[发明专利]一种校园个性化掌上服务及用户行为习惯分析的实现方法

权利要求书

1.一种校园个性化掌上服务及用户行为习惯分析的实现方法，其特征在于：使用网络爬虫爬取Web页面的课程表和成绩信息，本方法包括NFC手机、OTG设备、RFID终端和指纹终端的多种考勤方式，提供Web、App和微信公众平台的课程和成绩查询方法，利用学生的考勤和成绩数据实现对用户进行行为习惯分析，具体步骤包括以下步骤：

步骤1、开始爬虫程序，初始化指定Web页面学生列表的入口URL；

步骤2、将初始化的URL添加到任务队列；

步骤3、开启线程池；

步骤4、线程池从队列中获取任务并分配给子线程；

步骤5、子线程调用解析列表URL的匹配模板，对目标URL的页面信息进行分析，获取页面的课程和成绩信息参数，参数包括：学生编号、班级编号、课程编号、教师编号、课程时间和成绩，调用数据存储模块将参数信息存入数据库；

步骤6、写入日志文件，结束该子进程；

步骤7、 检测当前任务队列是否还有任务存在，当有任务存在，执行步骤4；当没有任务存在，执行步骤8；

步骤8、将当次的抓取统计信息写入日志文件，结束爬虫程序；

步骤9、拥有教师或辅导员权限的用户通过访问系统的Web页面；

步骤10、从数据库提取爬虫程序爬取的课程信息，生成建议课表；

步骤11、教师或辅导员权限的用户创建课程、添加班级和分配考勤权限；

步骤12、后台生成考勤任务；

步骤13、拥有考勤权限的用户登陆手机App或PC客户端，请求服务器，获取考勤任务；

步骤14、选择考勤任务，请求服务器，获取所选择考勤任务中的学生队列及网络时间，所述学生队列包括学生学号、班级、姓名、RFID卡卡号和指纹信息；

步骤15、考勤人员使用RFID卡接触NFC手机、OTG设备或RFID终端，并将RFID卡卡号传送给手机App或PC客户端，或使用指纹设备读取考勤人员指纹，将指纹信息通过蓝牙模块传送给手机App或PC客户端;

步骤16、将获取的RFID卡卡号或指纹信息与学生队列中的信息进行比对，如匹配到相应学生，则按当前时间标记该学生为已考勤，则执行步骤18，否则执行步骤17；

步骤17、进入新卡设置界面，选择新卡所对应的考勤人员，并对人员完成考勤；

步骤 18、是否结束考勤，是则将考勤记录本地备份，上传服务器端，否则执行15；

步骤 19、若上传成功，服务器返回成功参数，删除本地备份数据，执行步骤21，否则执行步骤20；

步骤 20、上传失败，请求上传本地备份，执行步骤19；

步骤 21、完成考勤任务；

步骤 22、服务器统计考勤数据，生成考勤报告，包括各学院出勤率统计、个人出勤信息统计和TOP10缺勤信息，开放供Web和微信查询接口，针对缺勤学生，生成缺勤信息文本，通过语音包生成音频，呼叫学生家长预留电话，完成语音播放；

步骤 23、读取学生当前学期考勤信息和成绩列表，生成用户行为习惯日志队列；

步骤 24、开启训练线程池；

步骤 25、线程池从队列中获取任务并分配给子线程；

步骤26、子线程运用预警、预测和聚类方法对各学生行为习惯日志建立分析模型，调用数据存储模块将结果存入数据库；

步骤 27、写入日志文件，结束该子进程；

步骤 28、 检测当前任务队列是否还有任务存在，当有任务存在，执行步骤25；当没有任务存在，执行步骤29；

步骤 29、写入日志文件，结束该进程；

步骤 30、服务器生成行为习惯报告，开放供Web和微信查询接口，生成缺勤信息文本，通过语音包生成音频，呼叫学生家长预留电话，完成语音播放。

2.根据权利要求1所述的一种校园个性化掌上服务及用户行为习惯分析的实现方法，其特征在于：

步骤1所述URL是指在方法中表现为一串代表网页地址的字符串以及该地址中包含的网页内容；Web页面是指需要爬取的课程和成绩页面，使用指定的正则匹配模板匹配爬虫所爬取的页面信息；学生列表入口URL是指Web页面URL，根据需求指定需要信息采集的URL；

步骤2到步骤3是对数据采集系统的初始化，步骤2中将初始化的URL添加到任务队列是指系统中的数据结构存放着需要采集的学生列表入口URL；步骤3开启线程池是初始化一个线程池，线程池中有n个提供任务调度的子线程，n的值由服务器处理能力决定，取值范围为4-6个；

步骤4中的线程池从队列中获取任务分配给子线程，具体是指线程池不断地检测队列是否为空和线程池存在空闲的子线程，当队列不为空和线程池中存在空闲子线程时，从队列前端取出一个任务分配给一个空闲的子线程；

步骤5和步骤6是判断模板对URL进行域的判断，指定Web页面中的课程列表域和单个学生使用不同的域，子线程通过对域的判断选择调用不同的处理策略，并完成匹配日志的生成；

步骤7是检测队列中是否有任务存在是指检测队列是否为空；

步骤8是指队列中无任务，不存在运行的子线程的情况下，进程将退出，此时将本次运行的总体结果写入日志文件，主要包括采集的数量情况，出现分析失败的个数；

步骤9是指系统对不同用户进行权限识别，本系统中权限分为全局管理员、校级检查者、院级检查者、辅导员、教师和拥有考勤权限的学生；

步骤10是指系统通过用户的工号和数据库中该工号所对应的数据，逻辑生成教师或辅导员的课表；

步骤11和步骤12是指用户可通过操作建议课表，生成考勤任务，也可通过自行创建课程、添加班级和设置考勤时间来创建考勤任务，用户通过将考勤任务分配给学生权限用户完成考勤权限的分配；

步骤13、步骤14和步骤15是指拥有考勤权限的用户，通过手机App或PC客户端执行考勤任务，手机App可以通过调用NFC模块识别RFID卡，没有NFC的手机可通过USB接口连接OTG设备识别RFID卡，也可连接外设设备的蓝牙模块进行RFID卡的识别或指纹识别，PC客户端可以通过USB接口插入OTG设备识别RFID卡，也可以直接连接RFID设备识别RFID卡；

步骤16和步骤17是指身份识别及新卡判别模块，对学生队列中的存在的指纹或RFID卡进行身份判别并完成考勤，对学生队列中的不存在的新RFID卡物理卡号进行覆盖；

步骤18、步骤19和步骤20是指考勤结果上传，若上传失败则将本次考勤数据本地备份，提供再次上传的机会；

步骤22是指将当日考勤结果生成考勤报告，供学生所属的辅导员和家长通过访问Web或微信的方式进行查询，同时服务器端统计当日缺勤学生名单，将具体的缺勤信息以音频的形式使用网络电话通知家长；

步骤23和步骤24是指对各学生行为习惯日志的训练和预测的初始化，行为习惯日志指，该系统获取的该学生的相关行为信息，数据来源包括用户的日志信息、用户主体信息和外界环境信息，开启线程池是初始化一个线程池，线程池中有n个提供任务调度的子线程，n的值由服务器处理能力决定，取值范围为4-6个；

步骤26是指运用预警、预测和聚类方法对行为习惯日志进行分析和建模，并提供实时高速的复杂分析，本方法中的缺勤率预警值为30%，成绩不合格率预警值为20%；本方法中的聚类算法使用的是密度算法，对于相同班级的学生，成绩密度大过某阈值则将该学生加到与之相近的聚类中去；本方法中的预测算法主要使用基于滑动窗口的BP神经网络行为习惯预测预警算法；

步骤30是指将当前学期该学生的行为分析结论，供学生所属的辅导员和家长通过访问Web或微信的方式进行查询，同时服务器端将具体的行为分析报告以音频的形式使用网络电话通知家长。