基于人工智能多维度智能匹配的失物找回方法、系统及存储介质与流程
本发明涉及人工智能与互联网,特别涉及一种基于人工智能多维度智能匹配的失物找回方法、系统及存储介质。具体而言,本发明将深度学习图像识别、多维度智能匹配算法、地理位置计算、时间维度分析、语义分析等多种技术相结合,应用于失物招领场景,实现失物与寻物的精准匹配和快速找回。
背景技术:
1、随着城市化进程的加速和人口流动的增加,物品丢失现象日益频繁。传统的失物招领方式主要包括:1)线下张贴启事:在失物丢失地点附近张贴寻物启事,覆盖范围有限,传播效率低下。2)电话登记:通过电话向失物招领中心登记信息,需要人工筛选和匹配,响应时间长,效率低下。3)网络平台:通过网络平台发布失物信息,但存在信息分散、匹配精度低、信任成本高等问题。
2、现有的失物招领平台存在以下主要问题:1)信息传播范围有限:传统方式覆盖范围小,难以触达潜在的拾得者。2)匹配方式单一:主要依靠人工筛选或简单的关键词匹配,效率低下,准确率低。3)信任成本高:失主对捡拾者的信息不信任,缺乏有效的信任机制。4)用户参与积极性低:捡拾者缺乏发布失物的动力,导致失物信息稀缺。5)缺乏有效的激励机制:难以建立诚信社区生态,用户持续性参与度低。因此,亟需一种能够提高失物找回成功率、降低寻找成本、激发用户参与积极性的智能化失物找回方案。
技术实现思路
1、本发明要解决的技术问题是:传统失物招领方式存在信息传播范围有限、匹配方式单一、信任成本高、用户参与积极性低、缺乏有效激励机制等问题。为解决上述技术问题,本发明提供了一种基于人工智能多维度智能匹配的失物找回方法,包括以下步骤:1)获取用户上传的失物信息,所述失物信息包括失物图像、物品描述和地理位置信息;2)利用人工智能图像识别技术对所述失物图像进行分析,提取图像特征向量;3)计算所述失物与待匹配寻物信息的匹配度,所述匹配度基于图像相似度、地理距离、时间差和类别匹配四个维度加权计算得到;4)当所述匹配度超过预设阈值时,向用户推送匹配通知;5)响应于用户的确认操作,显示联系方式;6)响应于用户确认取回完成,授予用户荣誉积分。
2、本发明还提供了一种基于人工智能多维度智能匹配的失物找回系统,包括:1)信息获取模块,用于获取用户上传的失物信息;2)图像识别模块,用于利用人工智能图像识别技术对所述失物图像进行分析,提取图像特征向量;3)匹配计算模块,用于计算所述失物与待匹配寻物信息的匹配度;4)通知推送模块,用于当所述匹配度超过预设阈值时,向用户推送匹配通知;5)联系方式显示模块,用于响应于用户的确认操作,显示联系方式;6)积分授予模块,用于响应于用户确认取回完成,授予用户荣誉积分。
3、本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
4、本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法。
5、本发明的有益效果包括:1)提高匹配准确率:通过ai多维度智能匹配,将图像相似度、地理位置、时间、类别等因素综合考虑,匹配准确率提高60%以上。2)提高找回成功率:智能匹配和精准推送,大大缩短失主寻找时间,提高找回成功率。3)激发用户参与:荣誉积分激励机制通过精神奖励和经济奖励相结合的方式,有效激发用户参与积极性。4)构建诚信社区:积分与等级认证相结合,建立用户信用体系,促进诚信互助。5)社会价值提升:提供司法授权查询功能,为案件侦破提供线索,实现社会价值最大化。6)降低用户成本:自动匹配减少人工筛选成本,提高整体效率。
1.一种基于人工智能多维度智能匹配的失物找回方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求1所述的方法,其特征在于,
4.根据权利要求1所述的方法,其特征在于,
5.根据权利要求1所述的方法,其特征在于,
6.根据权利要求1所述的方法,其特征在于,
7.根据权利要求1所述的方法,其特征在于,
8.根据权利要求7所述的方法,其特征在于,
9.根据权利要求1所述的方法,其特征在于,
10.根据权利要求9所述的方法,其特征在于,
11.一种基于人工智能多维度智能匹配的失物找回系统,其特征在于,包括:
12.根据权利要求11所述的系统,其特征在于,
13.根据权利要求11所述的系统,其特征在于,
14.根据权利要求13所述的系统,其特征在于,
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,
16.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,
17.根据权利要求1所述的方法,其特征在于,
18.根据权利要求1所述的方法,其特征在于,
19.根据权利要求1所述的方法,其特征在于,
20.根据权利要求11所述的系统,其特征在于,
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com