申请/专利权人：九州银丰(北京)科技有限公司

申请日：2022-04-24

公开（公告）日：2022-07-15

公开（公告）号：CN114529227B

主分类号：G06Q10/06

分类号：G06Q10/06;G06Q30/02;G06Q50/26;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2022.07.15#授权;2022.06.10#实质审查的生效;2022.05.24#公开

摘要：本发明公开了一种基于大数据与深度学习的乡村振兴综合服务平台，包括服务数据导入模块、大数据平台、单体精准画像应用、精确单体画像、服务端服务画像、精准服务推送网络组成，本发明属于人工智能与大数据技术领域，具体是指一种基于大数据与深度学习的乡村振兴综合服务平台；本发明通过利用深度学习算法同时向潜在的目标群体推送最新的政策并向服务机构推送相关可办理该服务的目标群体，从而更好的服务乡村人民，利用前沿大数据技术整合各方平台数据，完整对个人或群体进行画像，整合社会资源，在满足群众个性化需求与个性化服务的前提下可以让政务、第三方服务机构网格员实现个体或群体的精准维护和管理。

主权项：1.一种基于大数据与深度学习的乡村振兴综合服务平台，其特征在于：包括服务数据导入模块（22）、大数据平台（3）、单体精准画像应用（4）、精确单体画像（15）、服务端服务画像（21）、精准服务推送网络（6）和多角色扫码应用（16），所述服务数据导入模块（22）与大数据平台（3）相连，所述单体精准画像应用（4）和精准服务推送网络（6）分别与大数据平台（3）连接，所述服务端服务画像（21）和精确单体画像（15）与精准服务推送网络（6）双向连接，所述精确单体画像（15）与大数据平台（3）连接，所述精准服务推送网络（6）和单体精准画像应用（4）与多角色扫码应用（16）连接；所述服务端服务画像（21）包括农村信用社服务画像（7）、社区服务画像（8）、第三方机构服务画像（9）和政务服务画像（10），所述服务端服务画像（21）是对服务数据导入模块（22）提供的各类服务进行精确画像得到，服务端服务画像（21）以标签数据的形式描述出来；所述大数据平台（3）进一步利用机器学习算法将标签数据生成精确单体画像（15），所述精确单体画像（15）包括农户画像（11）、企业画像（12）、社区画像（13）和村镇画像（14），大数据平台（3）整合数据之后以标签的形式展示画像；所述农户画像（11）包括农户姓名、年龄、户籍、职业、有无土地、种植面积，种植农作物类别与各自的种植面积、家庭人口数量，有无低保、是否婚配和子女个数标签；所述企业画像（12）包括企业类型、经营范围和职员个数标签；所述社区画像（13）包括地理位置、楼栋个数和小区名称标签；所述村镇画像（14）包括地理位置、总人口数量、男女比例、人口结构和人均GDP标签；所述精准服务推送网络（6）包括客户端记忆模型（31）、服务端记忆模型（32）、双联想模型（33）和网络预测端（29），所述客户端记忆模型（31）、服务端记忆模型（32）和双联想模型（33）并行计算，所述客户端记忆模型（31）和服务端记忆模型（32）的本质是一个广义线性模型，双联想模型（33）的本质是一种BP神经网络，所述客户端记忆模型（31）包括客户端输入（24）和客户端输出（34），所述客户端输入（24）与客户端输出（34）之间权连接；所述服务端记忆模型（32）包括服务端输入（25）和服务端输出（35），所述服务端输入（25）与服务端输出（35）之间权连接；所述双联想模型（33）包括深层输入（23）、稠密离散特征（26）、中间隐层（27）和双联想模型输出端（28），所述稠密离散特征（26）与中间隐层（27）之间权连接，所述中间隐层（27）和双联想模型输出端（28）之间权连接；所述客户端输出（34）、服务端输出（35）和双联想模型输出端（28）与网络预测端（29）权连接；所述双联想模型（33）的深层输入（23）包含离散特征和连续特征两大类，对于离散特征首先需要进行Onehot编码；对于连续特征采用分箱操作进行离散化处理；使用Embedding操作对深层输入（23）进行处理，从而将深层输入（23）的极为稀疏的向量转化为低维度的稠密向量，所述低维度的稠密向量合并后变为1000个维度的稠密离散特征（26），所述稠密离散特征（26）经由权向量向前传播进入中间隐层（27）并最终到达双联想模型输出端（28），向前传播计算方式为： 上式中，x为稠密离散特征（26），w0和b0为稠密离散特征（26）和中间隐层（27）之间的权向量与偏置，w1和b1为中间隐层（27）内部的权向量与偏置，w2和b2为中间隐层到双联想模型输出端（28）之间的权向量与偏置，激活函数ƒ为Sigmoid激活函数，α3为双联想模型输出端（28）处的值；所述客户端记忆模型（31）的客户端输入（24）包含3个交叉特征，所述客户端输入（24）的3个交叉特征组成的向量经过权向量向前传播，向前传播的计算方式为： 上式中，x1为客户端输入（24）的输入向量，w1和b1分别为客户端记忆模型（31）的权向量和偏置，激活函数δ为Sigmoid激活函数，y1为客户端输出（34）的值；所述服务端记忆模型（32）的服务端输入（25）包含3个交叉特征，所述服务端输入（25）的3个交叉特征组成的向量经过权向量向前传播，具体计算方式为： 上式中，x2为客户端输入（24），w2和b2分别为服务端记忆模型（32）的权向量和偏置，激活函数δ为Sigmoid激活函数，y2为双联想模型输出端（28）的值。

全文数据：

权利要求：

百度查询： 九州银丰(北京)科技有限公司 一种基于大数据与深度学习的乡村振兴综合服务平台

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD