CN110442791A - 数据推送方法和系统 - Google Patents
数据推送方法和系统 Download PDFInfo
- Publication number
- CN110442791A CN110442791A CN201910728905.3A CN201910728905A CN110442791A CN 110442791 A CN110442791 A CN 110442791A CN 201910728905 A CN201910728905 A CN 201910728905A CN 110442791 A CN110442791 A CN 110442791A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- target
- index tab
- target user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供了一种数据推送方法和系统,涉及数据处理的技术领域,包括:获取区块链中的目标数据,其中,目标数据包括以下至少一种:用户的交易数据,用户的分散式应用操作数据,实时新闻数据;对目标数据进行分类学习,确定目标数据的索引标签,其中,索引标签用于表征目标数据之间的关联关系;获取目标用户的用户数据,其中,用户数据包括以下至少一种:目标用户的交易数据,目标用户的分散式应用操作数据;基于协同过滤算法、目标用户的用户数据和目标数据的索引标签,向目标用户推送对应的第一目标数据,解决了现有技术中为用户提供区块链网络信息不符合用户偏好的技术问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其是涉及一种数据推送方法和系统。
背景技术
区块链网络的信息一般将交易信息按照时间顺序存储在区块链上。同时区块链按照准入规则不同也分为公有链和联盟链。本发明针对公有链设计推送检索系统,但设计思想依然可以用于联盟链。一方面,用户的分散式应用操作数据丰富而专业。不论是区块链的交易信息还是资产信息都具有极强的专业格式和含义。这使得一般的搜索服务和推送系统难于准确定位区块链网络的信息。同时对于现有区块链,去中心化应用DApp也遍地开花,使得用户的使用信息和数据更加丰富。基于区块链的数据不仅包含了用户交易信息,还包含了大量DApp和用户的使用信息。对于区块链网络环境需要专业的信息检索推送系统面向普通用户,方便用户使用。
另一方面区块链网络呈现数据更新迅速,区块链用户对敏感数据和个性化定制数据的需求更加强烈。比如比特币用户更关注比特币区块链的相关动向,对与以太坊区块链的信息则没有太多兴趣。同时通过区块链登记的资产类型和数据也更加丰富,用户可以通过定制推送服务来获取区块链上自己需要的更加可信可靠的数据。不同用户对数据的需求各不相同,因此需要一种针对用户的分散式应用操作数据的推送和检索服务。
随着区块链技术发展,越来越多的DApp通过在公有链注册登记,成为区块链索引的一个应用。未来对数字资产的管理也会基于区块链技术,也需要真实可信的数字资产的搜索服务和推送机制。这种链接所有DApp和用户的区块链对索引需求和推送功能的需求更加强烈。
针对上述问题,还未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种数据推送方法和系统,以缓解了现有技术中为用户提供区块链网络信息不符合用户偏好的技术问题。
第一方面,本发明实施例提供了一种数据推送方法,包括:获取区块链的目标数据,其中,所述目标数据包括以下至少一种:用户的交易数据,用户的分散式应用操作数据,实时新闻数据;对所述目标数据进行分类学习,确定所述目标数据的索引标签,其中,所述索引标签用于表征所述目标数据之间的关联关系;获取目标用户的用户数据,其中,所述用户数据包括以下至少一种:所述目标用户的交易数据,所述目标用户的分散式应用操作数据;基于协同过滤算法、所述目标用户的用户数据和所述目标数据的索引标签,向目标用户推送对应的第一目标数据。
进一步地,对所述目标数据进行分类学习,确定所述目标数据之间的关联索引关系,包括:基于所述用户的交易数据的属性数据,对所述用户的交易数据进行分类学习,确定目标交易数据,并为所述目标交易数据设置第一索引标签,其中,所述属性数据包括以下至少之一:交易地址,交易时间,交易金额,交易类型,所述目标交易数据为交易时间处于预设时间段和/或交易金额处于预设范围和/或交易类型相同的交易数据;基于所述用户的分散式应用操作数据中包含的操作类型数据,对所述用户的分散式应用操作数据进行分类学习,确定分散式应用的目标用户,并为所述分散式应用的目标用户设置第二索引标签,其中,所述分散式应用的目标用户为所述操作数据中包含相同操作类型数据的用户;基于所述实时新闻数据的内容关键字,对所述实时新闻数据进行分类学习,确定目标新闻数据,并为所述目标新闻数据设置第三索引标签,其中,所述目标新闻数据为包含相同内容关键字的实时新闻数据;基于所述第一索引标签,所述第二索引标签和所述第三索引标签,确定所述目标数据之间的关联关系。
进一步地,基于协同过滤算法、所述目标用户的用户数据和所述目标数据的索引标签,向目标用户推送对应的第一目标数据,包括:基于评分算式,计算所述目标用户的每个用户数据的评分,并确定出目标用户数据,其中,所述评分算式为C=N/F,N为所述用户数据的操作次数,F为用户数据的时间间隔,所述目标用户数据为评分最高的用户数据;基于所述目标用户数据,确定所述目标用户的索引标签,其中,所述目标用户的索引标签用于表征所述目标用户的偏好;基于所述协同过滤算法、所述目标用户的索引标签和所述目标数据的索引标签,确定所述第一目标数据,并所述目标用户推送对应的第一目标数据。
进一步地,基于所述协同过滤算法、所述目标用户的索引标签和所述目标数据的索引标签,确定所述第一目标数据,包括:基于所述目标用户的索引标签和所述目标数据的索引标签,确定出中间数据,其中,所述中间数据为与所述目标数据的索引标签相同的目标数据的索引标签所对应的目标数据;计算所述目标用户数据与所述中间数据的相似度,并将前H个最大相似度对应的中间数据确定为第一目标数据。
进一步地,所述方法还包括:若获取到所述目标用户发送的检索请求,则基于所述检索请求的关键字、所述索引标签和映射规约算法,向所述目标用户反馈第二目标数据。
第二方面,本发明实施例提供了一种数据推送系统,包括:第一获取单元,分类学习单元,第二获取单元和推送单元,其中,所述第一获取单元用于获取区块链的目标数据,其中,所述目标数据包括以下至少一种:用户的交易数据,用户的分散式应用操作数据,实时新闻数据;所述分类学习单元用于对所述目标数据进行分类学习,确定所述目标数据的索引标签,其中,所述索引标签用于表征所述目标数据之间的关联关系;所述第二获取单元用于获取目标用户的用户数据,其中,所述用户数据包括以下至少一种:所述目标用户的交易数据,所述目标用户的分散式应用操作数据;所述推送单元用于基于协同过滤算法、所述目标用户的用户数据和所述目标数据的索引标签,向目标用户推送对应的第一目标数据。
进一步地,所述分类学习单元还用于:基于所述用户的交易数据的属性数据,对所述用户的交易数据进行分类学习,确定目标交易数据,并为所述目标交易数据设置第一索引标签,其中,所述属性数据包括以下至少之一:交易地址,交易时间,交易金额,交易类型,所述目标交易数据为交易时间处于预设时间段和/或交易金额处于预设范围和/或交易类型相同的交易数据;基于所述用户的分散式应用操作数据中包含的操作类型数据,对所述用户的分散式应用操作数据进行分类学习,确定分散式应用的目标用户,并为所述分散式应用的目标用户设置第二索引标签,其中,所述分散式应用的目标用户为所述操作数据中包含相同操作类型数据的用户;基于所述实时新闻数据的内容关键字,对所述实时新闻数据进行分类学习,确定目标新闻数据,并为所述目标新闻数据设置第三索引标签,其中,所述目标新闻数据为包含相同内容关键字的实时新闻数据;基于所述第一索引标签,所述第二索引标签和所述第三索引标签,确定所述目标数据之间的关联关系。
进一步地,所述推送单元还用于:基于评分算式,计算所述目标用户的每个用户数据的评分,并确定出目标用户数据,其中,所述评分算式为C=N/F,N为所述用户数据的操作次数,F为用户数据的时间间隔,所述目标用户数据为评分最高的用户数据;基于所述目标用户数据,确定所述目标用户的索引标签,其中,所述目标用户的索引标签用于表征所述目标用户的偏好;基于所述协同过滤算法、所述目标用户的索引标签和所述目标数据的索引标签,确定所述第一目标数据,并所述目标用户推送对应的第一目标数据。
进一步地,所述推送单元还用于:基于所述目标用户的索引标签和所述目标数据的索引标签,确定出中间数据,其中,所述中间数据为与所述目标数据的索引标签相同的目标数据的索引标签所对应的目标数据;计算所述目标用户数据与所述中间数据的相似度,并将前H个最大相似度对应的中间数据确定为第一目标数据。
进一步地,所述系统还包括:检索单元,用于若获取到所述目标用户发送的检索请求,则基于所述检索请求的关键字、所述索引标签和映射规约算法,向所述目标用户反馈第二目标数据。
在本发明实施例中,首先,获取区块链的目标数据;接着,对目标数据进行分类学习,确定目标数据的索引标签;然后,获取目标用户的用户数据;最后,基于协同过滤算法、目标用户的用户数据和目标数据的索引标签,向目标用户推送对应的第一目标数据。
本实施例中,首先对区块链的目标数据,并对目标数据进行学习分类,然后,获取目标用户的用户数据,最后,通过协同过滤算法,确定出与目标用户的用户数据相似的目标数据作为第一目标数据,并将第一目标数据推送给目标用户,达到了为用户提供符合用户偏好的用户的分散式应用操作数据的目的,进而现有技术中为用户提供区块链网络信息不符合用户偏好的技术问题,从而实现了为用户提供符合用户偏好的用户的分散式应用操作数据的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种数据推送方法的流程图;
图2为本发明实施例提供的另一种数据推送方法的流程图;
图3为本发明实施例提供的一种数据推送系统的示意图;
图4为本发明实施例提供的另一种数据推送系统的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
根据本发明实施例,提供了一种数据推送方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种数据推送方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取区块链的目标数据,其中,所述目标数据包括以下至少一种:用户的交易数据,用户的分散式应用操作数据,实时新闻数据;
步骤S104,对所述目标数据进行分类学习,确定所述目标数据的索引标签,其中,所述索引标签用于表征所述目标数据之间的关联关系;
步骤S106,获取目标用户的用户数据,其中,所述用户数据包括以下至少一种:所述目标用户的交易数据,所述目标用户的分散式应用操作数据;
步骤S108,基于协同过滤算法、所述目标用户的用户数据和所述目标数据的索引标签,向目标用户推送对应的第一目标数据。
本实施例中,首先对区块链的目标数据,并对目标数据进行学习分类,然后,获取目标用户的用户数据,最后,通过协同过滤算法,确定出与目标用户的用户数据相似的目标数据作为第一目标数据,并将第一目标数据推送给目标用户,达到了为用户提供符合用户偏好的用户的分散式应用操作数据的目的,进而现有技术中为用户提供区块链网络信息不符合用户偏好的技术问题,从而实现了为用户提供符合用户偏好的用户的分散式应用操作数据的技术效果。
本申请实施例中,针对区块链生态的三类数据进行采集,包括区块链上信息(即,用户的交易数据),区块链上应用数据(即,DApp数据,分散式应用操作数据)以及区块链外相关数据(即,实时新闻数据)。通过对采集的数据进行分类和汇总索引,存储在分布式数据库。然后使用协同过滤机制实现向目标用户进行信息推送。
需要说明的是,区块链上信息包括各种公共区块链的交易信息记录,按照区块链类型和时间顺序分布式存储和汇总索引。区块链上应用相关信息包括DApp信息和相关交易,app相关交易,智能合约以及在区块链上登记的数字资产信息。由于DApp用户在公有链上有相关操作记录,每种重要操作都会记录在链,所以通过分析DApp用户地址的交易,可以分析出指定地址的操作历史和使用偏好。比如用户A对某人的真实简历的查看行为会被记录在区块链上,以此可以分析出用户A的使用偏好。链外数据信息包括了数字资产价格浮动信息,开源技术以及相关实时新闻。这类信息对实时性要求较高,因此一般仅存储近1年以内的数据更新。同时根据不同的区块链类型进行分类索引。
另外,需要说明的是,上述协同过滤算法是利用兴趣相投、拥有共同经验的群体的喜好来推送个人用户感兴趣的信息的算法。
在本发明实施例中,步骤S104还包括:
步骤S11,基于所述用户的交易数据的属性数据,对所述用户的交易数据进行分类学习,确定目标交易数据,并为所述目标交易数据设置第一索引标签,其中,所述属性数据包括以下至少之一:交易地址,交易时间,交易金额,交易类型,所述目标交易数据为交易时间处于预设时间段和/或交易金额处于预设范围和/或交易类型相同的交易数据;
步骤S12,基于所述用户的分散式应用操作数据中包含的操作类型数据,对所述用户的分散式应用操作数据进行分类学习,确定分散式应用的目标用户,并为所述分散式应用的目标用户设置第二索引标签,其中,所述分散式应用的目标用户为所述操作数据中包含相同操作类型数据的用户;
步骤S13,基于所述实时新闻数据的内容关键字,对所述实时新闻数据进行分类学习,确定目标新闻数据,并为所述目标新闻数据设置第三索引标签,其中,所述目标新闻数据为包含相同内容关键字的实时新闻数据。
在本发明实施例中,分别对用户的交易数据,用户的分散式应用操作数据和实时新闻数据进行分类学习。
如果目标数据为用户的交易数据,则将交易时间处于预设时间段和/或交易金额处于预设范围和/或交易类型相同的交易数据归为一类,并为其设置第一索引标签。
如果目标数据为用户的分散式应用操作数据,则将操作数据中包含相同操作类型数据的用户归为一类,并为其设置上第二索引标签。
如果目标数据为实时新闻数据,则将包含相同内容关键字的实时新闻数据归为一类,并设置上第三索引标签。
最后,将三种数据进行关联索引和比对。比如将第一种DApp的A用户与另一种相似DApp的B用户进行关联,第一种DApp可以对第二种DApp的用户行为和信息进行分析和推断。
在本发明实施例中,通过采集上面三类信息,后台需要对三类数据进行相关性计算和联系。比如某比特币地址的交易信息与某个DApp的地址相关联,与比特币相关新闻进行关联。再如以太坊某智能合约DApp记录了某个地址的交易信息,交易内容属于购买生活用品,以此来记录此地址的使用历史记录和DApp信息,并计算使用偏好。同时将此类使用偏好加入数据库索引的标签。最终数据库中记录了所有交易的索引和用户使用的偏好。
在本发明实施例中,步骤S108还包括:
步骤S21,基于评分算式,计算所述目标用户的每个用户数据的评分,并确定出目标用户数据,其中,所述评分算式为C=N/F,N为所述用户数据的操作次数,F为用户数据的时间间隔,所述目标用户数据为评分最高的用户数据;
步骤S22,基于所述目标用户数据,确定所述目标用户的索引标签,其中,所述目标用户的索引标签用于表征所述目标用户的偏好;
步骤S23,基于所述协同过滤算法、所述目标用户的索引标签和所述目标数据的索引标签,确定所述第一目标数据,并所述目标用户推送对应的第一目标数据。
在本发明实施例中,在获取当目标用户的用户数据之后,对通过评分算式:C=N/F,对用户数据进行数据评分,从而确定出评分最高的用户数据作为用户的目标用户数据。
然后,确定出目标用户数据的索引标签,从而根据目标用户数据的索引标签确定出目标用户的偏好。
最后,通过协同过滤算法,目标用户的索引标签和目标数据的索引标签,确定第一目标数据,并向目标用户推送对应的第一目标数据。
在本发明实施例中,步骤S23还包括:
步骤S31,基于所述目标用户的索引标签和所述目标数据的索引标签,确定出中间数据,其中,所述中间数据为与所述目标数据的索引标签相同的目标数据的索引标签所对应的目标数据;
步骤S32,计算所述目标用户数据与所述中间数据的相似度,并将前H个最大相似度对应的中间数据确定为第一目标数据。
在本发明实施例中,确定出目标用户的索引标签后,将与目标用户的索引标签相同的目标数据的索引标签所对应的目标数据确定为中间数据。
然后计算出目标用户数据与中间数据之间的相似度,并将前H个最大相似度对应的中间数据确定为第一目标数据。
需要说明的是,上述的H的值可以根据用户的实际需求自行设定,一般情况下,H的值为10。
对于现有的区块链交易用户,公有链上的用户交易类型、交易地址、交易金额和交易时间是较为关键的数据信息。因此用户地址之间的关联也可以作为相似度的计算因素。比如用户A转发了一定数额数字资产给用户B,因此用户A和B的相似度会更高。同时同一个时间段内的交易也可以认为有弱相关性。比如两个不同交易的不同地址在5分钟内分别进行了转出转入交易,交易金额几乎一样,则认为两个地址具有相似性。通过时间序列分析可以比对出地址的相似度。再通过已有的用户和地址的映射关系,最终将相关信息推送给用户DApp。
在本发明实施例中,如图2所示,所述方法还包括:
步骤S110,若获取到所述目标用户发送的检索请求,则基于所述检索请求的关键字、所述索引标签和映射规约算法,向所述目标用户反馈第二目标数据。
需要说明的是,映射规约算法:一种用于大规模数据集并行运算的软件架构。其实现是使用一个Map(映射)函数,用来把一组键值对映射成一组新的键值对,指定并发的Reduce(归纳)函数,用来保证所有映射的键值对中的每一个共享相同的键组。
因此,通过映射规约算法为目标用户提供检索服务,能够对用户的偏好进行分析,从而在为目标用户反馈的检索结果中将符合用户偏好的检索信息反馈给目标用户,从而提升用户的体验效果。
实施例二:
本发明还提供了一种数据推送装置,该系统用于执行本发明实施例上述内容所提供的基于数据推送方法,以下是本发明实施例提供的数据推送系统的具体介绍。
如图3所示,上述的数据推送系统包括:第一获取单元10,分类学习单元20,第二获取单元30和推送单元40。
所述第一获取单元10用于获取区块链的目标数据,其中,所述目标数据包括以下至少一种:用户的交易数据,用户的分散式应用操作数据,实时新闻数据;
所述分类学习单元20用于对所述目标数据进行分类学习,确定所述目标数据的索引标签,其中,所述索引标签用于表征所述目标数据之间的关联关系;
所述第二获取单元30用于获取目标用户的用户数据,其中,所述用户数据包括以下至少一种:所述目标用户的交易数据,所述目标用户的分散式应用操作数据;
所述推送单元40用于基于协同过滤算法、所述目标用户的用户数据和所述目标数据的索引标签,向目标用户推送对应的第一目标数据。
本实施例中,首先对区块链的目标数据,并对目标数据进行学习分类,然后,获取目标用户的用户数据,最后,通过协同过滤算法,确定出与目标用户的用户数据相似的目标数据作为第一目标数据,并将第一目标数据推送给目标用户,达到了为用户提供符合用户偏好的用户的分散式应用操作数据的目的,进而现有技术中为用户提供区块链网络信息不符合用户偏好的技术问题,从而实现了为用户提供符合用户偏好的用户的分散式应用操作数据的技术效果。
优选地,所述分类学习单元还用于:基于所述用户的交易数据的属性数据,对所述用户的交易数据进行分类学习,确定目标交易数据,并为所述目标交易数据设置第一索引标签,其中,所述属性数据包括以下至少之一:交易地址,交易时间,交易金额,交易类型,所述目标交易数据为交易时间处于预设时间段和/或交易金额处于预设范围和/或交易类型相同的交易数据;基于所述用户的分散式应用操作数据中包含的操作类型数据,对所述用户的分散式应用操作数据进行分类学习,确定分散式应用的目标用户,并为所述分散式应用的目标用户设置第二索引标签,其中,所述分散式应用的目标用户为所述操作数据中包含相同操作类型数据的用户;基于所述实时新闻数据的内容关键字,对所述实时新闻数据进行分类学习,确定目标新闻数据,并为所述目标新闻数据设置第三索引标签,其中,所述目标新闻数据为包含相同内容关键字的实时新闻数据;基于所述第一索引标签,所述第二索引标签和所述第三索引标签,确定所述目标数据之间的关联关系。
优选地,所述推送单元还用于:基于评分算式,计算所述目标用户的每个用户数据的评分,并确定出目标用户数据,其中,所述评分算式为C=N/F,N为所述用户数据的操作次数,F为用户数据的时间间隔,所述目标用户数据为评分最高的用户数据;基于所述目标用户数据,确定所述目标用户的索引标签,其中,所述目标用户的索引标签用于表征所述目标用户的偏好;基于所述协同过滤算法、所述目标用户的索引标签和所述目标数据的索引标签,确定所述第一目标数据,并向所述目标用户推送对应的第一目标数据。
优选地,所述推送单元还用于:基于所述目标用户的索引标签和所述目标数据的索引标签,确定出中间数据,其中,所述中间数据为与所述目标数据的索引标签相同的目标数据的索引标签所对应的目标数据;计算所述目标用户数据与所述中间数据的相似度,并将前H个最大相似度对应的中间数据确定为第一目标数据。
优选地,如图4所示,所述系统还包括:检索单元50,用于若获取到所述目标用户发送的检索请求,则基于所述检索请求的关键字、所述索引标签和映射规约算法,向所述目标用户反馈第二目标数据。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种数据推送方法,其特征在于,包括:
获取区块链的目标数据,其中,所述目标数据包括以下至少一种:用户的交易数据,用户的分散式应用操作数据,实时新闻数据;
对所述目标数据进行分类学习,确定所述目标数据的索引标签,其中,所述索引标签用于表征所述目标数据之间的关联关系;
获取目标用户的用户数据,其中,所述用户数据包括以下至少一种:所述目标用户的交易数据,所述目标用户的分散式应用操作数据;
基于协同过滤算法、所述目标用户的用户数据和所述目标数据的索引标签,确定出第一目标数据,并向所述目标用户推送所述第一目标数据。
2.根据权利要求1所述的方法,其特征在于,对所述目标数据进行分类学习,确定所述目标数据之间的关联索引关系,包括:
基于所述用户的交易数据的属性数据,对所述用户的交易数据进行分类学习,确定目标交易数据,并为所述目标交易数据设置第一索引标签,其中,所述属性数据包括以下至少之一:交易地址,交易时间,交易金额,交易类型,所述目标交易数据为交易时间处于预设时间段和/或交易金额处于预设范围和/或交易类型相同的交易数据;和/或
基于所述用户的分散式应用操作数据中包含的操作类型数据,对所述用户的分散式应用操作数据进行分类学习,确定分散式应用的目标用户,并为所述分散式应用的目标用户设置第二索引标签,其中,所述分散式应用的目标用户为所述操作数据中包含相同操作类型数据的用户;和/或
基于所述实时新闻数据的内容关键字,对所述实时新闻数据进行分类学习,确定目标新闻数据,并为所述目标新闻数据设置第三索引标签,其中,所述目标新闻数据为包含相同内容关键字的实时新闻数据;
基于所述第一索引标签和/或所述第二索引标签和/或所述第三索引标签,确定所述目标数据之间的关联关系。
3.根据权利要求1所述的方法,其特征在于,基于协同过滤算法、所述目标用户的用户数据和所述目标数据的索引标签,确定出第一目标数据,并向目标用户推送对应的第一目标数据,包括:
基于评分算式,计算所述目标用户的每个用户数据的评分,并确定出目标用户数据,其中,所述评分算式为C=N/F,N为所述用户数据的操作次数,F为用户数据的时间间隔,所述目标用户数据为评分最高的用户数据;
基于所述目标用户数据,确定所述目标用户的索引标签,其中,所述目标用户的索引标签用于表征所述目标用户的偏好;
基于所述协同过滤算法、所述目标用户的索引标签和所述目标数据的索引标签,确定所述第一目标数据,并向所述目标用户推送对应的第一目标数据。
4.根据权利要求3所述的方法,其特征在于,基于所述协同过滤算法、所述目标用户的索引标签和所述目标数据的索引标签,确定所述第一目标数据,包括:
基于所述目标用户的索引标签和所述目标数据的索引标签,确定出中间数据,其中,所述中间数据为与所述目标用户的索引标签相同的目标数据的索引标签所对应的目标数据;
计算所述目标用户数据与所述中间数据的相似度,并将前H个最大相似度对应的中间数据确定为所述第一目标数据。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若获取到所述目标用户发送的检索请求,则基于所述检索请求的关键字、所述索引标签和映射规约算法,确定出第二目标数据,并向所述目标用户反馈所述第二目标数据。
6.一种数据推送系统,其特征在于,包括:第一获取单元,分类学习单元,第二获取单元和推送单元,其中,
所述第一获取单元用于获取区块链的目标数据,其中,所述目标数据包括以下至少一种:用户的交易数据,用户的分散式应用操作数据,实时新闻数据;
所述分类学习单元用于对所述目标数据进行分类学习,确定所述目标数据的索引标签,其中,所述索引标签用于表征所述目标数据之间的关联关系;
所述第二获取单元用于获取目标用户的用户数据,其中,所述用户数据包括以下至少一种:所述目标用户的交易数据,所述目标用户的分散式应用操作数据;
所述推送单元用于基于协同过滤算法、所述目标用户的用户数据和所述目标数据的索引标签,确定出第一目标数据,并向所述目标用户推送所述第一目标数据。
7.根据权利要求6所述的系统,其特征在于,所述分类学习单元还用于:
基于所述用户的交易数据的属性数据,对所述用户的交易数据进行分类学习,确定目标交易数据,并为所述目标交易数据设置第一索引标签,其中,所述属性数据包括以下至少之一:交易地址,交易时间,交易金额,交易类型,所述目标交易数据为交易时间处于预设时间段和/或交易金额处于预设范围和/或交易类型相同的交易数据;和/或
基于所述用户的分散式应用操作数据中包含的操作类型数据,对所述用户的分散式应用操作数据进行分类学习,确定分散式应用的目标用户,并为所述分散式应用的目标用户设置第二索引标签,其中,所述分散式应用的目标用户为所述操作数据中包含相同操作类型数据的用户;和/或
基于所述实时新闻数据的内容关键字,对所述实时新闻数据进行分类学习,确定目标新闻数据,并为所述目标新闻数据设置第三索引标签,其中,所述目标新闻数据为包含相同内容关键字的实时新闻数据;
基于所述第一索引标签和/或所述第二索引标签和/或所述第三索引标签,确定所述目标数据之间的关联关系。
8.根据权利要求6所述的系统,其特征在于,所述推送单元还用于:
基于评分算式,计算所述目标用户的每个用户数据的评分,并确定出目标用户数据,其中,所述评分算式为C=N/F,N为所述用户数据的操作次数,F为用户数据的时间间隔,所述目标用户数据为评分最高的用户数据;
基于所述目标用户数据,确定所述目标用户的索引标签,其中,所述目标用户的索引标签用于表征所述目标用户的偏好;
基于所述协同过滤算法、所述目标用户的索引标签和所述目标数据的索引标签,确定所述第一目标数据,并向所述目标用户推送对应的第一目标数据。
9.根据权利要求8所述的系统,其特征在于,所述推送单元还用于:
基于所述目标用户的索引标签和所述目标数据的索引标签,确定出中间数据,其中,所述中间数据为与所述目标数据的索引标签相同的目标数据的索引标签所对应的目标数据;
计算所述目标用户数据与所述中间数据的相似度,并将前H个最大相似度对应的中间数据确定为所述第一目标数据。
10.根据权利要求6所述的系统,其特征在于,所述系统还包括:
检索单元,用于若获取到所述目标用户发送的检索请求,则基于所述检索请求的关键字、所述索引标签和映射规约算法,确定出第二目标数据,并向所述目标用户反馈所述第二目标数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910728905.3A CN110442791B (zh) | 2019-08-08 | 2019-08-08 | 数据推送方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910728905.3A CN110442791B (zh) | 2019-08-08 | 2019-08-08 | 数据推送方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110442791A true CN110442791A (zh) | 2019-11-12 |
CN110442791B CN110442791B (zh) | 2022-07-01 |
Family
ID=68433876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910728905.3A Active CN110442791B (zh) | 2019-08-08 | 2019-08-08 | 数据推送方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110442791B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889040A (zh) * | 2019-11-21 | 2020-03-17 | 北京海益同展信息科技有限公司 | 用于推送信息的方法和装置 |
CN111127103A (zh) * | 2019-12-24 | 2020-05-08 | 北京阿尔山区块链联盟科技有限公司 | 数字资产的价值评估方法及系统 |
CN111355710A (zh) * | 2020-02-19 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 网络服务的数据请求方法及装置 |
CN111523027A (zh) * | 2020-04-16 | 2020-08-11 | 武汉有牛科技有限公司 | 基于区块链技术的数据新闻自动撰写机器人 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253944A (zh) * | 2010-05-19 | 2011-11-23 | 技嘉科技股份有限公司 | 利用映像的字符串分类方法与字符串检索方法 |
CN103995839A (zh) * | 2014-04-30 | 2014-08-20 | 兴天通讯技术(天津)有限公司 | 基于协同过滤的商品推荐优化方法和系统 |
CN106096050A (zh) * | 2016-06-29 | 2016-11-09 | 乐视控股(北京)有限公司 | 一种视频内容搜索的方法和装置 |
US20180129957A1 (en) * | 2016-11-09 | 2018-05-10 | Cognitive Scale, Inc. | Cognitive Session Graphs Including Blockchains |
US20180232658A1 (en) * | 2017-02-14 | 2018-08-16 | Cognitive Scale, Inc. | Hierarchical Topic Machine Learning Operation |
US20180307993A1 (en) * | 2017-04-20 | 2018-10-25 | Cognitive Scale, Inc. | Cognitive Browse Operation |
CN109146645A (zh) * | 2018-09-05 | 2019-01-04 | 深圳正品创想科技有限公司 | 基于区块链的商品推荐方法、区块链节点及系统 |
CN109670892A (zh) * | 2017-10-17 | 2019-04-23 | Tcl集团股份有限公司 | 一种协同过滤推荐方法及系统、终端设备 |
-
2019
- 2019-08-08 CN CN201910728905.3A patent/CN110442791B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253944A (zh) * | 2010-05-19 | 2011-11-23 | 技嘉科技股份有限公司 | 利用映像的字符串分类方法与字符串检索方法 |
CN103995839A (zh) * | 2014-04-30 | 2014-08-20 | 兴天通讯技术(天津)有限公司 | 基于协同过滤的商品推荐优化方法和系统 |
CN106096050A (zh) * | 2016-06-29 | 2016-11-09 | 乐视控股(北京)有限公司 | 一种视频内容搜索的方法和装置 |
US20180129957A1 (en) * | 2016-11-09 | 2018-05-10 | Cognitive Scale, Inc. | Cognitive Session Graphs Including Blockchains |
US20180232658A1 (en) * | 2017-02-14 | 2018-08-16 | Cognitive Scale, Inc. | Hierarchical Topic Machine Learning Operation |
US20180307993A1 (en) * | 2017-04-20 | 2018-10-25 | Cognitive Scale, Inc. | Cognitive Browse Operation |
CN109670892A (zh) * | 2017-10-17 | 2019-04-23 | Tcl集团股份有限公司 | 一种协同过滤推荐方法及系统、终端设备 |
CN109146645A (zh) * | 2018-09-05 | 2019-01-04 | 深圳正品创想科技有限公司 | 基于区块链的商品推荐方法、区块链节点及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889040A (zh) * | 2019-11-21 | 2020-03-17 | 北京海益同展信息科技有限公司 | 用于推送信息的方法和装置 |
CN111127103A (zh) * | 2019-12-24 | 2020-05-08 | 北京阿尔山区块链联盟科技有限公司 | 数字资产的价值评估方法及系统 |
CN111127103B (zh) * | 2019-12-24 | 2023-10-24 | 北京阿尔山区块链联盟科技有限公司 | 数字资产的价值评估方法及系统 |
CN111355710A (zh) * | 2020-02-19 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 网络服务的数据请求方法及装置 |
CN111355710B (zh) * | 2020-02-19 | 2021-12-24 | 腾讯科技(深圳)有限公司 | 网络服务的数据请求方法及装置 |
CN111523027A (zh) * | 2020-04-16 | 2020-08-11 | 武汉有牛科技有限公司 | 基于区块链技术的数据新闻自动撰写机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN110442791B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Golfarelli et al. | A model-driven approach to automate data visualization in big data analytics | |
CN110442791A (zh) | 数据推送方法和系统 | |
CN104254852B (zh) | 用于混合信息查询的方法和系统 | |
CN102708130B (zh) | 计算用户微细分以用于要约匹配的可扩展引擎 | |
CN102737333B (zh) | 用于计算用户和要约到微小细分的匹配的顺序引擎 | |
US20190012683A1 (en) | Method for predicting purchase probability based on behavior sequence of user and apparatus for the same | |
KR101840426B1 (ko) | 사용자 목록 식별 | |
US20170206204A1 (en) | System, method, and device for generating a geographic area heat map | |
US8943087B2 (en) | Processing data from diverse databases | |
US20110131202A1 (en) | Exploration of item consumption by customers | |
US10162868B1 (en) | Data mining system for assessing pairwise item similarity | |
CN107209905A (zh) | 针对个性化和任务完成服务而对应用去主题归类 | |
CN108595461A (zh) | 兴趣探索方法、存储介质、电子设备及系统 | |
CN103124894A (zh) | 对社交联网信息进行过滤以提供定制化的地图处理 | |
CN111414410B (zh) | 数据处理方法、装置、设备和存储介质 | |
CN111310032B (zh) | 资源推荐方法、装置、计算机设备及可读存储介质 | |
CN103177066A (zh) | 分析和表示人际关系 | |
CN110909222A (zh) | 基于聚类的用户画像建立方法、装置、介质及电子设备 | |
CN110502692A (zh) | 基于搜索引擎的信息检索方法、装置、设备和存储介质 | |
US20070218447A1 (en) | Recommended improvement plan integration in an online environment method and system | |
KR101877521B1 (ko) | 사용자 경험 사례 검색 서비스 장치 및 방법 | |
US12007995B2 (en) | Query generation from event-based pattern matching | |
CN111190965A (zh) | 基于文本数据的即席关系分析系统及方法 | |
CN112307028A (zh) | 跨数据信息知识模态的面向本质计算的差分内容推荐方法 | |
KR101926855B1 (ko) | 콜센터 질의응답 서비스 제공 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |