CN117314556A - 虚拟资源推荐方法、装置、计算机设备和存储介质 - Google Patents
虚拟资源推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117314556A CN117314556A CN202311198500.6A CN202311198500A CN117314556A CN 117314556 A CN117314556 A CN 117314556A CN 202311198500 A CN202311198500 A CN 202311198500A CN 117314556 A CN117314556 A CN 117314556A
- Authority
- CN
- China
- Prior art keywords
- resource
- virtual
- recommended
- virtual resources
- obtaining
- 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 50
- 230000008859 change Effects 0.000 claims abstract description 75
- 230000003993 interaction Effects 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 230000007246 mechanism Effects 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 238000005315 distribution function Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/906—Clustering; Classification
-
- 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
-
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种虚拟资源推荐方法、装置、计算机设备和存储介质，涉及大数据技术领域。方法包括：获取待推荐资源账户在历史虚拟资源交互业务中交换的多种虚拟资源和多种虚拟资源对应的虚拟资源占比；多种虚拟资源对应不同虚拟资源类别；将多个资源变化数据的差异程度输入预先训练的资源交换风险系数获取模型，获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数；基于多种虚拟资源对应的资源交换风险系数，以及多种虚拟资源对应的虚拟资源占比，得到待推荐资源账户的多种虚拟资源之间的相似程度；基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息。采用本方法能够提高虚拟资源推荐的准确性。
Description
技术领域
本申请涉及大数据技术领域，特别是涉及一种虚拟资源推荐方法、装置、计算机设备和存储介质。
背景技术
随着全球政治经济的不断复杂化，虚拟资源交互持续走热，虚拟资源待推荐资源账户乐于分散风险，进行多种不同类别虚拟资源的交互。但虚拟资源服务普遍设计较为复杂，虚拟资源待推荐资源账户购买多类别虚拟资源后，存在组合风险评估不足的问题。
现有虚拟资源推荐方法，只是立足于自身虚拟资源的交互内容与风险评估，但是虚拟资源待推荐资源账户在获取大量虚拟资源产品后带来的组合虚拟资源的投资风险难以进行多维度有效评估。虚拟资源待推荐资源账户可能经过辛苦的对比，最终选择几支资源流向几乎相同的虚拟资源产品，现有虚拟资源推荐方法存在准确率低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高虚拟资源推荐准确性的虚拟资源推荐方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种虚拟资源推荐方法，该方法包括：
获取待推荐资源账户在历史虚拟资源交互业务中交换的多种虚拟资源以及多种虚拟资源对应的虚拟资源占比；多种虚拟资源对应多种不同的虚拟资源类别；
获取多种虚拟资源对应的多个资源变化数据的差异程度；
将多个资源变化数据的差异程度输入到预先训练的资源交换风险系数获取模型，通过资源交换风险系数获取模型，获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数；
基于多种虚拟资源对应的资源交换风险系数，以及多种虚拟资源对应的虚拟资源占比，得到待推荐资源账户的多种虚拟资源之间的相似程度；
基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息。
在其中一个实施例中，通过资源交换风险系数获取模型，获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数，包括：
通过资源交换风险系数获取模型，获取当前虚拟资源以及当前虚拟资源的资源变化数据的历史差异程度，当前虚拟资源为多种虚拟资源中的任意一种；
基于当前虚拟资源的资源变化数据的历史差异程度，预测当前虚拟资源在预设时间的资源交换风险系数；
将当前虚拟资源在预设时间的资源交换风险系数，作为当前虚拟资源的资源交换风险系数。
在其中一个实施例中，通过资源交换风险系数获取模型，获取当前虚拟资源以及当前虚拟资源的资源变化数据的历史差异程度，包括：
通过资源交换风险系数获取模型，从与当前虚拟资源关联的资源管理机构中获取当前虚拟资源对应的虚拟资源变化信息；其中，各虚拟资源对应的资源管理机构位于同一区块链系统中；
基于虚拟资源变化信息，得到当前虚拟资源的资源变化数据的历史差异程度。
在其中一个实施例中，通过资源交换风险系数获取模型，获取当前虚拟资源以及当前虚拟资源的资源变化数据的历史差异程度，包括：
通过资源交换风险系数获取模型，从虚拟资源数据库中获取初始资源变化数据的历史差异程度；
对初始资源变化数据进行清洗处理，得到当前虚拟资源的资源变化数据的历史差异程度。
在其中一个实施例中，基于多种虚拟资源对应的资源交换风险系数，以及多种虚拟资源对应的虚拟资源占比，得到待推荐资源账户的多种虚拟资源之间的相似程度，包括：
基于多种虚拟资源对应的资源类别，以及多种虚拟资源对应的虚拟资源占比，构建虚拟资源类别密度直方图；
对虚拟资源类别密度直方图以及资源交换风险系数进行拟合，得到多种虚拟资源对应的风险系数类别占比曲线；
基于多种虚拟资源对应的风险系数类别占比曲线之间的重合面积，得到多种虚拟资源之间的相似程度。
在其中一个实施例中，基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息，包括：
获取预先设置的相似程度阈值；
将小于相似程度阈值的相似程度对应的两个虚拟资源作为待推荐资源账户的推荐虚拟资源；推荐虚拟资源用于表征为待推荐资源账户进行推荐的虚拟资源。
在其中一个实施例中，基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息之后，包括：
获取与待推荐资源账户关联的终端发送的相似度查询指令，获取与相似程度查询指令对应的目标虚拟资源；
向终端发送目标虚拟资源对应的相似程度。
第二方面，本申请还提供了一种虚拟资源推荐装置，该装置包括：
历史资源确定模块，用于获取待推荐资源账户在历史虚拟资源交互业务中交换的多种虚拟资源以及多种虚拟资源对应的虚拟资源占比；多种虚拟资源对应多种不同的虚拟资源类别；
差异程度获取模块，用于获取多种虚拟资源对应的多个资源变化数据的差异程度；
风险系数获取模块，用于将多个资源变化数据的差异程度输入到预先训练的资源交换风险系数获取模型，通过资源交换风险系数获取模型，获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数；
相似程度确定模块，用于基于多种虚拟资源对应的资源交换风险系数，以及多种虚拟资源对应的虚拟资源占比，得到待推荐资源账户的多种虚拟资源之间的相似程度；
推荐信息确定模块，用于基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息。
第三方面，本申请还提供了一种计算机设备。该计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。该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上述的方法的步骤。
上述虚拟资源推荐方法、装置、计算机设备和存储介质，通过获取待推荐资源账户在历史虚拟资源交互业务中交换的多种虚拟资源以及多种虚拟资源对应的虚拟资源占比；多种虚拟资源对应多种不同的虚拟资源类别；获取多种虚拟资源对应的多个资源变化数据的差异程度；将多个资源变化数据的差异程度输入到预先训练的资源交换风险系数获取模型，通过资源交换风险系数获取模型，获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数；基于多种虚拟资源对应的资源交换风险系数，以及多种虚拟资源对应的虚拟资源占比，得到待推荐资源账户的多种虚拟资源之间的相似程度；基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息。与传统技术相比，本申请通过历史虚拟资源交互过程中不同类别的虚拟资源的资源变化数据的差异程度，得到多种虚拟资源对应的资源交换风险系数，通过资源交换风险系数以及虚拟资源占比，确定多种虚拟资源之间的相似程度，如此，能够进一步基于多种虚拟资源之间的相似程度确定待推荐资源账户的虚拟资源推荐信息，从而通过历史虚拟资源的相似程度的判断，实现待推荐资源账户的虚拟资源的推荐，提高了虚拟资源推荐的准确性。
附图说明
图1为一个实施例中虚拟资源推荐方法的应用环境图；
图2为一个实施例中虚拟资源推荐方法的流程示意图；
图3为一个实施例中获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数步骤的流程示意图；
图4为一个实施例中得到待推荐资源账户的多种虚拟资源之间的相似程度步骤的流程示意图；
图5为一个实施例中虚拟资源推荐装置的结构框图；
图6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。
本申请实施例提供的虚拟资源推荐方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。用户可以在发起虚拟资源推荐的指令，服务器接收到虚拟资源推荐指令，并对待推荐资源账户进行虚拟资源推荐，并向终端返回虚拟资源的推荐信息。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、物联网设备和便携式可穿戴设备。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，提供了一种虚拟资源推荐方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
S202，获取待推荐资源账户在历史虚拟资源交互业务中交换的多种虚拟资源以及多种虚拟资源对应的虚拟资源占比；多种虚拟资源对应多种不同的虚拟资源类别。
其中，待推荐资源账户可以是触发虚拟资源推荐指令的账户，可以是需要虚拟资源推荐的账户。待推荐资源账户可以通过推荐的虚拟资源进行资源交换；资源交换可以是待推荐资源账户利用其所具有的账户资源，交换推荐的虚拟资源。虚拟资源可以是一种资源产品，虚拟资源可以有多种类别，可以通过虚拟资源的资源流向确定该虚拟资源的资源类别。历史虚拟资源交互业务指的是待推荐资源账户针对虚拟资源进行交换的历史业务。虚拟资源占比指的是待推荐资源账户所具有的各种虚拟资源的虚拟资源量占总虚拟资源量的比值。总虚拟资源量为各种虚拟资源的虚拟资源量的总和。虚拟资源类别指的是虚拟资源的类别，可以是虚拟资源的资源流向，可以是虚拟资源的资源领域。
示例性地，可以响应于待推荐资源账户在终端触发的虚拟资源推荐指令，服务器获取虚拟资源推荐指令，并且获取与虚拟资源推荐指令对应的待推荐资源账户。服务器获取待推荐资源账户在历史虚拟资源交换业务中获取的多个不同类别的虚拟资源，并获取多种虚拟资源在待推荐资源账户中的虚拟资源占比。
S204，获取多种虚拟资源对应的多个资源变化数据的差异程度。
其中，资源变化数据可以是虚拟资源的增益数据；资源变化数据的差异程度可以是虚拟资源的实际增益数据与期望增益数据之间的差值。例如，资源变化数据的差异程度可以是阿尔法系数、标准差等。
示例性地，对于每一个虚拟资源，服务器可以获取该虚拟资源对应的阿尔法系数、标准差。
S206，将多个资源变化数据的差异程度输入到预先训练的资源交换风险系数获取模型，通过资源交换风险系数获取模型，获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数。
其中，资源交换风险系数获取模型指的是获取资源交换风险系数的模型，可以是全连接神经网络模型。资源交换风险系数指的是对虚拟资源进行资源交换的风险参数。
示例性地，对于每一个虚拟资源，服务器可以将该虚拟资源的资源变化数据的差异程度输入到预先训练的资源交换风险系数获取模型，通过资源交换风险系数获取模型，获取该虚拟资源对应的资源交换风险系数。
S208，基于多种虚拟资源对应的资源交换风险系数，以及多种虚拟资源对应的虚拟资源占比，得到待推荐资源账户的多种虚拟资源之间的相似程度。
其中，相似程度可以是虚拟资源的重合度，虚拟资源的重合度可以是虚拟资源的资源流向的重合度。
示例性地，可以基于多种虚拟资源对应的虚拟资源类别，以及多种虚拟资源对应的虚拟资源占比构建得到直方图，通过对资源交换风险系数、直方图进行拟合得到连续分布函数，基于多种虚拟资源对应的连续分布函数，多种虚拟资源对应的，确定每一个虚拟资源与其他虚拟资源的相似程度。
S210，基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息。
其中，虚拟资源推荐信息指的是用于表征推荐某一个或者多种虚拟资源的信息。
示例性地，可以根据待推荐资源账户中的每个虚拟资源与其他虚拟资源之间的相似程度，确定待推荐资源账户的虚拟资源推荐信息。例如，如果某一个虚拟资源与其他虚拟资源的相似程度都低于预先设置的相似程度阈值，则将该虚拟资源推荐给待推荐资源账户。
本实施例中，通过获取待推荐资源账户在历史虚拟资源交互业务中交换的多种虚拟资源以及多种虚拟资源对应的虚拟资源占比；多种虚拟资源对应多种不同的虚拟资源类别；获取多种虚拟资源对应的多个资源变化数据的差异程度；将多个资源变化数据的差异程度输入到预先训练的资源交换风险系数获取模型，通过资源交换风险系数获取模型，获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数；基于多种虚拟资源对应的资源交换风险系数，以及多种虚拟资源对应的虚拟资源占比，得到待推荐资源账户的多种虚拟资源之间的相似程度；基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息。与传统技术相比，本申请通过历史虚拟资源交互过程中不同类别的虚拟资源的资源变化数据的差异程度，得到多种虚拟资源对应的资源交换风险系数，通过资源交换风险系数以及虚拟资源占比，确定多种虚拟资源之间的相似程度，如此，能够进一步基于多种虚拟资源之间的相似程度确定待推荐资源账户的虚拟资源推荐信息，从而通过历史虚拟资源的相似程度的判断，实现待推荐资源账户的虚拟资源的推荐，提高了虚拟资源推荐的准确性。
在一个实施例中，如图3所示，通过资源交换风险系数获取模型，获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数，包括：
S302，通过资源交换风险系数获取模型，获取当前虚拟资源以及当前虚拟资源的资源变化数据的历史差异程度，当前虚拟资源为多种虚拟资源中的任意一种。
其中，当前虚拟资源可以是待推荐资源账户在历史虚拟资源交换业务中交换的多种虚拟资源中的任意一种。历史差异程度可以是历史一周、一个月、一个季度对应的资源变化数据的差异程度。
示例性地，对于每一个虚拟资源，通过资源交换风险系数获取模型，获取在历史一周、一个月、一个季度内，该虚拟资源的资源变化数据的差异程度。
可选地，获取历史一周、一个月、一个季度时间内该虚拟资源的阿尔法系数和标准差。
S304，基于当前虚拟资源的资源变化数据的历史差异程度，预测当前虚拟资源在预设时间的资源交换风险系数。
其中，预设时间可以是未来三日。
示例性地，对于每一个虚拟资源，可以通过资源交换风险系数获取模型，基于历史一周、一个月、一个季度内虚拟资源的资源变化数据的差异程度，预测在预设时间的资源交换风险系数。
例如，可以通过资源交换风险系数获取模型，基于历史一周、一个月、一个季度内虚拟资源的阿尔法系数和标准差，预测在未来三日的资源交换风险系数。
S306，将当前虚拟资源在预设时间的资源交换风险系数，作为当前虚拟资源的资源交换风险系数。
示例性地，对于每一个虚拟资源，可以将该虚拟资源在预设时间的资源交换风险系数，作为该虚拟资源的资源交换风险系数。
本实施例中，通过资源交换风险系数获取模型，基于当前虚拟资源的资源变化数据的历史差异程度，预测当前虚拟资源在预设时间的资源交换风险系数如此，能够准确地得到当前虚拟资源的资源交换风险系数，从而提高了虚拟资源推荐的准确性。
在一个实施例中，通过资源交换风险系数获取模型，获取当前虚拟资源以及当前虚拟资源的资源变化数据的历史差异程度，包括：
通过资源交换风险系数获取模型，从与当前虚拟资源关联的资源管理机构中获取当前虚拟资源对应的虚拟资源变化信息；其中，各虚拟资源对应的资源管理机构位于同一区块链系统中；
基于虚拟资源变化信息，得到当前虚拟资源的资源变化数据的历史差异程度。
其中，虚拟资源变化信息可以是虚拟资源的增益数据。
示例性地，各个虚拟资源关联的资源管理机构可以位于同一个区块链系统中，各个资源管理机构可以将对应的虚拟资源进行上链记录，并且可以将虚拟资源的增益数据进行上链记录。
服务器可以通过资源交换风险系数获取模型，从各个虚拟资源关联的资源管理机构中获取各个虚拟资源对应的虚拟资源的增益数据，并且根据虚拟资源的增益数据，得到当前虚拟资源的资源变化数据的历史差异程度。
本实施例中，通过在同一区块链系统中的资源管理机构获取对应的虚拟资源变化信息，可以提高对于虚拟资源推荐的安全性。
在一个实施例中，通过资源交换风险系数获取模型，获取当前虚拟资源以及当前虚拟资源的资源变化数据的历史差异程度，包括：
通过资源交换风险系数获取模型，从虚拟资源数据库中获取初始资源变化数据的历史差异程度；
对初始资源变化数据进行清洗处理，得到当前虚拟资源的资源变化数据的历史差异程度。
其中，初始资源变化数据指的是资源变化数据的原始数据，可以是多种虚拟资源能够的资源变化数据。
示例性地，服务器可以通过资源交换风险系数获取模型，从虚拟资源数据库中获取初始资源变化数据以及初始资源变化数据的历史差异程度。服务器可以对始资源变化数据进行清洗，得到当前虚拟资源的资源变化数据，以及当前虚拟资源的资源变化数据的历史差异程度。
本实施例中，由于初始资源变化数据的历史差异程度对应有多种冗余的资源变化数据的历史差异程度，通过对初始资源变化数据进行清洗处理，得到当前虚拟资源的资源变化数据的历史差异程度，能够减少数据处理的数据量，并且能够对虚拟资源推荐的准确性。
在一个实施例中，如图4所示，基于多种虚拟资源对应的资源交换风险系数，以及多种虚拟资源对应的虚拟资源占比，得到待推荐资源账户的多种虚拟资源之间的相似程度，包括：
S402，基于多种虚拟资源对应的资源类别，以及多种虚拟资源对应的虚拟资源占比，构建虚拟资源类别密度直方图；
S404，对虚拟资源类别密度直方图以及资源交换风险系数进行拟合，得到多种虚拟资源对应的风险系数类别占比曲线；
S406，基于多种虚拟资源对应的风险系数类别占比曲线之间的重合面积，得到多种虚拟资源之间的相似程度。
其中，虚拟资源类别密度直方图指的是各种虚拟资源对应的密度直方图。风险系数类别占比曲线指的是横轴为风险系数，纵轴为虚拟资源占比的曲线。
示例性地，可以明确多种虚拟资源对应的资源流向，基于多种虚拟资源对应的虚拟资源类别、以及多种虚拟资源对应的虚拟资源占比，构建虚拟资源类别密度直方图。可以通过核概率密度函数和合适的核赋予平滑度或连续性等属性，将直方图拟合为连续分布函数，得到多种虚拟资源对应的风险系数类别占比曲线。采用矩形求和近似的方法，得到多种虚拟资源对应的风险系数类别占比曲线之间的重合面积，得到多种虚拟资源之间的重合度，作为相似度。
本实施例中，通过基于多种虚拟资源对应的资源类别，以及多种虚拟资源对应的虚拟资源占比，构建虚拟资源类别密度直方图；对虚拟资源类别密度直方图以及资源交换风险系数进行拟合，得到多种虚拟资源对应的风险系数类别占比曲线；基于多种虚拟资源对应的风险系数类别占比曲线之间的重合面积，得到多种虚拟资源之间的相似程度。如此，能够准确地得到多种虚拟资源之间的相似程度，从而可以提高对于待推荐资源账户进行虚拟资源推荐的准确性。
在一个实施例中，基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息，包括：
获取预先设置的相似程度阈值；
将小于相似程度阈值的相似程度对应的两个虚拟资源作为待推荐资源账户的推荐虚拟资源；推荐虚拟资源用于表征为待推荐资源账户进行推荐的虚拟资源。
其中，相似程度阈值可以是用于相似程度进行比较的阈值。相似程度阈值可以根据实际情况来进行设定。
示例性地，服务器可以获取预先设置并且存储的相似程度阈值，并将各个虚拟资源对应的相似程度与相似程度阈值进行比较。可以将小于相似程度阈值的相似程度对应的两个虚拟资源推荐给待推荐资源账户。
本实施例中，可以将重合度小(小于相似程度阈值)的虚拟资源推荐给待推荐资源账户，从而可以减少待推荐资源账户已经拥有的虚拟资源与推荐虚拟资源之间的重合度，分散交换虚拟资源的风险，提高虚拟资源推荐的准确性。
在一个实施例中，基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息，包括：
获取与待推荐资源账户关联的终端发送的相似度查询指令，获取与相似程度查询指令对应的目标虚拟资源；
向终端发送目标虚拟资源对应的相似程度。
其中，相似度查询指令可以用于查询虚拟资源与其他虚拟资源之间的相似度。
示例性地，服务器可以获取与待推荐资源账户关联的终端发送的相似度查询指令，并且获取相似程度查询指令对应需要查询的目标虚拟资源。服务器可以将目标虚拟资源与其他虚拟资源对应的相似程度发送到与待推荐资源账户关联的终端，以便用户查看需要查询的虚拟资源对应的相似程度。
本实施例中，通过服务与待推荐资源账户关联的终端之间的交互，服务器可以响应用户触发的相似度查询指令，为用户提供虚拟资源对应的相似程度，从而提高与用户之间的交互率。
在一个实施例中，基于区块链技术，虚拟资源的信息，如风险等级、资源流向领域等均上链记录，可追溯。可让待推荐资源账户在各家资源管理机构等查询，但不含待推荐资源账户信息。
根据不同的虚拟资源流向领域建立浮动型风险指数，包括：
分别获取历史一周、一个月、一个季度的多个品类虚拟资源的特征相关数据，特征相关数据包括在历史阶段用于评估虚拟资源产品的阿尔法系数和标准差。
根据不同的虚拟资源流向领域的加权阿尔法系数和标准差。通过全连接神经网络(NN)，对历史一周、一个月、一个季度产品投资品类的加权阿尔法系数和标准差进行特征提取，并预测未来三日内不同虚拟资源类别的资源交换风险系数，并以此作为不同虚拟资源类别的资源交换风险系数。
通过神经网络提取虚拟资源关键特征，梳理虚拟资源的资源类别，明确虚拟资源的资源流向比例，根据不同虚拟资源产品的资源流向领域构建直方图。
通过核概率密度函数和合适的核赋予平滑度或连续性等属性，将直方图拟合为连续分布函数，采用矩形求和近似的方法来逼近重合度面积积分的计算，公式为：
其中，s为两条风险系数类别占比曲线的重叠面积，x为资源交换风险系数；y为虚拟资源占比。k为任意的虚拟资源，m为虚拟资源的数量。
构建了一个资源交换风险分类主要分为多种虚拟资源乐行，使得待推荐资源账户在交换虚拟资源时就可以对虚拟资源所进行的不同资源交换风险类型进行归类。通过根据不同虚拟资源产品的资源流向领域构建直方图，通过核概率密度函数和合适的核赋予平滑度或连续性等属性，将直方图拟合为连续分布函数，具体采用矩形求和近似的方法来逼近重合度面积积分的计算。
通过待推荐资源账户进行基本的选择，比如希望虚拟资源的资源流向等选择，并输入希望类别的配比。
基于大数据，选择匹配度最高的3个虚拟资源推荐给待推荐资源账户。
如果待推荐资源账户对两个虚拟资源进行对比，通过比较虚拟资源的资源流向领域，计算出虚拟资源重合度。
本实施例中，获取待推荐资源账户已购多种虚拟资源产品的资源流向领域，针对多个已选择虚拟资源，通过多虚拟资源产品重合度分析，得出已交换的虚拟资源品类的资源流向重合度；根据重合度，推荐降低虚拟资源投资重合度方法。能够避免交换多种虚拟资源后无法分析风险和交换虚拟资源重合的问题。
应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的虚拟资源推荐方法的虚拟资源推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个装置实施例中的具体限定可以参见上文中对于虚拟资源推荐方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种虚拟资源推荐装置500，包括：历史资源确定模块510、差异程度获取模块520、风险系数获取模块530、相似程度确定模块540和推荐信息确定模块550，其中：
历史资源确定模块510，用于获取待推荐资源账户在历史虚拟资源交互业务中交换的多种虚拟资源以及多种虚拟资源对应的虚拟资源占比；多种虚拟资源对应多种不同的虚拟资源类别。
差异程度获取模块520，用于获取多种虚拟资源对应的多个资源变化数据的差异程度。
风险系数获取模块530，用于将多个资源变化数据的差异程度输入到预先训练的资源交换风险系数获取模型，通过资源交换风险系数获取模型，获取与待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数。
相似程度确定模块540，用于基于多种虚拟资源对应的资源交换风险系数，以及多种虚拟资源对应的虚拟资源占比，得到待推荐资源账户的多种虚拟资源之间的相似程度。
推荐信息确定模块550，用于基于待推荐资源账户的多种虚拟资源之间的相似程度，得到待推荐资源账户的虚拟资源推荐信息。
在一个实施例中，风险系数获取模块包括历史差异程度单元、风险系数预测单元和风险系数确定单元。
历史差异程度单元用于通过资源交换风险系数获取模型，获取当前虚拟资源以及当前虚拟资源的资源变化数据的历史差异程度，当前虚拟资源为多种虚拟资源中的任意一种。风险系数预测单元用于基于当前虚拟资源的资源变化数据的历史差异程度，预测当前虚拟资源在预设时间的资源交换风险系数。风险系数确定单元用于将当前虚拟资源在预设时间的资源交换风险系数，作为当前虚拟资源的资源交换风险系数。
在一个实施例中，历史差异程度单元用于通过资源交换风险系数获取模型，从与当前虚拟资源关联的资源管理机构中获取当前虚拟资源对应的虚拟资源变化信息；其中，各虚拟资源对应的资源管理机构位于同一区块链系统中；历史差异程度单元还用于基于虚拟资源变化信息，得到当前虚拟资源的资源变化数据的历史差异程度。
在一个实施例中，历史差异程度单元包括初始数据获取单元和清洗处理单元。
初始数据获取单元用于通过资源交换风险系数获取模型，从虚拟资源数据库中获取初始资源变化数据的历史差异程度。清洗处理单元用于对初始资源变化数据进行清洗处理，得到当前虚拟资源的资源变化数据的历史差异程度。
在一个实施例中，相似程度确定模块包括直方图构建单元、拟合单元和相似程度计算单元。
相似程度确定模块用于基于多种虚拟资源对应的资源类别，以及多种虚拟资源对应的虚拟资源占比，构建虚拟资源类别密度直方图。拟合单元用于对虚拟资源类别密度直方图以及资源交换风险系数进行拟合，得到多种虚拟资源对应的风险系数类别占比曲线。相似程度计算单元用于基于多种虚拟资源对应的风险系数类别占比曲线之间的重合面积，得到多种虚拟资源之间的相似程度。
在一个实施例中，推荐信息确定模块包括相似阈值获取单元和推荐虚拟资源确定单元。
相似阈值获取单元用于获取预先设置的相似程度阈值。推荐虚拟资源确定单元用于将小于相似程度阈值的相似程度对应的两个虚拟资源作为待推荐资源账户的推荐虚拟资源；推荐虚拟资源用于表征为待推荐资源账户进行推荐的虚拟资源。
在一个实施例中，该装置还包括查询指令获取模块和查询指令发送模块。
查询指令获取模块用于获取与待推荐资源账户关联的终端发送的相似度查询指令，获取与相似程度查询指令对应的目标虚拟资源。查询指令发送模块用于向终端发送目标虚拟资源对应的相似程度。
上述虚拟资源推荐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。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。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和内存储器。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存储虚拟资源数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信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虚拟资源推荐方法。
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，还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上述各方法实施例中的步骤。
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，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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，所述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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
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。
以上所述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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种虚拟资源推荐方法，其特征在于，所述方法包括：
获取待推荐资源账户在历史虚拟资源交互业务中交换的多种虚拟资源以及所述多种虚拟资源对应的虚拟资源占比；所述多种虚拟资源对应多种不同的虚拟资源类别；
获取所述多种虚拟资源对应的多个资源变化数据的差异程度；
将所述多个资源变化数据的差异程度输入到预先训练的资源交换风险系数获取模型，通过所述资源交换风险系数获取模型，获取与所述待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数；
基于所述多种虚拟资源对应的资源交换风险系数，以及所述多种虚拟资源对应的虚拟资源占比，得到所述待推荐资源账户的多种虚拟资源之间的相似程度；
基于所述待推荐资源账户的多种虚拟资源之间的相似程度，得到所述待推荐资源账户的虚拟资源推荐信息。
2.根据权利要求1所述的方法，其特征在于，所述通过所述资源交换风险系数获取模型，获取与所述待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数，包括：
通过所述资源交换风险系数获取模型，获取当前虚拟资源以及所述当前虚拟资源的资源变化数据的历史差异程度，所述当前虚拟资源为多种虚拟资源中的任意一种；
基于所述当前虚拟资源的资源变化数据的历史差异程度，预测所述当前虚拟资源在预设时间的资源交换风险系数；
将所述当前虚拟资源在预设时间的资源交换风险系数，作为所述当前虚拟资源的资源交换风险系数。
3.根据权利要求2所述的方法，其特征在于，所述通过所述资源交换风险系数获取模型，获取当前虚拟资源以及所述当前虚拟资源的资源变化数据的历史差异程度，包括：
通过所述资源交换风险系数获取模型，从与所述当前虚拟资源关联的资源管理机构中获取所述当前虚拟资源对应的虚拟资源变化信息；其中，各虚拟资源对应的资源管理机构位于同一区块链系统中；
基于所述虚拟资源变化信息，得到所述当前虚拟资源的资源变化数据的历史差异程度。
4.根据权利要求2所述的方法，其特征在于，所述通过所述资源交换风险系数获取模型，获取当前虚拟资源以及所述当前虚拟资源的资源变化数据的历史差异程度，包括：
通过所述资源交换风险系数获取模型，从虚拟资源数据库中获取初始资源变化数据的历史差异程度；
对所述初始资源变化数据进行清洗处理，得到所述当前虚拟资源的资源变化数据的历史差异程度。
5.根据权利要求1所述的方法，其特征在于，所述基于所述多种虚拟资源对应的资源交换风险系数，以及所述多种虚拟资源对应的虚拟资源占比，得到所述待推荐资源账户的多种虚拟资源之间的相似程度，包括：
基于所述多种虚拟资源对应的资源类别，以及所述多种虚拟资源对应的虚拟资源占比，构建虚拟资源类别密度直方图；
对所述虚拟资源类别密度直方图以及所述资源交换风险系数进行拟合，得到所述多种虚拟资源对应的风险系数类别占比曲线；
基于所述多种虚拟资源对应的风险系数类别占比曲线之间的重合面积，得到所述多种虚拟资源之间的相似程度。
6.根据权利要求1至5任意一项所述的方法，其特征在于，所述基于所述待推荐资源账户的多种虚拟资源之间的相似程度，得到所述待推荐资源账户的虚拟资源推荐信息，包括：
获取预先设置的相似程度阈值；
将小于所述相似程度阈值的相似程度对应的两个虚拟资源作为所述待推荐资源账户的推荐虚拟资源；所述推荐虚拟资源用于表征为所述待推荐资源账户进行推荐的虚拟资源。
7.根据权利要求1至5任意一项所述的方法，其特征在于，所述基于所述待推荐资源账户的多种虚拟资源之间的相似程度，得到所述待推荐资源账户的虚拟资源推荐信息之后，包括：
获取与所述待推荐资源账户关联的终端发送的相似度查询指令，获取与所述相似程度查询指令对应的目标虚拟资源；
向所述终端发送所述目标虚拟资源对应的相似程度。
8.一种虚拟资源推荐装置，其特征在于，所述装置包括：
历史资源确定模块，用于获取待推荐资源账户在历史虚拟资源交互业务中交换的多种虚拟资源以及所述多种虚拟资源对应的虚拟资源占比；所述多种虚拟资源对应多种不同的虚拟资源类别；
差异程度获取模块，用于获取所述多种虚拟资源对应的多个资源变化数据的差异程度；
风险系数获取模块，用于将所述多个资源变化数据的差异程度输入到预先训练的资源交换风险系数获取模型，通过所述资源交换风险系数获取模型，获取与所述待推荐资源账户关联的多种虚拟资源对应的资源交换风险系数；
相似程度确定模块，用于基于所述多种虚拟资源对应的资源交换风险系数，以及所述多种虚拟资源对应的虚拟资源占比，得到所述待推荐资源账户的多种虚拟资源之间的相似程度；
推荐信息确定模块，用于基于所述待推荐资源账户的多种虚拟资源之间的相似程度，得到所述待推荐资源账户的虚拟资源推荐信息。
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7中任一项所述的方法的步骤。
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7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311198500.6A CN117314556A (zh) | 2023-09-15 | 2023-09-15 | 虚拟资源推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311198500.6A CN117314556A (zh) | 2023-09-15 | 2023-09-15 | 虚拟资源推荐方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117314556A true CN117314556A (zh) | 2023-12-29 |
Family
ID=89284101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311198500.6A Pending CN117314556A (zh) | 2023-09-15 | 2023-09-15 | 虚拟资源推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117314556A (zh) |
-
2023
- 2023-09-15 CN CN202311198500.6A patent/CN117314556A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021120677A1 (zh) | 一种仓储模型训练方法、装置、计算机设备及存储介质 | |
| CN107622326B (zh) | 用户分类、可用资源预测方法、装置及设备 | |
| WO2013067461A2 (en) | Identifying associations in data | |
| CN116861070A (zh) | 推荐模型的处理方法、装置、计算机设备和存储介质 | |
| CN114638823B (zh) | 基于注意力机制序列模型的全切片图像分类方法及装置 | |
| CN117314556A (zh) | 虚拟资源推荐方法、装置、计算机设备和存储介质 | |
| CN114881761A (zh) | 相似样本的确定方法与授信额度的确定方法 | |
| CN114549174A (zh) | 用户行为预测方法、装置、计算机设备和存储介质 | |
| CN114925919A (zh) | 业务资源处理方法、装置、计算机设备和存储介质 | |
| CN114529399A (zh) | 用户数据处理方法、装置、计算机设备和存储介质 | |
| CN114219184A (zh) | 产品交易数据预测方法、装置、设备、介质和程序产品 | |
| CN112884028A (zh) | 一种系统资源调整方法、装置及设备 | |
| CN117459576A (zh) | 基于边缘计算的数据推送方法、装置和计算机设备 | |
| CN117132335A (zh) | 资源合约中资源交易值的确定方法、装置和计算机设备 | |
| CN116127195A (zh) | 套餐推荐方法、装置、计算机设备、存储介质和程序产品 | |
| CN116681164A (zh) | 资源信息处理方法、装置、计算机设备和存储介质 | |
| CN115587856A (zh) | 客户分类模型确定方法、装置、计算机设备和存储介质 | |
| CN115470526A (zh) | 基于黑盒模型的对抗攻击数据的处理方法和装置 | |
| CN116091209A (zh) | 信贷业务处理方法、装置、计算机设备和存储介质 | |
| CN117436968A (zh) | 产品推荐的方法、装置、计算机设备和存储介质 | |
| CN117459577A (zh) | 虚拟物品信息推送方法、装置、计算机设备和存储介质 | |
| CN117151756A (zh) | 用户标签信息的确定方法、装置、设备、介质和程序产品 | |
| CN117094828A (zh) | 金融产品推荐方法、装置、计算机设备和存储介质 | |
| CN115587677A (zh) | 基于互信息的电力系统负荷的关联因素分析方法及装置 | |
| CN117312660A (zh) | 项目推送方法、装置、计算机设备和存储介质 |
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 |