一种基于用户画像的数据共享系统和方法与流程

1.本说明书涉及数字信息处理领域，特别涉及一种基于用户画像的数据共享系统和方法。


背景技术：

2.社区矫正机构对社区矫正人员的教育形式应当充分考虑社区矫正人员的犯罪类型、个体特征、日常表现等实际情况，由于矫正人员类型多样，往往需要借助用户画像模型来管理。
3.用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性，能代表相同类型的群体。
4.用户画像除了应用在交易市场，在其他平台也起着重要的角色，例如，针对社区矫正人员群体的定向访问和定期采访中，对该群体进一步的划分就需要运用用户画像这一工具，但工具的划分标准和平台的构建原理需要进一步的完善。
5.因此，需要提供一种基于用户画像的数据共享系统，提供给收集方，便于收集方对大量用户进行分类和记录回访。


技术实现要素：

6.本说明书实施例之一提供一种基于用户画像的数据共享系统和方法，通过共享矫正人员的信息，得到制式的数据信息，通过模型的构建，计算矫正人员的回访类型，为该人员回访时的频次和监测的强度提供有效支撑。
7.在一些实施例中，一种基于用户画像的数据共享系统，包括，数据同步单元，用于导入多批次的用户数据，画像单元，根据已训练的user-i模型对新导入的用户进行分类，得到不同类群；分级单元，在类群中获取用户的地域数据并计算回访时间；打卡单元，用于统计用户的回访数据；将打卡单元的结果作为user-i模型的输入重新对用户进行分类，完成回访用户的分类。
8.进一步的，所述user-i模型基于累加计量法则对不同的用户进行计量打分，计量类目包括，限定行为年限、限定行为等级、用户的自我评价值、家庭约束度、回访合格率和个人技能值，所述类群包括高频次监测类群、定时监测类群和抽检类群。
9.进一步的，所述user-i模型的训练过程包括下列步骤：s1：基于mpc端获取用户数据并对用户数据；s2：匹配对应的计量标准对用户进行全同态加密打分得到一级加密分数；
s3：获取人工对用户进行的加密打分得到二级加密分数；s4：根据二级加密分数和修正系数重新更新一级加密分数；s5：根据一级加密分数更新的频率关联修正系数值。
10.进一步的，所述mpc端基于加密通道获取第三方平台的用户数据。
11.进一步的，所述分级单元基于用户的地域数据与回访中心的距离计算回访时间，包括用户需要在回访时间内达到回访中心进行打卡并完成一轮学习周期，地域数据包括用户的居所、工作地。
12.进一步的，所述打卡单元基于用户在回访中心的打卡时间和学习时间计算用户的回访合格率。
13.进一步的，所述打卡单元中还包括学习视频推送单元，基于打卡用户所属类群推送学习视频，具体包括通过登录用户账号并播放学习视频，播放时长记作该用户的学习时间。
14.在一些实施例中，一种基于用户画像的数据共享方法，应用上述基于用户画像的数据共享系统，user-i模型的分类过程还包括：s81：提取用户数据并对同一批次用户进行编号，识别该用户对应计量类目中的字符；s82：按照计量类目的权重不同计算该用户的总类目得分；s83：根据总类目得分落入的分值区间，得到该用户在该批次下的类群。
15.进一步的，所述s81中，基于java字符串中equals模型、equalsignorecase模型和compareto模型中至少一种模型对字符进行识别。
16.进一步的，所述s82中，同一批次中，所述计量类目的权重总合为1，其中，导入每批次用户数据的同时更新该批次的各类目权重值。
17.本发明的有益效果是：1、基于现有的用户数据对用户后期所需要被监测的强度提供参考；2、对大量的用户按照user-i模型进行划分，确定用户类群，便于后台继续对用户群体进行管理。
附图说明
18.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本说明书一些实施例所示共享系统的示意图；图2是根据本说明书一些实施例所示的user-i模型的训练示意图；图3是根据本说明书一些实施例所示的用户打卡签到时的界面图；图4是根据本说明书一些实施例所示的用户回访时完成学习视频的答题示意图。
具体实施方式
19.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实
施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
20.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
21.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
22.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
实施例1：
23.请参照图1，一种基于用户画像的数据共享系统，包括，数据同步单元，用于导入多批次的用户数据，画像单元，根据已训练的user-i模型对新导入的用户进行分类，得到不同类群；分级单元，在类群中获取用户的地域数据并计算回访时间；打卡单元，用于统计用户的回访数据；将打卡单元的结果作为user-i模型的输入重新对用户进行分类，完成回访用户的分类。
24.值得说明的是，所述数据同步单元通过链接到当地司法局端口，获取司法局提供的信息，信息包含：姓名、性别、犯罪类型、管理级别、监管时间段、紧急联系人、家庭住址等。
25.所述user-i模型基于累加计量法则对不同的用户进行计量打分，计量类目包括，限定行为年限、限定行为等级、用户的自我评价值、家庭约束度、回访合格率和个人技能值，所述类群包括高频次监测类群、定时监测类群和抽检类群。
26.值得说明的是，限定行为包括矫正人员被监禁、限制人身自由、限制的行为等，根据矫正人员限定行为年限长短、限定行为等级（限定行为的严重程度）、用户的自我评价值（用户做自我评价的问卷调查）、家庭约束度（直系家庭成员数量）、回访合格率（在规定时间内完成回访打卡记作合格）、个人技能值（能够用于从业的专业技能或特长）。上述类目均采用相同的计分规则，包括但不限于百分制和十分制。
27.所述user-i模型的训练过程包括下列步骤：s1：基于mpc端获取用户数据并对用户数据；s2：匹配对应的计量标准对用户进行全同态加密打分得到一级加密分数；s3：获取人工对用户进行的加密打分得到二级加密分数；s4：根据二级加密分数和修正系数重新更新一级加密分数；s5：根据一级加密分数更新的频率关联修正系数值。
28.所述mpc端基于加密通道获取第三方平台的用户数据，为了避免用户信息被平台泄露，通过增加mpc端加密获取第三方平台的数据，其中，mpc端是基于mpc和p2p架构安全计算协议，通过该协议使一组互相不信任的各方（user-i模型和系统数据同步单元）可以共同计算一个东西，但是不会泄露结果以外的其他任何信息，且不需要一个可信第三方，这里不具体阐述，本实施例的重点之一在于将同步的信息这一过程进行加密。
29.值得说明的是全同态加密包括通过同态加密算法，user-i模型可以与一个不可信的远程服务器（云端）进行某种安全代理计算（secure delegated computation）。user-i模型可以通过同态加密的技术来把自己敏感的隐私输入加密后托付给云端，然后云端可以在加密过后的数据上进行一定程度的计算，最后得到加密过后的user-i模型想要的结果，并且返还给user-i模型。最后user-i模型就可以用解密密钥来打开得到的结果了。整个协议中，被代理方（云端）始终都无法看到任何和私密输入有关的有用信息，最终user-i模型输出一级加密分数。
30.值得说明的是，二级加密分数的加密方法则采用常规的加密方式，包括但不限于密码加密、号码验证加密等。
31.值得说明的是，所述分级单元基于用户的地域数据与回访中心的距离计算回访时间，包括用户需要在回访时间内达到回访中心进行打卡并完成一轮学习周期，地域数据包括用户的居所、工作地。
32.值得说明的是，所述打卡单元基于用户在回访中心的打卡时间和学习时间计算用户的回访合格率，请参照图3。
33.通过计算用户距离回访中心的距离，得到下一次打卡的时间节点，针对不同地域的用户得到不同的方案，其中，回访时间的计算包括但不限于，回访中心学习电脑的数量，学习中心容积率和职工数量等。
34.值得说明的是，所述打卡单元中还包括学习视频推送单元，请参照图4，基于打卡用户所属类群推送学习视频，具体包括通过登录用户账号并播放学习视频，播放时长记作该用户的学习时间。其中，登录用户账号还包括人脸识别功能，避免他人顶替值得说明的是，学习视频推送单元通过识别用户登录的账号推送相关的视频，用于辅助用户提成技能和价值观教导。针对测评的风险等级变化及表现情况，我们会根据需要增加或减少响应的学习内容。
35.综上所述，由于监管改造效率低，脱管漏管现象时有发生，联合相关部门，根据教育帮扶场所和有关条件，开展多渠道、多形式、多样化教育方式；根据不同教育需求，因人施教，分类、分级、分阶段开展精准教育，利用移动互联技术、ai人工智能人脸识别技术、轨迹追踪技术等高新科技。
实施例2：
36.在实施例1的基础上，制定一种基于用户画像的数据共享方法，user-i模型的分类过程还包括：s81：提取用户数据并对同一批次用户进行编号，识别该用户对应计量类目中的字符；s82：按照计量类目的权重不同计算该用户的总类目得分；
s83：根据总类目得分落入的分值区间，得到该用户在该批次下的类群。
37.值得说明的是，每一批次的用户的回访时间会相隔较近，因此对每批用户进行类群分管，有利于后台管理人员的分配和调度，也有利于回访中心的设备供应，针对分值较低的用户分类到高频次监测类群，分值介于中间的为定时监测类群，分值较高的分为抽检类群。
38.值得说明的是，所述s81中，基于java字符串中equals模型、equalsignorecase模型和compareto模型中至少一种模型对字符进行识别。
39.值得说明的是，所述s82中，同一批次中，所述计量类目的权重总合为1，其中，导入每批次用户数据的同时更新该批次的各类目权重值。
40.值得说明的是，equals() 方法将逐个地比较两个字符串的每个字符是否相同，如果两个字符串具有相同的字符和长度，它返回 true，否则返回 false。对于字符的大小写，也在检查的范围之内，如下：str1.equals(str2)；"hello".equals(greeting)string str1 = "abc";string str2 = new string("abc");string str3 = "abc";system.out.println(str1.equals(str2)); // 输出 truesystem.out.println(str1.equals(str3)); // 输出 false值得说明的是，equalsignorecase() 方法的作用和语法与 equals() 方法完全相同，唯一不同的是equalsignorecase() 比较时不区分大小写。当比较两个字符串时，它会认为 a-z 和 a-z 是一样的。
41.compareto() 方法用于按字典顺序比较两个字符串的大小，该比较是基于字符串各个字符的 unicode 值。
42.综上所述，通过相同类目下的文字和数字索引，计算类目中对应字符串的得分情况，进而确定用户的类群，制定完整且合理的回访计划，针对不同的用户自动生成回访计划，包括回访时间和学习视频内容，通过搭建强大的多媒体学习数据库、矫正对象电子档案数据库，提供智慧矫正教育、社区服务管理、辅助监管等服务功能，实现教育智能化、监管科学化，管理数字化。
43.应当注意画像单元仅仅是为了说明的目的而提供的，并不意图限制本说明书的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，画像单元还可以包括user-i模型打分功能。然而，这些变化和修改不会背离本说明书的范围。
44.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
45.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特
点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
46.此外，除非权利要求中明确说明，本说明书所述单元和宣传内容的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
47.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
48.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

技术特征：
1.一种基于用户画像的数据共享系统，其特征在于，包括，数据同步单元，用于导入多批次的用户数据，画像单元，根据已训练的user-i模型对新导入的用户进行分类，得到不同类群；分级单元，在类群中获取用户的地域数据并计算回访时间；打卡单元，用于统计用户的回访数据；将打卡单元的结果作为user-i模型的输入重新对用户进行分类，完成回访用户的分类。2.如权利要求1所述的一种基于用户画像的数据共享系统，其特征在于，所述user-i模型基于累加计量法则对不同的用户进行计量打分，计量类目包括，限定行为年限、限定行为等级、用户的自我评价值、家庭约束度、回访合格率和个人技能值，所述类群包括高频次监测类群、定时监测类群和抽检类群。3.如权利要求2所述的一种基于用户画像的数据共享系统，其特征在于，所述user-i模型的训练过程包括下列步骤：s1：基于mpc端获取用户数据并对用户数据；s2：匹配对应的计量标准对用户进行全同态加密打分得到一级加密分数；s3：获取人工对用户进行的加密打分得到二级加密分数；s4：根据二级加密分数和修正系数重新更新一级加密分数；s5：根据一级加密分数更新的频率关联修正系数值。4.如权利要求3所述的一种基于用户画像的数据共享系统，其特征在于，所述mpc端基于加密通道获取第三方平台的用户数据。5.如权利要求4所述的一种基于用户画像的数据共享系统，其特征在于，所述分级单元基于用户的地域数据与回访中心的距离计算回访时间，包括用户需要在回访时间内达到回访中心进行打卡并完成一轮学习周期，地域数据包括用户的居所、工作地。6.如权利要求5所述的一种基于用户画像的数据共享系统，其特征在于，所述打卡单元基于用户在回访中心的打卡时间和学习时间计算用户的回访合格率。7.如权利要求6所述的一种基于用户画像的数据共享系统，其特征在于，所述打卡单元中还包括学习视频推送单元，基于打卡用户所属类群推送学习视频，具体包括通过登录用户账号并播放学习视频，播放时长记作该用户的学习时间。8.一种基于用户画像的数据共享方法，其特征在于，应用于权利要求7所述的基于用户画像的数据共享系统，user-i模型的分类过程还包括：s81：提取用户数据并对同一批次用户进行编号，识别该用户对应计量类目中的字符；s82：按照计量类目的权重不同计算该用户的总类目得分；s83：根据总类目得分落入的分值区间，得到该用户在该批次下的类群。9.如权利要求8所述的一种基于用户画像的数据共享方法，其特征在于，所述s81中，基于java字符串中equals模型、equalsignorecase模型和compareto模型中至少一种模型对字符进行识别。10.如权利要求9所述的一种基于用户画像的数据共享方法，其特征在于，所述s82中，同一批次中，所述计量类目的权重总合为1，其中，导入每批次用户数据的同时更新该批次的各类目权重值。

技术总结
本发明提供一种基于用户画像的数据共享系统和方法，属于数字信息处理领域，包括，数据同步单元，用于导入多批次的用户数据，画像单元，根据已训练的User-i模型对新导入的用户进行分类，得到不同类群；分级单元，在类群中获取用户的地域数据并计算回访时间；打卡单元，用于统计用户的回访数据；将打卡单元的结果作为User-i模型的输入重新对用户进行分类，完成回访用户的分类，对大量的用户按照User-i模型进行划分，确定用户类群，便于后台继续对用户群体进行管理。体进行管理。体进行管理。


技术研发人员：李艳鹏
受保护的技术使用者：杭州心岸科技有限公司
技术研发日：2023.05.05
技术公布日：2023/9/20