基于智能降级的资源推荐方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及数据分析技术，揭露了一种基于智能降级的资源推荐方法，包括：提取资源推荐请求的访问标识；若访问标识为第一标识，按照第一策略生成资源推荐列表对用户进行推荐，将资源推荐列表与用户进行关联存储；若访问标识为第二标识，获取用户特征及目标降级特征；判断用户特征是否在目标降级特征中；若不在，按照第一策略生成资源推荐列表对用户进行推荐，将资源推荐列表与用户进行关联存储；若在，调用存储的资源推荐列表对用户进行推荐。此外，本发明专利技术还涉及区块链技术，用户特征可存储于区块链的节点。本发明专利技术还提出一种基于智能降级的资源推荐装置、设备及介质。本发明专利技术可以解决对用户的推荐服务进行降级会造成计算资源空置的问题。

【技术实现步骤摘要】
基于智能降级的资源推荐方法、装置、设备及存储介质
本专利技术涉及数据分析
，尤其涉及一种基于智能降级的资源推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
在对用户进行资源推荐时，往往由统一的服务器对用户数据进行分析，并根据分析结果生成与用户相符的推荐列表，以实现对用户的智能推荐。但当并发用户数量过大，或者服务器出现部分故障时，服务器所能分析的用户数据量会部分降低，因此，需要对用户的推荐进行降级，例如，将针对每个用户的精准推荐降级为针对某一类用户群体的统一模板推荐。目前针对服务器无法正常提供推荐服务的解决办法多为将全体用户进行无差别降级，但服务器往往仅是部分功能降低，若直接对全体用户的资源推荐服务进行降级，会造成服务器大量计算资源的空置，因此，如何在服务器无法正常提供推荐服务时，实现对资源推荐服务的智能降级成为了亟待解决的问题。
技术实现思路
本专利技术提供一种基于智能降级的资源推荐方法、装置及计算机可读存储介质，其主要目的在于解决对用户的推荐服务进行降级会造成计算资源空置的问题。为实现上述目的，本专利技术提供的一种基于智能降级的资源推荐方法，包括：获取用户的资源推荐请求，提取出所述资源推荐请求中的访问标识；若所述访问标识为第一标识，确定所述资源推荐请求为首次请求，按照第一策略生成资源推荐列表对所述用户进行资源推荐，并将所述资源推荐列表与所述用户进行关联存储；若所述访问标识为第二标识，确定所述资源推荐请求为非首次请求，获取预先存储的用户特征及目标降级特征；判断所述用户特征是否在目标降级特征中；若所述用户特征不在所述目标降级特征中，按照所述第一策略生成资源推荐列表对所述用户进行资源推荐，并将所述资源推荐列表与所述用户进行关联存储；若所述用户特征在所述目标降级特征中，调用与所述用户关联存储的资源推荐列表对用户进行资源推荐。可选地，所述提取出所述资源推荐请求中的访问标识，包括：遍历所述资源推荐请求以确定所述资源推荐请求中字段间隔符号的位置；按照所述字段间隔符号的位置将所述资源推荐请求划分为多个请求字段，并对所述多个请求字段按照在所述资源推荐请求中从前向后的顺序进行编号；选取预设编号的请求字段，并对选取的请求字段进行解析，得到请求标识。可选地，所述按照第一策略生成资源推荐列表对所述用户进行资源推荐，包括：获取所述用户的用户数据，根据所述用户数据生成所述用户的用户画像；获取多个待推荐资源，分别将所述多个待推荐资源与所述用户画像进行匹配分析，得到每个待推荐资源与所述用户画像的匹配度；选取匹配度大于预设匹配度阈值的待推荐资源，并按照所述匹配度从大到小的顺序将选取的待推荐资源进行排序生成资源推荐列表；根据资源推荐列表对所述用户进行资源推荐。可选地，所述根据所述用户数据生成所述用户的用户画像，包括：对所述用户数据进行文本转化，得到文本数据；对所述文本数据进行分词处理，得到文本分词；对所述文本分词进行词向量转化，得到文本词向量；利用预先训练的特征提取算法对所述文本词向量进行特征提取，得到特征词向量；根据所述特征词向量生成所述用户的用户画像。可选地，所述对所述文本数据进行分词处理，得到文本分词，包括：获取预先构建的标准词典，其中，所述标准词典中包含多个标准分词；将所述文本数据按照预设的第一长度进行文本划分，得到检索词；将所述检索词在所述标准词典中进行检索，当从所述标准词典中检索到与所述检索词相同的标准分词时，确定所述检索词为所述文本数据的文本分词，并返回文本划分的步骤按照预设的第二长度进行文本划分，直至所述文本划分的次数达到预设次数，得到所述文本数据对应的文本分词。可选地，所述判断所述用户特征是否在目标降级特征中，包括：对所述目标降级特征中的各特征构建索引；根据所述用户特征及所述索引在所述目标降级特征中进行检索，得到检索内容；检测所述检索内容的长度，当所述检索内容的长度为零，确定所述用户特征不在所述目标降级特征内；当所述检索内容的长度不为零，确定所述用户特征在所述目标降级特征内。可选地，所述调用与所述用户关联存储的资源推荐列表对用户进行资源推荐，包括：提取所述资源推荐请求中的用户ID；根据所述用户ID生成资源推荐列表调用请求；利用所述资源列表调用请求调用与所述用户关联存储的资源推荐列表；利用所述资源推荐列表对所述用户进行资源推荐。为了解决上述问题，本专利技术还提供一种基于智能降级的资源推荐装置，所述装置包括：标识提取模块，用于获取用户的资源推荐请求，提取出所述资源推荐请求中的访问标识；第一推荐模块，用于若所述访问标识为第一标识，确定所述资源推荐请求为首次请求，按照第一策略生成资源推荐列表对所述用户进行资源推荐，并将所述资源推荐列表与所述用户进行关联存储；数据获取模块，用于若所述访问标识为第二标识，确定所述资源推荐请求为非首次请求，获取预先存储的用户特征及目标降级特征；降级判断模块，用于判断所述用户特征是否在目标降级特征中；第二推荐模块，用于若所述用户特征不在所述目标降级特征中，按照所述第一策略生成资源推荐列表对所述用户进行资源推荐，并将所述资源推荐列表与所述用户进行关联存储；第三推荐模块，用于若所述用户特征在所述目标降级特征中，调用与所述用户关联存储的资源推荐列表对用户进行资源推荐。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所述的基于智能降级的资源推荐方法。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，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于智能降级的资源推荐方法。本专利技术实施例提取资源推荐请求中的访问标识，并对该访问标识进行判断，以确定资源推荐请求是否为首次请求，若为首次请求，按照第一策略生成用户的资源推荐列表以实现对用户的资源推荐，并存储资源推荐列表，实现了对首次请求的用户进行精细化的推荐；若该请求不是首次请求，则获取用户特征，对不在目标降级特征中的用户特征对应的用户生成用户的资源推荐列表，进行精细化的推荐，对在目标降级特征中的用户特征对应的用户，通过调用历史生成的资源推荐列表进行降级推荐，实现了针对不同用户群体进行区别性的资源推荐，避免了对所有用户进行无差别的推荐服务降级，进而在服务器无法正常提供推荐服务时，实现对资源推荐服务的智能降级，提高了服务器中计算资源的利用率。因此本专利技术提出的基于智能降级的资源推荐方法、装置、电子设备及计算机可读存储介质，可以解决对用户的推荐服务进行降级会造成计算资源空置的问题。附图说明图1为本专利技术一实施例提供的基于智能降级的资源推荐方法的流程示意图；<本文档来自技高网...

【技术保护点】
1.一种基于智能降级的资源推荐方法，其特征在于，所述方法包括：/n获取用户的资源推荐请求，提取出所述资源推荐请求中的访问标识；/n若所述访问标识为第一标识，确定所述资源推荐请求为首次请求，按照第一策略生成资源推荐列表对所述用户进行资源推荐，并将所述资源推荐列表与所述用户进行关联存储；/n若所述访问标识为第二标识，确定所述资源推荐请求为非首次请求，获取预先存储的用户特征及目标降级特征；/n判断所述用户特征是否在目标降级特征中；/n若所述用户特征不在所述目标降级特征中，按照所述第一策略生成资源推荐列表对所述用户进行资源推荐，并将所述资源推荐列表与所述用户进行关联存储；/n若所述用户特征在所述目标降级特征中，调用与所述用户关联存储的资源推荐列表对用户进行资源推荐。/n

【技术特征摘要】
1.一种基于智能降级的资源推荐方法，其特征在于，所述方法包括：
获取用户的资源推荐请求，提取出所述资源推荐请求中的访问标识；
若所述访问标识为第一标识，确定所述资源推荐请求为首次请求，按照第一策略生成资源推荐列表对所述用户进行资源推荐，并将所述资源推荐列表与所述用户进行关联存储；
若所述访问标识为第二标识，确定所述资源推荐请求为非首次请求，获取预先存储的用户特征及目标降级特征；
判断所述用户特征是否在目标降级特征中；
若所述用户特征不在所述目标降级特征中，按照所述第一策略生成资源推荐列表对所述用户进行资源推荐，并将所述资源推荐列表与所述用户进行关联存储；
若所述用户特征在所述目标降级特征中，调用与所述用户关联存储的资源推荐列表对用户进行资源推荐。


2.如权利要求1所述的基于智能降级的资源推荐方法，其特征在于，所述提取出所述资源推荐请求中的访问标识，包括：
遍历所述资源推荐请求以确定所述资源推荐请求中字段间隔符号的位置；
按照所述字段间隔符号的位置将所述资源推荐请求划分为多个请求字段，并对所述多个请求字段按照在所述资源推荐请求中从前向后的顺序进行编号；
选取预设编号的请求字段，并对选取的请求字段进行解析，得到请求标识。


3.如权利要求1所述的基于智能降级的资源推荐方法，其特征在于，所述按照第一策略生成资源推荐列表对所述用户进行资源推荐，包括：
获取所述用户的用户数据，根据所述用户数据生成所述用户的用户画像；
获取多个待推荐资源，分别将所述多个待推荐资源与所述用户画像进行匹配分析，得到每个待推荐资源与所述用户画像的匹配度；
选取匹配度大于预设匹配度阈值的待推荐资源，并按照所述匹配度从大到小的顺序将选取的待推荐资源进行排序生成资源推荐列表；
根据资源推荐列表对所述用户进行资源推荐。


4.如权利要求3所述的基于智能降级的资源推荐方法，其特征在于，所述根据所述用户数据生成所述用户的用户画像，包括：
对所述用户数据进行文本转化，得到文本数据；
对所述文本数据进行分词处理，得到文本分词；
对所述文本分词进行词向量转化，得到文本词向量；
利用预先训练的特征提取算法对所述文本词向量进行特征提取，得到特征词向量；
根据所述特征词向量生成所述用户的用户画像。


5.如权利要求4所述的基于智能降级的资源推荐方法，其特征在于，所述对所述文本数据进行分词处理，得到文本分词，包括：
获取预先构建的标准词典，其中，所述标准词典中包含多个标准分词；
将所述文本数据按照预设的第一长度进行文本划分，得到检索词；
将所述检索词在所述标准词典中进行检索，当从所...

【专利技术属性】
技术研发人员：乐志能，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44