CN116319395A - 一种基于大数据的计算机信息处理系统及方法 - Google Patents

一种基于大数据的计算机信息处理系统及方法 Download PDF

Info

Publication number
CN116319395A
CN116319395A CN202310277180.7A CN202310277180A CN116319395A CN 116319395 A CN116319395 A CN 116319395A CN 202310277180 A CN202310277180 A CN 202310277180A CN 116319395 A CN116319395 A CN 116319395A
Authority
CN
China
Prior art keywords
message
push message
push
application program
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
Application number
CN202310277180.7A
Other languages
English (en)
Other versions
CN116319395B (zh
Inventor
董超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Libote Information Technology Co ltd
Original Assignee
Shijiazhuang Kashan Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shijiazhuang Kashan Technology Co ltd filed Critical Shijiazhuang Kashan Technology Co ltd
Priority to CN202310277180.7A priority Critical patent/CN116319395B/zh
Publication of CN116319395A publication Critical patent/CN116319395A/zh
Application granted granted Critical
Publication of CN116319395B publication Critical patent/CN116319395B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/508—Network service management, e.g. ensuring proper service fulfilment according to agreements based on type of value added network service under agreement
    • H04L41/5093—Network service management, e.g. ensuring proper service fulfilment according to agreements based on type of value added network service under agreement wherein the managed service relates to messaging or chat services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0823—Errors, e.g. transmission errors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明涉及计算机信息处理技术领域。具体为一种基于大数据的计算机信息处理系统及方法，所述计算机信息处理系统包括数据采集模块、数据分析模块、信息处理模块和应用反馈模块；所述数据采集模块是对推送消息应用程序的ip地址信息、计算机设备中应用程序的运行内存和应用程序在进行消息推送时的运行内存以及推送消息的类别采集；所述数据分析模块是根据数据采集模块采集的数据信息对异常的推送消息分析，并且对推送消息分类鉴别，根据数据库中历史数据对用户画像进行分析；所述信息处理模块是对消息进行推送或者屏蔽处理；所述应用反馈模块是对消息屏蔽应用的利用率进行反馈。本发明减少了消息泛滥的情况出现以及提高了用户满意度。

Description

一种基于大数据的计算机信息处理系统及方法
技术领域
本发明涉及计算机信息处理技术领域，具体为一种基于大数据的计算机信息处理系统及方法。
背景技术
随着互联网计算机技术的飞速发展，网络已经成了大众生活必不可少的部分它的最大优点就是可以将大量的信息互相共享。不管是移动终端还是个人电脑，人们总是可以通过设备进入互联网中获得自己感兴趣的信息。但同时，由于互联网具有很强的开放性，使得网络上的信息每天都在呈爆炸式地增长，信息的泛滥而引起网民难以消化现象出现；在注重用户体验的今天，它已经很难达用户满意程度，使得消息屏蔽应用诞生。
在现有的技术下，消息屏蔽应用只能够在限定的条件下，如设定相应词汇等使得消息屏蔽应用对推送消息进行屏蔽，并不能够针对用户的属性对推送消息进行屏蔽。
发明内容
本发明的目的在于提供一种基于大数据的计算机信息处理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的计算机信息处理方法，所述计算机信息处理方法包括以下具体步骤：
S100、通过数据库获取到计算机设备的相关数据信息，根据所述相关数据信息对计算机设备中推送服务器推送的消息是否属于异常消息进行判断；其中所述计算机设备的相关数据信息为计算机设备权限授予情况以及计算机设备中的应用软件的推送消息的内容信息、消息推送次数和消息推送间隔；
S200、通过对计算机设备所属用户的特征向量进行分析，根据所述用户的特征向量对计算机设备的推送消息进行分类鉴别处理，在消息屏蔽软件对消息进行筛选后对推送信息进行处理，其中处理结果包括在消息推送的过程中对无用消息进行屏蔽或者删除，对有用的推送消息允许推送或者压缩打包储存；
S300、根据推送消息的相关数据信息，分析消息屏蔽软件对计算机设备的利用率。
进一步的，所述S100中对用户终端设备进行分析获取相关数据后判断异常推送信息的具体方法如下：
S101、通过数据库能够获取到计算机设备授予消息推送权限的应用程序为Sa，通过消息推送的历史数据信息获取到计算机设备的全部推送消息，利用ip地址信息进行查询对推送消息的来源进行分析，由于应用程序在向计算机设备推送消息时需要发送消息申请，在用户通过应用程序发送的消息推送授权申请时，应用服务器会与推送服务器建立长连接，应用程序会与计算机设备的推送服务器进行通信，在通信的过程中计算机设备获取应用程序的ip地址信息；对同一ip地址信息的推送消息进行筛选归类；其中a＝1、2、3，、、、，A，A为常数；
S102、在对计算机设备中推送消息进行筛选归类后，选取任意一ip地址信息的推送消息进行分析，获取任意一ip地址信息的历史推送消息和预推送消息的文本内容以及图片信息，建立直角坐标系，将同一ip地址信息的历史推送消息和预推送消息的文本内容以及图片信息映射到直角坐标系中，通过余弦相似度：
Figure DA00041366952658747110
计算得到同一个ip地址信息的历史推送消息和预推送消息的内容与历史推送消息内容的相似度；其中，cos(θ)∈[0,1]，(xn，yn)表示为同一ip地址信息的历史推送消息和预推送消息在直角坐标系中映射的向量值，n＝1、2、3，、、、，N，N为常数；
S103、当同一ip地址信息的预推送消息和历史推送消息的相似度超过设定阈值Z时，则所述预推送消息属于异常推送消息，其中同一ip地址信息的推送消息即为同一个应用程序推送的消息，当同一个应用程序出现内容相似的预推送消息时说明该预推送消息属于异常消息，对计算机设备的预推送消息进行屏蔽处理。
进一步的，所述S200中对用户终端设备所属用户的特征向量进行分析的具体方法如下：
S201、通过对应用程序为Sa的软件日志进行遍历，获取在应用程序Sa对计算机设备进行推送的消息类别，并且获取用户对应用程序推送消息作出的处理结果，所述处理结果为阅览和关闭两种处理方法，令用户产生阅览行为的推送消息类别为集合Ir，用户产生关闭行为的推送消息类别为集合Inr；
S202、通过公式：
Figure BDA0004136695260000031
能够得到对应用户u的用户画像向量，通过用Rocchio算法构建用户画像向量时，通常假设该向量与用户经常阅览的推送消息特征之间的相关性最大，与用户不喜欢的推送消息特征之间的相关性最小；其中U0表示初始用户的特征向量，α、β、γ分别表示为用户初始特征向量、正反馈、负反馈的权重；β＞γ，因为在实际应用中正反馈的重要性比负反馈的大；kj表示为推送消息类别j的特征向量，ki表示为推送消息类别i的特征向量，j∈Ir，i∈Inr，|Ir|和|Inr|分别表示为令用户产生阅览行为以及关闭行为的推送消息类别集合中的元素个数；利用用户画像对计算机设备所属用户的具体信息抽象成标签，针对这些标签将用户形象具体化，从而能够对用户提供针对性的服务。
进一步的，所述S200中对计算机设备推送消息进行分类鉴别处理的具体方法如下：获取计算机设备当前推送的消息类别，根据公式：
F(u，q)＝|Wu|*(∑δRqg-∑εRqb)
计算得到用户u对预推送消息q的感兴趣程度，其中|Wu|为用户u的用户画像向量的模值，Rqg表示为预推送消息类别q与集合Ir内推送消息g类别的相似度，g∈Ir；Rqb表示为预推送消息类别q与集合Inr内推送消息b类别的相似度，b∈Inr；δ和ε为预推送消息类别与历史推送消息类别相似度的权值；根据用户画像向量模值与产生阅览行为的推送消息和产生关闭行为的推送消息相似度累加和的差值进行相乘能够得到用户对预推送消息的感兴趣程度；根据预推送消息类别与令用户产生阅览行为的推送消息类别进行相似度分析，将与产生阅览行为以及关闭行为的推送消息的相似度的累加值进行相减后，通过与用户画像的乘积能够计算得到用户对预推送消息的但兴趣程度。当P(u，q)小于设定的阈值，推送消息屏蔽应用对推送消息进行屏蔽处理；反之，对消息允许推送。
进一步的，所述S300中对推送消息屏蔽软件的利用率进行分析具体方法如下：
S301、根据所述应用程序Sa的数据库能够实时捕获到应用程序在所述计算机设备中进行消息推送时占用的运行内存为
Figure BDA0004136695260000032
根据消息屏蔽应用在计算机设备中的运行内存为px；其中PSa为应用程序Sa在所述计算机设备中进行消息推送时占用的运行内存；
S302、根据公式f＝P/px*100％能够得到计算机设备中消息屏蔽应用的利用率，当利用率小于一时，进行告警处理，说明在当前计算机设备中消息屏蔽应用的运行内存大于推送消息占用的运行内存，在该设备中消息屏蔽应用反而会占用计算机设备的运行内存。
一种基于大数据的计算机信息处理系统，所述计算机信息处理系统包括数据采集模块、数据分析模块、信息处理模块和应用反馈模块；所述数据采集模块是对推送消息应用程序的ip地址信息、计算机设备中应用程序的运行内存和应用程序在进行消息推送时的运行内存以及推送消息的类别进行采集，通过对推送消息的相关数据信息进行采集能够对异常推送消息进行判断，并且对推送消息进行分类鉴别处理；所述数据分析模块是根据数据采集模块采集的数据信息对异常的推送消息进行分析，并且对当前的推送消息分类鉴别，其中分类鉴别处理是对预推送消息进行兴趣程度鉴别，根据兴趣程度采取推送消息屏蔽以及允许消息推送两种处理方式，根据数据库中历史数据对用户画像进行分析，通过对用户画像进行分析能够得到用户对预推送消息的喜恶程度；所述信息处理模块是对消息进行推送或者屏蔽处理；所述应用反馈模块是对消息屏蔽应用的利用率进行反馈。
进一步的，所述数据采集模块包括ip地址信息采集单元、推送消息筛选归类单元和运行内存采集单元；所述ip地址信息采集单元是对计算机设备中推送消息应用程序的ip地址信息进行采集，根据所述应用程序的ip地址信息能够得到在计算机设备中推送消息所属的应用程序，就能够针对同一应用程序的推送消息进行推送消息异常分析；所述推送消息筛选归类单元是在获取计算机设备中推送消息的所属应用程序时，根据应用程序对计算机设备中的推送消息进行筛选归类处理；所属运行内存采集单元是对应用程序推送消息的运行内存以及消息屏蔽应用的运行内存进行采集，通过应用程序推送消息的运行内存以及消息屏蔽应用的运行内存进行采集并且分析，能够得到消息屏蔽应用在计算机设备中的利用率。
进一步的，所述数据分析模块包括推送消息分类鉴别单元、异常推送消息分析单元和用户画像分析单元；所述消息分类鉴别单元是根据用户对计算机预推送消息喜恶程度进行鉴别，并且根据相应的鉴别结果对推送消息进行分类，根据分类的结果对消息进行屏蔽以及推送两种处理结果；所述异常推送消息分析单元是对计算机设备的预推送消息是否属于异常消息进行分析，当预推送消息属于异常消息时，对该预推送消息进行屏蔽处理；所述用户画像分析单元是对用户的历史推送消息阅览数据信息分析，根据所述阅览数据能够得到用户画像，客观的获取到用户的基本属性以及更加直观的了解用户需求。
进一步的，所述信息处理模块包括数据存储单元和推送消息处理决策单元；所述数据存储单元是对采集的推送消息应用程序的ip地址信息、计算机设备中应用程序的运行内存和应用程序在进行消息推送时的运行内存以及推送消息类别的数据信息进行存储；所述推送消息处理决策单元是对预推送消息进行推送和屏蔽处理。
进一步的，所述应用反馈模块包括利用率分析单元和告警单元；所述利用率分析单元是对消息屏蔽应用在计算机设备中的利用率进行分析，通过对消息屏蔽应用的运行内存以及应用程序在推送消息时运行的内存进行分析得到消息屏蔽应用在计算机设备中的利用率；所述告警单元是在消息屏蔽应用在计算机设备中的利用率小于设定阈值时进行告警提醒。
与现有技术相比，本发明所达到的有益效果是：本发明通过对用户的属性进行分析，对相应的推送消息进行屏蔽等处理，减少了推送消息泛滥的情况出现，并且针对用户属性对消息进行推送提高了用户的满意度。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是一种基于大数据的计算机信息处理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
请参阅图1，本发明提供技术方案：一种基于大数据的计算机信息处理方法，所述计算机信息处理方法包括以下具体步骤：
S100、通过数据库获取到计算机设备的相关数据信息，根据所述相关数据信息对计算机设备中推送服务器推送的消息是否属于异常消息进行判断；其中所述计算机设备的相关数据信息为计算机设备权限授予情况以及计算机设备中的应用软件的推送消息的内容信息、消息推送次数和消息推送间隔；
S200、通过对计算机设备所属用户的特征向量进行分析，根据所述用户的特征向量对计算机设备的推送消息进行分类鉴别处理，在消息屏蔽软件对消息进行筛选后对推送信息进行处理，其中处理结果包括在消息推送的过程中对无用消息进行屏蔽或者删除，对有用的推送消息允许推送或者压缩打包储存；
S300、根据推送消息的相关数据信息，分析消息屏蔽软件对计算机设备的利用率。
进一步的，所述S100中对用户终端设备进行分析获取相关数据后判断异常推送信息的具体方法如下：
S101、通过数据库能够获取到计算机设备授予消息推送权限的应用程序为Sa，通过消息推送的历史数据信息获取到计算机设备的全部推送消息，利用ip地址信息进行查询对推送消息的来源进行分析，由于应用程序在向计算机设备推送消息时需要发送消息申请，在用户通过应用程序发送的消息推送授权申请时，应用服务器会与推送服务器建立长连接，应用程序会与计算机设备的推送服务器进行通信，在通信的过程中计算机设备获取应用程序的ip地址信息；对同一ip地址信息的推送消息进行筛选归类；其中a＝1、2、3，、、、，A，A为常数；
S102、在对计算机设备中推送消息进行筛选归类后，选取任意一ip地址信息的推送消息进行分析，获取任意一ip地址信息的历史推送消息和预推送消息的文本内容以及图片信息，建立直角坐标系，将同一ip地址信息的历史推送消息和预推送消息的文本内容以及图片信息映射到直角坐标系中，通过余弦相似度：
Figure DA00041366952658824610
计算得到同一个ip地址信息的历史推送消息和预推送消息的内容与历史推送消息内容的相似度；其中，cos(θ)∈[0,1]，(xn，yn)表示为同一ip地址信息的历史推送消息和预推送消息在直角坐标系中映射的向量值，n＝1、2、3，、、、，N，N为常数；
S103、当同一ip地址信息的预推送消息和历史推送消息的相似度超过设定阈值Z＝0.85时，则所述预推送消息属于异常推送消息，其中同一ip地址信息的推送消息即为同一个应用程序推送的消息，当同一个应用程序出现内容相似的预推送消息时说明该预推送消息属于异常消息，对计算机设备的预推送消息进行屏蔽处理。
进一步的，所述S200中对用户终端设备所属用户的特征向量进行分析的具体方法如下：
S201、通过对应用程序为Sa的软件日志进行遍历，获取在应用程序Sa对计算机设备进行推送的消息类别，并且获取用户对应用程序推送消息作出的处理结果，所述处理结果为阅览和关闭两种处理方法，令用户产生阅览行为的推送消息类别为集合Ir，用户产生关闭行为的推送消息类别为集合Inr；
S202、通过公式：
Figure BDA0004136695260000071
能够得到对应用户u的用户画像向量，通过用Rocchio算法构建用户画像向量时，通常假设该向量与用户经常阅览的推送消息特征之间的相关性最大，与用户不喜欢的推送消息特征之间的相关性最小；其中U0表示初始用户的特征向量，α、β、γ分别表示为用户初始特征向量、正反馈、负反馈的权重；β＞γ，因为在实际应用中正反馈的重要性比负反馈的大；kj表示为推送消息类别j的特征向量，ki表示为推送消息类别i的特征向量，j∈Ir，i∈Inr，利用用户画像对计算机设备所属用户的具体信息抽象成标签，针对这些标签将用户形象具体化，从而能够对用户提供针对性的服务。
进一步的，所述S200中对计算机设备推送消息进行分类鉴别处理的具体方法如下：获取计算机设备当前推送的消息类别，根据公式：
F(u，q)＝|Wu|*(∑δRqg-∑εRqb)
计算得到用户u对预推送消息q的感兴趣程度，其中|Wu|为用户u的用户画像向量的模值，Rqg表示为预推送消息类别q与集合Ir内推送消息g类别的相似度，g∈Ir；Rqb表示为预推送消息类别q与集合Inr内推送消息b类别的相似度，b∈Inr；δ和ε为预推送消息类别与历史推送消息类别相似度的权值；根据预推送消息类别与令用户产生阅览行为的推送消息类别进行相似度分析，将与产生阅览行为以及关闭行为的推送消息的相似度的累加值进行相减后，通过与用户画像的乘积能够计算得到用户对预推送消息的但兴趣程度。当P(u，q)小于设定的阈值，推送消息屏蔽应用对推送消息进行屏蔽处理；反之，对消息允许推送。
进一步的，所述S300中对推送消息屏蔽软件的利用率进行分析具体方法如下：
S301、根据所述应用程序Sa的数据库能够实时捕获到应用程序在所述计算机设备中进行消息推送时占用的运行内存为
Figure BDA0004136695260000072
根据消息屏蔽应用在计算机设备中的运行内存为px＝0.4g；其中PSa为应用程序Sa在所述计算机设备中进行消息推送时占用的运行内存；
S302、根据公式f＝P/px*100％＝50％能够得到计算机设备中消息屏蔽你应用的利用率，当利用率小于一时，进行告警处理。
一种基于大数据的计算机信息处理系统，所述计算机信息处理系统包括数据采集模块、数据分析模块、信息处理模块和应用反馈模块；所述数据采集模块是对推送消息应用程序的ip地址信息、计算机设备中应用程序的运行内存和应用程序在进行消息推送时的运行内存以及推送消息的类别进行采集，通过对推送消息的相关数据信息进行采集能够对异常推送消息进行判断，并且对推送消息进行分类鉴别处理；所述数据分析模块是根据数据采集模块采集的数据信息对异常的推送消息进行分析，并且对当前的推送消息分类鉴别，其中分类鉴别处理是对预推送消息进行兴趣程度鉴别，根据兴趣程度采取推送消息屏蔽以及允许消息推送两种处理方式，根据数据库中历史数据对用户画像进行分析，通过对用户画像进行分析能够得到用户对预推送消息的喜恶程度；所述信息处理模块是对消息进行推送或者屏蔽处理；所述应用反馈模块是对消息屏蔽应用的利用率进行反馈。
进一步的，所述数据采集模块包括ip地址信息采集单元、推送消息筛选归类单元和运行内存采集单元；所述ip地址信息采集单元是对计算机设备中推送消息应用程序的ip地址信息进行采集，根据所述应用程序的ip地址信息能够得到在计算机设备中推送消息所属的应用程序，就能够针对同一应用程序的推送消息进行推送消息异常分析；所述推送消息筛选归类单元是在获取计算机设备中推送消息的所属应用程序时，根据应用程序对计算机设备中的推送消息进行筛选归类处理；所属运行内存采集单元是对应用程序推送消息的运行内存以及消息屏蔽应用的运行内存进行采集，通过应用程序推送消息的运行内存以及消息屏蔽应用的运行内存进行采集并且分析，能够得到消息屏蔽应用在计算机设备中的利用率。
进一步的，所述数据分析模块包括推送消息分类鉴别单元、异常推送消息分析单元和用户画像分析单元；所述消息分类鉴别单元是根据用户对计算机预推送消息喜恶程度进行鉴别，并且根据相应的鉴别结果对推送消息进行分类，根据分类的结果对消息进行屏蔽以及推送两种处理结果；所述异常推送消息分析单元是对计算机设备的预推送消息是否属于异常消息进行分析，当预推送消息属于异常消息时，对该预推送消息进行屏蔽处理；所述用户画像分析单元是对用户的历史推送消息阅览数据信息分析，根据所述阅览数据能够得到用户画像，客观的获取到用户的基本属性以及更加直观的了解用户需求。
进一步的，所述信息处理模块包括数据存储单元和推送消息处理决策单元；所述数据存储单元是对采集的推送消息应用程序的ip地址信息、计算机设备中应用程序的运行内存和应用程序在进行消息推送时的运行内存以及推送消息类别的数据信息进行存储；所述推送消息处理决策单元是对预推送消息进行推送和屏蔽处理。
进一步的，所述应用反馈模块包括利用率分析单元和告警单元；所述利用率分析单元是对消息屏蔽应用在计算机设备中的利用率进行分析，通过对消息屏蔽应用的运行内存以及应用程序在推送消息时运行的内存进行分析得到消息屏蔽应用在计算机设备中的利用率；所述告警单元是在消息屏蔽应用在计算机设备中的利用率小于设定阈值时进行告警提醒。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的计算机信息处理方法，其特征在于：所述计算机信息处理方法包括以下具体步骤：
S100、通过数据库获取到计算机设备的相关数据信息，根据所述相关数据信息对计算机设备中推送服务器的预推送消息是否属于异常消息进行判断；
S200、通过对计算机设备所属用户的特征向量进行分析，根据所述用户的特征向量对计算机设备的推送消息进行分类鉴别处理；
S300、根据推送消息的相关数据信息，分析消息屏蔽软件对计算机设备的利用率。
2.根据权利要求1所述的一种基于大数据的计算机信息处理方法，其特征在于：所述S100中对用户终端设备进行分析获取相关数据后判断异常推送信息的具体方法如下：
S101、通过数据库能够获取到计算机设备授予消息推送权限的应用程序为Sa，通过消息推送的历史数据信息获取到计算机设备的全部推送消息，对同一ip地址信息的推送消息进行筛选归类；其中a＝1、2、3，、、、，A，A为常数；
S102、在对计算机设备中推送消息进行筛选归类后，获取任意一ip地址信息的历史推送消息和预推送消息的文本内容以及图片信息，建立直角坐标系，将同一ip地址信息的历史推送消息和预推送消息的文本内容以及图片信息映射到直角坐标系中，通过余弦相似度：
Figure FDA0004136695250000011
计算得到同一个ip地址信息的历史推送消息和预推送消息的内容与历史推送消息内容的相似度；其中，cos(θ)∈[0,1]，(xn，yn)表示为同一ip地址信息的历史推送消息和预推送消息在直角坐标系中映射的向量值，n＝1、2、3，、、、，N，N为常数；
S103、当同一ip地址信息的预推送消息和历史推送消息的相似度超过设定阈值Z时，则所述预推送消息属于异常推送消息，对计算机设备的预推送消息进行屏蔽处理。
3.根据权利要求2所述的一种基于大数据的计算机信息处理方法，其特征在于：所述S200中对用户终端设备所属用户的特征向量进行分析的具体方法如下：
S201、通过对应用程序为Sa的软件日志进行遍历，获取在应用程序Sa对计算机设备进行推送的消息类别，并且获取用户对应用程序推送消息作出的处理结果，所述处理结果为阅览和关闭两种处理方法，令用户产生阅览行为的推送消息类别为集合Ir，用户产生关闭行为的推送消息类别为集合Inr；
S202、通过公式：
Figure FDA0004136695250000021
能够得到对应用户u的用户画像向量，其中U0表示初始用户的特征向量，α、β、γ分别表示为用户初始特征向量、正反馈、负反馈的权重；|Ir|和|Inr|分别表示为令用户产生阅览行为以及关闭行为的推送消息类别集合中的元素个数；β＞γ，kj表示为推送消息类别j的特征向量，ki表示为推送消息类别i的特征向量，j∈Ir，i∈Inr。
4.根据权利要求3所述的一种基于大数据的计算机信息处理方法，其特征在于：所述S200中对计算机设备推送消息进行分类鉴别处理的具体方法如下：获取计算机设备当前推送的消息类别，根据公式：
F(u，q)＝|Wu|*(ΣδRqg-∑εRqb)
计算得到用户u对预推送消息q的感兴趣程度，其中|Wu|为用户u的用户画像向量的模值，Rqg表示为预推送消息类别q与集合Ir内推送消息g类别的相似度，g∈Ir；Rqb表示为预推送消息类别q与集合Inr内推送消息b类别的相似度，b∈Inr；δ和ε为预推送消息类别与历史推送消息类别相似度的权值；当P(u，q)小于设定的阈值，推送消息屏蔽应用对推送消息进行屏蔽处理；反之，对消息允许推送。
5.根据权利要求4所述的一种基于大数据的计算机信息处理方法，其特征在于：所述S300中对推送消息屏蔽软件的利用率进行分析具体方法如下：
S301、根据所述应用程序Sa的数据库能够实时捕获到应用程序在所述计算机设备中进行消息推送时占用的运行内存为
Figure FDA0004136695250000022
根据消息屏蔽应用在计算机设备中的运行内存为px；其中PSa为应用程序Sa在所述计算机设备中进行消息推送时占用的运行内存；
S302、根据公式f＝P/px*100％能够得到计算机设备中消息屏蔽你应用的利用率，当利用率小于一时，进行告警处理。
6.一种应用权利要求1-5中任意一项所述的基于大数据的计算机信息处理方法的计算机信息处理系统，其特征在于：所述计算机信息处理系统包括数据采集模块、数据分析模块、信息处理模块和应用反馈模块；所述数据采集模块是对推送消息应用程序的ip地址信息、计算机设备中应用程序的运行内存和应用程序在进行消息推送时的运行内存以及推送消息的类别进行采集；所述数据分析模块是根据数据采集模块采集的数据信息对异常的推送消息进行分析，并且对当前的推送消息分类鉴别，根据数据库中历史数据对用户画像进行分析；所述信息处理模块是对消息进行推送或者屏蔽处理；所述应用反馈模块是对消息屏蔽应用的利用率进行反馈。
7.根据权利要求6所述的计算机信息处理系统，其特征在于：所述数据采集模块包括ip地址信息采集单元、推送消息筛选归类单元和运行内存采集单元；所述ip地址信息采集单元是对计算机设备中推送消息应用程序的ip地址信息进行采集；所述推送消息筛选归类单元是在获取计算机设备中推送消息的所属应用程序时，根据应用程序对计算机设备中的推送消息进行筛选归类处理；所属运行内存采集单元是对应用程序推送消息的运行内存以及消息屏蔽应用的运行内存进行采集。
8.根据权利要求7所述的计算机信息处理系统，其特征在于：所述数据分析模块包括推送消息分类鉴别单元、异常推送消息分析单元和用户画像分析单元；所述消息分类鉴别单元是根据用户对计算机设备中预推送消息喜恶程度进行鉴别；所述异常推送消息分析单元是对计算机设备的预推送消息是否属于异常消息进行分析；所述用户画像分析单元是对用户的历史推送消息阅览数据信息分析，根据所述阅览数据能够得到用户画像。
9.根据权利要求8所述的计算机信息处理系统，其特征在于：所述信息处理模块包括数据存储单元和推送消息处理决策单元；所述数据存储单元是对采集的推送消息应用程序的ip地址信息、计算机设备中应用程序的运行内存和应用程序在进行消息推送时的运行内存以及推送消息类别的数据信息进行存储；所述推送消息处理决策单元是对预推送消息进行推送和屏蔽处理。
10.根据权利要求9所述的计算机信息处理系统，其特征在于：所述应用反馈模块包括利用率分析单元和告警单元；所述利用率分析单元是对消息屏蔽应用在计算机设备中的利用率进行分析；所述告警单元是在消息屏蔽应用在计算机设备中的利用率小于设定阈值时进行告警提醒。
CN202310277180.7A 2023-03-21 2023-03-21 一种基于大数据的计算机信息处理系统及方法 Active CN116319395B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310277180.7A CN116319395B (zh) 2023-03-21 2023-03-21 一种基于大数据的计算机信息处理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310277180.7A CN116319395B (zh) 2023-03-21 2023-03-21 一种基于大数据的计算机信息处理系统及方法

Publications (2)

Publication Number Publication Date
CN116319395A true CN116319395A (zh) 2023-06-23
CN116319395B CN116319395B (zh) 2023-10-31

Family

ID=86799217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310277180.7A Active CN116319395B (zh) 2023-03-21 2023-03-21 一种基于大数据的计算机信息处理系统及方法

Country Status (1)

Country Link
CN (1) CN116319395B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104009910A (zh) * 2014-05-28 2014-08-27 惠州Tcl移动通信有限公司 一种基于移动终端的消息推送处理方法、系统及移动终端
CN106412334A (zh) * 2016-11-11 2017-02-15 努比亚技术有限公司 通知消息的屏蔽装置及方法
CN108509278A (zh) * 2018-03-30 2018-09-07 努比亚技术有限公司 消息屏蔽方法、消息屏蔽装置及计算机可读存储介质
US20190266242A1 (en) * 2018-02-27 2019-08-29 Advait Arumugam Method and apparatus to classify and mitigate cyberbullying
CN111010426A (zh) * 2019-11-27 2020-04-14 江苏苏宁物流有限公司 一种消息推送方法及装置
CN115002200A (zh) * 2022-05-31 2022-09-02 平安银行股份有限公司 基于用户画像的消息推送方法、装置、设备及存储介质
CN115659008A (zh) * 2022-09-27 2023-01-31 南京鼎山信息科技有限公司 大数据信息反馈的信息推送系统、方法、电子设备及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104009910A (zh) * 2014-05-28 2014-08-27 惠州Tcl移动通信有限公司 一种基于移动终端的消息推送处理方法、系统及移动终端
CN106412334A (zh) * 2016-11-11 2017-02-15 努比亚技术有限公司 通知消息的屏蔽装置及方法
US20190266242A1 (en) * 2018-02-27 2019-08-29 Advait Arumugam Method and apparatus to classify and mitigate cyberbullying
CN108509278A (zh) * 2018-03-30 2018-09-07 努比亚技术有限公司 消息屏蔽方法、消息屏蔽装置及计算机可读存储介质
CN111010426A (zh) * 2019-11-27 2020-04-14 江苏苏宁物流有限公司 一种消息推送方法及装置
CN115002200A (zh) * 2022-05-31 2022-09-02 平安银行股份有限公司 基于用户画像的消息推送方法、装置、设备及存储介质
CN115659008A (zh) * 2022-09-27 2023-01-31 南京鼎山信息科技有限公司 大数据信息反馈的信息推送系统、方法、电子设备及介质

Also Published As

Publication number Publication date
CN116319395B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
CN110598016B (zh) 一种多媒体信息推荐的方法、装置、设备和介质
Viswanath et al. Towards detecting anomalous user behavior in online social networks
Liao et al. Using text categorization techniques for intrusion detection
US8707431B2 (en) Insider threat detection
US10848590B2 (en) System and method for determining a contextual insight and providing recommendations based thereon
CN111914468A (zh) 一种空气污染智能监控分析方法及装置
EP2945113A1 (en) Audience segmentation using machine-learning
KR20070045445A (ko) 동영상의 비주얼 특징을 이용한 유해 동영상 판별함수 생성및 판별 방법 그리고 그 장치
JP3497712B2 (ja) 情報フィルタリング方法、装置及びシステム
KR20210006662A (ko) 지능정보기술기반 애니메이션 콘텐츠 리소스 서비스 시스템 및 방법
CN110991246A (zh) 一种视频检测方法及系统
CN113568934B (zh) 一种数据查询方法、装置、电子设备和存储介质
US7971054B1 (en) Method of and system for real-time form and content classification of data streams for filtering applications
US11620327B2 (en) System and method for determining a contextual insight and generating an interface with recommendations based thereon
CN116319395B (zh) 一种基于大数据的计算机信息处理系统及方法
CN113946710A (zh) 一种基于多模态与自监督表征学习的视频检索方法
CN113204699B (zh) 信息推荐方法、装置、电子设备及存储介质
CN116049808B (zh) 一种基于大数据的设备指纹采集系统及方法
CN116304351B (zh) 一种基于大数据的智能数据信息统计管理系统及方法
Lee et al. Hierarchical system for objectionable video detection
CN112199388A (zh) 陌电识别方法、装置、电子设备及存储介质
CN111479168A (zh) 用于标记多媒体内容热点的方法、装置、服务器以及介质
Capdevila et al. Recognizing warblers: a probabilistic model for event detection in Twitter
CN112261001A (zh) 一种基于流量数据分析的服务器行为监控方法
CN113362069A (zh) 风控模型的动态调整方法、装置、设备及可读存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20230927

Address after: 215000 room 1, Xueyuan Road 999, Bacheng Town, Kunshan, Suzhou, Jiangsu.

Applicant after: Suzhou Libote Information Technology Co.,Ltd.

Address before: Room 502, Zhentou Building, No. 122, Youyi South Street, Qiaoxi District, Shijiazhuang, Hebei 050051

Applicant before: Shijiazhuang Kashan Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant