本發(fā)明涉及平臺管理，具體為一種智能文化科普平臺管理系統(tǒng)及管理方法。

背景技術：

1、文化科普平臺的主要作用是通過多種形式的文化內(nèi)容傳播，提升公眾對各類文化知識的認知與興趣。這些平臺通常提供豐富的文化資源，包括歷史、文學、藝術、民族等領域的知識，并以文本、圖像、音頻、視頻等多種形式進行展示。通過這些平臺，用戶可以方便地獲取文化信息，了解不同文化的背景和價值，從而促進文化素養(yǎng)的提升和文化傳承。

2、然而，現(xiàn)有的傳統(tǒng)文化科普平臺在實踐中存在一些不足之處，這些缺點影響了平臺的效果和用戶體驗。具體包括：現(xiàn)有平臺對用戶行為的分析主要集中在基本的瀏覽量、點擊量等數(shù)據(jù)上，未能深入挖掘用戶的個性化需求和行為模式。這限制了平臺在內(nèi)容推送和用戶互動方面的優(yōu)化，難以提供精準的內(nèi)容和服務?，F(xiàn)有平臺的反饋機制通常不能實時捕捉和響應用戶對推送內(nèi)容的反饋信息。這使得平臺在調(diào)整推送策略和優(yōu)化內(nèi)容方面的反應速度較慢，難以快速適應用戶的變化需求。

技術實現(xiàn)思路

1、針對現(xiàn)有技術的不足，本發(fā)明提供了一種智能文化科普平臺管理系統(tǒng)及管理方法，以解決背景技術中提到的問題。

2、為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：一種智能文化科普平臺管理系統(tǒng)，包括文化數(shù)據(jù)抓取模塊、處理模塊、用戶行為采集模塊、第一分析模塊、第一推送模塊和第二分析模塊；

3、文化數(shù)據(jù)抓取模塊用于通過web爬蟲工具從互聯(lián)網(wǎng)上公開網(wǎng)絡資源，采集若干類文化科普內(nèi)容，并建立文化數(shù)據(jù)庫，并通過處理模塊將文化數(shù)據(jù)庫進行預處理后，整合傳輸在科普平臺上；

4、用戶行為采集模塊用于采集用戶在科普平臺瀏覽的內(nèi)容以及行為數(shù)據(jù)，建立第一行為數(shù)據(jù)集合；

5、第一分析模塊，用于提取第一行為數(shù)據(jù)集合中用戶的個性化特征、行為模式特征和心理特征，通過k-means聚類算法和apriori算法進行深度計算，以獲取用戶文化分類跳轉次數(shù)ccti、用戶綜合滾動指數(shù)csii和用戶文化分類停留時間csti；并將用戶文化分類跳轉次數(shù)ccti、用戶綜合滾動指數(shù)csii和用戶文化分類停留時間csti相關聯(lián)，以計算獲取用戶知識接受度jsd；

6、第一推送模塊，用于預設第一閾值x1和第二閾值x2，并將第一閾值x1和第二閾值x2分別與用戶知識接受度jsd進行對比，以獲取相對應推送等級結果，并根據(jù)相對應推送等級結果生成第一推送指令；

7、第二分析模塊用于實時采集獲取用戶社交互動數(shù)據(jù)并提取社交互動特征，以計算獲取用戶社交活躍度shy，并將社交活躍度shy與第三閾值x3進行對比分析，以獲取用戶活躍度評估結果，并將用戶活躍度評估結果和相對應推送等級進行相關聯(lián)，以對第一推送指令進行校正，獲得第二推送指令并執(zhí)行。

8、優(yōu)選的，文化數(shù)據(jù)抓取模塊包括多源數(shù)據(jù)抓取單元和多類型內(nèi)容分類單元；

9、多源數(shù)據(jù)抓取單元用于通過web爬蟲工具從互聯(lián)網(wǎng)上公開網(wǎng)絡資源，采集若干類文化科普內(nèi)容，并建立文化數(shù)據(jù)庫，并對抓取到的文化數(shù)據(jù)進行語義分析，通過自然語言處理nlp技術識別內(nèi)容的主題和關鍵詞，并將相關的文化數(shù)據(jù)進行智能關聯(lián)，并利用文本分類算法對文化數(shù)據(jù)庫進行主題分類，根據(jù)內(nèi)容自動生成標簽，以獲得主題分類標簽；

10、多類型內(nèi)容分類單元用于將文化數(shù)據(jù)庫進行分類，獲得若干組內(nèi)容類型，內(nèi)容類型包括文本、圖像、音頻、視頻、ar/vr內(nèi)容、文獻資料、歷史檔案和口述歷史；

11、處理模塊用于將文化數(shù)據(jù)庫進行預處理，預處理包括數(shù)據(jù)清洗、數(shù)據(jù)標準化、文本處理和數(shù)據(jù)轉換，并將不同類型的數(shù)據(jù)進行關聯(lián)，包括將文本內(nèi)容與相應的圖片和音頻進行關聯(lián)，并進行聚合處理后，傳輸在科普平臺上進行展示。

12、優(yōu)選的，第一分析模塊包括第一提取單元和用戶行為分析單元；

13、第一提取單元用于從行為數(shù)據(jù)集合提取用戶在文化科普平臺上的瀏覽行為、點擊行為、頁面跳轉行為和滾動行為特征，并建立用戶個性化特征、行為模式特征和心理特征；

14、用戶行為分析單元用于依據(jù)用戶個性化特征、行為模式特征和心理特征，進行分析計算，以獲得：用戶文化分類跳轉次數(shù)ccti、用戶綜合滾動指數(shù)csii和用戶文化分類停留時間csti；

15、用戶文化分類跳轉次數(shù)ccti通過以下公式計算獲?。?/p>

16、

17、式中，cj表示用戶在第i個時間段內(nèi)，用戶從一個文化分類跳轉到另一個文化分類的次數(shù)，m是用戶在該時間段內(nèi)訪問的文化分類的數(shù)量；

18、用戶綜合滾動指數(shù)csii通過以下公式計算獲?。?/p>

19、csii＝si*di；

20、式中，si是第i個時間段內(nèi)用戶瀏覽過程中的頁面滾動速度，di是第i個時間段內(nèi)用戶瀏覽過程中的頁面滾動深度；

21、用戶文化分類停留時間csti通過以下公式計算獲?。?/p>

22、

23、式中，tk表示用戶在第k個文化分類頁面上的停留時間，m是用戶在該時間段內(nèi)訪問的文化分類的數(shù)量；

24、并將用戶文化分類跳轉次數(shù)ccti、用戶綜合滾動指數(shù)csii和用戶文化分類停留時間csti通過以下相關聯(lián)公式計算獲取用戶知識接受度jsd：

25、

26、式中，n表示用戶行為數(shù)據(jù)被分割的時間段數(shù)，i表示第i個時間段的數(shù)據(jù)；bi表示用戶在第i個時間段內(nèi)的回溯行為頻率。

27、優(yōu)選的，第一推送模塊包括第一評估單元和第一推送單元；

28、第一評估單元用于預設第一閾值x1和第二閾值x2，并將第一閾值x1和第二閾值x2分別與用戶知識接受度jsd進行對比，以獲取相對應推送等級結果，包括：

29、當用戶知識接受度jsd＜第一閾值x1時，獲得第一接受度等級，表示用戶對當前內(nèi)容感興趣程度低于30％；

30、當?shù)谝婚撝祒1≤用戶知識接受度jsd≤第二閾值x2時，獲得第二接受度等級，表示用戶對當前內(nèi)容感興趣程度在31％-69&之間；

31、當用戶知識接受度jsd＞第二閾值x2時，獲得第三接受度等級，表示用戶對當前內(nèi)容感興趣程度在70％-100&之間；

32、第一推送單元用于依據(jù)相對應推送等級結果生成第一推送指令，包括：

33、依據(jù)第一接受度等級生成第一低優(yōu)先級內(nèi)容推送指令，包括推送簡短的提示信息、標題導引或摘要內(nèi)容，并設置推送頻率為每周2次，通過平臺內(nèi)消息單一渠道推送；

34、依據(jù)第二接受度等級生成第二中級優(yōu)先級內(nèi)容推送指令，包括推送簡短的文章、圖片集或常見問題解答，并設置推送頻率為每周4次，并通過平臺消息和郵件推送同步推送；

35、依據(jù)第三接受度等級生成第三高級優(yōu)先級內(nèi)容推送指令，包括推送深入的文章、視頻或專家推薦資料，并設置推送頻率為每周6次；并通過平臺消息、郵件和app通知同步推送。

36、優(yōu)選的，第二分析模塊包括社交活動數(shù)據(jù)采集單元和社交互動分析單元；

37、社交活動數(shù)據(jù)采集單元用于通過實時采集獲取用戶社交互動數(shù)據(jù)；在平臺頁面中嵌入追蹤腳本，監(jiān)控用戶的點擊和鼠標懸?；有袨?，捕獲實時交互數(shù)據(jù)，以獲取用戶社交互動數(shù)據(jù)；用戶社交互動數(shù)據(jù)包括贊、評論、分享、討論組參與和好友互動信息；

38、社交互動分析單元用于從用戶社交互動數(shù)據(jù)提取社交互動特征，并深度計算，以獲取用戶互動時間波動指數(shù)itvii、用戶互動延遲時間指數(shù)idtii、用戶社交影響力指數(shù)slli、用戶互動多樣性指數(shù)idii和用戶互動時段分布itdii；

39、用戶互動時間波動指數(shù)itvii獲取包括以下步驟：

40、收集第i個時間段內(nèi)用戶的互動時間數(shù)據(jù)，并標記為：{li1、li2、...、lig}其中g是該時間段內(nèi)互動數(shù)據(jù)點數(shù)量；

41、計算該時間段內(nèi)用戶互動時間的平均值

42、

43、式中，lij是第i個時間段內(nèi)第j次互動的時間；

44、計算該時間段內(nèi)用戶互動時間的方差

45、

46、式中，方差表示數(shù)據(jù)點與均值的偏離程度的平方和的平均值；

47、用戶互動時間波動指數(shù)itvii通過以下公式計算獲?。?/p>

48、

49、用戶互動延遲時間指數(shù)idtii通過以下公式計算獲取：

50、

51、式中，δycij是第i個時間段內(nèi)第j個互動的延遲時間，從用戶發(fā)起互動到收到響應的時間；g是該時間段內(nèi)互動數(shù)據(jù)點數(shù)量；

52、用戶社交影響力指數(shù)slli通過以下公式計算獲?。?/p>

53、

54、式中，ei是第i個時間段內(nèi)用戶互動內(nèi)容被其他用戶引用或轉發(fā)的次數(shù)；ri是第i個時間段內(nèi)用戶互動的總次數(shù)；

55、用戶互動多樣性指數(shù)idii通過以下公式計算獲取：

56、

57、式中，fij是第i個時間段內(nèi)第j種社交互動類型的頻率，社交互動類型包括評論、點贊和分享；tij是第i個時間段內(nèi)第j種互動的總次數(shù)；e是互動類型的總數(shù)；

58、用戶互動時段分布itdii通過以下公式計算獲取：

59、

60、式中，entropy(hi)是第i個時間段內(nèi)用戶互動時間分布的熵值，hmax是最大熵值。

61、優(yōu)選的，第二分析模塊還包括用戶社交活躍度計算單元、第二評估單元和第一校正單元；

62、用戶社交活躍度計算單元用于將用戶互動時間波動指數(shù)itvii、用戶互動延遲時間指數(shù)idtii、用戶社交影響力指數(shù)slli、用戶互動多樣性指數(shù)idii和用戶互動時段分布itdii無量綱處理后，通過以下相關聯(lián)公式計算獲取用戶社交活躍度shy：

63、

64、式中，a1、a2、a3、a4和a5分別表示為用戶互動時間波動指數(shù)itvii、用戶互動延遲時間指數(shù)idtii、用戶社交影響力指數(shù)slli、用戶互動多樣性指數(shù)idii和用戶互動時段分布itdii的權重值，b1表示第一修正常數(shù)值；

65、第二評估單元用于預設第三閾值x3，并將第三閾值x3與用戶社交活躍度shy進行對比，獲取用戶活躍度評估結果，包括：

66、當用戶社交活躍度shy＜第三閾值x3，表示用戶社交活躍度不合格，生成第一不合格標簽，表示用戶在社交互動方面呈被動狀態(tài)；

67、當用戶社交活躍度shy≥第三閾值x3，表示用戶社交活躍度合格，生成第一合格標簽，表示用戶在社交互動方面主動狀態(tài)；

68、第一校正單元用于并將用戶活躍度評估結果和相對應推送等級進行相關聯(lián)，以對第一推送指令進行校正，獲得第二推送指令，包括：

69、獲得第一低優(yōu)先級內(nèi)容推送指令的用戶若生成第一不合格標簽時，更改設置推送頻率為每周1次；獲得第二中級優(yōu)先級內(nèi)容推送指令的用戶若生成第一不合格標簽時，更改設置推送頻率為每周3次；獲得第三高級優(yōu)先級內(nèi)容推送指令的用戶若生成第一不合格標簽時，更改設置推送頻率為每周5次；

70、獲得第一低優(yōu)先級內(nèi)容推送指令的用戶若生成第一合格標簽時，推送方案為簡短內(nèi)容和引導性標題，維持推送頻率為每周2次，通過平臺內(nèi)消息單一渠道推送；獲得第二中級優(yōu)先級內(nèi)容推送指令的用戶若生成第一合格標簽時，推送方案為圖文結合和互動問答，維持推送頻率為每周4次，并通過平臺消息和郵件推送同步推送；獲得第三高級優(yōu)先級內(nèi)容推送指令的用戶若生成第一合格標簽時，更改設置深入內(nèi)容和討論組邀請，維持推送頻率為每周6次，并通過平臺消息、郵件和app通知同步推送。

71、優(yōu)選的，還包括推送反饋檢測模塊，推送反饋檢測模塊包括推送反饋信息采集單元和推送意愿計算單元；

72、推送反饋信息采集單元用于收集用戶與推送內(nèi)容相關的各種行為數(shù)據(jù)，建立推送反饋數(shù)據(jù)集合，并由推送意愿計算單元提取推送反饋數(shù)據(jù)集合中用戶與推送內(nèi)容互動特征，以計算獲取用戶推送接受率papi、用戶互動反饋率ifri、用戶對推送內(nèi)容的反饋延遲指數(shù)rfti和推送內(nèi)容相關性指數(shù)pcri；并將用戶推送接受率papi、用戶互動反饋率ifri、用戶對推送內(nèi)容的反饋延遲指數(shù)rfti和推送內(nèi)容相關性指數(shù)pcri相關聯(lián)計算獲取推送內(nèi)容意愿度yyd；

73、用戶推送接受率papi通過以下公式計算獲?。?/p>

74、

75、式中，jsi表示第i個時間段內(nèi)用戶接受并點擊推送內(nèi)容數(shù)量，tsi表示第i個時間段內(nèi)用戶收到推送內(nèi)容總數(shù)量；

76、用戶互動反饋率ifri通過以下公式計算獲?。?/p>

77、

78、式中，hdcsi表示第i個時間段內(nèi)用戶對推送內(nèi)容的互動總數(shù)，包括點贊，評論和分享的總次數(shù)；

79、用戶對推送內(nèi)容的反饋延遲指數(shù)rfti通過以下公式計算獲取：

80、

81、式中，fksjij表示第i個時間段內(nèi)第j次接受推送后的反饋時間；

82、推送內(nèi)容相關性指數(shù)pcri通過以下公式計算獲?。?/p>

83、

84、式中，xgij表示第i個時間段內(nèi)第j次推送內(nèi)容與用戶興趣的相關性評分；

85、并將用戶推送接受率papi、用戶互動反饋率ifri、用戶對推送內(nèi)容的反饋延遲指數(shù)rfti和推送內(nèi)容相關性指數(shù)pcri，無量綱處理后，通過以下相關聯(lián)公式計算獲取推送內(nèi)容意愿度yyd：

86、

87、式中，a6、a7、a8和a9分別表示為用戶推送接受率papi、用戶互動反饋率ifri、用戶對推送內(nèi)容的反饋延遲指數(shù)rfti和推送內(nèi)容相關性指數(shù)pcri的權重值，b2表示第二修正常數(shù)值。

88、優(yōu)選的，推送反饋檢測模塊包括第三評估單元和第二校正單元；第三評估單元用于預設第四閾值x4，并將第四閾值x4與推送內(nèi)容意愿度yyd進行對比分析，獲得推送反饋評估結果，包括：

89、當推送內(nèi)容意愿度yyd＜第四閾值x4，表示用戶推送反饋不滿意，生成第一反饋異常標簽；

90、當推送內(nèi)容意愿度yyd≥第四閾值x4，表示用戶推送反饋滿意，生成第一反饋正常標簽；

91、第二校正單元用于根據(jù)推送反饋評估結果，生成相對應調(diào)整策略，包括：

92、若生成第一反饋正常標簽時，維持第二推送指令中具體內(nèi)容；

93、若生成第一反饋異常標簽時，則對第二推送指令進行調(diào)整，包括：

94、第一低優(yōu)先級內(nèi)容推送指令，將推送頻率調(diào)整為每周1次，推送內(nèi)容仍為簡短內(nèi)容和引導性標題，通過平臺內(nèi)消息單一渠道推送；

95、第二中級優(yōu)先級內(nèi)容推送指令，將推送頻率調(diào)整為每周3次，推送內(nèi)容為圖文結合和互動問答，并通過平臺消息和郵件推送同步推送；

96、第三高級優(yōu)先級內(nèi)容推送指令，將推送頻率調(diào)整為每周5次，推送內(nèi)容為深入內(nèi)容和討論組邀請，并通過平臺消息、郵件和app通知同步推送。

97、一種智能文化科普平臺管理方法，包括以下步驟：

98、s1、通過web爬蟲工具從互聯(lián)網(wǎng)上公開網(wǎng)絡資源，采集若干類文化科普內(nèi)容，并建立文化數(shù)據(jù)庫，并通過處理模塊將文化數(shù)據(jù)庫進行預處理后，整合傳輸在科普平臺上；

99、s2、采集用戶在科普平臺瀏覽的內(nèi)容以及行為數(shù)據(jù)，建立第一行為數(shù)據(jù)集合；

100、s3、提取第一行為數(shù)據(jù)集合中用戶的個性化特征、行為模式特征和心理特征，通過k-means聚類算法和apriori算法進行深度計算，以獲取用戶文化分類跳轉次數(shù)ccti、用戶綜合滾動指數(shù)csii和用戶文化分類停留時間csti；并將用戶文化分類跳轉次數(shù)ccti、用戶綜合滾動指數(shù)csii和用戶文化分類停留時間csti相關聯(lián)計算獲取用戶知識接受度jsd；

101、并對用戶知識接受度jsd進行評估，以獲取相對應推送等級結果，并根據(jù)相對應推送等級結果生成第一推送指令；

102、s4、實時采集獲取用戶社交互動數(shù)據(jù)并提取社交互動特征，以計算獲取用戶社交活躍度shy，并對用戶社交活躍度shy進行評估，以獲取用戶活躍度評估結果，并將用戶活躍度評估結果和相對應推送等級進行相關聯(lián)，以對第一推送指令進行校正，獲得第二推送指令并執(zhí)行；

103、s5、收集用戶與推送內(nèi)容相關的各種行為數(shù)據(jù)，建立推送反饋數(shù)據(jù)集合，并提取推送反饋數(shù)據(jù)集合中用戶與推送內(nèi)容互動特征，以計算獲取用戶推送接受率papi、用戶互動反饋率ifri、用戶對推送內(nèi)容的反饋延遲指數(shù)rfti和推送內(nèi)容相關性指數(shù)pcri；并將用戶推送接受率papi、用戶互動反饋率ifri、用戶對推送內(nèi)容的反饋延遲指數(shù)rfti和推送內(nèi)容相關性指數(shù)pcri相關聯(lián)計算獲取推送內(nèi)容意愿度yyd；并對推送內(nèi)容意愿度yyd進行評估，生成推送反饋評估結果，并依據(jù)推送反饋評估結果，生成相對應調(diào)整策略。

104、本發(fā)明提供了一種智能文化科普平臺管理系統(tǒng)及管理方法。具備以下有益效果：

105、系統(tǒng)通過提取第一行為數(shù)據(jù)集合中用戶的個性化特征、行為模式特征和心理特征，分析獲得用戶知識接受度jsd，通過個性化分析和智能化推薦算法，可以準確匹配用戶的興趣和需求，提高了內(nèi)容推薦的精準度，提升用戶體驗。實時采集和分析用戶的社交互動數(shù)據(jù)，提取社交互動特征，以計算獲取用戶社交活躍度shy并評估，以獲取用戶活躍度評估結果，并將用戶活躍度評估結果和相對應推送等級進行相關聯(lián)，以對第一推送指令進行校正，獲得第二推送指令并執(zhí)行。使平臺能夠及時捕捉用戶的反饋信息，并對推送策略進行快速調(diào)整，提高了響應速度和內(nèi)容的相關性。通過深入分析用戶的行為數(shù)據(jù)和社交互動特征，平臺能夠更好地理解用戶需求，優(yōu)化內(nèi)容和互動策略，增加用戶的參與度和滿意度。