基于大数据的资源推荐方法、装置、电子设备及介质制造方法及图纸

本发明专利技术涉及数据处理技术，揭露了一种基于大数据的资源推荐方法，包括：获取训练数据集以及多个基模型，对基模型进行训练，得到标准基模型；通过标准基模型对训练数据集包含的第二数据子集进行预测，得到至少两个预测结果集；将所述预测结果集通过分类模型进行分类，得到第一推荐资源集；向第一推荐资源集中添加资源数据的隐反馈信息，得到第二推荐资源集，通过所述第二推荐资源集训练预构建的推荐模型，得到资源推荐模型；将获目标资源数据和/或目标用户数据输入至资源推荐模型，生成资源推荐列表并进行资源推送。此外，本发明专利技术还涉及区块链技术，所述目标资源数据和/或目标用户数据可存储于区块链节点中。本发明专利技术可以解决资源推荐效率低，成本高的问题。

【技术实现步骤摘要】
基于大数据的资源推荐方法、装置、电子设备及介质
本专利技术涉及大数据的数据处理
，尤其涉及一种基于大数据的资源推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着大数据的兴起，人们对现有市场上各类产品的需求越来越广泛，资源的显示方式已经从用户主动获取并显示的方式，主动向用户推荐并显示资源。现有技术中，资源推荐方法有两类：第一类是计算资源的热度、平均值等特征，基于从众思想生成统一资源推荐列表，该方法忽略了用户兴趣，造成资源推荐的准确度不高；第二类是通过专家定义指定参数，改进第一类的资源推荐方式，具体的，当发现推荐资源存在偏差情况时，通过人工方式进行数据分析，依据分析结果更新推荐资源，这种方式提高了推荐的准确性，但是需要繁琐的人工操作，资源推荐的效率低下，因此，如何实现高精度，高效率的资源推荐成为一个亟待解决的问题。
技术实现思路
本专利技术提供一种基于大数据的资源推荐方法、装置、电子设备及计算机可读存储介质，其主要目的在于提供一种高精度，高效率的资源推荐方法。为实现上述目的，本专利技术提供的一种基于大数据的资源推荐方法，包括：获取训练数据集以及至少两个基模型；从所述训练数据集中选取第一数据子集对所述至少两个基模型进行训练，得到至少两个标准基模型；通过所述至少两个标准基模型对所述训练数据集包含的第二数据子集进行预测，得到至少两个标准基模型对应的至少两个预测结果集；将所述至少两个预测结果集通过分类模型进行分类，得到第一推荐资源集，所述第一推荐资源集包含资源数据与所述资源数据的资源评分；向所述第一推荐资源集中添加所述资源数据的隐反馈信息，得到第二推荐资源集，通过所述第二推荐资源集对预构建的推荐模型进行训练，得到资源推荐模型；将获取到的目标资源数据和/或目标用户数据输入至所述资源推荐模型，生成资源推荐列表，根据所述资源推荐列表进行资源推送。可选地，所述通过所述第二推荐资源集对预构建的推荐模型进行训练，包括：通过所述第二推荐资源集包含的隐反馈信息，调整所述第一推荐资源集中所述资源数据的资源评分，得到第三推荐资源集；根据所述第三推荐资源集调整所述预构建的推荐模型的系数；通过所述第三推荐资源集对预构建的推荐模型进行训练。可选地，所述推荐模型为：其中，D为所述推荐模型，θj为所述标准基模型，wi为资源数据i的评分，vi为资源数据i的隐反馈信息，degree为预设权重值，n为所述第二数据子集中资源数据的个数，m为所述标准基模型的个数。可选地，所述基模型包括矩阵分解模型、基线估计模型、距离分解模型、文本处理模型、聚类模型之中任意一项。可选地，所述根据所述资源推荐列表进行资源推送包括：基于websocket协议建立的长连接向客户端推送所述源推荐列表包含的资源。为了解决上述问题，本专利技术还提供一种资源推荐装置，所述装置包括：获取模块，用于获取训练数据集以及至少两个基模型；基模型训练模块，用于从所述训练数据集中选取第一数据子集对所述至少两个基模型进行训练，得到至少两个标准基模型；预测模块，用于通过所述至少两个标准基模型对所述所述训练数据集包含的第二数据子集进行预测，得到至少两个标准基模型对应的至少两个预测结果集；分类模块，用于将所述至少两个预测结果集通过分类模型进行分类，得到第一推荐资源集，所述第一推荐资源集包含资源数据与所述资源数据的资源评分；隐反馈模块，用于向所述第一推荐资源集中添加所述资源数据的隐反馈信息，得到第二推荐资源集，通过所述第二推荐资源集对预构建的推荐模型进行训练，得到资源推荐模型；资源推送模块，用于将获取到的目标资源数据和/或目标用户数据输入至所述资源推荐模型，生成资源推荐列表，根据所述资源推荐列表进行资源推送。可选地，所述基模型训练模块具体用于：通过所述第二推荐资源集包含的隐反馈信息，调整所述第一推荐资源集中所述资源数据的资源评分，得到第三推荐资源集；根据所述第三推荐资源集调整所述预构建的推荐模型的系数；通过所述第三推荐资源集对系数调整后的推荐模型进行训练，得到至少两个标准基模型。可选地，所述基模型包括矩阵分解模型、基线估计模型、距离分解模型、文本处理模型、聚类模型之中任意一项。为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现上述基于大数据的资源推荐方法。为了解决上述问题，本专利技术还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现上述基于大数据的资源推荐方法。本专利技术实施例获取训练数据集以及至少两个基模型；从所述训练数据集中选取第一数据子集对所述至少两个基模型进行训练，得到至少两个标准基模型；通过所述至少两个标准基模型对所述所述训练数据集包含的第二数据子集进行预测，得到至少两个标准基模型对应的至少两个预测结果集；将所述至少两个预测结果集通过分类模型进行分类，得到第一推荐资源集；通过训练多个不同的基模型进行资源数据预测，并综合多个基模型的预测结果进行分类得到第一推荐资源及，使得到的第一推荐资源集更加准确，同时，利用分类模型对所述预测结果集进行分类，可以减少后续计算资源的占用，便于后续实现快速的资源推荐；向所述第一推荐资源集中添加所述资源数据的隐反馈信息，得到第二推荐资源集，通过所述第二推荐资源集对预构建的推荐模型进行训练，得到资源推荐模型，通过隐反馈信息调整所述第一推荐资源集的数据，并对对预构建的推荐模型进行训练，通过在训练推荐模型时在增加隐反馈信息，从资源数据的多个维度进行模型训练，从而能够获得更加精准的资源推荐模型，达到对资源精准推荐的效果。同时，本实施例中无需在每次运行过程中进行人工数据分析，提高了资源推荐的效率。因此本专利技术提出的基于大数据的资源推荐方法、装置及计算机可读存储介质，可以实现将高效、精准地推荐资源的目的。附图说明图1为本专利技术一实施例提供的基于大数据的资源推荐方法的流程示意图；图2为本专利技术一实施例提供的基于大数据的资源推荐装置的模块示意图；图3为本专利技术一实施例提供的实现基于大数据的资源推荐方法的电子设备的内部结构示意图；本专利技术目的的实现、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专利技术，并不用于限定本专利技术。本申请实施例提供的基于大数据的资源推荐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，所述实例动态调整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本文档来自技高网...

【技术保护点】
1.一种基于大数据的资源推荐方法，其特征在于，所述方法应用于电子设备中，包括：/n获取训练数据集以及至少两个基模型；/n从所述训练数据集中选取第一数据子集对所述至少两个基模型进行训练，得到至少两个标准基模型；/n通过所述至少两个标准基模型对所述训练数据集包含的第二数据子集进行预测，得到至少两个标准基模型对应的至少两个预测结果集；/n将所述至少两个预测结果集通过分类模型进行分类，得到第一推荐资源集，所述第一推荐资源集包含资源数据与所述资源数据的资源评分；/n向所述第一推荐资源集中添加所述资源数据的隐反馈信息，得到第二推荐资源集，通过所述第二推荐资源集对预构建的推荐模型进行训练，得到资源推荐模型；/n将获取到的目标资源数据和/或目标用户数据输入至所述资源推荐模型，生成资源推荐列表，根据所述资源推荐列表进行资源推送。/n

【技术特征摘要】
1.一种基于大数据的资源推荐方法，其特征在于，所述方法应用于电子设备中，包括：
获取训练数据集以及至少两个基模型；
从所述训练数据集中选取第一数据子集对所述至少两个基模型进行训练，得到至少两个标准基模型；
通过所述至少两个标准基模型对所述训练数据集包含的第二数据子集进行预测，得到至少两个标准基模型对应的至少两个预测结果集；
将所述至少两个预测结果集通过分类模型进行分类，得到第一推荐资源集，所述第一推荐资源集包含资源数据与所述资源数据的资源评分；
向所述第一推荐资源集中添加所述资源数据的隐反馈信息，得到第二推荐资源集，通过所述第二推荐资源集对预构建的推荐模型进行训练，得到资源推荐模型；
将获取到的目标资源数据和/或目标用户数据输入至所述资源推荐模型，生成资源推荐列表，根据所述资源推荐列表进行资源推送。


2.如权利要求1所述的基于大数据的资源推荐方法，其特征在于，所述通过所述第二推荐资源集对预构建的推荐模型进行训练，包括：
通过所述第二推荐资源集包含的隐反馈信息，调整所述第一推荐资源集中所述资源数据的资源评分，得到第三推荐资源集；
根据所述第三推荐资源集调整所述预构建的推荐模型的系数；
通过所述第三推荐资源集对预构建的推荐模型进行训练。


3.如权利要求1所述的基于大数据的资源推荐方法，其特征在于，所述推荐模型为：



其中，D为所述推荐模型，θj为所述标准基模型，wi为资源数据i的评分，vi为资源数据i的隐反馈信息，degree为预设权重值，n为所述第二数据子集中资源数据的个数，m为所述标准基模型的个数。


4.如权利要求1所述的基于大数据的资源推荐方法，其特征在于，所述基模型包括矩阵分解模型、基线估计模型、距离分解模型、文本处理模型、聚类模型之中任意一项。


5.如权利要求1所述的基于大数据的资源推荐方法，其特征在于，所述根据所述资源推荐列表进行资源推送包括：
基于websocket协议建立的长连接向客户端推送所述源推荐列表包含的资源。


6.一种基于大数据的资源推荐装置，其特征在于，所述...

【专利技术属性】
技术研发人员：陆园丽，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44