CN117221828A - 一种基于5g应用的用户集群数据共享方法及系统 - Google Patents
一种基于5g应用的用户集群数据共享方法及系统 Download PDFInfo
- Publication number
- CN117221828A CN117221828A CN202311285336.2A CN202311285336A CN117221828A CN 117221828 A CN117221828 A CN 117221828A CN 202311285336 A CN202311285336 A CN 202311285336A CN 117221828 A CN117221828 A CN 117221828A
- Authority
- CN
- China
- Prior art keywords
- data
- message data
- matrix
- association
- representing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 70
- 238000013507 mapping Methods 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000013139 quantization Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 214
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000010295 mobile communication Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 27
- 238000004891 communication Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000013079 data visualisation Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及移动通信技术，提出了一种基于5G应用的用户集群数据共享方法及系统，其中，所述方法包括：获取用户消息数据及5G消息数据，对用户消息数据及5G消息数据进行量化划分，得到消息数据集合；计算消息数据集合之间的关联支持度及关联置信度，对消息数据集合进行空间维度划分，得到消息数据维度；根据关联支持度、关联置信度及消息数据维度对消息数据集合进行关联规则分析，得到消息数据关联因子；对消息数据集合进行空间映射，得到消息数据空间映射关系；根据消息数据关联因子及消息数据空间映射关系生成数据共享跟踪算法，利用数据共享跟踪算法对用户集群及5G应用进行数据共享。本发明可以提高数据共享时的准确性及效率。
Description
技术领域
本发明涉及移动通信技术领域，尤其涉及一种基于5G应用的用户集群数据共享方法及系统。
背景技术
第五代移动通信技术(简称5G)是具有高速率、低时延和大连接特点的新一代宽带移动通信技术，5G通讯设施是实现人机物互联的网络基础设施，而5G应用指的是将第五代移动通信技术及5G通讯设施应用到各个场景中，具体地，5G应用包括增强移动宽带、超高可靠低时延通信和海量机器类通信，其中，增强移动宽带主要面向移动互联网流量爆炸式增长，为移动互联网用户提供更加极致的应用体验；超高可靠低时延通信主要面向工业控制、远程医疗、自动驾驶等对时延和可靠性具有极高要求的垂直行业应用需求；海量机器类通信主要面向智慧城市、智能家居、环境监测等以传感和数据采集为目标的应用需求。进一步地，上述5G应用在用户群体应用的过程中会产生大量数据，针对这些数据，如何进行具有深层次的分析从而使得这些数据的价值尽可能发挥到极致，从而为用户提供服务的人员能够充分了解用户，更好地以及更加精准地为用户提供服务成为一个亟待解决的问题。
进一步地，随着社会的不断发展，采用数据共享的方式实现这些数据的交互，从而更好的发挥数据的价值，使得为用户提供服务的人员能够充分了解用户，更好地以及更加精准地为用户提供服务。具体地，数据共享指的是通过数据分析，根据数据规律使数据在不同服务器间交互的过程，是知识发现领域的重要应用技术，数据共享过程包括数据采集、数据统计、数据分类及数据上传等。然而，传统的数据共享方法存在以下两种问题：一是通过大数据分析的数据交互共享平台，通过对数据的自适应调度优化，对共享数据库进行设计，但对数据的分类不够精细，导致数据共享的准确性较低；二是利用自适应调度加权系数对数据进行模糊聚类控制，以完成数据的共享存取，但是模型构建过程较为复杂，使得数据共享的效率较低。综上所述，现存技术中存在进行数据共享时的准确性及效率较低的问题。
发明内容
本发明提供一种基于5G应用的用户集群数据共享方法及系统，其主要目的在于解决进行数据共享时的准确性及效率较低的问题。
为实现上述目的，本发明提供的一种基于5G应用的用户集群数据共享方法，包括：
获取用户集群对应的用户消息数据及5G应用对应的5G消息数据，对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合；
计算所述消息数据集合之间的关联支持度及关联置信度，并对所述消息数据集合进行空间维度划分，得到消息数据维度；
根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子；
基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系；
根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，并利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享。
可选地，所述对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合，包括：
计算所述用户消息数据对应的第一相似系数矩阵及所述5G消息数据对应的第二相似系数矩阵；
对所述第一相似系数矩阵及所述第二相似系数矩阵进行模糊转换，得到第一模糊矩阵及第二模糊矩阵；
利用下述公式对所述第一相似系数矩阵及所述第二相似系数矩阵进行模糊转换：
其中，r1ij表示第i行第j列第一相似系数矩阵对应的第一模糊矩阵，r2ab表示第a行第b列第二相似系数矩阵对应的第二模糊矩阵，x1ij表示第i行第j列第一矩阵对应的用户消息数据，n表示所述用户消息数据的总数，x2ab表示第a行第b列第二矩阵对应的5G消息数据，m表示所述5G消息数据的总数；
建立所述第一模糊矩阵及所述第二模糊矩阵对应的第一等价矩阵及第二等价矩阵；
对所述第一等价矩阵及所述第二等价矩阵进行聚类，得到消息数据集合。
可选地，所述计算所述用户消息数据对应的第一相似系数矩阵及所述5G消息数据对应的第二相似系数矩阵，包括：
对所述用户消息数据及所述5G消息数据进行矩阵转换，得到第一矩阵及第二矩阵；
根据所述第一矩阵计算第一相似系数矩阵，并根据所述第二矩阵计算第二相似系数矩阵；
利用下述公式计算第一相似系数矩阵：
其中，R1表示所述第一相似系数矩阵，x1ti表示第i行第一矩阵对应的第t个用户消息数据，表示第i行第一矩阵对应的用户消息数据的第一数据均值，x1tj表示第j列第一矩阵对应的第t个用户消息数据，/>表示第j列第一矩阵对应的用户消息数据的第二数据均值，n表示所述用户消息数据的总数，x1ij表示第i行第j列第一矩阵对应的用户消息数据；
利用下述公式计算第二相似系数矩阵：
其中，R2表示所述第二相似系数矩阵，x2ka表示第a行第二矩阵对应的第k个5G消息数据，表示第a行第二矩阵对应的5G消息数据的第一数据均值，x2kb表示第b列第二矩阵对应的第k个5G消息数据，/>表示第b列第二矩阵对应的5G消息数据的第二数据均值，m表示所述5G消息数据的总数，x2ab表示第a行第b列第二矩阵对应的5G消息数据。
可选地，所述计算所述消息数据集合之间的关联支持度及关联置信度，包括：
从所述消息数据集合中随机选取两个备选消息数据集合作为第一备选消息数据集合及第二备选消息数据集合；
划分所述第一备选消息数据集合对应的第一模糊区间及所述第二备选消息数据集合对应的第二模糊区间；
根据所述第一备选消息数据集合、所述第二备选消息数据集合、所述第一模糊区间及所述第二模糊区间计算关联支持度及关联置信度；
利用下述公式计算关联支持度：
其中，A表示所述关联支持度，U1(X)表示所述第一备选消息数据集合对于所述第一模糊区间的第一隶属函数值，U2(Y)表示所述第二备选消息数据集合对于所述第二模糊区间的第二隶属函数值，D表示所述第一备选数据集合及所述第二备选消息数据集合的总数据值；
利用下述公式计算关联置信度：
其中，B表示所述关联置信度，U1(X)表示所述第一备选消息数据集合对于所述第一模糊区间的第一隶属函数值，U2(Y)表示所述第二备选消息数据集合对于所述第二模糊区间的第二隶属函数值。
可选地，所述对所述消息数据集合进行空间维度划分，得到消息数据维度，包括：
计算所述消息数据集合内的消息数据之间的数据距离；
根据所述数据距离对所述消息数据进行数据聚类，得到消息数据簇；
将所述消息数据簇投影至预设的维度空间中，提取所述维度空间对应的数据维度；
对若干所述数据维度进行汇总，得到消息数据维度。
可选地，所述根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子，包括：
提取同一所述消息数据维度对应的所述消息数据集合中的第一数据集合及第二数据集合，并提取不同所述消息数据维度对应的所述消息数据集合中的第三数据集合及第四数据集合；
计算所述第一数据集合及所述第二数据集合之间的相关因子，根据所述消息数据维度、所述关联支持度、所述关联置信度及所述相关因子计算第一关联因子；
利用下述公式计算相关因子：
其中，g表示所述相关因子，表示所述第一数据集合对应的第一数据矩阵，/>表示所述第二数据集合对应的第二数据矩阵，d(l1，l2)表示所述第一数据集合l1与所述第二数据集合l2之间的集合距离，u表示所述消息数据集合内的数据量，L1表示预设的关联系数，L2表示预设的差异性系数；
利用下述公式计算第一关联因子：
其中，W1表示所述第一关联因子，A表示所述关联支持度，B表示所述关联置信度，表示所述第一数据集合对应的第一数据矩阵的第一数据跟踪频率，/>表示所述第二数据集合对应的第二数据矩阵的第二数据跟踪频率，g表示所述相关因子，d(l1，l2)表示所述第一数据集合l1与所述第二数据集合l2之间的第一集合距离，eg表示所述相关因子对应的跟踪算子，/>表示所述第一数据集合对应的第一数据矩阵，/>表示所述第二数据集合对应的第二数据矩阵；
根据所述消息数据维度、所述关联支持度及所述关联置信度计算所述第三数据集合及第四数据集合之间的第二关联因子；
对所述第一关联因子及所述第二关联因子进行整合计算，得到消息数据关联因子；
利用下述公式进行整合计算：
W＝αW1+βW2
其中，W表示所述消息数据关联因子，W1表示所述第一关联因子，W2表示所述第二关联因子，α，β表示预设的参数权重。
可选地，所述根据所述消息数据维度、所述关联支持度及所述关联置信度计算所述第三数据集合及第四数据集合之间的第二关联因子，包括：
利用下述公式计算第二关联因子：
其中，W2表示所述第二关联因子，A表示所述关联支持度，B表示所述关联置信度，表示所述第三数据集合对应的第三数据矩阵的第三数据跟踪频率，/>表示所述第四数据集合对应的第四数据矩阵的第四数据跟踪频率，M表示所述消息数据维度对应的空间矩阵，D(l3，l4)表示所述第三数据集合l3及所述第四数据集合l4对应的消息数据维度之间的维度距离，d(l3，l4)表示所述第三数据集合l3及所述第四数据集合l4之间的第二集合距离。
可选地，所述基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系，包括：
基于所述消息数据维度将所述消息数据集合内的消息数据映射至预设的曲面图中，得到消息数据位置及消息数据值；
根据所述消息数据位置及所述消息数据值分析所述消息数据之间的数据分布；
根据所述数据分布确定所述消息数据对应的消息数据空间映射关系。
可选地，所述根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，包括：
获取目标设备数据，判断所述目标设备数据之间是否存在所述消息数据空间映射关系；
当所述目标设备数据之间存在所述消息数据空间映射关系时，根据所述消息数据关联因子生成第一数据共享跟踪算法，并将所述第一数据共享跟踪算法作为数据共享跟踪算法；
利用下述公式生成第一数据共享跟踪算法：
其中，F1表示所述第一数据共享跟踪算法，Vl表示所述消息数据集合对应的数据矩阵，W表示所述消息数据关联因子，P(Vl)表示所述消息数据集合对应的数据矩阵的数据跟踪频率，表示第s个消息数据集合对应的数据矩阵的数据跟踪频率，S表示所述消息数据集合内的目标设备数据的总数；
当所述目标设备数据之间不存在所述消息数据空间映射关系时，根据所述消息数据关联因子生成第二数据共享跟踪算法，并将所述第二数据共享跟踪算法作为数据共享跟踪算法；
利用下述公式生成第二数据共享跟踪算法：
其中，F2表示所述第二数据共享跟踪算法，Vl表示所述消息数据集合对应的数据矩阵，W表示所述消息数据关联因子，P(Vl)表示所述消息数据集合对应的数据矩阵的数据跟踪频率，表示第s个消息数据集合对应的数据矩阵的数据跟踪频率，S表示所述消息数据集合内的目标设备数据的总数，π表示预设的圆周率参数，e表示预设的自然常数。
为了解决上述问题，本发明还提供一种基于5G应用的用户集群数据共享系统，所述系统包括：
消息数据划分模块，用于获取用户集群对应的用户消息数据及5G应用对应的5G消息数据，对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合；
空间维度划分模块，用于计算所述消息数据集合之间的关联支持度及关联置信度，并对所述消息数据集合进行空间维度划分，得到消息数据维度；
关联规则分析模块，用于根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子；
关系空间映射模块，用于基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系；
数据共享算法生成模块，用于根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，并利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享。
本发明实施例通过对用户消息数据及5G消息数据进行量化划分，能够准确得到消息数据集合，提高数据集合的稳定性及准确性；准确计算消息数据集合之间的关联支持度及关联置信度，能够提高数据处理效率；通过对消息数据集合进行空间维度划分，能够准确得到消息数据维度；通过关联支持度、关联置信度及消息数据维度对消息数据集合进行关联规则分析，能够精确得到消息数据关联因子，提高消息数据集合之间的关联性；通过消息数据维度对消息数据集合进行空间映射，能够准确得到消息数据空间映射关系，进一步提高数据空间稳定性；通过消息数据关联因子及消息数据空间映射关系准确生成数据共享跟踪算法，并利用数据共享跟踪算法对用户集群及5G应用进行数据共享，能够提高数据共享的准确性及效率。因此本发明提出的基于5G应用的用户集群数据共享方法及系统，可以解决进行数据共享时的准确性及效率较低的问题。
附图说明
图1为本发明一实施例提供的基于5G应用的用户集群数据共享方法的流程示意图；
图2为本发明一实施例提供的对用户消息数据及5G消息数据进行量化划分，得到消息数据集合的流程示意图；
图3为本发明一实施例提供的计算消息数据集合之间的关联支持度及关联置信度的流程示意图；
图4为本发明一实施例提供的基于5G应用的用户集群数据共享系统的功能模块图；
图5为本发明一实施例提供的实现所述基于5G应用的用户集群数据共享方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于5G应用的用户集群数据共享方法。所述基于5G应用的用户集群数据共享方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于5G应用的用户集群数据共享方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于5G应用的用户集群数据共享方法的流程示意图。在本实施例中，所述基于5G应用的用户集群数据共享方法包括：
S1、获取用户集群对应的用户消息数据及5G应用对应的5G消息数据，对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合。
本发明实施例中，所述用户集群指的是用户使用的一组(若干个)相互独立的计算机设备，利用高速通信网络组成的一个较大的计算机服务系统，其中，每个集群节点(即每个用户)都是运行各自服务的独立服务器；所述5G应用指的是将第五代移动通信技术及5G通讯设施应用到各个场景中，包括增强移动宽带、超高可靠低时延通信及海量机器类通信。
本发明实施例中，所述用户消息数据指的是收集和储存关于用户的各种信息，以便进行个性化服务或分析用户行为等，其中，所述用户消息数据包括用户基本信息数据、用户行为数据及反馈数据等；所述用户基本信息数据包括姓名、年龄及住址等数据；所述用户行为数据包括评论、发布、点赞、浏览及收藏等数据；所述反馈数据包括意见及偏好等数据；所述5G消息数据指的是RCS消息(融合通信，是指把手机中通话、消息及联系人三个功能融合)，在短信界面上实现各种丰富5G应用留存的消息记录数据，其中，所述5G消息数据包括5G短信、5G富媒体消息及5G物联网消息；所述5G短信包括短信等；所述5G富媒体消息包括文本、图片、视频及地理位置等；所述5G物联网消息指的是“物”与“物”、“物”与“人”、“应用”与“物”之间的通信。
请参阅图2所示，本发明实施例中，所述对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合，包括：
S21、计算所述用户消息数据对应的第一相似系数矩阵及所述5G消息数据对应的第二相似系数矩阵；
S22、对所述第一相似系数矩阵及所述第二相似系数矩阵进行模糊转换，得到第一模糊矩阵及第二模糊矩阵；
S23、建立所述第一模糊矩阵及所述第二模糊矩阵对应的第一等价矩阵及第二等价矩阵；
S24、对所述第一等价矩阵及所述第二等价矩阵进行聚类，得到消息数据集合。
本发明实施例中，所述计算所述用户消息数据对应的第一相似系数矩阵及所述5G消息数据对应的第二相似系数矩阵，包括：
对所述用户消息数据及所述5G消息数据进行矩阵转换，得到第一矩阵及第二矩阵；
根据所述第一矩阵计算第一相似系数矩阵，并根据所述第二矩阵计算第二相似系数矩阵。
本发明实施例中，提取所述用户消息数据对应的用户属性及所述5G消息数据对应的消息属性，以所述用户消息数据为列向量，并以所述用户属性为行向量建立用户数据表；同样地，以所述5G消息数据为列向量，并以所述消息属性为行向量建立消息数据表；利用reshape函数或concatenate函数对所述用户数据表及所述消息数据表进行数据变换，得到第一矩阵及第二矩阵。
本发明实施例中，利用下述公式计算第一相似系数矩阵：
其中，R1表示所述第一相似系数矩阵，x1ti表示第i行第一矩阵对应的第t个用户消息数据，表示第i行第一矩阵对应的用户消息数据的第一数据均值，x1tj表示第j列第一矩阵对应的第t个用户消息数据，/>表示第j列第一矩阵对应的用户消息数据的第二数据均值，n表示所述用户消息数据的总数，x1ij表示第i行第j列第一矩阵对应的用户消息数据。
本发明实施例中，根据所述第二矩阵计算第二相似系数矩阵与上述根据所述第一矩阵计算第一相似系数矩阵的步骤类似，具体地，利用下述公式计算第二相似系数矩阵：
其中，R2表示所述第二相似系数矩阵，x2ka表示第a行第二矩阵对应的第k个5G消息数据，表示第a行第二矩阵对应的5G消息数据的第一数据均值，x2kb表示第b列第二矩阵对应的第k个5G消息数据，/>表示第b列第二矩阵对应的5G消息数据的第二数据均值，m表示所述5G消息数据的总数，x2ab表示第a行第b列第二矩阵对应的5G消息数据。
本发明实施例中，根据所述用户消息数据及所述5G消息数据能够准确计算第一相似系数矩阵及第二相似系数矩阵，进而提高相似系数矩阵的准确性，提高计算机处理效率。
本发明实施例中，利用下述公式对所述第一相似系数矩阵及所述第二相似系数矩阵进行模糊转换：
其中，r1ij表示第i行第j列第一相似系数矩阵对应的第一模糊矩阵，r2ab表示第a行第b列第二相似系数矩阵对应的第二模糊矩阵，x1ij表示第i行第j列第一矩阵对应的用户消息数据，n表示所述用户消息数据的总数，x2ab表示第a行第b列第二矩阵对应的5G消息数据，m表示所述5G消息数据的总数。
本发明实施例中，建立所述第一模糊矩阵及所述第二模糊矩阵对应的第一等价矩阵及第二等价矩阵指的是对所述第一模糊矩阵及所述第二模糊矩阵进行褶积计算，直至满足(r1ij)2c＝(r1ij)c/(r2ab)2d＝(r2ab)d时，此时(r1ij)c、(r2ab)d即为第一等价矩阵及第二等价矩阵，其中，c，d为预设的计算参数。
本发明实施例中，对所述第一等价矩阵及所述第二等价矩阵进行聚类指的是对所述第一等价矩阵中的用户消息数据及所述第二等价矩阵中的5G消息数据按由大到小的顺序排列，从λ＝1开始，沿着所述第一等价矩阵及所述第二等价矩阵由大到小的次序依次取λ＝r1ij/r2ab，计算所述第一等价矩阵及所述第二等价矩阵对应的第一λ截阵及第二λ截阵，对所述第一λ截阵及第二λ截阵进行整合，其中，元素为1的表示将对应的两个消息数据归为一类，得到消息数据集合。
本发明实施例中，对所述用户消息数据及所述5G消息数据进行量化划分，能够准确得到消息数据集合，进而能够提高数据处理的准确性，加快计算机处理效率。
S2、计算所述消息数据集合之间的关联支持度及关联置信度，并对所述消息数据集合进行空间维度划分，得到消息数据维度。
请参阅图3所示，本发明实施例中，所述计算所述消息数据集合之间的关联支持度及关联置信度，包括：
S31、从所述消息数据集合中随机选取两个备选消息数据集合作为第一备选消息数据集合及第二备选消息数据集合；
S32、划分所述第一备选消息数据集合对应的第一模糊区间及所述第二备选消息数据集合对应的第二模糊区间；
S33、根据所述第一备选消息数据集合、所述第二备选消息数据集合、所述第一模糊区间及所述第二模糊区间计算关联支持度及关联置信度。
本发明实施例中，利用下述公式计算关联支持度：
其中，A表示所述关联支持度，U1(X)表示所述第一备选消息数据集合对于所述第一模糊区间的第一隶属函数值，U2(Y)表示所述第二备选消息数据集合对于所述第二模糊区间的第二隶属函数值，D表示所述第一备选数据集合及所述第二备选消息数据集合的总数据值。
本发明实施例中，利用下述公式计算关联置信度：
其中，B表示所述关联置信度，U1(X)表示所述第一备选消息数据集合对于所述第一模糊区间的第一隶属函数值，U2(Y)表示所述第二备选消息数据集合对于所述第二模糊区间的第二隶属函数值。
本发明实施例中，按照预设的数值范围划分所述第一备选消息数据集合对应的第一模糊区间及所述第二备选消息数据集合对应的第二模糊区间，其中，所述数值范围指的是根据所述第一备选消息数据集合或所述第二备选消息数据集合中的若干数据对应的某一属性的属性值计算得到的属性均值，并根据所述属性均值划分的上下数据限。
本发明实施例中，对于所述第一备选消息数据集合及所述第二备选消息数据集合内的某一属性对应的模糊区间都有一个与之对应的实值函数，所述隶属函数值表示所述备选消息数据集合中对应的元素隶属于所述备选消息数据集的程度，即所述实值函数对应的函数值，具体地，函数值越趋近于1，说明元素对于集合的隶属度越高；函数值越趋近于0，说明元素对于集合的隶属度越低。
本发明实施例中，准确计算所述消息数据集合之间的关联支持度及关联置信度，能够保证后续计算的精确性。
本发明实施例中，所述对所述消息数据集合进行空间维度划分，得到消息数据维度，包括：
计算所述消息数据集合内的消息数据之间的数据距离；
根据所述数据距离对所述消息数据进行数据聚类，得到消息数据簇；
将所述消息数据簇投影至预设的维度空间中，提取所述维度空间对应的数据维度；
对若干所述数据维度进行汇总，得到消息数据维度。
本发明实施例中，利用欧氏距离算法或曼哈顿距离算法计算所述消息数据集合内的消息数据之间的数据距离；预先设定标准数据距离，根据所述数据距离的大小与所述标准数据距离的大小进行比较，当所述数据距离小于或等于所述标准数据距离时，表示所述消息数据之间差异较小，将所述消息数据进行聚类，作为数据消息簇；当所述数据距离大于所述标准数据距离时，表示所述消息数据之间差异较大，不能进行聚类作为消息数据簇。
本发明实施例中，利用主成分分析法(PCA)方法，通过线性投影的方式将所述消息数据簇投影至维度空间中，其中，所述维度空间指的是空间过一点，能做出几条相互垂直的直线，则为几维空间；所述维度空间包括高维空间及低维空间；所述维度空间为几维空间则对应的数据维度为几维数据；对所述消息数据簇对应若干数据维度进行整合，得到消息数据维度。
本发明实施例中，对所述消息数据集合进行空间维度划分，能够准确得到消息数据维度，进而准确提取有效消息数据，便于数据计算及数据可视化。
S3、根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子。
本发明实施例中，所述根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子，包括：
提取同一所述消息数据维度对应的所述消息数据集合中的第一数据集合及第二数据集合，并提取不同所述消息数据维度对应的所述消息数据集合中的第三数据集合及第四数据集合；
计算所述第一数据集合及所述第二数据集合之间的相关因子，根据所述消息数据维度、所述关联支持度、所述关联置信度及所述相关因子计算第一关联因子；
根据所述消息数据维度、所述关联支持度及所述关联置信度计算所述第三数据集合及第四数据集合之间的第二关联因子；
对所述第一关联因子及所述第二关联因子进行整合计算，得到消息数据关联因子。
本发明实施例中，从所述消息数据集合中随机提取两个同一消息数据维度的数据集合作为第一数据集合及第二数据集合；并从所述消息数据集合中随机提取两个不同消息数据维度的数据集合作为第三数据集合及第四数据集合，能够保证消息数据集合的随机性，从而使得计算结果更加准确。
本发明实施例中，利用下述公式计算相关因子：
其中，g表示所述相关因子，表示所述第一数据集合对应的第一数据矩阵，/>表示所述第二数据集合对应的第二数据矩阵，d(l1，l2)表示所述第一数据集合l1与所述第二数据集合l2之间的集合距离，u表示所述消息数据集合内的数据量，L1表示预设的关联系数，L2表示预设的差异性系数。
本发明实施例中，利用下述公式计算第一关联因子：
其中，W1表示所述第一关联因子，A表示所述关联支持度，B表示所述关联置信度，表示所述第一数据集合对应的第一数据矩阵的第一数据跟踪频率，/>表示所述第二数据集合对应的第二数据矩阵的第二数据跟踪频率，g表示所述相关因子，d(l1，l2)表示所述第一数据集合l1与所述第二数据集合l2之间的第一集合距离，eg表示所述相关因子对应的跟踪算子，/>表示所述第一数据集合对应的第一数据矩阵，/>表示所述第二数据集合对应的第二数据矩阵。
本发明实施例中，利用下述公式计算第二关联因子：
其中，W2表示所述第二关联因子，A表示所述关联支持度，B表示所述关联置信度，表示所述第三数据集合对应的第三数据矩阵的第三数据跟踪频率，/>表示所述第四数据集合对应的第四数据矩阵的第四数据跟踪频率，M表示所述消息数据维度对应的空间矩阵，D(l3，l4)表示所述第三数据集合l3及所述第四数据集合l4对应的消息数据维度之间的维度距离，d(l3，l4)表示所述第三数据集合l3及所述第四数据集合l4之间的第二集合距离。
本发明实施例中，上述数据矩阵均为消息数据集合利用array()函数转化而成；所述集合距离及所述维度距离均利用距离算法计算得到，其中，所述距离算法包括但不仅限于欧氏距离或余弦相似度；所述关联系数指的是所述第一数据矩阵及所述第二数据矩阵之间的关联程度，可以采用关联算法计算得到。
本发明实施例中，利用下述公式进行整合计算：
W＝αW1+βW2
其中，W表示所述消息数据关联因子，W1表示所述第一关联因子，W2表示所述第二关联因子，α，β表示预设的参数权重。
本发明实施例中，根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，能够准确得到消息数据关联因子，从而保证数据共享时的关联性更强，共享速率更快。
S4、基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系。
本发明实施例中，所述基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系，包括：
基于所述消息数据维度将所述消息数据集合内的消息数据映射至预设的曲面图中，得到消息数据位置及消息数据值；
根据所述消息数据位置及所述消息数据值分析所述消息数据之间的数据分布；
根据所述数据分布确定所述消息数据对应的消息数据空间映射关系。
本发明实施例中，提取所述消息数据集合对应的若干消息数据维度，对若干所述消息数据维度进行均值计算，得到维度均值；将所述维度均值作为所述曲面图的空间维度，并将所述消息数据集合内的消息数据均映射至所述空间维度对应的曲面图中，其中，所述曲面图是一种数据可视化方法，将数据映射至空间中以曲面的形式表示；所述曲面图的横轴及纵轴表示消息数据位置；所述曲面图的高度表示消息数据值。
本发明实施例中，根据若干所述消息数据位置及若干所述消息数据值观察所述曲面图对应的形状，进而提取所述消息数据之间的数据分布及数据变化规律；判断所述数据分布之间是否有交点，当所述数据分布之间存在交点时，表示所述消息数据之间存在消息数据空间映射关系，反之，则不存在，进而提取所述消息数据对应的消息数据空间映射关系。
本发明实施例中，基于所述消息数据维度对所述消息数据集合进行空间映射，能够准确得到消息数据空间映射关系，进而更加确定数据之间的关联性，提高数据共享时效率及准确率。
S5、根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，并利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享。
本发明实施例中，所述根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，包括：
获取目标设备数据，判断所述目标设备数据之间是否存在所述消息数据空间映射关系；
当所述目标设备数据之间存在所述消息数据空间映射关系时，根据所述消息数据关联因子生成第一数据共享跟踪算法，并将所述第一数据共享跟踪算法作为数据共享跟踪算法；
当所述目标设备数据之间不存在所述消息数据空间映射关系时，根据所述消息数据关联因子生成第二数据共享跟踪算法，并将所述第二数据共享跟踪算法作为数据共享跟踪算法。
本发明实施例中，所述目标设备数据指的是用户集群或5G应用使用或产生的数据；利用关联算法计算所述目标设备数据之间的关联度，并提取所述消息数据空间映射关系对应的目标关联度，判断所述关联度是否大于或等于所述目标关联度，当所述关联度大于或等于所述目标关联度时，表示所述目标设备数据之间存在所述消息数据空间映射关系；当所述关联度小于所述目标关联度时，表示所述目标设备数据之间不存在所述消息数据空间映射关系。
本发明实施例中，利用下述公式生成第一数据共享跟踪算法：
其中，F1表示所述第一数据共享跟踪算法，Vl表示所述消息数据集合对应的数据矩阵，W表示所述消息数据关联因子，P(Vl)表示所述消息数据集合对应的数据矩阵的数据跟踪频率，表示第s个消息数据集合对应的数据矩阵的数据跟踪频率，S表示所述消息数据集合内的目标设备数据的总数。
本发明实施例中，利用下述公式生成第二数据共享跟踪算法：
其中，F2表示所述第二数据共享跟踪算法，Vl表示所述消息数据集合对应的数据矩阵，W表示所述消息数据关联因子，P(Vl)表示所述消息数据集合对应的数据矩阵的数据跟踪频率，表示第s个消息数据集合对应的数据矩阵的数据跟踪频率，S表示所述消息数据集合内的目标设备数据的总数，π表示预设的圆周率参数，e表示预设的自然常数。
本发明实施例中，所述利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享，包括：
采集所述用户集群对应的目标用户数据及所述5G应用对应的目标应用数据；
利用所述数据共享跟踪算法对所述目标用户数据及所述目标应用数据进行数据跟踪，得到数据关系及数据路径；
根据所述数据关系及所述数据路径对所述用户集群及所述5G应用进行连接，得到连接关系；
根据所述连接关系对所述用户集群及所述5G应用进行数据共享。
本发明实施例中，获取所述用户集群对应的集群设备的设备接口及所述5G应用对应的应用接口，利用所述设备接口采集目标用户数据，并利用所述应用接口采集目标应用数据，其中，所述设备接口包括USB接口及Thunderbolt接口等；所述应用接口包括API接口、socket接口、FTP接口、HTTP接口及telnet接口等。
本发明实施例中，利用所述数据共享跟踪算法分析所述用户集群及所述5G应用之间的数据关联性及数据流通方向，根据所述数据关联性及所述数据流通方向获取数据关系及数据路径；根据所述数据路径及所述数据关系依次对所述用户集群及所述5G应用进行连接，进而实现数据共享。
本发明实施例中，根据所述消息数据关联因子及所述消息数据空间映射关系能够准确生成数据共享跟踪算法，并利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享，能够提高数据共享效率。
本发明实施例通过对用户消息数据及5G消息数据进行量化划分，能够准确得到消息数据集合，提高数据集合的稳定性及准确性；准确计算消息数据集合之间的关联支持度及关联置信度，能够提高数据处理效率；通过对消息数据集合进行空间维度划分，能够准确得到消息数据维度；通过关联支持度、关联置信度及消息数据维度对消息数据集合进行关联规则分析，能够精确得到消息数据关联因子，提高消息数据集合之间的关联性；通过消息数据维度对消息数据集合进行空间映射，能够准确得到消息数据空间映射关系，进一步提高数据空间稳定性；通过消息数据关联因子及消息数据空间映射关系准确生成数据共享跟踪算法，并利用数据共享跟踪算法对用户集群及5G应用进行数据共享，能够提高数据共享的准确性及效率。因此本发明提出的基于5G应用的用户集群数据共享方法，可以解决进行数据共享时的准确性及效率较低的问题。
如图4所示，是本发明一实施例提供的基于5G应用的用户集群数据共享系统的功能模块图。
本发明所述基于5G应用的用户集群数据共享系统400可以安装于电子设备中。根据实现的功能，所述基于5G应用的用户集群数据共享系统400可以包括消息数据划分模块401、空间维度划分模块402、关联规则分析模块403、关系空间映射模块404及数据共享算法生成模块405。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述消息数据划分模块401，用于获取用户集群对应的用户消息数据及5G应用对应的5G消息数据，对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合；
所述空间维度划分模块402，用于计算所述消息数据集合之间的关联支持度及关联置信度，并对所述消息数据集合进行空间维度划分，得到消息数据维度；
所述关联规则分析模块403，用于根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子；
所述关系空间映射模块404，用于基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系；
所述数据共享算法生成模块405，用于根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，并利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享。
详细地，本发明实施例中所述基于5G应用的用户集群数据共享系统400中所述的各模块在使用时采用与上述图1至图3中所述的基于5G应用的用户集群数据共享方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于5G应用的用户集群数据共享方法的电子设备的结构示意图。
所述电子设备500可以包括处理器501、存储器502、通信总线503以及通信接口504，还可以包括存储在所述存储器502中并可在所述处理器501上运行的计算机程序，如基于5G应用的用户集群数据共享程序。
其中，所述处理器501在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器501是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器502内的程序或者模块(例如执行基于5G应用的用户集群数据共享程序等)，以及调用存储在所述存储器502内的数据，以执行电子设备的各种功能和处理数据。
所述存储器502至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器502在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器502在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器502还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器502不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于5G应用的用户集群数据共享程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线503可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器502以及至少一个处理器501等之间的连接通信。
所述通信接口504用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理系统与所述至少一个处理器501逻辑相连，从而通过电源管理系统实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备500中的所述存储器502存储的基于5G应用的用户集群数据共享程序是多个指令的组合，在所述处理器501中运行时，可以实现：
获取用户集群对应的用户消息数据及5G应用对应的5G消息数据，对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合；
计算所述消息数据集合之间的关联支持度及关联置信度，并对所述消息数据集合进行空间维度划分，得到消息数据维度；
根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子；
基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系；
根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，并利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享。
具体地，所述处理器501对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备500集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取用户集群对应的用户消息数据及5G应用对应的5G消息数据，对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合；
计算所述消息数据集合之间的关联支持度及关联置信度，并对所述消息数据集合进行空间维度划分，得到消息数据维度；
根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子；
基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系；
根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，并利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块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模块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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于5G应用的用户集群数据共享方法，其特征在于，所述方法包括：
获取用户集群对应的用户消息数据及5G应用对应的5G消息数据，对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合；
计算所述消息数据集合之间的关联支持度及关联置信度，并对所述消息数据集合进行空间维度划分，得到消息数据维度；
根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子；
基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系；
根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，并利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享。
2.如权利要求1所述的基于5G应用的用户集群数据共享方法，其特征在于，所述对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合，包括：
计算所述用户消息数据对应的第一相似系数矩阵及所述5G消息数据对应的第二相似系数矩阵；
对所述第一相似系数矩阵及所述第二相似系数矩阵进行模糊转换，得到第一模糊矩阵及第二模糊矩阵；
利用下述公式对所述第一相似系数矩阵及所述第二相似系数矩阵进行模糊转换：
其中，r1ij表示第i行第j列第一相似系数矩阵对应的第一模糊矩阵，r2ab表示第a行第b列第二相似系数矩阵对应的第二模糊矩阵，x1ij表示第i行第j列第一矩阵对应的用户消息数据，n表示所述用户消息数据的总数，x2ab表示第a行第b列第二矩阵对应的5G消息数据，m表示所述5G消息数据的总数；
建立所述第一模糊矩阵及所述第二模糊矩阵对应的第一等价矩阵及第二等价矩阵；
对所述第一等价矩阵及所述第二等价矩阵进行聚类，得到消息数据集合。
3.如权利要求2所述的基于5G应用的用户集群数据共享方法，其特征在于，所述计算所述用户消息数据对应的第一相似系数矩阵及所述5G消息数据对应的第二相似系数矩阵，包括：
对所述用户消息数据及所述5G消息数据进行矩阵转换，得到第一矩阵及第二矩阵；
根据所述第一矩阵计算第一相似系数矩阵，并根据所述第二矩阵计算第二相似系数矩阵；
利用下述公式计算第一相似系数矩阵：
其中，R1表示所述第一相似系数矩阵，x1ti表示第i行第一矩阵对应的第t个用户消息数据，表示第i行第一矩阵对应的用户消息数据的第一数据均值，x1tj表示第j列第一矩阵对应的第t个用户消息数据，/>表示第j列第一矩阵对应的用户消息数据的第二数据均值，n表示所述用户消息数据的总数，x1ij表示第i行第j列第一矩阵对应的用户消息数据；
利用下述公式计算第二相似系数矩阵：
其中，R2表示所述第二相似系数矩阵，x2ka表示第a行第二矩阵对应的第k个5G消息数据，表示第a行第二矩阵对应的5G消息数据的第一数据均值，x2kb表示第b列第二矩阵对应的第k个5G消息数据，/>表示第b列第二矩阵对应的5G消息数据的第二数据均值，m表示所述5G消息数据的总数，x2ab表示第a行第b列第二矩阵对应的5G消息数据。
4.如权利要求1所述的基于5G应用的用户集群数据共享方法，其特征在于，所述计算所述消息数据集合之间的关联支持度及关联置信度，包括：
从所述消息数据集合中随机选取两个备选消息数据集合作为第一备选消息数据集合及第二备选消息数据集合；
划分所述第一备选消息数据集合对应的第一模糊区间及所述第二备选消息数据集合对应的第二模糊区间；
根据所述第一备选消息数据集合、所述第二备选消息数据集合、所述第一模糊区间及所述第二模糊区间计算关联支持度及关联置信度；
利用下述公式计算关联支持度：
其中，A表示所述关联支持度，U1(X)表示所述第一备选消息数据集合对于所述第一模糊区间的第一隶属函数值，U2(Y)表示所述第二备选消息数据集合对于所述第二模糊区间的第二隶属函数值，D表示所述第一备选数据集合及所述第二备选消息数据集合的总数据值；
利用下述公式计算关联置信度：
其中，B表示所述关联置信度，U1(X)表示所述第一备选消息数据集合对于所述第一模糊区间的第一隶属函数值，U2(Y)表示所述第二备选消息数据集合对于所述第二模糊区间的第二隶属函数值。
5.如权利要求1所述的基于5G应用的用户集群数据共享方法，其特征在于，所述对所述消息数据集合进行空间维度划分，得到消息数据维度，包括：
计算所述消息数据集合内的消息数据之间的数据距离；
根据所述数据距离对所述消息数据进行数据聚类，得到消息数据簇；
将所述消息数据簇投影至预设的维度空间中，提取所述维度空间对应的数据维度；
对若干所述数据维度进行汇总，得到消息数据维度。
6.如权利要求1所述的基于5G应用的用户集群数据共享方法，其特征在于，所述根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子，包括：
提取同一所述消息数据维度对应的所述消息数据集合中的第一数据集合及第二数据集合，并提取不同所述消息数据维度对应的所述消息数据集合中的第三数据集合及第四数据集合；
计算所述第一数据集合及所述第二数据集合之间的相关因子，根据所述消息数据维度、所述关联支持度、所述关联置信度及所述相关因子计算第一关联因子；
利用下述公式计算相关因子：
其中，g表示所述相关因子，表示所述第一数据集合对应的第一数据矩阵，/>表示所述第二数据集合对应的第二数据矩阵，d(l1,l2)表示所述第一数据集合l1与所述第二数据集合l2之间的集合距离，u表示所述消息数据集合内的数据量，L1表示预设的关联系数，L2表示预设的差异性系数；
利用下述公式计算第一关联因子：
其中，W1表示所述第一关联因子，A表示所述关联支持度，B表示所述关联置信度，表示所述第一数据集合对应的第一数据矩阵的第一数据跟踪频率，/>表示所述第二数据集合对应的第二数据矩阵的第二数据跟踪频率，g表示所述相关因子，d(l1,l2)表示所述第一数据集合l1与所述第二数据集合l2之间的第一集合距离，eg表示所述相关因子对应的跟踪算子，/>表示所述第一数据集合对应的第一数据矩阵，/>表示所述第二数据集合对应的第二数据矩阵；
根据所述消息数据维度、所述关联支持度及所述关联置信度计算所述第三数据集合及第四数据集合之间的第二关联因子；
对所述第一关联因子及所述第二关联因子进行整合计算，得到消息数据关联因子；
利用下述公式进行整合计算：
W＝αW1+βW2
其中，W表示所述消息数据关联因子，W1表示所述第一关联因子，W2表示所述第二关联因子，α,β表示预设的参数权重。
7.如权利要求6所述的基于5G应用的用户集群数据共享方法，其特征在于，所述根据所述消息数据维度、所述关联支持度及所述关联置信度计算所述第三数据集合及第四数据集合之间的第二关联因子，包括：
利用下述公式计算第二关联因子：
其中，W2表示所述第二关联因子，A表示所述关联支持度，B表示所述关联置信度，表示所述第三数据集合对应的第三数据矩阵的第三数据跟踪频率，/>表示所述第四数据集合对应的第四数据矩阵的第四数据跟踪频率，M表示所述消息数据维度对应的空间矩阵，D(l3,l4)表示所述第三数据集合l3及所述第四数据集合l4对应的消息数据维度之间的维度距离，d(l3,l4)表示所述第三数据集合l3及所述第四数据集合l4之间的第二集合距离。
8.如权利要求1所述的基于5G应用的用户集群数据共享方法，其特征在于，所述基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系，包括：
基于所述消息数据维度将所述消息数据集合内的消息数据映射至预设的曲面图中，得到消息数据位置及消息数据值；
根据所述消息数据位置及所述消息数据值分析所述消息数据之间的数据分布；
根据所述数据分布确定所述消息数据对应的消息数据空间映射关系。
9.如权利要求1至8中任一项所述的基于5G应用的用户集群数据共享方法，其特征在于，所述根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，包括：
获取目标设备数据，判断所述目标设备数据之间是否存在所述消息数据空间映射关系；
当所述目标设备数据之间存在所述消息数据空间映射关系时，根据所述消息数据关联因子生成第一数据共享跟踪算法，并将所述第一数据共享跟踪算法作为数据共享跟踪算法；
利用下述公式生成第一数据共享跟踪算法：
其中，F1表示所述第一数据共享跟踪算法，Vl表示所述消息数据集合对应的数据矩阵，W表示所述消息数据关联因子，P(Vl)表示所述消息数据集合对应的数据矩阵的数据跟踪频率，表示第s个消息数据集合对应的数据矩阵的数据跟踪频率，S表示所述消息数据集合内的目标设备数据的总数；
当所述目标设备数据之间不存在所述消息数据空间映射关系时，根据所述消息数据关联因子生成第二数据共享跟踪算法，并将所述第二数据共享跟踪算法作为数据共享跟踪算法；
利用下述公式生成第二数据共享跟踪算法：
其中，F2表示所述第二数据共享跟踪算法，Vl表示所述消息数据集合对应的数据矩阵，W表示所述消息数据关联因子，P(Vl)表示所述消息数据集合对应的数据矩阵的数据跟踪频率，表示第s个消息数据集合对应的数据矩阵的数据跟踪频率，S表示所述消息数据集合内的目标设备数据的总数，π表示预设的圆周率参数，e表示预设的自然常数。
10.一种基于5G应用的用户集群数据共享系统，其特征在于，所述系统包括：
消息数据划分模块，用于获取用户集群对应的用户消息数据及5G应用对应的5G消息数据，对所述用户消息数据及所述5G消息数据进行量化划分，得到消息数据集合；
空间维度划分模块，用于计算所述消息数据集合之间的关联支持度及关联置信度，并对所述消息数据集合进行空间维度划分，得到消息数据维度；
关联规则分析模块，用于根据所述关联支持度、所述关联置信度及所述消息数据维度对所述消息数据集合进行关联规则分析，得到消息数据关联因子；
关系空间映射模块，用于基于所述消息数据维度对所述消息数据集合进行空间映射，得到消息数据空间映射关系；
数据共享算法生成模块，用于根据所述消息数据关联因子及所述消息数据空间映射关系生成数据共享跟踪算法，并利用所述数据共享跟踪算法对所述用户集群及所述5G应用进行数据共享。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311285336.2A CN117221828A (zh) | 2023-10-07 | 2023-10-07 | 一种基于5g应用的用户集群数据共享方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311285336.2A CN117221828A (zh) | 2023-10-07 | 2023-10-07 | 一种基于5g应用的用户集群数据共享方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117221828A true CN117221828A (zh) | 2023-12-12 |
Family
ID=89046129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311285336.2A Pending CN117221828A (zh) | 2023-10-07 | 2023-10-07 | 一种基于5g应用的用户集群数据共享方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117221828A (zh) |
-
2023
- 2023-10-07 CN CN202311285336.2A patent/CN117221828A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI702844B (zh) | 用戶特徵的生成方法、裝置、設備及儲存介質 | |
| Long et al. | Mapping block-level urban areas for all Chinese cities | |
| CN116720497B (zh) | 一种基于语义分析的电网文档关联性层级分析方法及系统 | |
| CN114398557B (zh) | 基于双画像的信息推荐方法、装置、电子设备及存储介质 | |
| CN114168795B (zh) | 建筑三维模型映射及存储方法、装置、电子设备及介质 | |
| CN114298122A (zh) | 数据分类方法、装置、设备、存储介质及计算机程序产品 | |
| CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN113468421A (zh) | 基于向量匹配技术的产品推荐方法、装置、设备及介质 | |
| CN115309865A (zh) | 基于双塔模型的交互式检索方法、装置、设备及存储介质 | |
| CN118093962A (zh) | 数据检索方法、装置、系统、电子设备及可读存储介质 | |
| CN115204436A (zh) | 检测业务指标异常原因的方法、装置、设备及介质 | |
| CN113515703A (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
| CN115757987B (zh) | 基于轨迹分析的伴随对象确定方法、装置、设备及介质 | |
| CN116703520A (zh) | 基于改进K-means算法的产品推荐方法及其相关设备 | |
| CN116738044A (zh) | 基于个性化实现高校图书馆的图书推荐方法、装置及设备 | |
| CN116307736A (zh) | 风险画像自动生成的方法、装置、设备及存储介质 | |
| CN113704616B (zh) | 信息推送方法、装置、电子设备及可读存储介质 | |
| CN116340516A (zh) | 实体关系的聚类提取方法、装置、设备及存储介质 | |
| CN116303677A (zh) | 基于数据分布均衡度的衡量方法、装置、设备及存储介质 | |
| CN117221828A (zh) | 一种基于5g应用的用户集群数据共享方法及系统 | |
| CN115186188A (zh) | 基于行为分析的产品推荐方法、装置、设备及存储介质 | |
| CN114240560A (zh) | 基于多维分析的产品排名方法、装置、设备及存储介质 | |
| CN114518993A (zh) | 基于业务特征的系统性能监控方法、装置、设备及介质 | |
| CN113704407A (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
| CN113723554B (zh) | 模型调度方法、装置、电子设备及计算机可读存储介质 |
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 |