CN111078995A - 数据回溯方法、装置、计算机设备和存储介质 - Google Patents
数据回溯方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111078995A CN111078995A CN201911087089.9A CN201911087089A CN111078995A CN 111078995 A CN111078995 A CN 111078995A CN 201911087089 A CN201911087089 A CN 201911087089A CN 111078995 A CN111078995 A CN 111078995A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- information
- recommendation
- recommended
- 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
Images
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
- G06F16/953—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)
Abstract
本申请涉及一种数据回溯方法、装置、计算机设备和存储介质。所述方法包括:通过获取用户端的数据回溯请求;根据数据回溯请求查找用户端的用户身份数据以及用户历史数据;根据用户身份数据以及用户历史数据,获取用户端对应的推荐数据信息;根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据,反馈推荐数据至客户端。本申请的数据回溯方法通过结合用户的身份信息以及用户的历史数据,来提取用户推荐数据信息,根据推荐数据信息确定用户回溯请求对应的推荐数据,可以更加直接地找到用户需要的结果数据,提高数据回溯查询的效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种数据回溯方法、装置、计算机设备和存储介质。
背景技术
随着计算机等技术的发展,互联网技术的应用也日新月异。有时,为了进行数据分析,改进算法,需要对各种日志信息进行记录,包括用户的历史访问记录、服务器的信息记录、数据库的信息记录等,同时可以使用时通过数据回溯来查询历史的日志信息数据。
但目前关于数据回溯查询的方案,主要是通过日志数据进行数据回滚以及根据指令或要求进行数据跟踪。但是当查询结果的数据量较大时,直接通过上述方法进行查询的话,无法直接找到用户需要的结果数据,查询效率较低。
发明内容
基于此,有必要针对现有的数据回溯查询技术在回溯结果数据量大的情况下查询效率低的技术问题,提供一种能够能在数据回溯的过程中,有效提高数据查找效率的数据回溯方法、装置、计算机设备和存储介质。
一种数据回溯方法,所述方法包括:
获取用户端的数据回溯请求;
根据所述数据回溯请求查找用户端的用户身份数据以及用户历史数据;
查找所述用户身份数据对各预设数据信息的关注度,识别所述用户历史数据与所述预设数据信息的匹配度,根据所述关注度以及所述匹配度获取所述预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,所述预设数据信息包括数据类型信息以及数据字段信息;
根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端。
在其中一个实施例中,所述根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端之前,还包括:
根据所述数据回溯请求获取用户端对应的权限信息;
根据所述权限信息更新所述推荐数据信息。
在其中一个实施例中,用户身份包括第一级身份以及从属于所述第一级身份的第二级身份,所述用户所述根据所述数据回溯请求查找用户端的用户身份数据以及用户历史数据包括:
根据所述数据回溯请求查找所述用户端的用户身份数据;
当所述用户身份为第一级身份时,将所述用户身份数据对应的用户历史数据,作为所述数据回溯请求对应的用户历史数据;
当所述用户身份为第二级身份时,将所述用户身份数据对应的用户历史数据,以及所述第二级身份从属的第一级身份对应的用户历史数据,作为所述数据回溯请求对应的用户历史数据。
在其中一个实施例中,所述根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端包括:
获取所述推荐数据信息与数据库内数据组的描述信息的重合度;
根据所述重合度对所述数据组进行排序,获取推荐数据;
将所述推荐数据反馈至用户端。
在其中一个实施例中,所述推荐数据包括数据变动信息,所述根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端包括:
根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据;
根据所述推荐数据中的数据变动信息生成对应数据变动动画;
反馈所述推荐数据以及数据变动动画至客户端。
在其中一个实施例中,所述根据所述用户身份数据以及用户历史数据,获取所述用户端对应的推荐数据信息之后,还包括:
当所述推荐数据信息为空时,反馈回溯失败消息至所述用户端。
一种数据回溯装置,所述装置包括:
请求获取模块,用于获取用户端的数据回溯请求;
数据查找模块,用于根据所述数据回溯请求查找用户端的用户身份数据以及用户历史数据;
推荐信息确定模块,用于查找所述用户身份数据对各预设数据信息的关注度,识别所述用户历史数据与所述预设数据信息的匹配度,根据所述关注度以及所述匹配度获取所述预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,所述预设数据信息包括数据类型信息以及数据字段信息;
推荐数据查找模块,用于根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端。
在其中一个实施例中,还包括权限校验模块,用于:
根据所述数据回溯请求获取用户端对应的权限信息;
根据所述权限信息更新所述推荐数据信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取用户端的数据回溯请求;
根据所述数据回溯请求查找用户端的用户身份数据以及用户历史数据;
查找所述用户身份数据对各预设数据信息的关注度,识别所述用户历史数据与所述预设数据信息的匹配度,根据所述关注度以及所述匹配度获取所述预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,所述预设数据信息包括数据类型信息以及数据字段信息;
根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端。
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以下步骤:
获取用户端的数据回溯请求;
根据所述数据回溯请求查找用户端的用户身份数据以及用户历史数据;
查找所述用户身份数据对各预设数据信息的关注度,识别所述用户历史数据与所述预设数据信息的匹配度,根据所述关注度以及所述匹配度获取所述预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,所述预设数据信息包括数据类型信息以及数据字段信息;
根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端。
上述数据回溯方法、装置、计算机设备和存储介质,通过获取用户端的数据回溯请求;根据数据回溯请求查找用户端的用户身份数据以及用户历史数据;查找用户身份数据对各预设数据信息的关注度,识别用户历史数据与预设数据信息的匹配度,根据关注度以及匹配度获取预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息;根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据,反馈推荐数据至客户端。本申请的数据回溯方法通过结合用户的身份信息以及用户的历史数据,来提取用户推荐数据信息,根据推荐数据信息确定用户回溯请求对应的推荐数据,可以更加直接地找到用户需要的结果数据,提高数据回溯查询的效率。
附图说明
图1为一个实施例中数据回溯方法的应用环境图;
图2为一个实施例中数据回溯方法的流程示意图;
图3为另一个实施例中数据回溯方法的流程示意图;
图4为一个实施例中图2中步骤S600的字流程示意图;
图5为一个实施例中图2中步骤S800的字流程示意图;
图6为一个实施例中数据回溯装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的数据回溯方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与数据回溯服务器104通过网络进行通信。用户通过终端102提交数据回溯请求至数据回溯服务器104,数据回溯服务器104通过获取终端102提交的数据回溯请求;根据数据回溯请求查找用户端的用户身份数据以及用户历史数据;查找用户身份数据对各预设数据信息的关注度,识别用户历史数据与预设数据信息的匹配度,根据关注度以及匹配度获取预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,预设数据信息包括数据类型信息以及数据字段信息;根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据,反馈推荐数据至客户端。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,数据回溯服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一数据回溯方法,以该方法应用于图1中的数据回溯服务器104例进行说明,包括以下步骤:
步骤S200,数据回溯服务器获取用户端的数据回溯请求。
本申请的数据回溯方法通过数据回溯服务器实现,数据回溯服务器包含了记录用户身份数据、用户历史操作数据的数据库以及各种类型的待回溯数据,其中待回溯数据是指数据回溯请求所要查找的目标数据,比如对于一家工厂而言,待回溯数据可能包括了工厂各个时期对应的历史生产数据、历史财务数据以及人事变更数据等。数据回溯请求的目标数据,可以是用户需要根据数据库内存储的历史相关数据进行数据回溯分析时所需要用到的数据。用户可以通过向数据库发送该请求来获得用户端推荐的回溯数据。
S400,数据回溯服务器根据数据回溯请求查找用户端的用户身份数据以及用户历史数据。
其中,用户身份数据是指用户对应的身份信息的数据,用户身份信息与用户回溯数据的推荐类型有关,比如对于一个物流公司而言,用户身份具体是指用户是属于公司高管、会计或财务人员、仓库负责人、运输负责人等等中的哪一种,不同的用户身份匹配的用户推荐数据也不相同。用户历史数据则是指通过数据回溯请求对应的用户ID确定的用户历史数据,具体包括了用户的搜索历史记录和阅读浏览历史记录这两种数据。可以通过用户历史数据来对用户回溯请求进行分析,提取用户感兴趣的数据。具体的,服务器可以根据用户回溯请求携带的UID(User Identification,用户身份证明)来确定用户的用户身份信息,并直接从数据库内查找用户历史数据。
S600,查找用户身份数据对各预设数据信息的关注度,识别用户历史数据与预设数据信息的匹配度,根据关注度以及匹配度获取预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,预设数据信息包括数据类型信息以及数据字段信息。
其中数据类型是指通过类型的方式对数据进行划分,比如在其中一个实施例中,数据类型具体包括财务型数据、产品型数据以及人事型数据等等。而数据字段则可以理解为数据库中的数据栏目,比如财务数据可能由销售额、生产成本、管理成本等等数据字段构成。用户端对应的推荐数据信息可以是根据用户身份数据以及用户历史数据推测出的用户比较关心数据,比如对于一个用户身份为销售总监的用户,他关心的是产品类型的数据,也可能关系具体财务数据中销售部的总销售额这样的数据字段。推荐数据信息具体可以是预设的数据字段以及数据类型中的一部分。而通过用户身份数据以及用户历史数据获取推荐数据信息的过程,可以通过总结用户对应推荐度来确定。推荐度具体包括两个方面的数据,其一就是用户身份对各预设数据信息的关注度,另一个是用户历史数据与预设数据信息的匹配度。用户身份对各预设数据信息的关注度,可以基于所有与当前用户的用户身份类似的其他用户身上的历史数据学习获取。一般而言,类似用户身份的用户一般会对有一些共同关注的数据,如财务身份的用户会比较关心财务类型的数据比较关注,同时会关注销售额以及财务报表之类的数据字段。而用户历史数据与预设数据信息的匹配度,可以通过学习当前用户的搜索与浏览记录来确定。服务器可以总结用户搜索的频率、浏览的频率以及浏览的时长,并确定用户搜索与浏览的数据对应的数据类型与数据字段,从而确定用户历史数据与预设数据信息的匹配度。而后匹配度与关注度各自被分配有不同的权重,可以基于关注度以及匹配度以及他们对应的权重,确定用户对应的推荐度。推荐度阈值具体可以根据方案训练过程中所用到的历史数据以及数据回溯实际需要的准确度来确定。在其中一个实施例中,上述过程可以通过基于LSTM的神经网络模型来确定推荐数据信息。通过总结用户历史数据与用户身份数据,可以有效确定推荐数据信息对应的推荐度,从而可以更符合用户需要的推荐数据。
S800,根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据,反馈推荐数据至客户端。
在确定用户对应的推荐数据信息后,可以根据该推荐数据信息在数据库内进行匹配查找,来获取用户的数据回溯请求对应的推荐数据,并将这些推荐数据反馈给到用户端,供其查看。其中,查找推荐数据的过程可以自然语言处理相关的人工智能模型来实现。例如,若用户为仓库负责人,服务器通过学习该用户的历史数据,发现用户2019年4月曾经针对2019年1-3月份的仓库统计数据进行浏览,那么系统可以进行几种方式的回溯,供用户选择浏览:(1)2019年1-3月份的仓库人员变动数据、物流数据或销售数据(按照时间关注为匹配重点);(2)2019年4-6月的仓库统计数据(推测同项目的时间连续性为匹配重点);(3)2019年6-8月的仓库统计数据(推测同项目的最新时间为匹配重点)。
上述数据回溯方法,通过获取用户端的数据回溯请求;根据数据回溯请求查找用户端的用户身份数据以及用户历史数据;查找用户身份数据对各预设数据信息的关注度,识别用户历史数据与预设数据信息的匹配度,根据关注度以及匹配度获取预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息;根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据,反馈推荐数据至客户端。本申请的数据回溯方法通过结合用户的身份信息以及用户的历史数据,来提取用户推荐数据信息,根据推荐数据信息确定用户回溯请求对应的推荐数据,可以更加直接地找到用户需要的结果数据,提高数据回溯查询的效率。
如图3所示,在其中一个实施例中,步骤S800之前还包括:
S720,根据数据回溯请求获取用户端对应的权限信息。
S740,根据权限信息更新推荐数据信息。
对于一些数据库而言,不同的用户身份在数据库内可以查询的数据范围是不同的。数据库可以给不同的用户身份赋予不同的权限来保证正确的查询范围。因此用户身份数据中还可以包含用户对应的权限信息,可以根据用户端发送的数据回溯请求确认用户的用户身份数据,并基于该用户身份数据确认用户的权限信息。同时将推荐数据信息中不属于用户权限范围内的推荐数据信息进行替换更新,将不属于用户权限范围内的数据类型以及数据字段替换为后续可以与用户权限匹配的数据类型以及数据字段。通过权限匹配,可以有效提高数据回溯过程中的数据安全性。
如图4所示,在其中一个实施例中,用户身份包括第一级身份以及从属于第一级身份的第二级身份,步骤S400包括:
S410,根据数据回溯请求查找用户端的用户身份数据。
S430,当用户身份为第一级身份时,将用户身份数据对应的用户历史数据,作为数据回溯请求对应的用户历史数据。
S450,当用户身份为第二级身份时,将用户身份数据对应的用户历史数据,以及第二级身份从属的第一级身份对应的用户历史数据,作为数据回溯请求对应的用户历史数据。
具体的,可以将用户身份划分为不同的等级,在查找用户历史数据时,可以将高级身份的阅读历史数据与浏览历史数据自动匹配到高级身份下的低级身份上。例如一个财务总监可以划分为第一级身份,而财务助理的身份可以划分为从属于财务总监的第一级身份的第二级身份,可以通过设置身份等级,进而扩大获取推荐数据过程中所使用到的历史数据的范围,进一步提高推荐数据信息的可信度。特别的,虽然本实施例中只划分了第一级身份以及第二级身份,但是在实施本方法时,可以根据实际情况拓展出对应的第三级身份以及后续其他等级的身份。
如图5所示,在其中一个实施例中,步骤S800包括:
S810,获取推荐数据信息与数据库内数据组的描述信息的重合度。
S830,根据重合度对数据组进行排序,获取推荐数据。
S850,将推荐数据反馈至用户端。
数据库内包含若干的数据组,各数据组包含对应的描述信息,可以基于获取的推荐数据信息与确定的描述信息来确定各个数据组对应的重合度。与推荐数据信息中的数据类型或者数据字段越符合的数据组,其描述信息与推荐数据信息的重合度越高。而后可以基于该重合度对所有的数据组进行排序,并根据排序的结果确定推荐数据,一般可以取排序前几位的数据作为推荐数据反馈给到用户端。通过数据描述信息与推荐数据信息可以快速查找到符合用户特点的推荐数据,提高数据回溯的整体效率。在其中一个实施例中,步骤S810之前还包括:根据推荐数据信息与数据库内数据组的描述信息对数据组进行过滤处理。在获取重合度之前,还可以进行一道数据过滤的步骤,根据描述信息中不数据推荐数据信息的数据类型,或者不包含对应数据字段的数据组全部过滤掉,而后直接获取其他数据组的重合度,通过数据过滤的过程,可以有效提高获取推荐数据的效率,整体提高数据回溯的效率。
在其中一个实施例中,步骤S800包括:根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据;根据推荐数据中的数据变动信息生成对应数据变动动画;反馈推荐数据以及数据变动动画至客户端。
特别的,服务器会自动记录数据库中数据的较大变动,如财务数据的重大款项汇入汇出的时间节点,销售数据的重大合同达成时间节点。数据的较大变动具体还是指数据的变动率较大,超过了变动率阈值。其中,变动率即当前数据除以前次数据的变化百分比。用户在进行数据回溯的时候,可以通过指令控制服务器对这些数据库的较大变动进行单独显示,或者和其他数据并列时进行高亮显示,此外如果客户选择根据时间顺序对这些数据进行排序。特别的,在响应数据回溯时,服务器可以自动显示已记录的数据变动率在变动率阈值之上的数据变动信息对应的时间排序。而后服务器可以通过动画方式来对数据变动的过程进行展示。此外在另一个实施例中,服务器可以通过视频的形式来展示数据变动的过程。
在其中一个实施例中,步骤S800之后还包括:
当推荐数据信息为空时,反馈回溯失败消息至用户端。
特别的,在通过用户身份数据以及用户历史数据无法查找到用户对应的推荐数据信息时,可以直接反馈一个回溯失败消息给到用户端。当用户为新用户,或者是通过机器学习无法计算出用户感兴趣的字段,或者是查找到的推荐数据信息与用户权限不符合时,可能会出现推荐数据信息为空的情况,这种情况下,可以直接反馈回溯失败消息给到用户端。
应该理解的是,虽然图2至图5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2至图5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种数据回溯装置,包括:
请求获取模块200,用于获取用户端的数据回溯请求;
数据查找模块400,用于根据数据回溯请求查找用户端的用户身份数据以及用户历史数据;
推荐信息确定模块600,用于查找用户身份数据对各预设数据信息的关注度,识别用户历史数据与预设数据信息的匹配度,根据关注度以及匹配度获取预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,预设数据信息包括数据类型信息以及数据字段信息;
推荐数据查找模块800,用于根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据,反馈推荐数据至客户端。
在其中一个实施例中,还包括权限校验模块,用于:根据数据回溯请求获取用户端对应的权限信息;根据权限信息更新推荐数据信息。
在其中一个实施例中,数据查找模块400具体用于:根据数据回溯请求查找用户端的用户身份数据;当用户身份为第一级身份时,将用户身份数据对应的用户历史数据,作为数据回溯请求对应的用户历史数据;当用户身份为第二级身份时,将用户身份数据对应的用户历史数据,以及第二级身份从属的第一级身份对应的用户历史数据,作为数据回溯请求对应的用户历史数据。
在其中一个实施例中,推荐数据查找模块800具体用于:获取推荐数据信息与数据库内数据组的描述信息的重合度;根据重合度对数据组进行排序,获取推荐数据;将推荐数据反馈至用户端。
在其中一个实施例中,推荐数据查找模块800还用于根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据;根据推荐数据中的数据变动信息生成对应数据变动动画;反馈推荐数据以及数据变动动画至客户端。
在其中一个实施例中,还包括失败消息反馈模块,用于当推荐数据信息为空时,反馈回溯失败消息至用户端。
关于数据回溯装置的具体限定可以参见上文中对于数据回溯方法的限定,在此不再赘述。上述数据回溯装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于用户身份数据、用户历史数据以及待回溯数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种数据回溯方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取用户端的数据回溯请求;
根据数据回溯请求查找用户端的用户身份数据以及用户历史数据;
查找用户身份数据对各预设数据信息的关注度,识别用户历史数据与预设数据信息的匹配度,根据关注度以及匹配度获取预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,预设数据信息包括数据类型信息以及数据字段信息;
根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据,反馈推荐数据至客户端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据数据回溯请求获取用户端对应的权限信息;根据权限信息更新推荐数据信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据数据回溯请求查找用户端的用户身份数据;当用户身份为第一级身份时,将用户身份数据对应的用户历史数据,作为数据回溯请求对应的用户历史数据;当用户身份为第二级身份时,将用户身份数据对应的用户历史数据,以及第二级身份从属的第一级身份对应的用户历史数据,作为数据回溯请求对应的用户历史数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取推荐数据信息与数据库内数据组的描述信息的重合度;根据重合度对数据组进行排序,获取推荐数据;将推荐数据反馈至用户端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据;根据推荐数据中的数据变动信息生成对应数据变动动画;反馈推荐数据以及数据变动动画至客户端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当推荐数据信息为空时,反馈回溯失败消息至用户端。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取用户端的数据回溯请求;
根据数据回溯请求查找用户端的用户身份数据以及用户历史数据;
查找用户身份数据对各预设数据信息的关注度,识别用户历史数据与预设数据信息的匹配度,根据关注度以及匹配度获取预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,预设数据信息包括数据类型信息以及数据字段信息;
根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据,反馈推荐数据至客户端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据数据回溯请求获取用户端对应的权限信息;根据权限信息更新推荐数据信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据数据回溯请求查找用户端的用户身份数据;当用户身份为第一级身份时,将用户身份数据对应的用户历史数据,作为数据回溯请求对应的用户历史数据;当用户身份为第二级身份时,将用户身份数据对应的用户历史数据,以及第二级身份从属的第一级身份对应的用户历史数据,作为数据回溯请求对应的用户历史数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取推荐数据信息与数据库内数据组的描述信息的重合度;根据重合度对数据组进行排序,获取推荐数据;将推荐数据反馈至用户端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据推荐数据信息在数据库内进行匹配查找,获取数据回溯请求对应的推荐数据;根据推荐数据中的数据变动信息生成对应数据变动动画;反馈推荐数据以及数据变动动画至客户端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当推荐数据信息为空时,反馈回溯失败消息至用户端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种数据回溯方法,包括:
获取用户端的数据回溯请求;
根据所述数据回溯请求查找用户端的用户身份数据以及用户历史数据;
查找所述用户身份数据对各预设数据信息的关注度,识别所述用户历史数据与所述预设数据信息的匹配度,根据所述关注度以及所述匹配度获取所述预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,所述预设数据信息包括数据类型信息以及数据字段信息;
根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端。
2.根据权利要求1所述的方法,其特征在于,所述根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端之前,还包括:
根据所述数据回溯请求获取用户端对应的权限信息;
根据所述权限信息更新所述推荐数据信息。
3.根据权利要求1所述的方法,其特征在于,用户身份包括第一级身份以及从属于所述第一级身份的第二级身份,所述用户所述根据所述数据回溯请求查找用户端的用户身份数据以及用户历史数据包括:
根据所述数据回溯请求查找所述用户端的用户身份数据;
当所述用户身份为第一级身份时,将所述用户身份数据对应的用户历史数据,作为所述数据回溯请求对应的用户历史数据;
当所述用户身份为第二级身份时,将所述用户身份数据对应的用户历史数据,以及所述第二级身份从属的第一级身份对应的用户历史数据,作为所述数据回溯请求对应的用户历史数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端包括:
获取所述推荐数据信息与数据库内数据组的描述信息的重合度;
根据所述重合度对所述数据组进行排序,获取推荐数据;
将所述推荐数据反馈至用户端。
5.根据权利要求1所述的方法,其特征在于,所述推荐数据包括数据变动信息,所述根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端包括:
根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据;
根据所述推荐数据中的数据变动信息生成对应数据变动动画;
反馈所述推荐数据以及数据变动动画至客户端。
6.根据权利要求1所述的方法,其特征在于,所述根据所述用户身份数据以及用户历史数据,获取所述用户端对应的推荐数据信息之后,还包括:
当所述推荐数据信息为空时,反馈回溯失败消息至所述用户端。
7.一种数据回溯装置,其特征在于,所述装置包括:
请求获取模块,用于获取用户端的数据回溯请求;
数据查找模块,用于根据所述数据回溯请求查找用户端的用户身份数据以及用户历史数据;
推荐信息确定模块,用于查找所述用户身份数据对各预设数据信息的关注度,识别所述用户历史数据与所述预设数据信息的匹配度,根据所述关注度以及所述匹配度获取所述预设数据信息的推荐度,将推荐度大于预设推荐度阈值的预设数据信息作为推荐数据信息,所述预设数据信息包括数据类型信息以及数据字段信息;
推荐数据查找模块,用于根据所述推荐数据信息在数据库内进行匹配查找,获取所述数据回溯请求对应的推荐数据,反馈所述推荐数据至客户端。
8.根据权利要求7所述的装置,其特征在于,还包括权限校验模块,用于:
根据所述数据回溯请求获取用户端对应的权限信息;
根据所述权限信息更新所述推荐数据信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911087089.9A CN111078995B (zh) | 2019-11-08 | 2019-11-08 | 数据回溯方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911087089.9A CN111078995B (zh) | 2019-11-08 | 2019-11-08 | 数据回溯方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111078995A true CN111078995A (zh) | 2020-04-28 |
CN111078995B CN111078995B (zh) | 2022-05-17 |
Family
ID=70310730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911087089.9A Active CN111078995B (zh) | 2019-11-08 | 2019-11-08 | 数据回溯方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111078995B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108924258A (zh) * | 2018-08-14 | 2018-11-30 | 深圳壹账通智能科技有限公司 | 后台信息推送方法、装置、计算机设备和存储介质 |
CN110287421A (zh) * | 2019-06-28 | 2019-09-27 | 北京金山安全软件有限公司 | 一种信息内容推荐方法、装置及电子设备 |
US20190340580A1 (en) * | 2018-05-02 | 2019-11-07 | Oath Inc. | Systems and methods for future event recommendation |
-
2019
- 2019-11-08 CN CN201911087089.9A patent/CN111078995B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190340580A1 (en) * | 2018-05-02 | 2019-11-07 | Oath Inc. | Systems and methods for future event recommendation |
CN108924258A (zh) * | 2018-08-14 | 2018-11-30 | 深圳壹账通智能科技有限公司 | 后台信息推送方法、装置、计算机设备和存储介质 |
CN110287421A (zh) * | 2019-06-28 | 2019-09-27 | 北京金山安全软件有限公司 | 一种信息内容推荐方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111078995B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876133A (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN110751533B (zh) | 产品画像生成方法、装置、计算机设备和存储介质 | |
CN110458324B (zh) | 风险概率的计算方法、装置和计算机设备 | |
CN109063108B (zh) | 搜索排序方法、装置、计算机设备和存储介质 | |
CN115526363A (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN109886554B (zh) | 违规行为判别方法、装置、计算机设备和存储介质 | |
CN110880006B (zh) | 用户分类方法、装置、计算机设备和存储介质 | |
CN112231224A (zh) | 基于人工智能的业务系统测试方法、装置、设备和介质 | |
CN110135943B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN109284369B (zh) | 证券新闻资讯重要性的判定方法、系统、装置及介质 | |
CN110659297A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN111209929A (zh) | 访问数据处理方法、装置、计算机设备及存储介质 | |
CN110442713A (zh) | 文章管理方法、装置、计算机设备和存储介质 | |
CN112685639A (zh) | 活动推荐方法、装置、计算机设备和存储介质 | |
CN115544007A (zh) | 标签预处理方法、装置、计算机设备和存储介质 | |
CN111160566A (zh) | 样本生成方法、装置、计算机可读存储介质和计算机设备 | |
Liu et al. | Extracting, ranking, and evaluating quality features of web services through user review sentiment analysis | |
Jiang et al. | Modeling real estate dynamics using temporal encoding | |
CN110688406A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN114398864A (zh) | 报表显示方法、装置、设备及存储介质 | |
CN116150663A (zh) | 数据分级方法、装置、计算机设备和存储介质 | |
CN110097250B (zh) | 产品风险预测方法、装置、计算机设备和存储介质 | |
CN111078995B (zh) | 数据回溯方法、装置、计算机设备和存储介质 | |
Khan et al. | Context-aware and Click Session-based Graph Pattern Mining with Recommendations for Smart EMS through AI | |
CN111489207A (zh) | 基于区块链系统的评价信息写入方法、装置及硬件设备 |
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 |