基于云计算的数据推送方法及电子设备技术

本申请是关于基于云计算的数据推送方法及电子设备。应用本申请方案，能够在用户行为数据的第一特征向量的基础上进一步挖掘额外的特征维度，提高对用户行为数据的特征分析的效率和全面性，避免遗漏特征维度。这样，能够准确、完整地确定出用户行为数据对应的目标特征向量，然后基于该目标特征向量准确地确定期望数据并进行推送，进而提高云端服务器在数据推送过程中的推送准确性，避免数据的误推送。避免数据的误推送。避免数据的误推送。

【技术实现步骤摘要】
基于云计算的数据推送方法及电子设备


[0001]本申请涉及云计算数据推送
，尤其涉及基于云计算的数据推送方法及电子设备。

技术介绍

[0002]随着云计算的发展，数据交互已广泛应用于各行各业。以数据推送技术为例，云端服务器可以对智能终端的用户行为数据进行分析，从而确定出智能终端所对应的用户的期望数据，然后从数据库中确定出这些期望数据并推送给智能终端。然而，云端服务器在实际的数据推送过程中，往往存在推送准确性低下或误推送的问题。

技术实现思路

[0003]本申请提供基于云计算的数据推送方法及电子设备，以改善现有技术存在的推送准确性低下或误推送的问题。
[0004]根据本申请的一个方面，提供一种基于云计算的数据推送方法，应用于电子设备，所述方法包括：从智能终端处采集所述智能终端通过对用户输入的操作指令进行处理生成的用户行为数据；其中，所述操作指令包括触摸指令、语音指令或面部表情指令；所述用户行为数据包括以下四个类别的行为数据：行为参数、所述行为参数对应的生成时刻信息、所述行为参数对应的参数类别信息以及所述智能终端对应的数据格式信息；提取所述用户行为数据对应的第一特征向量以及所述行为参数、所述生成时刻信息、所述参数类别信息以及所述数据格式信息分别对应的第二特征向量；其中，所述第一特征向量为N维向量，所述第二特征向量为N+1维向量，N为正整数，所述第二特征向量的最后一维特征值用于表征所述第二特征向量所对应的行为数据类别；确定所述第一特征向量对应的第一向量网络以及每个第二特征向量的第二向量网络；其中，所述第一向量网络和每个第二向量网络中包括至少多个具有不同网络响应权重的网络节点，每个网络节点对应一个向量值，所述网络响应权重为网络节点对向量网络的收敛性影响系数，所述收敛性影响系数用于表征向量网络对应的特征向量的扩维值，所述第一向量网络和每个第二向量网络中的数网络节点数量均为N个；确定所述第一特征向量在所述第一向量网络中的任一网络响应权重的初始网络节点，将每个第二向量网络中的具有最大网络响应权重的网络节点确定为目标网络节点；获取所述初始网络节点与每个目标网络节点之间的节点信息相似度，所述节点信息相似度用于表征初始网络节点与每个目标网络节点在向量值层面的匹配度；基于每个节点信息相似度，确定每个第二特征向量相对于所述第一特征向量的扩维系数；根据确定出的所有扩维系数对所述第一特征向量进行扩维处理得到N+M维的目标特征向量，M为正整数；根据所述目标特征向量从预设数据库中确定出至少一个期望数据，将所述期望数据推
送给所述智能终端。
[0005]优选地，所述提取所述用户行为数据对应的第一特征向量，包括：将所述用户行为数据的多个数据字段按照字段长度由大到小的顺序依次列出，得到所述用户行为数据对应的数据字段序列；针对所述数据字段序列，确定所述数据字段序列中相邻两个数据字段之间的字段长度差值；根据确定出的所有字段长度差值确定所述数据字段序列的序列分布特征；其中，所述数据字段是按照时段进行划分的，序列分布特征用于表征所述数据字段序列的字段长度分布情况；提取所述序列分布特征中的用于表征所述数据字段的字段分布离散程度的序列分布值，基于所述序列分布值生成所述数据字段序列对应的数据字段轨迹，所述数据字段轨迹中包括多个轨迹节点，所述轨迹节点与所述数据字段一一对应，每个轨迹节点至少与所述数据字段轨迹中除该轨迹节点之外的至少一个轨迹节点连接，互相连接的两个轨迹节点之间存在一个关联性权重，所述关联性权重存在由大到小的优先级，所述优先级用于表征互相连接的两个轨迹节点之间的影响因子；按照优先级由低到高的顺序将每两个存在互相连接关系的轨迹节点列出得到轨迹节点序列，对所述轨迹节点序列中重复的轨迹节点进行剔除得到目标轨迹节点序列；针对所述目标轨迹节点序列中的每个目标轨迹节点，按照预设映射关系将该目标轨迹节点对应的数据字段中的字段信息映射到预设坐标平面得到映射坐标值并基于所述映射坐标值确定每个数据字段对应的特征值；按照所述数据字段序列将所述特征值进行排序以得到所述用户行为数据对应的第一特征向量。
[0006]优选地，所述提取所述行为参数对应的第二特征向量，包括：确定所述行为参数对应的至少多个执行函数，所述执行函数用于执行所述用户的操作指令并输出所述操作指令对应的行为参数；根据所述操作指令确定每个执行函数的输入信息并根据所述行为参数确定每个执行函数的输出信息；基于每个输入信息及其对应的输出信息确定每个执行函数对应的执行逻辑信息；针对每个执行逻辑信息，判断该执行逻辑信息中是否存在调用日志，所述调用日志是所述电子设备根据所述执行函数的第一函数类型反射调用钩子hook函数以通过所述钩子hook函数对所述执行函数对应的输入信息进行处理得到对应的输出信息的运行日志；在确定出该执行逻辑信息中存在所述调用日志时，确定该逻辑执行信息对应的钩子hook函数的第二函数类型；根据所述行为参数对应的至少部分第一函数类型和至少部分第二函数类型确定所述行为参数的特征提取列表；基于所述特征提取列表对所述行为参数进行特征提取并基于所述行为参数对应的行为数据类别得到所述行为参数对应的第二特征向量。
[0007]优选地，所述获取所述初始网络节点与每个目标网络节点之间的节点信息相似度，包括：确定所述初始网络节点的节点信息对应的第一信息列表及每个目标网络节点的节点信息对应的第二信息列表；其中，所述第一信息列表与所述第二信息列表具有相同的行数和列数，所述第一信息列表与所述第二信息列表的列表单元数相同，所述第一信息列表中的第一列表单元具有不同的第一单元权重，所述第二信息列表中的第二列表单元具有不同
的第二单元权重；将所述第一信息列表中的每个第一列表单元与所述第二信息列表中对应的第二列表单元进行一一比对，得到比对结果；在所述比对结果表征所述第一列表单元中的信息与所述第二列表单元中的信息相同时，确定所述比对结果的比对相似度为第一设定数值；在所述比对结果表征所述第一列表单元中的信息与所述第二列表单元中的信息不相同时，基于所述第一列表单元对应的第一单元权重以及所述第二列表单元对应的第二单元权重对第二设定数值进行加权得到所述比对结果对应的比对相似度；确定所述比对相似度的均值为所述初始网络与每个目标网络节点之间的节点信息相似度。
[0008]优选地，所述基于每个节点信息相似度，确定每个第二特征向量相对于所述第一特征向量的扩维系数，包括：确定每相邻两个节点信息相似度之间的相似度差值以及所述节点信息相似度的中位数；确定落入以所述中位数为区间中点并以所述节点信息相似度的相似度平均值为区间长度的设定区间中的相似度差值的累计值；判断所述累计值是否达到设定值；若是，则根据每个节点信息相似度与所述中位数的差值确定该节点信息相似度对应的第二特征向量相对于所述第一特征向量的扩维系数；若否，则根据每个节点信息相似度与所述相似度平均值的差值确定该节点信息相似度对应的第二特征向量相对于所述第一特征向量的扩维系数。
[0009]优选地，所述根据确定出的所有扩维系数对所述第一特征向量进行扩维处理得到N+M维的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的数据推送方法，其特征在于，应用于电子设备，所述方法包括：从智能终端处采集所述智能终端通过对用户输入的操作指令进行处理生成的用户行为数据；其中，所述操作指令包括触摸指令、语音指令或面部表情指令；所述用户行为数据包括以下四个类别的行为数据：行为参数、所述行为参数对应的生成时刻信息、所述行为参数对应的参数类别信息以及所述智能终端对应的数据格式信息；提取所述用户行为数据对应的第一特征向量以及所述行为参数、所述生成时刻信息、所述参数类别信息以及所述数据格式信息分别对应的第二特征向量；其中，所述第一特征向量为N维向量，所述第二特征向量为N+1维向量，N为正整数，所述第二特征向量的最后一维特征值用于表征所述第二特征向量所对应的行为数据类别；确定所述第一特征向量对应的第一向量网络以及每个第二特征向量的第二向量网络；其中，所述第一向量网络和每个第二向量网络中包括至少多个具有不同网络响应权重的网络节点，每个网络节点对应一个向量值，所述网络响应权重为网络节点对向量网络的收敛性影响系数，所述收敛性影响系数用于表征向量网络对应的特征向量的扩维值，所述第一向量网络和每个第二向量网络中的数网络节点数量均为N个；确定所述第一特征向量在所述第一向量网络中的任一网络响应权重的初始网络节点，将每个第二向量网络中的具有最大网络响应权重的网络节点确定为目标网络节点；获取所述初始网络节点与每个目标网络节点之间的节点信息相似度，所述节点信息相似度用于表征初始网络节点与每个目标网络节点在向量值层面的匹配度；基于每个节点信息相似度，确定每个第二特征向量相对于所述第一特征向量的扩维系数；根据确定出的所有扩维系数对所述第一特征向量进行扩维处理得到N+M维的目标特征向量，M为正整数；根据所述目标特征向量从预设数据库中确定出至少一个期望数据，将所述期望数据推送给所述智能终端；其中，所述方法还包括：从外部获取最新数据并将所述最新数据存储至所述数据库中；其中，所述将所述最新数据存储至所述数据库中，具体包括：提取所述最新数据的数据特征向量以及各数据段；其中，不同的数据段对应不同的数据信息；在依据所述数据特征向量确定出所述最新数据中包含有数据结构类别的情况下，基于所述最新数据在所述数据结构类别中的数据段及其数据段权重确定所述最新数据在数据信息类别中的各数据段与所述最新数据在所述数据结构类别中的各数据段之间的数据差异系数；将所述最新数据在所述数据信息类别中的与所述所述最新数据在所述数据结构类别中的数据段之间的数据差异系数最小的数据段调整到所述最新数据的所述数据结构类别中；在所述最新数据的所述数据信息类别中包含有多个数据段时，基于所述最新数据在所述数据结构类别中的数据段及其数据段权重确定所述最新数据在所述数据信息类别中的各数据段之间的数据差异系数，并基于所述各数据段之间的数据差异系数对所述数据信息类别中的各数据段进行数据转换，得到所述数据信息类别中的各数据段对应的目标数据
段；基于所述最新数据在所述数据结构类别中的数据段及其数据段权重为各所述目标数据段封装段落指向参数，并将各所述目标数据段转移到所述段落指向参数所对应的所述数据结构类别的子类别中；基于所述数据结构类别中的每个第一数据段确定所述最新数据的第一数据结构特征；获取所述数据库的存储线程信息并基于所述存储线程信息确定所述数据库对应的第二数据结构特征；确定所述第一数据结构特征与所述第二数据结构特征之间的余弦距离；根据所述余弦距离对所述最新数据进行数据格式转换之后存入所述数据库。2.根据权利要求1所述的数据推送方法，其特征在于，所述提取所述用户行为数据对应的第一特征向量，包括：将所述用户行为数据的多个数据字段按照字段长度由大到小的顺序依次列出，得到所述用户行为数据对应的数据字段序列；针对所述数据字段序列，确定所述数据字段序列中相邻两个数据字段之间的字段长度差值；根据确定出的所有字段长度差值确定所述数据字段序列的序列分布特征；其中，所述数据字段是按照时段进行划分的，序列分布特征用于表征所述数据字段序列的字段长度分布情况；提取所述序列分布特征中的用于表征所述数据字段的字段分布离散程度的序列分布值，基于所述序列分布值生成所述数据字段序列对应的数据字段轨迹，所述数据字段轨迹中包括多个轨迹节点，所述轨迹节点与所述数据字段一一对应，每个轨迹节点至少与所述数据字段轨迹中除该轨迹节点之外的至少一个轨迹节点连接，互相连接的两...

【专利技术属性】
技术研发人员：尹兵，
申请(专利权)人：尹兵，
类型：发明
国别省市：