为第二类标识咨询目标。

15、进一步的，所述s200中对云平台上被标识咨询目标数据信息的准确值进行分析的具体方法如下：

16、s201、从第一类标识咨询目标中任意选取两个进行相似度比较后被标识的咨询目标分别为hv1和hv2，通过云平台获取所述两个进行相似度比较后被标识的咨询目标上传至云平台的时长以及用户咨询数据信息，当(m1*t1)/(m2*t2)大于等于预设的阈值f时，因为虚假咨询目标在线上是为率吸引用户咨询，线下实际情况与咨询目标不相符会导致线上用户的咨询率大但是因为实际情况与线上不相符倒是用户并不会相中从而咨询目标不会从云平台中进行下架使得咨询目标上传至云平台的时间长；反正真实的咨询目标即使用户咨询率小，但是由于实际情况与线上相符咨询目标上传至云平台的时间短，所以判定被hv1为虚假咨询目标，将hv1从云平台中进行删除，反之，判定hv2为虚假咨询目标，将hv2从云平台中删除；其中，m1、m2表示为咨询目标hv1、hv2上传至云平台期间中用户咨询率，t1、t2表示为咨询目标hv1、hv2上传至云平台的时长，f为常数；

17、s202、从第二标识咨询目标中任意选取两个属于同一个咨询目标的价格数据排序集合的被标识咨询目标分别为hv3和hv4，通过云平台获取所述两个属于同一个咨询目标的价格数据排序集合的被标识咨询目标上传至云平台的时长以及用户咨询数据信息，当(m3*t3)/(m4*t4)大于等于预设的阈值f’时，因为第二类标识咨询目标是因为在同类型咨询目标中因为价格数据的异常而被标识，其中当咨询目标的价格过低时会线上用户咨询率大，但是由于实际咨询目标与线上咨询目标不相符而导致咨询目标上传至云平台的时间长，相反当咨询目标的价格过高时会存在用户咨询率低而导致咨询目标上传至云平台的时间长，所以判定hv3为虚假咨询目标，将hv3从云平台中进行删除，反之，判定hv4为虚假咨询目标，将hv4从云平台中删除；其中，m3、m4表示为咨询目标hv3、hv4上传至云平台期间中用户咨询率，t3、t4表示为咨询目标hv3、hv4上传至云平台的时长，f’为常数；

18、s203、对第一类和第二类标识咨询目标进行遍历将虚假的咨询目标进行筛选剔除。

19、进一步的，所述s300包括：依据云平台中删除的虚假咨询目标对发布者进行标记，当发布者的标记次数累加超过设定的阈值时，云平台将对发布者发送提醒，并且对发布者在云平台中回复用户咨询次数进行限制能够达到警示作用。

20、一种基于云平台的网络咨询信息一体化管理系统，所述网络咨询信息一体化管理系统包括数据采集模块、咨询目标对比模型、数据分析模块和告警提醒模块；所述数据采集模块的输出端与咨询目标对比模型的输入端连接，所述咨询目标对比模型的输出端与数据分析模块的输入端连接，所述数据分析模块的输出端与告警提醒模块的输入端连接；所述数据采集模块是用于采集咨询目标以及用户咨询数据信息；所述咨询目标对比模型是对云平台中的咨询目标的数据信息进行对比得到咨询目标的真实性；所述数据分析模块是对云平台上咨询目标之间数据信息的相似值和异常的数据信息进行分析并且对虚假的咨询目标进行分析；所述告警提醒模块是对上传至云平台上虚假咨询目标的次数超过预设的阈值时，对虚假咨询目标的发布者进行提醒，并且限制发布者在云平台中回复用户咨询次数以示警告。

21、进一步的，所述数据采集模块包括咨询目标数据信息采集单元和用户咨询数据信息采集单元；所述咨询目标数据信息采集单元用于采集咨询目标的数据信息，所述咨询目标的数据信息包括咨询目标的图片数据、设施数据、地理位置、上传时长和价格数据；所述用户咨询数据信息采集单元是用于采集用户在对咨询目标进行了解过程中的咨询数据信息。

22、进一步的，所述咨询目标对比模型包括图片数据对比子模型、价格数据对比子模型和标识单元；所述图片数据对比子模型和价格对比子模型的输出端与虚假咨询目标判别单元的输入端连接；所述图片数据对比子模型是对云平台中咨询目标的图片数据进行对比，对图片数据异常的咨询目标进行标识；所述价格数据对比子模型是通过k-means算法对属于同一聚类结果咨询目标的价格数据进行对比，对价格数据异常的咨询目标进行标识；所述标识单元是对云平台中异常的咨询目标进行标识，进行初步筛选。

23、进一步的，所述数据分析模块包括虚假咨询目标判别单元和咨询目标筛选剔除单元；所述咨询目标筛选剔除单元的输出端与告警提醒单元的输入端连接；所述虚假咨询目标判别单元是基于咨询目标对比模型对虚假的咨询目标进行分析；所述咨询目标筛选剔除单元是将虚假的咨询目标从云平台中进行剔除。

24、进一步的，所述告警提醒模块包括告警提醒单元和发布者行为限制单元；所述告警提醒单元的输出端与发布者行为限制单元的输入端连接；所述告警提醒单元是当上传至云平台上虚假咨询目标的次数超过预设的阈值时，对虚假咨询目标的发布者进行提醒；所述发布者行为限制单元是限制发布者在云平台中回复用户咨询次数以示警告，避免下次发布者在云平台中上传虚假的咨询目标。

25、与现有技术相比，本发明所达到的有益效果是：本发明通获取平台中咨询目标的相关数据信息并且对咨询目标的相关数据信息之间进行对比，依据用户咨询数据信息判别出虚假咨询目标。不必依赖人工巡检，可以同时对平台上咨询目标进行监控，有效的减少平台中虚假咨询目标的数量。