【技术实现步骤摘要】
一种数据流处理方法及系统
本专利技术涉及互联网
，尤其涉及一种数据流处理方法及系统。
技术介绍
随着现代科技的不断进步，利用应用软件来完成日常的事务已渐渐成为人们普遍的生活方式。因此，也需要软件开发人员能够快速的更新和设计出越来越多的业务应用软件以满足人们的需求。目前，市场上的开发业务应用软件都是依靠传统的手工编码来完成的，尤其针对电子商务的业务数据流和企业内部的审核业务工作流，为了满足各行各业的特定需求，需要自行设计适合于自身的数据流应用程序，如H5应用等。采用手工编码方式来完成一个业务应用开发需要耗费很长的时间，不仅开发效率低，而且开发成本高。
技术实现思路
为了解决上述至少一个技术问题，本专利技术提出了一种数据流处理方法及系统。为了实现上述目的，本专利技术第一方面提出一种数据流处理方法，所述方法包括：步骤1，拟定一项业务流程；步骤2，将业务流程转换成对应的实体数据流程；步骤3，通过数据流程设计器分别设定实体数据流程中各个功能模型；步骤4，待所述实体数据流...
【技术保护点】
1.一种数据流处理方法，其特征在于，所述方法包括：/n步骤1，拟定一项业务流程；/n步骤2，将业务流程转换成对应的实体数据流程；/n步骤3，通过数据流程设计器分别设定实体数据流程中各个功能模型；/n步骤4，待所述实体数据流程中的所有功能模型设计完成后，采用界面设计器中的调用流程模块完成该项业务。/n
【技术特征摘要】
1.一种数据流处理方法，其特征在于，所述方法包括：
步骤1，拟定一项业务流程；
步骤2，将业务流程转换成对应的实体数据流程；
步骤3，通过数据流程设计器分别设定实体数据流程中各个功能模型；
步骤4，待所述实体数据流程中的所有功能模型设计完成后，采用界面设计器中的调用流程模块完成该项业务。
2.根据权利要求1所述的数据流处理方法，其特征在于，所述业务流程为购物流程，所述购物流程包括如下步骤：
用户登录成功后，由推荐模型基于对应的推荐算法推送适配该用户的商品，并在商品推荐展示栏进行展示；
从商品推荐展示栏中选择一个商品，并将其加入到当前用户的购物车；
对购物车中的商品进行结算处理，并生成订单信息。
3.根据权利要求2所述的数据流处理方法，其特征在于，由推荐模型基于对应的推荐算法推送适配该用户的商品，具体包括：
通过Sparksession.read方法将业务数据由业务数据库读取至Spark，随后将业务数据结构转化成RDD模式，并作为训练数据trainData；
基于ALS算的其它参数rank、iterations和lambda，并根据RMSE的计算选取多组参数进行调参，选取RMSE中最小的一组参数值，即获取最终的训练的离线推荐模型；其中lambda为正则化参数，iterations为迭代次数，rank为隐语义模型中隐性特征的个数，RMSE为均方误差的算术平方根即预测值与真实值之间的误差；
待取得最终的离线推荐模型后，进行用户推荐矩阵的计算，将用户矩阵与物品矩阵进行笛卡尔积的计算得到用户对物品的预测评分数据；
将所述预测评分数据带入上述离线推荐模型进行训练，得到预测评分的矩阵；
将预测评分矩阵按照用户ID并采用Groupby函数进行分组分类以及降序排列，取前n个得到长度为n的推荐矩阵列表，其中n取值范围为10-20；
将所述推荐矩阵列表返回至业务服务端，并通过业务客户端展现至对应的终端页面上。
4.根据权利要求2所述的数据流处理方法，其特征在于，由推荐模型基于对应的推荐算法推送适配该用户的商品，具体还包括：
计算得到商品的相似度推荐表，并根据相似度推荐表统计出用户当前操作的商品的相似商品，并作为备选商品，其中用户当前操作包括商品评分、商品加入购物车；
根据备选商品推荐优先级的计算方式对每一个备选商品分别计算推荐优先级评分；
按照推荐优先级评分进行降序排序，取前m个备选商品形成推荐列表，其中m取值范围为10-20，并将所述推荐列表返回至业务服务端，并通过业务客户端展现至对应的终端页面上。
5.根据权利要求4所述的数据流处理方法，其特征在于，计算商品的相似度推荐表，具体包括：
根据商品的特征向量Productfeatures，计算每个商品特征向量的特征矩阵与另一个商品特...
【专利技术属性】
技术研发人员：蔡鑫莹，胡艳平，何谊，徐纳，潘源，
申请(专利权)人：湖南云畅网络科技有限公司，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。